手机网站
手机网站
化学生产过程中发生事故，结果极为严重。 因此，安全问题在化工生产过程中占有十分重要的地位。 天气影响、检测困难、盲点、安全设施不足、识别能力是影响生产安全的可能因素。 是否可以使用AI来降低风险并提高安全性？ 使用现有技术可以避免哪些风险，并应克服哪些问题？ 本文用AI分析提高生产安全性的一些现有解决办法和发展趋势。
一、化工安全市场规模
化学工业是世界上最大的工业领域之一。 据ACC 2018年的统计，2017年世界化工总产值为56，810亿美元。 OECD 2019年，预计2060年世界化学工业总产值将增加到217，480亿美元。 同时，化工业是就业市场的主要雇主之一，欧盟提供了330万人的直接和3倍的间接岗位，美国提供了52.9万人的岗位和7.1倍的间接岗位。 化工生产过程中如果发生事故，可能会造成巨大的伤亡和经济损失。 据国外科研人员2016年发表的统计，从1998年到2015年，世界上30个国家发生了70次重大生产事故，2077人死亡，6417人受伤，美、中、英分别是事故的前三大国家。 事故的主要原因是设备维护不足，人员操作失误，生产制造缺陷，人员培训不足。
二、化工安全通知功能技术
计算机视觉:采用图像处理、模式识别、计算机视觉、机械学习、深度学习等相关人工智能技术，配合智能传感器和机器人等载体，在化工生产过程中监测工业生产活动，辅助安全生产，如监测危险品状态，监测容器状态，探测危险源
物联网技术:通过智能传感器收集工业生产的相关数据，如容器温度、容器压力、天气状况等，通过物联网系统分析数据，自动或半自动运行相关程序，如温度控制程序，调整到最佳条件，确保生产安全。
机器人技术:在化工生产中，机器人可以代替人力进行自动生产，避免工作风险，也可以代替人力进行巡逻、灭火等工作。
机器学习、深度学习:机器学习、深度学习技术通过学习输入数据集，进行数据的自动分析、建模、预测，在化工生产中广泛应用于安监、研发、工程管理、质量预测等应用场景。
三、智能技术在化工安全领域应用分布
四、智能技术落地案例概述
NTT和三井化学: NTT和三井化学基于注入反应器的原材料和反应器的条件数据集和代表气体产品质量的某些气体浓度，利用深度学习算法自动分析、建模、预测数据，成功地制定了准确快速预测气体产品质量的方案。 该方案使操作员能够检测出故障的传感器和仪表，快速准确地评估异常，提高报警的准确性和生产安全性。
西门子:在操作员训练中，西门子利用虚拟现实技术模拟反应器群，使员工能够体验实际操作，感受到错误操作的危害，更加熟悉操作内容和程序，提高安全意识。
阿里云:在橡胶密炼、导热油炉燃烧优化等情况下，阿里云利用机械学习、强化学习等人工智能算法来关联制造过程中的数据，分析影响过程的重要因素，识别最佳工艺参数，通过精确控制时间、温度来提高生产安全性。
巴斯夫和citrineinformationcs :巴斯夫与citrineinformationcs合作，加快开发新的环境催化技术。 该合作基于材料、化工原料及加工过程的相关数据，利用机械学习建立模型，分析材料在不同条件下的表现，预测采用新材料后的性能，筛选材料，加快优化性能的目的。 同时对材料的充分分析和化学表现的可靠性预测可以减少研制实验的意外性，从模型分析产品的缺陷、老化、故障变化，改善生产，提高生产安全性。
五、智能技术在化工安全领域有发展的局限性
容许率低:高风险化工生产过程对设备和系统的安全性和可靠性要求极高。
技术不足:人工智能技术在化工安全领域的应用才刚刚开始，算法还需要改进和积累，提高准确性和可靠性。
缺乏有效数据:化工企业能够建模的数据量庞大，信息源种类繁多，误差、噪声、时机不匹配、信息不完备、标签数据样本不足。 使用人工智能进行模型化训练之前需要进行数据的清洗和适当的预处理。
智能仪器的引进并不容易:化学反应器区管道密集，环境复杂，部分反应器附近不仅难以接近人员，而且难以引进接线网，影响智能传感器和物联网的引进，给智能监测、智能生产和智能应急带来困难。
六、智能技术在化工安全领域的未来趋势
物联网的大规模应用:智能传感器、物联网的大规模应用能够实时监测设备运行状况，结合大数据、机器学习、深度学习预测和诊断故障，提高生产过程的安全性。
机器人辅助监视、应急处理:防爆机器人、无人机可以辅助巡逻、应急、救援，不仅可以节省人力物力，还可以减少人员接近、盲点，提高工厂的安全性。
大数据、机器学习、深度学习可以促进生产控制:大数据、机器学习和深度学习在研发和生产中的应用有助于提高生产过程的控制，减少发生事故的可能性。
智能训练:运用虚拟现实，强化现实技术，能够在安全的环境下对员工进行高风险化学产品的生产训练，能够以更低的训练成本、更少的训练时间进行更快、更安全、更有效的员工培养。
