李磊

中国安全生产科学研究院

教授级高工

化工园区风险集中，传统管控手段存在“看不住、管不全、管不好”等问题。推进新一代信息技术与危化品安全生产深度融合发展，是从根本上消除事故隐患、从根本上解决问题的治本之策。近年来，化工园区安全风险智能化管控平台建设已成为行业转型升级的必然选择，但平台运行过程存在未开展数据校验和数据治理、双重预防数据重复录入、同一数据在多个模块之间不能融合应用、企业每日承诺与实际作业数量差距较大、数据应用分析能力不足等问题。智能化管控赋能化工园区的安全管理范式，可实现从被动应对到主动预防的根本转变。

夏涛

北京化工大学

教授

石化装置数据驱动型防控体系建设是当前石化行业智能化转型的核心方向之一，通过整合物联网、人工智能、大数据等技术，实现对生产安全风险的实时感知、精准预测和快速响应。构建 “数据驱动型防控体系”符合“工业互联网+安全生产”试点工程要求。通过实时数据共享与风险预警协同，推动行业治理模式从“事后追责”向“事前防控”转变，为工业安全治理现代化提供了实践范本。通过监测设备由于磨损、老化等原因引起的声纹信号特性的变化，可动态诊断设备的健康状态。通过建设智能盲板管理系统，可显著降低企业盲板相关事故率。这些应用案例为化工行业安全管理树立数字化转型的样板。

张建国 

适方安全科技（北京）有限公司

正高级工程师

在安全仪表系统（SIS）的全生命周期中，操作与维护阶段是确保每个安全仪表功能（SIF）持续满足目标安全完整性等级（SIL）的核心战场。设计阶段的SIL验证基于“静态假设”，而实际运行中，SIS性能会因工况变化、环境波动及设备自然老化呈现“动态波动”。因此，实时跟踪性能数据、定期评估失效率参数，并动态优化维护策略，是维持安全完整性的关键。通过建设数据库、强化设备准入评审制度、建立数据驱动的维护闭环等工作，可为AI技术在预防性维护、性能预测等领域的应用奠定基础，推动SIS管理从“经验主导”迈向“智能优化”，筑牢安全防线。

张鑫

南京工业大学

讲师

采用数据挖掘方法对化学品分子结构与其危险特性间的内在定量关系进行模拟；采用量子化学模拟等技术，实现化学品分子结构的量化表征与精确描述；采用支持向量机、遗传算法等技术，可实现化学品特征分子结构参数的线性和非线性优化筛选。针对液态烃、有机过氧化物等典型危险化学品的不同危险特性参数，可分别开发不同性质的定量预测技术，实现化学品危险特性的快速精确预测。在此基础上，化学品危险特性预测系统可应用于化工流程模拟、安全风险评估与监测预警。

唐在峰

中控技术股份有限公司

安全价值总设计师

化工行业面临工艺复杂、设备老化、事故频发等安全挑战。中控技术股份有限公司提出了多场景解决方案：采用动态风险预警（热力图预测隐患）、AI视觉识别违规行为、机器人巡检高危区域、充装作业全流程监管等措施，隐患识别率可达到96%。通过数据融合与智能分析，AI技术正从风险预警、设备运维到应急响应全方位赋能，结合“久安”监管大模型、昆仑行业大模型等底层能力，推动化工安全从“被动应对”转向“主动智控”。未来，随着工业机理模型与AI深度融合，覆盖7大石化基地、643个化工园区的智能化管控网络将加速落地，筑牢行业本质安全防线，开启化工安全生产新纪元。

胡鑫

南通理工学院

安全工程与应急管理学院副院长

化工企业双重预防机制建设过程中必须具备“五有”，即：有科学完善的工作推进机制、有全面覆盖的安全风险分级管控、有责任明确的隐患排查治理、有线上线下融合的数字化系统、有奖惩分明的激励约束机制。双重预防机制的发展必须同人工智能结合起来，风险辨识分级、管控措施是人工智能应用的重要切入点。复杂环境下的管控措施匹配和执行，既是后续数字化的重点，也是人工智能应用的重点。

苏德亮 

杭州海樊科技有限公司

总经理

基本过程控制系统（BPCS）长期面临报警数量庞大、误报率高、根因诊断效率低下及记录延迟等运维挑战。传统应对策略聚焦于通过信号优化手段降低报警频次，但难以实现本质改善。构建基于AI与知识图谱融合的智能体系，通过重构工艺事故因果逻辑链条、建立动态风险知识图谱，并整合DCS系统实现人机协同，可形成包含误报识别、报警聚合、根源追溯、决策支持、自动记录、数据统计和经验沉淀的全流程解决方案。

王三明 

安元科技股份有限公司

董事长

化工行业高质量发展需要实现安全化、绿色化、智能化、高端化，但多数企业安全现状诊断工作存在“运动式、主观化、碎片化”等问题。基于自主研发的化工行业大模型及行业知识库，集成最新的主流通用大模型相关能力，设计和研发化工安全智能体，可实现化工企业从“人、机、物、环、管”多维度、多指标来实现系统化、可量化的安全专业诊断，量化分析出企业安全相关薄弱项及符合度情况。同时，基于安全诊断结果，可从化工企业的工艺、设备、作业、人员、重大危险源、典型事故等专业维度，实现对关键安全风险指标的动态预警，提升企业本质安全能力。

林俊

中化应急技术服务（舟山）有限公司

咨询服务部副经理

在全球化工行业高风险、高复杂度背景下，传统应急管理模式面临预案粗放、协同低效等挑战。针对涉氟、涉危化品事故频发问题，提出“三维四阶”推演模型：纵向覆盖事故征兆期至善后恢复全周期，横向整合情景构建、资源匹配等维度，创新“情景-任务-能力”推演范式。通过氢氟酸泄漏等7类高危场景、24组事故链推演，形成200+动态情景库，并采用“功能演练+桌面推演”双轨模式，推动应急演练从“脚本化”转向“情景驱动”。实践表明，42场企业级推演覆盖氟化工等高危领域，优化应急流程23项，制定标准化文件12份，基层响应时效提升40%，资源调配效率提高35%。未来，将深度融合数字孪生技术构建三维推演平台，发展“VR模拟+实战演练”三位一体训练体系，并突破智能情景生成算法与应急决策神经网络模型，打造自适应智慧推演系统，为化工安全提供全周期、智能化解决方案。

罗祥平

北京燃气集团（天津）液化天然气有限公司

党支部书记、执行董事

在经济蓬勃发展与安全要求日趋严格、安全形势日益复杂的新形势下，“科技兴安”已从探索性实践转变为关键且实用的要素。北京市燃气集团有限公司作为危险化学品经营企业及一级重大危险源监管对象，在项目规划、建设及公司生产运营过程中，秉承“全生命周期”理论，建立综合性工业控制系统，实施了激光云台、智能巡检、5G全域感知巡检及人员定位等多项科技手段，积极落实国家关于“科技兴安”的要求。

赵红科

中国化学品安全协会

咨询三部副主任

安全生产是企业可持续发展的生命线，通过人工智能技术构建智能知识库，可为安全生产管理注入“智慧大脑”。使用预训练模型+私有知识库方式，搭建智能体的流程，包括选择提供AI大模型的云服务平台、在云服务平台创建自己想要的大模型、建立私有知识库、将建立的模型和知识库进行关联等。构建安全生产智能知识库的方法包括建立不同类型的预训练模型、预训练模型设置恰当的参数、建立各模型的专用知识库并做好知识库、收集各类文件上传系统完成切片并与大模型建立索引等。安全生产智能知识库将有力推动企业安全生产管理迈向“全员参与、全链可控、全域智能”的新阶段。

如何构建企业安全生产智能知识库

1

2