식품 안전관리 체계가 수입식품 위해도 예측에미치는 영향 비교 분석: 기계학습 접근법 (Evaluating the Impact of Food Safety Management Systems on the Predictability of Hazards in Imported Processed Foods Using Machine Learning)

서지정보

· 발행기관 : 한국지능정보시스템학회
· 수록지 정보 : 지능정보연구 / 31권 / 2호 / 131 ~ 149페이지
· 저자명 : 허지혜, 김희라, 오해미, 오준택, 이은서, 권오병

초록

국내 수입식품 수량의 급증과 글로벌 공급망 복잡성의 증가로 수입식품에 포함되어 있을지 모를 위해요인이 증가하고있는 추세이다. 이에 따라 효과적인 수입식품 안전관리 체계를 구축하여 위해요인을 식별하고 사전에 방지하는 것이 식품사고 감소와 소비자 신뢰 확보에 필수적이다. 특히 가공식품 산업의 발전과 더불어 관리해야 할 위해요인이 증가함에 따라, HACCP 인증, 미국의 FSVP 등과 같은 안전 관리 체계를 통해 고위험 식품군을 관리하는 전략이 중요해지고 있다. 이러한 배경 속에서, HACCP, SC, RASFF 등 다양한 식품안전 관리 체계의 위해도 식별의 효과성에 대한 관심이 증가하고있으나, 실제 위해도 식별에의 기여 정도에 대해서는 실증 분석이 부족한 실정이다. 따라서 본 연구의 목적은 수입식품유관 식품 안전관리 체계가 수입식품의 위해도 예측에 미치는 영향을 분석하는 것이다. 이를 위해 C국으로부터 수입되는가공식품에 집중하여 기존의 수입식품 신고 정보에 사후관리 체계인 RASFF 정보와 사전관리 체계인 HACCP, SC 정보를 통합하여 위해도를 예측하는 모델을 기계학습으로 구성한다. 특히 사후관리 체계인 RASFF의 영향력이 사전관리 체계인 HACCP 및 SC 정보에 의해 영향을 미치는 바가 있는지를 실증적으로 규명하고자 한다. 연구 결과, RASFF와 같은 사후관리 체계 외에 HACCP이나 SC와 같은 사전관리 체계 정보도 위해도 예측에 유의한 영향을 주는 것으로 나타났다. 또한 이들 파생변수를 추가한 앙상블 모델은 이전보다 더욱 예측 성능을 향상하는 것으로 나타났다. 이를 기반으로 수입식품 위해도 관리 시스템 개선이 가능하였다.

영어초록

With the rapid increase in the volume of imported foods and the growing complexity of globalsupply chains, the potential risks associated with imported food products are on the rise. In response, theestablishment of an effective food safety management system is essential to identify and prevent suchhazards in advance, thereby reducing food-related incidents and reinforcing consumer trust. In particular,as the processed food industry continues to evolve, the range of hazards requiring oversight expands,underscoring the importance of strategic management approaches—such as the Hazard Analysis and CriticalControl Points (HACCP) system and the United States’ Foreign Supplier Verification Program (FSVP)—tomonitor and regulate high-risk food categories. Against this backdrop, there has been increasing interestin the effectiveness of various food safety systems, including HACCP, Sanitation Control (SC), and theRapid Alert System for Food and Feed (RASFF), in identifying potential food safety hazards. However,empirical evidence demonstrating the extent to which these systems contribute to hazard identificationremains limited. This study aims to empirically assess the impact of food safety management systems onthe prediction of food hazards in imported food products. Focusing on processed food imports from CountryC, we construct a machine learning–based prediction model that integrates traditional import declarationdata with information from both post-market surveillance systems (RASFF) and pre-market safetymanagement systems (HACCP and SC). In particular, the study seeks to empirically examine whether andto what extent the predictive power of RASFF is influenced by the presence of HACCP and SC-relatedinformation. Based on the research findings, it was observed that, in addition to post-market control systems such as RASFF, preemptive management systems like HACCP and SC also had a statistically significantimpact on the prediction of food safety risks. Furthermore, the ensemble model incorporating these derivedvariables demonstrated improved predictive performance compared to previous models. These resultssuggest the potential for enhancing the risk management system for imported food products.

참고자료

· 없음