智能消费品安全 第2部分 风险评估 征求意见稿

GB/TXXXX—XXXX3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、流本文件适用于智能消费品生产企业及相关组织开展风险GB/T22760-2020消费品安全风GB/T40981-2021消费品安全物理危害风GB/TXXXX.1智能消费品安全第1部分：危害（源）识别4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图1智能消费品安全风险评估流程图5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”的交危害（源）识别依据GB/TXXXX.1第8章和第9章。伤害严重程度的判定可参考GB/T22760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），10.4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）分别进行风险评GB/TXXXX—XXXX61一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2一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3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4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代统计学中一种重要而实用的方法，它是多元统计分析的一个分支。使用这种方法能够使研究者把一组反映事物性质、状态、特点等的变量简化为少数几个能够反映出事物内在联系的、固有的、决定事物本质特征5D-S证据理论范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种不确定推理方法，证据理论的主要特点是：满足比贝叶斯概率论更弱的6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7BP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指标更多的实例进行综合评价的方法，它可以根据用户期望的输出不断修改指标的权值，直到用户满意为止。因此，一般来说，人工神经网络8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一9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7一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、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GB/TXXXX—XXXX8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”。使用依据GB/TXXXX.1，得到A产品的不同伤害场景下危害（GB/TXXXX—XXXX9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4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，导致导致不可逆转的人体伤害（如疤痕等）或造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3对国家安全造成较大影响，造成人体伤害及较大的财产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、隐救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2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1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，GB/TXXXX—XXXX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Ⅰ8Ⅱ7Ⅲ6Ⅳ5Ⅴ4Ⅵ3Ⅶ2Ⅷ1（公式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。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P=P22·W22十R2·W22（公式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首先采集20名来自不同测试及科研机构和行业注意，具体循环轮次根据每次返回结果的实际情况进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（公式B.3）），P=R1·50%+R2·50%（公式B.6）），P=R·50%+R2·50%（公式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GB/TXXXX—XXXX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），ⅠSSSMⅡSSSLⅢSSSLⅣSSMAⅤSMLAⅥMLAAⅦLAAAⅧAAAA低低SMLA综上，A产品的安全风险等级（risklevel），RL=max(R1,R2,R3,GB/TXXXX—X