一种基于互联网的产品质量风险监测抽样方法及系统

摘要

本发明属于质量监测技术领域，公开了一种基于互联网的产品质量风险监测抽样方法及系统，包括数据采集模块获取产品监测对象、相关数据；信息挖掘模块基于数据挖掘技术获取互联网上有关产品质量的信息；数据处理模块、信息处理模块对获取、挖掘的数据进行处理；抽样对象确定模块确定抽样对象；质量指标确定模块确定质量指标；抽样方案确定模块生成抽样方案；抽样模块对产品进行抽样监测；数据分析模块对监测结果进行分类汇总，确定产品的质量状况；存储模块存储相关数据；显示模块进行数据显示。本发明提高了监测效率，同时指向性强、直接反应消费者质量体验，有效提高了检测抽样样本的代表性和抽样决策的科学性，使得决策过程更加方便和准确。

说明书

技术领域

本发明属于质量监测技术领域，尤其涉及一种基于互联网的产品质量风险监测抽样方法及系统。

背景技术

目前，电子商务产业迅猛发展，已经显著改变人们的生产和生活方式。与此同时，电子商务产品质量问题越来越引起消费者的关注和担忧。由于电子商务环境的跨地域和虚拟性，不少电商经营主体诚信缺失、质量意识淡薄，致使电子商务领域假冒伪劣产品屡见不鲜，“质量门”事件频发。

不少企业发现自己产品的仿冒品在网上泛滥成灾，而许多网购消费者也往往买到假冒伪劣产品，或是与广告信息不符。再加上电子商务交易具有即时性、无纸化、范围广的特点，网购维权常常陷入难以追溯、无法深究的困境，极大影响了消费者对电子商务产品质量环境的信心。

电子商务产品质量风险已经潜伏并且滋长，如不及时防控，未来将严重影响电子商务健康发展，甚至影响整个行业的生命力。如何加强电子商务产品质量风险防控技术研究和防控体系建设，从源头上净化电子商务产业环境，保护消费者合法权益，促进电子商务产业健康快速发展，已经成为政府部门、电商企业和广大消费者的共识。

通过上述分析，现有技术存在的问题及缺陷为：传统的抽样方法不能满足现有电子商务产品的质量风险监测要求；同时现有的抽样方法指向不明确，监测效率不高。

发明内容

针对现有技术存在的问题，本发明提供了一种基于互联网的产品质量风险监测抽样方法及系统。

本发明是这样实现的，一种基于互联网的产品质量风险监测抽样方法，所述基于互联网的产品质量风险监测抽样方法包括：

步骤一，数据采集模块获取产品监测对象、历史监测数据以及流通数据；信息挖掘模块基于数据挖掘技术获取互联网上有关产品质量的信息；

步骤二，数据处理模块对获取的历史监测数据进行统计分析；信息处理模块对挖掘的产品质量信息进行去重、分类处理；

步骤三，中央控制模块利用单片机或控制器控制抽样对象确定模块基于处理后的数据与信息确定抽样对象；质量指标确定模块基于确定的抽样对象确定能够反映抽样对象产品质量状况的质量指标；

步骤四，抽样方案确定模块基于处理后的数据、确定的抽样对象以及质量指标生成抽样方案；抽样模块基于生成的抽样方案对产品进行抽样监测；

步骤五，数据分析模块对监测结果进行分类汇总，确定产品的质量状况；存储模块存储历史监测数据以及本次抽样方案、监测数据；

步骤六，显示模块对抽样方案以及质量状况进行可视化显示；

步骤二中，所述信息处理模块对挖掘的产品质量信息进行去重包括：

(1)搭建Spark集群，配置所需组件；

(2)建立包括去重规则在内的数据清洗规则库；

(3)根据所述清洗规则库，对产品质量信息进行预处理，得到预处理后的产品质量信息；

(4)根据所述去重规则和所述待处理的产品质量信息数据，进行Job划分，得到所述Spark集群的多个清洗Job，每一个所述清洗Job映射到具体的业务需求；

(5)将所述预处理后的产品质量信息的数据清洗任务，对应分配到所述Spark集群的多个清洗Job中，每个清洗Job按照所述数据清洗规则库的要求，对所述预处理后的需清洗数据采用树形清洗结构进行清洗，得到去重处理后的产品质量信息；

步骤四中，所述抽样方案确定模块基于处理后的数据、确定的抽样对象以及质量指标生成抽样方案包括：

1)利用影响因子数据库和层次分析法计算各类产品的权重赋值；

2)计算检测费加权平均单价；

3)计算抽样总量和各类产品抽样量；

所述信息处理模块对挖掘的产品质量信息进行分类处理的具体过程为：

将挖掘的产品质量信息，建立数据集；

确定分类的标准数值，进行分组；并确定各组中的中心值，进行初始化；

将数据集中待分类的数值带入到距离模型中，确定中心值与待分类的数值之间的距离；

将距离最近的待分类的数值，划入到相应的分组中；

重复上述过程，直到数据集中的数据值分类完成。

进一步，步骤一中，所述历史监测数据包括：抽样单位、监管单位、监测产品信息、监测区域、监测项目、监测环节、限量标准、判定结果、抽样信息以及检测信息。

进一步，步骤一中，所述有关产品质量的信息包括但不限于产品评价信息、举报信息、消费者投诉率、消费者退货率、价格偏差。

进一步，步骤一中，流通数据包括：

产品的内在质量包括物理特性、各种化工原料的添加值、性能、寿命、可靠性、安全性；

产品的外观质量包括产品的长度、宽度、内部结构、高度、密度、质量、光洁度、造型、色泽、包装。

进一步，步骤四中，所述抽样方案包括：抽样数量、抽样地点、抽样时间、抽样环节、抽样比例以及抽样时间。

进一步，步骤1)中，所述各类产品的权重赋值依据产品影响因子根据层次分析法计算得出；

所述产品影响因子包括：历史监测数据、有关产品质量的信息以及流通数据。

本发明另一目的在于提供一种实施所述基于互联网的产品质量风险监测抽样方法的基于互联网的产品质量风险监测抽样系统，所述基于互联网的产品质量风险监测抽样系统包括：

数据采集模块、信息挖掘模块、数据处理模块、信息处理模块、中央控制模块、抽样对象确定模块、质量指标确定模块、抽样方案确定模块、抽样模块、数据分析模块、存储模块以及显示模块；

数据采集模块，与中央控制模块连接，用于获取产品监测对象、历史监测数据以及流通数据；

历史监测数据包括：抽样单位、监管单位、监测产品信息、监测区域、监测项目、监测环节、限量标准、判定结果、抽样信息以及检测信息；流通数据包括：产品的内在质量包括物理特性、各种化工原料的添加值、性能、寿命、可靠性、安全性；产品的外观质量包括产品的长度、宽度、内部结构、高度、密度、质量、光洁度、造型、色泽、包装；

信息挖掘模块，与中央控制模块连接，用于基于数据挖掘技术获取互联网上有关产品质量的信息；

数据处理模块，与中央控制模块连接，用于对获取的历史监测数据进行统计分析；

信息处理模块，与中央控制模块连接，用于对挖掘的产品质量信息进行去重、分类处理；信息处理模块对挖掘的产品质量信息进行去重过程中，搭建Spark集群，配置所需组件；建立包括去重规则在内的数据清洗规则库；根据所述清洗规则库，对产品质量信息进行预处理，得到预处理后的产品质量信息；根据所述去重规则和所述待处理的产品质量信息数据，进行Job划分，得到所述Spark集群的多个清洗Job，每一个所述清洗Job映射到具体的业务需求；将所述预处理后的产品质量信息的数据清洗任务，对应分配到所述Spark集群的多个清洗Job中，每个清洗Job按照所述数据清洗规则库的要求，对所述预处理后的需清洗数据采用树形清洗结构进行清洗，得到去重处理后的产品质量信息；

信息处理模块对挖掘的产品质量信息进行分类处理的具体过程中，将挖掘的产品质量信息，建立数据集；确定分类的标准数值，进行分组；并确定各组中的中心值，进行初始化；将数据集中待分类的数值带入到距离模型中，确定中心值与待分类的数值之间的距离；将距离最近的待分类的数值，划入到相应的分组中；重复上述过程，直到数据集中的数据值分类完成；

中央控制模块，与数据采集模块、信息挖掘模块、数据处理模块、信息处理模块、抽样对象确定模块、质量指标确定模块、抽样方案确定模块、抽样模块、数据分析模块、存储模块以及显示模块连接，用于利用单片机或控制器控制各个模块正常运行。

进一步，所述基于互联网的产品质量风险监测抽样系统还包括：

抽样对象确定模块，与中央控制模块连接，用于基于处理后的数据与信息确定抽样对象；

质量指标确定模块，与中央控制模块连接，用于基于确定的抽样对象确定能够反映抽样对象产品质量状况的质量指标；

抽样方案确定模块，与中央控制模块连接，用于基于处理后的数据、确定的抽样对象以及质量指标生成抽样方案；抽样模块，与中央控制模块连接，用于基于生成的抽样方案对产品进行抽样监测；

数据分析模块，与中央控制模块连接，用于对监测结果进行分类汇总，确定产品的质量状况；

存储模块，与中央控制模块连接，用于存储历史监测数据以及本次抽样方案、监测数据；显示模块，与中央控制模块连接，用于对抽样方案以及质量状况进行可视化显示。

本发明另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述基于互联网的产品质量风险监测抽样方法。

本发明另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述基于互联网的产品质量风险监测抽样方法。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过数据采集模块，获取产品监测对象、历史监测数据以及流通数据；信息挖掘模块中基于数据挖掘技术获取互联网上有关产品质量的信息；数据处理模块对获取的历史监测数据进行统计分析；信息处理模块对挖掘的产品质量信息进行去重、分类处理；抽样对象确定模块用于基于处理后的数据与信息确定抽样对象；质量指标确定模块用于基于确定的抽样对象确定能够反映抽样对象产品质量状况的质量指标；抽样方案确定模块用于基于处理后的数据、确定的抽样对象以及质量指标生成抽样方案；抽样模块用于基于生成的抽样方案对产品进行抽样监测；数据分析模块用于对监测结果进行分类汇总，确定产品的质量状况。

本发明通过获取互联网上的产品相关数据以及历史监测数据，基于获取的相关数据对抽样对象进行权重赋值，对于评价差、退款率高、历史监测数据不佳的抽样对象增加权重，提高了监测效率，同时指向性强、直接反应消费者质量体验，有效提高了检测抽样样本的代表性和抽样决策的科学性，使得决策过程更加方便和准确。对加强电子商务产品质量风险防控技术和防控体系，从源头上净化电子商务产业环境，保护消费者合法权益，促进电子商务产业健康快速发展有显著的保障作用。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于互联网的产品质量风险监测抽样方法流程图。

图2是本发明实施例提供的信息处理模块对挖掘的产品质量信息进行去重流程图。

图3是本发明实施例提供的信息处理模块对挖掘的产品质量信息进行分类处理方法流程图。

图4是本发明实施例提供的抽样方案确定模块基于处理后的数据、确定的抽样对象以及质量指标生成抽样方案流程图。

图5是本发明实施例提供的基于互联网的产品质量风险监测抽样系统结构示意图；

图中：1、数据采集模块；2、信息挖掘模块；3、数据处理模块；4、信息处理模块；5、中央控制模块；6、抽样对象确定模块；7、质量指标确定模块；8、抽样方案确定模块；9、抽样模块；10、数据分析模块；11、存储模块；12、显示模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种基于互联网的产品质量风险监测抽样方法及系统，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的基于互联网的产品质量风险监测抽样方法包括：

S101，数据采集模块获取产品监测对象、历史监测数据以及流通数据；信息挖掘模块基于数据挖掘技术获取互联网上有关产品质量的信息；

S102，数据处理模块对获取的历史监测数据进行统计分析；信息处理模块对挖掘的产品质量信息进行去重、分类处理；

S103，中央控制模块利用单片机或控制器控制抽样对象确定模块基于处理后的数据与信息确定抽样对象；质量指标确定模块基于确定的抽样对象确定能够反映抽样对象产品质量状况的质量指标；

S104，抽样方案确定模块基于处理后的数据、确定的抽样对象以及质量指标生成抽样方案；抽样模块基于生成的抽样方案对产品进行抽样监测；

S105，数据分析模块对监测结果进行分类汇总，确定产品的质量状况；存储模块存储历史监测数据以及本次抽样方案、监测数据；

S106，显示模块对抽样方案以及质量状况进行可视化显示。

步骤S101中，本发明实施例提供的历史监测数据包括：抽样单位、监管单位、监测产品信息、监测区域、监测项目、监测环节、限量标准、判定结果、抽样信息以及检测信息。产品分类包括食品分类别，乳制品，肉制品、饮料。

步骤S101中，本发明实施例提供的有关产品质量的信息包括但不限于产品评价信息、举报信息、消费者投诉率、消费者退货率、价格偏差。

步骤S101中，本发明实施例提供的流通数据包括：

产品的内在质量包括物理特性、各种化工原料的添加值、性能、寿命、可靠性、安全性；

产品的外观质量包括产品的长度、宽度、内部结构、高度、密度、质量、光洁度、造型、色泽、包装。

步骤S101中，本发明实施例提供的历史监测数据包括：抽样单位、监管单位、监测产品信息、监测区域、监测项目、监测环节、限量标准、判定结果、抽样信息以及检测信息。

如图2所示，步骤S101中，本发明实施例提供的信息处理模块对挖掘的产品质量信息进行去重包括：

S201，搭建Spark集群，配置所需组件；

S202，建立包括去重规则在内的数据清洗规则库；

S203，根据所述清洗规则库，对产品质量信息进行预处理，得到预处理后的产品质量信息；

S204，根据所述去重规则和所述待处理的产品质量信息数据，进行Job划分，得到所述Spark集群的多个清洗Job，每一个所述清洗Job映射到具体的业务需求；

S205，将所述预处理后的产品质量信息的数据清洗任务，对应分配到所述Spark集群的多个清洗Job中，每个清洗Job按照所述数据清洗规则库的要求，对所述预处理后的需清洗数据采用树形清洗结构进行清洗，得到去重处理后的产品质量信息。

步骤S104中，本发明实施例提供的抽样方案包括：抽样数量、抽样地点、抽样时间、抽样环节、抽样比例以及抽样时间。

如图3所示，步骤S102中，本发明实施例提供的信息处理模块对挖掘的产品质量信息进行分类处理的具体过程为：

S301，将挖掘的产品质量信息，建立数据集；

S302，确定分类的标准数值，进行分组；并确定各组中的中心值，进行初始化；

S303，将数据集中待分类的数值带入到距离模型中，确定中心值与待分类的数值之间的距离；

S304，将距离最近的待分类的数值，划入到相应的分组中；

S305，重复上述过程，直到数据集中的数据值分类完成。

如图4所示，步骤S104中，本发明实施例提供的抽样方案确定模块基于处理后的数据、确定的抽样对象以及质量指标生成抽样方案包括：

S401，利用影响因子数据库和层次分析法计算各类产品的权重赋值；

S402，计算检测费加权平均单价；

S403，计算抽样总量和各类产品抽样量。

步骤S301中，本发明实施例提供的各类产品的权重赋值依据产品影响因子根据层次分析法计算得出；

所述产品影响因子包括：历史监测数据、有关产品质量的信息以及流通数据。

如图5所示，本发明实施例提供的基于互联网的产品质量风险监测抽样系统包括：

数据采集模块1、信息挖掘模块2、数据处理模块3、信息处理模块4、中央控制模块5、抽样对象确定模块6、质量指标确定模块7、抽样方案确定模块8、抽样模块9、数据分析模块10、存储模块11以及显示模块12；

数据采集模块1，与中央控制模块5连接，用于获取产品监测对象、历史监测数据以及流通数据；

信息挖掘模块2，与中央控制模块5连接，用于基于数据挖掘技术获取互联网上有关产品质量的信息；

数据处理模块3，与中央控制模块5连接，用于对获取的历史监测数据进行统计分析；

信息处理模块4，与中央控制模块5连接，用于对挖掘的产品质量信息进行去重、分类处理；

中央控制模块5，与数据采集模块1、信息挖掘模块2、数据处理模块3、信息处理模块4、抽样对象确定模块6、质量指标确定模块7、抽样方案确定模块8、抽样模块9、数据分析模块10、存储模块11以及显示模块12连接，用于利用单片机或控制器控制各个模块正常运行；

抽样对象确定模块6，与中央控制模块5连接，用于基于处理后的数据与信息确定抽样对象；

质量指标确定模块7，与中央控制模块5连接，用于基于确定的抽样对象确定能够反映抽样对象产品质量状况的质量指标；

抽样方案确定模块8，与中央控制模块5连接，用于基于处理后的数据、确定的抽样对象以及质量指标生成抽样方案；

抽样模块9，与中央控制模块5连接，用于基于生成的抽样方案对产品进行抽样监测；

数据分析模块10，与中央控制模块5连接，用于对监测结果进行分类汇总，确定产品的质量状况；

存储模块11，与中央控制模块5连接，用于存储历史监测数据以及本次抽样方案、监测数据；

显示模块12，与中央控制模块5连接，用于对抽样方案以及质量状况进行可视化显示。

以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。