进口再生塑料质量安全风险两阶段预警模型

黄国忠教授 张梦茹 李 焘副研究员 高学鸿讲师

(1.北京科技大学 土木与资源工程学院，北京 100083；2.中国检验检疫科学研究院，北京 100176)

0 引言

在我国全面禁止进口废塑料后，国内再生塑料需求加大，其进口风险监管力度也逐渐提升。进口再生塑料质量安全风险主要体现在2个方面：一是质量风险，如夹杂固体废物等，可能导致资源利用率低、能源消耗大等问题，进口再生塑料常由于违规夹杂固体废物而成为重点风险管控对象；二是安全风险，如原料中有毒有害物质对人体健康的损害，放射性物质导致的环境污染，微生物导致的生态破坏，风险处置导致的经济损失等。进口再生塑料属于可再生资源产品，其检验应符合《中华人民共和国进出口商品检验法》，这种以海关部门检验检疫结果为准的“一刀切”模式，在一定程度上提升了工作效率，但评估方式单一，对进口再生塑料管理、环境、社会等方面的综合风险预警不足，因此，研究并建立进口再生塑料质量安全风险预警模型，及时识别风险并发布风险预警，对进口再生塑料风险监管具有重要意义。

进口再生塑料对人体健康、经济、环境等方面的风险信息呈碎片化分布，且内容提取和整合无统一标准，海关部门、环境保护部门、商务部等对进口再生塑料的风险防控关注点各不相同，而进口再生塑料质量安全风险需综合考虑经济、社会、管理、环境等多方面的风险因素，单一维度的风险状况不能准确地得出进口再生塑料质量安全综合风险预警结果。国内外对进口商品的风险评估预警多集中在金融风险、贸易安全、供应链风险、能源安全、健康风险等领域，通过构建指标体系或进行实验检测等手段，建立风险评估方法或模型，但是对进口工业品质量安全风险评估预警研究较少，且主要集中在消费品领域。对于多因素的复杂评价系统，可使用机器学习(如支持向量机、人工神经网络等)算法建立评价模型，但这种方法对数据定量要求较高。但是进口再生塑料风险预警研究起步较晚，风险信息尚不完善，历史数据较少，模糊综合评价法可以较好地解决复杂系统中不明确因子所带来的评价不确定性问题，但该方法对指标权重的确定有较高要求，为减少主观影响程度，突出风险因素内部的相互影响关系，可以采用网络层次分析法(Analytic Network Process，ANP)确定指标权重。

目前，针对进口再生塑料还没有一种综合性及实用性较强的风险预警方法，建立合适的方法对进口再生塑料质量安全风险进行综合预警很有必要。本文构建多维度进口再生塑料风险预警指标体系，运用模糊综合评价法与ANP法相结合的方法，建立进口再生塑料质量安全风险两阶段预警模型。该模型也可进一步运用于其他跨境可再生资源的风险预警，为完善海关进出口工业品风险管理体系提供科学依据。

1 风险预警指标体系

1.1 风险传递路径

本文从风险来源、风险控制和风险结果3个角度分析，可以得到进口再生塑料的风险来源主要是原料本身的质量安全问题，管控风险的主体是各级检验机构，以及原料进口过程中所涉及的各类供收货企业，风险可能造成的结果是对环境和人体的影响。根据事故致因理论，分析风险影响因子间的风险传递关系，可以得到进口再生塑料的风险传递路径，如图1。

图1 风险传递路径Fig.1 Risk transmission path

通过风险传递路径图可知，进口再生塑料在“进口—检验检疫—再利用”的整个生命周期内总存在一些风险影响因子影响其质量安全，只有当风险来源、控制、结果(受体)3方面同时存在时，风险才能得以传递。

1.2 风险信息录入

进口再生塑料风险预警系统需整合到现有进出口风险管理工作中，目前我国进出口工业品风险信息主要依靠C-RAPEX系统，但对进口再生塑料暂无采集及录入系统。本文提出将进口再生塑料的风险信息并入C-RAPEX系统，形成专门业务线，并指定专门的风险信息录入人员及风险信息审核人员。主要业务流程包括：一线检验监管人员在工作中发现进口再生塑料风险信息后，按照风险第一阶段预警标准，将风险信息采集并上报给分支机构；分支机构根据获取的风险信息，进行筛选审核，对于审核通过的信息提交给直属局复审，否则退回；直属局根据报送信息复审后提交给总局，由总局相关人员进行终审；总局相关人员对高等级风险信息采取信息归档并在平台发布预警信息，此外，对低风险信息还可以进一步组织评估小组，进行第二阶段风险预警，对本文提出的两阶段预警模型，每一阶段对应专门的评估小组，从而在提高预警效率的同时，实现风险全面预警。

1.3 指标体系构建

根据广泛性、实用性、特殊性、全面性的原则，从原料、管理、社会、环境4个维度出发，构建进口再生塑料风险预警指标体系，如图2。

图2 进口再生塑料质量安全风险预警指标体系Fig.2 The index system of the risk early-warning for quality safety of the imported recycled plastics

2 两阶段预警模型

2.1 预警流程

本文提出构建进口再生塑料质量安全风险两阶段预警模型，其流程，如图3。

图3 预警流程示意图Fig.3 The schematic diagram of the early-warning process

直接风险信息采集主要通过海关部门检测收集，此外，对货物进行间接风险预警，则需要获取更多风险信息，其获取途径包括实验数据、能耗模拟分析、环境影响评价、专家评估等手段，最后对风险预警信息进行存档，便于海关、环保及经济等相关部门及时查看。

2.2 直接风险预警

针对众多进口再生塑料的海量风险信息，现阶段海关通过一些直接判断因素来进行风险预警，本文在此基础上提出两阶段风险预警模型，在第一阶段对原料的直接风险水平进行评估预警，在第二阶段对原料的间接风险水平进行综合预警，从而在满足现有工作要求的基础上，为相关部门增加风险管控的理论依据。

直接风险预警阶段依据风险最不利原则，对于能够直接影响原料质量安全风险水平的风险因素进行检验，最终根据最大风险项来确定风险预警结果。直接风险因素主要针对标准符合性问题，对于不符合标准规定的原料，直接发布高风险预警，并采取相应的预警措施。参考海关工作经验，主要根据《进口再生塑料颗粒固体废物属性快速检验鉴别方法(试行)》对原料的放射性水平、夹杂物含量、外观感官一致性、聚合物一致性、有毒有害物质含量、灰分含量等指标进行直接风险预警(见表1、2)，这些指标的特点是可以实现快速检测，并且能够直接反映出原料的质量安全水平，是目前海关检验进口货物的常见手段，可以快速筛查出不符合标准规定的货物并采取快速预警措施。在对原料货物进行直接风险预警后，针对判定为低风险的货物，通过进一步采集潜在的风险信息来进行间接风险预警，间接风险信息涉及到供货方、环保部门、社会、人体健康等多个维度，因此，两阶段风险预警模型可以提供更加全面的风险预警结果。

表1 直接风险预警标准Tab.1 Criteria for direct risk early-warning

表2 进口再生塑料有害元素限量Tab.2 Limits on harmful elements of the imported recycled plastics

2.3 间接风险指标分级

选定的质量安全评价等级分为3级，即低风险、中风险、高风险3种情况。建立指标分级方法(见表3)，其中部分指标划分可以用数值衡量，而部分指标虽有数值参考，但是无法直接获取数据信息，部分指标划分是定性描述，对于无法直接获取数值信息的，采取模糊隶属度的方法予以判定。

表3 指标警限划分Tab.3 The division for indicator warning limit

2.4 间接风险预警

2.4.1 基于ANP法确定指标权重

为实现间接风险预警，本文采用ANP与模糊综合评价相结合的方法构建预警模型。首先通过ANP法确定指标权重，ANP是对层次分析法(Analytic Hierarchy Process，AHP)的改进和延伸，但是AHP表示单向且具有层次等级的结构，而ANP表示的是因素间相互关联的网络结构。ANP法的特点是充分考虑了各因素或相邻层次间的相互影响，利用超矩阵对相互影响的因素进行综合分析而得出其混合权重。当因素间存在较为复杂的相互影响关系时，应该采用ANP法确定指标权重。

ANP法的一般步骤如下：

(1)构建网络结构。根据风险预警指标体系，构建网络层和控制层，确定指标间的相互关系。

(2)构造未加权超矩阵。以每个因素组为准则，因素组内的因素为次准则，比较该因素组下因素间两两的重要度。重要度的确定采用1-9标度法(见表4)，最终得到准则下各因素对因素组影响大小的未加权超矩阵

W

，其中，

a

为因素组中因素的个数，

W

(

i

=1,2,…,

a

；

j

=1,2,…,

a

)表示因素组中第

i

个因素与第

j

个因素重要度之比。

表4 1-9标度法含义Tab.4 The meaning of the 1-9 scaling method

(1)

在此过程中，需要对判断矩阵进行一致性检验：

①计算一致性指标CI：

(2)

式中：

λ—判断矩阵的最大特征根。

②查找平均随机一致性指标RI。为消除矩阵阶数

p

对判断矩阵一致性的影响，需引进平均随机一致性指标RI，见表5。

表5 平均随机一致性指标RI取值Tab.5 RI values

③计算一致性比CR：

(3)

当CR≤0.1时，一般认为此判断矩阵的一致性是可以被接受的；当CR>0.1时，认为判断矩阵未通过一致性检验，则需要对判断矩阵进行修正，使判断矩阵最终通过一致性检验。

(3)构造加权超矩阵。以任一因素组

C

为准则，建立因素组间的判断矩阵，对得到的判断矩阵进行归一化处理，组合新的加权矩阵

B

。加权超矩阵

W

可表示为：

W

=

BW

(4)

(4)确定极限超矩阵。极限超矩阵

W

通过对加权超矩阵进行迭代运算得到，所得矩阵即为各因素对应的权重矩阵。

(5)

式中：

k

—迭代的次数。

2.4.2 构建模糊综合评价模型

在建立进口再生塑料质量安全风险预警指标体系，并确定了指标权重的基础上，本文采用模糊综合评价法构建间接风险预警模型。

(1)建立指标因素集和评语集。指标因素集

U

={

u

,

u

, …,

u

}，其中，

u

(

i

= 1, 2, …,

n

)为风险预警指标因素，

n

为同一层次上评价因素的个数；评价系统对应的评语集

V

={

v

,

v

, …,

v

}，其中，

v

(

j

=1, 2, …,

m

)为第

j

种评价结果，

m

为评价等级数。(2)构建隶属度矩阵。指标因素

u

对评价结果

v

的隶属度可表示为：

R

={

r

1,

r

2,…,

r

}。对

n

个元因素进行综合评价，可以得到一个

n

行

m

列的矩阵，即为隶属度矩阵

R

：

(6)

定量指标隶属度常用典型函数法确定，即通过隶属度函数并结合指标因素的特征来确定隶属度。定性指标隶属度常用百分比统计法确定，即将被评价对象的评价结果按百分比统计并将其百分比作为隶属度。

(3)一级模糊综合评价。对一级指标层进行综合评价，得到评价指标隶属度矩阵为：

(7)

将权重系数向量与隶属度矩阵进行模糊数学运算，即可得到指标因素

u

的各下级指标因素对于它的评价结果向量：

B

=

W

×

R

=(

b

1,

b

2,…,

b

)

(8)

(4)二级模糊综合评价。最下层模糊综合评价得到的计算结果是上层进行综合评价的基础，根据模糊运算得到最终评价结果向量：

B

=

W

×(

B

,

B

,…,

B

)=(

w

,

w

,…,

w

)×(

B

,

B

,…,

B

)

(9)

(5)对评价结果进行分析。采用最大隶属度法和加权平均法对模糊综合评价结果进行风险分析。

3 实例应用

以巴基斯坦进口到中国某海关的一批ABS再生塑料为例，对该批次货物作出质量安全风险预警。

3.1 某批次ABS再生塑料直接风险预警

根据海关提供的现场检验报告，该批次货物各项直接风险指标均符合标准，所以发布低风险预警信息，可选择进行间接风险预警。

3.2 基于ANP法确定指标权重

由于ANP法计算复杂度高，实际中一般使用超级决策(Super Decision，SD)软件来进行运算求解，但该软件没有汉化，功能也比较基础，因此，本文运用Yaanp软件进行权重求解。Yaanp在SD功能基础上，拥有群决策、灵敏度分析等更多功能，而且页面直观，操作方便。

首先构建因素间的有向关系图，如图4。图4中的因素代表指标体系中的风险因素，以此为基础，通过Yaanp软件构建网络结构模型。因素间相互影响关系可以通过指标含义，结合现实逻辑来确定，为增加模型准确性和科学性，本文请专家根据工作经验对模型进行推敲确定，得出最终的网络结构模型。

图4 有向关系图Fig.4 Directed relation graph

判断矩阵同样由专家结合指标含义和实际工作经验进行确定，以对于因素

A

的判断矩阵为例，见表6。

表6 判断矩阵示例Tab.6 Judgment matrix example

所有判断矩阵一致性检验结果均小于0.1，最终得出超矩阵、加权超矩阵和极限矩阵，根据极限矩阵即可得出指标权重向量如下，其中，

W

表示

A

、

B

、

C

、

D

4个因素的权重，

W

(

i

= 1,2,3,4)分别表示

A

、

B

、

C

、

D

4个因素组下各因素的权重。

W

=(0.109 627,0.252 643,0.313 454,0.275 888)

(10)

W

=(0.500 764,0.162 830,0.336 406)

(11)

W

=(0.043 391,0.544 855,0.114 047,0.105 462,0.096 122,0.096 122)

(12)

W

=(0.431 020,0.032 889,0.402 367,0.133 725)

(13)

W

=(0.112 772, 0.192 365,0.694 863)

(14)

3.3 指标隶属度确定

对于定量指标，其隶属度不具有模糊性，可以直接确定，主要如下：

(1)卫生检疫情况：由海关查验，该批货物不存在病原体、医学动物和病媒昆虫，为低风险。

(2)人体健康损伤程度：经实验室测定及计算，该批ABS再生塑料HI为48.8，致癌风险值Rc为1.45×10，危害指数HI远大于1，致癌风险介于10～10，因此该项为高风险。

定性指标隶属度根据百分比统计法确定，本文邀请10个行业专家，结合风险信息分析处理结果，得出模糊隶属度。

综上获得指标评价值，得到模糊关系矩阵。

计算得原料基本影响、管理、社会、环境风险评价结果分别为：

B

=

W

×

R

=(0.500 8, 0.349 5, 0.149 8)

B

=

W

×

R

=(0.247 9, 0.485 2, 0.266 9)

B

=

W

×

R

=(0.086 2, 0.346 5, 0.567 3)

B

=

W

×

R

=(0.567 2, 0.341 3, 0.091 5)

经二级模糊综合评价得该批次进口ABS再生塑料风险预警结果为：

3.4 评价结果分析

模糊评价的最大隶属度原则与风险评估中的最不利原则极为吻合，根据这一原则，针对该批次进口ABS再生塑料应发布中风险预警。

加权平均法需将评语定量化，设评语“低风险”“中风险”“高风险”所对应的量化值为“1”“2”“3”，则综合预警结果：

V=0.301 0×1+0.363 7×2+0.286 9×3

=1.889 1

其风险水平更接近于中风险值“2”，应发布中风险预警，建议针对中高风险采取措施，以降低其总体风险水平。由此可见，在第一预警阶段为低风险，可以允许入关的货物也可能存在不可忽视的间接风险，通过第二阶段风险预警可以将其较为准确地表明。

4 模型预警结果比较

为了与海关现有预警手段进行比较，将近3年各地海关的历史预警结果与使用本文中预警模型的计算结果进行对比分析。首先采用随机模拟数据进行模型的初步验证，假设每批产品可能存在的风险水平概率均等，且对只有一个评价等级的低风险数据生成一个与之相对应的孪生数据集合，采集300条模拟数据代入预警模型进行计算，计算结果对低风险数据进行复制，最后总计得到380条数据，得出的风险分布结果(如图5)，数据模拟结果高风险数据约占26.8%。

图5 数据模拟结果Fig.5 Data simulation results

首先，将模拟测试数据与真实数据做对比，真实数据通过历史数据来近似得到，统计近3年来海关发出高风险预警(检验不合格)的结果约占总检验量的20%～30%，与模拟结果比较接近，符合实际的货物通关率，说明本文预警模型可以较好地与现有预警手段相结合。

另外，本文两阶段模型相比于现有的一阶段预警模式，考虑了产品存在的多维度间接风险，在原有基础上增加中风险情况，在符合原有通关率的情况下进一步明确货物可能存在的间接风险水平，为加强进口再生塑料风险管控力度提供理论依据。

5 结论

(1)本文在构建多维度风险预警指标体系的基础上，建立风险两阶段预警模型，既保留了原有的海关风险快速检测预警手段，又使得进口塑料的质量安全风险评价更加全面。模糊综合评价法将定性与定量相结合，能够适用于目前进口再生塑料风险信息较少的实际情况。进口再生塑料质量安全风险影响因素间存在复杂的影响关系，ANP法可以更为准确地反映出指标对评价系统的重要度。

(2)实例表明，仅考虑原料的直接风险因素不能完全反映出其风险水平，某批次ABS进口再生塑料直接风险预警为低风险，然而经过间接风险预警，发现其间接风险因素可能导致中等级风险，并且某些间接风险指标项风险水平较高，如人体健康损伤程度等，需要予以重视。

(3)本文的两阶段风险预警模型，在贴合实际预警率的情况下，实现更加全面的综合风险预警，对比原有的预警手段更加明确货物可能存在的间接风险，进口再生塑料质量安全风险预警在我国尚处于起步阶段，随着预警模型在海关的应用，可以基于数据样本进一步优化预警模型，从而得到更加科学的预警结果。