貝葉斯網絡在消費品安全風險評估中的應用思考

摘 要：【目的】當前，在消費品安全風險評估實踐中，國內外主要采用風險矩陣法來判定風險類別，并以此作為決策參考，然而，該方法在風險等級判定方面存在不足。【方法】引入貝葉斯網絡（BNs）的思路，提出一種改進的消費品安全風險評估方法，該方法可解決風險矩陣法在風險等級判定方面的局限性。【結果】通過對比貝葉斯網絡與風險矩陣法，詳細闡述了貝葉斯網絡在消費品安全風險評估中的應用優勢，并借助一個簡單的貝葉斯網絡分析案例，展現了其對歐盟官方典型的消費品風險評估方法（RAPEX風險矩陣法）的優化和改進。【結論】利用貝葉斯網絡思路可以優化和改進RAPEX風險矩陣法，提供了量化和可驗證的風險等級判定結果，這不僅增強了風險管理決策的科學性和可靠性，還提升了監管資源的利用效率。

關鍵詞：貝葉斯網絡；消費品安全；風險評估；RAPEX風險矩陣法；產品風險

DOI編碼：10.3969/j.issn.1674-5698.2025.03.016

Application of Bayesian Networks in Consumer Product Safety and Risk Assessment

SHI Nian

（Shanghai Institute of Quality and Standardization）

Abstract： [Objective] Currently， in the practice of consumer product safety risk assessment， the risk matrix method is mainly used at home and abroad to determine the risk category， and serves as reference for decision-making； however， this method has limitations in risk level determination. [Methods] Tries to introduce the idea of Bayesian Networks （BNs）， and puts forward a kind of improved consumer product safety risk assessment method， which can solve the limitations of the risk matrix method in risk determination. [Results] By comparing the risk matrix method and BNs， the advantages of the application of the BNs in the risk assessment of consumer product safety are elaborated in detail， and the optimization and improvement of the typical EU consumer product risk assessment method （RAPEX） is shown with the help of a simple case study of the BNs. [Conclusion] The use of the BNs idea can optimize the RAPEX risk matrix method， providing quantitative and auditable risk level determination results， which not only enhances the science and reliability of risk management decisions， but also improves the efficiency of the use of regulatory resources.

Keywords： Bayesian networks， consumer product safety， risk assessment， RAPEX， product risk

1 消費品安全風險評估方法應用現狀及問題

消費品安全風險評估為國家市場監管部門實施消費品風險管理提供科學決策依據。風險評估結果直接指導產品召回等風險處理及應對和監管措施的實施，以最大程度降低產品可能導致的傷害風險，并保護消費者的合法權益。消費品是指市場上為滿足消費者需求而提供的非食品類產品。鑒于消費品的多樣性和消費者消費行為的復雜性和不確定性，消費品風險評估實踐中常見的方法并不多，目前主要包括：歐盟委員會的RAPEX風險矩陣方法、新西蘭消費者事務部提出的諾莫圖（Nomograph）/列線圖方法，以及其他風險矩陣（Matrix）方法。RAPEX風險矩陣法，即歐盟非食品類消費品快速預警系統（Rapid Alert System for Non-Food Consumer Products，RAPEX）的通用風險評估方法，自2016年起成為歐盟和英國監管部門官方正式采用的消費品風險評估方法。美國、日本在消費品安全風險評估中也采用了類似的風險矩陣法進行風險等級的最終判定，但其在傷害概率和傷害嚴重程度劃分標準、風險分類等級數量方面與歐盟有所不同。

在我國，盡管官方尚未形成統一的消費品風險評估方法，但已經出臺了多項相關的國家標準，以指導和規范消費品安全風險評估的實際操作，這些標準主要為推薦性的。例如，GB/T 22760—2020《消費品安全 風險評估導則》GB/T 39063—2020《消費品召回 電子電器風險評估》以及GB/ T 40981—2021《消費品安全 物理危害風險評估通則》等，這些為消費品安全風險評估提供了明確的規范和指導。這些標準在風險評估方法上大多借鑒了歐盟RAPEX風險矩陣法，特別是在風險等級劃分的矩陣表判定中，采用了傷害發生概率的7個層次和受傷嚴重程度的四級水平劃分。雖然RAPEX風險矩陣法操作簡便且實用而被廣泛采用，但它在風險等級判定時存在一定的局限性，如難以明確區別不同風險等級的界限。

貝葉斯網絡（Bayesian networks或BNs），作為一種模擬風險因素與觀測數據之間因果關系的強有力工具，為不確定性因果關系的建模提供了嚴格和規范的方法。特別是在處理新證據或新觀測數據等不確定性因素時，貝葉斯網絡能夠彌補傳統產品風險矩陣評估方法的不足。盡管貝葉斯網絡技術已經廣泛運用在醫學、金融等領域風險評估，但是在消費品風險評估領域，其應用還處在探索階段，具有巨大的潛力和發展空間。

2 消費品安全風險評估方法研究現狀與技術比較

2.1 貝葉斯網絡運用在消費品安全風險評估的研究綜述

在全球范圍內，學者們已經開始探索將貝葉斯網絡技術運用到消費品安全風險評估研究之中。例如，國內研究學者劉霞等[1]基于風險耦合、仿真技術、機器學習等理論方法，構建了消費品安全風險評估模型，并在消費品安全傷害情景構成因素關聯關系中應用了貝葉斯網絡技術。然而，該研究并未全面考慮除產品傷害情景以外的其他關鍵風險因素。韓國Suh[2]開發了一個產品風險評估系統，使用貝葉斯網絡，根據韓國消費者機構提供的傷害信息，對33種兒童產品進行風險評估，但未提供貝葉斯網絡因果圖。英國Hunte等[3]研發了一個通用的貝葉斯網絡模型，改進了產品風險評估方法，展示了在相關測試和產品實例數據可用和不可用的情況下，如何對產品進行風險評估。雖然評估結果可驗證且優于RAPEX風險矩陣法評估，但是整個評估過程需要重新構建貝葉斯網絡關系模型，過程極其復雜，涉及各項風險因素的參數設置，需要提供很多條件概率分布。這些條件概率通常由專家判斷提供，對專業知識的要求會比RAPEX風險矩陣法評估時更高。后續的分析將詳細闡述風險矩陣法與貝葉斯網絡風險評估技術的差異。

他們的研究結果均表明，貝葉斯網絡技術在評估消費品安全風險方面表現出色，優點在于能夠提供更易于解釋且準確的預測。若貝葉斯網絡分析覆蓋所有產品風險評估過程，實際操作中工作量巨大，會消耗大量資源。因此，本文建議將貝葉斯網絡作為對傳統風險矩陣法的補充或拓展技術，以改進消費品安全風險評估方法。

2.2 貝葉斯網絡與傳統風險矩陣法比較

IEC 31010：2019《風險管理 風險評估技術》[4]提供了眾多起源于不同技術領域和發展歷史的風險評估技術，這些風險評估技術不僅可以獨立應用，還可以通過調整、組合或者進行擴展，以適應當前和未來的需求，進而深化我們對風險的理解。本標準提供的后果/可能性矩陣（即風險矩陣法）與貝葉斯網絡風險/影響圖是兩種重要的風險評估技術。對兩者的主要指標性特征進行對比分析，詳見表1。

在比較2種風險評估技術所需應用資源和數據需求時，貝葉斯網絡分析在資源需求上屬于中到高級別。該分析不僅需要大量的歷史數據來構建和校準模型，還需要深厚的專業知識來理解和應用。相比之下，風險矩陣法分析在資源需求上相對較低，操作簡便，通常只需要相對少量的歷史數據和專業知識來構建風險矩陣。因此，若貝葉斯網絡分析覆蓋所有產品風險評估過程，則會耗費大量時間和成本，可能導致監管資源的浪費。

為了在節約監管資源的同時解決風險矩陣分析中風險等級判定的模糊性問題，本文提出了將貝葉斯網絡作為風險評估方法的補充，來增強風險評估的可信度。以歐盟典型的RAPEX風險矩陣法為例，在此基礎上分析采用貝葉斯網絡風險評估技術。借助一個簡單的案例來展現貝葉斯網絡在消費品風險評估應用中的優勢，有助于克服RAPEX風險矩陣法在使用新證據數據時納入因果解釋的局限性。

3 理論基礎與典型案例分析

根據ISO 31000：2018《風險管理指南》中對于風險管理流程的描述可知，風險評估（risk assessment）環節之后緊接著的是風險應對（risk treatment）。風險評估的結果為風險應對決策提供重要依據，通過將風險評估結果與既定的風險標準相比較，可以確定風險及其等級是否能夠接受或容忍，從而決定是否需要采取額外的風險控制措施。以下論述當前歐盟廣泛采用的RAPEX風險矩陣法在消費品風險評估中的局限性，并借助實際案例，闡釋貝葉斯網絡技術對風險評估過程的優化和改進。

3.1 RAPEX風險矩陣法與局限性

RAPEX風險矩陣法是歐盟成員國政府在消費品安全評估中廣泛采用的官方方法。根據2023年歐盟委員會修訂發布的《歐盟快速信息系統RAPEX管理指南》（EU）2019/417文件，該方法在消費品風險評估中確定風險等級需要遵循3個步驟：（1）識別危險嚴重性；（2）估計消費者因為這些危險而受傷的概率；（3）將危害（傷害的嚴重程度）和概率（傷害發生的可能性）結合起來，判定風險等級/風險級別。風險等級可分為“嚴重”“高”“中”和“低”風險四類，其中，最高風險等級為“嚴重”，見表2。根據《歐盟市場監管法規》（EC）No 765/2008第20條，成員國必須對存在“嚴重”風險的產品采取快速干預措施，包括召回、撤回或禁止在市場上銷售這些產品，并根據第22條立即通知歐盟委員會。這表明，歐盟當局將“嚴重”風險視為采取快速干預措施的關鍵閾值，而對于“高”“中”和“低”風險產品，則并非如此。

產品評估風險等級是否達到“嚴重”，是決定監管部門是否立即采取風險應對措施的關鍵。然而，在評估結果處于“嚴重”和“高”風險之間界限模糊時（見表2粗實線所示），且敏感性分析也無法確保風險水平隨概率變化的穩定性，這會使得評估結果的可信度受到質疑，RAPEX風險矩陣法的評估面臨重大挑戰。如果風險等級本應判定為“高”，卻被錯誤評估為“嚴重”，可能會導致監管資源的不必要浪費。在這種情況下，貝葉斯網絡技術提供了一種整合新不確定因素（新獲證據或新觀測數據）來優化和改進風險評估過程的方法。這種方法不僅適用于“嚴重”與“高”風險之間的劃分問題，同樣也適用于“高”與“中”，“中”與“低”的風險等級之間的劃分問題。以下對貝葉斯網絡分析進行介紹和說明。

3.2 一個簡單的貝葉斯網絡因果分析與推導

貝葉斯網絡是一種有向無環圖（DAG）的可視化風險的圖形模型方法，用于描述變量之間的因果關系。如圖1所示，一個簡單的貝葉斯網絡關系可簡單描述為：A導致B，A和B導致C。貝葉斯網絡由定性和定量兩部分組成。定性部分由“節點”和“有向弧”組成。節點代表隨機變量（離散或連續），如事件或行動。節點通過有向弧連接，有向弧表示變量之間的直接依賴關系，通常是因果關系。圖1節點A（parent）指向節點B，稱節點A影響到節點B，節點A也被稱為B的“父節點”，可表示為pa（B）。貝葉斯網絡的定量部分由與每個節點相關聯的條件概率分布（概率表）組成，這些概率對每個節點相關聯進行量化，由點估計表示，用于描述節點與其父節點之間的關系強度。其中子節點的狀態取決于父節點值的組合，P（B|A）表示父節點A事件對子節點B事件的影響程度。

貝葉斯定理會根據新的證據修正一個假設的“先驗概率”P（A），從而得到該假設在新證據條件下的“后驗概率”P（A|X）。在圖1中，事件A、B、C的聯合概率可通過它們各自的局部條件概率分布相乘得到，這一關系可以用公式（1）表示。貝葉斯定理一般表示形式見公式（2）。

式中：P（A）表示A概率的先驗評估；P（B） 表示B概率的先驗評估；P（A|B） 表示給定B發生時A的概率（后驗評估）；P（B|A） 表示給定A發生時B的概率；Ai表示A事件中第i個假設，n=1、2……N。

貝葉斯網絡模型中的所有計算（推理）可由一些專業軟件實現。在本文中，使用貝葉斯定理將圖1所示的貝葉斯網絡圖的因果關系，推導出事件Ci條件下事件Ai的后驗概率見公式（3）。

下面案例中的貝葉斯網絡分析會使用到公式（3）計算后驗概率。

3.3 典型案例分析

為了便于理解，這里參考和借用《歐盟快速信息系統RAPEX管理指南》中的香薰大豆蠟蠟燭案例和英國產品安全和標準辦公室（OPSS）分析報告數據。由于文化傳統和消費習慣的差異，考慮到我國消費者在使用香薰大豆蠟蠟燭的習慣與歐洲國家存在細微差異，在此案例基礎上，做了部分數值修改，并增加了估計風險因素，以便進一步詮釋。值得說明的是，在產品的預期壽命期內，由于消費者使用產品過程中的行為難以預測，存在不確定性，假定風險評估員將充分利用現有信息，對潛在的傷害場景進行假設，并估計這些場景發生的可能性。

表3列出了傷害場景和最嚴重的場景傷害類型“致命中毒”概率水平預估，通過5個步驟進行說明。第一步，假設香薰大豆蠟蠟燭有50%的概率發生著火；第二步，考慮到人們通常不會在無人時點燃蠟燭以照明或者營造氛圍，假設人離開房間的概率僅為5%；第三步，放置蠟燭的臺面，基于現代家庭裝修中木制品的廣泛使用，如木質地板、木桌等，保守估計家具或窗簾著火概率為50%；第四步，若房間內無人，吸入有毒煙霧的風險概率較低（2.5%）；第五步，新增加一個風險因素“蠟燭質量有缺陷”，考慮到蠟燭生產工藝的簡單性且原材料易獲得性，以及生產商質量控制水平參差不齊，假設這一缺陷發生的概率為30%。

3.3.1 RAPEX風險矩陣法結果

RAPEX風險矩陣評估通過分步驟評估每個傷害場景，為每一步賦予相應概率，通過將這些概率相乘，得到了該場景的總體概率。為了確保評估結果的穩健性，有時需要進行敏感性分析，重復測試這兩個因素（一般考慮概率的變化，因為傷害的嚴重程度通常更有把握預測）變化時風險水平的波動程度。在本案例中，將所有概率值相乘，得到總體概率為0.000094（即50%×5%×50%×2.5%×30%），這一概率低于表2中傷害概率閾值1/10000，但高于1/100000，初步被判定為“高”風險。如果將0.000094四舍五入至0.0001，則結論升級為“嚴重”風險。需要說明的是，0.000094接近1/10000，但是未達到或超過閾值1/10000，因此敏感性分析在此情況下不太適用，無法有效測試評估結果的穩健性，導致風險等級的判定陷入窘境。

3.3.2 貝葉斯網絡對RAPEX風險矩陣法的改進

借助貝葉斯網絡能夠整合新證據或新觀測數據等其他不確定因素的優勢，優化以上風險評估過程，幫助得到更可靠的風險等級。假設根據新獲得的信息，確信銷售出去的香薰大豆蠟蠟燭均未發現質量缺陷，3個節點及相關先驗概率和條件概率數據在表4中有所體現，“Yes”表示肯定，“No”表示否定。

將這一關鍵證據信息納入到風險評估過程中，并利用產品檢測信息的貝葉斯網絡圖（圖2）進行分析，分析軟件可根據輸入數據實現統計推斷。圖2（a）中，原產品有缺陷的概率P（Ayes）為30%，根據新獲得的信息，確認產品發現缺陷的概率P（Cno）為100%，并進行相應調整，這時貝葉斯網絡圖的其他節點的概率也隨之調整，結果見圖2（b），“A：有缺陷”中“Yes”概率變為13.4%，這一結果也可以通過前面推導出的公式（3）進行計算。這一貝葉斯網絡分析結果表明，如果產品在檢測中沒有發現缺陷，產品有缺陷的后驗概率P（Ayes|Cno）會從P（Ayes）的30%顯著下降至13.4%。這一信息對于修正風險評估等級結果具有重大的意義。

在整合了新信息后，重新計算了總體概率為0.000041。該值遠低于1/10000，這樣對該風險水平的評估有了更高的信心，將香薰大豆蠟蠟燭風險等級定為“高”而非“嚴重”風險。基于這一判定結果，監管部門無需立即采取行動，但仍將持續關注這一風險，從而在一定程度上節約監管資源。當然，如果貝葉斯網絡分析新變量信息后，導致產品風險最終判定為“嚴重”，監管部門可依據情況立即采取適當措施以降低風險或消除風險。總體而言，貝葉斯網絡能夠整合新的風險變量信息，對風險評估總體概率進行修正，得出更可信可靠的產品風險等級，從而更高效地為風險管理決策提供參考。

4 結 語

本研究將貝葉斯網絡應用于消費品安全風險評估中，為該領域提供了一個全新的視角，開辟了新的思考路徑。通過一個具體案例，展示了貝葉斯網絡如何優化典型的風險矩陣法（歐盟RAPEX風險矩陣法），解決了敏感性分析失效時，RAPEX方法在風險等級判定上存在局限性的問題。貝葉斯網絡獨到之處在于其建模能力，它能夠處理消費品安全風險相關的復雜數據，有效地整合各類不確定性因素，并精準地構建起因果關系模型。通過對消費品潛在的多元風險源以及風險傳播路徑進行深入分析，為風險評估工作提供更為科學、全面和可靠的量化支持，從而顯著提高了消費品安全和風險評估的準確性。這不僅有助于幫助產品風險監管部門做出更加明智和有效的決策，也促進了推動消費品行業的健康、穩健發展。然而，在將貝葉斯網絡應用于消費品安全風險評估實踐中，如何合理分配資源，高效、準確地建立貝葉斯網絡，以及如何處理專家意見的不確定性，仍是當前面臨的重要研究和挑戰。

參考文獻

[1]劉霞，劉碧松，吳倩.消費品安全風險評估方法研究：基于仿真技術[M].北京：中國質檢出版社，2017.

[2]SUH J.Development of a product risk assessment system using injury information in Korea consumer agency[J]. Journal of Digital Convergence，2017，15（4）：181-190.

[3]HUNTE J L，NEIL M，FENTON N E. A causal Bayesian network approach for consumer product safety and risk assessment [J]. Journal of Safety Research， 2022， 80：198-214.

[4]Risk management—Risk assessment techniques：IEC 31010：2019[S].