一、研究背景

　　在供应链环境下，工业产品从生产到销售以及售后服务的全过程需要由供应链网络的成员企业共同完成，工业产品质量客观上是由供应链网络上全体成员共同保证和实现的，也就是说工业产品质量的形成和实现过程实际上分布在整个供应链的范围。

　　针对供应链产品进行质量管理应将考虑范围从单个企业拓展到多个企业，并强调企业间协同质量管理。例如，监督抽查中发现某生产企业水龙头中的阀芯组件不合格，除生产企业自身原因外，也可能是上游零部件装配厂使用了劣质材料。在企业间的经营投资关系中，也极有可能因共用供应链，或具有相同的经营管理理念、质量管控方式等影响产品质量。例如，股权占比高的投资人在企业决策制定上具有极高话语权，在确保产品质量安全、进行质量升级等企业日常经营的重要业务中有重大影响；同一投资人投资的不同企业存在一定程度的产品质量安全风险关联。类似供应链、企业经营投资等，可能传递质量风险的关系网络，本文简称为质量关系网络。

　　传统的工业产品质量安全监管主要聚焦在相对孤立的风险点中，从已发现的问题产品、问题企业中挖掘其他潜在风险关联性，探析风险传播路径等的研究还较少。为了使有限而宝贵的产品质量安全监督抽查、专项整治等监管结果发挥更大价值，提升在发现与定位潜在风险点时的全面性和准确性，本文建议构建一个由点向面的工业产品质量安全监管理论模型，以监管发现的问题产品、问题企业为切入点，探寻关联风险和相似风险，从供应链、企业投资经营等层面，运用大数据、人工智能等技术，挖掘影响质量安全的关键因素，建立质量风险关系传递网络模型（质量关系网络模型）。该质量关系网络模型将识别和构建工业品企业在供应链上的关联度、以及不同企业在股权投资、产品研发与经营等方面的关联性，最终通过分析和评价上述关联关系，实现对工业品、企业之间的质量风险关联性的测度。确定已发现风险点与待发现的工业品、企业间的风险关联度和影响度，从而辨析风险传导路径，发现区域性、行业性产品质量安全问题，实现对工业品质量安全由点到面的管理，实现对质量安全风险的早发现、早研判、早预警、早处置。

　　二、由点向面的工业品质量安全监管理论框架构建思路

　　（一）产品质量安全监管、质量舆情信息归集及风险点线索发现。

　　利用大数据挖掘等技术定位问题产品、企业，发现风险点线索，为后续模型构建提供基础。收集监督抽查、生产许可证和强制性产品认证等监管数据、各级市场监管部门开展的监督检查、飞行检查和监督抽查等检查信息，市场监管部门组织技术机构开展的风险监测、舆情监测和委托检验等监测信息，并进行归集整理，同时定位问题产品、企业。同时，质量安全舆情数据具有更新快、反馈及时、覆盖面广等特点，可以作为传统监管手段的重要补充。

　　（二）企业工业品质量关系网络产品质量风险点辨识。

　　供应链中的每个环节、以及企业投资经营网络中的每个基本元素背后都对应着相应的质量风险（即隐藏的质量状态）。企业工业品质量关系网络就是通过对产品供应链、企业投资与经营等层面的可见状态建模，并且通过对上述网络模型进行分析预测，以估计隐藏质量状态的概率分布，最终实现对质量风险在不同环节、不同产品、不同企业之间传递机制的分析与辨识。所以，质量关系网络提供了一种对不能直接观测到的潜在质量风险进行有效分析与预测的方法，为由“点”向“面”的质量管理，探索分析区域性、行业性产品质量安全问题提供了理论依据。

　　根据影响产品质量的时序关系、关联关系和因果关系等诸多关系，从产品供应链和企业投资经营两个层面构建较完整的企业质量关系网络，并研究利用已获得的有限风险点线索来估计隐藏质量状态的概率分布，最终实现对质量风险在不同环节、不同产品、不同企业之间传递机制的分析与辨识。

　　（三）案例分析校验。

　　选择质量安全性能指标较多的工业品，如电动自行车、室内加热器等产品，通过质量关系网络模型进行质量风险的预测与辨识。通过监管数据及舆情信息发现不合格生产企业、不合格项目，如监管发现某地A企业电动自行车的充电器与蓄电池项目不合格，通过数据库及公开资料信息查询生产电池等零部件或提供原材料的上游B企业，关联到B企业供应链产业链的其他企业，辨别这些企业生产的工业品质量状态；另一方面，通过诉讼、招投标、专利申请等信息查询与A企业有投资关系的其他企业及其关联企业，从投资占比等推断经营决策对产品质量影响程度，从而定位风险产品。

　　三、数据与人工智能：探索与实践要素

　　在由点向面的质量安全风险管理理论方法的探索与实践中，“数据”是基础要素，“人工智能”是效率要素。建议：

　　（一）加快推进监管数据互联互通。

　　加快推进监管数据互联互通，提高信息数据的实时性、灵敏性，服务实战需求。加强数据治理，强化数据可信溯源和校核纠错能力，提高数据质量。积极拓宽风险信息来源渠道，与12365、12315投诉举报系统、消协投诉与咨询信息系统、产品伤害监测系统等实现对接。联合交通部、公安部、卫健委等相关部门，实现信息的共享共用。深入推进建设消费品质量安全风险信息监测点，有效联合各项资源，形成全国一盘棋。整合现有风险信息资源，利用“大数据”技术，及时发现、密切跟踪质量安全敏感信息，加强对风险信息的整合和集成分析，提高风险数据交互应用水平。

　　（二）人工智能研发提高质量安全风险管理效率。

　　探索使用如社区发现算法等人工智能技术，逐步建立起供应链、企业投资经营关系等质量安全风险传递网络关系模型。实施产品全过程智能化“云监管”，强化重要工业产品上下游生产制造商、经营平台、监管平台大数据分析与成果应用，将研发成果作为企业质量保障能力的重要考量和开展精准监管或帮扶的重要依据，为提升产业链供应链现代化水平、促进产业健康发展提供决策支持。

　　四、结语

　　本文提出了一种由点向面的质量安全风险管理理论框架，在深度分析质量抽检数据、初步确定潜在风险点的基础上，从产品供应链、企业投资与经营两个层面补充构建企业质量关系网络，实现对工业品、企业之间的质量风险关联性的测度（度量），提升企业和产品的监管覆盖度、发现潜在的工业品监管关键风险点。为精准监管提供支撑。这对于提升对企业和产品的监管覆盖度、落实企业产品质量安全主体责任具有重要意义。

　　文章作者：曹丛源 中国标准化研究院工业产品质量标准研究所