4. RMA工单与维修记录解析
RMA（Return Merchandise Authorization）工单是返修业务的“主键载体”，而维修记录是围绕这张工单展开的“过程日志”。做失效数据分析时，真正有价值的不是某一条记录本身，而是把工单流转状态、维修动作、更换件清单和检测结论这四类信息关联起来，形成一条可追溯的“产品—故障—处置—结论”链路。本节围绕这条链路，讲清楚关键字段从哪里来、怎么提取、如何关联。
一、工单流转：状态字段是时间轴骨架
RMA工单通常经历“申请受理→收货登记→检测中→维修中→待发货→已关闭”等状态。每个状态变更都会写入一条状态流水，包含status_code、status_time、operator、remark等字段。分析时不要只看工单当前状态，而要还原完整的状态时间轴，因为“检测耗时”“维修耗时”“滞留时长”都依赖相邻状态的时间差。
例如某工单状态流水为：2024-03-02 09:12 收货登记 → 2024-03-03 14:20 检测中 → 2024-03-05 10:05 维修中 → 2024-03-06 16:40 待发货。由此可算出检测等待约29小时、检测到维修约44小时、维修到待发货约31小时。这些时长字段是后续定位“流程瓶颈”的基础，必须从状态流水派生，而不是手工填写。
二、维修动作：从自由文本到结构化编码
维修记录中的repair_action字段常是自由文本，如“补焊U7引脚”“更换电源模块”“重刷固件后复测通过”。直接做统计会因表述不一致而失真，因此需要建立“动作编码字典”，把文本映射为标准动作类型，例如：焊接类（RE_SOLDER）、更换类（RE_REPLACE）、软件类（RE_FLASH）、清洁类（RE_CLEAN）、调整类（RE_ADJUST）、无故障（RE_NFF）。
提取时可用关键词规则匹配，例如包含“更换/替换”归为RE_REPLACE，包含“补焊/加锡”归为RE_SOLDER。规则需保留原始文本字段repair_action_raw，便于回溯核对。一个工单可能对应多条维修动作，因此维修动作表与工单表是“一对多”关系，关联键为rma_id。
三、更换件：物料与故障的对应关系
更换件记录通常包含part_no（物料编码）、part_name、qty、position（位号）、old_sn、new_sn等字段。它是判断“哪个器件最常被换”的直接依据，也是连接BOM和失效模式的关键。分析时要注意：同一工单可能更换多个物料，同一物料也可能在不同位号重复更换，统计口径要明确是“按工单计”还是“按更换次数计”。
例如某批次20张工单中，更换电源模块12次、更换MCU 5次、更换电容3次，则电源模块是主要更换对象。若进一步关联检测结论为“输入过压导致电源模块损坏”，就能把更换件与根因对应起来，而不是停留在“换得多”的表面结论。
四、检测结论：失效模式与根因的落点
检测结论字段一般包括test_result（合格/不合格/无法复现）、failure_mode（失效模式）、root_cause（根因）、test_item（检测项）、test_value（实测值）、spec_range（规格范围）。其中failure_mode和root_cause往往需要从检测报告文本中抽取，建议建立标准失效模式字典，如EOS（电过应力）、ESD（静电损伤）、虚焊、器件老化、软件异常、NFF（未发现故障）等。
检测值与规格范围的对比是判断“是否真的失效”的客观依据。例如某电源输出检测项规格为4.75V~5.25V，实测4.10V，则判定为不合格，失效模式可归为“输出欠压”。这类数值型字段应保留单位，避免后续计算时量纲混乱。
五、四类字段的关联模型
把上述四类信息关联起来，核心是确定主键与外键：工单表以rma_id为主键；状态流水、维修动作、更换件、检测结论均以rma_id为外键。若一个工单有多次检测，则检测结论还需test_seq区分轮次。关联后即可回答“某失效模式对应哪些维修动作和更换件”“某更换件的平均维修时长是多少”等问题。
六、提取与关联的实操要点
实际处理时，建议按以下顺序推进：第一步，从工单系统导出工单主表和状态流水，按rma_id排序，用状态时间差生成各阶段时长字段；第二步，从维修记录中提取repair_action_raw，用动作编码字典生成action_code；第三步，从更换件明细中按rma_id聚合出更换件种类数和总数量；第四步，从检测报告中抽取failure_mode和root_cause，并与检测值、规格范围做一致性校验；第五步，以rma_id为主键做多表关联，输出宽表供后续分析。
rma_id关联，会导致检测结论与维修动作发生“笛卡尔积”式错配。此时必须引入test_seq或检测时间戳，确保每条结论对应到正确的检测轮次。把工单流转、维修动作、更换件、检测结论四类字段按rma_id关联成一张宽表后，后续的失效模式分布、更换件TOP排名、维修时长分析、NFF占比统计才有可靠的数据基础。这一步做扎实，后面的分析才不会建立在“字段对不上”的流沙之上。