作者：郑晓敏
危害分析及关键控制点( Hazard Analysis CriticalControl Point，HACCP)是食品质量控制、保障安全生产的一种安全管理体系，以预防食品风险为基础，可最大限度地减少食品安全过程中可能出现的风险。目前，HACCP体系被欧美，日本等国广泛应用，具体涉及粮食贮藏、果汁生产、水果保鲜、食品加工、乳品加工、功能食品研发等各个食品领域，已成为国际上公认最有效的食品安全保障体系。该体系作为一种全过程的管理控制体系，从农田到餐桌，全程监管，对食品（食物）的种植、加工、包装、储藏、运输、销售等环节中暴露的和潜在的危险因素进行分析，最终找出对产品的安全有重大影响的环节设为关键控制点( Critical
Control Point．CCP)，并采取纠偏措施，控制危害发生，实现对食品安全和食品卫生的有效控制。经过几十年的发展，作为一种食品安全的预防性措施，已经成为国际上公认的最有效的食品安全保证体系。
HACCP体系主要由危害分析和关键控制点两部分组成，其中关键控制点的确定需建立在危害分析的基础上。因此危害分析成为HACCP体系是否合理、有效的一个重要环节。国外相关专家Bertolinj等指出，目前HACCP中的危害分析主要采用一些主观的、经验性的定性分析法。这些传统的、简单的分析方法不够客观、科学，且只能分析出各阶段存在的危险有害因素，无法确定其风险程度。因此，如何在HACCP中采用更有效的方法对过程危害进行分析、评估，显得十分重要。
β分布与三角形分布均为概率论与数理统计中最常见的概率分布。其中β分布可根据历史数据或专家经验给出事件发生的概率分布，三角形分布可根据最大值、最小值以及最可能值推算出具体活动发生的概率值。鉴于实际生产过程中的背景资料及经验性数据具有一定的复杂性及多样性，单独使用一种方法不能很好的反映出各阶段的风险，因此将两种方法交替
使用可更全面的对风险进行量化分析。在此基础上，介绍了一种可应用于HACCP体系中的定量风险评估方法，该方法采用β分布与三角形分布相结合的方式建模，在定性分析的基础上，将HACCP体系中潜在危害的风险量化并进行比较分析，旨在更好的确定各生产阶段的风险大小，更准确的建立关键控制点，以期提高HACCP体系的有效性。
1 方法介绍
利用β分布与三角形分布相结合的概率分布统计方法对葡萄生产过程中存在的潜在危害进行评估，对可能影响食品安全的因素进行定量分析，从而确定各生产阶段的风险等级。
1.1β分布
β分布是一种概率密度分布函数，经常被用来描述事件发生的概率。这种概率分布函数是常见分布中，少数取值在有限区间(0，1)内的分布。利用Excel表格中现有的BETADIST函数可对其进行建模，函数表现形式为（=BETADIST（P，α，β））。
BETADIST函数的计算结果由概率P及参数α、参数β共同决定。如表1所示，在背景资料与数据中，A1代表检出不合格样本数，A2代表总样本数，则参数a、参数β分别设为A1+1，A2-A1+1。这样，在5%，50%和95%的概率分布区间内可以得出BETADIST函数值，即为风险值。
以葡萄生产过程中病虫害防治阶段的化学性危害为例，若分析背景资料与数据得出：有害物质残留检测总数为150次，其中检测出残留超标数为2次，即A1=2，A2=150，根据表1中β分布模型B，的计算，输入A1、A2值可得出当概率P分别处于5%、50%和95%百分位数值时的风险值分别为0.54×10-2，1.77×10-2，4.11×10-2。
1.2三角形分布
在概率论与统计学中，三角形分布是低限为a、众数为c、上限为6的连续概率分布。这种连续性概率分布，可根据最大值、最小值以及最可能值推算出具体活动的概率值。该分布需要的数据量与其他分布相比大大减少，且数据易于通过分析判断或根据统计资料来确定。不同于β分布可直接利用Excel表格进行建模，三角形分布需要通过IF函数进行建模，函数表现形式为（=IF（P<X，a，6））。应用三角形分布模型只能得到事件在某一状态发生时的概率值，若要得出其生产阶段的风险值还需结合β分布模型进行后续计算。
IF函数的计算结果由概率P及参数a、参数6和参数X共同决定。其中参数a、参数6和参数X与表l中背景资料与数据内A3、A4、A5的值有关，即由操作过程中可能出现的最大值、最小值及最可能值确定。参数a、b及X确定后，根据表1中三角形分布模型B2得出事件发生的概率值，对该值进行分析后用A1与A2表示，再根据卢分布模型B1可得出具体的风险值。
以葡萄生产过程中储藏阶段的生物性危害为例，若分析背景资料与数据得出：储藏时最适宜的储藏温度条件为小于1℃，实际操作过程中储藏温度在-2℃~5℃范围内，其中0℃的储藏温度最为常见。即A3=5，A4=0，A5=-2，利用表1中三角形分布模型B2计算可得出概率值54%=0.988, 55%=1.031，该结果表示每100次储藏过程中约有55次处在最适宜的储藏温
度条件内，从而得出不合格样本数量A1=100-55=45，总样本数量A2=100。最后根据表1中β分布模型B1的计算，得出5%，50%和95%百分位数值时的风险值分别为3.71×10-1, 4.51×10-1和5.32×l0-1。
2实例分析
以中国南方地区葡萄生产过程的HACCP体系为例，首先对其生产过程进行定性的危害分析，而后采用上述二种模型对体系中的危害分析阶段进行定量风险评估。
2.1葡萄生产过程中的定性危害分析
对中国南方地区葡萄生产流程进行定性分析，葡萄生产从园址选择到产品上市需经过以下步骤：园址选择、品种选择、苗木栽种、花果管理、土肥水管理、病虫害防治、水果采收、分级和包装、储存和运输、销售等。其中潜在危害包括土壤环境条件、灌溉水水质、农药残留等，具体可分为物理性危害、化学性危害和生物性危害三类。
2.2相关数据的获取
使用基于概率分布的定量法对目标进行评估，需要对其背景资料和数据进行收集、整理，应确保所收集资料和数据的完整性、全面性以及准确性。通常这些资料可以通过试验、环境调查、有经验员工提供的意见以及日常监测结果等途径获得。
2.3危害分析阶段的定量风险评估
应用表1中的两种概率分布模型，对HACCP体系内危害分析阶段进行风险等级评估，结果见表2。
表2中的评估结果显示：在5%，50%和95%概率分布区间内，葡萄生产过程中储藏阶段的生物性危害风险最高，风险次之的是运输阶段中可能存在的生物性危害，风险最小的为包装阶段的化学性危害。
表3中以葡萄生产过程中储藏阶段的生物性危害和物理性危害为例，提供了三组不同条件下的风险水平概率值。结果显示：温度偏离标准指标越大，风险概率值越大；总样不变的情况下，不合格样本越多，风险概率值越大。
从整体的评估结果来看，葡萄生产过程中各阶段的风险大小显著不同，如进行无差别式管理，会大大降低管理的有效性。因此，若要降低葡萄生产过程中可能存在的风险，提高HACCP体系执行的有效性，应重点关注储藏、运输等风险较大的阶段，在确立关键控制点时也应优先考虑这些风险较大的阶段。从不同条件下的风险水平变化情况可以看出，即使操作条件发生较为微小的变化也会对风险水平产生较大影响，因此实际工作过程中应严格执行相关标准、规范操作，以降低风险。
3结论
采用二种概率分布模型对葡萄生产过程的HACCP体系中危害分析阶段进行风险评估，得到如下结论：
1)分析总结了现有HACCP体系应用中存在的不足，建立了以两种概率分布为基础的风险评估模型，将其应用于葡萄生产过程的HACCP体系中，对体系中的潜在危害进行量化评估，最终得出了各危害阶段的风险大小，为实际生产过程的风险管理及HACCP体系的构建、执行提供了指导。
2)基于概率分布的定量评估模型，可确定各生产阶段的风险管理优先度，有助于提高关键控制点确立的可靠性。同时该模型不仅适用于HACCP体系在食品安全中的危险有害因素的风险评估，由于构建简单，使用方便，也适用于其他具有类似数据的评估领域。
3)基于概率分布的定量评估法的应用关键，在于收集所分析对象的数据信息，提高基础数据的精度，将有助于提高评估结果的可靠性。
摘要
为了更有效地建立、执行HACCP体系，以中国南方地区葡萄生产过程为例，采用β分布与三角形分布相结合建立定量风险评估模型，对HACCP体系中的危害分析阶段进行风险等级评估。结果表明：在5%，50%和95%概率分布区间内，储藏阶段的生物性危害风险最高，其值分别为3.71×10-1，4.51×10-1和5.32×10-1;包装阶段的化学性危害风险最小，其值分别为0.03×10-2，0.38×10-2和1.64×10-1。基于概率分布的风险评估方法为HACCP的定量风险评估提供了新思路，有助于提高HACCP在从农田到餐桌的食品安全管理中应用的有效性。
