2021年以來，沙特阿美石油公司大力推廣“動態(tài)危險識別與風險管理（DRM）”方法，避免鉆井現(xiàn)場惡性事故發(fā)生。

英國管理機構對1988年7月發(fā)生的英國北海阿拉法（Alpha）平臺爆炸沉沒事故所做的調查，證實目前全球石油鉆井業(yè)開始推廣的DRM方法，是一種行之有效的現(xiàn)代風險控制方法。沙特阿美石油公司對英國機構調查結論，表現(xiàn)出濃厚興趣。

沙特阿美專家指出，鉆井實踐證明，當DRM引入人工智能（AI）之后，成為代替幾十年來石油業(yè)傳統(tǒng)的“靜態(tài)風險控制”方法。傳統(tǒng)靜態(tài)風險控制存在三方面缺點，一是使用鉆井現(xiàn)場的靜態(tài)數(shù)據(jù)；二是針對一般性事故，沒有針對惡性事故；三是描述事故過程沒有使用物理或者數(shù)學方程描述。

多年來，工業(yè)界已經研發(fā)不同的方法來進行動態(tài)風險管理，其中包括“胡蝶結”（bow-tie，2013年）方法，貝葉斯（Bayesian，2020年）方法，“非常規(guī)事故前兆的動態(tài)識別程序”，即DyPASI方法（2013），以及“風險列表”方法（Risk Barometer，2015年）等。

在動態(tài)危險識別與風險管理方法中，使用2013年業(yè)界提出的風險描述“胡蝶結”方法，以及2015年提出的“風險列表”方法。此外，還有2015年提出的“非常規(guī)事故前兆的動態(tài)識別程序”方法。

值得注意的是，所謂“靜態(tài)”與“動態(tài)”風險管理的顯著區(qū)別，是列表中的風險影響因子的加權系數(shù)狀態(tài)?！办o態(tài)風險管理”風險影響因子值是不變的，而“動態(tài)風險管理”風險影響因子值是隨時變化，且因子變化依據(jù)來自機器學習程序。