一种微生物预警预报系统及方法与流程

1.本发明涉及微生物预测信息技术领域，尤其涉及一种微生物的预警预报系统。


背景技术：

2.微生物是产品腐坏、影响产品品质的一大原因，产品腐败常常会给客户带来直接的经济损失。预测微生物学(predictive microbiology)是一门结合微生物学、化学、数学、统计学和应用计算机技术的交叉性学科，它采用数学的方法描述不同环境条件下，细菌数变化和外部环境因素之间的响应关系，并对微生物的生长动力学做出预测，从而为客户正确处理产品做出贡献。因此，为了防范于未然，微生物的预测成为了产品生产销售中极其重要的环节。
3.目前，世界上已经开发了十几种微生物预测软件，其中最著名的是1992年英国农业、渔业和食品部(ukmaff)基于数据库和数学模型开发了食品微生物模型fm(food micromodel)、美国农业部开发的病原菌模型程序pmp(pathogen modeling program)以及前两者整合而来的combase(combined database)，这些软件通常是根据食物的贮藏环境条件和食品材料以及当前的品质状态进行风险评估、预测食品的货架期。
4.但是，上述系统的考察因素以及预测方法都有较大的局限性，且目前预测微生物学以及现存的一些预测系统(如上述软件)都重点适用于食品领域，而忽视了工业涂料、化妆品、日用品等领域的需求。


技术实现要素：

5.为了解决上述问题至少之一，本发明提供一种全新的微生物预警预报系统及方法，可从产品的原材料到生产工厂、生产工艺再到产品的销售使用进行全面、系统地评估与分析，适用于各个领域(如化工涂料、化妆品、日用品等)，使其具备更加广泛的应用领域及市场。
6.上述的一种微生物预警预报系统，包括数据整合模块、运算建模模块、模型检验模块以及总评模块；
7.所述数据整合模块将自建微生物信息、已公开微生物信息与系统获取的客户信息进行关联，并将所述关联数据传输至所述运算建模模块；
8.所述运算建模模块根据预设算法对对所述关联数据进行运算，构建出个性化定制模型并得出运算和分析结果，并将模型运算结果传输至所述模型验证模块；
9.所述模型检验模块将模型运算结果与实际情形进行比较，验证个性化定制模型的准确性及合理性，并将处理后的信息传输至所述总评模块；
10.所述总评模块根据所述模型检验模块的信息输出微生物污染风险指数、风险说明及建议改善方案；
11.其特征在于，所述运算建模模块进一步包含：
12.工厂评估模块，对工厂内外部环境以及工厂制度、管理水平进行分析、评估；
13.产品评估模块，根据产品原材料、储存及防腐方式、产品使用情况对产品进行微生物、防腐性、污染原因进行分析评估；
14.工艺评估模块，对样品生产工艺中的所有环节进行评估；且
15.所述模型检验模块进一步包含：
16.数据验证模块，用于将模型运算结果与实际情形进行对比，并得出验证结果；
17.数据校正模块，当所述验证结果误差较大时，用于调整所述模型运算结果。
18.上述系统中，所述数据整合模块还进一步包含：
19.微生物数据库构建模块，用于储存自建微生物信息资料以及获取已经公开的微生物信息资料；
20.信息输入模块，用于录入和/或自动获取水系统、产品生产工艺、工厂环境、工厂管理、产品及产品使用信息。
21.上述系统中，所述工厂评估模块进一步包含：
22.工厂环境评估模块，对工厂所在地的地理位置、外部气候、季节性因素以及工厂内部卫生环境因素进行分析评估；
23.工厂管理评估模块，对工厂的人员和文档管理以及卫生管理进行分析评估；
24.水系统评估模块，对工厂的工艺用水及清洗用水进行分析评估。
25.上述系统中，所述产品评估模块还进一步包含原材料分析模块；所述产品评估模块进一步包含污染史跟踪模块，用于对样品中耐药菌的监测。
26.上述系统中，所述总评模块进一步包含：
27.风险指示模块，根据信息处理模块评估的数据指示微生物污染风险指数；
28.解读模块，用于解读所述微生物污染风险指数；
29.优化建议模块，根据所述风险指示模块的微生物污染风险指数给出相应的改善方案。
30.上述系统中，所述解读模块进一步包含：
31.自动解读模块，根据微生物污染的所述微生物污染风险指数自动输出初步解读结果；
32.咨询解读模块，用于与专家对话以详细、深入地解读所述微生物污染风险指数。
33.上述系统中，所述信息输入模块进一步包含位置感应模块，用于自动识别工厂位置信息，并根据所述位置信息自动读取所在地的平均湿度、平均温度、气候及季节性信息。
34.同时，本发明还介绍了一种微生物预警预报方法，该方法包括：
35.步骤1：建立微生物信息数据库，汇总各种微生物信息资料以及对应的药敏信息。
36.步骤2：录入或自动获取水系统、产品生产工艺、工厂环境、工厂管理、产品及产品使用信息；
37.步骤3：制定各变量对微生物污染风险的贡献指数评分方案，将所述步骤2中的信息与所述步骤1中微生物信息数据库的资料进行关联，并制定出各变量对微生物污染风险的贡献指数评分方案。
38.步骤4：运算(运算规则)及拟合，根据所述步骤3中的微生物污染风险指数评分方案确定运算及拟合方法，并根据此方法进行运算及拟合；
39.步骤5：建立个性化定制模型，根据所述步骤4的运算、拟合结果构建个性化定制模
型，得出模型运算结果；
40.步骤6：检验及校正所述步骤5中的模型运算结果，将模型运算结构与实际情形进行对比，若准确度或拟合度低则对所述模型运算结果进行校正；
41.步骤7：根据所述步骤6中经过检验或校正的模型运算结果，输出总体微生物污染风险指数评分；
42.步骤8：对所述步骤7中的微生物污染风险指数评分进行解读，分析污染原因，给出操作建议及改善方案。
43.上述方法中，所述步骤1中的微生物信息资料包含自建微生物信息资料以及已经公开的微生物信息资料；所述步骤2中的产品使用信息包含产品原材料信息、产品防腐及储存信息；所述步骤2还进一步包含录入或自动获取微生物污染史信息。
44.上述方法中，所述步骤8中的解读包含系统自动解读及专家解读；所述步骤8还进一步包含预测样品货架期、推荐防腐体系以及优化添加剂量。
45.本发明的优点和有益效果在于：
46.本发明提供了一种全新的微生物预警预报方法及系统，采用多种模块及分析评估方法的组合，对产品生产工厂的内外部环境条件、工厂管理、产品原材料、产品生产工艺、产品的使用进行全面、系统、多维化分析，同时添加了模型验证模块以及专家解读模块及专家解读环节，达到了预测及建议结果更加精准、应用领域更加广泛、解读方式更加详细、便捷等目的。
附图说明
47.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
48.图1是本发明的一种实施例中生物预警预报系统的结构框图；
49.图2是本发明的一种实施例中生物预警预报方法的流程图。
具体实施方式
50.下面结合附图和实施例，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
51.系统
52.如图1所示，本发明记载了一种微生物预警预报系统，包含数据整合模块、运算建模模块以及总评模块。数据整合模块具有汉宁自建微生物信息(包括汉宁收集的多种标准菌株以及积累的客户野生菌株等)，同时还收录、记载了已公开的微生物的信息(如常见的相关微生物生长和存活的数据档案)，数据整合模块内部可建立数据库，用于储存上述自建微生物信息资料以及获取已经公开的微生物信息资料；还可独立设置信息输入模块，用于输入及缓存水系统、产品生产工艺、工厂环境、工厂管理、产品及产品使用信息。之后，数据整合模块根据实际对象的特征，将微生物信息与获取的客户信息(具体信息种类可参见后文实施例)进行关联后，可将其转化成精确的数学语言并将所述关联数据传输至所述运算
建模模块；所述运算建模模块根据预设算法对对所述关联数据进行运算，构建出个性化定制模型并得出运算和分析结果，然后将模型运算结果传输至所述模型验证模块；模型检验模块将接收到的模型运算和分析结果与实际情形(如客户历史记录、历史结果)进行比较，验证模型的准确性和合理性。进一步地，模型检验模块可具有数据验证模块以及数据校正模块，数据验证模块将模型运算结果与实际情形进行对比，如果吻合，则对结果给出判定标准，并得出微生物污染风险指数及相应解释，并将所述微生物污染风险指数、个性化定制模型信息传输至所述总评模块；如果吻合性较差，则通过数据校正模块修改输入信息，再次建模；总评模块可根据运算建模模块的信息输出风险等级、风险说明及建议改善方案。为了更加全面地对各种微生物(包括食品领域及化工、日用品、化妆品等领域微生物)进行分析，令预测结果更加精准，输出更加准确、系统的建议及完善措施，本发明所记载的微生物预警预报系统的运算建模模块通过其内部的工厂评估模块、产品评估模块、工艺评估模块，对工厂的内外环境、管理以及产品从原材料、生产加工到销售使用的各个环节进行分析评估。具体地，工厂评估模块用于分析、评估工厂内外部环境以及工厂制度、管理水平；产品评估模块，用于根据产品原材料、储存及防腐方式、产品使用情况对产品进行微生物、防腐性、污染原因等的分析；工艺评估模块，用于对样品生产工艺中的所有环节进行评估。以上各模块之间的参数之间会有交互影响，在运算过程中，通过回归模型等方法尽量消除共线性。优选地，工厂评估模块内部可划分为工厂环境评估模块以及水系统评估模块。工厂环境评估模块用于对客户工厂所在地的地理位置、及地理位置的平均温度、湿度、气候、季节性因素(如华南的回南天、华东的梅雨季节等，具体到温度和湿度及其变化等)以及客户工厂内部卫生环境进行全方位分析及评估；工厂管理评估模块可对工厂内部人员和文档管理进行分析评估；水系统模块将评估工厂的工艺用水以及清洗用水，并对评估结果进行分析。最终根据将各个分析、评估结果利用特定算法进行汇总、并建立相应的微生物预测模型(个性化定制模型)。
53.另外，产品评估模块还可进一步包含原材料分析模块，用于分析原材料中微生物的含量和种类，同时为了更加精准地对可能污染产品的微生物进行预测，产品评估模块还可加入污染史跟踪模块，用于追溯产品过往的微生物污染投诉史或污染史，并根据污染史或客户给出的信息判断是否含有耐药菌。
54.数据整合模块内部可以进步划分出一套信息输入模块，此模块可通过预设指令或算法，获取其将要分析的数据信息(具体参见后文实施例)，如，可以令客户填写系统分析所需信息，并形成相应的二维码，此时，微生物预警预报系统可配合相应的读码设备(如扫码枪)读取二维码来读取信息，当然，也可直接通过人工手动录入的方式直接将信息输入并缓存于模块中。本发明还提供了一种优选方案，信息输入模块内部含有位置感应模块，当其安装至客户端后，位置感应模块可自动识别工厂所在地地理信息，并根据地理信息读取相应的互联网公开的工厂所在地的外部环境信息(如平均湿度、平均温度以及季节、气候等)，省去了客户手动录入上述信息的繁琐。
55.另一方面，数据整合模块内部还可进一步包含一套独立的微生物数据库构建模块，用于获取、储存(必要时可人工补充录入)目前已经公开的各种相关微生物的生长、存活特性，最终形成一套应用领域广泛(特别是工业领域)的预测微生物学信息数据库。
56.本发明所记载的微生物预警预报系统的最终结果通过总评模块进行输出，结果包
含微生物污染风险指数、风险指数解读(即对微生物污染风险指数所代表的风险程度进行说明)以及根据前述结果给出的相应操作建议及改善方案(如推荐合适的防腐体系，优化添加剂量等)。为了对上述信息进行更精细化地处理，总评模块内部可以精确划分为风险指示模块、解读模块以及优化建议模块，分别用来根据信息处理模块评估的数据指示微生物污染风险的最终指数、解读所述微生物污染风险指数以及根据风险指示模块的微生物污染风险指数给出相应的改善方案。
57.需要注意的是，作为一种优选方案，本发明所记载的微生物预警预报系统除了可根据微生物污染风险指数进行初步解读外，客户若想进一步获得更加详细、深入的解读，本系统还配备专门的技术专家，以提供更加详细的数据解读和方案支持。所以，优选地，解读模块内部可划分为自动解读模块及专家解读模块(内部可包含在线实时对话模块)，其中，自动解读模块用于根据所述微生物污染风险指数自动输出初步解读结果，专家解读模块用于与专家对话以详细、深入地解读所述微生物污染风险指数，优选的，专家解读模块内部具有实时线上对话系统，更优选地，该系统可应用于手机端，与手机同步，便于客户可以随时随地与专家取得联络。
58.方法
59.本发明同时也涉及一种微生物预警预报方法，如图2所示，具体为：
60.步骤1：建立微生物信息数据库，汇总各种微生物信息资料以及对应的药敏信息。
61.步骤2：录入或自动获取水系统、产品生产工艺、工厂环境、工厂管理、产品及产品使用信息；
62.步骤3：制定各变量对微生物污染风险的贡献指数评分方案，将所述步骤2中的信息与所述步骤1中微生物信息数据库的资料进行关联，并制定出各变量对微生物污染风险的贡献指数评分方案；
63.步骤4：运算(运算规则)及拟合，根据所述步骤3中的微生物污染风险指数评分方案确定运算及拟合方法，并根据此方法进行运算及拟合；
64.步骤5：建立个性化定制模型，根据所述步骤4的运算、拟合结果构建个性化定制模型，得出模型运算结果；
65.步骤6：检验及校正所述步骤5中的模型运算结果，将模型运算结构与实际情形进行对比，若准确度或拟合度低则对所述模型运算结果进行校正；
66.步骤7：根据所述步骤6中经过检验或校正的模型运算结果，输出总体微生物污染风险指数评分；
67.步骤8：对所述步骤7中的微生物污染风险指数评分进行解读，分析污染原因，给出操作建议及改善方案。
68.需要注意的是，所述步骤1中的微生物信息资料包含自建微生物信息资料以及已经公开的微生物信息资料；所述步骤2中的产品使用信息包含产品原材料信息、产品防腐及储存信息；还可将录入或自动获取微生物污染史信息的过程加入步骤2中，以便可以追溯产品过往的微生物污染投诉史或污染史，并根据污染史或客户给出的信息判断是否含有耐药菌；步骤8中的解读可包含初步解读及深度解读，深度解读可由专业专家团队进行(专家包含相应的技术专家)，以为客户提供更加详细的数据解读和方案支持。
69.下文将提供本发明所涉及的微生物预警预报系统及方法具体操作中的其中一种
实施例以供该领域技术人员参考实施。
70.建立微生物数据库，汇总已公开的微生物生理生态和药敏信息以及我司技术人员多年工作经验积累的野生菌、耐药菌信息，在数据整合模块中的信息输入模块录入客户端收集的工厂数据，待数据整合模块关联信息后将所有数据传输至运算建模模块，由运算建模模块进行集中评估运算。操作中，本领域技术人员会对具体问题进行必要的简化，并用精确的语言提出恰当的假设，在假设的基础上，利用适当的数学工具来刻画各变量常量之间的数学关系，建立相应的数学结构。运算建模模块的工厂评估模块对涉及工厂环境的信息、管理的信息进行处理及评估运算；运算建模模块的产品评估模块对涉及产品自身及产品使用的信息进行处理及评估运算；运算建模模块的工艺评估模块对涉及产品生产加工的信息进行处理及评估运算，具体如下：
71.工厂评估模块中的工厂环境评估模块根据以下信息评估计算出该信息所对应的微生物污染风险指数；
72.1、工厂外部环境*
73.客户所在地的地理位置、平均温度、平均湿度、气候、季节性因素。
74.2、工厂内部卫生环境*
75.1)厂区是否定期打扫卫生？
76.2)厂房是否有空气净化系统？如果有，进一步对过滤方式和更换频率进行评估运算；
77.3)是否有定期检查厂房内部空气中微生物的状况？如果有，进一步对检测频率、方法和历史记录进行评估运算。
78.工厂评估模块中的工厂管理评估模块根据以下信息评估计算出该信息所对应的微生物污染风险指数；
79.3、人员和文档管理情况
80.1)是否对相关工作人员有定期的微生物理念培训？
81.2)是否每个操作都有标准操作流程(sop)？
82.3)是否每个工段都有工艺记录单？
83.工厂评估模块中的水系统评估模块根据以下信息评估计算出该信息所对应的微生物污染风险指数；
84.4、工厂水系统情况*
85.1)工艺用水
86.a.种类(市政自来水/反渗透水/离子交换软化水/其他)；
87.b.存放(储罐/桶)；
88.c.周转速度；
89.d.杀菌处理方式(化学药剂/uv/反渗透/其他)；
90.2)清洗用水
91.a.种类(市政自来水/反渗透水/离子交换软化水/其他)；
92.b.存放(储罐/桶)；
93.c.周转速度；
94.d.杀菌处理方式(化学药剂/uv/反渗透/其他)。
95.产品评估模块中的原材料分析模块及污染史跟踪模块根据以下信息评估计算出该信息所对应的微生物污染风险指数；
96.5、原材料情况*
97.1)是否有已制定的原材料入库制度？如果有，进一步对原材料入库制度进行评估运算；
98.2)是否有易受污染的原材料？如果有，进一步对名称以及含量进行评估运算；
99.3)取样工具和其他接触原材料的工具是否定期清洗、消毒？如果有，进一步对其频率和方式进行评估运算；
100.4)生产中是否人工加料？
101.5)是否有影响防腐剂活性的成分，如果有，进一步对其名称以及含量进行评估运算；
102.6)配方中水分含量；
103.7)客户投诉、微生物污染历史(是否有耐药菌)。
104.同时，产品评估模块还会根据以下信息评估计算出该信息所对应的微生物污染风险指数；
105.6、产品情况*
106.1)产品类型，ph；
107.2)防腐剂类型及剂量；
108.3)防腐剂添加方式(添加时间/温度/加入点)；
109.4)产品包装(小桶/吨桶，如果是日化品，还有泵头装、广口罐装等)；
110.5)产品存放条件(温度/时间)。
111.7、产品使用情况
112.1)产品使用条件(区域/气候)；
113.2)产品使用方式(一次性/多次)；
114.3)目前产品的货架期。
115.工艺评估模块根据以下信息评估计算出该信息所对应的微生物污染风险指数；
116.8、生产工艺环节信息*
117.1)是否有定期的工厂卫生审查？如果有，进一步对工厂上一次工厂卫生审查的时间以及历次结果进行评估运算。
118.2)目前是否有指定的微生物取样程序？如果有，对
119.a.取样频率；
120.b.取样点；
121.c.检测方法；
122.d.警示浓度(超过警示浓度后需要采取相应的清洗、消毒措施)；
123.进行评估运算。
124.3)是否有已制定的定期清洗、消毒流程？
125.a.清洗、消毒频率；
126.b.清洗、消毒对象(储罐/管道/软管/泵/过滤器/水/阀门)；
127.c.清洗方式(人工/浸泡/清管、清刨/高压水枪/化学方法)；
128.d.消毒方式
129.i.化学方法(药剂/浓度/温度/接触时间)；
130.ii.蒸汽(温度/接触时间)；
131.iii.热水(温度/接触时间)；
132.e.是否有消毒效果验证？如果有，进一步对消毒效果验证方法进行评估运算。
133.以上标识*的环节为影响较大的重点环节，需要重点收集参数和优先运算。
134.运算建模模块将上文记载的所有子模块的评估结果经过前文所述的科学的核心运算(预设算法)和拟合，建立出个性化定制的微生物预测模型(个性化定制模型)，建模时会考虑到因素相关性，通过相关系数来判断，一旦相关会采用主成分分析的方法过滤；权重的决定会通过方差等数学方法来衡量(其中一种权重确定方案为，通过相关系数来判断因素的相关性，一旦相关会通过主成分分析的方法过滤掉相关成分，并进行成分组合以及重新定义，最后结合以往经验，通过方差、n元方程等数学手段确定权重)。后将数据传输至模型检验模块进行验证及校正，校正环节可分为系统自动校正以及人工手动校正(可通过人工校正模块实现)，如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型运算结果与实际吻合较差，则应该修改上文所述的假设，再次重复建模过程。验证及校正后的数据将输入至总评模块，最终由总评模块输出总体微生物污染风险指数，总评模块中的解读模块进而根据微生物污染风险指数评分对各项风险进行解读，给出预警预报和建议的改善方案，具体形式可参考下表：
[0135][0136]
表1：微生物预警预报系统输出结果参照表
[0137]
同时，使用者或本领域操作人员还可通过解读模块中的专家解读模块联系或咨询相应的专门的技术专家，以获取更加详细的数据解读和方案支持。
[0138]
对所公开的实施例的上述说明，以便本技术领域的专业技术人员能够实现或使用本技术。针对这些实施例的多种修改，对本技术领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。