2024智能消费品安全第2部分风险评估

2目次目次 I前言 II3范引文件 3语定义 3般则 4般程 4息备 5害景建 5害源识别 5险计 5险价 5附录A(料附录)息风、理险计评价法 6附录B(料附录)能消品全险估例 8参考献 14IPAGEPAGE10智能消费品安全第2部分风险评估本文件规定了智能消费品安全风险评估的原则、流程和方法。本文件适用于智能消费品生产企业及相关组织开展风险评估活动。包括GB/T22760-2020消费品安全风险评估导则GB/T40981-2021消费品安全物理危害风险评估通则GB/TXXXX.11（）识别下列术语和定义适用于本文件。3.1智能消费品intelligentconsumerproduct具有一种或多种智能特性的消费品。[来源：GB/T41849-2022，3.3]3.2安全safety免除了不可接受的风险的状态。[来源：GB/T20002.4-2015，3.14]3.3风险risk伤害发生概率和伤害严重程序的组合。[来源：GB/T22760-2020，2.6]3.4伤害injury对人体健康、财产或环境的损害。[来源：GB/T28803-2012，3.3]3.5风险评估riskassessment包括风险识别、风险分析和风险评价的全过程。[来源：GB/T23694-2013，4.4.1]（风险评估过程和结果应具有前瞻性和包容性，以助力智能消费品行业的持续创新和发展。源。图1智能消费品安全风险评估流程图信息准备依据GB/TXXXX.1第7章。应关注在消费品预期使用或可合理预见的误使用条件下，“人—产品—使用环境”的交互作用导致的伤害后果，根据上述三个要素的特征，构建消费品引发伤害事件的场景。源识别危害（源）识别依据GB/TXXXX.1第8章和第9章。（A。（源GB/T22760-20201。伤害发生的可能性赋值方法依据GB/T22760-2020中4.2.3.2及GB/T40981-2021附录A中A.4.2。10.1针对某种危害（源），根据其所导致的伤害发生的严重程度、伤害发生的可能性，计算出该种危害（源）的风险等级。2A。GB/T22760-2020E。如果某一消费品有两种或两种以上危害（源），应对每种危害（源）（源B。附录A(资料性附录)信息风险、伦理风险估计与评价方法表A信息风险、伦理风险估计与评价方法序号估计、评价方法说明1头脑风暴法一种收集各种观点及评价并将其在团队内进行评级的方法。头脑风暴法可由提示、一对一以及一对多的访谈技术所激发。2德尔菲法一种综合各类专家观点并促其一致的方法，这些观点有利于支持风险（源）及影响的识别、可能性与后果分析以及风险评价。需要独立分析和专家投票。3故障树分析法始于不良事项（顶事件）的分析并确定该事件可能发生的所有方式，并以逻辑树形图的形式进行展示。在建立起故障树后，就要考虑如何减轻或消除潜在的风险源。4因素分析法利用统计指数体系分析现象总变动中各个因素影响程度的一种统计分析的因素。5D-S证据理论（D-S证据理论条件；具有直接表达“不确定”、“不知道”的能力。6因子分析法因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子，以较少的几个因子反映大部分信息。7BP神经网络BP神经网络综合评价法是一种交互式的评价方法，一种既能避免人为计取权重的不精确性,评价方法得到的结果会更符合实际情况。8灰色关联分析法对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。在系统发展过程中，若两个因素变化的趋势具有一亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。9层次分析法层次分析法适合应用于没有统一度量标尺的复杂问题，解决用纯参数数学模型难以解决的决策分析问题。10模糊综合评价法一种基于模糊数学的综合评价方法。该方法根据模糊数学的隶属度理论对非线性的评价进行量化，从而对研究对象进行定量分析评价。模糊综合评价法具有评价结果清晰，系统性强的特点，能较好地解决模糊的、难以量化分析的问题。11模糊层次分析法是将模糊数学理论和AHP法有机结合的系统分析方法。模糊层次分析法考虑到在构建两两比较判断矩阵时人类主观判断的模糊性，兼具判断矩阵计算简便和模糊性的优势，有效解决了层次分析法中人类思维一致性难以达到判断矩阵一致性要求的问题。FAHP有两种基本方法，分别基于模糊数和模糊一致矩阵进行定量分析12熵权法是一种客观赋权方法，熵值越小，指标离散程度越大，指标对综合评价的影响也越大即权重越大，熵值越大，指标的离散程度越小，指标对综合评价的影响也越小即权重越小，利用熵权法计算各指标的权重，可以为多指标综合评价提供依据。附录B(资料性附录)智能消费品安全风险评估示例A产品是市场上流行的一款智能按摩器，能够对人体进行按摩。A产品出现伤害事件，需要进行危害（源）的识别。通过预先收集的资料，形成使用对象、使用方法、使用环境、产品功能等产品使用场B.1（源。B.1使用场景具体描述使用对象年龄在15岁及以上的消费者…使用方法将智能按摩器放置到人体需要按摩的部位，如手臂，脖颈，选择智能按摩模式并启动使用环境在防水条件下使用产品功能进行人体按摩应考虑可能造成伤害的预期使用或可合理可预见的误使用条件下，智能消费品安全伤害事件的组合，并对危害处境予以记录。A产品引发的伤害事件较多，本示例构建2个典型伤害场景。场景1：A产品使用者的姓名、性别、年龄、身份证号、住址、头像、指纹等个人信息泄露，被非法用于支付，造成财产损失。场景2：A产品开机使用时，有提示语：“生了女孩不要慌，按摩仪圆你男孩梦”。使用者感到明显的性别歧视，产品违反公序良俗。源识别依据GB/TXXXX.1，得到A产品的不同伤害场景下危害（源）见表B.2：表B.2A产品危害（源）列表伤害场景危害（源）大类危害（源）中类危害（源）小类场景1信息危害（源）数据隐私泄露未满足个人信息收集最小化要求个人信息未作去标识化处理个人敏感信息前未取得个人的单独同意个人敏感信息未加密传输和存储场景2伦理危害（源）社会性风险违反伦理道德原则违反法律法规歧视性风险特定群体偏见使用德尔菲法结合熵权法的方法来估计A产品的风险。对伤害严重程度的等级划分采用主观判定的方法，依托专家和消费者问卷调研或访谈等形式，参考GB/T22760-2020表1来判定A产品危害（源）的伤害严重程度。表B.3伤害程度分级列表严重程度特征分类伤害特征描述分值非常严重导致灾难性的伤害物理危害导致死亡、身体残疾，或引发重大财产损失等。4化学危害生物危害信息危害严重影响国家安全和个人信息安全，或者直接造成重大财产损失，导致产品功能完全失效。伦理危害隐私等权益，造成使用者身心严重受伤。严重导致不可逆的伤害物理危害导致不可逆转的人体伤害（如疤痕等）或造成较大财产损失，这种伤害应在急诊室治疗或住院治疗，或引发的财产损失对家庭生活造成较大影响。3化学危害生物危害信息危害对国家安全造成较大影响，造成人体伤害及较大的财产损失，需要紧急补救。导致产品功能基本不可用。伦理危害对国家安全造成较大影响，破坏社会秩序形成偏见，侵害个人财产、隐私等权益，造成使用者身心受伤。一般伤害可通过外力进行补救物理危害在门诊对伤害进行处理即可，或引发较小财产损失。该类伤害对人体或家庭后续财务开支造成的影响一般。2化学危害生物危害信息危害造成身心伤害，可通过治疗处理，或引发较小财产损失。伦理危害干扰社会秩序。对个人财产、隐私等权益造成损害，使用者身心问题需要治疗才能痊愈。微弱伤害可自行处理愈合物理危害可在家里自行对伤害进行处理，不需就医治疗，但对人体造成某种程度的不舒适感，并未造成明显财产损失。该类伤害对人体健康和财产的影响较轻。1化学危害生物危害信息危害对国家安全无不良影响，消费者可自行解决伤害造成的困扰，产品功能几乎全部可用。伦理危害对消费者个人影响较小，可通过调整使用方式等解决。获得不同伤害场景下，A产品的伤害严重程度，如表B.4所示。表B.4A产品伤害严重程度列表伤害场景危害（源）大类危害（源）中类危害（源）小类伤害严重程度场景1信息危害（源）数据隐私泄露未满足个人信息收集最小化要求H1个人信息未作去标识化H2处理个人敏感信息前未取得个人的单独同意H3个人敏感信息未加密传输和存储H4场景2伦理危害（源）社会性风险违反伦理道德原则H5违反法律法规H6歧视性风险特定群体偏见H7对伤害发生可能性的等级划分依据GB/T22760-2020中4.2.3.2的第b）项条款，并参考GB/T40981-2021附录A中A.4.2的方法来判断物理、化学、生物危害（源）的伤害可能性。对照表B.5伤害发生可能性分级表，对信息危害（源）和伦理危害（源）分别进行计算，获得伤害可能性数据。表B.5伤害发生的可能性分级列表可能性特征描述分值Ⅰ伤害事件发生的可能性极大，在任何情况下都会重复出现。8Ⅱ经常发生伤害事件。7Ⅲ有一定的伤害事件发生可能性，不属于小概率事件。6Ⅳ有一定的伤害事件发生可能性，属于小概率事件。5Ⅴ会发生少数伤害事件，但可能性较小4Ⅵ会发生少数伤害事件，但可能性极小。3Ⅶ不会发生，但在极少数特定情况下可能发生2Ⅷ在任何情况下都不会发生伤害事件。1源）信息危害（源）造成伤害的可能性，应综合实验测试和专家判断（综合消费者投诉、网络舆情、召回等相关信息）两种方法，伤害可能性计算公式如下：（B.1）式中：P为A产品所引起的伤害发生可能性；P11、P12分别为实验测试得出的伤害发生可能性、基于专家判断得出的伤害发生可能性；w11、w12分别为上述可能性所占的权重。w11、w12赋值基于“德尔菲法+熵权法”。源）（（）（B.2）式中：P为A产品所引起的伤害发生可能性；P21、P22分别为消费者问卷调研得出的伤害发生可能性、基于专家判断得出的伤害发生可能性；w21、w22分别为上述可能性所占的权重。w21、w22赋值基于“德尔菲法+熵权法”。德尔菲法：首先采集20名来自不同测试及科研机构和行业专家的意见；10注意，具体循环轮次根据每次返回结果的实际情况进行确定。熵权法：m个专家对n个指标权重设置的意见形成原始矩阵，记作U：为了消除量纲误差，对矩阵U进行标准化，得到矩阵V，其中ij表示第i个专家对第j个指标权重评价所对应的标准值，其标准化处理的方法如公式B.3所示：（公式B.3）EjB.4 公式B.4WB.5（公式B.5源）、w1250% 源）w21、w2250% B.7）将实验测试得出的伤害发生可能性P11、消费者调研的伤害发生可能性P21、专家判断的伤害发生可能性P12和P22带入公式B.6、公式B.7，确定不同伤害场景下，A产品的伤害发生可能性。如表B.6所示。表B.6A产品伤害发生可能性列表伤害场景危害（源）大类危害（源）中类危害（源）小类伤害发生可能性场景1信息危害（源）数据隐私泄露未满足个人信息收集最小化要求P1个人信息未作去标识化P2处理个人敏感信息前未取得个人的单独同意P3个人敏感信息未加密传输和存储P4场景2伦理危害（源）社会性风险违反伦理道德原则P5违反法律法规P6歧视性风险特定群体偏见P7智能消费品安全风险等级划分依据GB/T22760-2020中的附录E。针对A产品的某种危害（源），根据其所导致的伤害发生的可能性、伤害发生的严重程度，可估算出危害（源）的风险等级R。表B.7智能消费品危害（源）的风险等级划分伤害发生的可能性伤害发生的严重程度非常严重严重一般微弱ⅠSSSMⅡSSSLⅢSSSLⅣSSMAⅤSMLAⅥMLAAⅦLAAAⅧAAAAS图示S严重LMLMA可容许A根据表