工业互联网在化工企业安全生产中的研究现状和发展趋势

张国之，王云龙，穆波

(1.中石化管理体系认证(青岛)有限公司，山东 青岛 266000；2.中石化安全工程研究院有限公司，山东 青岛 266000)

我国化工行业企业数量多、涉及危化品种类多、管理水平参差不齐，集约化一体化的发展趋势和影响安全新因素的不断涌现造成系统性风险，而风险识别管控能力的不足则导致重特大事故时有发生，金誉石化“6·5”、盛华化工“11·28”、响水“3·21”等重特大事故造成了重大经济损失和人员伤亡，安全生产是化工行业高质量发展的重要保障。工业互联网通过“要素深度互联+信息流打通”，可以增强风险的感知、监测、预警、处置和评估能力。工业互联网和安全生产的有机结合，既有利于加快企业数字化转型，又有利于提升本质安全水平。工信部、应急管理部印发《“工业互联网+安全生产”行动计划(2021～2023年)》提出到2023年底基本形成工业互联网与安全生产协同发展的格局。

前期化工企业智能工厂的建设，相关技术如物联感知、移动互联、信息物理系统、大数据、人工智能、云计算、AR/VR等技术的进步，不同信息系统间通道的不断打通，为工业互联网在化工行业安全生产领域的全面应用提供了软硬件条件。本文从工业互联网的概念出发，针对化工行业“工业互联网+安全生产”的研究应用现状进行了调研分析，并提出工业互联网与化工行业安全生产深度结合下一步研究的重点。

1 工业互联网

工业互联网融合了工业、技术和互联网，实现了人、机、环境的互联。不同学者对工业互联网的实现有不同的理解，文献报道中工业互联网的组成、架构和特点见表1[1-5]。从表中可以看出，在工业互联网架构中，通常数据库层是支撑，平台层是核心，工业APP是关键；工业互联网的特点是基于实时信息等，利用学习、推理等方法，通过反馈对动态工业环境进行自适应决策，实现物理和数字一体化、IT和OT融合化。“通过对人、机、物、环、管的全要素连接，构建新型安全生产模式”是“工业互联网+安全生产”的内涵。在企业、园区、行业不同层面，“工业互联网+安全生产”有不同侧重点的融合应用，企业层面侧重数字化管理设备、工艺等要素。根据“工业互联网+安全生产”的内涵及安全生产实际，提出化工企业层面安全生产工业互联网框架见图1，框架在应用中需要更多更广泛的资源配置，包括和政府、行业、社会等多资源联动[6-8]。

工业互联网在快速感知、实时监测、超前预警、联动处置、系统评估方面可以与化工企业安全生产结合。快速感知是利用智能传感、边缘计算等技术全面采集安全相关多要素信息，实时监测是推动设备系统上云上平台，超前预警是用风险计算模型进行风险预判，联动处置包括协同应急等，系统评估是利用工具模型对生产态势、事故等进行评估，可以实现企业的生产优化、决策优化、资源优化以及管理服务优化。

表1 工业互联网的组成、架构和特点

图1 化工企业安全生产工业互联网框架Fig.1 Framework of industry internet for chemical enterprises safety production

2 工业互联网在化工企业安全管理领域的应用现状

根据安全系统工程理论，人、机、环是安全基本要素，工艺、设备、物料、环境、人员、应急是化工企业安全生产基本要素中的重要组成部分，工业互联网在工艺、设备、物料、环境、人员、应急等方面为化工企业安全生产管理提供了优化提升方案，提升了企业精细化、科学化管理水平。从快速感知、实时监测、超前预警、联动处置、系统评估的应用环节出发，对化工企业安全生产领域内工业互联网相关研究方向分析如下。

2.1 工艺管理

化工企业工艺管理多集中在实时监测、超前预警等环节，具体包括报警优化、故障诊断、工艺数据分析等方面的研究。李强根据关键工艺参数及报警数据，利用报警搁置等方法科学管理报警[9]。Tian等结合灰色模型、时间序列模型、动态模型对工艺进行故障预测[10]。李鹏等利用大数据技术进行工艺优化，用聚类、关联、分类等算法挖掘催化数据规律，生成因果链路图指导异常工况预警、对结焦趋势进行影响因素关联分析和长周期预测优化[11]。

2.2 设备管理

化工企业设备管理研究多集中在快速感知、实时监测、超前预警等环节，具体包括预测性维修、故障诊断、设备运行数据分析等方面，研究手段包括数据采集装备研发、分析模型构建、工业软件开发等。Yang等利用工业摄像机和机器视觉技术自动诊断阀门区域泄漏[12]。李强提出的工业操作系统中应用4G/5G、物联网技术实现了基于过程泄漏风险图的设备泄漏监测预警[9]。在设备运行数据分析方面，燕山石化基于Hadoop大数据平台建立了设备预知维修系统，通过设备实时参数分析，设备管理人员根据系统诊断出的故障，前往现场确认[13]。高金吉从工业互联网设备监测诊断平台出发，研发具备高频采集、高动态范围、高采集精度等性能的数据采集系统，基于“因果关系”、“关联关系”等诊断模型开发机群大数据分析与诊断专家系统，并提出了人工自愈的设备智能化诊断发展趋势[14]。

2.3 物料管理

目前研究多应用物联网、机器人、数据分析等技术和信息化系统对化工企业中物料进行快速感知、实时监测、超前预警、联动处置等环节的管理，实现物料全周期状态的实时感知和关联分析。RFID、UWB等定位技术被用作危化品重量、位置的管理[15-16]。李琳研究危化品仓储物流机器人根据地图规划方法进行危化品的运输[17]。刘言刚等用大数据技术对危化品储存数量、储存条件进行分析，从而优化管理[18]。李强将危险源相关设备、位号、周边物质进行在线关联，建立了联动周边资源、生产以及安防等信息的动态管理过程，便于指挥调度。在物料管理信息系统建设方面，研发多种危化品电子系统用于出入库、领用、检査、空瓶销毁、应急等流程的管理[15，17，19]。

2.4 环境管理

通过传感器、物联网、机器人、模拟仿真等技术，对环境中有害气体、可燃气体等进行数据采集、数据融合、检测扩散模型构建、综合管理系统开发、应急响应等方面的研究，提升快速感知、实时监测、超前预警、联动处置等环节，实现对环境状态的物联感知和环境风险的管控。电化学、光学等多种有害气体智能传感器及布置方式被广泛研究[20-23]。陆江对多传感器信息融合方法进行了研究，并设计了有害气体融合检测系统[24]。贾云伟等把机器人相关技术用于有害气体报警、泄漏定位溯源等环境风险监测[25-26]。赵镒雯运用数值模拟软件对氯气泄漏时浓度分布进行研究[27]。在综合管理系统研发方面，秦博研发了煤化工有害气体安全监控物联网系统，包括浓度采集、ZigBee网络传输、系统软硬件设计等；李彤等利用 FPGA、传感器、监控系统软件提出了化工易燃气体监测解决方案[28-29]。于加收根据扩散规律提出液氨泄漏疏散路线等应急措施[30]。

2.5 人员管理

目前化工企业人员管理集中在快速感知、实时监测、超前预警、联动处置等环节，有行为风险管控、智能化培训、场景化管理平台等方面的研究，采用的技术有视频监控、图像处理、物联网、移动互联、人员定位、无线通信等，常见人员管理与工业互联网的结合研究见表2。

表2 工业互联网背景下人员管理研究Table 2 The research on personnel management under the background of industrial internet

人员行为风险管控研究具体包括定位技术对滞留、超员、偏离规定路线、睡岗离岗、外来人员非法闯入等风险进行感知识别[31-32，38]，视频分析技术对吸烟、非法进入作业区域、违反劳动纪律、徘徊、剧烈运动、倒地、人数异常、不按规定穿戴劳保等风险进行管控[34，39]。在培训智能化方面，有图像分析、数据科学、人工智能、物联网、VR等技术的应用[35-37]。除了人员日常管理，在高危作业、巡检、检查、工程施工、应急等特定场景下，有相应管理系统研究，如研发的作业管控平台可实现作业人员典型违章行为综合识别，工程施工管控平台实现承包商人员身份及位置管理、电子作业票管理等功能[40-43]。

2.6 应急管理

通过构建事故事件、应急处置预案等基础库，利用模拟仿真等技术，从预防、预备、响应和恢复等阶段实现应急时效性管理，提升实时监测、超前预警、联动处置等环节。对于事前演练排查，李群等结合“情景构建”方法对应急演练评估方法、技术及系统进行了研究[44]；许祺提出了“工艺仿真建模+灾害仿真建模”的建模方式，应用于应急系统中对事故多米诺场景的仿真[45]。对于事中快速响应，康德礼等提出了化工园区应急救援平台的总体框架，对数据采集、数据通信、数据分析和执行等关键要素进行了研究[46]。

3 难点与下一步研究重点

在知网数据库中进行“工业互联网”的关键词检索，排名前几位的有效相关主题词有“智能制造”、“互联网平台”、“人工智能”、“物联网”、“数据中心”、“大数据”、“APP”、“基础设施建设”、“智能仪表”、“云计算”、“标识解析”等。结合目前研究和应用实际，提出难点与下一步研究重点如下[47]。

3.1 安全生产风险分析模型研发

算法模型决定了对风险的研判能力，从安全生产存在的问题或需求出发，构建风险分析模型，如结合机理知识建立工艺平稳性、设备腐蚀等机理模型，利用深度学习等方法建立人工智能模型，在不同数字化阶段、管理场景中针对性地选择机理模型或人工智能模型，协同专家经验进行推理。针对不同层级的管理要求，结合风险耦合关系，研发单点、装置区、厂级等多尺度风险分析模型，实现风险的量化表征。在模型实际应用时，协调好理论模型和简化应用模型的关系，增强模型的实用性、适用性。

3.2 安全生产数据价值挖掘能力提升

对安全生产业务数据化后，构建高质量数据链和风险特征库等多维度关联知识库，是数据挖掘的基础。提升数据实时处理能力，对安全异常事件或风险及时预警；提升半结构化、非结构化的文本、图像、视频等异构数据的处理能力；提升数据共享能力；提升多维多源数据融合能力，可实现比单一信息源更准确的预测效果，如利用多信息融合方法对人员位置风险、设备故障诊断等进行识别判断；提升数据分析能力，应用聚类等方法，对影响因素多、机理复杂、难以线性描述和精确方程表达的化工企业的安全生产管理，在更广范围、更多因素中研究事物关联规律，辅助状态、原因、趋势、决策等分析。丰富数据可视化如三维、虚拟现实等技术手段在风险展示、安全培训中的应用。此外，深度融合大数据技术和安全管理系统工程，如对事故数据进行分析，揭示事故发生的区域性、周期性等特征，辅助根原查找[48-49]。

3.3 工业互联网安全生产云化工业软件开发

全面覆盖生产运行、检修维护和日常管理等关键业务环节需求，提升安全生产关键业务环节工业技术软件化率，促进风险计算模型、环境监测算法等知识经验智能化沉淀和管理流程等管理模式固化。面向关键基础材料、关键工艺等基础领域研发安全生产基础共性工业APP；面向设备完整性等安全管理需求，开发化工行业安全管理通用APP；面向个性化需求，开发变更、检查、装置风险评估等特定场景专业化APP。利用工业APP采集设备、业务系统的数据，为工业大数据提供数据支持。推动工业APP向平台汇聚，丰富工业互联网平台应用。

3.4 工业互联网安全生产监管平台构建

整合现有数据、模型和平台，构建企业工业互联网安全生产监管平台，综合化定量化评价安全状态，精确调控人、机、环、管中的物质、信息和能量，结合风险分级管控思路实现安全生产联动联控。在平台建设中，结合人工智能、工业大数据、高性能计算、边缘计算、数字孪生、在线全景影像、5G、量子通信、区块链等技术提升平台能力。

4 结束语

工业互联网在化工企业安全生产领域有了一定程度的应用，但多为分散技术在部分场景的应用，随着化工企业信息化水平的提升，工业互联网和安全生产的深度融合是生产安全精细化管理的有力保障。经过文献和实地调研，以下几个方向可推动工业互联网创新安全管理模式的水平：算法模型的风险分析工具研发、数据支撑能力提升、工业互联网安全生产云化工业软件开发和监管平台构建。