质量安全网络预警分析框架及模型实现∗——基于互联网消费者质量风险信息的研究

余红伟 余 凡 许 伟

质量安全网络预警分析框架及模型实现∗
——基于互联网消费者质量风险信息的研究

余红伟 余 凡 许 伟

运用消费者在互联网上发布的质量信息进行质量安全预警，是网络时代质量治理的新视角。文章研究了基于消费者质量安全网络预警分析框架构建与模型实现的问题。从质量信息分类、风险分级以及警情划分三个方面对质量安全网络预警分析框架进行了设计，提炼出对消费者网络质量信息的一般分类范式，即身体伤害类信息、不安全感类信息和性状改变类信息，并结合网络信息的特性，将这三类信息按风险严重程度分别划分为五个不同的级别，基于风险的等级确定了预警警情的划分。采用证据理论从识别框架构建、可信度评价获取与递归融合算法三个步骤详述了预警模型的构建过程，实现对不同类型、不同风险级别质量信息的融合。这项研究为大数据时代质量的网络治理提供了一种思路与方法。

质量安全;网络预警;分析框架;模型

一、引言

在我国，质量安全事故时有发生，事故的结果常常破坏市场秩序和社会公正，严重损害人民群众生命健康财产，造成巨大的经济损失。如何快速掌握风险信息，准确进行安全预警，避免大规模的质量安全危机事件的发生，是亟需深入研究的重大问题。

预警过程是一个不断收集信息、分析信息并做出决策的过程。离开了信息，预警也便成了无源之水。互联网的大规模普及与深入为我们全面获取质量信息提供了良好的契机。据统计，截至2013年6月底，我国互联网用户已达5.91亿人，手机网民规模达4.64亿;在这些用户中，博客和个人空间用户数量为4.01亿，而微博用户数也高达到3.31亿(CNNIC，2013)。作为网民的消费者可以通过互联网，直接向社会传播对质量风险评价信息，成为了质量安全风险信息的潜在提供和传播者。互联网信息发布与传播具有广泛性与实时性的特点。运用信息化手段，对网络消费者发布的海量质量风险信息进行实时监测，就可以在空间维度上更为广阔、在时间维度上更为迅速地获取质量风险信息，更为全面深入地掌握消费者所面临的质量安全问题，预警的结果也将更加实时与准确。因此，基于网络消费者的海量质量风险信息进行质量安全预警，是大数据时代质量治理的一种新思路。

当前国内外直接针对质量安全网络预警的研究几乎属于空白，较多的研究集中在借助已有的信息系统探讨其对质量安全预警的网络有效性(Rortais等，2010;唐晓存，2008;张东玲，2010)或者探讨质量安全预警体系的网络系统结构(Adrie等，2006;Peter，2007;Tom，2009)，而这些研究并未涉及消费者的网络质量信息。从根本上讲，网络质量信息是消费者关于质量缺陷信息的一种网络表达，质量安全网络预警，本质是一种网络信息的预警。消费者网络质量信息纷繁复杂，如何进行有效地预警，关键在于处理好网络质量信息海量性、不确定性和不完整性的特征。海量性是网络质量信息的数量性特征，网络上每天都有来自消费者发布数以万计的质量信息，处理这么庞大的信息量，需要依靠大数据的方法和理念;不确定性是网络质量信息的准确度特征，网络上的消费者依据自身的语言习惯自由地进行质量信息的发布，形式不同、风格各异的质量信息通常对于准确的预警是很大的挑战;不完整性是网络质量信息的代表性特征，质量安全预警最终将反映的是存在于实体世界的风险，由于并非所有消费者都会上网进行质量信息的发布，通过网络质量信息来反映这个现实风险，仅具有一定的代表性，信息存在一定程度的不完整缺陷。

面对消费者网络质量信息的三个突出特点，本文认为质量安全网络预警的研究，需要着重解决三个方面的问题:第一个是网络质量风险信息的分类，按照预警的一般原则划定预警信息的范围，选择消费者自由发表的与质量安全相关的言论，并对不同形式和内容的质量信息进行合理的分类，使预警信息在统一的分析范式内发挥价值;第二个是基于分类后的网络质量信息的风险分级，即要根据信息的呈现形式与具体内容反映出的质量信息风险程度，构建出不同分类信息的风险预警级别;第三个是将不同信息类别、不同风险级别的产品质量信息进行融合，融合时要充分考虑信息的不确定性与不完整性特征，因此人工智能的相关方法应该被考虑应用。

基于以上的分析，本文将从网络信息分类、风险分级、警情划分三个方面的分析入手，构造出质量安全网络预警分析的一般性框架，并探讨运用智能化的信息融合方法实现预警模型的构建，以期为质量安全预警提供一种新的网络化模型与方法。

二、质量安全网络预警的分析框架

(一)信息分类

对消费者发布的纷繁复杂的海量互联网质量信息进行有效地分类，是成功预警的首要步骤。目前学术界与实践领域直接对质量安全网络信息进行分类的研究与探索并不多见，比较有代表性的是程虹等(2012)关于互联网信息的企业质量安全分类模型及实现方法的研究。程虹等(2012)基于互联网上消费者的质量安全信息，在提炼了已有文献中产品性能、服务质量和运营质量等3个成熟分类指标的基础上，通过网络文本数据的实证分析，研究得出了适应互联网条件的安全性、公众形象和经济性等3个新的分类指标，并基于这6大分类指标构建了20个指标的基于互联网信息的企业质量安全分类模型。他们的研究对于本文进行网络质量风险信息的分类具有重要的借鉴意义。

程虹等(2012)所构建的6大维度的风险分类指标，面向的对象是生产企业，涵盖了公众形象、经济性、服务质量、运营质量等与企业经营管理和社会责任等相关的信息类别，而本文所研究的是预警问题。黄冠胜等(2006)认为，所谓预警的“警”是事物发展过程中出现的极不正常的情况，是可能导致风险危机的情况。Maslow(1943)提出，安全需要是仅次于生理需要的人类需要，也是消费者对产品质量的一项基本需求。因此，本文质量安全预警的研究将重点关注质量的安全性特征，选择消费者关注度最高也最为敏感的“安全性”维度为切入点，来进行互联网质量信息的分类。从消费者的角度来分析，质量的固有特性是否安全，最直接的判断标准，就是在使用的过程中，是否对自身造成了身体伤害，或者性状改变使得质量存在潜在伤害的可能性，再或者是造成伤害的事实和某些不足的属性给消费者带来的不安感。因此，根据程虹等(2012)的研究结论，本文将互联网质量信息划分为身体伤害、不安全感与性状改变三个类别。

其一，身体伤害。身体伤害是指消费者在接触或使用时，人体在一定时间内经受不可承受的能量时导致的身体损伤。这是由于质量安全隐患而造成的最直接的伤害，通常造成伤害的形式有物理性伤害、化学性伤害和生物性伤害等(GB/T22760－2008)，如死亡、中毒、皮肤过敏、腹泻等。美国的国家电子伤害监测系统(NEISS)、欧盟的非食品类消费品快速预警系统(RAPEX)，以及日本的全国消费生活信息网络系统(PIO-NET)，均是以收集到的消费者受到质量身体伤害的信息，作为监测质量安全风险进行预警的重要依据的。

其二，不安全感。不安全感是指质量的某些特性给消费者心理带来的不安与恐惧感。即使没有对使用者造成身体伤害，但由于消费者的心理变化，会产生在使用上的担心或恐惧，这种描述心理感受的信息在程虹等(2012)所监测的网络文本数据中普遍存在。这种不安全感可能来自于受到或见到过的质量伤害，抑或是来自质量性状改变而推测出的质量伤害。它反映的是消费者主观感受到会遭受类似质量伤害的可能性，通常是通过消费者的情绪来间接表达的。

其三，性状改变。性状改变是指质量的物理和化学特性与出厂状态相比发生了改变，消费者通过肉眼或简单的测试与推理方法能够感知到这种变化。通常消费者对于性状改变的描述，并没有直接反映消费者受到的质量伤害，但是它却能真实反映存在质量安全隐患的事实。而这些质量安全隐患将会成为危及消费者身体健康与消费权益的潜在性风险，并且这种信息的数量越大，潜在风险也越大。消费者在互联网上关于质量性状改变的描述信息非常普遍，如包含异物、过期、发霉、失灵等词汇的质量风险信息在论坛、博客以及微博的内容中经常可见。

一般的风险评估通常是从两个方面对风险信息源进行刻画的，一个是质量对人体伤害的程度，另一个是伤害发生的可能性。与一般风险评估原理相比，本文对互联网质量信息的分类具有两个突出的特点。第一个是考虑了潜在风险。身体伤害反映的是质量对人体伤害的程度，不安全感反映的是伤害发生的可能性，而性状改变则反映了质量对人体造成伤害的潜在风险性，并且这个潜在风险性的大小也在不安全感的描述中得以刻画。第二个是结合了网络的特性。一方面性状改变的信息通过网络质量风险信息数量来反映潜在风险大小，另一方面不安全感的信息以风险信息传播的特性来反映发生伤害的可能性，并且潜在风险大小与发生伤害可能性都与身体伤害的信息具有很强的相关性;而互联网将这三者有机地组合在了一起。质量信息分类结果及特征如表1所示。

表1 质量安全网络预警的信息分类

(二)风险分级

在质量安全网络预警信息分类的基础上，需要对不同类别的质量安全信息进行风险分级。身体伤害类别的质量信息是对消费者受到实际伤害的描述，可以考虑沿用成熟的伤害风险级别划分方式;不安全感与性状改变类别的质量信息，与网络传播特性和信息数量相关，需要特别考虑从网络的特征入手进行风险级别的划分。

1.身体伤害的风险级别

对于质量安全而造成的身体伤害程度的划分，许多国家都已经有了比较成熟的实践与应用。欧盟的“非食品类消费品快速预警系统”(RAPEX)将伤害的严重性划分为轻微的、严重的、非常严重的等3个级别;日本科学技术联盟所开发的R-MAP将消费品伤害发生的严重程度分为致命的、严重的、中等的、轻微的、无伤害等5个等级;我国2009年开始实施的《消费者安全风险评估通则》的国家标准中，将消费品对人体的伤害程度分为非常严重、严重、一般、微弱等4个级别。参考这些已经成熟应用的伤害级别划分，同时考虑互联网消费者质量信息的纷繁复杂性，本文将互联网质量信息中身体伤害类别信息的风险划分为5个级别，分别为:(1)致命的，导致灾难性的伤害，如死亡、植物人、高位截瘫等;(2)非常严重的，会导致不可逆转的伤害，对人体造成较严重的负面影响，如肢体残疾、大面积面部疤痕等;(3)严重的，需要在急诊室治疗或定期住院治疗才可恢复的伤害;(4)中等的，需要看医生，在门诊对伤害进行处理即可，对人体将造成的影响一般;(5)轻微的，不需要看医生，可以家里自行对伤害进行处理，对人体造成某种程度的不舒适感，对人体的影响较轻。具体如表2所示。

2.不安全感的风险级别

不安全感刻画的是伤害事件发生的可能性。与国家《消费品安全风险评估通则(GB/T 22760－2008)》通过历史数据、试验模拟、专家判断等方法计算并划分可能性级别不同，不安全感类别的信息是基于消费者在网络上的情绪表达来度量的。与网络舆情传播规律类似，舆论强度与网民的用词强度存在正向相关的关系。通常网民用词强度越强，表明网民的情绪越大，则网络舆论强度也越大;网民的用词强度指标反映了舆论受关注的程度以及社会情绪趋势变化状态的特征。在质量信息中，消费者用词越强烈，通常表明质量安全问题越突出，受到质量伤害的可能性也就越大。因此，本文通过质量信息中用词强度的区分刻画出不同情绪表达下的伤害事件发生的可能性，以此确定对不安全感类别信息进行风险级别的划分。

表2 身体伤害信息风险分级

本文采用“李克特五点量表”(Likert Scale)来将消费者在互联网上表达不安全感的情绪信息转换为伤害事件发生的可能性度量。李克特五点量表是现代调查研究中普遍采用的一种测量量表，适用于情意领域的态度测量评价(Likert，1932);而关于质量不安全感的网络信息，正是消费者情绪与态度的表达。参照李克特五点量表，将消费者的不安全感情绪由强至弱划分为5个等级，并结合《消费品安全风险评估通则(GB/T 22760－2008)》对风险发生可能性的描述，构建出无法避免、极有可能、可能、可忽略、不太可能等5级不安全感信息风险级别，如表3所示。

表3 不安全感信息风险分级

3.性状改变的风险级别

与互联网上舆情信息的数量变化相似，本文考虑用信息的总体数量来表征性状改变类别信息的风险级别，而不再考虑不同形式的性状改变，即将异物、过期、变质等所有性状改变的信息都一同计入总体数量①这是因为在互联网上产品性状改变的信息反映的都只是产品质量安全的潜在风险，并未造成真实的危害发生，而且消费者不安全感的风险信息也将在一定程度上刻画出其间的差异，况且如果伤害一旦真实发生，相关风险信息又将被计入身体伤害的类别，所以本文并不考虑不同性状的分类统计。。通常可以认为在产品质量安全危机初期，有关某种产品性状改变的质量风险信息出现的数量很少，但是随着有更多的消费者购买和使用这些产品，将会有越来越多的类似信息出现，造成性状改变信息快速增长，预示危机即将爆发。因此，对于产品性状改变而引起的质量安全风险级别，我们更关注的是信息数量在特定时段内的增加量。

学者黄鸣刚(2009)构建了网络危机事件增长规律模型，通过定量计算可以获取信息增长量与危机爆发时间的关系，如图1所示。

图1中p为网民关于危机事件的发帖数量;r为发帖数量增长比率;c为一个常数，取决于网民对不同危机类型的关注程度;k代表该危机信息能够达到的最大发帖数量，S型增长曲线渐近于k。

在其研究的结论的基础上，本文将假定产品性状改变的质量风险信息服从一般网络信息传播规律，即其数量增长曲线为S型，并用a代表质量安全危机爆发时的信息变化率即危机爆发时的S曲线的斜率值，有:

a与产品的类型相关，反映了消费者对不同产品的敏感度。通过比较单位时间内风险信息增加的频率与不同产品a值的大小，同时保持与“身体伤害”和“不安全感”相同的风险级别数，本文构建非常频繁、频繁、常常、有时、很少等5级频率特征的风险级别划分，如表4所示。

(三)警情划分

警情是指风险的发展变化、未来状态是否偏离可控运行轨道或是否将导致损失;如果偏离轨道或导致损失，那么偏离的程度、损失的大小将是什么情况。警情是一方面描述了无警与有警的临界值，另一方面也表征了有警情况下警情的严重级别。因此，质量安全网络警情的划分是进行预警分析的关键环节。人们通常根据预测损失的大小，将警情分为有警和无警两种状态。而“有警”又可以分为轻警、中警、重警和巨警等警情(孔繁涛，2009);预警实践中为了更加直观地反映预警结果，通常又采用类似交通信号灯的标识方法来分别表示不同的警情，如绿灯、黄灯、红灯等。

本文已将消费者网络质量信息分为身体伤害、不安全感、性状改变等3类，每类信息均划分5个级别的风险等级。依照此方式，本文将采用无警、轻警、中警、重警和巨警5个级别的警情划分来表示质量安全网络预警结果，并以红色、橙色、黄色、蓝色和绿色依次表示警情级别高低。需要强调说明的是，绿色为最低风险级别，只需持续重点监测不需要预警，而高于绿色的状态，则表明质量安全问题比较突出，需要预警并采取与警情相对应的级别响应措施，如表5所示。

图1 网络危机事件增长规律

表4 性状改变信息风险级别

表5 警情划分

通过对网络质量信息的分类、信息风险的分级以及警情级别划分三个内容的研究，本文构建如图2所示的质量安全网络预警的一般分析框架，可以实现海量质量信息的输入到最终预警结果的输出。

三、基于证据理论的质量安全网络预警模型

在质量安全网络预警的分析框架下，要实现对最终预警结果的输出，需要构建一个以信息整合为核心的预警模型，将分类分级的网络质量信息进行有效地融合。考虑到网络质量信息海量性、不确定性和不完整性等特点，本文采用证据理论的方法来实现质量安全网络预警模型，进行网络质量风险信息的融合。证据理论是一种不精确推理理论，属于人工智能的范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种有确定推理方法，证据理论的主要特点是满足比贝叶斯概率论更弱的条件，并且具有直接表达“不确定”和“不知道”的能力。采用证据理论的方法进行网络质量信息的融合，将能有效地处理网络质量信息的海量性、不确定性和不完整性等特征。本文将从识别框架构建、可信度评价获取以及递归融合算法三个方面介绍基于证据理论的质量安全网络预警模型的实现过程。

(一)识别框架构建

对质量安全预警评判所有可能结果的集合即组成识别框架Θ。证据理论的创始人之一Shafer指出识别框架Θ的选取“依赖于我们的知识，依赖于我们的认识水平，依赖于我们所知道和想要知道的”。在互联网上，我们应用人工智能的方法进行网络质量信息的获取与分类分级，因此识别框架依赖于本文所构建的质量安全网络预警分析框架。在图2所示的预警分析框架中，预警的结果即警情划分为红色警度、橙色警度、黄色警度、蓝色警度和绿色警度等5个级别，并分别与身体伤害、不安全感、性状改变等3类质量信息的5个风险等级分别对应。因此识别框架Θ有:

Θ＝{V1(红色警度)，V2(橙色警度)，V3(黄色警度)，V4(蓝色警度)，V5(绿色警度)}

识别框架中的一个等级元素表明对质量安全网络预警评判的一种可能结果，这个结果来自对身体伤害、不安全感、性状改变等3类质量信息的风险级别确定，如表5所示。

(二)可信度评价获取

三种类别的网络质量信息被评判为识别框架Θ中各风险等级的信度，即为质量信息的可信度评价。可信度评价一方面要反映不同类别质量信息对预警结果的相对权重，另一方面也要包含相同类别质量信息评判成不同级别风险的程度。对网络质量信息的可信度评价可按如下步骤进行。

图2 质量安全网络预警的分析框架

表6 识别框架各等级元素描述

Step1:确定身体伤害、不安全感、性状改变等3类信息的相对权重。

Step2:获取质量信息在不同风险级别的智能评价概率。

由于网络质量信息的海量性、不确定性和不完整性等特点，评判结果将评价每一条质量信息所属的风险级别，即第i类第j(j＝1，2，…，J，J为实际网络质量信息总数量)条质量信息Cij被评判为识别框架中Vk(k＝1，…，5)时的评价概率值βijk，其满足置信度不等式:

式(2)一方面允许每条网络质量信息以不同的置信度评定为识别框架中的多个等级元素，便于更加准确地评判处于不同识别等级的不确定信息;另一方面允许同一条质量信息风险级别的总置信度不超过100%，对于少于100%的部分则表示对于整体质量信息的“未知性”。这种评判的形式更符合网络质量信息的实际特点。

Step3:获取可信度评价矩阵。

网络质量信息可信度函数的计算应该包括两个方面的过程:一个过程是不同质量信息类别Ci的相对权重评价(step1所示);另一个过程是以βijk的置信度把每条质量信息Cij评判为识别框架中的Vk(step2所示)。通过以上评价可形成如表7所示的评价矩阵结果。

表7 质量信息的智能评价矩阵表

因此可以得到质量信息Cij评定为识别框架中Vk的可信度为:

剩下的不能进一步分配的信度，表示对整体质量信息的“未知性”，其为:

对于以上两个过程而言，前者是对信息权重的评价，后者是对信息风险级别的评价。直观上看，这两个评价过程可以认为是相互独立的，即对信息风险状态的评价并不影响对该信息重要性的评价。

(三)递归融合算法

证据理论对信息的融合是按Dempster合成规则进行的。Dempster合成规则具有交换律和结合律，这里介绍一种融合的递归计算方法。

定义Mi(Vk)为信息Ci被评判为Vk的信度;Mφi(Vk)表示剩下的不能进一步分配的信度。

假设信息Ci所含的质量信息个数j＝2时，有:

并由此可得，当j＝l＋1(l＝1，2，…，J－1)时，证据理论合成法则的递归算法公式为:

运用以上合成方法可以得到每类质量信息的信度集函数为:

M(V)＝{Mφi(Vk)，Mi(Vk)|i＝1，…，3;k＝1，…，5}(9)

同样，依据上述合成法则对这3个不同类别信息的信度函数进行再次合成，可以得到网络质量信息评判的最信度集函数C(V)，并由此可得出质量安全网络预警的最终量化预警级别。

四、总结

通过收集消费者在互联网上发布的质量风险信息，实现对质量安全的网络预警，是质量监管领域的新课题。网络质量信息的海量性、不确定性、不完整性等特征，使得进行基于互联网信息的质量安全预警的研究，变得十分具有挑战性。

本文研究了基于消费者质量安全网络预警分析框架构建与模型实现的问题。首先，基于学者程虹等(2012)的研究，本文提炼出对消费者网络质量信息的一般分类范式，即身体伤害类信息、不安全感类信息和性状改变类信息，在文献分析与实践借鉴的基础上，深入考虑网络信息的特性，将这三类信息按风险严重程度分别划分为5个不同的信息风险级别，探讨了基于5个信息风险等级的警情警度的划分。从质量信息分类、风险分级以及警情划分三个方面完成了质量安全网络预警分析框架的设计。其次，着重考虑网络质量信息三大特点的基础上，采用证据理论进行不同类型、不同风险级别质量信息的融合，从识别框架构建、可信度评价获取与递归融合算法三个步骤详述了预警模型的实现过程。

本文所构建的基于互联网信息的质量安全网络预警分析框架与模型，为大数据时代质量的网络治理提供了一种新的思路与方法。进一步的研究可以考虑对分析框架的系统实现，预警模型的适用性与准确度进行测算及模型修正等。

[1] 程虹、范寒冰、肖宇:2012:《企业质量安全风险有效治理的理论框架——基于互联网信息的企业质量安全分类模型及实现方法》，《管理世界》第12期。

[2] 程虹、刘芸，2013:《利益一致化的标准理论框架与体制创新——基于“联盟标准”的案例研究》，《宏观质量研究》第2期。

[3] 范锐敏，2013:《中国消费者组织质量社会监督职能的消费者评价》，《宏观质量研究》第2期。

[4] 黄冠胜、林伟，2006:《风险预警系统的一般理论研究》，《中国标准化》第3期。

[5] 孔繁涛，2009:《畜产品质量安全预警理论与方法》，中国经济出版社。

[6] 李酣，2013:《从市场失灵到政府失灵——政府质量安全规制的国外研究综述》，《宏观质量研究》第2期。

[7] 唐晓纯，2008:《多视角下的食品安全预警体系》，《中国软科学》第6期。

[8] 武汉大学质量发展战略研究院中国质量观测课题组，2013:《2012年中国质量发展报告》，《宏观质量研究》第1期。

[9] 张东玲、高齐圣、杨泽慧，2010:《农产品质量安全风险评估与预警模型:以山东省蔬菜出口示范基础为例》，《系统工程理论与实践》第6期。

[10]张继宏，2013:《特种设备质量安全检验博弈分析》，《宏观质量研究》第2期。

[11]Adrie J.M.Beulens，Yuan Li，Mark R.Kramer，Jack G.A.J.Vander Vorst，2006，“Possibilities for Applying Data Mining for Early Warning in Food Supply Network”.

[12]Likert，Rensis，1932:“A Technique for the Measurement of Attitudes”，Archives of Psychology，140，pp.1-55.

[13]Maslow，A.H.，1943:“A Theory of Human Motivation”，Psychological Review，50，pp.370-396.

[14]Peter Karim Ben Embarek，2007，“Information Sharing Between National and International Authorities”，Senior Regional Food Safety Authority Response Coordination Roundtable，11(7).

[15]Rortais A，Belyaeva J，Gemo M，et al.，2010，“An Early-warning System for the Detection of re－emerging foodand feed-borne Hazards”，Food Research International，43(5):1553-1556.

[16]Tom Sidebottom，2009，”Food Emergency Response Network(FERN)”，http://w ww.fda.gov/ohrms/ dockets/ac/03/slides/4001s1_07_Sciacchitano.ppt.，(5):01-04.

■责任编辑 汪晓清

An Analysis Framework and Model for Quality Safety Early-warning Based on Online Information

YU Hongwei，YU Fan and XU Wei
(Institute of Quality Development Strategy，Wuhan University)

In network era，it is a new perspective for quality governance to give early-warning of product safety by using consumer releasing information on the Internet.This paper designs an online early-warning model of product safety in three procedures.First，based on some relative research results，this paper refines a general classification paradigm for online quality information，including information on body injury，feeling of insecurity and characters changes.Then，followed by literature analysis and practical application，this paper respectively divides the three categories of quality information into 5 risk levels.At last，evidence theory is employed to fuse different information categories with different risk levels，and details of the whole fusion process are introduced.

Online Information;Product Quality;Early-Warning Model

∗余红伟、余凡、许伟，武汉大学质量发展战略研究院，电子邮箱:yuhongwei928＠163.com、303717695＠qq.com、16661021＠qq.com。本文为国家社科基金重大项目(11&ZD158)、“十二五”国家科技支撑计划项目(2011BAK06B06)、科技部公益性行业科研专项(201210117、201310202)和国家标准化管理委员会软课题“团体标准必要性可行性研究及管理制度设计”的阶段性成果。衷心感谢武汉大学质量发展战略研究院程虹教授的指导和启发，以及武汉深度网科技有限公司王超的支持。同时感谢两位匿名审稿人对本文提出的宝贵意见，当然文责自负。