Development of Machine Learning based Method and Technology for Food Supply Chain Anomaly Detection

摘要

食品供應鏈的複雜化導致食安事件頻繁發生，不僅造成社會不安，也直接或間接危害人們健康與生活，故食品安全的維護已成為世界各國重視之議題。隨著資料科學(Data Science)、機器學習(Machine Learning)與區塊鏈(Blockchain)的興起，系統智能化的理想已逐漸能夠實現，本研究參考資料科學之觀念與方法，以及機器學習與區塊鏈之技術，期為食品供應鏈之食品安全管理提供解方案，為人類帶來福祉。 本研究以資料科學之概念，設計一個「食安監控與管理模式」，針對「食安監控與管理模式」分析系統之需求，並參考區塊鏈之概念以及機器學習之原理，規劃「安全食品防護系統」之架構。依據該架構界定資料分析之需求、設計「食安稽查資料模型」，運用資料探勘(Data Mining)與機器學習技術，分析食品異常之影響因子與異常之模式，以開發與建置「異常偵測技術與機制」。 本研究以公開之供銷資料進行測試，驗證所提之技術的正確性與有效性。由於異常偵測之重點在將異常挑出越多越好，因此以召回率作為評估指標，最終供銷異常偵測模型之召回率由0 75027上升至0 86638。針對設備異常偵測，本研究同樣以公開之設備資料進行測試，模型之誤差率由0 006077下降至0 004112。上述之模型皆以評估指標進行評估，而評估指標能夠反映模型準確度，因此能夠驗證本研究之異常偵測方法與技術的有效性。

獎項日期	2020
原文	English
監督員	Yuh-Min Chen (Supervisor)