欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

化工企业安全文书知识库建设方案:SDS 与操作规程的结构化入库与现行版检索

上邦 AI 工程团队2026-09-22阅读 约 7 分钟
化工企业的 SDS、操作规程、安全周知卡与应急预案分散在采购、生产、安环多个部门,版本更新频繁,现场检索低效。本文给出一套可在内网完成部署的结构化知识库方案:文档解析、CAS 号元数据抽取、向量入库、权限分级与现行版强制过滤,并附可运行示例代码与验收指标。
化工企业的安全文书数量多、更新勤、使用急:SDS(安全技术说明书)随原料采购持续新增,操作规程随工艺变更反复修订,安全周知卡与应急预案要求现场能随时查到现行版本。多数中小化工企业的现状是:纸质归档在安环办,电子版散落在各部门共享盘,现场作业人员查一次 SDS 要么翻文件夹、要么在群里问,应急场景下尤其低效。本文给出一套完全可在企业内网完成部署的结构化知识库方案。

总体架构:四层设计

第一步 明确源文档范围:SDS、操作规程、安全周知卡、应急预案、危化品台账,统一由安环办作为唯一入库入口,其他部门只读,从源头避免版本分叉。
第二步 解析与元数据抽取:从 PDF 中提取正文,并用规则抽取 CAS 号、文档类型、版本号、生效日期、适用车间,作为检索过滤字段。
第三步 向量索引:采用本地向量库(如 Chroma)持久化存储,向量模型使用本地部署的中文 embedding 模型,文档全程不出内网。
第四步 权限与生效版本过滤:查询时按角色与文档状态过滤,保证现场查到的永远是现行版,历史版本仅供安环办追溯。

文档解析与 CAS 号抽取

SDS 多为 PDF 格式,可用 pypdf 提取文本;CAS 号有固定格式(多段数字-两位中段-一位校验码),用正则即可批量抽取,用于建立化学品名称与文档之间的关联:
import re
from pypdf import PdfReader

reader = PdfReader('sds_乙醇_2026v3.pdf')
text = '
'.join(page.extract_text() or '' for page in reader.pages)

cas_pattern = re.compile(r'CAS[::\s]*(\d{2,7}-\d{2}-\d)')
cas_list = sorted(set(cas_pattern.findall(text)))
version_pattern = re.compile(r'版本[号::\s]*([Vv]\d+\.\d+)')
version = (version_pattern.findall(text) or ['V1.0'])[0]

print('CAS 号:', cas_list)      # 例如 ['64-17-5']
print('版本:', version)          # 例如 V3.0
print('文本长度:', len(text))
扫描件无法直接提取文本时,需先走 OCR(如 PaddleOCR),并把识别置信度低于阈值的页面转人工复核,避免关键防护参数被错误识别。

切片与向量入库

SDS 的 16 个部分(危险性概述、急救措施、泄漏应急处理等)天然适合按节切片,每片携带统一元数据,检索时才能定位到具体条目而非整篇文档:
import chromadb

client = chromadb.PersistentClient(path='./chem_kb')
col = client.get_or_create_collection('sds_docs')

chunks = [
    {'text': '乙醇:皮肤接触后应脱去污染衣物,用肥皂水和清水彻底冲洗。',
     'meta': {'doc_type': 'SDS', 'cas': '64-17-5', 'version': 'V3.0',
              'status': 'current', 'dept': '安环办'}},
    {'text': '乙醇泄漏应急处理:撤离泄漏污染区人员至安全区,切断火源。',
     'meta': {'doc_type': 'SDS', 'cas': '64-17-5', 'version': 'V3.0',
              'status': 'current', 'dept': '安环办'}},
]
col.add(
    ids=['sds-' + str(i) for i in range(len(chunks))],
    documents=[c['text'] for c in chunks],
    metadatas=[c['meta'] for c in chunks],
)

现行版本与权限过滤

查询时强制附加 status='current' 条件,历史版本仅允许安环办角色检索,用于变更追溯与审计。Chroma 的 where 条件支持组合过滤:
result = col.query(
    query_texts=['乙醇泄漏了第一步怎么处理'],
    n_results=3,
    where={'$and': [
        {'doc_type': {'$eq': 'SDS'}},
        {'status': {'$eq': 'current'}},
    ]},
)
for doc, meta in zip(result['documents'][0], result['metadatas'][0]):
    print(meta['cas'], meta['version'], doc)

问答与溯源

检索结果拼接提示词后交给本地模型生成回答,回答中必须标注来源文档号与版本号,现场人员可据此核对纸质原件。模型侧可用 Ollama 拉取 Qwen 系列模型在离线环境运行;对纯检索场景,直接返回原文片段比生成式回答更稳妥。建议两种模式并存:常规查询走生成式问答提升可读性,应急类问题默认走原文直出,降低模型表述偏差带来的风险。

上线路径与验收指标

建议分三个阶段推进:先入库 SDS 全量与近两年操作规程,在试点车间运行;再接入安全周知卡与应急预案,并在班前会演练真实检索;最后扩展到全厂,同时建立文档更新同步机制,要求新文档 24 小时内完成入库。验收看两个硬指标:现场查询的零结果率应低于 5%,抽检问答中现行版命中率应达到 100%——后者是安全场景不可妥协的底线要求。

从方案到落地

上述组件(pypdf、Chroma、Ollama)均为开源工具,中小企业在一到两台普通工作站上即可完成试点。若需要现成的一体化方案,上邦的私有 AI 知识库(https://aiwork.shangbon.com/ai-rag.html)提供从文档解析、权限分级到带出处问答的完整落地支持,适合与安环管理体系同步规划实施。

参考来源

危险化学品登记管理办法 - 国家安全生产监督管理总局令(现应急管理部)
GB/T 16483-2008 化学品安全技术说明书 内容和项目顺序 - 国家标准全文公开系统
相关标签:企业AI知识库建设方案化工行业SDS管理私有化部署

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案