[ad_1]

نظر

توسط کایلا کاپلان

مروری بر چگونگی تأثیر “گام بعدی” در برنامه اقدام برای نوسازی فناوری FDA (TMAP) ، برنامه جدید نوسازی داده ها (DMAP) ، با رویکرد سه جانبه بر جهان ایمنی مواد غذایی تأثیر می گذارد.

در تاریخ 3 مارس 2021 ، سازمان غذا و دارو (FDA) یک پست وبلاگی منتشر کرد تا گام بعدی خود را در کنار گذاشتن باند فناوری ارائه دهد. این آژانس برای اولین بار برنامه خود را برای به روزرسانی در دنیای دیجیتال در سال 2019 تحت عنوان Action Action Modernization Technology (TMAP) منتشر کرد. TMAP به عنوان چارچوبی برای ساختن دیده می شد و اکنون طرح جدید نوسازی داده ها (DMAP) گام بعدی در دستیابی به اهداف TMAP است. هدف اصلی این است که “مدیریت داده در زمان واقعی ، امنیت ، کنترل کیفیت ، تجزیه و تحلیل و استفاده ، تسریع در مسیر دستیابی به توانایی های درمانی و تشخیصی بهتر برای انسان و حیوانات ، تهیه زنجیره تأمین مواد غذایی بهتر و ارائه ابزارهای مدرن برای بهبود و ارتقا بهداشت عمومی. “

FDA برای مدرن سازی برنامه های خود برای تأمین نیازهای مصرف کننده ، مانند ایمنی غذا ، در دنیای دیجیتال بحثی ندارد. علاوه بر این ، دامنه و تنوع کار FDA به طور مداوم در حال گسترش است ، تقریباً به همان سرعتی که دنیای دیجیتال در حال تنوع است و FDA باید بتواند در این ساختار کار کند تا “تصمیمات نظارتی مبتنی بر علم” را اتخاذ کند. با این حال ، همیشه مشخص نیست که چگونه یک برنامه جدید براق مانند DMAP واقعاً بر مصرف کنندگان و نیاز آنها به دسترسی به غذای سالم ، سالم و مناسب تأثیر می گذارد.

به طور خاص ، یک بستر دیجیتال چگونه می تواند “زنجیره تأمین مواد غذایی را بهتر حفظ کند؟”

در زیر ، ما برنامه FAP سه دندان FDA را تجزیه و تحلیل و تجزیه خواهیم کرد ، و به طور خاص بر روی چگونگی بهبود این برنامه در زنجیره تامین مواد غذایی تمرکز می کنیم. در حالی که DMAP تمام زمینه های تنظیم شده توسط FDA را پوشش می دهد ، این مقاله به چگونگی سه دندان متمرکز خواهد شد: (1) پروژه های محکم راننده ، (2) روش های داده ، و (3) رشد استعدادها به طور خاص بر مواد غذایی تأثیر می گذارد.

پروژه های رانندگی قوی
“پروژه موتور DMAP ابتکاری قابل اندازه گیری است که به بسیاری از ذینفعان کمک می کند تا آنچه ممکن است تصور کنند ، به کارشناسان فنی و داده اجازه می دهد تا راه حل های لازم را شناسایی کرده و قابلیت های اصلی را توسعه دهند.” در اصل ، این بدان معناست که وقتی FDA یا بر مواد غذایی یا بر روی یک محصول دارویی نظارت می کند ، از یک برنامه دیجیتال برای نظارت و جمع آوری اطلاعات درمورد اینکه چه عواملی م worksثر است ، استفاده می شود. سپس ، پس از جمع آوری اطلاعات ، داده ها از طریق متخصصان داده ، اساساً برای تبدیل اطلاعات جمع آوری شده به راه حل های تولیدی و عملی برای مشکلات پیچیده مورد استفاده قرار می گیرند.

یک مثال که FDA قصد دارد ایده “پروژه راننده” را عملی کند ، شناسایی و تلفیق درسهای آموخته شده از هوش مصنوعی (AI) در “خلبان غذاهای دریایی برای بازرسی های واردات” و توانایی استفاده از AI جمع آوری شده است از غذاهای دریایی تا “افزایش فرصت ها برای سایر مواد غذایی و واردات پزشکی”. به ویژه ، با توجه به این واقعیت که ایالات متحده بیشتر غذاهای دریایی خود را وارد می کند ، FDA از یک روش دو فازی متمرکز بر یادگیری ماشین و جمع آوری داده ها برای شناسایی بالقوه مضر استفاده می کند غذای دریایی. هدف نهایی این است که بتوانیم از داده های جمع آوری شده در مورد واردات غذاهای دریایی یاد بگیریم و سپس آنها را در اصول آموخته شده برای سایر کالاها به کار ببریم.

شیوه های داده
با ایجاد مفهوم پروژه های محرک ، بخشی از نوسازی فناوری با حفظ نتایج دقیق ، اطمینان می دهد که گام ها تا حد ممکن کارآمد هستند. بسیاری از وظایفی که FDA انجام می دهد تکراری است. توانایی شناسایی داده ها برای یک مشکل و حل آنها بدون نیاز به شروع از ابتدا ، 50٪ به 75٪ از زمان FDA را که در حال حاضر برای کارهای تکراری می گذراند ، به سمت مشکلات جدید سوق می دهد.

روشی که FDA قصد دارد به اهداف عملی داده های خود برسد و کارهای تکراری را به حداقل برساند از طریق شناسایی ، آماده سازی داده ها ، مدیریت و اتوماسیون سیستم است. بیایید این مفاهیم را از هم جدا کنیم:

شناسایی – راه حل های موثر به “توانایی شناسایی داده های مناسب با کیفیت و کامل بودن مناسب” نیاز دارند. به عنوان مثال ، همه ما اطلاعات غذایی را دیده ایم که نادرست است و می تواند چالشی برای غربالگری و اطمینان از پردازش اطلاعات دقیق شما باشد. FDA قبل از ایجاد تغییرات بر اهمیت جمع آوری اطلاعات خوب تأکید می کند.

نظارت بر داده ها – به طور کلی ، یک روش پیچیده برای گفتن جمع آوری داده ها ؛ با این حال ، مجموعه داده ها فراتر از جمع آوری اطلاعات است. با تدوین داده ها ، FDA امیدوار است که بتواند خدمات “هدف گرا” را که نیازها را برآورده می کند ، توصیف ، طبقه بندی و توسعه دهد. هنگامی که به ایمنی غذا فکر می کنیم ، به نظر می رسد تمرکز بر قابلیت ردیابی فناوری است. در حال حاضر ، از طریق قانون نوسازی ایمنی غذا (FSMA) و برنامه هوشمند ایمنی غذا از طرف FDA ، FDA تشخیص داده است كه زنجیره تأمین برای شناسایی و حذف سریع محصولات آلوده برای كاهش هرگونه خطر به پیگیری سریع تری نیاز دارد. با این حال ، یک سیستم ، انطباق توسط تولید کنندگان و راهی برای تولید سریع و دقیق اطلاعات برای مصرف کنندگان باید وجود داشته باشد.

مدیریت – یک سیستم مدیریتی قوی و مرکزی نه تنها برای انتقال اطلاعات به صورت مختصر بلکه برای به حداقل رساندن پیامدهای تأمین مواد غذایی به عنوان ضایعات مواد غذایی ضروری خواهد بود. به عنوان مثال ، یک سیستم مدیریتی که می تواند برچسب های خرما را ثابت نگه دارد ، خطر خراب شدن غذا را به حداقل می رساند و در نتیجه ، از فروش مواد غذایی موجود در قفسه اطمینان حاصل می کند. دستیابی به اهداف دولت احتمالاً چالش برانگیز است ، اگرچه ما در ایالات متحده آژانس غذایی مرکزی نداریم. در حالی که FDA ممکن است محصولی را که برای نظارت به خود اختصاص داده است کنترل کند ، FDA قادر به کنترل انتخاب سایر سازمان ها مانند وزارت کشاورزی ایالات متحده (USDA) ، مراکز کنترل و پیشگیری از بیماری ها (CDC) یا کمیسیون تجارت فدرال (FTC). این احتمالاً یکی از بزرگترین موانع مشاهده تأثیر عمده ای بر ایمنی مواد غذایی با استفاده از فناوری است.

اتوماسیون – چندین سال است که مدافعان تلاش می کنند سیستم های خودکار مانند رباتیک و جمع آوری نرم افزار در شیوه های ایمنی غذا ، هم در فروشگاه ها و هم در مراکز تولید ، گنجانده شود. صنایع دیگر از استفاده از اتوماسیون نمی ترسند ، اما از بسیاری جهات سیستم غذایی در حال انحراف است. با توجه به این نکته ، سیستم های اتوماسیون مطمئناً در کارهایی مانند اجرای برنامه های ایمنی غذایی قبل و هنگام بروز مشکلات نقشی دارند. به عنوان مثال می توان به یک سیستم اتوماسیون اشاره کرد که می تواند در صورت عدم صحت برچسب های محصول به سرعت تغییر کند ، یا قفسه های محصول آلوده را پاک کند بدون اینکه اختلال عمده ای ایجاد کند.

پرورش استعدادها
مورد دوم “چه کسی” است ، به این معنی که چه کسی همه این کارها را انجام می دهد و این افراد چه توانایی هایی دارند. هیچ کاری برای DMAP بدون استخدام کارشناسان FDA برای پیاده سازی ایده ها و ایجاد یک سیستم عامل انعطاف پذیر امکان پذیر نیست. که بدان معنی است که با ایجاد نیازهای کارکنان ، محصولات و مصرف کنندگان می توان از سیستم ایجاد شده به روش های مختلف استفاده کرد.

همانطور که همه ما می دانیم ، سیستم غذایی به سرعت در حال تغییر است و با روندها ، روش های جدید خرید مواد غذایی و سایر تغییرات اجتماعی و زیست محیطی همچنان تغییر خواهد کرد. این بدان معنی است که سیستمی که تحت DMAP معرفی می شود باید بسیار سازگار با این تغییرات باشد.

در DMAP ، FDA درباره مهارتهایی که برای “تمرین موفقیت آمیز در علم داده” مورد نیاز خواهد بود ، می نویسد. این موارد عبارتند از: “علاوه بر متخصصان علوم داده ، نیاز به متخصصان دامنه ، مدل سازهای داده ، مهندسین رایانه و نرم افزار ، آمار شناسان ، مهندسان نرم افزار ، مدل سازان داده ، داستان سرایان ، مدیران محصول و پزشکان انعطاف پذیر نیز وجود دارد.”

این واقعیت که این متخصصان علمی باید شخصاً و / یا به طور حرفه ای تسلط و واقعیت سیستم غذایی را همراه با مهارت های علمی خود ارزیابی کنند ، نباید نادیده گرفته شود. سیستم غذایی ، به ویژه زیرگروهی که ایمنی غذا را در خود جای داده است ، در مقایسه با فروش سایر محصولات مانند لباس یا املاک و مستغلات بی نظیر است. برخی از راه های تفاوت سیستم غذایی از این دیدگاه اساسی است که غذا برای زندگی انسان ضروری است. دسترسی بیشتر به غذا در بستر فرهنگی عمیقاً با مردم ارتباط دارد و به طور کلی از نظر بهداشت و محیط زیست یک صنعت کاملاً تحقیق شده است. بنابراین ، اگر کسانی که سیستم های داده سازی می کنند واقعیت و عملکردهای سیستم غذایی آمریکا را ندانند ، در طولانی مدت همه دانش های جهان مفید نخواهند بود.

آینده اجرای DMAP
ما در دنیایی با غذای هوشمندانه و ایمنی غذایی دقیق تر هستیم. با ایجاد این بنیاد تحت TMAP ، FDA ، تحت DMAP ، یک بستر قوی وجود دارد. به نظر می رسد که ، از جمله موارد دیگر ، این سیستم عامل می تواند در نهایت راهی به سوی زنجیره تأمین مواد غذایی کارآمد و مولد فراهم کند. با این حال ، به ویژه در یک محیط همه گیری ، و سپس در یک محیط پس از همه گیری که برای سالهای آینده پابرجا خواهد بود ، جالب است که ببینید این برنامه ها به چه سرعت تحقق می یابند. منصفانه است که در مورد سرعت عمل آژانس در مورد این موضوع تردید داشته باشیم ، اما در عین حال امیدوار است که در جهانی که کارایی همه چیز است ، می توان از کارآیی در مدیریت داده ها برای محافظت از داده ها نیز استفاده کرد. تحویل غذای مصرفی

FDA باید در مورد نوسازی داده های عرصه ایمنی غذا و نحوه معرفی DMAP شفاف باشد. FDA باید این کار را با ایجاد یک سیستم شناسایی و جمع آوری داده انعطاف پذیر اما قابل اجرا انجام دهد که ایمنی کاربر را بهینه کند و به FDA اجازه دهد تا بر روی مسائل جدید تمرکز کند تا مسائل تکراری که نیاز به یک گام به گام دارند. FDA همچنین باید با نهادهای دیگر همکاری کند تا یک سیستم مدیریت منسجم ایجاد کند ، نه تنها در مورد ایمنی مواد غذایی ، بلکه همچنین با سایر کالاهای FDA. سرانجام ، در حالی که FDA قبلاً در DMAP گفته است كه با تمرکز بر “توسعه استعدادها” استخدام خواهد كرد ، مستاجران همچنین باید آنچه FDA معمولاً در ذهن دارد و كل سیستم غذایی را ارزیابی كنند. اگر افرادی که این سیستم را ایجاد می کنند از تاریخچه و مشکلات مشترکی که سیستم غذایی با آن روبرو هستند قدردانی نکنند ، DMAP منجر به ایجاد زیرساخت های دائمی که می خواهد ایجاد کند نمی شود.

[ad_2]

منبع: kafsh-news.ir