23948sdkhjf

Teknologisk Institut sætter fokus på fødevaresvindel

Klar med kurser i, hvordan branchen analyserer sin sårbarhed
Indsatsen mod svindel i fødevareindustrien er øget væsentligt i de senere år.

Snart er det også et krav i alle de anerkendte standarder - som eksempelvis FSSC 22000, IFS og BRC - at virksomhederne analyserer og styrer den særlige sårbarhed over for svindel, som den pågældende forsyningskæde og produktion er udsat for.

I den forbindelse er Teknologisk Institut nu klar til at hjælpe virksomhederne godt på vej med kurser, hvor deltagerne lærer at gennemføre en sårbarhedsanalyse og at omsætte resultatet til praktisk styring.

At gennemføre en sårbarhedsanalyse er en ganske kompleks opgave, som kræver en anden tankegang end den gængse. Der skal tænkes i bedrageri og i mulighederne for økonomisk vinding fremfor forudsigelige produktionsfejl og risikofaktorer, påpeger konsulent Lars Krusell fra Fødevareteknologi på Teknologisk Institut.

- Den slags kræver input fra virksomhedens mange ekspertiser, ikke kun i kvalitetsafdelingen, men også i for eksempel produktions-, lager-, indkøbs-, logistik- og personaleafdelingen. Der skal også indhentes viden fra flere - for fødevarekvalitetsfolk - eksotiske kilder, om blandt andet korruption, politisk stabilitet og pris- og afgiftstrukturer. Det vil vi gerne hjælpe med at give et overblik over, siger Lars Krusell.

Gode redskaber

Han peger på, at der findes rigtigt gode redskaber på markedet til systematisk at gennemføre sådanne sårbarhedsanalyser, som efterfølgende omsættes til styring ved kontrolplaner i virksomhedens ledelsessystem.

Der er p.t. planlagt fire kurser i år og næste år, hvoraf de to første holdes i Aarhus og Taastrup henholdsvis 3. oktober og 16. november,

Lars Krusell er kursusleder begge steder. Han har i mange år været ansat i Fødevarestyrelsen og har siden februar arbejdet med fødevaresvindel hos Teknologisk Institut.

Læs mere om kurserne her:
Svindelkurser

Kommenter artiklen
Udvalgte artikler

Nyhedsbreve

Send til en kollega

0.062