보고서 정보
주관연구기관 |
동국대학교 산학협력단 DongGuk University |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2016-02 |
과제시작연도 |
2015 |
주관부처 |
식품의약품안전평가원 National Institute of Food and Drug Safety Evaluation |
등록번호 |
TRKO201600010326 |
과제고유번호 |
1475008624 |
사업명 |
식품 등 안전관리 |
DB 구축일자 |
2016-10-15
|
키워드 |
위해도 점수.시뮬레이션 프로그램.Risk score.Simulation program.
|
DOI |
https://doi.org/10.23000/TRKO201600010326 |
초록
▼
식약처에서 제공된 일반음식점, 집단급식소, 식품제조가공업의 업체 특성과 단속결과에 관한 자료를 바탕으로 단속 필요성점수(위해도)를 추정하는 통계적 방법을 제시하였다. DB정리 단계에서 식품산업 전반에 관한 지식과 경험을 바탕으로 업종별 유용한 변수 후보군을 선별ㆍ분리하였다.
단속 필요성 점수는 지도점검 및 행정처분자료를 이용하여 통계적으로 예측된 적발확률, 적발내용의 심각성, 그리고 해당 업체의 사회적 영향을 곱하여 산출한다. 적발확률이란 업체의 특성(급수시설, 모범음식점유무, 면적, 종사자수, 영업기간, 과거 1년간 부적합횟
식약처에서 제공된 일반음식점, 집단급식소, 식품제조가공업의 업체 특성과 단속결과에 관한 자료를 바탕으로 단속 필요성점수(위해도)를 추정하는 통계적 방법을 제시하였다. DB정리 단계에서 식품산업 전반에 관한 지식과 경험을 바탕으로 업종별 유용한 변수 후보군을 선별ㆍ분리하였다.
단속 필요성 점수는 지도점검 및 행정처분자료를 이용하여 통계적으로 예측된 적발확률, 적발내용의 심각성, 그리고 해당 업체의 사회적 영향을 곱하여 산출한다. 적발확률이란 업체의 특성(급수시설, 모범음식점유무, 면적, 종사자수, 영업기간, 과거 1년간 부적합횟수 등)을 통해 해당 업체가 단속 나갔을 경우 ‘부적합’일 것이라고 예측할 확률을 의미한다. 예를 들어 상수도급수를 이용하고 모범음식점이면서 면적과 종업원 수가 큰 경우에는 단속시 적발이 될 확률이 적을 것으로 예측한다. 적발의 심각성 점수는 단속결과가 ‘부적합’일 경우, 해당 업체의 행정처분 종류(시정명령, 과태료부과, 영업정지 및 폐쇄)를 예측하고 AHP방법을 이용하여 예측되는 행정처분의 경중(輕重)을 숫자로 나타낸다. AHP는 전문가의 의견을 수렴하여 경중(輕重)을 객관적으로 추정하는 방법이다. 예를 들어, AHP방법에 의해 시정명령은 1.2만큼의 중(重)한 처분이고, 과태료부과는 2.5만큼의 중(重)한 처분이고, 영업정지 및 폐쇄는 3.8만큼 중(重)한 처분으로 추정되고 해당 업체의 예측되는 행정처분이 과태료부과인 경우, 예측되는 적발의 심각성 점수는 2.5가 된다. 사회적 영향력은 해당 업체가 단속결과 ‘부적합’일 경우 업체의 규모에 따라 사회적 파장(예상 피해 규모)이 달라질 것으로 예상되어 이를 반영하기 위한 것이다. 업체가 적발이 될 만한 잘못을 행한 경우 손님이 많은 업체에서는 많은 사람에게 피해가 돌아갈 것이다. 반면, 손님이 적은 업체에서는 적은 사람에게 피해가 돌아갈 것이다.
모형의 적용가능성과 전체 업체(일반음식점, 집단급식소, 식품제조가공업)로의 확대적용을 위한 시뮬레이션 프로그램을 개발하였다.
Abstract
▼
Based on characteristics of restaurants, collective kitchens, and food manufacturers and food sanitation check history data, we developed risk scoring equations for these companies. Risk scoring equation consists of the multiplication of three parts- predicted noncompliance rate, predicted penalty l
Based on characteristics of restaurants, collective kitchens, and food manufacturers and food sanitation check history data, we developed risk scoring equations for these companies. Risk scoring equation consists of the multiplication of three parts- predicted noncompliance rate, predicted penalty level, social influence, such as the number of customers. Noncompliance rate is predicted with water supply type, exemplary company status, company building size, number of employees, length of company history, number of noncompliance in past one year. Penalty level is predicted in a similar manner and then transformed into a numerical penalty level score using AHP method.
Finally, a simulation software is developed to demonstrated the usefulness of the risk scoring equation and national maps of risk scores are drawn.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.