隨著全球化工產(chǎn)業(yè)鏈供給側(cè)和需求側(cè)的深入變革，全球化工產(chǎn)業(yè)已形成發(fā)達國家技術(shù)引領(lǐng)、新興經(jīng)濟體國家加速發(fā)展的格局。這意味著化工過程安全面臨的挑戰(zhàn)已經(jīng)成為全球性的問題，需要全球從業(yè)者攜手合作應對挑戰(zhàn)。

現(xiàn)有挑戰(zhàn)：風險認識、人才儲備、技術(shù)應用皆有不足

經(jīng)過大量案例的梳理和調(diào)研，筆者發(fā)現(xiàn)，化工過程安全面臨的挑戰(zhàn)主要來自3方面。

一是各方對基于高后果風險的過程安全理解不一。

在大多數(shù)情況下，我們使用慣性思維和已有的經(jīng)驗開展風險分析，而不是根據(jù)已構(gòu)建的風險矩陣，科學客觀地對風險進行識別、排序，并制定相應的風險管控策略。這就造成從業(yè)人員對風險的洞察力不足，往往會忽視高后果風險對裝置本身和周邊環(huán)境的威脅。

從多個國家的事故裝置對應的事故前風險評價的記錄可以發(fā)現(xiàn)，高后果風險往往是被低估的。所以，如何正確理解基于風險的過程安全和提高從業(yè)人員風險辨識和風險管控的能力，尤其是客觀正確辨識和管控高后果風險，是過程安全面臨的挑戰(zhàn)之一。

二是過程安全管理面臨代際傳承困境。

一名合格的化工安全工程師除了具備化學、物理、數(shù)學等基礎(chǔ)知識，能夠理解化工過程中的基本原理和機理外，還應掌握包括流程設(shè)計、設(shè)備選型、工藝參數(shù)計算等化工工程設(shè)計的基本方法和流程，能夠辨識并管控化工過程中的安全風險，制定和實施安全生產(chǎn)規(guī)章制度和操作規(guī)程。而成為一名合格的化工安全工程師起碼需要6到8年，甚至更長的時間。

與此同時，關(guān)鍵人員的離職、調(diào)動或缺席可能會增加化工事故的風險。關(guān)鍵人員通常擁有豐富的經(jīng)驗和知識，掌握著關(guān)鍵的技術(shù)和管理信息，對生產(chǎn)過程的控制和監(jiān)管起著至關(guān)重要的作用。一旦這些關(guān)鍵人員變更或離開，新的工作人員一時間無法適應新的工作環(huán)境和要求，從而增加安全風險。

三是數(shù)字信息技術(shù)缺乏實踐，不能很好地賦能過程安全。

隨著人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)等新技術(shù)的不斷涌現(xiàn)，化工過程安全也在不斷地應用新技術(shù)。一方面，這些新技術(shù)可以用于過程安全數(shù)據(jù)的挖掘和分析，發(fā)現(xiàn)過程中存在的問題和潛在的風險，從而采取相應的措施來預防和控制事故的發(fā)生。另一方面，新技術(shù)還可以用于過程安全的智能監(jiān)控，通過采集和分析過程中的各種數(shù)據(jù)，實時監(jiān)測過程的狀態(tài)和變化，從而采取相應的控制措施來保證過程的安全性和穩(wěn)定性。

在實際應用中，由于此類數(shù)字信息技術(shù)應用被過度產(chǎn)品化，無法完全契合具體場景的復雜性和多樣性。另有一些新技術(shù)應用因需面對高額試錯成本而被擱置，缺乏現(xiàn)場實踐檢驗，盲目投入應用僅為體現(xiàn)形式上的科技感。

應對策略：科學評估、代際傳承、開發(fā)數(shù)字工具

為了應對上述挑戰(zhàn)，全球從業(yè)者進行了大量有益的嘗試和實踐，針對上述挑戰(zhàn)，形成了一批可借鑒、可推廣的經(jīng)驗和做法。

一要科學實施風險分析與評估。

實踐證明，正確理解基于風險的過程安全，需要制定科學的風險管理策略，掌握風險分析的工作流程和數(shù)據(jù)采集方法，合理選擇風險技術(shù)的應用場景，有效運用ETA、FTA、QRA等風險評價工具。

新加坡學者AcuTech認為，高后果風險事件通常被認為是在極端異常的情況下才會發(fā)生，該類事件所帶來的嚴重后果在設(shè)計、運營、風險管理和應急響應計劃中并未得到充分考慮，這些事件本應被納入設(shè)計基礎(chǔ)的范圍內(nèi)，而不能僅作為危機管理的范疇。

二要通過開發(fā)系統(tǒng)、建立社區(qū)來傳承知識。

過程安全管理的代際傳承方面，普遍的做法是開發(fā)知識管理系統(tǒng)，有經(jīng)驗的工程師將技術(shù)報告、設(shè)計指南、標準操作程序和最佳實踐編輯成冊并上傳數(shù)據(jù)庫。這些文檔定期更新，并向新工程師提供訪問權(quán)限，工程師群體可以共享信息并協(xié)作完成項目。同時，還可以建立實踐社區(qū)，將具有相似興趣或?qū)I(yè)領(lǐng)域的工程師聚集在一起，這些社區(qū)可以提供分享知識和經(jīng)驗、討論最佳實踐和解決問題的論壇。

三要嘗試定制化開發(fā)數(shù)字信息工具。

人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)等新技術(shù)開發(fā)和創(chuàng)新方面，全球從業(yè)者都在聚焦開發(fā)高精度和高穩(wěn)定性的傳感技術(shù)，利用機器學習算法對歷史數(shù)據(jù)進行分析以建立預測模型，實現(xiàn)對未來風險的預測和預警，開發(fā)適用于化工過程的物聯(lián)網(wǎng)設(shè)備和應用軟件，實現(xiàn)設(shè)備之間的信息共享和協(xié)同，利用人工智能技術(shù)對生產(chǎn)數(shù)據(jù)進行實時分析，發(fā)現(xiàn)異常操作或設(shè)備故障。

印度的Mayuresh molal團隊則通過全面審視當前過程工業(yè)中數(shù)據(jù)分析和機器學習融入安全實踐的現(xiàn)狀和面臨的挑戰(zhàn)，提出了一個堅實的框架來開發(fā)和評估基于數(shù)據(jù)的安全解決方案。強大的數(shù)據(jù)積累，提升召回率、降低誤報率，根據(jù)不同場景、不同攝像頭的需求調(diào)用所需要的算法，并基于對運營的深入理解和主動識別潛在問題來作出明智的決策，提升了整體的運營效率和卓越性。我們應該大力推廣新技術(shù)在危險化學品安全領(lǐng)域的試點應用，支持具有社會責任感的數(shù)據(jù)技術(shù)服務(wù)公司與愿意嘗試新技術(shù)應用的企業(yè)深度融合；同時，要支持企業(yè)自我組建團隊或借助外部力量，以實際業(yè)務(wù)為基礎(chǔ)，定制開發(fā)符合企業(yè)實際管理的數(shù)字信息工具，讓數(shù)據(jù)信息技術(shù)真正為企業(yè)安全生產(chǎn)管理賦能。