CN110598973A - 一种基于iap的绿色家具产品认证过程风险评价方法 - Google Patents

Abstract

本发明公开了一种基于IAP的绿色家具产品认证过程风险评价方法，该方法包括以下步骤：构建绿色家具产品认证过程风险评价指标体系；利用ISM模型分析指标之间的关联关系，为认证过程中各风险指标建立关联网络；通过ANP模型得出每个风险指标的风险权重，找出关键风险点；建立基于PNN的智能化绿色家具产品认证过程风险评价模型，以大量数据作为训练样本，实现了对绿色家具产品认证过程的有效评价。本发明能够实现绿色家具产品认证过程风险评价功能，具有较高的科学性、有效性和实用性。

Description

一种基于IAP的绿色家具产品认证过程风险评价方法

技术领域

本发明属于绿色产品认证领域，具体说是一种基于IAP的绿色家具产品认证过程风险评价方法。

背景技术

在加快推进生态文明建设的大背景下，绿色消费成为引领绿色生活的新方向。我国应大力倡导绿色消费，完善生态文明制度体系。绿色消费是一种环境友好型、资源节约型的可持续性消费行为，它倡导人们舍弃传统的消费方式，选购环保、节能的绿色产品。绿色家具产品是认证市场监管总局发布的绿色产品评价标准清单及认证目录(第一批)中的一类主要产品，随着绿色生活观念深入人心，绿色家具领域已得到行业的青睐。虽然绿色家具产品的应用已得到重视，但是由于认证机构对认证过程风险信息认识不足，风险控制体系不完善，认证流程信息收集不全面，使得认证过程中的风险具有较大的模糊性和不确定性。认证机构在不确定条件下做出的认证决定和证后监督会降低绿色家具产品认证标签的置信度，甚至会出现错误的认证判定。因此，识别认证过程中关键的风险因素，评价认证风险的发生概率是确保认证具有可靠性的重要保障。

风险评估包括风险识别与风险分析，是风险管理的首要条件。其目的是发现潜在的风险隐患、推算发生的可能性、评估风险发生后造成的损失等，为风险管理提供基于证据的信息和标准，有针对性地提出预防和规避方案，尽可能减小风险发生后的影响范围和损失。传统的风险评价方法包括：风险矩阵，德尔菲法、决策树法、层次分析法、 DEA(数据包络分析法)等，多以定性评价为主要分析手段。其中，层次分析法主要用于信用风险、工程风险评价。DEA方法可以实现多输入多结果的评价分析，在风险领域的应用包括建立与验证资源消耗型工厂风险管理效用。风险矩阵法和德尔菲法，主要用于评估社会稳定及食品安全领域中存在的一些难以量化的风险因素。另外，单一的风险定量评估方法相对较多，代表性评估方法有因子分析、主成分分析、三角模糊数法和KMV模型，主要应用在生态风险、食品安全和信用评价等领域。近些年来，随着机器学习被广泛关注，基于深度学习的风险评价方法在现阶段的应用持续增加，主要包括神经网络、贝叶斯网络和支持向量机，其优点是可基于样本数据实现更精准的预测与分类，通过学习与训练进行自组织学习以适应不同信息处理的要求，利用神经网络构建绿色家具产品认证风险评价模型也成为该领域的一个研究热点。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于 IAP的绿色家具产品认证过程风险评价方法，构建了基于 ISM-ANP-PNN的绿色家具产品认证过程风险评价模型，以解决上述技术背景中提出的问题。

为达到以上目的，本发明采取的技术方案是：

一种基于IAP的绿色家具产品认证过程风险评价方法，该方法包括以下步骤：

步骤1：构建绿色家具产品认证过程风险评价指标体系；

步骤2：构建基于ISM的风险指标关联性分析模型，分析认证过程中各风险指标之间的潜在关联性；

步骤3：基于ANP模型进行风险指标权重判定，得到关键风险点；

步骤4：基于步骤3得到的风险指标权重进行数据处理，得到PNN 风险评价模型的训练样本和测试样本；

步骤5：设计PNN风险评价模型；

步骤6：利用训练样本对PNN风险评价模型进行训练，通过改变Spread值，进行PNN风险评价模型优化，得到绿色家具产品认证过程风险评价模型。

进一步，所述步骤1具体为：根据国家认证认可监督管理委员会发布的《绿色家具产品认证实施规范》的认证流程为依据，以认证机构实施监管的可操作性与指标数据的可获得性为原则，在中国质量认证中心(CQC)认证专家的建议下，从绿色家具产品认证过程的节点中选取6个节点作为一级指标，同时选取19个风险点作为二级指标，构建了绿色家具产品认证过程风险评价指标体系。

进一步，所述一级指标包括认证基本要求、文件评审、产品抽样检验、工厂检查、认证决定、证后监督；

所述二级指标包括认证单元划分、企业信誉风险、审核体系完善程度、审核人员水平、审核人日数、审核时限、抽样人员水平、抽样产品覆盖程度、利用其他检验结果、现场检查人员水平、现场检查人日数、现场检查时限、工厂保证能力检查、生产产品与认证产品一致性、认证决定人员水平、信息录入的全面性、企业变更信息的收集和处理、获证后监督频次、监督检查内容覆盖程度。

进一步，步骤2中所述风险指标关联性分析模型的构建包括三步：

首先，根据绿色家具产品认证过程风险评价指标体系，构建风险指标关联关系矩阵，得出绿色家具产品认证过程各风险指标之间的直接关系；

其次，根据绿色家具产品认证过程各风险指标之间的直接关系，构建风险指标邻接矩阵，用G表示；

最后，利用风险指标邻接矩阵G与单位矩阵I求和(G+I)进行布尔运算，当(G+I)满足(G+I)^k-1≠(G+I)^k＝(G+I)^k+1＝M(k>1) 时，称M为邻接矩阵G的可达矩阵，可达矩阵反应出风险指标之间的潜在关联性，据此构建绿色家具产品认证过程中的风险指标关联性分析模型。

进一步，所述步骤3具体为：根据已建立的风险指标关联性分析模型，利用ANP方法对绿色家具产品认证过程的风险指标进行重要性排序；具体包括三步：首先，构建ANP网络结构模型，确定控制层和网络层；其次，构造判断矩阵；最后，根据判断矩阵计算未加权超矩阵、加权超矩阵和极限超矩阵，所得的极限超矩阵即为各影响指标的重要性权重；通过对各风险指标的重要性权重进行排序，可以得到绿色家具产品认证过程中的关键风险点。

进一步，所述步骤4具体为：根据绿色家具产品认证过程风险评价指标体系，分别为19个二级指标制定了评价标准，并制定了对应的评分数值，数值范围为1～100，通过专家打分法对认证过程进行评分，取均值后与步骤3得到的风险指标权重相乘，获得二级指标全局得分，进而计算决策目标的总评分值；将该总评分值用做PNN风险评价模型的训练样本和测试样本。

进一步，所述步骤5具体为：所述PNN智能风险评价模型包括输入层、模式层、求和层和输出层；

所述输入层神经元个数等于二级指标的数量，为19个，所述输入层用来获取训练样本的值，即将特征向量传递给模式层；

输出层神经元个数为1个，输出值为风险模式类别，即风险评价等级，区间为：1～5，1为无风险、2为轻度风险、3为中度风险、4 为重度风险、5为高危风险；

所述模式层通过连接权重与输入层建立联系，神经元数量等于训练样本数量，用来计算输入数据与训练样本中各风险模式类别之间的相似度，模式层神经元输出如式(1)所示：

式中：X为测试样本；W_i为输入层到模式层的连接权值；σ为平滑因子，是风险模式类别分类中的重要调节参数；

所述求和层神经元个数为风险模式类别的个数，具体为5个，用于进行风险模式类别的概率累加，与模式层相结合实现Parzen窗口概率密度估计法，风险模式类别i的概率密度函数估计值表示，如式 (2)所示：

式中：X为测试样本；n为训练样本维数；m_i为风险模式类别i中的训练样本数；σ为平滑因子；X_ij为风险模式类别i中的第j个测试样本。

所述输出层负责输出求和层中评分最高的那一风险模式类别，不同的神经元代表不同的风险模式类别(风险评价等级)，通过贝叶斯决策理论实现风险模式类别的分类，如式(3)所示：

式中，θ_A和θ_B为两类风险模式；f_A和f_B分别为θ_A和θ_B两类风险模式的概率密度函数；h_A和h_B分别为θ_A风险模式和θ_B风险模式发生的先验概率；l_A和l_B为误判时的代价因子。

进一步，所述步骤6具体为：将训练样本输入PNN风险评价模型进行训练，通过不断改变Spread值的大小，根据输出结果的误差度，最终确定最优Spread值；当Spread＝1时，PNN风险评价模型的分类能力最好、最稳定，所以确定1为Spread的最优值。

本发明的有益效果在于：

本发明首先利用ISM模型为认证过程中各风险指标建立了关联网络，并通过ANP模型找出了关键风险点，最后利用PNN为绿色家具产品认证过程建立风险评价模型，以大量数据作为训练样本，实现了对认证过程的有效评价。

本发明采用的PNN方法的优点在于训练快速，PNN训练时间仅仅略大于读取数据的时间。而且无论分类问题多么复杂，只要有足够多的训练数据,就可以保证获得贝叶斯准则下的最优解。

附图说明

本发明有如下附图：

图1为本发明所述方法的流程图。

图2为绿色家具产品认证过程风险评价指标体系结构示意图。

图3为PNN风险评价模型的拓扑结构示意图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

本发明提出了一种基于ISM-IAP-PNN的绿色家具产品认证过程风险评价方法，首先利用ISM模型为认证过程中各个风险指标建立了关联网络，并通过ANP模型找出了关键风险点，最后利用训练过的PNN为绿色家具产品认证过程建立评价模型，最终构建出绿色家具产品认证过程风险评价模型。

如图1所示，一种基于ISM-ANP-PNN的绿色家具产品认证过程风险评价方法，包括以下步骤：

步骤1：构建绿色家具产品认证过程风险评价指标体系，并获取绿色家具产品认证的风险指标；

步骤2：构建基于ISM(Interpretive Structural Modeling，解释结构模型)的风险指标关联性分析模型，分析得到认证过程中各风险指标间潜在的相互关系；

步骤3：基于ANP(Analytic net process，网络层次分析)模型进行风险指标权重判定，得到关键风险点；

步骤4：基于步骤3得到的风险指标权重进行数据处理，得到PNN (概率神经网络)风险评价模型的训练样本和测试样本；

步骤5：设计PNN风险评价模型；

步骤6：利用训练样本对PNN风险评价模型进行训练，通过改变Spread值，进行PNN风险评价模型优化，得到绿色家具产品认证过程风险评价模型。

步骤1进一步为：根据国家认证认可监督管理委员会发布的《绿色家具产品认证实施规范》的认证流程为依据，以认证机构实施监管的可操作性与指标数据的可获得性为原则，在中国质量认证中心 (CQC)认证专家的建议下，从绿色家具产品认证过程的节点中选取 6个节点作为一级指标，同时选取19个风险点作为二级指标，构建了绿色家具产品认证过程风险评价指标体系。一级指标分别为认证基本要求、文件评审、产品抽样检验、工厂检查、认证决定、证后监督；同时选择了19个风险点作为二级指标，构建了绿色家具产品认证过程风险评价指标体系为：认证单元划分、企业信誉风险、审核体系完善程度、审核人员水平、审核人日数、审核时限、抽样人员水平、抽样产品覆盖程度、利用其他检验结果、现场检查人员水平、现场检查人日数、现场检查时限、工厂保证能力检查、生产产品与认证产品一致性、认证决定人员水平、信息录入的全面性、企业变更信息的收集和处理、获证后监督频次、监督检查内容覆盖程度，所述指标体系如图2所示。

步骤2进一步为：根据已建立的绿色家具产品认证过程风险评价指标体系，构建基于ISM模型的绿色家具产品认证过程风险指标关联性分析模型。

首先是风险指标关联关系矩阵的构建，风险指标间关系可以通过对认证机构的资深员工进行访谈或者发放调查问卷获取。分析汇总后得出绿色家具产品认证过程各风险指标之间的直接关系。

第二步为构建风险指标邻接矩阵，根据第一步获取的关系矩阵构建风险指标邻接矩阵G。

最后根据风险指标邻接矩阵G，与单位矩阵I求和(G+I)进行布尔运算，当(G+I)满足(G+I)^k-1≠(G+I)^k＝(G+I)^k+1＝M(k>1) 时，称M为邻接矩阵G的可达矩阵。经过分析得到风险指标间的相互关系，并得出影响该认证实施过程中的基层指标、中层指标和深层指标。据此构建绿色家具产品认证过程中的风险指标关联性分析模型。

步骤3进一步为：根据已建立的风险指标关联性分析模型，利用 ANP方法对绿色家具产品认证过程的风险指标进行重要性排序。ANP 方法实施主要有三步：

第一步，构建ANP网络结构模型，确定控制层和网络层。控制层可以没有准则，但必须具备目标。本研究中控制层只有目标，即绿色家具产品认证过程风险。网络层要反映指标组之间、指标组内部指标之间的关联性，可基于绿色家具产品认证过程风险指标体系运用ISM的结果获取指标关系；

第二步，构建判断矩阵。绿色家具产品认证过程风险指标体系在具体运用时会得出符合其自身实际情况的ANP结构图；

最后，根据判断矩阵计算未加权超矩阵、加权超矩阵和极限超矩阵，所得的极限超矩阵即为各风险指标的重要性权重。通过对各影响指标的重要性权重进行排序，可以得到绿色家具产品认证过程中的关键风险点。

步骤4进一步为：根据绿色家具产品认证过程风险评价指标体系，分别为19个二级指标制定了评价标准，并制定了对应的评分数值，数值范围为1～100，通过专家打分法对认证过程进行评分，取均值后与步骤3得到的风险指标权重相乘，获得二级指标全局得分，进而计算决策目标的总评分值。将该总评分值用于PNN风险评价模型的训练样本和测试样本。

如图3所示，本发明采用的绿色家具认证过程PNN风险评价模型的网络拓扑结构如下：分别为输入层、模式层、求和层和输出层。

所述输入层神经元个数等于二级指标的数量，为19个。输出层神经元个数为1个，输出值为风险模式类别，即风险评价等级，区间为：1～5(无风险、轻度风险、中度风险、重度风险、高危风险)，输出层神经元个数为1。即：最终决策出的某一风险模式类别的输出。风险评价等级评分表如下所示：

表1风险评价等级评分表

步骤5进一步为：所述输入层用来获取训练样本数据的值，即将特征向量传递给模式层。

所述模式层通过连接权重与输入层建立联系，用来计算输入数据与训练样本中各风险模式类别之间的相似度，模式层神经元数量等于训练样本数量，模式层神经元输出如式(1)所示。

式中：X为测试样本；W_i为输入层到模式层的连接权值；σ为平滑因子，是风险模式类别分类中的重要调节参数。

所述求和层神经元个数为风险模式类别的个数，具体为5个，主要进行风险模式类别的概率累加，与模式层相结合实现Parzen窗口概率密度估计法，风险模式类别i的概率密度函数估计值表示，如式 (2)所示。

式中：X为测试样本；n为训练样本维数；m_i为风险模式类别i中的训练样本数；σ为平滑因子；X_ij为风险模式类别i中的第j个测试样本。

所述输出层主要负责输出求和层中评分最高的那一风险模式类别，不同的神经元代表不同的风险模式类别(风险评价等级)，通过贝叶斯决策理论实现模式分类，两类贝叶斯决策准则，如式(3)所示。

式中θ_A和θ_B为两类风险模式；f_A和f_B分别为θ_A和θ_B两类风险模式的概率密度函数；h_A和h_B分别为θ_A风险模式和θ_B风险模式发生的先验概率；l_A和l_B为误判时的代价因子。

进一步，所述步骤6具体为：根据训练样本所对应的19个评价指标及5个风险评价等级，确定PNN网络输入层有19个神经元、模式层有40个神经元、求和层有5个神经元，输出层有1个神经元。确定输入、输出向量和模式层、求和层后，将训练样本输入PNN风险评价模型进行训练，通过不断改变Spread值的大小，根据输出结果的误差度，最终确定最优Spread值，直至满足精度要求，则训练结束，否则训练继续。当Spread＝1时，PNN风险评价模型的分类能力最好、最稳定，所以确定1为Spread的最优值。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (9)

1.一种基于IAP的绿色家具产品认证过程风险评价方法，其特征在于，该方法包括以下步骤：

步骤1：构建绿色家具产品认证过程风险评价指标体系；

步骤2：构建基于ISM的风险指标关联性分析模型，分析认证过程中各风险指标间潜在的相互关系；

步骤3：基于ANP模型进行风险指标权重判定，得到关键风险点；

步骤4：基于步骤3得到的风险指标权重进行数据处理，得到PNN风险评价模型的训练样本和测试样本；

步骤5：设计PNN风险评价模型；

步骤6：利用训练样本对PNN风险评价模型进行训练，通过改变Spread值，进行PNN风险评价模型优化，得到绿色家具产品认证过程风险评价模型。

2.如权利要求1所述的基于IAP的绿色家具产品认证过程风险评价方法，其特征在于，所述步骤1具体为：根据国家认证认可监督管理委员会发布的《绿色家具产品认证实施规范》的认证流程为依据，以认证机构实施监管的可操作性与指标数据的可获得性为原则，在中国质量认证中心认证专家的建议下，从绿色家具产品认证过程的节点中选取6个节点作为一级指标，同时选取19个风险点作为二级指标，构建了绿色家具产品认证过程风险评价指标体系。

3.如权利要求2所述的基于IAP的绿色家具产品认证过程风险评价方法，其特征在于，所述一级指标包括认证基本要求、文件评审、产品抽样检验、工厂检查、认证决定、证后监督；

所述二级指标包括认证单元划分、企业信誉风险、审核体系完善程度、审核人员水平、审核人日数、审核时限、抽样人员水平、抽样产品覆盖程度、利用其他检验结果、现场检查人员水平、现场检查人日数、现场检查时限、工厂保证能力检查、生产产品与认证产品一致性、认证决定人员水平、信息录入的全面性、企业变更信息的收集和处理、获证后监督频次、监督检查内容覆盖程度。

4.如权利要求1所述的基于IAP的绿色家具产品认证过程风险评价方法，其特征在于，步骤2中所述风险指标关联性分析模型的构建包括三步：

首先，根据绿色家具产品认证过程风险评价指标体系，构建风险指标关联关系矩阵，得出绿色家具产品认证过程各风险指标之间的直接关系；

其次，根据绿色家具产品认证过程各风险指标之间的直接关系，构建风险指标邻接矩阵，用G表示；

最后，利用风险指标邻接矩阵G与单位矩阵I求和(G+I)进行布尔运算，当(G+I)满足(G+I)^k-1≠(G+I)^k＝(G+I)^k+1＝M，当k>1时，称M为邻接矩阵G的可达矩阵，可达矩阵反应出风险指标之间的潜在关联性，据此构建风险指标关联性分析模型。

5.如权利要求1所述的基于IAP的绿色家具产品认证过程风险评价方法，其特征在于，所述步骤3具体为：根据构建的风险指标关联性分析模型，利用ANP方法对绿色家具产品认证过程的风险指标进行重要性排序；具体包括三步：首先，构建ANP网络结构模型，确定控制层和网络层；其次，构造判断矩阵；最后，根据判断矩阵计算未加权超矩阵、加权超矩阵和极限超矩阵，所得的极限超矩阵即为各影响指标的重要性权重；通过对各风险指标的重要性权重进行排序，得到绿色家具产品认证过程中的关键风险点。

6.如权利要求3所述的基于IAP的绿色家具产品认证过程风险评价方法，其特征在于，所述步骤4具体为：根据绿色家具产品认证过程风险评价指标体系，分别为19个二级指标制定了评价标准，并制定了对应的评分数值，数值范围为1～100，通过专家打分法对认证过程进行评分，取均值后与步骤3得到的风险指标权重相乘，获得二级指标全局得分，进而计算决策目标的总评分值；将该总评分值用做PNN风险评价模型的训练样本和测试样本。

7.如权利要求2所述的基于IAP的绿色家具产品认证过程风险评价方法，其特征在于，所述步骤5具体为：所述PNN智能风险评价模型包括输入层、模式层、求和层和输出层；

所述输入层神经元个数等于二级指标的数量，为19个，所述输入层用来获取训练样本的值，将特征向量传递给模式层；

所述输出层神经元个数为1个，输出值为风险模式类别，区间为：1～5，1为无风险、2为轻度风险、3为中度风险、4为重度风险、5为高危风险；

所述模式层通过连接权重与输入层建立联系，神经元数量等于训练样本数量，用来计算输入数据与训练样本中各风险模式类别之间的相似度，模式层神经元输出如式(1)所示：

式中：X为测试样本；W_i为输入层到模式层的连接权值；σ为平滑因子；

所述求和层神经元个数为风险模式类别的个数，具体为5个，用于进行风险模式类别的概率累加，与模式层相结合实现Parzen窗口概率密度估计法，风险模式类别i的概率密度函数估计值表示，如式(2)所示：

式中：X为测试样本；n为训练样本维数；m_i为风险模式类别i中的训练样本数；σ为平滑因子；X_ij为风险模式类别i中的第j个测试样本；

所述输出层负责输出求和层中评分最高的风险模式类别，不同的神经元代表不同的风险模式类别，通过贝叶斯决策理论实现风险模式类别的分类，如式(3)所示：

式中，θ_A和θ_B为两类风险模式；f_A和f_B分别为θ_A和θ_B两类风险模式的概率密度函数；h_A和h_B分别为θ_A风险模式和θ_B风险模式发生的先验概率；l_A和l_B为误判时的代价因子。

8.如权利要求7所述的基于IAP的绿色家具产品认证过程风险评价方法，其特征在于，所述步骤6具体为：将训练样本输入PNN风险评价模型进行训练，通过不断改变Spread值的大小，根据输出结果的误差度，最终确定最优Spread值。

9.如权利要求8所述的基于IAP的绿色家具产品认证过程风险评价方法，其特征在于，当Spread＝1时，PNN风险评价模型的分类能力最好、最稳定，所以确定1为Spread的最优值。