食品安全性能管理模型的制作方法

食品安全性能管理模型
1.本技术要求2020年1月17日提交的名称为“food safety performance management models”的美国临时申请第62/962,725号的权益，其全部内容以引用的方式并入本文中。
技术领域
2.本公开涉及食品安全性能管理。


背景技术：

3.地方、州和联邦卫生法规需要对食品机构进行定期检查，这些检查被设计成减少食源性疾病(如诺如病毒、沙门氏菌、产气荚膜梭菌、大肠杆菌等)的发生。在这些检查中，根据与食源性疾病风险因子和良好零售规范相关的各种准则对食品机构进行审核。这些准则可以包括例如不良个人卫生、来自不安全来源的食品、不适当的烹饪、不适当的(热的和/或冷的)保持温度、被污染的装备等。仅在美国就有多于3000个卫生部门管辖区，在这些卫生部分管辖区中存在应如何进行检查的不同标准。


技术实现要素：

4.通常，本公开涉及监测和评估一个或多个食品机构的食品安全性能的系统和/或方法。
5.在一个示例中，本公开涉及一种方法，其包括：由计算设备从一个或多个数据源接收与食品机构相关联的食品安全数据；将与食品机构相关联的食品安全数据映射到可行因子集合；由计算设备基于与食品机构相关联的所映射的可行因子来确定与食品机构相关联的食品安全性能分数；由计算设备基于来自一个或多个数据源的与食品机构相关联的食品安全数据来确定与食品机构相关联的预测风险；以及生成对所确定的食品安全性能分数和所确定的预测风险的指示以供在用户计算设备上显示。
6.食品安全数据可以包括与食品机构相关联的卫生部门检查数据、观察数据、清洁机数据和化学产品分配器数据。观察数据可以包括对机构的结构、环境卫生和维护条件的观察。观察数据可以包括由雇员或食品机构获得的自我审计数据。一个或多个数据源可以包括与食品机构相关联的手部卫生依从性系统，并且食品安全数据可以包括针对食品机构的手部卫生依从性数据。
7.食品安全预测风险可以包括食品机构未能通过整数数量的标准化卫生部门检查问题的概率。整数数量的标准化卫生部门检查问题可以是1与10之间的整数。
8.食品机构可以具有相关联的食品机构类型，并且食品安全性能分数可以是相对于具有相同的相关联的食品机构类型的其他食品机构的。
9.该方法可以进一步包括向与用户相关联的移动计算设备生成推荐训练程序或产品推荐中的至少一者的通知。该方法可以进一步包括生成包括所推荐的训练程序或产品推荐中的至少一者的图形用户界面以供在用户计算设备上显示。产品推荐可以包括清洁产品
或洗手产品中的一者。
10.在另一示例中，本公开涉及一种系统，其包括：与食品机构相关联的一个或多个数据源，该一个或多个数据源监测与食品机构的食品安全性能相关的参数；服务器计算设备，其从与食品机构相关联的一个或多个数据源接收食品安全数据，食品安全数据包括与食品机构的食品安全性能相关的监测参数，该服务器计算设备包括：一个或多个处理器；将与食品机构相关联的食品安全数据与可行因子集合相关的映射；性能分数模块，其包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器基于与食品机构相关联的所映射的可行因子来确定与食品机构相关联的食品安全性能分数；以及预测风险模块，其包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器基于与食品机构相关联的所映射的可行因子来确定与食品机构相关联的预测风险，其中计算设备进一步生成对所确定的食品安全性能分数和所确定的预测风险的指示以供在用户计算设备上显示。
11.食品安全数据可以包括与食品机构相关联的卫生部门检查数据、观察数据、清洁机数据和化学产品分配器数据。一个或多个数据源可以包括与食品机构相关联的手部卫生依从性系统，并且食品安全数据可以包括针对食品机构的手部卫生依从性数据。
12.食品安全预测风险可以包括食品机构未能通过整数数量的标准化卫生部门检查问题的概率。标准化卫生部门检查问题的整数数量是1与10之间的整数。
13.该方法可以进一步包括向与用户相关联的移动计算设备生成推荐训练程序或产品推荐中的至少一者的通知。该方法可以进一步包括生成包括所推荐的训练程序或产品推荐中的至少一者的图形用户界面以供在用户计算设备上显示。产品推荐可以包括清洁产品或洗手产品中的一者。
14.在另一示例中，本公开涉及一种方法，其包括：在训练阶段期间：在服务器计算设备处接收多个数据集训练对，其中每个训练对的第一数据集包括与多个食品机构中的一者相关联的可行因子训练数据集，并且其中每个训练对的第二数据集包括多个食品机构中的相同食品机构的标准化卫生部门检查问题训练数据集；由服务器计算设备基于多个数据集训练对来确定多个概率性分类器参数，其中概率性分类器预测食品机构未能通过整数数量的标准化卫生部门检查问题的概率；在预测阶段期间：在服务器计算设备处的概率性分类器处接收与第一食品机构相关联的食品安全数据集；将食品安全数据集映射到可行因子集合，以创建与第一食品机构相关联的可行因子数据集；由服务器计算设备基于可行因子数据集和多个概率性分类器参数来确定第一食品机构未能通过整数数量的标准化卫生部门检查问题的概率；以及由服务器计算设备生成对所确定的概率的指示以供在用户计算设备上显示。
15.整数数量的标准化卫生部门检查问题可以是1与10之间的整数。概率性分类器可以是随机森林分类器。每个训练对的第一数据集可以进一步包括与多个食品机构中的一者相关联的地理空间训练数据集。第一食品机构可以是或可以不是数据集训练对中的多个食品机构中的一者。对所确定的概率的指示可以包括图形用户界面，该图形用户界面包括第一食品机构未能通过整数数量的标准化卫生部门检查问题的概率。
16.在另一示例中，本公开涉及一种方法，其包括：从一个或多个数据源获得与食品机构相关联的食品安全数据；将与食品机构相关联的食品安全数据映射到可行因子集合，以
创建与食品机构相关联的可行因子数据集；通过向经过训练的神经网络提供可行因子数据集来确定食品机构未能通过整数数量的标准化卫生部门问题的概率；以及生成对所确定的概率的指示以供在用户计算设备上显示。
17.在另一示例中，本公开涉及一种方法，其包括：从一个或多个数据源接收与食品机构相关联的食品安全数据；将与食品机构相关联的食品安全数据映射到可行因子集合；为一组相似食品机构确定可行因子中的每一者的通过率；为所述一组相似食品机构确定可行因子中的每一者的失败率；将权重应用于与食品机构相关联的可行因子中的每一者；以及基于与食品机构、权重、通过率和失败率相关联的可行因子来确定食品安全性能分数。
18.在另一示例中，本公开涉及一种系统，其包括与机构相关联的一个或多个化学产品分配器；
19.计算设备，其从一个或多个化学产品分配器接收第一时间帧内的化学产品分配事件数据；该计算设备包括：一个或多个处理器；以及性能分数模块，其包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器基于第一时间帧内的化学产品分配事件数据来确定化学产品分配事件阈值并且基于化学产品分配事件阈值和在第二时间帧内接收到的化学产品分配事件数据来确定与机构相关联的化学产品性能分数，其中计算设备进一步生成对所确定的化学产品性能分数的指示以供在用户计算设备上显示。
20.该系统可以进一步包括预测模块，该预测模块包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器确定在第一时间帧之后的第二时间帧内的预测数量的化学产品分配事件，该预测模块进一步包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器将在第二时间内接收到的化学产品分配事件数据与第二时间帧内的预测数量的化学产品分配事件进行比较，其中计算设备进一步生成对在第二时间内接收到的化学产品分配事件数据与第二时间帧内的预测数量的化学产品分配事件之间的比较结果的指示以供在用户计算设备上显示。
21.在一些示例中，一个或多个化学产品分配器可以包括一个或多个手部卫生产品分配器。在一些示例中，一个或多个化学产品分配器可以包括一个或多个消毒剂产品分配器。在一些示例中，化学产品分配事件数据可以包括在第一时间帧期间与一个或多个化学产品分配器相关联的多个分配事件。在一些示例中，化学产品分配事件数据可以包括在第一时间帧期间与一个或多个化学产品分配器相关联的总接通时间。
22.在另一示例中，本公开涉及一种系统，其包括：与机构相关联的一个或多个化学产品分配器；计算设备，其从一个或多个化学产品分配器接收第一时间帧内的化学产品分配事件数据；该计算设备包括一个或多个处理器；以及预测模块，其包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器确定在第一时间帧之后的第二时间帧内的预测数量的化学产品分配事件，该预测模块进一步包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器将在第二时间内接收到的化学产品分配事件数据与第二时间帧内的预测数量的化学产品分配事件进行比较，其中计算设备进一步生成对在第二时间内接收到的化学产品分配事件数据与第二时间帧内的预测数量的化学产品分配事件之间的比较结果的指示以供在用户计算设备上显示。
23.该系统还可以包括业绩分数模块，该业绩分数模块包括计算机可读指令，当该计
算机可读指令被一个或多个处理器执行时，使得一个或多个处理器基于第一时间帧的化学产品分配事件数据来确定化学产品分配事件阈值，并且基于第二时间帧接收的化学产品分配事件阈值和化学产品分配事件数据来确定与商业机构相关联的化学产品业绩分数，其中所述计算设备进一步生成所确定的化学产品性能分数的指示，用于在用户计算设备上显示。
24.一个或多个示例的细节阐述于以下附图和描述中。其他特征和优点将根据描述和附图以及权利要求书而显而易见。
附图说明
25.图1a是图示了可以监测和评估食品安全性能的示例环境的框图。
26.图1b是示例分析模块的框图，计算设备可以通过示例分析模块来监测和评估一个或多个食品机构的食品安全性能。
27.图2是图示了可以监测和评估食品安全性能的示例食品服务机构的框图。
28.图3是图示了计算设备可以基于对来自一个或多个数据源的食品安全数据的分析来为食品机构的所选择的分组生成食品安全性能分数和预测风险指示符的示例过程的流程图。
29.图4是呈现来自一个或多个数据源的食品安全数据的分析结果以监测和/或评估食品机构的食品安全性能的示例图形用户界面的屏幕截图。
30.图5是呈现来自一个或多个数据源的食品安全数据的分析结果以监测和/或评估图4的食品机构的食品安全性能的另一示例图形用户界面的屏幕截图。
31.图6是呈现来自一个或多个数据源的食品安全数据的分析结果以监测和/或评估与单个公司实体相关联的食品机构的“所有站点”组的食品安全性能的另一示例图形用户界面的屏幕截图。
32.图7是呈现来自一个或多个数据源的食品安全数据的分析结果以监测和/或评估与图6的单个公司实体相关联的食品机构的“垫底的5个”子组的食品安全性能的另一示例图形用户界面的屏幕截图。
33.图8是呈现来自一个或多个数据源的食品安全数据的分析结果以监测和/或评估与单个公司实体相关联的食品机构的“垫底的5个”子组的食品安全性能的另一示例图形用户界面的屏幕截图。
34.图9是图示了根据本公开的技术的计算设备可以生成产品推荐的示例过程的流程图。
35.图10是图示了根据本公开的技术的计算设备可以生成产品推荐的另一示例过程的流程图。
36.图11a至图11b是图示了根据本公开的技术的计算设备可以生成预测风险指示符或食品机构在其下一次卫生部门检查中未能通过整数数量的标准化卫生部门检查问题的概率的示例过程的流程图。
37.图12是图示了根据本公开的技术的计算设备可以基于来自食品机构的一个或多个数据源的食品安全数据来生成性能分数的示例过程的流程图。
38.图13是图示了根据本公开的技术的与机构相关联的化学产品分配事件数据的图。
39.图14是图示了根据本公开的技术的与机构相关联的示例化学产品分配事件数据的图。
40.图15是图示了根据本公开的技术的计算设备可以分析机构的化学产品分配事件数据的示例过程的流程图。
41.图16是图示了根据本公开的技术的计算设备可以分析机构的化学产品分配事件数据的示例过程的流程图。
具体实施方式
42.通常，本公开涉及监测和/或评估食品安全性能的系统和/或方法。作为一个示例，本公开的技术可以分析来自一个或多个数据源的数据，以监测和/或评估一个或多个食品机构的食品安全性能。一个或多个数据源可以包括例如卫生部门检查数据、观察数据、清洁机数据、化学产品分配器数据、食品服务机数据、手部卫生数据和可以在食品服务机构处捕获到的或与食品服务机构处的食品安全性能相关的任何其他数据。卫生部门检查数据、观察数据、清洁机数据、化学产品分配器数据、食品服务机数据、手部卫生数据和其他数据可以包括与食品机构本身相关联或关于食品机构本身的数据，并且还可以包括与一个或多个其他食品机构相关联或关于一个或多个其他食品结构的数据。
43.本公开的技术可以基于对来自一个或多个数据源的数据的分析来生成指示食品机构的食品安全性能的一个或多个分数。分数可以由个体食品机构(也称为“站点”)生成或跨多个食品机构的组(多个“站点”)生成。分数也可以在一个或多个级别下生成，该一个或多个级别包括可行因子级别、站点级别、类别级别或数据源级别。
44.本公开的技术还可以基于对来自一个或多个数据源的数据的分析来生成预测风险指示符，该预测风险指示符指示食品机构在其下一次常规卫生部门检查中未能通过预定数量的标准化卫生部门检查问题的概率。
45.本公开的技术可以进一步基于对来自一个或多个数据源的数据的分析来生成一个或多个所推荐的动作，可以采取这些所推荐的动作来解决标识出的可行风险区域。所推荐的动作可以包括定制成解决标识出的可行风险区域的一个或多个产品推荐。
46.对于每个食品机构，本公开的技术分析来自食品机构的一个或多个可用数据源的数据，以监测和/或评估食品机构的食品安全性能。以这种方式，不需要数据重建(用替代值替换缺失值)，这是因为仅使用特定食品机构的数据可用的数据源来评估该食品机构的食品安全性能。这可以简化分析并且提高计算效率(在速度和功率方面)，这是因为数据重建在计算上可以是昂贵的。这允许系统更快地生成性能分数和预测风险值。
47.此外，使用不同数据集为不同食品机构生成的食品安全性能分数是可比较的。具体地，评分逻辑考虑将不同数据集中的信息转换成用于食品安全管理的通用测量单位(例如将来自一个或多个数据源的与食品机构相关联的食品安全数据映射到可行因子集合)；基于市场中的典型观察失败和通过来鉴定和校准观察到的问题(例如一组相似食品机构的通过率和失败率)；以及根据关键度对风险进行分级(向可行因子中的每一者分配权重)。
48.图1a是图示了可以监测和评估食品安全性能的示例环境的框图。多个食品机构14a至14n可以位于国家中的不同城市或州。食品机构14a至14n可以包括餐厅、食品服务设施、食品制备或包装设施、备办食物者、食品运输车辆、食品银行等中的任一者。一些食品机
构14a至14n可以由一个或多个公司实体12a至12n(如餐厅“连锁店”)拥有、运营或以其他方式与其相关联。例如，在图1中，食品机构14a至14c与公司实体12a相关联，而食品机构14d至14h与公司实体12n相关联。一些食品机构可以是独立的或个人拥有的食品机构，如食品机构14i至14n。应理解，食品机构14a至14n可以包括存储、准备、包装、生产、处理、供应或销售供人类或动物消费的食品的任何机构。
49.州和地方公共卫生部门通常需要定期检查食品机构是否符合代理标准。这些检查的频率因管辖区而异，但可能需要每年、每半年或以某个其他定期间隔进行常规检查。在不满足标准中的一者或多者的情况下，也可能需要进行后续或调查性检查。在每次检查时，准备检查报告，其指示符合各种食源性疾病风险因子。这些检查报告的格式和重点可以因管辖区而异。
50.服务器计算设备30分析来自一个或多个数据源的数据，以监测和/或评估一个或多个食品机构14a至14n的食品安全性能。可以经由一个或多个网络20将数据和分析结果以电子方式传送给公司实体12a至12n、食品机构14a至14n和/或一个或多个用户计算设备22。网络20可以包括例如拨号连接、局域网(lan)、广域网(wan)、互联网、蜂窝电话网络、卫星通信或其他电子通信手段中的一者或多者。通信可以是有线的或无线的。服务器计算设备30也可以在不同时间经由网络20将命令、指令、软件更新等发送给一个或多个公司实体12a至12n和/或食品机构14a至14n。服务器计算机30可以定期地、实时地、根据服务器计算设备30的请求、根据公司实体12a至12n和/或食品机构14a至14n中的一者或多者的请求或在任何其他适当的时间接收数据或以其他方式与公司实体12a至12n、食品机构14a至14n、用户计算设备22和/或卫生部门计算设备24进行通信。
51.一个或多个数据源可以包括来自或关联于食品机构14a至14n的数据源、来自或关联于公司实体12a至12n的数据源、来自或关联于一个或多个卫生部门24的数据源以及与监测和/或评估食品机构的食品安全性能相关的任何其他数据源。
52.服务器计算设备30包括一个或多个处理器36和数据库40或其他存储介质，该存储介质存储监测和/或评估一个或多个食品机构14a至14n的食品安全性能所需的各种数据和编程模块。处理器36可以包括一个或多个通用处理器(例如单核微处理器或多核微处理器)或一个或多个专用处理器(例如数字信号处理器)。处理器36可操作以执行计算机可读程序指令，如分析模块32和/或报告模块34。数据存储设备40可以存储例如卫生部门检查(hdi)数据42、标准化调查问题映射46、手部卫生数据44、清洁机数据48、化学产品分配器数据50、观察数据52、公司数据54和与食品安全性能的监测和评估相关的任何其他数据。数据存储设备40还可以存储一个或多个编程模块(如分析模块32和报告模块34)，该一个或多个编程模块在由一个或多个处理器36执行时使服务器计算设备30监测和/或评估一个或多个食品机构14a至14n的食品安全性能。分析模块32可以包括用于进行与监测和/或评估一个或多个食品机构的食品安全性能和性能相关的各种任务的一个或多个附加模块(参见图1b)。
53.hdi数据42可以包括在对食品机构14a至14n的常规或后续检查期间在州或地方级别获得的卫生部门检查数据。可以直接从州和/或地方卫生部门(如从卫生部门计算设备24中的一者或多者)接收存储在调查数据42中的个体检查调查。hdi数据也可以从每个食品机构或公司实体获得、从第3方获得、可以在线获得或可以以任何其他方式接收。每个个体检查调查的hdi数据42可以包括例如食品机构标识信息、州或地方代理信息、检查报告数据信
息(包括关于符合相关食品安全标准的信息)、检查报告日期和时间戳和/或在检查期间收集或获得的任何其他附加信息。
54.手部卫生数据44可以包括从与食品机构相关联的手部卫生依从性系统接收到的数据。例如，手部卫生依从性系统可以监测、分析和报告食品服务机构处的手部卫生依从性。例如，手部卫生数据44可以包括来自与食品机构相关联的一个或多个手部卫生产品分配器的数据，如分配事件的记录、每个分配事件的时间和日期戳、食品机构的手部卫生依从性规则、食品机构处的依从和不依从手部卫生程序的记录等。在分配器数据中还可以包括附加分配器信息，如分配器标识信息、工人标识信息、当前电池电量、产品瓶存在/不存在、分配器致动次数、产品用尽指示、分配器类型、所分配的产品名称、所分配的产品类型(例如消毒剂、肥皂、酒精等)、所分配的产品形式(固体、液体、粉末、颗粒等)、所分配的产品量(按体积、重量或其他计量标准)、分配时间、日期和顺序以及与确定手部卫生依从性相关的任何其他数据。
55.示例手部卫生依从性系统和可以收集和分析的数据的示例在2010年5月25日提交的美国专利申请序列号12/787,064、2013年3月12日发布的美国专利8,395,515、2015年8月15日提交的美国专利申请序列号14/819,349、2018年3月6日提交的美国专利申请序列号15/912,999、2018年3月6日提交的美国专利申请序列号15/912,999和2020年1月7日发布的美国专利10,529,219中进行了描述，这些专利中的每一者以全文引用的方式并入。
56.公司/销售数据54可以包括唯一标识或与食品机构14a至14n和/或公司实体12a至12n相关联的数据。因而，公司数据54可以包括例如食品机构标识信息、雇员信息、管理信息、会计信息、商业信息、定价信息、关于被授权访问由手部卫生依从性系统生成的报告的那些人或实体的信息、日期和时间戳以及与公司实体相关的任何附加信息和特定于每个食品机构14a至14n的信息。公司/销售数据54可以进一步包括与食品机构14a至14n和/或公司实体12a至12n相关联的销售数据。例如，公司/销售数据54可以包括关于食品机构14a至14n中的一者或多者的随时间而变的产品和/或服务购买的历史销售数据。
57.标准化调查问题映射46将从州和地方管辖检查报告获得的hdi数据42与卫生部门检查调查问题的标准化集合相关。在一些示例中，调查问题的标准化集合是由美国食品和药物管理局(fda)以模型形式3-a提供的与食源性疾病风险因子和良好零售规范相关的54个问题的集合。这54个问题呈现在模型“食品机构检查报告”中，其旨在为州和地方代理提供在对食品机构进行检查时遵循的模型。标准化调查问题映射46可以将个体管辖区检查调查与54个问题的该标准化集合或调查问题的另一标准化集合相关，使得可以使用相同的测量系统来比较和对比来自多个管辖区的检查。到调查问题的标准化集合的映射示例在2012年3月2日提交的美国专利申请序列号13/411,362中进行了描述，该申请以全文引用的方式并入本文中。
58.清洁机数据48可以包括由食品机构14a至14n处的一个或多个清洁机监测的任何数据。清洁机可以包括通常在食品机构处使用的任何类型的清洁机，其可以提供与监测和评估食品安全性能相关的数据。示例清洁机可以包括洗碗机、消毒机、地板清洁机和任何其他类型的清洁装备。
59.从洗碗机接收到的清洁机数据48可以包括例如洗碗机标识信息、每个清洁周期的时间和日期戳、物品类型、污垢类型和货架体积、清洁机参数，如清洗和漂洗水温、清洗和漂
洗周期时间和持续时间、水硬度、ph、浊度、清洁溶液浓度、一种或多种化学产品的分配定时、所分配的化学产品的量以及可以由洗碗机监测或从洗碗机接收到的任何其他数据。从地板清洁机接收到的清洁机数据48可以包括例如地板机标识信息、每个清洁周期的时间和日期戳、地板类型、污垢类型、覆盖信息、清洗和漂洗水温、清洗和漂洗周期时间和持续时间、水硬度、ph、浊度、清洁溶液浓度、一种或多种化学产品的分配定时、所分配的化学产品的量以及可以由地板清洁机监测或从地板清洁机接收到的任何其他数据。
60.化学产品分配器数据50可以包括从与食品机构相关联的化学产品分配器接收到的或关于该化学产品分配器的任何信息。这种化学产品分配器可以包括例如将受控量的一种或多种化学清洁产品自动分配到洗碗机的自动化学产品分配器、用于将化学产品浓缩液受控分配到例如桶或喷雾瓶中的化学产品稀释分配器以及任何其他类型的化学产品分配器。化学产品分配器数据可以包括分配器标识信息、分配时间、日期、所分配的化学产品的名称类型、雇员信息、所分配的化学产品的量等。
61.观察数据53可以包括通过观察或审计食品机构获得的任何信息。这种数据可以包括例如由食品机构处的审计员收集的与适当食品安全协议相关的任何观察信息。观察数据可以进一步包括由外部审计员或服务技术人员收集的观察数据和/或还可以包括由食品机构的一个或多个雇员收集的自我审计数据。可以将观察数据53输入到用户计算设备(如膝上型计算机、平板计算机或移动计算设备等)中，并且向服务器计算设备30传输该观察数据，在该服务器技术设备处，该观察数据作为观察数据53进行存储。
62.数据因子映射56包括从每个个体数据点到多个“可行因子”中的一者的映射。根据本公开，将可行因子选择为具有相关联的动作的那些食品安全相关因子，可以采取该相关联的动作来解决、补救或校正关于该因子的失败。数据可行因子映射还可以包括分配给每个可行因子的权重，该权重与在评估食品安全性能时该可行因子的所谓“关键度”或相对重要性相关联。在表1中示出了示例数据-可行因子映射。
63.表1
[0064][0065]
产品因子映射57包括从一个或多个可行因子到一个或多个产品或产品类型的映射，该映射可以用于解决食品机构的可行因子。在表2中示出了示例可行因子-产品映射。
[0066]
表2
[0067][0068]
动作因子映射57包括从可行因子中的一者或多者到一个或多个所建议的动作的映射，可以采取该映射来解决食品机构未能“通过”可行因子的问题。在表3中示出了示例可行因子-所建议的动作映射。
[0069]
表3
[0070][0071]
尽管示出和描述了某些类型的数据，但应理解，来自与食品安全性能的监测和评估相关的任何其他数据源的数据可以存储在数据存储设备40中，并且本公开不限于这一方面。
[0072]
服务器计算机30进一步包括一个或多个分析模块32，该一个或多个分析模块在由
处理器36执行时使服务器计算设备30分析来自一个或多个数据源的数据(如存储在数据存储设备40中的数据类型中的一者或多者)以监测和/或评估一个或多个食品机构14a至14n的食品安全性能。报告应用程序34在由处理器36执行时使服务器计算设备30生成各种报告，这些报告呈现分析数据以供负责监督每个食品机构14a至14n的食品安全的人员使用。报告应用程序34可以生成各种报告50，以向公司实体12a至12n处的用户或个体食品机构14a至14n处的用户提供与其相关联的食品机构处的食品安全相关的各种见解。报告可以包括例如指示一个或多个站点处的食品安全性能的一个或多个分数。分数可以由个体食品机构(也称为“站点”)生成或跨多个食品机构的组(多个“站点”)生成。分数也可以在一个或多个级别下生成，该一个或多个级别包括可行因子级别、站点级别、类别级别或数据源级别。
[0073]
报告可以进一步包括预测指示符，该预测指示符指示食品机构在其下一次常规卫生部门检查时未能通过预定数量的标准化卫生部门检查问题的风险。报告可以进一步包括一个或多个所推荐的动作，可以采取这些所推荐的动作来解决标识出的可行风险区域。报告可以进一步包括定制成解决标识出的可行风险区域的一个或多个产品推荐。报告还可以比较随时间而变的食品安全数据(如分数和/或预测风险指示符)，以标识趋势或确定是否出现了改善。报告应用程序34还可以允许用户衡量多个食品机构处的食品安全性能。
[0074]
报告模块34还可以生成一个或多个图形用户界面(如图4至图8中所示出的图形用户界面中的任何一者)以供在用户计算设备或与食品机构或公司实体相关联的计算设备上显示，该一个或多个图形用户界面呈现来自一个或多个数据源的数据(如存储在数据存储设备40中的数据类型中的一者或多者)和/或分析结果。也可以将报告下载并且本地存储在公司实体或个体食品机构处、授权用户的个人计算设备上、另一授权计算设备上，以硬拷贝方式打印出来或根据需要进一步传送给其他人。报告模块34还可以生成关于如由分析模块32确定的所建议的动作或产品推荐的通知。通知可以包括任何形式的电子通信，如电子邮件、语音邮件、文本消息、即时消息、寻呼、视频聊天等。可以将通知发送给任何类型的用户计算设备，如移动计算设备(例如智能电话、平板计算机、寻呼机、个人数字助理等)、膝上型计算机、桌上型计算机等。用户可以包括食品机构的服务技术人员或雇员或与一个或多个食品机构相关联的公司实体的雇员中的任何一者或多者。
[0075]
在一些示例中，公司实体12a至12n或个体食品机构14a至14n中的一者或多者处的计算设备可以包括提供上面相对于服务器计算设备30描述的分析和报告功能的能力。在这些示例中，与公司实体或个体食品机构相关联的计算设备也可以存储上述与公司实体或个体食品机构相关联的食品安全数据。计算设备还可以包括本地分析和报告应用程序，如上面相对于分析和报告应用程序32和34描述的本地分析和报告应用程序。在这种情况下，如果需要，可以本地生成和查看与该特定公司实体和/或个体食品机构相关联的报告。在另一示例中，所有分析和报告功能都在服务器计算设备30处远程进行，并且可以远程查看、下载或以其他方式获得报告。在其他示例中，某些公司实体/个体食品机构可以包括本地存储和/或分析和报告功能，而其他公司实体/个体食品机构依赖于远程存储和/或分析和报告。因此，应理解，存储、分析和报告功能可以在中央位置处远程地、本地地或在一些其他位置处进行，并且本公开不限于这一方面。
[0076]
图1b是示例分析模块32的框图，计算设备可以通过该示例分析模块来监测和评估一个或多个食品机构的食品安全性能。分析模块32可以包括一个或多个软件模块，该一个
或多个软件模块在由处理器36执行时使服务器计算设备30分析来自一个或多个数据源的数据(如存储在数据存储设备40中的数据类型中的一者或多者)以监测和/或评估一个或多个食品机构14a至14n的食品安全性能。例如，分析模块32可以包括性能分数模块31、预测风险模块33、产品推荐模块35、网络托管模块37和原始文本映射模块39。下面将在本文中更详细地描述这些模块中的每一者。
[0077]
图2是图示了可以监测和评估食品安全性能的示例食品机构60的框图。食品机构60包括一个或多个示例数据源，该一个或多个示例数据源监测、生成和/或接收并且存储与食品机构60处的食品安全性能的监测和评估相关的数据。例如，食品机构60包括一个或多个清洁机62(如一个或多个洗碗机、地板清洁机等)、化学产品分配器64、手部卫生依从性设备和/或系统66(包括例如手部卫生产品分配器和其他手部卫生依从性设备(如依从性徽章、区域监测器、水槽监测器、实时定位系统等)66)、食品装备70(如冰箱、冷冻机、烤箱、加热装备和其他食品处理和/或贮藏装备)和一个或多个有害生物监测设备72。食品机构60还包括一个或多个计算设备78。计算设备78包括一个或多个处理器73和用户界面75。用户界面75可以包括准许用户与计算设备78进行交互的一个或多个输入和/或输出设备。因而，用户界面75可以包括键盘、鼠标或其他指向设备、显示设备、触摸屏、麦克风、扬声器等中的任何一者或多者。
[0078]
计算设备78还包括一个或多个数据存储设备，该一个或多个数据存储设备存储与食品机构相关联的卫生部门检查数据68、观察数据74和自我审计数据78。观察数据74可以包括在由技术服务人员进行的审计(如清洁和环境卫生服务审计、有害生物服务审计、食品安全服务审计等)期间观察到的数据。自我审计数据78可以包括来自食品机构的雇员所进行的审计(如食品安全程序审计和观察是否已经遵循了可以与食品安全有关的适当程序的任何其他审计)的观察数据。来自示例数据源中的任一者的食品安全数据中的任一者可以由一个或多个通信设备76从食品机构60传输到与公司实体相关联的一个或多个计算设备或传输到服务器计算设备30，如附图标记80所指示。
[0079]
计算设备78还可以包括存储客户端模块77的一个或多个数据存储设备。根据本公开的技术，客户端模块77包括计算机可读程序指令，该计算机可读程序指令在由一个或多个处理器73执行时使计算设备78执行基于网络的食品安全监测和评估服务的客户端应用程序。例如，客户端模块77可以使图形用户界面(如图4至图8中所示出的图形用户界面中的任何一者)显示在用户界面75上，该图形用户界面显示关于食品机构的食品安全性能数据。
[0080]
图3是图示了计算设备可以基于对来自一个或多个数据源的食品安全数据的分析来为一个或多个食品机构的所选择的分组生成食品安全性能分数和预测风险的示例过程(90)的流程图。计算设备可以包括例如图1中所示出的服务器计算设备30。根据本公开，过程(90)可以作为计算机可读指令存储在例如分析模块32中，并且该计算机可读指令在由一个或多个处理器(如处理器36)执行时使服务器计算设备30监测和分析来自一个或多个数据源的食品机构或食品机构分组的食品安全性能数据。
[0081]
计算设备可以接收查看食品机构的所选择的分组的食品安全性能数据的请求(91)。例如，用户可以通过与图形用户界面(如相对于图4至图8示出和描述的图形用户界面中的任一者)交互来请求查看单个食品机构或如本文中所描述的一个或多个食品机构的组的食品安全性能数据。在接收到该请求时，计算设备从一个或多个数据源接收与所选择的
分组中的食品机构相关联的食品安全数据(92)。这包括接收与确定食品机构的所选择的分组的食品安全性能分数、预测风险和/或所建议的动作和/或产品推荐相关的任何食品安全数据。因而，这可以包括接收与并不一定是食品机构的所选择的分组的一部分的食品机构相关联的食品安全数据，这是因为这种数据可以与确定食品机构的所选择的分组的食品安全性能分数、预测风险和/或所建议的动作和/或产品推荐相关。
[0082]
接收到的食品安全数据(92)可以从食品机构的所选择的分组中的食品机构中的每一者的一个或多个数据源接收。食品机构的所选择的分组中的每个食品机构的数据源不需要是与所选择的分组中的其他食品机构中的任一者相同的数据源。一个或多个数据源可以包括例如卫生部门检查数据、观察数据、清洁机数据、化学产品分配器数据、食品服务机数据、手部卫生依从性数据和可以在食品服务机构处捕获到的或与食品服务机构处的食品安全性能相关的任何其他数据。卫生部门检查数据、观察数据、清洁机数据、化学产品分配器数据、食品服务机数据、手部卫生数据和其他数据可以包括与食品机构本身相关联或关于食品机构本身的数据，并且还可以包括与一个或多个其他食品机构相关联或关于一个或多个其他食品结构的数据。
[0083]
计算设备可以基于对来自一个或多个数据源的数据的分析来生成指示一组所选择的食品机构的食品安全性能的性能分数(93)。例如，根据本公开，图1b的性能分数模块31可以存储计算机可读指令，该计算机可读指令在由一个或多个处理器(如处理器36)执行时使服务器计算设备30确定食品机构或食品机构分组的性能分数。分数可以由个体食品机构(也称为“站点”)生成或为一组所选择的多个食品机构(多个“站点”)生成。分数也可以在一个或多个级别下生成，该一个或多个级别包括可行因子级别、站点级别、类别级别或数据源级别。
[0084]
计算设备还可以基于对来自一个或多个数据源的数据的分析来生成预测风险指示符，该预测风险指示符指示食品机构在其下一次常规卫生部门检查时未能通过预定数量的卫生部门检查问题的风险(94)。例如，根据本公开，图1b的预测风险模块33可以存储计算机可读指令，该计算机可读指令在由一个或多个处理器(如处理器36)执行时使服务器计算设备30确定食品机构或食品机构分组的预测风险。
[0085]
计算设备可以进一步基于对来自一个或多个数据源的数据的分析来标识一个或多个所建议的动作，可以采取这些所建议的动作来解决标识出的风险区域(95)。所建议的动作可以包括一个或多个产品推荐，这些产品推荐可以用于解决标识出的风险区域。例如，根据本公开，图1b的产品推荐模块35可以存储计算机可读指令，该计算机可读指令在由一个或多个处理器(如处理器36)执行时使服务器计算设备30确定食品机构或食品机构分组的所建议的动作和/或产品推荐。
[0086]
计算设备可以进一步生成一个或多个报告以供在用户计算设备上显示，该一个或多个报告包括食品安全性能分数、预测风险、所建议的动作和/或产品推荐中的一者或多者(96)。例如，计算设备可以生成图形用户界面(如在本文中相对于图4至图8示出和描述的图形用户界面中的任一者)以供在用户计算设备22中的一者上、在与公司实体12相关联的计算设备上和/或在与食品机构14相关联的计算设备上显示。在一些示例中，计算设备可以执行网络托管模块(如网络托管模块37)，该网络托管模块提供监测和评估一个或多个食品机构的食品安全性能的基于云的服务，并且通过该网络托管模块，一个或多个用户(如食品机
构或公司实体的雇员或经理)可以接收和查看显示相关食品安全数据和/或食品安全性能分析结果的一个或多个图形用户界面。
[0087]
图4是呈现来自一个或多个数据源的食品安全数据的分析结果以监测和/或评估个体食品机构的食品安全性能的示例图形用户界面100的屏幕截图。用户界面100可以被认为是“仪表板”，在该仪表板中，在用户界面100的不同区域或区段中组织和显示了食品机构的食品安全数据的不同方面。在该示例中，在用户界面100的顶部的横幅标语110显示了食品机构的名称和地址，“caf
éꢀ
ollie,123main street,anytown,usa”。可以使用一个或多个用户界面元素(如仪表图标110、103和104或可以用于传达分数或评级的其他图标)来指示食品机构的一个或多个食品安全相关的分数或评级。在该示例中，仪表图标指示所计算的分数或评级从最低分数到最高分数的相对位置，其中平均分数位于中心。
[0088]
本公开的技术可以基于对来自一个或多个数据源的数据的分析来生成预测风险指示符，该预测风险指示符指示食品机构在其下一次常规卫生部门检查时未能通过预定数量的卫生部门检查问题的风险。在图4中，该值是食品机构的“食品安全预测风险”，并且在用户界面100中由仪表图标110结合描述一般评级或分数的文本来表示。在该示例中，已经将食品机构的食品安全预测风险分数或评级确定为“高”，并且该分数由位于中间标记上方某处的仪表图标110指示。“平均”食品安全预测风险可以用中点处的仪表图标110进行指示，“低”食品安全预测风险可以用相对低于中点的仪表图标110进行指示等。
[0089]
本公开的技术还可以基于对来自一个或多个数据源的数据的分析来生成指示食品机构的食品安全性能的一个或多个分数。在图4中，该值被显示为食品机构的“食品安全性能”，并且在用户界面100中被表示为仪表图标103。在该示例中，已经将食品机构的食品安全性能确定为“不良”，并且仪表图标103显示具有低于中间标记的仪表的对应图像。“平均”食品安全性能可以由中点处的仪表103进行指示，高于平均的食品安全性能分数可以用相对高于中点的仪表103进行指示等。
[0090]
食品安全性能分数和预测风险分数可以由如图4中所示出的个体食品机构(也称为“站点”)生成或跨一组或多组多个食品机构(多个“站点”)生成。因此，个体食品机构的食品安全性能可以同与相同公司实体相关联的其他位置或站点的食品安全性能进行比较。例如，个体食品机构的食品安全性能可以与餐厅“连锁店”中的一个或多个其他站点的食品安全性能进行比较。在图4中，该值被指示为“连锁店性能”并且在用户界面100中由仪表图标104表示。在该示例中，已经将食品机构的连锁店性能确定为“低于平均”，并且仪表图标104显示对应图像，其中仪表低于中间(或平均)标记。
[0091]
分数也可以在一个或多个级别下生成，该一个或多个级别包括可行因子级别、站点级别、类别级别或数据源级别。可行因子级别是标识失败的最具体的方式，并且对应地具有与之相关联的特定所推荐的动作和/或产品。这方面的示例可以包括标识特定机器上的霉菌、器皿清洗消毒率以及标识可以吸引有害生物的内部消毒问题的观察。与因子级别相比，子类别级别不太具体但更通用。这方面的示例包括食品贮藏、消毒和清洁。与子类别级别相比，类别级别不太具体但更通用。这方面的示例包括污染和不良卫生。总体性能分数涵盖所有因子并且是站点结果的最一般视图。当一起使用时，分析的这些不同级别允许生成范围介于特定问题到一般级别评定的结果，并且支持食品服务位置内的不同角色和责任区域。食品机构的用户界面可以为食品机构显示可行因子级别、站点级别等的性能分数。
[0092]
在图4的示例中，为食品机构显示的“性能类别”105包括冷藏、污染、设施和不良卫生。可以对与每种性能类别对应的图标进行颜色编码，以指示该类别的食品安全性能的相对级别。在图4至图8的示例中，颜色级别为绿色＝优秀，浅绿色＝良好，黄色＝高于平均，橙色＝低于平均，红色＝不良并且深红色＝非常差。然而，应理解，也可以使用传达性能级别的任何其他手段。通过指示每种性能类别的相对分数，图形用户界面使得用户能够容易地查看和理解食品机构在何处性能良好或性能不良。这可以进一步使得食品机构能够诊断和解决与食品安全相关的问题，因此增加了其性能分数和/或降低了其预测风险(即，食品机构在其下一次卫生部门检查时未能通过预定数量的标准化卫生部门检查问题的概率)。
[0093]
用户界面100进一步包括区域106，该区域呈现了食品机构的“最高关注区域”。最高关注区域是系统确定的区域、是关于食品安全性能的最为关注的区域。在图4的示例中，将最高关注区域确定为食品贮藏、环境卫生和清洁。通过突出显示最高关注区域，系统能够确定和呈现食品机构可以关注的区域，以便以清晰且可行的方式增加其食品安全性能分数和/或降低其食品安全预测风险(在其下一次卫生部门检查时未能通过预定数量的标准化卫生部门检查问题的概率)。
[0094]
用户界面100进一步包括表107，该表呈现了关于食品机构的所关注区域的更详细的信息。在图4的示例中，表107包括列出为活动、最高可行因子(在图4至图8中列出为“风险因子”)、所推荐的动作、最新观察日期和程序的多个栏。活动栏列出了食品机构的一个或多个所关注区域；在该示例中，活动栏示出了对应于每个活动的图标，其中卡车的图像对应于食品贮藏活动，温度计的图像对应于环境卫生活动，肥皂泡的图像对应于清洁活动并且放大镜的图像对应于食品接触表面检查活动。
[0095]
最高可行因子栏显示相关联的活动的一个或多个所关注可行因子的文本描述。在顶行中，将可行因子确定为“不适当的冷藏温度”。
[0096]
本公开的技术可以进一步基于对来自一个或多个数据源的数据的分析来生成一个或多个所推荐的动作，可以采取这些所推荐的动作来解决标识出的可行风险区域。所推荐的动作可以包括定制成解决标识出的可行风险区域的一个或多个产品推荐。表107的所推荐的动作栏显示了可以采取来解决问题的动作的文本描述。对于食品贮藏问题，将所推荐的动作确定为“在放入冷藏单元之前，食品温度应＜41℉”。可以点击或悬停在圆圈内用“i”表示的信息图标，以提出关于所推荐的动作的进一步细节。还列出了每一行的最新观察日期，并且在图表107的“程序”栏下示出了确定可行因子的数据源。在图4的示例中，“食品贮藏”可行问题“不适当的冷藏温度”的数据源是食品机构的卫生部门检查数据(hdi)。
[0097]
用户界面100还包括示出了食品机构的随时间而变的食品安全性能的图108。在图4的示例中，用图表表示了从2018年10月到2019年7月的食品安全性能，并且将食品安全性能示出为在该时间段期间是“不良”的，这对应于仪表103中所示出的“不良”食品安全性能。
[0098]
用户界面100还包括区域109，其中显示了一个或多个数据源，根据这些数据源确定了食品机构的食品安全数据。一个或多个数据源可以包括例如卫生部门检查数据、观察数据、清洁机数据、化学产品分配器数据、食品服务机数据、手部卫生数据和可以在食品服务机构处捕获到的或与食品服务机构处的食品安全性能相关的任何其他数据。卫生部门检查数据、观察数据、清洁机数据、化学产品分配器数据、食品服务机数据、手部卫生数据和其他数据可以包括与食品机构本身相关联或关于食品机构本身的数据，并且还可以包括与一
个或多个其他食品机构相关联或关于一个或多个其他食品结构的数据。在图4的示例中，确定食品机构的食品安全数据的数据源包括洗碗机数据、服务技术审计数据、hdi数据、清洁和环境卫生服务观察数据和有害生物消除服务观察数据。
[0099]
图5是呈现了来自一个或多个数据源的食品安全数据的分析结果以监测和/或评估如图4中所示出的相同食品机构的食品安全性能的另一示例用户界面110的屏幕截图。为了到达图5的用户界面110，用户可以如通过鼠标点击、悬停等来致动图标，如图4的最高关注区域字段106的放大图标。响应于用户对放大图标的致动，系统使按活动评分弹出窗口111打开。按活动评分弹出窗口111呈现了食品机构的每个“活动”的列表。在该示例中，食品机构的活动包括食品贮藏、环境卫生、清洁、接触表面、有害生物活动、洗手、程序、器皿洗涤、装备和人员清洁。所示出的子类别基于该子类别的相关联的食品安全分数进行颜色编码。列表可以是用户可选择的，当用户选择该列表时，可以致使显示每种单独子类别的食品安全性能分数。
[0100]
图6是呈现了来自一个或多个数据源的食品安全数据的分析结果以监测和/或评估与单个公司实体相关联的食品机构的“所有站点”组的食品安全性能的另一示例图形用户界面120的屏幕截图。用户界面120可以被认为是“仪表板”，其中可以在用户界面120的不同区域或区段内组织和显示公司食品实体的所有站点的食品安全数据的不同方面。在该示例中，一个或多个用户界面元素(如在用户界面120的顶部的站点分组按钮121和下拉菜单124)可由用户选择以在公司食品实体的各种分组中进行选择。在图6的示例中，分组包括前5个站点(在食品安全性能分数方面，5个性能最好的站点)、垫底的5个站点(在食品安全性能分数方面，5个性能最差的站点)、所有其他位置(除了前5个和垫底的5个站点之外的所有位置)以及所有站点(与公司食品实体相关联的所有站点)。在该示例中，如果从下拉菜单124中选择了“全部”并且没有致动前5个、垫底的5个或所有其他位置软按钮(如图6中的情况)，那么显示所有站点的食品安全性能分数。
[0101]
类似于显示单个食品机构或站点的食品安全性能数据和结果的图4的用户界面100，公司食品实体的一个或多个食品安全相关分数可以使用一个或多个用户界面元素(如仪表图标122和123或用于传送相对分数的其他图标)来指示。在该示例中，用户界面120包括指示公司食品实体的所选择的组的食品安全预测风险的仪表图标122和指示公司食品实体的所选择的组的食品安全性能的仪表图标123。在本文中所呈现的示例中，这组站点的预测风险是该组中的所有站点的预测风险的平均值。下面描述了一组站点的性能分数的示例计算。
[0102]
用户界面120进一步呈现了对应于站点的所选择的组的各种性能类别125的一个或多个分数。每种类别的分数或评级(例如优秀、良好、高于平均、平均、低于平均、不良、非常差等)可以用彩色编码图标来指示。用户界面120进一步包括表127，该表显示公司食品实体或站点的所选择的组的最高所关注活动、每个所显示的活动的最高可行因子、一个或多个所推荐的动作、最新观察日期以及从中标识活动的数据源。用户界面120进一步包括显示公司实体或站点组的随时间而变的食品安全性能分数的图128和指示确定食品安全数据和性能分数所依据的数据源的图标129。在图6的示例中，公司实体“caf
éꢀ
ollie”的所有站点的数据源129包括洗碗机数据、服务技术审计数据、卫生部门检查数据(hdi)、清洁和环境卫生观察数据以及有害生物消除服务观察数据。
[0103]
图7是呈现了来自一个或多个数据源的食品安全数据的分析结果以监测和/或评估与图6的单个公司实体相关联的食品机构的“垫底的5个”组的食品安全性能的另一示例图形用户界面130的屏幕截图。为了到达用户界面130，用户已经致动了“垫底的5个”按钮131。在该示例中，与未致动的按钮相比，“垫底的5个”按钮的致动通过使按钮变灰或以其他方式改变按钮的颜色来指示。用户界面130中所示出的所有分数和食品安全性能数据对应于公司食品实体的“垫底的5个”或5个最低性能站点。用户界面130与图6的用户界面120的比较表明了垫底的5个个站点的表137不同于所有站点的表127，并且与所有站点的图128相比，图138显示了垫底的5个站点的随时间而变的相对较低的总体性能分数。“前5个站点”或“所有其他位置”按钮的致动将类似地导致对应于那些所选择的分组的数据和结果的显示。
[0104]
用户界面130还包括“所推荐的动作”弹出窗口136。可以通过分别致动表137、127、117或107的所推荐的动作栏中的信息图标中的一者而从用户界面130、120、110或100中的任一者到达这种窗口。在该示例中，“所推荐的动作”弹出窗口136显示可以采取来解决特定可行问题的一个或多个所推荐的动作。弹出窗口136还显示产品推荐，在该示例中为特定品牌或类型的洗手液，其可以用于解决特定可行问题。
[0105]
图8是呈现了来自一个或多个数据源的食品安全数据的分析结果以监测和/或评估与单个公司实体相关联的食品机构的“垫底的5个”子组的食品安全性能的另一示例图形用户界面140的屏幕截图。用户界面140包括下拉菜单141，用户可以通过该下拉菜单在要显示的一组或多组站点之间进行选择。在该示例中，用户已经选择查看abc餐厅连锁店中的垫底的5家餐厅的食品安全性能数据。
[0106]
性能键144包括可能评级列表和每个可能评级的对应颜色编码(例如非常差(深红色)、不良(红色)、低于平均(橙色)、高于平均(黄色)、良好(浅绿色)和优秀(绿色))。区域149显示指示从中获得食品安全性能数据的数据源的一个或多个图标。在区域145中示出了一种或多种性能类别中的每一者的彩色编码图标。在该示例中，总共存在4种类别，因此示出了对应于4种性能类别中的每一者的图标。
[0107]
随时间而变的性能图148显示了随时间而变的站点的所选择的分组的食品安全性能分数，并且当前食品安全性能分数由仪表图标143指示。食品安全预测风险(分组内的任何站点在其下一次卫生部门检查时可能未能通过预定数量的标准化卫生部门检查问题的概率)在该示例中由红色六边形图标142内的“x”指示。例如，可接受的食品安全预测风险可以由绿色六边形内部的复选标记指示。
[0108]
一个或多个内容窗格147a至147d或通常内容窗格147包括针对图8的“垫底的5个”分组的几个可行因子的详细的所推荐的动作信息。例如，内容窗格147a包括在2018年8月1日的有害生物服务调用或审计期间通过观察标识出的最高可行因子“不适当的冷藏温度”的所推荐的动作。内容窗格147c包括在2018年8月1日的有害生物服务调用或审计期间同样通过观察标识出的最高可行因子“不适当的饮食、饮酒或吸烟”的所推荐的动作。一个或多个所推荐的动作内容窗格147可以包括一个或多个动作，以减轻专门标识的风险区域(来自程序遵守、装备维护、产品使用、设施维护等)。所推荐的动作还可以包括特定产品的一个或多个产品推荐，这些产品推荐可以用于解决标识出的风险区域。
[0109]
根据本公开，下面描述了用于基于来自一个或多个数据源的数据来生成食品安全性能分数(或简称为“性能分数”)的示例算法。利用该示例评分算法，使用不同数据集生成
的性能分数是可比较的。换句话说，即使分数所基于的数据类型可以是不同的，相同含义也可以归因于所计算的性能分数。例如，使用hdi数据和产品使用数据生成的第一食品机构的第一性能分数与使用hdi数据、产品使用数据、观察数据、洗碗机数据生成的第二食品机构的第二性能分数相当。类似地，为一个或多个站点的组生成的性能分数彼此相当并且与为单个站点生成的性能分数相当。
[0110]
性能分数计算算法可以作为计算机可读指令存储在例如图1b中所示出的性能分数模块31中，并且该计算机可读指令在由一个或多个处理器(如处理器36)执行时使服务器计算设备30根据本公开的技术来确定一个或多个食品机构的性能分数。
[0111]
示例性能分数被设计成涵盖0至100的范围，其中0为最低性能分数，而100为最高性能分数。示例性能分数也被设计成使得50是“平衡”性能分数。换句话说，性能分数被设计为50代表所有同类食品机构的平均性能。例如，食品机构的类型可以包括全方位服务餐厅、快餐店、速食店、自助餐厅、住宿、长期护理设施等。
[0112]
可行因子标识/分组变量
[0113]
i＝标识特定可行因子(又名site_key)
[0114]
m＝站点/品牌的所有可能因子的集合
[0115]
k＝线框中的完整且可用的因子集合
[0116]
j＝与程序相关联的所有因子的集合(即，hdi或有关的apex)
[0117]
h＝与卫生部门检查相关联的所有因子的集合，这不取决于应用计算的站点
[0118]
变量
[0119]
可行因子被定义为用于分数计算的变换数据输入数据。其表示标识可以作用于的特定失败区域的详细输入。典型可行因子包括可以通过、未能通过或具有相关联的通过百分比的那些事物。另外，可以针对特定市场段(例如一种类型的食品机构)计算总体通过率和失败率。这可以用于设置可行性能的期望值。主题专业知识可以用于增加或减少特定可行因子在分数计算中产生的影响(即，一个或多个权重)(参见例如表1中所示出的示例)。例如，与食源性疾病更密切相关的可行因子可以具有更大影响。另外，取决于数据的来源，可行因子可以具有更大或更小的影响。这些特性可以用以下变量进行量化：
[0120]
n＝正在应用计算的站点总数
[0121]fi
＝i整个fsr数据集的平均失败率。
[0122]
pi＝i整个fsr数据集的平均通过率。
[0123]
ti＝与特定可行因子相关联的时间阈值
[0124]
wi＝分配给特定可行因子的权重
[0125]di
＝与i相关联的数据源权重调整
[0126]
s＝1/2(分数缩放参数)
[0127]
窗函数
[0128][0129]
[0130]
窗函数的目的是确保在计算性能分数时仅考虑相对较新(因此可能更相关)的可行因子。例如，利用bin窗函数，可行因子对性能分数的计算的影响在指定时间t之前为1，而在指定时间t之后为0。以这种方式，在计算性能分数时将考虑在时间t内获得的任何数据，而不考虑时间t之前的任何数据。利用cos窗函数，可行因子的影响根据余弦函数随时间而减小，直到时间t之后，其才将不再对性能分数具有任何影响。以这种方式，最新数据比不太新的数据对所得性能分数具有更强的影响，并且比时间t更早的任何数据将对性能分数没有影响。
[0131]
站点级别计算：
[0132]
在站点级别下，加权平均值针对其可行因子中的每一者进行计算，以确定可行因子在特定时间点的平均性能。cos和bin窗函数可以针对此使用。如果需要，特定数据源可以具有附加加权分量。这产生在站点级别下计算的平均可行因子值。
[0133][0134][0135][0136][0137]
或
[0138]
对于大多数数据源通常为1
[0139]
随着所有可行因子出现
[0140]
随着所有可行因子出现
[0141]
随着所有可行因子出现
[0142]
或
[0143]
多站点级别计算
[0144]
对于必须计算分数值的所有站点，可以通过对每个站点的对应通过率和失败率值进行加权平均值计算来找到可行因子级别通过率和失败率值。这使用每个站点的时间值作为权重。如果只对单个站点感兴趣，那么该加权平均值不会改变通过率和失败率。
[0145]
在所有站点内
[0146]
在所有站点内
[0147]
在所有站点内(在和不在的情况下)
[0148]
分数计算的正面证据量是所计算的通过率、预期通过率、主题专业知识权重、可行因子的时间权重和数据源权重的函数。同样，分数计算的负面证据是失败率、预期失败率、主题专业知识权重、时间权重和数据源权重的函数。
[0149]
[0150][0151][0152]
变量覆盖hdi是
[0153][0154][0155][0156]
性能分数计算被设计成确保所得性能分数考虑了食品机构的正面证据和负面证据(例如正面证据包括指示食品机构“通过”特定可行因子的数据，而负面证据包括指示食品机构“未能通过”特定可行因子的数据)处于0至100的范围内，其中50作为平衡分数，并且创建可比较的分数，即使所讨论的站点具有不同数据集也是如此。为了实现这种比较能力，在评分过程中使用一致测量风险单位。具体地，评分逻辑考虑将不同数据集中的信息转换成用于食品安全管理的通用测量单位(例如将来自一个或多个数据源的与食品机构相关联的食品安全数据映射到可行因子集合)；基于市场中的典型观察失败和通过(例如一组相似食品机构的通过率和失败率)来鉴定和校准观察到的问题；以及根据关键度对风险进行分级(向可行因子中的每一者分配权重)。
[0157]
图9是图示了根据本公开的技术的计算设备可以生成产品推荐的示例过程(200)的流程图。计算设备可以包括例如服务器计算设备30，如图1中所示出。过程(200)可以作为计算机可读指令存储在例如图1中所示出的分析模块32中，并且该计算机可读指令在由一个或多个处理器(如处理器36)执行时使服务器计算设备30根据本公开的技术来生成产品推荐。
[0158]
通常，示例过程(200)被设计成确保仅在食品机构在指定时间段内尚未购买产品的情况下才生成特定产品的产品推荐。换句话说，过程(200)将仅在将产品确定为对该食品机构“无效”的情况下才生成产品推荐。这有助于消除不太可能导致产品购买的产品推荐，并且也有助于从客户的角度减少非增值通信的数量。为此，计算设备确定特定产品是否已经在指定时间段内被站点购买。如果站点在指定时间段内尚未购买产品，那么计算设备生成与产品相关联的产品推荐。如果站点已经在指定时间段内购买了产品，那么计算设备将不会生成与产品相关联的产品推荐。
[0159]
计算设备可以标识食品机构的一个或多个所关注可行因子(202)。对于每个可行因子，计算设备可以标识与可行因子相关联的一个或多个产品，该一个或多个产品可以用于解决、减轻或校正该可行因子(204)。例如，如果可行因子是站点处的雇员洗手不够频繁(可以基于手部卫生依从性数据标识的可行因子)，那么相关联的产品可以包括手部卫生产
品。作为另一示例，如果可行因子是与洗碗机相关联的化学产品分配器是空的(可以基于洗碗机数据、产品分配器和/或观察数据来标识的可行因子)，那么相关联的产品可以包括一种类型的洗碗机洗涤剂。
[0160]
对于与所关注可行因子相关联的每个标识出的产品，计算设备可以确定该产品是否已经在指定时间段内被站点购买(206)。如果产品尚未在指定时间段内被站点购买(206的“否”分支)，那么计算设备生成与产品相关联的产品推荐(208)。另一方面，如果产品尚未在指定时间段内被该站点购买(206的“是”分支)，那么计算设备不生成该产品的产品推荐(210)。例如，如果指定时间段是6个月并且如果产品尚未在最近6个月内被站点购买，那么计算设备生成标识出的产品的产品推荐。如果产品在最近6个月内已经被站点购买，那么计算设备将不生成标识出的产品的产品推荐。
[0161]
计算设备可以进一步向与食品机构相关联的计算设备传输产品推荐(210)。可以将产品推荐显示在用户计算设备或与食品机构或公司实体相关联的计算设备上的图形用户界面(如相对于图4至图8示出和描述的图形用户界面中的任一者)上。产品推荐也可以采取发送给与食品机构相关联的一个或多个用户的通知的形式。例如，可以经由任何形式的电子通信(如电子邮件、语音邮件、文本消息、即时消息、寻呼、视频聊天等)将包括可行因子和相关联的产品推荐的通知发送给一个或多个用户。
[0162]
图10是图示了根据本公开的技术的计算设备可以生成产品推荐的另一示例过程(220)的流程图。计算设备可以包括例如服务器计算设备30，如图1中所示出。过程(220)可以作为计算机可读指令存储在例如图1中所示出的分析模块32中，并且该计算机可读指令在由一个或多个处理器(如处理器36)执行时使服务器计算设备30根据本公开的技术来生成产品推荐。
[0163]
通常，示例过程(220)被设计成确保在食品机构已经购买了特定产品的情况下不生成该产品的产品推荐。为此，分析食品机构的历史销售数据和一组“相似”食品机构的历史销售数据，以基于这组相似站点对产品的历史购买来确定站点对产品的购买历史是否与“预期”购买历史相匹配。
[0164]
计算设备可以针对食品机构标识一个或多个所关注可行因子(即，食品机构没有“通过”的可行因子)(222)。对于每个标识出的可行因子，计算设备可以标识与可行因子相关联的一个或多个产品，该一个或多个产品可以用于解决、减轻或校正该可行因子(224)。如上所述，例如，如果可行因子是站点处的雇员洗手不够频繁(可以基于手部卫生依从性数据标识的可行因子)，那么相关联的产品可以包括手部卫生产品。作为另一示例，如果可行因子是与洗碗机相关联的化学产品分配器是空的(可以基于洗碗机数据、产品分配器和/或观察数据标识的因子)，那么相关联的产品可以包括一种类型的洗碗机洗涤剂。
[0165]
计算设备基于站点的历史销售数据来标识站点的标识出的产品的实际购买量和购买之间的延迟(即，时间量)(226)。计算设备还接收一组“相似”站点的历史销售数据(228)。例如，这组相似地点可以包括作为相同类型的食品机构的站点。示例类型或组的食品机构可以包括例如全方位服务餐厅、快餐店、速食店、自助餐厅、住宿、长期护理设施以及任何其他类型或组的食品机构。计算设备基于该组相似站点的历史销售数据来确定该组相似站点的产品的预期购买量和购买之间的预期延迟(230)。
[0166]
计算设备然后可以分别将站点的实际购买量和实际购买延迟与该组相似站点的
预期购买量和预期购买延迟进行比较(232)。如果差值超过阈值(232的“否”分支)，那么计算设备生成对应于产品的产品推荐(234)。换句话说，如果实际购买量与预期购买量相差超过指定阈值和/或如果购买之间的实际时间延迟与购买之间的预期时间延迟相差超过指定阈值时间延迟，那么计算设备生成对应于该产品的产品推荐(234)。
[0167]
相反，如果差异超过阈值(232的“是”分支)，那么计算设备将不生成对应于产品的产品推荐(236)。换句话说，如果实际购买量与预期购买量相差不超过指定阈值并且如果购买之间的实际时间延迟与购买之间的预期时间延迟相差不超过指定阈值时间延迟，那么计算设备将不生成对应于产品的产品推荐(236)。
[0168]
例如，如果与第一全方位服务餐厅的可行因子相关联的产品推荐是手部卫生产品并且对于包括多个其他全方位服务餐厅的组，购买之间的预期时间延迟是3个月，那么在站点在过去大约3个月内(3个月加上指定阈值时间)尚未购买手部卫生产品的情况下，计算设备将生成手部卫生产品的产品推荐。
[0169]
计算设备可以进一步向与食品机构相关联的计算设备传输产品推荐(238)。可以将产品推荐显示在用户计算设备或与食品机构或公司实体相关联的计算设备上的图形用户界面(如相对于图4至图8示出和描述的图形用户界面中的任一者)上。产品推荐也可以采取发送给与食品机构相关联的一个或多个用户的通知的形式。例如，可以经由任何形式的电子通信(如电子邮件、语音邮件、文本消息、即时消息、寻呼、视频聊天等)将包括可行因子和相关联的产品推荐的通知发送给一个或多个用户。
[0170]
图11a至图11b是图示了计算设备可以生成预测风险指示符，或换句话说，食品机构在其下一次卫生部门检查时未能通过整数数量的标准化卫生部门检查问题的概率的示例过程(250、266)的流程图。示例过程(250、266)可以作为计算机可读指令存储在如图1b的预测风险模块33中，该计算机可读指令在由计算设备(如图1a的服务器计算机设备30)执行时使计算设备确定食品机构的预测风险。因而，预测风险模块33可以包括机器学习算法，该机器学习算法包括例如概率性分类器或其他经过训练的神经网络，其预测食品机构未能通过整数数量的标准化卫生部检查问题的概率。为此，示例过程(250)采用机器学习来做出与食品机构在其下一次(例如即将到来的)卫生部门检查时未能通过整数数量的标准化卫生部门检查问题的可能性或概率相关的学习预测。
[0171]
在训练阶段的准备中，换句话说，在预处理阶段期间，计算设备从一个或多个数据源接收与多个食品机构相关联的食品安全数据(252)。与多个食品机构中的每一者相关联的食品安全数据可以包括来自一个或多个数据源的数据，包括过去的卫生部门检查数据、观察数据、自我审计数据、清洁机数据、化学产品分配器数据、食品服务机数据、手部卫生依从性数据以及可以在食品服务机构处捕获到的或与食品服务机构处的食品安全性能相关的任何其他数据。多个食品机构中的每一者的数据源可以是或可以不是相同的。换句话说，与多个食品机构中的每一者相关联的食品安全数据不一定来自同一组的一个或多个数据源。
[0172]
另外，在训练阶段的准备中，计算设备将与多个食品机构中的每一者相关联的食品安全数据映射到可行因子集合，以创建与多个食品机构中的每一者相关联的可行因子数据集(254)。计算设备可以存储一个或多个映射(如图1a中所示出的数据因子映射56)，该一个或多个映射将从一个或多个数据源接收到的食品安全数据的单独数据点与可行因子集
合相关。可以将来自一个或多个数据源的食品安全数据映射到可行因子集合，以创建可行因子数据集。
[0173]
计算设备基于与多个食品机构相关联的可行因子数据集来生成多个数据集训练对(256)。多个数据集训练对用于训练神经网络(例如概率性分类器)，以确定食品机构在其下一次卫生部门检查时未能通过整数数量的标准化卫生部门检查问题的概率。
[0174]
例如，每个训练对的第一数据集包括与多个食品机构中的一者相关联的可行因子训练数据集，并且每个训练对的第二数据集包括多个食品机构中中的相同食品机构的标准化卫生部门检查问题训练数据集。标准化卫生部门检查问题训练数据集可以包括与食品机构的可行因子训练数据集相关联的标准化卫生部门检查问题数据。换句话说，标准化卫生部门检查问题的结果在时间上足够接近可行因子训练数据，使得那些结果可以可靠地归因于在获得了确定可行因子训练数据集所依据的食品安全数据时存在的条件。
[0175]
在训练阶段期间，计算设备基于多个数据集训练对来确定多个概率性分类器参数(258)。在该示例中，概率性分类器预测食品机构未能通过整数数量的标准化卫生部门检查问题的概率。
[0176]
在如图11b中所示出的预测阶段(266)期间，计算设备从一个或多个数据源接收与第一食品机构相关联的食品安全数据(268)。第一食品机构是如下食品机构：将确定在其下一次(例如即将到来的)卫生部门检查时未能通过整数数量的标准化卫生部门检查问题的概率。在一些示例中，第一食品机构可以是在确定多个概率性分类器参数期间使用食品安全数据的多个食品机构中的一者。在其他示例中，第一食品机构不是在确定多个概率性分类器参数期间使用食品安全数据的多个食品机构中的一者。
[0177]
与第一食品机构相关联的食品安全数据可以包括来自一个或多个数据源的与第一食品机构相关联的数据，包括过去的卫生部门检查数据、观察数据、自我审计数据、清洁机数据、化学产品分配器数据、食品服务机数据、手部卫生依从性数据以及可以在食品服务机构处捕获到的或与食品服务机构处的食品安全性能相关的任何其他数据。
[0178]
另外，在预测阶段期间，计算设备将与第一食品机构相关联的食品安全数据映射到可行因子集合，以创建与第一食品机构相关联的可行因子数据集(270)。计算设备可以存储一个或多个映射(如图1a中所示出的数据因子映射56)，该一个或多个映射将从一个或多个数据源接收到的食品安全数据的单独数据点与可行因子集合相关。可以将来自一个或多个数据源的食品安全数据映射到可行因子集合，以创建可行因子数据集。
[0179]
另外，在预测阶段期间，计算设备确定第一食品机构在其下一次卫生部门检查时未能通过整数数量的标准化卫生部门检查问题的概率(272)。例如，计算设备可以通过向经过训练的神经网络提供可行因子数据集来确定食品机构未能通过整数数量的标准化卫生部门问题的概率。换句话说，计算设备可以基于可行因子数据集和在训练阶段期间确定的多个概率性分类器参数来确定第一食品机构未能通过整数数量的标准化卫生部门检查问题的概率。
[0180]
另外，在预测阶段期间，计算设备生成对所确定的概率的指示以供在用户计算设备上显示(274)。例如，计算设备可以生成包括对第一食品机构未能通过整数数量的标准化卫生部门检查问题的概率的指示的图形用户界面以供在用户计算设备上显示。对所确定的概率的指示可以显示在例如图形用户界面(如图4至图8中所示出的图形用户界面中的任一
者)上。指示可以包括文本和/或任何类型的图形用户界面元素，如图4至图8中所示出的仪表图标102、122、132和/或142。
[0181]
在一些示例中，标准化卫生部门检查问题的整数数量是范围在1与10之间的整数。可以选择或定制这个数字，使得食品机构或公司实体可以设置其在卫生部门检查时确定为不可接受的数量的失败的标准化问题或其想要被通知的其他数量的内容。
[0182]
在一些示例中，概率性分类器可以包括随机森林分类器或其他类型的决策树分类器的集合。然而，应理解，可以使用任何机器学习算法或技术，如泊松回归、逻辑回归、套索回归、梯度推进机器，并且本公开不限于这一方面。
[0183]
在一些示例中，每个训练对的第一数据集进一步包括与多个食品机构中的一者相关联的地理空间训练数据集。例如，地理空间训练数据包括来自在地理上接近食品机构的其他食品机构的数据。该地理空间训练数据可以是相关的，因为某些类型的违规可以在某些地理位置中更普遍(并且因此更有可能发生)。因此，地理空间训练数据在预测某些类型的违规时可以是有用的，因为其考虑了相对靠近食品机构定位的食品机构处的违规。
[0184]
在一些示例中，计算设备不需要在每次要确定食品机构未能通过整数数量的标准化卫生部门检查问题的概率时进行训练步骤(252、254)。例如，一旦已经在训练阶段确定了概率性参数，这些概率性参数可以由计算设备存储，如存储在图1b的预测风险模块33中，并且计算设备因此可以仅进行预测阶段的步骤(256、258和260)。
[0185]
图12是图示了计算设备可以基于来自食品机构(或一组食品机构)的一个或多个数据源的食品安全数据来生成性能分数的示例过程(280)的流程图。示例过程(280)可以作为计算机可读指令存储在如图1b的性能分数模块31中，该计算机可读指令在由计算设备(如图1a的服务器计算机设备30)执行时使计算设备确定食品机构或一组食品机构的性能分数。上面相对于性能分数计算描述了可以在示例过程(280)期间采用的示例等式。
[0186]
计算设备从一个或多个数据源接收与食品机构相关联的食品安全数据(282)。与多个食品机构中的每一者相关联的食品安全数据可以包括来自一个或多个数据源的数据，包括过去的卫生部门检查数据、观察数据、自我审计数据、清洁机数据、化学产品分配器数据、食品服务机数据、手部卫生依从性数据以及可以在食品服务机构处捕获到的或与食品服务机构处的食品安全性能相关的任何其他数据。
[0187]
计算设备将与食品机构相关联的食品安全数据映射到可行因子集合，以创建与食品机构相关联的可行因子数据集(284)。这类似于上面相对于如图11b中所示出的过程(266)的过程步骤(270)所描述的内容。例如，计算设备可以存储一个或多个映射(如图1a中所示出的数据因子映射56)，该一个或多个映射将从一个或多个数据源接收到的食品安全数据的单独数据点与可行因子集合相关。可以将来自一个或多个数据源的食品安全数据映射到可行因子集合，以创建可行因子数据集。
[0188]
计算设备为一组相似食品机构确定可行因子中的每一者的通过率(286)。所述一组相似食品机构可以包括相同类型的食品机构。食品机构的类型可以包括例如全方位服务餐厅、快餐店、速食店、自助餐厅、住宿、长期护理设施等。因此，如果要确定性能分数的食品机构是全方位服务餐厅，那么用于步骤(286)的所述一组相似食品机构将包括一个或多个其他全方位服务餐厅。
[0189]
计算设备为一组相似食品机构确定可行因子中的每一者的失败率(288)。如同通
过率，所述一组相似食品机构包括相同类型的食品机构。
[0190]
所述一组相似食品机构的每个可行因子的通过率(以及同样失败率)包括每个可行因子的“通过”(或“失败”)总数除以与该可行因子相关联的食品机构总数。由于食品安全数据对于所有食品机构来说并不一定相同的数据源，一些食品机构将包括映射到特定可行因子的食品安全数据，而一些食品机构将不会。因此，每个可行因子的通过率(以及同样失败率)仅考虑具有映射到该可行因子的食品安全数据的那些食品机构。
[0191]
计算设备还可以将权重应用于与食品机构相关联的每个可行因子(290)。
[0192]
计算设备基于与食品机构相关联的可行因子、相似食品机构组的那些可行因子中的每一者的通过率以及相似食品机构组的那些可行因子中的每一者的失败率来确定食品安全性能分数(292)。
[0193]
例如，对于必须计算分数值的所有站点，可以通过对每个站点的对应通过率和失败率值进行加权平均值计算来找到因子级别通过率和失败率值。这使用每个站点的时间值作为权重。如果只对单个站点感兴趣，那么该加权平均值不会改变通过率和失败率。
[0194]
性能分数计算的正面证据量是所计算的通过率、预期通过率、主题专业知识权重、可行因子的时间权重和数据源权重的函数。同样，分数计算的负面证据是失败率、预期失败率、主题专业知识权重、时间权重和数据源权重的函数。
[0195]
性能分数计算被设计成确保所得性能分数考虑了食品机构的正面证据和负面证据(例如正面证据包括指示食品机构“通过”特定可行因子的数据，而负面证据包括指示食品机构“未能通过”特定可行因子的数据)处于0至100的范围内，其中50作为平衡分数，并且创建可比较的分数，即使所讨论的站点具有不同数据集也是如此。为了实现这种比较能力，在评分过程中使用一致测量风险单位。具体地，评分逻辑考虑将不同数据集中的信息转换成用于食品安全管理的通用测量单位(例如将来自一个或多个数据源的与食品机构相关联的食品安全数据映射到可行因子集合)；基于市场中的典型观察失败和通过(例如一组相似食品机构的通过率和失败率)来鉴定和校准观察到的问题；以及根据关键度对风险进行分级(向可行因子中的每一者分配权重)。
[0196]
在另一示例中，计算设备(如图1a的服务器计算设备30)可以将对应于食品机构的食品安全的原始文本映射到可行因子集合。在第一示例中，计算设备可以从相关数据源加载原始文本。这可以包括来自卫生部门检查、技术服务审计、现场服务访问(例如清洁或有害生物)、自我审计清单、社交媒体数据等的原始文本。可以如通过移除上段字符、移除停用词、移除稀疏术语、移除标点符号、扩展缩写词等来对原始文本进行预处理。主题专家可以手动标识已处理文本的适用于可行因子的部分。使用算法来形成原始文本与所分配的可行因子类别之间的相关性，从而产生可行因子预测模型。各种算法可能能够在不同级别下实现这一点。一些示例算法包括关键字标识、随机森林、fasttext或任何其他适当的机器学习模型。在预测阶段期间，计算设备可以获得与食品机构相关联的新原始文本数据并且可以将可行因子预测模型应用于新文本数据，以将原始文本数据映射到食品机构的适当的可行因子。
[0197]
作为另一示例，计算设备可以从如上所述的相关数据源加载原始文本。可以如通过分割短语、移除上段字符、移除停用词、移除稀疏术语、移除标点符号、扩展缩写词等来对原始文本进行预处理。计算设备然后可以使用算法在原始文本中形成模式。各种算法可能
能够在不同级别下实现这一点。这方面的示例是已发布的算法潜在狄利克雷分布。主题专家可以手动评定标识对应于一个或多个可行因子的那些模式的已找到的模式。在预测阶段期间，计算设备可以获得与食品机构相关联的新原始文本数据并且可以将可行因子预测模型应用于新文本数据，以将原始文本数据映射到食品机构的适当的可行因子。
[0198]
所映射的可行因子可以用作确定性能分数和/或预测评分和预测风险(即，食品机构在其下一次卫生部门检查时未能通过整数数量的标准化卫生部门检查问题的概率)的一部分。表4示出了将原始文本映射到可行因子的示例。原始文本的突出显示部分是标识为包括用于映射的相关食品安全数据的那些部分。
[0199]
表4
[0200][0201]
在另一示例中，计算设备(如图1a的服务器计算设备30)可以标识食品机构的食品安全数据中的异常。例如，计算设备可以加载包含食品机构的特定时间帧内的历史数据的循环值数据集。这可以包括食品机构的每月产品销售或一段时间内手部卫生产品分配。计算设备可以应用统计方法，该统计方法可以用于标识与先前观察到的行为的偏差。换句话说，计算设备可以应用统计方法来标识历史数据中的异常值。例如，计算设备可以应用如图基围栏或泊松模型的算法来标识食品机构的历史数据中的异常值。计算设备可以根据模型创建阈值，该阈值标识循环值的异常变化。
[0202]
计算设备可以获得食品机构的新循环值并且将该新循环值与所创建的阈值进行比较。如果循环值被示出为异常，那么计算设备可以生成一个或多个通知。例如，在很长一段时间内缺乏产品购买的情况下，计算设备可以生成包括所建议的动作的通知。所建议的动作可以是例如验证仍然存在可用产品。作为另一示例，如果观察到过少手部卫生分配，那么计算设备可以生成应提供更多手部卫生训练的通知。该过程可以定期重复以创建更多最新阈值。
[0203]
图13是包括根据本公开的一种或多种技术的与机构相关联的示例化学产品分配事件数据的图310、320、330、340和350。图310、320、330、340和350还包括根据本公开的技术确定的示例预测化学产品分配事件数据。在这些示例中，化学产品分配事件数据是来自与机构相关联的一个或多个手部卫生产品分配器的手部卫生事件数据。然而，应理解，手部卫生事件的监测仅仅是化学产品分配的一个示例，其可以根据本公开的一种或多种技术来监测，并且本公开不限于这一方面。
[0204]
图310示出了在第一时间帧312内按周的示例历史手部卫生事件数据(例如检测到
的手部卫生分配事件的数量)、在第一时间帧之后的第二时间帧314、315内按周的实际手部卫生事件数据、基于第一时间帧内的历史手部卫生事件数据确定的手部卫生事件阈值316以及第二时间帧内的预测手部卫生事件数据318。类似地，图320、330、340和350示出了如图310中所示出的相同数据，但并非如同图310一般包括一周中的每一天的所有手部卫生事件数据，而是将数据进一步按轮次时间划分，如周次上午的图320、周次中午的图330、周次整夜的图340以及周次下午的图350。
[0205]
如在图310、320、330、340和350中可以看出，这些图包括由附图标记312、322、332、342和352指示的第一时间帧内的历史手部卫生事件数据。在该示例中，第一时间帧是8周(指示为第-8周到第-1周)。图还包括第二时间帧内的预测手部卫生事件数据，其中第二时间帧在第一时间帧之后。在该示例中，第二时间帧是接下来的一周(指示为第0周)。根据本公开的技术，计算设备可以基于第一时间帧内的手部卫生事件数据来预测第二时间帧内的手部卫生事件数据。图310、320、330、340和350中的每一者的预测手部卫生数据的示例被示出为“x”并且分别由附图标记318、328、338、348和358指示。预测手部卫生事件数据值可以以多种方式确定，并且应理解，本公开不限于这一方面。例如，计算设备可以确定第一时间段内的手部卫生事件数据的平均数、第一时间段内的手部卫生事件数据的中位数(平均值)，或使用基于第一预定时间段内的历史手部卫生事件数据来预测第二时间帧内的手部卫生事件数据的未来值的任何其他方法。
[0206]
对于图13的图所示出的每种类型的数据聚集，计算设备(如图1中所示出的计算设备22和/或30中的任何一者或多者)可以基于第一预定时间帧内的手部卫生事件数据来确定一个或多个手部卫生事件阈值。图310、230、330、340和350中的每一者的示例阈值分别由虚线316、326、336、346和356图示。手部卫生事件数据阈值可以以多种方式确定，并且应理解，本公开不限于这一方面。例如，计算设备可以使用任何类型的统计方法来确定手部卫生事件阈值，包括但不限于t分布、自回归求和移动平均(arima)、泊松回归、负二项式回归等。
[0207]
图13进一步示出了每个图310、320、330、340和350还包括第二时间帧内的实际手部卫生事件数据，如分别由附图标记314、324、334、344和354指示。由附图标记315、325、335、345和355指示的大数据点分别指示与预测手部卫生数据318、328、338、348和358同一天的实际手部卫生数据。
[0208]
根据本公开的一种或多种技术，计算设备可以将实际手部卫生事件数据与预测手部卫生事件数据和/或阈值进行比较，并且确定机构的一个或多个手部卫生分数或评级。例如，在图310中，手部卫生分配事件315的实际数量小于分配事件318的预测数量。类似地，手部卫生分配事件315的实际数量小于阈值316。如图320和330所示出，对于周次上午和周次中午，手部卫生分配事件325、335的实际数量分别高于预测数量328、338和阈值326、336，而图350示出了相同时间段内分配事件355的周次下午的数量低于预测数量358和阈值356。根据值之间的差异，计算设备可以分配指示特定的一天机构的手部卫生性能的一种或多种分类、评级或分数。这可以帮助机构了解手部卫生分配事件性能，并且还可以帮助比较不同轮次或其他相关时间段期间的手部卫生性能。
[0209]
例如，计算设备可以分配指示与预测和/或阈值相比的手部卫生性能的数值分数。计算设备可以分配指示与预测和/或阈值相比的手部卫生性能的相对级别的评级和/或颜色，如绿色＝优秀，浅绿色＝良好，黄色＝高于平均，橙色＝低于平均，红色＝不良并且深红
色＝非常差。作为另一示例，计算设备可以分配分数或评级，如“低于正常”、“正常”或“高于正常”。该数据可以显示在一个或多个仪表板(如图4至图8中所示出的仪表板中的任一者)上。以这种方式，图形用户界面使得用户能够在每周、每天和/或每轮次的基础上容易地查看和理解在手部卫生分配事件和/或消毒剂分配事件方面，机构在何处性能良好或性能不佳。这可以进一步使得机构能够诊断和解决与食品安全、感染风险相关的问题，因此提高了其性能分数和/或降低了其对与机构处的手部卫生性能相关的卫生部门问题的预测风险，或帮助降低卫生保健环境中的感染传播的风险。
[0210]
此外，计算设备可以进一步相对于与一个或多个其他所选择的机构相关联的手部卫生事件数据分析与第一机构相关联的手部卫生事件数据。这可以允许公司实体例如了解一个或多个公司位置处的手部卫生规范，比较和对比一个或多个位置中的手部卫生事件数据和/或标识应在何处实施旨在解决手部卫生性能中的任何感知不足的进一步培训和/或减轻过程。
[0211]
图14是包括根据本公开的技术的与机构相关联的示例化学产品分配事件数据的图360和370。图360和370还包括根据本公开的技术确定的示例预测化学产品分配事件数据。在这些示例中，化学产品分配事件数据是来自与机构相关联的一个或多个表面消毒剂产品分配器的消毒剂分配事件数据。然而，应理解，消毒剂分配事件的监测仅仅是化学产品分配的一个示例，其可以根据本公开的一种或多种技术来监测，并且本公开不限于这一方面。
[0212]
在该示例中，图360示出了按周的消毒剂分配事件数据，该消毒剂分配事件数据就消毒剂分配器致动器对于每个检测到的消毒剂分配事件“接通”的并且在特定时间段(在该示例中为一周中的几天)内累积的“接通时间”或总时间量而言进行表示。图360示出了在第一时间帧362内按周的历史消毒剂分配事件数据、在第一时间帧之后的第二时间帧364、365内按周的实际消毒剂分配事件数据、基于第一时间帧内的消毒剂分配事件数据确定的消毒剂分配事件阈值366以及在第二时间帧内按周的预测消毒剂分配事件数据368。类似地，图370示出了与图360中所示出的相同的数据，但并非如同图360一般包括一周中的每一天内的所有消毒剂分配事件数据，而是进一步按天包括数据，图370示出了工作日周三的消毒剂分配事件数据。也可以相对于一天或一周中的一个或多个不同时间聚集消毒剂分配事件数据，如图13中所示出的图表所示。
[0213]
在一些示例中，分配器致动器接通的“接通时间”或时间量可以与所分配的消毒剂的量(例如体积)相关。例如，某些自动化消毒剂分配器(如用于对食品接触表面、水槽和/或其他待消毒表面进行消毒的自动化消毒剂分配器)包括“接通”按钮、开关或其他类型的致动器，其在由用户致动时使液体消毒剂以预定流速进行分配。通过确定致动消毒剂分配器致动器的时间量，可以确定所分配的消毒剂的体积。还可以跟踪所分配的化学产品的量，并且还可以将其与历史数据进行比较，以了解机构处的化学产品使用。
[0214]
如在图360和370的每一者中可以看出，图包括第一时间帧内的历史消毒剂分配事件数据(在这些示例中为分配器接通时间)，由附图标记362和372所指示。在该示例中，第一时间帧是8周(指示为第-8周到第-1周)。这些图还包括在第一时间帧之后的第二时间帧内的预测消毒剂分配事件数据。在该示例中，第二时间帧是接下来的一周(指示为第0周)。根据本公开的技术，计算设备可以基于第一时间帧内的历史消毒剂分配事件数据来预测第二
时间帧内的消毒剂分配事件数据。图360和370中的每一者的预测消毒剂分配事件数据的示例被示出为“x”并且分别由附图标记368和378指示。预测消毒剂分配事件数据值可以以多种方式确定，并且应理解，本公开不限于这一方面。例如，计算设备可以确定第一时间帧内的消毒剂分配事件数据的平均数、第一时间帧内的消毒剂分配事件数据的中位数(平均值)，或使用确定表示第一时间帧内的消毒剂分配事件数据的阈值的任何其他方法。此外，可以调整第一时间帧的长度或第一时间帧中所包括的特定日期/时间，以便获得对机构处的消毒剂分配器使用的不同见解。
[0215]
对于图14的图所示出的每种类型的数据集合，计算设备可以基于第一时间帧内的消毒剂分配事件数据来确定一个或多个消毒剂分配事件阈值。图360和370中的每一者的示例阈值分别由虚线366和376图示。消毒剂分配事件数据阈值可以以多种方式确定，并且应理解，本公开不限于这一方面。例如，计算设备可以使用任何类型的统计方法来确定消毒剂分配事件阈值，包括但不限于t分布、自回归求和移动平均(arima)、泊松回归、负二项式回归等。
[0216]
图360还包括第二时间帧内的实际消毒剂分配事件数据，如附图标记364所指示。由附图标记365和375指示的大数据点分别指示与预测消毒剂分配事件数据368和378同一天的实际消毒剂分配事件数据。
[0217]
根据本公开的一种或多种技术，计算设备可以将实际消毒剂分配事件数据与预测消毒剂分配事件数据和/或阈值进行比较，并且确定机构的一个或多个消毒剂分配分数或评级。例如，在图360中，消毒剂分配事件365的接通时间明显小于消毒剂分配事件368的预测接通时间并且略小于阈值366。根据值之间的差异，计算设备可以分配指示特定的一天机构的消毒剂分配性能的一种或多种分类、评级或分数。这可以帮助机构了解消毒剂分配或使用性能，并且还可以帮助比较不同轮次或其他相关时间段期间的消毒剂分配或使用性能。
[0218]
例如，计算设备可以分配指示与预测和/或阈值相比的消毒剂分配事件性能或消毒剂使用的数值分数。计算设备可以分配指示与预测和/或阈值相比的消毒剂分配事件性能的相对级别的评级和/或颜色，如绿色＝优秀，浅绿色＝良好，黄色＝高于平均，橙色＝低于平均，红色＝不良并且深红色＝非常差。作为另一示例，计算设备可以分配分数或评级，如“低于正常”、“正常”或“高于正常”。该数据可以显示在一个或多个仪表板(如图4至图8中所示出的仪表板中的任一者)上。以这种方式，图形用户界面使得用户能够在每周、每天和/或每轮次的基础上容易地查看和理解在消毒剂使用和/或消毒剂分配事件方面，机构在何处性能良好或性能不佳。这可以进一步使得机构能够诊断和解决与食品安全、感染风险相关的问题，因此提高了其性能分数和/或降低了其对与机构处的消毒剂使用相关的卫生部门问题的预测风险，或帮助降低卫生保健环境中的感染传播的风险。
[0219]
此外，计算设备可以进一步相对于与一个或多个其他所选择的机构相关联的消毒剂分配事件数据分析与第一机构相关联的消毒剂分配事件数据。这可以允许公司实体例如了解一个或多个公司位置处的消毒剂使用规范，比较和对比一个或多个位置中的消毒剂分配事件数据和/或标识应在何处实施旨在解决消毒剂使用中的任何感知不足的进一步培训和/或减轻过程。
[0220]
在一些示例中，根据本发明，计算设备可以分析历史化学产品分配事件数据，如手
部卫生产品分配事件数据和/或消毒剂分配事件数据，以排除偏离数据并且可以导致对未来分配事件数据或阈值确定的不正确预测的异常值或其他极值。例如，手部卫生上下文，图13的图340包括来自夜班的分配事件数据，夜班时很少有人工作，但在此期间仍可以发生少量的分配事件。在某些情况下，可能需要排除此示例中的数据，因为这可能导致其他时间段的预测或整体预测不准确。作为另一示例，在消毒剂分配上下文中，典型消毒剂分配可以涉及将喷雾瓶装满或将消毒剂分配到桶中。然而，偶尔在食品服务上下文中，在填充3格水槽时可以使用大量的消毒剂。因此，可能需要排除对应于这些相对不太频繁的事件的具有超长“接通时间”的数据点。根据本公开的一种或多种技术，排除背离数据中的总体模式的此类异常值可以导致对未来化学产品分配事件数据的更准确预测，如基于历史手部卫生分配事件数据来预测未来某个时间点的手部卫生分配事件的数量，或基于历史消毒剂分配事件数据来预测消毒剂分配事件的数量、消毒剂分配接通时间或所分配的消毒剂的量。与历史化学产品分配器性能相比，此类技术还可以导致更准确地表征当前或未来化学产品分配性能，这可以进一步导致对机构处的化学产品分配器性能的更好且更准确的了解。
[0221]
图15是图示了根据本公开的技术的计算设备可以分析机构的化学产品分配事件数据的示例过程(400)的流程图。在该示例中，化学产品分配事件数据是从与机构相关联的一个或多个手部卫生产品分配器接收到的手部卫生分配事件数据。然而，应理解，手部卫生事件的监测仅仅是化学产品分配的一个示例，其可以根据本公开的一种或多种技术来监测，并且本公开不限于这一方面。
[0222]
计算设备(如图1a中所示出的服务器计算设备30或用户计算设备22中的任何一者或多者)可以执行示例过程(400)。在一些示例中，过程(400)可以包括存储在如图1a和图1b中所示出的分析模块32和/或性能分数模块31和/或预测风险模块33中的计算机程序代码。在其他示例中，服务器计算设备30和/或用户计算设备(22)可以另外或替代地包括配置为执行示例过程(400)的处理电路系统。
[0223]
如图15的示例中所示出，计算设备接收在第一时间帧内与第一机构相关联的手部卫生事件数据(402)。例如，第一时间帧可以包括一周或几周，在此期间在机构处监测手部卫生分配事件。例如，在本文中相对于图13描述的示例中，接收手部卫生事件数据的第一时间帧是8周。
[0224]
计算设备基于在第一时间帧内与机构相关联的手部卫生数据来确定与机构相关联的一个或多个手部卫生事件阈值(404)。例如，计算设备可以使用任何类型的统计分析来标识表示在第一时间帧内与机构相关联的手部卫生事件数据的阈值。通常，阈值基于机构的历史手部卫生分配事件数据来设置机构的未来手部卫生分配事件性能的预期值或值的范围。换句话说，阈值尝试设置值或值的范围，通过该值或值的范围可以比较一个或多个未来时间帧内的分配事件数据，以获得与过去手部卫生性能相比的手部卫生性能的见解，或在一个时间段与另一个时间段之间获得手部卫生性能的见解。
[0225]
计算设备基于在第一时间帧与机构相关联的手部卫生事件数据来预测在第一时间帧之后的第二时间帧内的手部卫生事件数据(406)。通常，预测尝试基于机构的历史手部卫生分配事件数据来为机构在某个未来时间的预测数量的手部卫生分配事件性能设置预期值或值的范围。例如，预测可以是来自第一时间帧的手部卫生数据的平均值或平均数或可以是基于第一时间帧内的历史手部卫生数据来预测第二时间帧内的手部卫生数据的某
种其他方法。
[0226]
计算设备接收在第二时间帧内与机构相关联的手部卫生数据(408)。例如，第二时间帧可以包括一周或几周，在此期间在机构处监测手部卫生分配事件。例如，在本文中相对于图13描述的示例中，接收手部卫生事件数据的第二时间帧是紧接在第一时间帧中所包括的八周之后的单个周。
[0227]
计算设备可以基于第二时间帧内的手部卫生数据和手部卫生事件阈值来确定与机构相关联的手部卫生分数(410)。例如，计算设备可以将在第二时间帧期间的一天或多天期间或一个或多个轮次期间发生的手部卫生分配事件的数量与对应阈值进行比较。如果手部卫生分配事件的数量满足或超过对应阈值，那么计算设备可以分配“令人满意”的分数或满足阈值的任何其他分数或指示。如果手部卫生分配事件的数量没有超过对应阈值，那么计算设备可以分配“不令人满意”的分数或在对应间隔期间手部卫生分配事件的数量不满足阈值的任何其他分数或指示。
[0228]
计算设备可以将与第一机构相关联的手部卫生分数同与一个或多个所选择的机构相关联的一个或多个手部卫生分数进行比较(412)。与一个或多个所选择的机构的手部卫生分数和/或数据相比，计算设备可以进一步生成机构的手部卫生分数、评级和/或数据以供在用户计算设备上显示，或将比较显示为一个或多个图形元素，如本文中相对于图4至图8所示出和描述。
[0229]
计算设备可以将与第一机构相关联的手部卫生数据同与一个或多个所选择的机构相关联的手部卫生数据进行比较(414)。与在其他所选择的机构处发生的手部卫生分配事件的数量相比，这可以允许用户查看和比较在机构处发生的手部卫生事件的数量。
[0230]
计算设备可以将在第二时间帧内与第一机构相关联的手部卫生数据与在第二时间帧内与机构相关联的预测手部卫生数据进行比较(416)。这可以允许用户查看和比较在机构处发生的手部卫生事件的数量与手部卫生事件的预测数量。例如，计算设备可以将在第二时间帧期间的一天或多天期间或一个或多个轮次期间发生的手部卫生分配事件的数量与那些时间段内的分配事件的预测数量进行比较。如果手部卫生分配事件的数量小于预测数量，那么计算设备可以生成通知以供在用户计算设备上显示。计算设备可以进一步生成一个或多个所推荐的动作以供在用户计算设备上显示，该所推荐的动作旨在解决或理解小于预测数量的手部卫生分配事件，如本文中相对于图4至图8所示出和描述。计算设备可以进一步生成手部卫生事件阈值、手部卫生数据、评级和/或分数、手部卫生事件的预测数量以及任何其他手部卫生数据以供在用户计算设备上显示，如本文中相对于图4至图8和/或图13所示出和描述。
[0231]
图16是图示了根据本公开的技术的计算设备可以分析机构的消毒剂分配事件数据的示例过程(440)的流程图。在该示例中，化学产品分配事件数据是从与机构相关联的一个或多个表面消毒剂分配器接收到的消毒剂分配事件数据。然而，应理解，消毒剂分配事件的监测仅仅是化学产品分配的一个示例，其可以根据本公开的一种或多种技术来监测，并且本公开不限于这一方面。
[0232]
计算设备(如图1a中所示出的服务器计算设备30或用户计算设备22中的任何一者或多者)可以执行示例过程(440)。在一些示例中，过程(440)可以包括存储在如图1a和图1b中所示出的分析模块32和/或性能分数模块31和/或预测风险模块33中的计算机程序代码。
在其他示例中，服务器计算设备30和/或用户计算设备(22)可以另外或替代地包括配置为执行示例过程(440)的处理电路系统。
[0233]
如图16的示例中所示出，计算设备接收在第一时间帧内与第一机构相关联的消毒剂分配事件数据(442)。消毒剂分配事件数据可以就与机构相关联的一个或多个消毒剂分配器的“接通时间”而言进行表示。在一些示例中，第一时间帧可以包括一周或几周，在此期间在机构处监测消毒剂分配事件。例如，在本文中相对于图14描述的示例中，接收消毒剂分配事件数据的第一时间帧是8周。
[0234]
计算设备基于在第一时间帧内与机构相关联的消毒剂分配事件数据来确定与机构相关联的一个或多个消毒剂分配事件阈值(444)。例如，计算设备可以使用任何类型的统计分析来标识表示在第一时间帧内与机构相关联的消毒剂分配事件数据的阈值。通常，阈值基于机构的历史消毒剂分配事件数据来设置机构的未来消毒剂分配事件性能的预期值或值的范围。换句话说，阈值尝试设置值或值的范围，通过该值或值的范围可以比较一个或多个未来时间帧内的分配事件数据，以获得与过去消毒剂使用相比的消毒剂使用的见解，或在一个时间段与另一个时间段之间获得消毒剂使用的见解。
[0235]
计算设备基于在第一时间帧内与机构相关联的消毒剂分配事件数据来预测在第一时间帧之后的第二时间帧内的消毒剂分配事件数据(446)。通常，预测尝试基于机构的历史消毒剂分配事件数据来为机构的消毒剂分配器在某个未来时间的接通时间设置预期值或值的范围。
[0236]
计算设备接收在第二时间帧内与机构相关联的消毒剂分配事件数据(448)。例如，第二时间帧可以包括一周或几周，在此期间在机构处监测消毒剂分配事件。例如，在本文中相对于图13描述的示例中，接收消毒剂分配事件数据的第二时间帧是紧接在第一时间帧中所包括的八周之后的单个周。
[0237]
计算设备可以基于第二时间帧内的消毒剂分配事件数据和消毒剂分配事件阈值来确定与机构相关联的消毒剂使用分数(450)。例如，计算设备可以将对应于在第二时间帧期间的一天或多天期间或一个或多个轮次期间发生的一个或多个分配事件的消毒剂分配事件的数量和/或接通时间与对应阈值进行比较。如果消毒剂分配事件的数量和/或分配事件的接通时间满足对应阈值，那么计算设备可以分配“令人满意”的分数或满足阈值的任何其他分数或指示。如果消毒剂分配事件的数量不满足对应阈值，那么计算设备可以分配“不令人满意”的分数或在对应间隔期间消毒剂分配事件的数量或分配器接通时间不满足阈值的任何其他分数或指示。
[0238]
计算设备可以将与第一机构相关联的消毒剂使用分数同与一个或多个所选择的机构相关联的一个或多个消毒剂使用分数进行比较(452)。与一个或多个所选择的机构的消毒剂使用分数和/或数据相比，计算设备可以进一步生成机构的消毒剂使用分数、评级和/或数据以供在用户计算设备上显示，或将比较显示为一个或多个图形元素，如本文中相对于图4至图8所示出和描述。
[0239]
计算设备可以将与第一机构相关联的消毒剂分配事件数据同与一个或多个所选择的机构相关联的消毒剂分配事件数据进行比较(454)。与在其他所选择的机构处发生的消毒剂分配事件的数量相比，这可以允许用户查看和比较在机构处发生的消毒剂分配事件的数量。
[0240]
计算设备可以将在第二时间帧内与第一机构相关联的消毒剂分配事件数据与在第二时间帧内与第一机构相关联的预测消毒剂分配事件数据进行比较(416)。与消毒剂分配事件的预测数量和/或一个或多个消毒剂分配事件的预测体积相比，这可以允许用户查看在机构处发生的消毒剂分配事件的数量和/或在每个消毒剂分配事件期间分配的消毒剂的量或体积。例如，计算设备可以将在第二时间帧期间的一天或多天期间或一个或多个轮次期间发生的消毒剂分配事件的数量与那些时间段内的消毒剂分配事件的预测数量进行比较。如果消毒剂分配事件的数量小于预测数量，那么计算设备可以生成通知以供在用户计算设备上显示。计算设备可以进一步生成一个或多个所推荐的动作以供在用户计算设备上显示，该所推荐的动作旨在解决或理解小于预测数量的消毒剂分配事件或小于预测量或体积的所分配的消毒剂，如本文中相对于图4至图8所示出和描述。计算设备可以进一步生成消毒剂分配事件阈值、消毒剂分配事件数据、评级和/或分数、消毒剂分配事件的预测数量、一个或多个消毒剂分配事件的预测量以及任何其他消毒剂分配事件数据以供在用户计算设备上显示，如本文中相对于图4至图8和/或图13所示出和描述。
[0241]
在一些示例中，本文中所描述的系统、方法和/或技术可以囊括一个或多个计算机可读介质，该计算机可读介质包括使处理器(如处理器202)进行上述技术的指令。“计算机可读介质”包括但不限于只读存储器(rom)、随机存取存储器(ram)、非易失性随机存取存储器(nvram)、电可擦除可编程只读存储器(eeprom)、闪速存储器、磁硬盘驱动器、磁盘或磁带、光盘或磁光盘、全息介质等。指令可以实施为一个或多个软件模块，其可以由其自身或与其他软件组合执行。“计算机可读介质”还可以包括调制或编码为通过传输线或无线通信信道传输指令的载波。与瞬态通信介质相反，当计算机可读介质配置为在物理的有形元件中存储数据时，可以将计算机可读介质描述为“非暂时性的”。因此，与通过传输线或无线通信信道传输的载波或数据相反，非暂时性计算机可读介质应被理解为包括类似于上述有形介质的介质。
[0242]
指令和介质不必与任何特定计算机或其他装置相关联，而是可以由各种通用或专用机器来执行。指令可以分布在两个或更多个介质之间并且可以由两个或更多个机器执行。机器可以直接彼此偶接或者可以通过如本地访问网络(lan)等网络或者如因特网等全球网络偶接。
[0243]
本文中所描述的系统和/或方法还可以体现为一个或多个设备，该一个或多个设备包括执行本文中所描述的功能或方法的逻辑电路系统。逻辑电路系统可以包含可编程用于通用目的或可以专用的处理器，如微控制器、微处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)等。
[0244]
本文描述的技术中的一种或多种技术可以在软件中部分或全部执行。例如，计算机可读介质可以存储计算机可读指令或以另外包括计算机可读指令，即可以由处理器执行以执行上述技术中的多种技术之一的程序代码。用于执行此类指令的处理器可以在硬件中实施，例如实施为一个或多个基于硬件的中央处理单元或如上所述的其他逻辑电路系统。
[0245]
示例
[0246]
示例1.一种方法，其包括：由计算设备从一个或多个数据源接收与食品机构相关联的食品安全数据；将与食品机构相关联的食品安全数据映射到可行因子集合；由计算设备基于与食品机构相关联的所映射的可行因子来确定与食品机构相关联的食品安全性能
分数；由计算设备基于来自一个或多个数据源的与食品机构相关联的食品安全数据来确定与食品机构相关联的预测风险；以及生成对所确定的食品安全性能分数和所确定的预测风险的指示以供在用户计算设备上显示。
[0247]
示例2.根据示例1的方法，其中食品安全数据包括与食品机构相关联的卫生部门检查数据、观察数据、清洁机数据和化学产品分配器数据。
[0248]
示例3.根据示例2的方法，其中观察数据包括对机构的结构、环境卫生和维护条件的观察。
[0249]
示例4.根据示例2的方法，其中观察数据包括由雇员或食品机构获得的自我审计数据。
[0250]
示例5.根据示例1的方法，其中一个或多个数据源包括与食品机构相关联的手部卫生依从性系统，并且其中食品安全数据包括针对食品机构的手部卫生依从性数据。
[0251]
示例6.根据示例1的方法，其中食品安全预测风险包括食品机构未能通过整数数量的标准化卫生部门检查问题的概率。
[0252]
示例7.根据示例6的方法，其中标准化卫生部门检查问题的整数数量是1与10之间的整数。
[0253]
示例8.根据示例1的方法，其中食品机构具有相关联的食品机构类型，并且其中食品安全性能分数是相对于具有相同的相关联的食品机构类型的其他食品机构的。
[0254]
示例9.根据示例1的方法，其进一步包括向与用户相关联的移动计算设备生成推荐训练程序或产品推荐中的至少一者的通知。
[0255]
示例10.根据示例1的方法，其进一步包括生成包括所推荐的训练程序或产品推荐中的至少一者的图形用户界面以供在用户计算设备上显示。
[0256]
示例11.根据示例9或10的方法，其中产品推荐包括清洁产品或洗手产品中的一者。
[0257]
示例12.一种系统，其包括：与食品机构相关联的一个或多个数据源，该一个或多个数据源监测与食品机构的食品安全性能相关的参数；服务器计算设备，其从与食品机构相关联的一个或多个数据源接收食品安全数据，食品安全数据包括与食品机构的食品安全性能相关的监测参数，该服务器计算设备包括：一个或多个处理器；将与食品机构相关联的食品安全数据与可行因子集合相关的映射；性能分数模块，其包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器基于与食品机构相关联的所映射的可行因子来确定与食品机构相关联的食品安全性能分数；以及预测风险模块，其包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器基于与食品机构相关联的所映射的可行因子来确定与食品机构相关联的预测风险，其中计算设备进一步生成对所确定的食品安全性能分数和所确定的预测风险的指示以供在用户计算设备上显示。
[0258]
示例13.根据示例12的系统，其中食品安全数据包括与食品机构相关联的卫生部门检查数据、观察数据、清洁机数据和化学产品分配器数据。
[0259]
示例14.根据示例12的系统，其中一个或多个数据源包括与食品机构相关联的手部卫生依从性系统，并且其中食品安全数据包括针对食品机构的手部卫生依从性数据。
[0260]
示例15.根据示例12的系统，其中食品安全预测风险包括食品机构未能通过整数
数量的标准化卫生部门检查问题的概率。
[0261]
示例16.根据示例15的方法，其中标准化卫生部门检查问题的整数数量是1与10之间的整数。
[0262]
示例17.根据示例12的方法，其进一步包括向与用户相关联的移动计算设备生成推荐训练程序或产品推荐中的至少一者的通知。
[0263]
示例18.根据示例12的方法，其进一步包括生成包括所推荐的训练程序或产品推荐中的至少一者的图形用户界面以供在用户计算设备上显示。
[0264]
示例19.根据示例17或18的方法，其中产品推荐包括清洁产品或洗手产品中的一者。
[0265]
示例20.一种方法，其包括：在训练阶段期间：在服务器计算设备处接收多个数据集训练对，其中每个训练对的第一数据集包括与多个食品机构中的一者相关联的可行因子训练数据集，并且其中每个训练对的第二数据集包括多个食品机构中的相同食品机构的标准化卫生部门检查问题训练数据集；由服务器计算设备基于多个数据集训练对来确定多个概率性分类器参数，其中概率性分类器预测食品机构未能通过整数数量的标准化卫生部门检查问题的概率；在预测阶段期间：在服务器计算设备处的概率性分类器处接收与第一食品机构相关联的食品安全数据集；将食品安全数据集映射到可行因子集合，以创建与第一食品机构相关联的可行因子数据集；由服务器计算设备基于可行因子数据集和多个概率性分类器参数来确定第一食品机构未能通过整数数量的标准化卫生部门检查问题的概率；以及由服务器计算设备生成对所确定的概率的指示以供在用户计算设备上显示。
[0266]
示例21.根据示例20的方法，其中标准化卫生部门检查问题的整数数量是1与10之间的整数。
[0267]
示例22.根据示例20的方法，其中概率性分类器是随机森林分类器。
[0268]
示例23.根据示例20的方法，其中每个训练对的第一数据集进一步包括与多个食品机构中的一者相关联的地理空间训练数据集。
[0269]
示例24.根据示例20的方法，其中第一食品机构是数据集训练对中的多个食品机构中的一者。
[0270]
示例25.根据示例20的方法，其中第一食品机构不是数据集训练对中的多个食品机构中的一者。
[0271]
示例26.根据示例20的方法，其中对所确定的概率的指示包括图形用户界面，该图形用户界面包括第一食品机构未能通过整数数量的标准化卫生部门检查问题的概率。
[0272]
示例27.一种方法，其包括：从一个或多个数据源获得与食品机构相关联的食品安全数据；将与食品机构相关联的食品安全数据映射到可行因子集合，以创建与食品机构相关联的可行因子数据集；通过向经过训练的神经网络提供可行因子数据集来确定食品机构未能通过整数数量的标准化卫生部门问题的概率；以及生成对所确定的概率的指示以供在用户计算设备上显示。
[0273]
示例28.一种方法，其包括：从一个或多个数据源接收与食品机构相关联的食品安全数据；将与食品机构相关联的食品安全数据映射到可行因子集合；为一组相似食品机构确定可行因子中的每一者的通过率；为所述一组相似食品机构确定可行因子中的每一者的失败率；将权重应用于与食品机构相关联的可行因子中的每一者；以及基于与食品机构、权
重、通过率和失败率相关联的可行因子来确定食品安全性能分数。
[0274]
示例29.一种系统，其包括：与机构相关联的一个或多个化学产品分配器；计算设备，其从一个或多个化学产品分配器接收第一时间帧内的化学产品分配事件数据；该计算设备包括：一个或多个处理器；以及性能分数模块，其包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器基于第一时间帧内的化学产品分配事件数据来确定化学产品分配事件阈值并且基于化学产品分配事件阈值和在第二时间帧内接收到的化学产品分配事件数据来确定与机构相关联的化学产品性能分数，其中计算设备进一步生成对所确定的化学产品性能分数的指示以供在用户计算设备上显示。
[0275]
示例30.根据示例29的系统，其进一步包括预测模块，该预测模块包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器确定在第一时间帧之后的第二时间帧内的预测数量的化学产品分配事件，该预测模块进一步包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器将在第二时间内接收到的化学产品分配事件数据与第二时间帧内的预测数量的化学产品分配事件进行比较，其中计算设备进一步生成对在第二时间内接收到的化学产品分配事件数据与第二时间帧内的预测数量的化学产品分配事件之间的比较结果的指示以供在用户计算设备上显示。
[0276]
示例31.根据示例29的系统，其中一个或多个化学产品分配器包括一个或多个手部卫生产品分配器。
[0277]
示例32.根据实施例29的系统，其中一个或多个化学产品分配器包括一个或多个消毒剂产品分配器。
[0278]
示例33.根据示例29的系统，其中化学产品分配事件数据包括在第一时间帧期间与一个或多个化学产品分配器相关联的多个分配事件。
[0279]
示例34。根据示例29的系统，其中化学产品分配事件数据包括在第一时间帧期间与一个或多个化学产品分配器相关联的总接通时间。
[0280]
示例35.一种系统，其包括：与机构相关联的一个或多个化学产品分配器；计算设备，其从一个或多个化学产品分配器接收第一时间帧内的化学产品分配事件数据；该计算设备包括一个或多个处理器；以及预测模块，其包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器确定在第一时间帧之后的第二时间帧内的预测数量的化学产品分配事件，该预测模块进一步包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器将在第二时间内接收到的化学产品分配事件数据与第二时间帧内的预测数量的化学产品分配事件进行比较，其中计算设备进一步生成对在第二时间内接收到的化学产品分配事件数据与第二时间帧内的预测数量的化学产品分配事件之间的比较结果的指示以供在用户计算设备上显示。
[0281]
示例36.根据示例35的系统，其进一步包括性能分数模块，该性能分数模块包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使一个或多个处理器基于第一时间帧内的化学产品分配事件数据来确定化学产品分配事件阈值并且基于化学产品分配事件阈值和在第二时间帧内接收到的化学产品分配事件数据来确定与机构相关联的化学产品性能分数，其中计算设备进一步生成对所确定的化学产品性能分数的指示以供在用户计算设备上显示。
[0282]
已经描述了各种示例。这些示例和其他实施例在所附权利要求书的范围内。