3. 现场失效信息结构化

现场失效信息是RMA返修分析的原始燃料，但它的原始形态往往极其混乱：客服记录里写着“用着用着就坏了”，维修工单上标注“不工作”，售后系统里只有一句“客户投诉”。这些非结构化文本无法直接用于统计、聚类或根因分析。本节要解决的核心问题是：如何把一段自由文本的现场失效描述，转化为字段明确、取值规范、可查询可分析的结构化记录。

一、现场失效信息的六个核心字段

从失效分析的实际需求出发，一条现场失效记录至少应包含以下六类信息。它们不是随意设定的，而是对应后续分析中不同的判断维度：

• 失效现象描述：设备或产品表现出的可观察异常，如“开机无显示”“充电时发热严重”“运行10分钟后自动关机”。这是最原始、也最需要清洗的字段。
• 使用环境：温度、湿度、供电条件、安装位置、负载类型等。环境往往是失效的触发条件或加速因素。
• 失效时间：包括使用时长（如累计运行小时数）、失效发生时刻、首次发现时间。用于区分早期失效、随机失效和磨损失效。
• 批次信息：生产批次号、物料批次号、出厂日期。用于判断失效是否集中出现在特定批次，是批次性问题的关键线索。
• 故障代码：设备自诊断系统输出的错误码，或维修人员根据故障现象归类的标准代码。故障代码是连接现象与根因的桥梁。
• 返修状态：是否已复现、是否已定位、更换了哪些部件、维修结果。用于闭环追踪。

这六个字段中，失效现象描述和使用环境通常以自由文本形式存在，故障代码和批次信息可能部分缺失，失效时间可能只有模糊的“用了几个月”。清洗的目标就是把这些参差不齐的输入统一到可比较、可聚合的格式。

二、清洗方法：从自由文本到标准字段

清洗不是简单地“把话说清楚”，而是建立一套可重复执行的转换规则。以下方法按字段分别说明。

失效现象描述的归一化。现场描述往往用词不一，但指向同一类问题。做法是建立“同义词—标准现象”映射表。例如“开不了机”“无显示”“不工作”“没反应”统一归为“无法开机”；“发热严重”“烫手”“温度过高”归为“异常发热”；“时好时坏”“偶尔死机”“间歇性故障”归为“间歇性异常”。归一化后，同一类失效才能被正确计数和比较。对于无法归入已有类别的描述，保留原文并标记为“待归类”，定期评审是否新增标准现象。

使用环境的字段化。环境信息通常散落在描述中，需要拆分为温度、湿度、供电、安装方式、负载类型等子字段。如果原文只写了“南方，夏天”，可以映射为温度=高温、湿度=高湿、地区=华南；如果写了“40℃”，则直接填入温度数值。对于缺失的环境字段，不要臆造，统一填“未知”，并在分析时单独统计缺失率。缺失率过高说明前端采集流程需要改进。

失效时间的解析。时间字段有三种常见形态：精确时间（如“2024-03-15 14:30”）、相对时长（如“用了500小时”“两三个月”）、模糊描述（如“最近”“前段时间”）。精确时间直接转为标准日期格式；相对时长转为数值，模糊描述如“两三个月”可取中值75天并标记为“估算值”；“最近”这类无法量化的描述，标记为“时间未知”。在后续分析中，估算值和未知值应区别对待，不能与精确值混在一起做寿命分布拟合。

批次信息的补全。批次号缺失时，优先通过产品序列号反查生产系统或MES记录。如果序列号也缺失，则标记为“批次未知”。批次信息是判断批次性问题的关键，缺失批次号的记录在批次分析中应单独列出，不能默认归入某一批次。

故障代码的映射与补全。设备有自诊断代码时，直接提取并对照代码表翻译为可读的故障名称。没有代码时，根据归一化后的失效现象，匹配标准故障代码表中的最接近项。例如“无法开机”且伴随“异常发热”，可映射为E-07过温保护；如果现象与多个代码相关，选择置信度最高的一个，并保留备选代码。映射规则应形成文档，避免不同人做出不同判断。

三、清洗后的质量检查

清洗完成不等于工作结束。需要做三项检查：一是字段完整率，统计每个字段的非空比例，完整率低于80%的字段应回溯采集环节；二是归一化一致性，随机抽取若干条记录，检查同一现象是否被归入同一标准类别；三是批次聚合合理性，按批次分组统计失效数量和故障代码分布，观察是否存在某批次集中出现某一代码的情况。如果发现异常集中，应触发进一步的分析流程。

结构化清洗的最终产出是一张宽表：每行一条返修记录，每列一个标准字段。这张表可以直接用于后续的批次对比、故障代码分布统计、环境与失效模式的相关性分析。现场失效信息的价值，正是在这一步从“故事”变成了“数据”。