婴儿配方奶粉关键营养成分的基准评估：基于2-元组语言q-阶正交犹豫模糊集与综合CRADIS方法的集成决策模型

《Applied Food Research》：An Analytical Framework for Baby Milk Products Selection Using Decision Making Techniques

本文针对婴儿配方奶粉（BMC）市场产品众多、营养成分（IMNC）复杂，消费者难以选择的困境，研究人员开展了一项基于多准则决策（MCDM）的基准研究。通过整合2-元组语言q-阶正交犹豫模糊集（2TLq-RPF）的SWARA方法确定40种IMNC的权重，并运用CRADIS方法对10种主流BMC进行排序。研究结果表明，不同BMC在关键营养素（如能量、蛋白质、DHA）含量上存在显著差异，为消费者科学选择和厂商产品优化提供了数据驱动的决策支持，对婴幼儿营养健康具有重要意义。

　　

在当今竞争激烈的婴儿配方奶粉（BMC）市场中，父母们面临着前所未有的选择困境。琳琅满目的产品宣称含有各种必需营养素，从基础的蛋白质、碳水化合物，到备受关注的DHA、ARA，再到各类维生素和矿物质。然而，这些营养成分（IMNC）的含量配比千差万别，普通消费者难以凭借有限的知识进行科学比较和选择。更复杂的是，不同营养素对婴幼儿生长发育的重要性各不相同，如何权衡这些因素，找出真正优质的配方奶粉，成为了一个亟待解决的现实问题。

传统的产品比较方法往往局限于个别指标的简单对比，无法全面、系统地评估产品的综合营养价值。正是为了破解这一难题，发表在《Applied Food Research》上的这项研究，创新性地引入了一套先进的决策科学方法，旨在为婴儿配方奶粉建立一套科学、客观的基准评估体系。研究人员巧妙地融合了前沿的模糊数学理论与多准则决策技术，对市面上的主流产品进行了一次“全面体检”和“综合排名”。

为了开展这项复杂的研究，作者团队主要运用了几个关键技术方法：首先，通过专家咨询（8位儿科专家）和文献回顾，系统识别并定义了40个关键的婴儿配方奶粉营养成分（IMNC）作为评估准则。其次，采用2-元组语言q-阶正交犹豫模糊集（2TLq-RPFS）结合SWARA方法（Step-wise Weight Assessment Ratio Analysis），有效处理了专家评价中的模糊性和不确定性，并精确计算了每个IMNC的权重系数。接着，利用CRADIS（Compromise Ranking of Alternatives from Distance to Ideal Solution）方法，构建决策矩阵，对10种市售婴儿配方奶粉（BMC）替代方案进行基准排序。研究所用的营养成分数据来源于公开的产品信息。

研究结果

关键营养成分的权重分析

通过2TLq-RPF-SWARA方法计算出的权重显示，不同IMNC对婴儿营养的重要性存在显著差异。能量（IMNC1）获得了最高的权重（0.0355），突显了其作为基础供能物质的根本地位。蛋白质（IMNC2）、维生素D₃（IMNC20）和碳水化合物（IMNC7）也被赋予较高权重，分别为0.0339、0.0339和0.0336，这表明专家们认为宏量营养素和关键维生素在配方奶粉中至关重要。二十二碳六烯酸（DHA, IMNC6）和二十碳四烯酸（ARA, IMNC5）作为重要的长链多不饱和脂肪酸，权重分别为0.0309和0.0231，反映了其对大脑和视觉发育的重视。相比之下，锰（IMNC33）、牛磺酸（IMNC38）和胆碱（IMNC36）等微量成分的权重相对较低（约0.0155），说明在当前认知下，其相对重要性略逊于核心营养素。这一权重体系为后续的综合评价奠定了科学基础。

婴儿配方奶粉的综合排序

应用CRADIS方法对10种BMC进行排序后，得到了清晰的综合性能排名。BMC2和BMC10表现最为突出，综合效用值（Q_i）最高，分别为0.9934和0.9817，位列第一和第二。这表明这两款产品在加权考虑所有40项营养准则后，最接近理想解决方案。BMC1和BMC8紧随其后，排名第三和第四（Q_i分别为0.9721和0.9543），也展现了较强的综合竞争力。而BMC5、BMC6和BMC7则排名靠后（Q_i分别为0.9122, 0.9015, 0.8941），说明其在满足全面的营养配比方面存在改进空间。具体分析发现，排名靠前的BMC通常在核心宏量营养素（能量、蛋白质）、关键脂肪酸（DHA、ARA）以及多种维生素（如维生素B族、维生素D）和矿物质（如钙、铁）方面均有良好表现。而排名靠后的产品往往在某些关键营养素上存在明显短板，例如DHA和ARA含量缺失或极低，或者多种维生素含量未达到理想水平。

与理想解和反理想解的偏差分析

通过计算各BMC与理想解（最优表现）和反理想解（最差表现）的偏差度，进一步揭示了产品的优劣。排名第一的BMC2与理想解的总偏差度（s_i⁺）最小，与反理想解的总偏差度（s_i^-）最大，说明其整体表现最接近最优水平，同时远离最差水平。相反，排名末位的BMC7与理想解的总偏差度较大，而与反理想解的总偏差度较小，证实了其综合表现不佳。这种偏差分析不仅提供了排序结果，还量化了每个产品与标杆的差距，为生产商改进产品配方提供了明确的方向。

研究结论与讨论

本研究成功构建了一个基于2TLq-RPF-SWARA和CRADIS方法的混合MCDM框架，用于婴儿配方奶粉的基准评估。该模型有效地处理了评估过程中固有的模糊性和不确定性，特别是专家在判断大量营养准则重要性时可能存在的歧义。研究确定的IMNC权重客观反映了不同营养素在婴幼儿喂养中的相对重要性，为营养学研究和产品研发提供了优先级参考。

最重要的成果在于对10种常见BMC进行了科学、透明的综合排名。这一结果为消费者在面对复杂市场时提供了强有力的决策支持工具，帮助他们超越营销宣传，基于营养成分数据做出更明智的选择。对于婴儿配方奶粉制造商而言，该研究指出了现有产品在营养配比上的优势与不足，揭示了潜在的改进空间，例如加强某些易被忽视的微量营养素（如锰、牛磺酸）的强化，或者优化关键脂肪酸的比例。此外，该研究建立的评估方法论具有普适性，可扩展应用于评估不同年龄段、特殊医学用途的配方食品，甚至其他类型的食品产品。

总之，这项研究将先进的决策科学工具应用于婴幼儿营养领域，架起了一座连接营养科学、产品数据和消费者需求的桥梁。它不仅为解决现实世界的选择难题提供了即时方案，更重要的是，它倡导并实践了一种数据驱动、系统全面的食品评估范式，对促进婴幼儿营养健康、推动食品产业向更科学、更透明的方向发展具有重要意义。