Accurate Evaluation Algorithm for Product Quality Risks of Consumer Goods Production Enterprises in Sichuan Province

ZHANG Wen-long1 HUDan1 MA Jing-xiao2* LUO Hai （1.SichuanProvincialIstituteofroductQualityupeision，spectioadsting;.ongjiUersity;.Cngd Product Quality Inspection and Research Institute Co.，Ltd.）

Abstract：Inorder to improve theaccuracyand scientificityofqualityriskassessment forconsumer goods production enterprises，the paper extracts multidimensional data fromconsumer goods production enterprises in Sichuan province， and constructs a comprehensive indicator system that covers long-termatributes reflecting the long-term stability of enterprises as wellas short-term attributes characterizing the short-term business performance.The Analytic Hierarchy Process （AHP）is used toquantify the weightsof long-termatributes，generatebasic scores forlong-term risks，andcombinedynamicriskassessmentalgorithms forshort-termatributes toclasifyenterprises intohig-risk andlow-risk categories using differentiatedassessmentrules.The experimentalresultsshow that the accuracy of the algorithm in identifying high-risk enterprises reaches 90.3% ，providing a scientific basis for the dynamic supervision of product quality in enterprises.Theresearchresultsof this papernotonly providean innovative method for quality risk assessment，but also provide technical support foroptimizing the allocation ofregulatory resources.

Keywords：qualityrisk assessment，enterprise characteristics，consumer goods production enterprise，datacleaning

0 引言

消費品生產行業是民生產業的重要組成部分，是我國整體經濟結構的重要組成部分，也是筑牢實體經濟根基的關鍵[1]。四川省作為西南地區的經濟大省，其消費品生產行業在帶動區域經濟增長和滿足人民生活需求方面具有重要作用，對經濟增長的拉動作用愈發顯著。

目前，針對消費品生產行業的質量監督抽查主要結合消費者投訴、上年度產品質量狀況、企業年度報告等情況擬定，這種方式在過去的監管實踐中發揮了重要作用。然而，這種傳統模式也存在明顯的局限性：（1）這種方式高度依賴消費者投訴和企業自行報告，可能導致部分問題無法及時被發現。（2）基于年度質量狀況的監督抽查通常具有一定的滯后性，難以快速響應生產環節中的動態變化和潛在風險[2。（3）當前監督抽查的設計更多依賴人為經驗判斷[3]，缺乏對數據的系統分析和挖掘，難以全面識別潛在風險。

本文針對當前四川省消費品生產企業面臨的質量監管挑戰，提出了一種企業特征驅動的產品質量風險精準評價算法。該模型通過分析與企業經營相關的多維度數據，評估企業的長期和短期屬性，進而對企業的質量風險進行精確評估和預警。

1 企業特征驅動的質量風險評估

傳統的質量風險評估通常聚焦于具體產品，將產品本身的屬性、生產工藝或檢測結果作為主要評估依據。這種方式雖已廣泛應用，但其主要問題在于，它過于關注產品的單一因素，忽視了企業在生產過程中對質量控制的系統性影響。產品質量的好壞不僅僅由其本身的特性和檢測結果決定，更多的因素還來源于生產企業的內部管理、經營狀況、技術能力以及外部環境等。傳統方法的局限性在于，它未能全面考慮到企業層面的一系列復雜因素，導致在形成精準的質量預期評價時缺乏足夠的支撐[4]。

本研究則是基于一種企業特征驅動的質量風險評估視角，即將評估對象從產品本身轉移到企業層面。這一轉變的核心邏輯在于，企業的生產經營狀況作為質量管理的基礎，對其產品的最終質量具有直接或間接的決定性影響。

2 質量風險關鍵要素篩選

通過詳細分析，不僅可以進一步驗證總體分析的發現，還能更深入地了解各要素在不同企業間的表現差異，為后續模型的構建奠定數據基礎。不同要素在企業產品質量風險中的表現主要呈現以下規律：

（1）強相關要素：部分企業特征的存在可直接提示產品質量風險。（2）線性增長或降低關系：某些要素與產品不合格率之間呈現出較為顯著的線性變化趨勢。（3）閾值效應：部分要素在達到某一特定閾值后，其對不合格率的影響顯著提升。（4）組合關聯：部分要素在單獨作用時對產品質量風險的影響并不顯著，但當這些要素組合在一起時，其對質量風險的判定能力顯著增強，

在篩選過程中，本研究結合定量分析的結果，刪除了部分與質量風險關聯度較低的要素，最終篩選出的質量風險關鍵要素構成了指標體系中的兩大核心屬性：評分評價屬性和風險判決屬性。評分評價屬性用于對企業的長期穩定性進行初步評估，而風險判決屬性則針對短期質量風險進行動態判定。

3 企業特征驅動的產品質量風險精準評價算法

基于上述篩選出的關鍵要素，本研究針對企業產品質量風險評估問題，提出了一種企業特征驅動的產品質量風險精準評價算法，該算法以消費品生產企業的長期屬性和短期屬性為核心，通過系統化的指標分類和科學的評價方法，對企業的質量風險進行精準預測。

3.1長期風險基礎評分算法

長期風險基礎評分算法以企業的長期屬性為核心，結合層次分析法（AHP）和Z-SCORE評分法，量化企業的長期風險特征。其主要步驟包括評分評價屬性分類、數據歸一化處理以及長期風險基礎評分的計算。

（1）評分評價屬性分類

根據企業的長期經營特征，篩選出以下4個一級指標，每個一級指標由多個二級指標構成，用于反映企業的不同維度穩定性與發展潛力：

平臺打造（ ?_QA， ：包括AAA級誠信經營示范單位、AAA級企業信用等級證書、AAA級質量服務誠信單位、AAA級重服務守信用單位、AAA級重合同守信用企業、AAA級企業資信等級證書、AAA級重質量守信用單位、行業質量管理體系認證、商品售后服務評價認證、資信等級、測量管理體系、對外貿易經營備案、高新技術企業、科技型中小企業、企業知識產權管理體系認證、質量管理體系認證（ISO9000）等16個二級指標。

創新能力及品牌建設（ （Q_?B） ：包括發明專利數量、總體專利數量（包括發明專利及實用新型專利）、商標數量3個二級指標。

產品質量抽查情況（ （Q_c） ：包括近3年數據不合格次數、近3年重復不合格項目次數2個二級指標。

異常經營情況 （Q_D） ：包括行政處罰次數、環保處罰次數、被列為失信人次數、立案次數、變更次數（包括財務負責人變更、出資比例變更等）、列入異常經營風險提示名錄次數等20個二級指標。

（2）數據歸一化處理

為了確保不同量綱的二級指標能夠進行統一計算，采用Z-SCORE評分法對所有二級指標的數據進行歸一化處理，其公式為：

Z_i=X_i-μ′_σ

其中， Z_r 為歸一化后的值， X_i 為原始數據， μ 為樣本均值， σ 為樣本標準差。歸一化處理后，所有二級指標的值都在同一量綱下，便于后續計算。

（3）長期風險基礎評分計算

長期風險基礎評分的計算基于層次分析法（AHP）。首先，通過分析不同二級指標對質量風險的影響程度，結合1-9標度對各指標的重要性進行量化評估，生成權重值 k_Ai k_Bi ， k_Ci ， k_Di

一級指標的得分計算公式為：

其中 Q_Ai ， Q_Bi ， Q_ci ， Q_Di 為歸一化后的二級指標值； k_Ai k_Bi k_Ci k_Di 為對應的權重； 勺4個一級指標的得分。

最終，長期風險基礎評分Q由4個一級指標的加權求和得出：

Q=k_?A?Q_?A+k_?B?Q_?B+k_?C?Q_?C+k_?D?Q_?D

其中， k_{A A}，k_B，k_C， k_D 為4個一級指標的權重，結合1-9標度對各一級指標的重要性進行量化評估后得到。

3.2長期風險基礎評分中的判斷矩陣構造

（1）一級指標的判斷矩陣構造

為了合理評估每個一級指標對產品質量風險的影響程度，結合第5節質量風險關鍵要素的總體分析結果，采用1-9標度對每個一級指標的重要性進行賦分。具體分析如下：

1）平臺打造：反映企業的資質認證和行業信用水平；2）創新能力及品牌建設：體現企業的技術積累和市場競爭力；3）產品質量抽查情況：作為質量風險的最直接指標，該類要素能夠清晰反映企業歷史上的質量表現，其重要性最高；4）異常經營情況：反映企業的經營合規性，特別是在高風險企業中，經營異常往往是產品質量問題的重要前兆，因此該類指標的權重較高。

根據以上分析，構建一級指標的判斷矩陣，并通過層次分析法計算權重。最終確定的權重值分別為：

（2）二級指標的判斷矩陣構造

為了合理評估每個二級指標對產品質量風險的影響程度，結合第5節質量風險關鍵要素的總體分析結果，采用1-9標度對每個一級指標的重要性進行賦分。在具體分析過程中，針對某些具有相似影響機制或量綱一致性的指標進行了適當合并，以簡化模型結構并提高分析的科學性和效率。

本研究進一步分析了創新能力及品牌建設（ ）、產品質量抽查情況（ Q_c） 和異常經營情況中 （Q_D ）3個一級指標中的二級指標情況，并結合質量風險關鍵要素的總體分析結果，可以分別為這3個二級指標構建判斷矩陣。

通過層次分析法計算權重，最終可以確定所有二級指標的權重值。

由此即可代入各權重參數，通過公式（3）計算企業的長期風險基礎評分Q。

3.3短期屬性風險判決算法

本研究進一步引入短期屬性作為動態風險判定的依據，通過設置合理的閾值，構建短期屬性風險判決算法，最終判定企業為“高風險”或“低風險”。短期屬性的分析和評估不僅是對長期屬性的有力補充，更能夠通過捕捉企業當前動態特征，為風險判定提供更及時、更精準的依據。通過短期屬性的風險判決算法，可以有效識別出那些長期表現優異但短期內可能存在產品質量隱患的企業，從而提升監管的針對性和效率[5]

家企業數據則用于獨立驗證算法的風險篩選能力。這4.000家企業數據按企業近3年的質量表現和本年度的抽查結果分為以下四類：

（1）近3年均為合格且本年抽查合格企業：共計3，418家；（2）近3年均為合格但本年抽查不合格企業：共計179家；（3）近3年存在不合格但本年抽查合格企業：共計243家；（4）近3年存在不合格且本年抽查不合格企業：共計191家。

通過對驗證數據的分析，實驗結果表明，所提算法在高風險企業的識別中表現出較高的準確率。在獨立驗證的4，000家企業中，算法判定為高風險企業的準確率達到 90.3% ，這一結果充分表明了算法的有效性和實用價值。

5結語

本文針對消費品生產企業的質量風險評估問題，提出了一種基于企業特征的精準評價算法。通過構建長期屬性和短期屬性相結合的綜合性指標體系，結合層次分析法和動態風險判定算法，有效克服了傳統評估方法中對產品本身過于單一關注的局限性。研究結果表明，該算法能夠精準識別出高風險企業，篩選準確率達到 90.3% ，顯著提升了評估效率和可靠性。

4質量風險判決結果展示

為進一步驗證所提算法的穩定性和適用性，本研究從完整的企業數據集中進行了分組處理。一共收集了包含10.000家企業的數據，其中隨機選取6.000家企業數據用于算法參數的調整，余下4，000

參考文獻

[1]李政.提升消費品質保障質量安全：強化消費品質量安全監管制度建設研究[J].中國質量技術監督，2016（7）：48-49.

[2]向艷.試論建立以信息數據為基礎的消費品質量安全監管機制[J].中國質量監管，2020（8）：60-63.

[3]黃培東.試論我國消費品質量安全監管模式選擇與體系構建[J].中國質量技術監督，2015（4）：44-47.

[4]尚曉帆，陳聰，李峰.重點消費品質量關鍵性指標及安全風險管控研究[J].中國標準化，2024（23）：204-210.

[5]李玥.關于消費品質量合格率提升渠道的思考[J].中國質量萬里行，2023（12）：66-67.

作者簡介

張文龍，本科，高級工程師，研究方向為科技管理、產品質量檢測、機械設計制造及其自動化。

（責任編輯：馬磊）