博客
关于我
统一物品编码 破解追溯“断链”困局
阅读量:127 次
发布时间:2019-02-27

本文共 1863 字,大约阅读时间需要 6 分钟。

食品与医疗卫生行业的追溯监管体系建设近年来取得了显著进展。这一体系不仅为政府监管部门提供了有效管理手段,更推动了企业信息化水平的提升,逐步实现了供应链的透明化和高效化。

一、食品安全的全链条追溯体系近年来,食品安全问题日益受到社会关注,各方力量共同参与,致力于"菜篮子"的"最初一公里"进行追溯。通过建立从生产基地到终端消费的全链条追溯体系,实现对食品生产、流通和消费的全过程数字化管控。以广东省佛山市顺德区为例,食品生产企业通过国家食品安全追溯平台,利用商品条码+批次的形式,实现了从原料进厂查验、生产管控、出厂检验、销售去向等环节的全过程数字化管控。消费者可以通过手机扫码快速查询产品信息,企业和政府监管部门则能对问题产品进行精准召回和靶向监管。在食品销售环节,重点对优质食用农产品进行标准认证,赋予其GS1位置编码和品种编码,从种养殖基地、物流运输、食品配送到终端消费实现"一码平川"。消费者扫码支付后,电子秤"吐"出电子交易票据,扫描即可查看产地、检验结果、进出货单位等追溯信息。同时,系统还对消费者因购买劣质农产品造成的损失进行投保。这一"智慧闪付电子秤"为消费者提供了农产品检测、支付、食品安全保险的"一条龙"服务,体现了追溯体系的创新性。

目前,我国已建立起全国上亿种产品的追溯体系,涵盖3000多家企业的产品过程追溯。顺德市场监督管理局与中国物品编码中心合作,实现了260多家食品企业、100多家食材配送企业及近200家农贸市场的全链条数字化追溯,动态一体化监管。通过这一体系,监管部门在服务企业完善内部风险防控、促进品牌发展的同时,得以腾出更多精力抓住重点环节,落实风险防控,守住食品安全底线。同时,这一体系也满足了消费者对食品信息透明度的需求,倒逼经营主体落实主体责任,形成了政府推动、专业机构参与、技术支撑、经营主体自律、消费者获益的共赢局面。

二、医疗产品的全球追溯医疗卫生领域的追溯体系建设也在不断推进。药品和医疗器械的商品条码申办已成为行业发展的大势所趋,不仅提高了全球贸易和供应链管理效率,更便于产品流通和降低企业运营成本。通过建立统一的国际编码体系,突破追溯壁垒,实现全国乃至全球追溯具有重大意义。上海市医疗器械行业协会副会长严樑指出,追溯系统的两端分别在生产端和医院端,中间存在复杂的产品交叉和人员交叉。标签从人工识别到电子识别,形成信息流闭环。产品生产、流通信息通过追溯系统推送到医院端,当不良事件发生时,便能快速追溯使用产品的批次信息,找回使用人并进行及时干预。

尽管各国药品和医疗器械法规存在差异,但技术标准和编码规则的统一已成为趋势。GS1全球统一标识系统作为UDI编码方法的应用已得到国际共识。目前已有70多个国家强制要求或接受GS1标准用于医疗产品标识或追溯。我国已有九成以上的医药企业使用商品条码,非处方药的覆盖率超过八成。截至2020年6月,全国已有1.2万余家医药制造企业申请GS1商品条码,医疗器械制造企业达3500多家。基于GS1的医疗器械管理系统已在北京、上海等多地的200多家医院应用。中国物品编码中心主任张成海表示,采用国际一致的编码体系,确保追溯信息互联互通,实现有效追溯。

三、追溯体系的快速发展追溯体系的核心在于标识技术的发展。山东省科学院新一代技术标准化研究院院长钱恒指出,从追溯的理念来看,离不开标准化的唯一编码。无论是一维条码、二维条码,还是RFID电子标签、NFC电子标签等数据载体,都需要标准化的唯一编码。基于唯一编码和数据载体的集聚,整个供应链的数据规范化和系统间数据交换,才能实现追溯系统的成型。近年来,我国追溯体系在促进监管方式创新、提升企业质量管理能力、保障消费安全等方面取得了显著成效,但在编码标准方面也曾存在分歧。随着中国物品编码事业的快速发展,统一编码已成为必然趋势,GS1编码体系的应用得到了广泛认可。

据中国物品编码中心统计,我国累计拥有GS1全球统一编码标识的生产企业超过80万家,使用商品条码的产品超过数亿种,零售行业覆盖率达95%以上。物品编码在物联网、大数据、区块链等新兴数字经济领域得到深度应用。5G技术的广泛应用为追溯系统提供了高效稳定全覆盖的网络环境;区块链技术的出现使得追溯数据具有不可抵赖性;生物特征识别等技术的应用进一步提升了追溯系统的管控水平。大数据技术则为追溯系统提供了丰富的数据资源。钱恒院长表示,追溯系统中的信息本身就是大数据的来源。通过对大数据的分析和反馈,追溯系统的精准性和有效性将得到进一步提升。

转载地址:http://tobb.baihongyu.com/

你可能感兴趣的文章
NIS服务器的配置过程
查看>>
Nitrux 3.8 发布!性能全面提升,带来非凡体验
查看>>
NiuShop开源商城系统 SQL注入漏洞复现
查看>>
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>