Интегрированная кубическая пифагорова нечеткая модель MAIRCA с новой мерой похожести на основе коэффициента вариации для оценки рисков пищевой безопасности

Почему важен выбор более безопасной пищи

Каждый день люди делают множество решений о том, что есть, рассчитывая, что пища на их тарелках безопасна. Тем не менее загрязнённые продукты ежегодно вызывают заболевания у сотен миллионов людей во всём мире. Современные цепочки поставок продовольствия простираются через континенты, включают множество компаний и регуляторов и порождают огромные объёмы несовершенных данных. В этой статье рассматривается на первый взгляд простая, но далеко идущая по последствиям проблема: как органам власти надёжно сравнивать риски пищевой безопасности между регионами, когда информация неопределённа, неполна и подвержена человеческим суждениям?

Трудности в оценке пищевой безопасности

Пищевая безопасность не определяется одним фактором, а формируется переплетением правил и практик: предельных уровней остатков пестицидов, гигиены на предприятиях, того, насколько ясно маркировка доносит риски, удобства отслеживания продукции при отзыве и прочего. Эти критерии часто направлены в разные стороны, и точные числовые данные нередко отсутствуют. Инспекторы и эксперты вынуждены описывать состояния расплывчатыми терминами вроде «очень хорошо» или «весьма рискованно», и их мнения могут расходиться. Традиционные инструменты принятия решений обычно требуют точных числовых входных данных и испытывают трудности при объединении нечетких экспертных суждений с разрозненными измерениями, поэтому их ранжирования рисков могут быть нестабильными или вводить в заблуждение.

Более умный подход к неопределённости

Авторы опираются на достижения в «нечеткой» математике — семействе методов, предназначенных для работы с оттенками серого, а не с резкими ответами «да/нет». В их подходе суждение каждого эксперта по критерию — например, по гигиене в регионе — фиксируется не как одиночная оценка, а как диапазон возможных значений с учётом степени сомнения. Такое более богатое описание сохраняет колебания и разногласия, вместо того чтобы сжимать их в одно число. Затем они вводят новый способ измерения степени похожести двух таких нечетких описаний, объединяющий две общеизвестные идеи сравнения в единый индекс похожести. Этот индекс становится рабочей лошадкой модели: он помогает как взвешивать, какие критерии безопасности важнее, так и оценивать, насколько близок каждый регион к идеальному или плохому уровню выполнения.

Баланс между мнением экспертов и твёрдыми данными

Оценка риска в конечном счёте сводится к тому, какое значение придаётся каждому критерию безопасности. Вместо того чтобы опираться только на ранжирование экспертов или исключительно на статистическую вариативность, предлагаемый подход комбинирует оба источника. Сначала эксперты ранжируют критерии по их воспринимаемой важности, формируя набор «субъективных» весов. Одновременно новый индекс похожести анализирует данные, чтобы определить, какие критерии действительно наиболее резко различают регионы, давая «объективные» веса. Регулирующий параметр затем смешивает эти два источника в итоговые веса, позволяя регуляторам настраивать степень опоры на опыт экспертов в сравнении с паттернами данных при условии прозрачности такого выбора.

Тестирование модели на регионах Китая

Чтобы показать практическую работу метода, авторы оценивают риски пищевой безопасности в пяти крупных регионах Китая — Восток, Юг, Запад, Центральный и Север — с использованием семи распространённых регуляторных измерений, включая пределы остатков, правила маркировки и прослеживаемости, гигиену, стандарты процессов, импортный контроль и санитарные нормы. Три специалиста независимо оценивают, насколько хорошо каждый регион выполняет каждый критерий, используя лингвистические шкалы вроде «весьма значимо» или «исключительно значимо», которые затем переводятся в нечеткую форму, требуемую моделью. Фреймворк рассчитывает, насколько далеко каждый регион находится от гипотетического наилучшего и наихудшего стандарта, агрегирует эти разрывы по всем критериям с использованием комбинированных весов и выдаёт итоговый риск-скор и ранжирование для каждого региона.

Что говорят результаты и почему это важно

Анализ показывает, что у Восточного Китая наименьший риск пищевой безопасности среди изученных пяти регионов, за ним следуют Юг и Запад Китая, а Центральный и Северный Китай отстают. Важно, что при варьировании баланса между субъективными и объективными весами и при настройке поведения их индекса похожести ранжирование практически не меняется. Такая стабильность указывает на то, что выводы не являются хрупким артефактом какой‑то одной модельной опции. Для политиков фреймворк предлагает научно обоснованную панель: он показывает, какие регионы требуют наибольшего внимания и какие критерии вносят наибольший вклад в их риск. Для общественности ключевая мысль такова: сложная математика может помочь преодолеть путаницу и противоречивые мнения, предлагая более ясный и справедливый способ приоритизации улучшений в области пищевой безопасности и, в конечном счёте, снижая вероятность того, что опасные продукты попадут к потребителям.

Цитирование: Liu, Z., Weng, Z., Ksibi, A. et al. An integrated cubic Pythagorean fuzzy MAIRCA model with novel variation coefficient similarity measure for food safety risk assessment. Sci Rep 16, 11323 (2026). https://doi.org/10.1038/s41598-026-39302-z

Ключевые слова: пищевое обеспечение, оценка рисков, принятие решений, нечеткая логика, Китай