مقاله انگلیسی رایگان در مورد کنترل ایمنی مواد غذایی بر اساس فرآیند تحلیل سلسله مراتبی – الزویر ۲۰۲۰

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله هشدار اولیه خطر و کنترل ایمنی مواد غذایی بر اساس یکپارچه سازی فرآیند تحلیل سلسله مراتبی بهبود یافته با روش تجزیه و تحلیل کنترل کیفیت
عنوان انگلیسی مقاله Risk early warning and control of food safety based on an improved analytic hierarchy process integrating quality control analysis method
انتشار مقاله سال ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۱۰ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۴٫۴۱۸ در سال ۲۰۱۹
شاخص H_index ۱۰۳ در سال ۲۰۲۰
شاخص SJR ۱٫۴۵۰ در سال ۲۰۱۹
شناسه ISSN ۰۹۵۶-۷۱۳۵
شاخص Quartile (چارک) Q1 در سال ۲۰۱۹
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط صنایع غذایی
گرایش های مرتبط کنترل کیفی و بهداشت
نوع ارائه مقاله
ژورنال
مجله  کنترل مواد غذایی – Food Control
دانشگاه Key Laboratory of Ministry of Education for Engine Health Monitoring and Networking, Beijing University of Chemical Technology, Beijing, 100029, China
کلمات کلیدی ایمنی مواد غذایی، هشدار اولیه خطر، ماتریس خطر، آنالیز کنترل کیفیت، فرایند تحلیل سلسله مراتبی، وزن آنتروپی
کلمات کلیدی انگلیسی Food safety، Risk early warning، Risk matrix، Quality control analysis، Analytic hierarchy process، Entropy weight
شناسه دیجیتال – doi
https://doi.org/10.1016/j.foodcont.2019.106824
کد محصول E14485
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱- Introduction

۲- The risk early warning method

۳- Case study

۴- Discussion

۵- Conclusion

References

بخشی از متن مقاله:

Abstract

Food safety risks has received great attention in all world. And the reasonable effectiveness of security warnings can reduce public panic and risk losses. Therefore, this paper proposes an improved risk early warning method for food safety detection data based on the analytic hierarchy process (AHP) integrating the quality control analysis method. The AHP based on the entropy weight can obtain risk values for food safety component data. And the risk matrix of the risk component is obtained by the risk probabilities of the components. Then the corresponding risk levels are calculated using the quality control analysis method to release the risk warning information. Finally, a case study of dairy product safety data from the GuiZhou province in China is conducted to verify the feasibility and reliability of the proposed method. Moreover, the proposed method can scientifically and reasonably determine the risk level information. Furthermore, the risk management is provided to effectively reduce risk losses of the country though relevant quality inspection departments.

Introduction

With the rapid development of the economy, the food safety and quality have raised a higher requirement. If making correct and timely warning of food safety, people’s fears will be alleviated, and the harm caused by the food security crisis will be reduced. Nowadays, there are more panic and unintended consequences bring by false warnings. And the food safety risk is serious. Meanwhile, more and more food safety problems involving complex food safety data are occurred (Ma, Hou, Liu, & Xue, 2016). Because the food safety risk monitoring foundation of China is weak, it is very important to customize a risk monitoring model based on the basic national conditions (Tang, 2013). Due to the superior processing characteristics of complex food safety data technology, many dig data analysis and artificial intelligence methods of food safety risk assessment and early warning were proposed (Liu, Li, Yang, & Guo, 2018a; Wang, Yang, Luo, He, & Tan, 2015). Samuel et al. (Samuel, Asogbon, Sangaiah, Fang, & Li, 2017) used the fuzzy analysis hierarchical process (AHP) technique to calculate the global weight of attributes based on their individual contributions and predicted the high frequency risk of patients by training the artificial neural network (ANN) classifier. Wang et al. (Wang & Yue, 2017) formulated an early warning strategy for the safety risks arising from food transportation in the real-time monitoring of food safety to reduce the risk of food supply chain.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *