智慧图书馆设备故障规避的HFACS等级相关分析

孙龙杰 俞凯君

摘  要： 大數据人工智能时代下图书馆各项新技术设备的应用为智慧图书馆的发展提供了高效智能化的技术支持，实现了智慧服务的自动化，帮助用户更加便捷地获取、利用、分享图书馆的各项资源;但随着内外环境的变化影响，设备故障问题也日益突出，如何有效规避智慧设备故障隐患，降低故障风险成为亟待解决的新课题。笔者通过自身工作实际结合相关文献资料，统计发现影响设备故障主要分为四类因素，其中人为因素占了很大比例，进一步深入分析得出含制度设计、流程执行等16种因子的四层改进型HFACS框架。通过设备故障样本集数据集计算Spearman和Kendall Tau—b相关系数得出各层等级相关度，逐步挖掘出各层内在相关逻辑因子，探究出设备故障致因链进行分析，总结归纳启示性建议为图书馆相关智慧管理和服务提供科学依据。

关键词： 智慧图书馆;人为因素;等级相关系数;致因链

中图分类号： O213;TP 18    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2019.09.014

本文著录格式：孙龙杰，俞凯君. 智慧图书馆设备故障规避的HFACS等级相关分析[J]. 软件，2019，40（9）：62-66

HFACS Level Correlation Analysis of Smart Library Equipment Fault Avoidance

SUN Long-jie， YU Kai-jun^*

（Shanghai University of Medicine and Health Sciences， Shanghai， 201318）

【Abstract】： The application of new technologies and equipments in the era of big data artificial intelligence provides efficient and intelligent technical support for the development of smart libraries， realizes the automation of smart services， and helps users to more easily acquire， utilize and share libraries. Various resources; however， with the changes of internal and external environment， the problem of equipment failure has become increasingly prominent. How to effectively avoid the hidden troubles of smart equipment and reduce the risk of failure has become a new problem to be solved. The author actually combines the relevant literature with his own work. The statistics show that the equipment failures are mainly divided into four types of factors， of which human factors account for a large proportion. Further in-depth analysis results in four layers of improvement including 16 factors including system design and process execution. Type HFACS framework. The Spearman and Kendall Tau-b correlation coefficients are calculated from the equipment fault sample set data set to obtain the hierarchical correlation degree of each layer， and the relevant internal logic factors are gradually explored to explore the cause chain of the equipment failure analysis. Library-based wisdom management and services provide a scientific basis.

【Key words】： Intelligent library; Human factors; Grade coefficient; Cause chain

0  引言

智慧图书馆的发展目前主要分为智能技术设备和智慧馆员服务两大方向。高职院校较为注重智能设备的发展应用，认为通过不断改善感知层智能传感技术，完善数据采集等功能可以促进智慧图书馆持续健康发展，如广东农工商职业技术学院、文艺职业学院图书馆对当前高校智慧图书馆智能技术的功能和应用特征做了总结归纳，认为馆员应加强技术了解和应用能力^[1-3]。但随着智能设备应用的普及以及智慧图书馆发展的核心理念不断升华，不少学者认为两者融合协同的发展趋势将愈发明显：武汉大学曾子明教授认为智慧图书馆应以为读者提供更加智慧化的服务为前提，将情境感知技术运用到图书馆中^[4]。安徽大学储节旺教授认为智慧图书馆只有具有更全面立体的感知、更广泛的互联互通、更深入的智能洞察、更高效的协同管理这四大核心特征，才能胜任未来的工作，而智慧科技和智慧馆员是其核心要质^[5]。上海社科院信息研究所王世伟教授认为智慧图书馆不仅需要数字化、网络化、智能化的外在特征，更需要互联、高效和便利的内在特点^[6-7]。华中师范大学夏立新教授认为应坚持从智慧图书馆的“智慧”本质入手，充分融合与重构图书馆各要素来构建一个能激发人创造力的智慧学习环境^[8]。

笔者从事智慧图书馆建设多年认为在推广人工智能新兴技术^[9]应用的同时，也应坚持“以人为本，用户至上”的服务理念，积极探究出能有效提升用户智慧服务感受度的策略和方法，构建智慧温馨的学习家园。笔者从实际工作中发现设备故障频发，严重影响用户智慧服务体验和图书馆智慧服务管理水平。而因自然环境和馆内环境变化导致的各類故障不在少数如3D打印机的故障^[10]，笔者以上海健康医学院图书馆2018年为例，在馆运行的RFID自助借还机、24小时图书馆、自助阅读机、触摸检索机、朗读亭、打印机等各类智慧设备共计24台，故障原因经初步统计分析主要分为软件因素、气候因素、固件因素、人为因素四大类，具体如下。

从表1、图1不难看出人为因素占据了主要比例，笔者通过文献检索和相关物联网技术^[11]、大数据应用平台^[12]的研究，结合智慧图书馆“用户画像”^[13]行为的挖掘分析，提出智慧图书馆设备故障规避的HFACS等级相关分析研究，力求量化人文关怀指标，深度挖掘人为因素在设备故障发生前后相关隐性、显性因子的内在逻辑关联，合理推断致因链，突破以往主观思维的误导和单一数据分析的偏差。

1  HFACS四层模型

HFACS（Human Factors Analysis and Classification System）^[14]是用于各类事故调查中分析人为因素的方法，在航空事故调查、生产安全事故调查、管理安全事故调查中应用最为广泛^[15]，由“瑞士奶酪”（Swiss Cheese Model）模型^[16]演变而来，它将人为因素划分为四个层次进行分层归纳包括：不安全行为（直接原因）、不安全行为的前提（显性因素）、不安全的监督（隐性因素）、决策层影响（潜在根源），每层中包含若干具体影响因子，可对各因子进行分析。但经典HFACS模型框架下只能大致给出事故发生四层分类影响，且缺乏有效分析数据支撑，不能直观体现出各层间内在致因链的相关度^[17]，为解决上述问题适应智慧图书馆设备故障调查，有必要重新分析故障发生前后人为因素各因子特征并对整个HFACS框架进行适当修改，完善其具体因子，改进后的HFACS框架如图2所示。

2  等级相关分析

相关分析是度量两个变量或两组变量之间的相互依存关系的一种典型方法，相关系数是描述线性相关程度和方向的统计量^[18]，正负号表示相关关系的方向，其绝对值大小表示相关关系的强弱程度，如下表2所示。

这里需要说明的是样本数据分析得出的相关系数r需要在一定显著性水平进行检验^[19]才能符合对总体数据的推断，本文采用a=0.05的显著性水平。

对于服从正态分布的两个随机变量X与Y来说可用简单相关分析法（一般指直线相关），采用Pearson相关系数计算，公式如下：

但以上相关分析均基于定量数据或连续型变量的研究，而对于HFACS中各因子顺序变量往往难以确定协方差和标准差。因此需对HFACS中各因子顺序变量进行等级相关分析，Spearman和Kendall等级相关系数是常用的度量算法。

Spearman相关系数又称秩相关系数，主要对2个变量的秩做等级线性相关分析，而与变量的分布和样本容量大小均无关，一般定量数据或连续型数据需转换成相应的排列顺序，再运用Spearman法去求解，其定义如下：

Spearman相关系数ρ被定义为2个n维随机变量X=（X₁，X₂，…，X_n）和Y=（Y₁，Y₂，…，Y_n）：

其中，r_i和s_i分别是X_i和Y_i的秩，i=1，2，…，n。的取值范围为[-1，1]，由于与Pearson公式相仿，在SAS中字母表示相同。

Kendall相关系数（SAS中称为Kendall Tau b相关系数）与Spearman类似，但它不仅要考虑变量的排列顺序，更主要的是根据2个变量间序对的一致性来判断其相关性，因此相关度评判更为严格，对于n维变量中第i个任意随机分量X_i、Y_i和第j个任意随机分量X_j、Y_j来说，（X_i、Y_i）和（X_j、Y_j）的排序一致时，称之为同序对，反之称为异序对，在可得如下定义：

这里P表示一致的序对数，取值范围为[–1，1]，SAS中用Tau表示。

執行SAS中CORR过程得到各层之间的相关系数，结果如图3-5，表3-5所示。

3  总结

根据上节SAS软件分析出的各层因子间相关系数和归纳整理出的相关因子对，不难发现基于HFACS框架下的智慧图书馆交互设备故障等级分析，其中各层大部分因子对横向间Spearman和Kendall Tau—b相关系数、相关度之间存在较为显著的一致性，其中纵向隐含着2条痕迹较为明显的逻辑致因链，如图6所示。

上述研究表明制度设计和流程执行是设备故障的潜在根源，巡检执行和监督违规是隐性因素，两者之间内在相关度显著;动机不纯是显性因素，有意识违规是设备故障的直接原因，两者之间显著相关。因此针对上述研究结果，笔者提出智慧图书馆设备故障规避的几点启示性建议，供其他图书馆参考：

（1）馆内制度设计需要兼顾馆内管理和用户实际需求，制定更为合理规范的举措;流程执行不仅要常态化更需人性化，人文关怀落实到行动上。

（2）巡检更应严格定期执行，应采取更为有力的措施监督违规，以期有效降低隐患。

（3）针对动机不纯的用户行为应及时发现制止并对屡教不改者列入黑名单，逐步杜绝用户有意识违规行为，加强入馆教育，提高人文素养。

参考文献

• 王维秋， 刘春丽. 智慧图书馆的理论演进历程、应用前沿与发展趋势研究[J]. 图书馆学研究， 2017（18）： 17-20.
• 黄辉. 基于智能传感器的智慧图书馆感知层研究[J]. 图书馆工作与研究， 2018（04）： 46-51.
• 谢芳. 论高校智慧图书馆的功能与构建[J]. 图书馆学研究， 2014（06）： 15-20+11.
• 曾子明， 陈贝贝. 融合情境的智慧图书馆个性化服务研究[J]. 图书馆论坛， 2016（02）： 57-63.
• 储节旺， 李安. 智慧图书馆的建设及其对技术和馆员的要求[J]. 图书情报工作， 2015（15）： 27-34.
• 王世伟. 论智慧图书馆的三大特点[J]. 中国图书馆学报， 2012（06）： 22-28.
• 王世伟. 融合图书馆初探[J].图书与情报， 2016（01）： 54-61.
• 夏立新， 白阳， 张心怡. 融合与重构： 智慧图书馆发展新形态[J]. 中国图书馆学报， 2018（01）： 35-49.
• 梁子鑫. 探讨新时代背景下新兴技术在人工智能中的应用[J]. 软件， 2018， 39（7）： 166-169
• 蒋经纬， 龙俊琪， 梅文. 一种针对开源3D打印机的故障检测系统[J]. 软件， 2018， 39（7）： 157-160.
• 牟思. 浅谈物联网的关键技术及计算机物联网的应用[J]. 软件， 2018， 39（6）： 189-191
• 尹航， 杨欢， 崔海斌， 等. 基于大数据应用的虚拟化云平台建设方法研究[J]. 软件， 2018， 39（4）： 201-207.
• 李大伟， 杜洪波， 周孝林， 等. 基于“用户画像”挖掘的图书推荐App设计[J]. 软件， 2018， 39（5）： 35-37.
• 庞兵， 于雯宇. 基于改进的HFACS和模糊理论的航空事故人因分析[J]. 安全与环境学报， 2018（05）： 1886-1890.
• 张琥， 傅贵. HFACS中不安全监管因素与事故致因24 Model中不安全动作因素的对比分析[J]. 中国安全科学学报， 2017（02）： 582-586.
• Shappell S， Detwiler C， Holcomb K， Hackworth C， Boquet A， Wiegmann DA. Human Error and Commercial Aviation Accidents： An AnalysisUsing the Human Factors Analysis and Classification System[J].Human Factors The Journal of the Human Factors and Ergonomics Society， 2007（5）： 227-242.
• 吕春玉， 房春花. 人为因素分析与分类系统（HFACS）及事故个例分析[J]. 中国民航飞行学院学报. 2009（02）： 37-40.
• 樊嵘， 孟大志， 徐大舜. 统计相关性分析方法研究进展[J]. 数学建模及其应用， 2014（01）： 1-12.
• 张旭， 陈冬东， 叶志强， 李启明， 谢建平. 从多组学数据挖掘结核病关键基因的综合策略[J]. 工程数学学报，  2018（05）： 515-522.