90、生产的火灾危险性分类

2024-03-30 15:08

本文主要是介绍90、生产的火灾危险性分类,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

分类标准举例
1、闪点<28℃的液体1、青霉素提炼部位
2、农药厂乐果厂房
3、汽油加铅室
4、甲醇
5、乙醇
6、丙酮
7、丁酮异丙醇
8、植物油加工厂的浸出车间
9、白酒液态法酿酒车间
10、酒精蒸馏塔
11、酒精度为38度及以上的勾兑车间
2、爆炸下限小于10%的气体1、乙炔站
2、氢气站
3、天然气的净化厂房压缩机室及鼓风机室
4、石油伴生气的净化厂房压缩机室及鼓风机室
5、电解水或电解食盐厂房
6、电石

3、常温下能自行分解或在空气中氧化

即能导致迅速自燃或爆炸的物质

1、硝化棉厂房
2、赛璐珞厂房
3、黄磷制备厂房

4、常温下受到水或空气中水蒸气的作用,

能产生可燃气体并引起燃烧或者爆炸的物质

1、金属钠加工厂房
2、金属钾加工厂房

5、遇酸、受热、撞击、摩擦、催化,

以及遇有机物或硫磺等易燃的无机物,

极易引起燃烧或者爆炸的强氧化剂

1、氯酸钠厂房
2、过氧化钾厂房

6、受撞击、摩擦或与氧化剂、有机物接触时

能引起燃烧或爆炸的物质

1、赤磷制备厂
2、五硫化二磷厂房
7、在密闭设备内操作温度不小于物质本身自燃点的生产1、洗涤剂厂房石蜡裂解部位
2、冰醋酸裂解厂房
乙           

 

  
 1、闪点≥28℃且<60℃的液体  1、樟脑油提取部位
 2、煤油灌桶间
 2、爆炸下限≥10%的气体  1、一氧化碳压缩机室
 2、氨压缩机房
 3、不属于甲类的氧化剂  1、发烟硫酸或发烟硝酸浓缩部位
 2、高锰酸钾厂房
 4、不属于甲类的易燃固体 1、樟脑提炼厂房
 5、助燃气体  1、氧气站
 2、空分厂房

 6、能与空气形成爆炸性混合物的悬浮状的粉尘、纤维,

闪点≥60℃的液体雾滴

    
 1、铝粉厂房
 2、镁粉厂房
 3、金属制品抛光部位
 4、煤粉厂房
 5、面粉厂的碾磨部位
 丙          1、闪点≥60℃的液体     1、油浸变压器室
 2、机器油灌桶间
 3、变压油灌桶间
 4、柴油灌桶间
 5、润滑油再生部位
 6、配电室(每台装油量>60kg的设备)
 7、沥青加工厂房
 8、植物油加工厂的提炼部位
 2、可燃固体   1、煤的筛分、转运工段和栈桥或存储
 2、焦炭的筛分、转运工段和栈桥或存储
 3、造纸厂备料、干燥厂房
 丁  

 1、对不燃烧物质进行加工,

并在高温或熔化状态下经常发生强辐射热、火花或火焰的生产

 1、金属冶炼厂房

 2、利用气体、液体、固体作为燃料

或将气体、液体进行燃烧做其他用的各种生产

 1、锅炉房
 3、常温下使用或加工难燃烧物质的生产 1、酚醛泡沫塑料的加工厂房
 戊 常温下使用或加工不燃烧物质的生产 1、石棉加工车间
 2、不燃液体的泵房和阀门室

 

转载于:https://www.cnblogs.com/wf2010517141/p/10889464.html

这篇关于90、生产的火灾危险性分类的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/861815

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

NameNode内存生产配置

Hadoop2.x 系列,配置 NameNode 内存 NameNode 内存默认 2000m ,如果服务器内存 4G , NameNode 内存可以配置 3g 。在 hadoop-env.sh 文件中配置如下。 HADOOP_NAMENODE_OPTS=-Xmx3072m Hadoop3.x 系列,配置 Nam

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

90、k8s之secret+configMap

一、secret配置管理 配置管理: 加密配置:保存密码,token,其他敏感信息的k8s资源 应用配置:我们需要定制化的给应用进行配置,我们需要把定制好的配置文件同步到pod当中容器 1.1、加密配置: secret: [root@master01 ~]# kubectl get secrets ##查看加密配置[root@master01 ~]# kubectl get se

Android 10.0 mtk平板camera2横屏预览旋转90度横屏拍照图片旋转90度功能实现

1.前言 在10.0的系统rom定制化开发中,在进行一些平板等默认横屏的设备开发的过程中,需要在进入camera2的 时候,默认预览图像也是需要横屏显示的,在上一篇已经实现了横屏预览功能,然后发现横屏预览后,拍照保存的图片 依然是竖屏的,所以说同样需要将图片也保存为横屏图标了,所以就需要看下mtk的camera2的相关横屏保存图片功能, 如何实现实现横屏保存图片功能 如图所示: 2.mtk

用Pytho解决分类问题_DBSCAN聚类算法模板

一:DBSCAN聚类算法的介绍 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种基于密度的聚类算法,DBSCAN算法的核心思想是将具有足够高密度的区域划分为簇,并能够在具有噪声的空间数据库中发现任意形状的簇。 DBSCAN算法的主要特点包括: 1. 基于密度的聚类:DBSCAN算法通过识别被低密

PMP–一、二、三模–分类–14.敏捷–技巧–看板面板与燃尽图燃起图

文章目录 技巧一模14.敏捷--方法--看板(类似卡片)1、 [单选] 根据项目的特点,项目经理建议选择一种敏捷方法,该方法限制团队成员在任何给定时间执行的任务数。此方法还允许团队提高工作过程中问题和瓶颈的可见性。项目经理建议采用以下哪种方法? 易错14.敏捷--精益、敏捷、看板(类似卡片)--敏捷、精益和看板方法共同的重点在于交付价值、尊重人、减少浪费、透明化、适应变更以及持续改善等方面。

【python计算机视觉编程——8.图像内容分类】

python计算机视觉编程——8.图像内容分类 8.图像内容分类8.1 K邻近分类法(KNN)8.1.1 一个简单的二维示例8.1.2 用稠密SIFT作为图像特征8.1.3 图像分类:手势识别 8.2贝叶斯分类器用PCA降维 8.3 支持向量机8.3.2 再论手势识别 8.4 光学字符识别8.4.2 选取特征8.4.3 多类支持向量机8.4.4 提取单元格并识别字符8.4.5 图像校正

PMP–一、二、三模–分类–14.敏捷–技巧–原型MVP

文章目录 技巧一模14.敏捷--原型法--项目生命周期--迭代型生命周期,通过连续的原型或概念验证来改进产品或成果。每个新的原型都能带来新的干系人新的反馈和团队见解。题目中明确提到需要反馈,因此原型法比较好用。23、 [单选] 一个敏捷团队的任务是开发一款机器人。项目经理希望确保在机器人被实际建造之前,团队能够收到关于需求的早期反馈并相应地调整设计。项目经理应该使用以下哪一项来实现这个目标?

生产mongodb 分片与集群 方案

链接:http://my.oschina.net/pwd/blog/411439#navbar-header 注:主要是有一键安装的脚本可以借鉴