식품 안전관리 체계가 수입식품 위해도 예측에 미치는 영향 비교 분석: 기계학습 접근법

Q: 이 논문에서 정의한 수입식품 안전관리 체계란 무엇인가?

식품의 생산, 제조 및 가공, 소비와 유통에 이르는 전 과정에서 발생할 수 있는 위해 요인으로부터 국민의 건강을 보호하기 위해 설계된 통합적인 관리 체계를 의미한다.

Q: 사전관리 체계 정보가 수입식품 위해도 예측 성능에 어떤 영향을 미치는가?

연구 결과, HACCP 및 SC와 같은 사전관리 체계 정보를 활용하여 파생변수를 추가한 모델은 기존의 사후관리 체계 중심 모델보다 위해도 예측 성능이 향상되었으며 보조적인 설명력을 제공하는 것으로 나타났다.

허지혜; 김희라; 오해미; 오준택; 이은서; 권오병

doi:10.13088/jiis.2025.31.2.131

학술저널

저자정보: 허지혜 (경희대학교) 김희라 (경희대학교) 오해미 (경희대학교) 오준택 (경희대학교) 이은서 (경희대학교) 권오병 (경희대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제31권 제2호

오류 신고하기

피인용 0

검색

초록·키워드

국내 수입식품 수량의 급증과 글로벌 공급망 복잡성의 증가로 수입식품에 포함되어 있을지 모를 위해요인이 증가하고 있는 추세이다. 이에 따라 효과적인 수입식품 안전관리 체계를 구축하여 위해요인을 식별하고 사전에 방지하는 것이 식품 사고 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 증가하고 있으나, 실제 위해도 식별에의 기여 정도에 대해서는 실증 분석이 부족한 실정이다. 따라서 본 연구의 목적은 수입식품 유관 식품 안전관리 체계가 수입식품의 위해도 예측에 미치는 영향을 분석하는 것이다. 이를 위해 C국으로부터 수입되는 가공식품에 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.

With the rapid increase in the volume of imported foods and the growing complexity of global supply chains, the potential risks associated with imported food products are on the rise. In response, the establishment of an effective food safety management system is essential to identify and prevent such hazards 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 Critical Control Points (HACCP) system and the United States’ Foreign Supplier Verification Program (FSVP)—to monitor and regulate high-risk food categories. Against this backdrop, there has been increasing interest in the effectiveness of various food safety systems, including HACCP, Sanitation Control (SC), and the Rapid 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 identification remains limited. This study aims to empirically assess the impact of food safety management systems on the prediction of food hazards in imported food products. Focusing on processed food imports from Country C, we construct a machine learning–based prediction model that integrates traditional import declaration data with information from both post-market surveillance systems (RASFF) and pre-market safety management systems (HACCP and SC). In particular, the study seeks to empirically examine whether and to what extent the predictive power of RASFF is influenced by the presence of HACCP and SC-related information. 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 significant impact on the prediction of food safety risks. Furthermore, the ensemble model incorporating these derived variables demonstrated improved predictive performance compared to previous models. These results suggest the potential for enhancing the risk management system for imported food products.

#수입식품 관리 체계 #수입식품 #식품안전 #기계학습 #Imported food management systems #Imported food #Food safety #Machine learning.

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-25-02-093576990

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료