基于食用植物油加工环节安全风险评估方法的研究

郭允栋，贾才华*，张宾佳，牛 猛，赵思明，黄汉英

（1华中农业大学食品科学技术学院 武汉 430070 2华中农业大学工学院 武汉 430070）

在植物油物质组成中，不仅含有亚油酸、亚麻酸等物质，还包括一些微量元素，是人们生活所必需的热量和营养，对人体调节平衡具有非常重要的意义[1]。如：α-亚麻酸具有降压，抗癌，提高脑神经功能[2]，对高血脂症和动脉硬化有明显的抑制作用[3]。植物甾醇具有降低胆固醇、血脂，抑制脂质过氧化和保护肝脏的作用[4]。亚油酸是人体必需脂肪酸，具有治疗糖尿病、视网膜病变的潜力[5-6]。维生素E（生育酚）具有降血脂，增强免疫，抗不育，抑制肿瘤细胞生长，改善动脉粥硬化及预防心血管疾病等生理功能，其中α-生育酚和γ-生育酚具有较强的抗氧化能力[7-8]。

江南大学食品安全风险治理研究院通过大数据挖掘技术获取的数据显示：2006—2015年我国主流网络媒体报道全国31 个省区（不包括我国的台湾、香港和澳门地区）共发生245 862 起食品安全事件，平均全国每天发生约67.4 起食品安全事件[9]。为解决食品质量安全问题，许多国家很早就出台食品安全法律法规，建立了有效的食品风险评估体系。如欧盟在2002年颁布的178/2002 法规，依法建立了欧盟食品安全局，开始食品风险评估和风险交流工作，目前已形成严密的分析体系[10]。食品安全风险分析是目前我国最有效的食品质量管理手段，它可以提前检测出食品中存在的潜在危险和质量问题，是一种有预见性的规避风险的措施[11]。我国在2009年颁布了《中华人民共和国食品安全法》，食品安全风险评估在中国得到了发展[12]。近年来，国内外研究人员对食品风险评估模型和方法建立进行了大量研究，如提出将其中一种大数据挖掘方式——BP 神经网络运用于食品安全风险预警的构想[13]；利用大数据挖掘方法进行食品风险评估预警[14]；提出一种基于模糊逻辑和层次全息模型技术组成的混合模型进行生鲜食品的风险评估方法[15]。采用近红外技术，通过偏最小二乘法和BP 神经网络法所建立的模型，快速检测食品或农产品中重金属等危害成分以及蛋白质、脂肪、总糖、含水量等成分含量[16]，实现食品安全风险的在线评估。

我国食用植物油在2014—2018年间抽检的不合格指标主要为酸价、过氧化值、溶剂残留等指标超标，大多数为加工环节产生的危害因子，产品的检测多集中于终端产品，企业不了解生产环节的实时状况，某一指标超标时，无法及时确定并采取控制措施。因此，通过对食用植物油加工环节中可能存在的危害因子进行风险评估，便于实时了解生产状况，为企业安全生产提供指导作用。

1 试验方法

1.1 风险评估流程

有关研究指出，个体层面的安全风险评估是食品安全风险评估的基础，通常需要大量真实的食品安全状态检测数据，也可以参考相关的食品安全标准限量进行研究[17]。因此，可以根据《食品安全国家标准 食品中真菌毒素限量》（GB 2761）[18]、《食品安全国家标准 食品中污染物限量》（GB 2762）[19]、《食品安全国家标准 食品中农药最大残留限量》（GB 2763）[20]、《食品安全国家标准 食用植物油料》（GB 19641）[21]、《食品安全国家标准 植物油》（GB2716）[22]等法律法规及标准来确定加工环节的关键指标及其限值。在一定检测方法和频率下，获得植物油检测指标值，进而确定植物油加工过程风险状态表征参数，计算风险指数。最后，基于风险评估算法，根据各指标的检测值，判断植物油加工节点所在风险区间，从而采取相应的风险控制措施，保证加工过程中植物油的安全。有相关报道指出新鲜牛肉生产过程中采集的指示微生物数据符合正态分布[23]，因此，本文采用正态分布随机函数生成的数据模拟实际生产数据。植物油质量安全风险评估流程，如图1所示，本文重点在于风险评价关键指标算法的研究。

图1 植物油质量安全风险评估流程Fig.1 Process of risk assessment of vegetable oil quality and safety

1.2 指标的确定及一致化处理

植物油加工工艺流程：原料验收→清理→压榨→过滤→脱胶（水化）→碱炼（脱酸）→水洗→脱水→脱色→脱臭→检验→包装→入库。其中每个加工环节称作一个节，通过分析植物油加工过程，确定原料验收、碱炼、脱色与脱臭4 个环节为关键控制点。在植物油加工环节中存在大量的指标数据，根据其质量安全要求和指标数据需求分析，以大豆油为例，参考最新的《食品安全国家标准 大豆》（GB 1352）[24]、《食品安全国家标准 大豆油》（GB/T 1535）[25]等相关标准，确定植物油加工中影响植物油质量安全需采集的关键性指标，将其作为风险评估的指标参数，具体采集指标如表1所示。

表1 信息采集表Table 1 Table of information collection

基于风险评估算法，为了使关键控制点各部分的指标计算在内部保持一致性，同时保持其内部关系的正确性，对关键控制点指标与关键限值关系进行一致性处理，以检测指标≤关键限值的方式来表示，根据《食品安全国家标准 大豆》（GB 1352）25 中的规定，大豆完整粒率指标以高于关键限值表示，因此对其进行指标一致化处理按照非完整粒率≤5%来表示（以等级1 大豆为例）。

1.3 风险评估模拟数据获取

植物油危害因子模拟检测数据是基于国家标准限值，采用Excel 中NORMINV（rand，mean，standard_dev） 正态分布随机函数生成的模拟数据[26-27]。首先根据企业实际监测数据分析得出平均值与标准值，然后使用正态分布函数随机生成数据。通过模拟计算此函数抽样生成的1 000 组随机数，其中函数模拟生产的数据是随机变化的。

抽样次数：依据植物油加工实际情况，每小时抽样检测1 次，按每天生产10 个小时，即每天抽样10 次，一年按加工生产100 d 计算，总计抽样次数1 000 次。因此，模拟抽样1 000 次，即是模拟植物油加工整个年度的质量安全指标检测风险状态。

平均值与标准差：重金属Pb 平均值与标准差根据实际检测数据计算得到，其它危害因子，假设根据重金属平均值、标准差与限值等比例得到。

1.4 风险评估算法

采用单指标相对风险值Vji和加工环节的节点风险指数Fj表示，Vji是加工中第j 个环节第i个单个指标的相对风险指数值，Fj是加工中第j个环节的风险指数值。

风险概率图的绘制：利用Excel 软件，基于相对风险值、风险指数和综合风险指数（1）、（2）、（3）计算公式，利用有关函数生成的模拟数据，计算加工环节中相对风险值Vji及风险指数Fj值，使用COUNTIF（range，criteria）函数统计1 000 次检测数据Fj在0～1（以0.05 为间距）范围中风险区间的概率，绘制风险指数概率图。

1.4.1 相对风险值 加工环节中单项指标的相对风险值[28]为：

式中，Vji——第j 个节点第i 个指标的相对风险；A——指标关键限值；B——实测值；j——第j个节点（j=1，2，3，…）；i——第j 个节点的第i 个指标（i=1，2，3，…）。

当Vji﹤1 时，该单项指标检测合格；当Vji≥1时，该单项指标检测超标。

1.4.2 风险指数 节点的风险指数，采用最大值法。

式中，Fj——第j 个环节的风险指数；Vjn——第j 个节点的第n 个指标风险值。

1.4.3 综合风险指数 4 个关键控制环节的综合风险指数，采用最大值法。

式中，F——全链条的综合风险指数。

风险指数和综合风险指数算法中均采用最大值算法，虽然最大值算法会增加植物油生产成本，但是却能最大程度上保证植物油质量安全。

1.4.4 风险指数概率的计算

式中，p——风险指数（p=0.1，0.15，0.2，…）；P——第j 个环节的风险指数低于p 的概率。

1.5 指标数据的生成

基于1.2 中风险评价指标，以大豆油碱炼环节为例，选取油料种子中污染物（Pb）、真菌毒素（黄曲霉毒素B1）、农残（灭草松）等危害因子和成品的酸价、过氧化值等质量因子，并根据1.3 中数据获取的方法随机生成指标数据，即为符合条件的随机实测值。该函数获取的局部数据如图2所示，根据1.4 中风险概率图的绘制方法，仅针对成品油中的指标绘制风险概率图。

图2 正态分布函数随机生成数据（局部）Fig.2 Random data generated by normal distribution function（local）

1.6 风险评估与预警应用

k 为预警系数，是正常区间与预警区间的分界值，是判断是否采取控制手段的标准。因此，风险等级根据Fj与k的关系，划分为正常区间、预警区间、超标区间3 个区间，Fj=0～k，为正常区；Fj=k～1，为预警区间；Fj≥1，为超标区。本试验通过模拟数据，计算出Vji值和Fj值，最终通过风险指数概率图，分析Fj值与k 的关系，并依据植物油加工过程的实际情况，从而确认k 的取值，用于有效的风险预警。

植物油生产加工过程具有连续生产的特点，生产设备自动化程度高，生产过程中各环节检测频率高，在加工生产过程中有必要使用物联网设备对关键控制点进行连续性不间断检测。采样时间c：2 次采样间隔的时间为1 h，包含采样时间、检测时间等，c＞采样时间+检测分析时间。采样总次数为20 次，每次4 个关键控制点数据采集同时进行。采集的20 次数据来源于前面生产的模拟数据。

2 结果与分析

2.1 风险评估和预警

利用1.4 中的公式，计算大豆油碱炼环节的风险指数概率如图3所示，其中Pji≥1 的概率稳定在0.2%左右，表明1年抽样1 000 次中大约有2 次不合格。当k 取0.95 时，k ≤Vji≤1 的概率为5.5%；当k 取0.9 时，k ≤Vji≤1 的概率为41.7%；当k 取0.85 时，k ≤Vji≤1 的概率为95%左右，分析可以得到结论：k 值越小，预警越频繁，风险评估与预警模型的可靠性越差。当k=0.95 时，风险评估与预警模型既较稳定，可靠性较高，又有助于食用植物油安全事件的提前防范。

图3 正态分布风险指数概率图Fig.3 Probability graph of normal distribution risk

植物油加工环节中的综合风险指数Fj作为植物油质量安全风险评估关键值。若Fj＜0.95，则其质量安全风险评估在安全区，此时植物油生产风险低，可持续生产。若Fj≥0.95，则需要针对植物油加工环节中Fj≥0.95 的关键节点进行下面的风险评估与预警。

当0.95 ≤Fj＜1 时，则植物油质量安全风险评估在预警区间，此时产品生产有风险，需要持续关注或者根据预警检测指标采取对应措施，直至风险评估回到正常区间范围。

当Fj≥1 时，植物油质量安全风险评估则进入到超标区间，此时产品生产不合格，需停止生产，查找原因。

2.2 关键点风险评估

原料验收是一个产业链环节的起点，原料符合标准是产品安全的基础和保障。植物毛油中含有一定量的游离脂肪酸，为脱除这些脂肪酸，需要向油中添加碱性水溶液与脂肪酸发生皂化反应生成不溶于油的皂盐，强的吸附能力可将相当数量的磷脂、蛋白质、色素等杂质一同吸附带入絮状沉淀物中[29]。脱色的目的在于去除色素、微量金属、皂粒、胶质、残留农药和其它杂质[30]。油脂脱臭的目的是脱除油脂中的气味物质，如醛类，脱臭工艺还能提高油脂的烟点，提高植物油脂的安全性。保证油脂加工环节质量因子和危害因子在符合标准的范围内，以保证油脂加工过程中持续的安全性。

图4是植物油加工环节4 个关键控制点随机抽样后，对其指标进行风险评估得到的折线图。由图可以看出，原料验收环节的风险指数趋于稳定，其中，在20 次检测中，第12 次检测时的风险指数最高为0.946，所有检测的指标风险指数都在预警系数之下，说明原料验收阶段属于质量安全监控正常区间。

图4 植物油加工关键控制点风险指数曲线图Fig.4 Curve chart of risk index of critical control points for vegetable oil processing

在碱炼环节的风险评估中，从第10 次检测开始，该关键控制点综合指数超过正常区间，进入预警区间，第10 次检测结果为0.9615，第11 次检测结果为0.9712，第12 次检测结果为0.9805，第13次检测结果为0.9615，第14 次检测结果为0.9885。其它检测风险指数都低于0.95，在正常区间范围内。第10 次检测时，风险指数达到预警区间，触发系统预警，管理人员根据碱炼环节风险指数查找该环节超标的风险值，进而确定预警指标。企业通过明确的指标因素可以进一步排查与指标相关的投入物、环境因素等。生产主管根据预警原因对该关键控制点采取应对措施，在采取措施期间，第11～14 次检测持续停留在预警区间，通过应对措施处理好该风险预警后，在第15 次检测时回归到正常区间范围。

由图4中曲线可以看出，脱色环节20 次检测，风险指数都在0～0.95 之间波动，说明此环节加工属于质量安全监控正常区间，通过系统监控可以确定植物油在该环节生产质量合格。

脱臭环节在第6 次检测时，该关键控制点脱臭风险指数进入超标区间，检测值为1.0512，此时应立刻停产检查，找出导致脱臭风险指数进入超标区间的指标Pji及指标个数。企业通过明确的指标因素可以进一步排查该关键控制点与指标相关的投入物、环境因素等。生产主管根据超标原因对该关键控制点采取应对措施，在采取措施期间，第7～10 次处于停产期间无风险指数检测数据，通过应对措施处理好该风险超标事故后，在第11 次检测时间重新启动生产，风险指数检查值回归到正常区间范围。

运用食品安全风险分析的算法对食用植物油加工环节关键控制点的指标进行数据监测，实现关键点加工风险可视化，能及时、快速反应监测点的安全状况。当风险超标时，能够确定出现问题的指标，采取相应措施解决风险，避免因为质量或安全问题造成大批次不合格产品，保持生产的连续化。企业可以根据记录数据的情况，找到食用植物油加工中风险较高的指标或环节，并制定相对应的措施，使其在后续生产中的风险保持在安全水平。

3 结论

通过分析食用油加工链条的特点，确定原料验收、碱炼、脱色和脱臭为关键控制点，采用模拟数据，针对植物油加工环节中可量化的指标，确定了适宜的风险评估指标。基于相对风险值、风险指数、综合风险指数，评价植物油加工各环节的风险状态。确定预警系数k 为0.95，通过比较F、Fj、k与1 之间的关系，准确划分风险区间，对植物油加工环节进行预警，确定采取相应的控制措施，保证食用植物油安全，为实现食品全链条的安全风险评估与预警提供技术支撑。