农产品冷链HACCP管理体系知识建模与推理

牟向伟，陈　燕，曹　妍（大连海事大学交通运输管理学院，大连 116026）



农产品冷链HACCP管理体系知识建模与推理

牟向伟，陈燕，曹妍
（大连海事大学交通运输管理学院，大连 116026）

摘要：为了保障冷链上农产品的食用安全性和品质以及高效可靠地冷链监控管理。该文在冷链一般性业务流程与HACCP管理体系的基础之上，提出一种基于描述逻辑SROIQ（D）的冷链HACCP知识语义模型CC-HACCP， 使用SWRL规则语言描述业务逻辑规则，增强了该模型的知识自动推理能力。以生食牡蛎肉的冷链HACCP管理知识体系为例，使用OWL 2 DL语言对CC-HACCP描述的语义知识进行实现，并且通过知识校验、实例识别与规则推理等功能，完善了整体冷链的HACCP计划，试验结果表明，通过对HACCP冷链安全管理知识的建模与推理，冷链各环节之间进行有效的完善和共享。因此，HACCP知识模型的应用对多方参与的农产品冷链HACCP安全监控管理的整合和完善具有积极的意义，有助于提高农产品冷链物流安全监控管理的效率，从而保障农产品食用安全性和品质。

关键词：农产品；质量控制；管理；冷链；本体；HACCP；知识建模；知识推理

牟向伟，陈燕，曹妍. 农产品冷链HACCP管理体系知识建模与推理[J]. 农业工程学报，2016，32（2）：300－308.

Mu Xiangwei， Chen Yan， Cao Yan. HACCP knowledge modeling and reasoning for agricultural products cold-chain logistics[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2016， 32（2）: 300－308. （in Chinese with English abstract）doi：10.11975/j.issn.1002-6819.2016.02.043http://www.tcsae.org

0　引　言

农产品冷链是指以保证易腐农产品流通过程中的品质和食用安全性为目的，通过相关措施使得农产品加工到终端销售的整个过程始终处在适当的低温环境的特殊供应链系统。随着消费者对农产品质量和安全性的要求越来越高，带动了冷链物流服务等相关产业的迅速发展。危害分析及关键控制点（hazard analysis critical control point，HACCP）作为国际上共同认可和接受的农产品安全保证体系，在全球范围内的农产品行业管理中得到了广泛的应用[1-2]，并且也被成功应用到冷链物流的各个业务环节中。

相关研究表明HACCP在冷链中的应用不仅可以增强农产品流通过程中的安全监控管理效果，而且可以促进新的冷链技术发展，如新的冷藏冷冻工具和保温材料等技术，从而优化冷藏运输效果，起到节约能源和减少污染的效果[3]，除此之外，HACCP作为国际标准，它在冷链各个环节的应用也成为了促进农产品国际贸易的重要条件之一[4]。但是由于冷链物流投资巨大和建设周期长等原因，中小企业无力单独建设自有的冷链物流体系，已经有很多农产品生产加工企业越来越倾向将冷链物流业务外包给第三方冷链服务商[5-7]，在采用第三方冷链服务的情况下，由于多方的监控管理信息无法共享的问题已经造成了冷链业务效率低下和“冷链断链”等问题[8]，因此，冷链运营管理过程中的首要问题是如何对相关信息进行收集[9]和使用。尤其是HACCP相关信息，其对冷链安全性和可靠性的提高都有积极的作用[10-11]。更为重要的是HACCP的相关信息不仅能指导业务管理层面的具体操作，它还是冷链相关决策者在实践操作中积累的经验和知识的综合，已有相关研究采用知识发现与数据挖掘的方法对HACCP相关信息中蕴含的规律和知识进行挖掘和分析，如陈绍彬，叶飞跃等[12]使用BIRCH算法对食品加工HACCP过程中的关键流程、过程控制方法的每一步进行分析，并将数据自动抽取分类。王开义等[13]提出了一种基于遗传算法的支持向量机模型，实现了HACCP关键控制点的智能发现，该方法具有稳定性和识别率高的特点。王开义等[14]又结合模糊算法、非模糊化方法以及故障树分析方法对HACCP体系自动化制定和变更进行了探索和研究。在供应链领域的知识管理方面的研究主要关注如何将语义网技术和本体工程相关方法应用在供应链的知识建模与管理中[15-17]，对于冷链和HACCP交叉领域知识建模的相关研究还比较少。

相关研究已经表明HACCP对于农产品冷链全程安全管理重要性，以及信息共享对提高冷链安全监控管理效率的积极作用，但是对于HACCP中形成的知识如何进行语义描述，在冷链上下游中各个主体和环节之间进行理解和共享的相关研究还很少。本文尝试建立一个冷链HACCP知识模型，用于在语义层面描述冷链各环节产生的HACCP知识与业务规则，其目的是使HACCP知识能够在冷链各个环节中得到统一的表达和共享，帮助管理者完成多方冷链HACCP管理计划的融合并使之正确实施。

1　冷链HACCP知识建模需求

1.1HACCP管理体系

HACCP体系中主要由危害分析（hazard analysis，HA）和关键控制点（critical control point，CCP）两部分组成。其核心思想是对原料、生产工序和影响产品安全的人为因素进行分析，确定关键流程，建立、完善监控程序和监控标准，采取规范的纠正措施。其目的就是将可能发生的农产品安全危害消除在整个冷链过程中，而不是靠事后检验来保证农产品的安全性。它由以下7个基本要素组成[18]：

1）危害分析（HA），分析农产品或食品冷链流通过程各阶段有关的潜在危害性。

2）确定关键控制点（CCP），找到可以通过控制使潜在危害得以防止、排除或风险降低的业务活动或方法。

3）确定关键限值（CL），每个CCP 确定相关指标，以及指标的标准值，用于确保每个CCP 限值在安全值以内。

4）建立CCP监控程序。

5）建立和采取有效的纠偏措施。

6）建立审核验证程序，包括计划的确认、CCP验证活动和HACCP系统的验证等，以验证HACCP体系及有关结果是否达到预期效果。

7）建立有效的记录保存程序，为后续的改进和控制提供依据和证据。

1.2冷链HACCP知识管理的特点与主要问题

农产品冷链是一种特殊的供应链体系，与普通供应链相比有一定的相似性[19]，但是冷链对加工方法、物流工艺、运输条件温度、湿度、储存期等要求与常温物流相比更加严格，对常温物流增加冷链相关要求后也可以表达为：冷藏加工、冷藏储藏、冷藏运输配送、冷藏销售4个环节[20]。还可以具体细化为：原产地低温预冷处理、冷藏车运输、低温环境下生产加工、冷藏车运输、销售地低温物流中心分拣/储存/配送、销售终端冷藏销售[21]等环节。HACCP作为成熟的和广为应用的农产品安全监控和保障标准，其概念框架已基本成型，但是如何保证在多环节、多主体和多客体组成的农产品冷链HACCP监控管理的完整性，以提高业务效率并避免冷链“断链”的现象发生，已经成为近年来农产品冷链HACCP知识管理面临的主要问题。

1）不同的冷链业务环节中具有不同的HACCP管理要求。在众多的农产品冷链环节中，对于HACCP管理的要求有共同的部分，如在预冷、加工、储藏、运输和销售等环节中的关键限值都会出现对于“温度的控制”要求。但是几乎每一环节都有自己独有的HACCP管理要求，如，运输环节中的关键限值往往会有“不能与非食品级货物混装运输”的要求。因此，在多环节中的HACCP知识抽象过程除了要考虑对共同要求的概括，也要考虑环节特有要求进行抽象。

2）冷链HACCP管理主体众多，HACCP管理体系不统一。由于冷链环节众多，以及第三方/第四方冷链服务外包业务的蓬勃发展，造成了原料供应商、生产加工商、冷链运输服务商、冷链储藏（第三方冷库）、批发方和零售方等多主体共同参与农产品冷链运营管理的现象，冷链HACCP管理的各个主体以及管理规则的制定者主要关注自己负责的冷链环节，造成每个环节之间的HACCP管理体系的不一致，形成了“知识孤岛”，不利于整体冷链HACCP管理体系的形成。

3）不同类型的农产品冷链工艺要求不同，实施过程灵活多变。农产品冷链的主要物流对象为易腐的或鲜活的高价值农产品，不同种类农产品在不同环节的工艺要求是不同的。以最常见的温度关键限值为例，冷冻水产品需要在−23～−30℃进行流通，而金枪鱼肉糜和速冻食品需要在−30～−50℃[22]下进行流通，因此冷链HACCP的实际操作要根据具体的农产品类型进行实施。

通过以上对冷链HACCP知识管理主要问题的分析，可以总结出农产品冷链HACCP知识具有以下2个主要特点：1）HACCP知识分散于冷链各个环节中，被不同冷链主体掌握，且各个环节和主体所拥有的HACCP知识对于整个冷链而言是不完整的。2）各个环节间的HACCP知识既有共同的部分，也具有明显的差异。

1.3冷链HACCP知识建模需求

通过对以上问题和特点的分析与总结，冷链HACCP知识管理的主要需求是对分散在冷链各个环节的、不完整的、不兼容的HACCP知识建立统一标准的形式化描述与表达方式，促进已有的HACCP经验和知识在整个冷链的上下游中进行共享，辅助各个环节与主体间对HACCP知识进行自动化的学习，从而完善自身的HACCP管理，进一步形成冷链整体的HACCP管理体系。

另外，由于冷链HACCP知识体系较为复杂，需要科学合理的知识建模方法对建模过程进行指导。建立的模型还需要具有较好的适应性与扩展性，以适应灵活多变的冷链管理业务场景。

图1　CC-HACCP建模方法流程图Fig.1　Modeling method process of CC-HACCP

为了满足以上需求，本文提出冷链HACCP知识模型（CC-HACCP），该模型包括对语义知识形式化描述的语义模型、对知识进行标准化表达的本体模型以及根据规则和约束等语义知识进行推理的推理模型。CC-HACCP模型的建模方法流程如图1所示。

2　冷链HACCP知识语义模型

为了满足以上需求，首先需要解决HACCP知识语义的统一表达问题，因此，需要建立一种适应冷链业务管理实际需要并能够快速被信息化手段实现的语义知识形式化描述方法。由于描述逻辑具有在语义、可判定性以及面向对象的分类表示等方面的优点，所以很多知识描述系统建立在描述逻辑及其子语言的基础上。冷链HACCP管理的相关知识中存在大量的概念层次、关系层次，关系传递，逆关系、数值约束与具体数据类型等语义元素，所以仅仅使用基本的描述逻辑子语言，如ALC等，无法进行充分的知识表达[23]，因此本文使用描述逻辑子语言SROIQ（D）[24]对冷链HACCP知识进行语义建模。

SROIQ（D）不仅是一种可判定的知识语义描述语言，能够充分表达冷链HACCP知识的语义现象，而且它还是最新版本语义网本体语言OWL2[25]的语义基础，使用它对冷链HACCP知识进行建模后，可以方便地转换为使用OWL2语言表达的语义网本体，并应用在冷链上下游不同环节的信息化系统中。

2.1描述逻辑SROIQ（D）

SROIQ（D）是描述逻辑（description logic）的子语言，其构造符语法集如表1所示。定义I为对具体领域D的一个解释，I＝（ΔI，·I），其中

表1　SROIQ（D）构造符语法表Table 1　Axioms symbol of SROIQ（D）

ΔI为解释领域的一个非空集合，·I为解释功能，为概念和关系分配解释领域内的集合。#X表示集合X的基数。则对以上构造符的语义解释为：

2.2基于SROIQ（D）的冷链HACCP知识语义模型

定义冷链HACCP知识语义模型（CC-HACCP）为四元组：

其中TBox为概念与概念包含公理的有限集，而RBox是关系特征与关系包含公理的有限集，ABox是关于实例以及实例关系声明的有限集，Ru是使用SWRL进行描述的关联式规则的有限集。

1）CC-HACCP的概念集

CC-HACCP的基本概念集合C包含了危害分析和关键控制点概念HACCP，冷链主体概念CC_Role，冷链货物概念CC_Cɑrgo和冷链业务流程概念CC_Step，相关冷链HACCP知识描述如下：

危害分析和关键控制点概念HACCP。根据危害分析和关键控制点体系中的相关知识可以得出概念HACCP是由关键控制点CCP、危害分析HA、控制措施CM、关键限值CL、纠偏措施CA、验证VE、记录RE等概念组成。根据HACCP的相关原理[18]和冷链实际业务的相关知识，关键限值（CL）通常采用温度、时间、湿度、检验检测指标以及感官参数（如外观和组织形态）等。CC_Role为冷链主体概念，根据冷链的业务过程分析，本文将冷链过程中主体可以分为如下角色:原材料供应方Rɑw_Mɑteriɑl_Supplier、生产加工方Producer、物流方Logistics_Service_Provider、批发方Wholesɑler和零售方Retɑiler。CC_Cɑrgo为农产品货物类型概念，可以按照储存温度范围进行区分，初步地划分为冷冻货物（Frozen_Cɑrgo）和冷藏货物（Refrigerɑted_Cɑrgo）2种类型。其中冷冻类型货物要求在−18℃以下贮藏、运输、批发、配送、销售。而冷藏类型的货物要求在7℃以下。CC_Step是对冷链业务流程中具体步骤的抽象，CC_Step概念的实例都由CC_Role的实例负责实施和操作。CC_Proof为监测信息载体，是用于检测是否满足关键限值的重要证据，其实例可以是：货物外观和包装密封性等货物状态、检验检疫证明或非疫区证明等官方证明材料、货物装卸记录和货物出入库台账等业务操作记录、仓储和运输环境中的温度记录以及HACPP体系所产生的相关记录（RE）。另外，根据HACCP管理体系中规定，对每个关键控制点，必须规定关键限值，监控措施需要对与关键控制点相关的关键限值有计划地测量或观察，并对监控过程形成记录文档。

根据以上知识，TBox中的主要语义知识描述为：

TBox＝{HACCP,CC_Role,CC_Cɑrgo,CC_Step,CC_Proof}

HACCP⊆CCP∪HA∪CM∪CL∪CA∪VE∪RE

CL⊆CL_Cɑrgo∪CL_Documents∪CL_Temperɑrure∪CL_time∪CL_Index

2）CC-HACCP的关系集

RBox中的关系主要分为对象关系和有型关系2种。对象关系的其作用域与值域都是集合TBox中的概念，CC-HACCP中的部分对象属性如表2所示。

表2　CC-HACCP部分对象关系Table 2　CC-HACCP object properties

有型关系描述概念与数据类型之间的关系，其作用域为概念，值域为相关数据类型，包括：integer， any， string，float， boolean， symbol， xml scheme datatype等。CC-HACCP的部分数据属性如表3所示。

表3　CC-HACCP部分有型关系Table 3　CC-HACCP data properties

其中，对象属性next_step描述了冷链业务步骤时间上的前后逻辑关系，具有传递性，因此为对象属性next_step增加传递性特征。monitor_CL增加逆属性monitiored_by用于描述关键限值（CL）被监控措施（CM）进行监控，同样的，还可以为is_chɑrged_by，cɑuse_by等增加逆属性。

根据以上知识，RBox中的主要语义知识描述为

3）CC-HACCP关联式规则集

CC-HACCP借助于SROIQ（D）的语义具有一定的推理能力，但是不能够表示因果关联式的规则（If..Then）、事件流程以及数据统计型的查询推理。本文采用SWRL（semantic web rule language）为CC-HACCP增加规则语义描述[26]。SWRL规则的一般形式为“前件→后件”，其中前件和后件都由语义元atoms构成，语法形式为“atom1， atom2， …， atom3”。如果语义元atoms为某种变量，则其格式为“？x”，CC-HACCP模型中的部分规则如下：

Rule-1：如果冷链中某步骤实例step实施了某项监控措施cm,且cm产生记录re，且re可以用来检验某关键限值cl，则re是监控对象信息载体概念CC_Proof的一个实例，且在实例step产生。该规则描述如下：

实际上re是概念CC_Proof实例的推断并不是由该规则直接推理得到，而是由于规则后件所使用的对象关系step_generɑte_proof的值域是CC_Proof，因此推断re是概念CC_Proof的一个实例。

Rule-2：如果冷链中某环节实例step1实施了某项监控措施cm，并且cm所监控的关键限值cl由监控对象信息载体实例proof进行记录和证明，而且产生proof的冷链环节实例step1与step2是不相同的步骤，而且在冷链业务流程中，step2是step1之后的业务步骤，则step1需要提交在本步骤产生的proof供后续业务步骤验证本步骤冷链危害监控效果。该规则描述如下：

由于对象关系next_step的传递性，在冷链业务流程中，即使step1执行若干步骤之后才开始step2，next_step（？step1， ？step2）也是成立的。

Rule-3：如果有冷链步骤step1、step2和step3，而且step2是介于step1与step3之间的中间的任一步骤，则step3需要将监控信息载体proof向下一步传递。该规则描述如下：

以上为CC-HACCP中针对监控信息载体相关业务的部分推理规则，其主要作用是促使冷链业务环节之间对各自建立的HACCP中在传递监控信息的相关业务管理中达成一致。

4）CC-HACCP实例集

前文使用SROIQ（D）语言对CC-HACCP中的TBox,RBox和Ru等语义知识进行了形式化描述，但是ABox的描述还需要结合具体应用领域中的实例，其语法定义方式为：

CC_Step（trɑnsportɑtion）;

CC_Step（cɑrgo_ɑcceptɑnce）;

next_step（trɑnsportɑtion，cɑrgo_ɑcceptɑnce）;

以上实例声明的含义为运输“trɑnsportɑtion”和货物验收“cɑrgo_ɑcceptɑnce”是冷链步骤CC_STEP的实例，且运输的下一个冷链步骤为货物验收。

2.3CC-HACCP的应用

CC-HACCP在冷链中的应用需要根据具体应用场景以及信息化条件采用不同的实现技术，如可以通过面向对象的计算机程序语言开发相关软件，或者通过基于描述逻辑的建模软件进行模型的实现，也可以通过语义网本体技术建立基于CC-HACCP的本体。

其中，语义网本体语言是一种被广泛采用的知识建模语言，其最新版本OWL 2与SROIQ（D）在语义层面是等价的[27]，使用OWL2建立的知识本体更容易被计算机应用实现、处理和共享[28]。本文在应用案例分析中使用语义网本体语言OWL2 DL建立基于CC-HACCP语义模型的本体并应用在具体的HACCP管理业务场景中。

3　应用案例分析与试验

应用案例试验以生食牡蛎肉产品的冷链HACCP的相关业务为例进行分析，通过protégé知识建模工具，使用OWL2语言建立基于CC-HACCP语义模型的本体模型，最后采用推理机HermiT（版本1.3.8）进行推理，使用语义与规则推理进行一致性检验，并产生新的语义知识。

3.1生食牡蛎肉产品冷链HACCP业务分析

结合生食牡蛎肉产品冷链的实际业务流程并参考相关标准[29-30]，得到其主要业务环节包括：活牡蛎捕捞、活牡蛎冷藏运输、原料接收和生产加工等冷链业务过程。假设活牡蛎冷链运输环节并没有建立相应的HACCP体系，只有生产加工商独自建立了冷链HACCP监控计划。其中，生产加工商负责的冷链环节包括原材料验收，鲜活牡蛎干法冷藏，鲜活牡蛎加工，生食牡蛎肉冷藏存储等冷链环节，以原材料验收环节为例，其HACCP计划如表4所示。

由表4所示在原料验收环节，监控措施要监控的对象或监控信息载体（CC_Proof）包括：“捕捞作业许可”、“捕捞时间标示”、“运输过程时间与温度记录”、“货物运输清单”。这4种监控信息载体均不是在原料验收环节产生，其中“捕捞作业许可”和“捕捞时间标示”应该由活牡蛎捕捞环节提供，而“运输过程时间与温度记录”和“货物运输清单”应该由冷链运输环节产生提供。

表4　原料验收环节HACCP计划表Table 4　HACCP schedule of raw materials acceptance

在HACCP体系形成的初始阶段，冷链运输环节可能根据自身情况建立过一般性的HACCP计划，比如“活牡蛎运输”环节对“运输过程的时间和温度”已按照HACCP标准进行监控。但是针对上下游环节中的特殊要求无法全面考虑，如本例中，“活牡蛎运输”环节无法得知要在原料验收环节需要提交和转交哪些监控信息载体，这2个环节的交接过程存在监控信息“断链”的现象。

3.2基于CC-HACCP的本体模型实现

由于SROIQ（D）与OWL 2 DL在语义层面是等价的，因此可以直接使用OWL对CC-HACCP模型进行重写，使其便于进行计算机实现。以CCP概念及其相关约束为例，使用OWL 2 DL语言的构建形式如下所示（部分）。

3.3CC-HACCP知识推理试验

推理试验根据CC-HACCP的概念、关系、实例和规则，使用推理机HermiT实现了概念的一致性检验、概念-实例的自动识别以及基于规则的推理，本文以CC_Step的实例“鲜活牡蛎运输环节”为例，对其推理过程进行分析。如图2所示，该推理过程主要展现了2方面的推理过程：1）概念-实例自动识别分类，实现实例的自动分类和概念从属关系的自动识别；2）基于规则的推理，如基于前文介绍的推理规则，可以发现CC_Step实例与CC_Proof之间的多种新的实例关系。

图2　实例“活牡蛎运输”相关推理过程示意图Fig.2　Schematic diagram of reasoning process of “step_of_live_oyster_transportation”

图2中的形式化语义描述方式使用了OWL2的Functional-Style语法格式[31]，图中出现的语义描述符与SROIQ（D）的对应知识语义描述如表5所示。定义x,y为任意实例，C为任意概念，p为任意属性（角色）。

表5　OWL2与SROIQ（D）语义描述对应关系表Table 5　OWL2 and SROIQ （D） syntaxes corresponding relations

3.4试验结果分析

以冷链步骤“活牡蛎运输”实例为例，推理前后对比效果如图3所示。推理结果的作用主要体现在以下3个方面：1）冷链环节“活牡蛎运输”不再仅仅是冷链中的一个普通业务步骤（CC_STEP），而是在冷链中具有安全风险的业务步骤（Risk_Step），同时因为符合相关语义约束，因此也被认定为关键控制点（CCP）。2）通过推理结果中的新增实例关系，可以得到以下语义信息：“活牡蛎运输”环节不仅需要在本步骤产生“运输过程时间与温度记录”（record_of_live_oyster_ transportation_monitoring）和“货物运输清单”（transportation_cargo_list），并且要提交给下一个冷链环节“原料验收”（step_of_ live_oysters_checkup_and_ acceptance）。另外需要向之前的冷链步骤索取“捕捞作业许可”（fishing_licence）、“捕捞时间标示”（fishing_time_identification）2个监控信息载体并提交给下一个冷链环节进行交接。新增的实例关系满足了在3.1节中所描述的冷链环节“原材料验收”和“活牡蛎运输”2个环节交接过程的监控信息传递的相关业务需求。3）根据对象关系next_step的传递属性，“活牡蛎运输”环节新增了“干法冷藏”，“鲜活牡蛎加工”等后续业务环节，后续业务环节的识别可以实现新的推理结果的出现，实现冷链各个环节间HACCP知识的交互和共享，其他环节的推理结果与“活牡蛎运输环节类似”本文不再累述。

图3　“活牡蛎运输”环节实例推理前后对比图Fig.3　Comparison of reasoning before and after about the “step_of_live_oyster_transportation”

该试验结果说明冷链HACCP知识模型CC-HACCP能够在实际的业务中用于指导HACCP的业务管理体系的建立，通过相关知识和经验在冷链的上下游之间的共享与交互，自动识别冷链业务中的HACCP管理知识要素，防止HACCP管理计划出现缺陷和遗漏，降低冷链断链风险，辅助管理者实现冷链HACCP管理体系整体的融合与完善。

3.5冷链HACCP知识学习与建模方法比较分析

针对冷链HACCP知识学习与建模的研究方向主要分为两类，一个方向是采用机器学习或智能算法模型对HACCP中的某些知识进行智能发现、识别与分类，其使用的算法模型也可以看做是一种知识模型。如基于BIRCH算法的食品HACCP分类[12]，基于改进支持向量机模型的HACCP关键控制点智能发现方法[13]等都属于此类方法。此类方法对于冷链HACCP中的某些可量化知识建立模型进行智能学习和计算，从而发现新的知识和规律，但是无法对冷链HACCP存在的大量定性知识、约束和条件进行充分地利用。

另一类是采用知识语义建模方法，对HACCP知识进行形式化描述，利用语义约束和业务规则逻辑进行知识推理，自动产生新的知识。此类方法可以对知识和人类经验进行形式化描述，并通过模拟人的逻辑思维与推理过程，产生在原有知识体系中没有的知识。除了本文提出CC-HACCP模型，相似的研究为朱麟等[32]提出的基于本体的HACCP知识体系模型onto-HACCP，该模型创新之处在于提出使用本体语言对HACCP体系知识进行了形式化描述，但是并没有考虑HACCP知识如何在冷链上下游各个环节中共享，也未考虑利用约束与规则进行知识推理，因此知识发现能力有限。

表6中对几种冷链HACCP知识学习与建模方法从HACCP知识语义描述能力、跨冷链业务环节知识共享能力、知识语义推理能力和知识发现能力4个方面进行了对比。知识语义描述能力表示对知识的结构，约束与逻辑规则能否在严谨的语义层面进行充分的形式化表达；知识共享能力表示知识的形式化表达是否可以通过统一的标准化形式在冷链上下游进行共享。知识语义推理能力表示是否能够通过知识的语义描述利用逻辑关系与规则推导出新的知识与规律。知识发现能力表示能否在已有的信息中挖掘与发现未经描述的知识。

4　结论与讨论

本文提出的基于描述逻辑SROIQ（D）的冷链HACCP知识模型CC-HACCP，能够使冷链整体HACCP管理体系得到一定程度的完善，HACCP知识可以在彼此独立的环节与主体进行有效的共享，冷链“断链”的风险得到了降低。基于SROIQ（D）的CC-HACCP模型能够被知识管理专家和业务管理者使用，进行冷链HACCP知识建模和业务管理的工作，也能够转化为语义网本体模型而适应不同的信息化应用。已有的研究主要侧重在HACCP中的知识发现方法，而本文的研究内容则重点关注冷链与HACCP交叉领域中的语义知识描述与表达方法。模型给出的是冷链HACCP中的通用知识描述框架，由于农产品冷链的业务复杂性，该模型在建立业务实例时还需要根据具体的业务需求进行进一步完善。本文的后续研究内容可以在2个方面展开：1）建立基于CC-HACCP知识模型的具体信息化应用方法，如整体冷链HACCP计划的自动化生成工具等。2）进一步建立基于CC-HACCP的冷链HACCP管理质量评价体系与方法，对冷链的安全监控管理质量进行评估。

[参考文献]

[1] Dzwolak W. HACCP in small food businesses-The Polish experience[J]. Food Control， 2014， 36（1）: 132－137.

[2] Ema Maldonado-Siman， Li Bai， Rodolfo Ramírez-Valverde，et al. Comparison of implementing HACCP systems of exporter Mexican and Chinese meat enterprises[J]. Food Control， 2014， 38: 109－115.

[3] Panozzo1 G， Minotto G， Barizza A. Transport and distribution of foods: today’s situation and future trends[J]. International Journal of Refrigeration， 1999， 22（8）: 625－639.

[4] Likar K， Jevsnik M. Cold chain maintaining in food trade[J]. Food Control， 2006， 17（2）: 108－113.

[5] 刘铮铮. 我国食品行业冷链探微[J].物流技术， 2006，（8）: 67-68. （in Chinese with English abstract）Liu Z Z. Study on China Food Cold Chain[J]. Logistics Technology， 2006， （8）: 67－8.

[6] Chen Na， Shi Lei. Analysis of Quality Game Behavior for Cold-Chain Logistics Outsourcing[C]//International Conference on Logistics Systems and Intelligent Management， 2010: 202－206.

[7] Xie Jing， Qiu Weiqiang. Recent situation and development of food cold chain in China[J]. Journal of Chinese Institute of Food Science and Technology， 2013， 13（3）: 1－7.

[8] Zhang Qin， Zhang Keming， Song Bohui. The information construction of third-party warehousing in the cold chain logistics[C]//2nd International Conference on Logistics，Informatics and Service Science. Beijing: Springer-Verlag Berlin Heidelberg， 2013， 1: 409－414.

[9] Rohit Joshi， D K Banwet， Ravi Shankar. A Delphi-AHP-TOPSIS based benchmarking framework for performance improvement of a cold chain[J]. Expert Systems with Applications， 2011，38（8）: 10170－10182.

[10] 胡国瑞， 张志强， 文连奎. 计算机信息技术在食品安全控制中的应用[J]. 中国食品卫生杂志，2010，22（6）：567－572. Hu Guorui， Zhang Zhiqiang， Wen Liankui. Application of computer information technology in controlling the food safety in food industry[J]. Chinese Journal of Food Hygiene，2010， 22（6）: 567－572. （in Chinese with English abstract）

[11] 张献娣，王开义. HACCP信息化的发展现状与分析[J]. 中国农学通报，2010，26（5）：309－313. Zhang Xiandi， Wang Kaiyi. Development status and analysis of HACCP information[J]. Chinese Agricultural Science Bulletin， 2010， 26（5）: 309－313. （in Chinese with English abstract）

[12] 陈绍彬，叶飞跃，刘佰强，等. 食品HACCP分类的BIRCH算法[J]. 计算机工程，2008，34（23）：59－61. Chen Shaobin， Ye Feiyue， Liu Baiqiang， et al. BIRCH algorithm of food HACCP classification[J]. Computer Engineering， 2008， 34（23）: 59－61. （in Chinese with English abstract）

[13] 王开义，徐红敏，赵春江，等. 优化支持向量机在鲜切生菜加工HACCP分类中的应用[J]. 农业工程学报，2009，25（11）：219－221. Wang Kaiyi， Xu Hongmin， Zhao Chunjiang， et al. Application of optimized support vector machine in HACCP classification of fresh-cut lettuce processing[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2009， 25（11）: 219－221. （in Chinese with English abstract）

[14] 王开义，赵春江，张方田. 模糊故障树分析方法在HACCP中的应用研究[J]. 农业工程学报，2007，23（5）：164－167. Wang Kaiyi， Zhao Chunjiang， Zhang Fangtian. Application of the fuzzy fault tree analysis approach to HACCP system[J]. Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE）， 2007， 23（5）: 164－167. （in Chinese with English abstract）

[15] Wang Xiaohuan， Wong T N， Fan Zhiping. Ontology-based supply chain decision support for steel manufacturers in China[J]. Expert Systems with Applications， 2013， 40（18）: 7519－7533.

[16] Wang Gong， Wong T N， Wang Xiaohuan. An ontology based approach to organize multi-agent assisted supply chain negotiations[J]. Computers ＆ Industrial Engineering， 2013，65（1）: 2－15.

[17] Bendriss Sabri， Benabdelhafid Abdellatif. Enabling product traceability through data modeling and semantic web service ontologies[C]//2013 International Conference on Advanced Logistics and Transport. Sousse: IEEE， 2013: 365－370.

[18] World Health Organization. Application of Hazard Analysis and Critical Control Point （HACCP） methodology to pharmaceuticals[EB/OL]. http://www. who.int/medicines/ areas/quality_safety/quality_assurance/ApplicationHACCPM ethodologyPharmaceuticalsTRS908Annex7.pdf？ua＝1.

[19] 徐晓红. 食品冷链物流关键流程识别研究—以X公司肉制品物流为例[D]. 北京：北京交通大学，2010. Xu Xiaohong. Identification of Critical Control Points of the Food Cold Chain Logistic Process-Takes The X Company's meat-logistics as an example[D]. Beijing: Beijing Jiaotong University， 2010. （in Chinese with English abstract）

[20] 袁康来，杨亦民. 农业食品供应链的可追溯性研究[J]. 物流科技，2006，29（133）：121－123. Yuan Kanglai， Yang Yimin. Study on the traceability in agriculture and food supply chain[J]. Logistics Sci-Tech，2006， 29（133）: 121－123. （in Chinese with English abstract）

[21] 孙璐. 食品行业冷链一体化的研究[D]. 成都：西南交通大学，2009. Sun Lu. Research of the Integrated Cold-Chain Logistics in Food Industry. Chendu:Southwest Jiaotong University， 2009. （in Chinese with English abstract）

[22] 陈耀庭，许正平，林小虾. 农产品冷链物流体系研究[J].商场现代化，2009（22）：41－42.

[23] 蒋运承，汤庸，王驹，等. 面向语义Web的描述逻辑[J].模式识别与人工智能，2007，20（1）：48－54. Jiang Yuncheng， Tang Yong， Wang Ju， et al. Semantie web oriented description logic[J]. PR＆AI， 2007， 20（1）: 48－54. （in Chinese with English abstract）

[24] Horrocks Ian， Kutz Oliver， Sattler Ulrike. The even more irresistible SROIQ[C]//10th International Conference on Principles of Knowledge Representation and Reasoning. Lake District of the UK: AAAI Press， 2006: 57－67.

[25] Antoniou Grigoris， Groth Paul， Van Harmelen， et al. A Semantic Web Primer Third Edition[M]. U.S.: MIT Press （MA），2014: 54－72.

[26] Ian Horrocks， Peter F. Patel-Schneider， et al. SWRL: A Semantic Web Rule Language Combining OWL and RuleML [EB/OL]. http://www.w3.org/Submission /SWRL/， 2014-4-21.

[27] Boris Motik， Peter F， Bernardo Cuenca Grau， et al. OWL 2 Web Ontology Language Direct Semantics （Second Edition）[EB/OL]. http://www.w3.org/TR/owl2-direct-semantics/， 2012.

[28] Maedche Alexander. Ontology Learning for the Semantic Web[M]. Boston: Kluwer Academic Publishers， 2002.

[29] GB/T 19838-2005水产品危害分析与关键控制点（HACCP）体系及其应用指南[S].

[30] GB/T 28843-2012，食品冷链物流追溯管理要求[S].

[31] Pascal Hitzler， Markus Krötzsch， Bijan Parsia， et al. OWL 2 Web Ontology Language Primer （Second Edition）[EB/OL]. http://www.w3.org/TR/owl2-primer/， 2012.

[32] 朱麟，张友华，李绍稳，等. 基于本体的HACCP体系知识获取与知识表示[J]. 数字技术与应用，2010（9）：69－71.

HACCP knowledge modeling and reasoning for agricultural products cold-chain logistics

Mu Xiangwei, Chen Yan, Cao Yan
（Trɑnsportɑtion Mɑnɑgement College, Dɑliɑn Mɑritime University, Dɑliɑn 116026， Chinɑ）

Abstract:In order to ensure the safety and quality of agricultural products， most agricultural products need to use cold chain logistics in a low temperature environment for transportation， processing and storage. Recently， most studies focus on the safety monitoring and management of a certain single step of cold chain， but a highly effective and reliable cold chain monitoring management needs to realize the knowledge expression， understanding and sharing among multiple agents and business segments in the whole cold chain. The cold chain HACCP （hazard analysis critical control point） knowledge semantic model （CC-HACCP） based on Description Logic SROIQ（D） is proposed to describe the semantic information of the cold chain logistics business and the HACCP management. This model mainly describes the semantic elements such as core concepts，constraints， object attributes， data attributes and attribute characteristics， which are correlated with the domain of cold-chain logistics HACCP management system， and meanwhile， CC-HACCP also uses SWRL rule language to enhance the knowledge reasoning ability. In the experiment， an instance of CC-HACCP ontology was built to describe the business knowledge and rules for the agricultural product cold-chain logistics about “eating oyster”， in which the HACCP knowledge sharing requirement between the instances of “step_of_live_oysters_checkup_and_acceptance” and “step_of_live_oyster_transportation”was quite obvious. The model of CC-HACCP was rewritten as an ontology based on semantic web language OWL 2 DL. Through the functions of knowledge checking， case identification and rule reasoning， the HACCP plans in the raw material suppliers， cold chain logistics service providers and production processors were developed， and the new “concept-instance”relationships were automatically identified. For example， “step_of_live_oyster_transportation” was an instance of the concept of cold chain step （CC_Step）; after reasoning by reasoning engine， it was also identified as the instance of the critical control point （CCP） and the risky step （Risk_Step）. Some new “instance-instance” relationships were also inferred by the HermiT inference engine and the SWRL inference rules. For example， “step_of_live_oyster_transportation” was not required to submit or deliver any proof to the next step， and according to the results of reasoning， the cold chain logistics service provider who was responsible for the “step_of_live_oyster_transportation” would find out that he should generate the proofs of the “transportation monitoring record” and “cargo list”， and submit both of them to the next step. Cold chain logistics service provider should also deliver the proofs of “fishing license” and “fishing time identification” from the raw material suppler to production processor. All of the inference processes about above results of the instance of “step_of_live_oyster_transportation”were analyzed in detail in this paper. And according to the transitivity of the property “next_step”， all of the subsequent steps of “step_of_live_oyster_transportation” would be found out， and the requires from all of the subsequent steps would be shown in the inference results. These experiment results show that， through the cold chain HACCP management knowledge modeling and the CC-HACCP semantic model， the HACCP plans from different agents can influence each other and be improved， which means that the HACCP knowledge from the different steps in the cold chain has been shared in the whole process. Therefore，the application of HACCP knowledge model has positive significance for the integration and improvement of the multi-HACCP security monitoring and management of agricultural products， which is helpful to improve the efficiency of the cold chain logistics management of agricultural products and ensure the safety and quality of agricultural products.

Keywords:agricultural products; quality control; management; cold chain logistics; ontology; HACCP; knowledge modeling; knowledge reasoning

作者简介：牟向伟，男，辽宁大连人，讲师，博士。主要从事供应链信息管理与知识管理研究。Email: muxiangwei@dlmu.edu.cn

基金项目：中国博士后科学基金资助项目（2014M551063）；辽宁省教育厅科技研究项目资助（L2014203）；辽宁省社会科学规划基金项目（L14BGL012）；中央高校基本科研业务费专项资金资助（3132015050） 联合资助。

收稿日期：2015-09-24

修订日期：2015-10-25

中图分类号：TP391.4

文献标志码：A

文章编号：1002-6819（2016）-02-0300-09

doi：10.11975/j.issn.1002-6819.2016.02.043 10.11975/j.issn.1002-6819.2016.02.043http://www.tcsae.org