结合失效分析工程师的实际工作过程、失效分析案例的数据特征及其结构，提出失效分析案例挖掘方法（见图1）。该方法用于提取失效因素、失效模式，以及失效原因间的关联规则，挖掘失效因素至失效原因间的传播路径，可为现场设备失效分析辅助诊断及预防提供决策支持。

首先，对失效分析案例文本数据进行预处理，结合构建的失效分析行业领域的专业词典，采用分词处理方法初步去除无意义词项，得到分词处理后的失效分析案例文本数据。其次，对于分词处理后的失效分析案例文本数据，基于TF（词频）-IDF（逆文档频率）算法进行文本特征提取，转换为词项文本矩阵，获取案例文本的关键词及其对应的权重。然后，基于Apriori 算法分两个阶段对词项文本矩阵进行关联分析，挖掘频繁项集及关联规则。最后，基于失效分析案例文本关联分析结果，建立失效因素及失效原因间的传播路径，辅助失效分析人员现场诊断。

1.1 失效分析案例数据特征

构件的失效是多种因素共同或耦合作用的结果，因此案例中对失效原因的描述涉及多种类型的因素，且不同案例中同一类型失效原因相关联的因素特征不尽相同。

结合失效分析领域专业知识及失效原因排查分析逻辑，对失效分析案例的知识结构进行结构化，建立“失效因素-失效模式-失效原因”三级知识结构（见图2）。其中，失效模式可由一组失效因素确定，基于确定的失效模式，结合其他失效因素的特征，可推断出构件的失效原因。不同失效案例涉及的失效因素、失效模式、失效原因不同。

为了减小失效案例文本记录不规范及同义词对特征提取的影响，降低文本表示后的特征向量维度，提高关联规则挖掘质量，笔者结合各类构件的失效案例，对其失效因素、失效模式、失效原因3个类别下的具体特征进行标准化特征分类，结果如表1所示。

以失效因素为例，部分标准化的特征名称如表2所示。

1.2 失效分析案例文本预处理

针对失效分析案例文本特点，主要进行以下预处理工作。

（1）文本清洗。通过分析失效分析案例文本结构，发现案例一般由前言、背景、来样情况、试验仪器、试验结果（宏观分析、微观分析、化学成分分析及力学性能测试等）、分析与讨论、结论等部分组成，各部分内容具有半结构化的特点，人工编写正则表达式，对其进行清理，例如来样情况的提取，范式为：\n\d{0,1}.{0,3}( :来样| 前言| 背景).+\n2.{0,4}\n。

（2）文本分词及去停用词。考虑到失效分析案例文本包含大量专业词汇，为避免专业词汇无法被准确识别导致的分词结果不满足后续文本挖掘需求情况，构建失效分析专业词库及停用词词库（见 图3）。其中失效分析专业词库主要包含各专业部门设备名称及专业术语，通用词库包含了用于去除文本中无意义项的停用词库及语义词库。

1.3 失效分析案例特征表示与提取

基于失效分析案例文本的分词结果，应用TF-IDF算法进行文本特征提取，建立失效分析案例文本特征向量。

1.3.1 案例文本特征表示

失效分析案例可被表示为一个规范化的特征向量，该特征向量由特征项及其对应的权重构成，其计算方法如式（1）所示。

其中需要注意的是，对于失效案例文本，特征项w_i由失效因素集A、失效模式集B、失效原因集C构成，其计算方法如式（2）所示。

对于构成失效分析案例文本特征向量的特征项，关注失效因素、失效模式与失效原因在每篇文档中的权重表现，其中失效原因和失效模式在每篇案例中是二值变量，权值为{0,1}，即当该案例的失效原因为w_cq时，该特征项对应的权值计算方法如式（3）所示。

失效模式集B中的特征项权值取值原则与失效原因相同。

1.3.2 案例文本特征提取

对于构成失效分析案例特征项的失效因素集，其对应的权值可采用TF-IDF方法获得。传统TF-IDF包含词频和逆文档频率两部分，该方法得到的T_I值越大，说明词项携带的信息量越大，对于所在文本可认为该词项越关键，因此所有词项及其T_I值可构成所在文档特征向量。

传统TF-IDF方法是以所有案例文本为基数计算逆文档频率I，然而对于不同失效模式，各失效因素对其影响的程度不同，以所有案例文本为基数计算各失效因素的I 值无法体现其在某种失效模式下的重要性。因此对于失效分析案例，首先按失效模式对文档进行分类，分别计算在不同失效模式下失效因素的T_I值，将其作为其在每篇文档中的权值，计算方法如式（4）所示。

I值的计算方法如式（5）所示。

1.4 关联规则挖掘

关联规则挖掘是数据挖掘最为关键的分支之一，关联规则挖掘是指在大量的数据集中识别和挖掘出事物间隐含的关联关系及依存规律。通过对历史失效分析案例的挖掘，可以进一步发现失效因素、失效模式，以及失效原因之间的关联关系，辅助分析失效因素与失效原因之间的传播路径，实现产品失效原因推理的解耦。

常见的关联规则挖掘算法包括Apriori、FP-Growth及Eclat等。其中，Apriori算法是最常见的基于频繁项集的关联规则挖掘算法，其递归地生成候选项集，并利用剪枝策略来减少计算量。相较于其他关联规则算法，Apriori算法简单易懂，且适合于中小型数据集或对可解释性要求较高的应用场景。因此，考虑到失效分析案例挖掘数据规模和关联路径解耦的应用需求，笔者采用Apriori算法实现对失

效分析案例的分析挖掘。

基于失效分析案例文本挖掘方法框架，结合失效分析实际应用场景，提出了基于Apriori算法的两阶段失效分析文本关联规则挖掘方法，并以某船舶单位的失效分析案例为应用场景，对该方法进行了应用验证。

2.1 两阶段失效分析文本关联规则挖掘方法

由失效原因、失效模式、失效因素及其对应权重构成的失效分析案例特征矩阵具有高维、稀疏的数据特征，直接应用Apriori算法对其进行关联规则挖掘，挖掘出的关联规则多为本身即具有强关联特性的失效分析领域知识，如关联规则“疲劳裂纹→疲劳断裂”，不能挖掘出更多潜在的关联关系。因此，结合实际的失效分析问题排查逻辑，基于“失效因素-失效模式-失效原因”三级的知识结构，可以分两个阶段对失效分析词项文本矩阵进行频繁集检索，实现降低每个阶段特征维度，提高挖掘效果。

建立了两阶段失效分析文本关联规则挖掘方法，通过“失效因素→失效模式”关联规则挖掘、“失效模式+失效因素→失效原因”关联规则挖掘两个阶段，对失效分析文本特征矩阵进行关联规则分析，辅助挖掘建立失效因素和失效原因间的传播路径。

2.1.1 “失效因素→失效模式”关联规则挖掘

步骤1：按失效模式对失效分析文本进行分组，分别计算各失效因素在不同分组下的I值，以及各失效因素在不同文本中的I值，得到不同失效模式下各失效文本中失效因素的T_I值，将其作为各文本的特征向量。

步骤2：对于获得的不同失效模式下各文本的失效因素特征值矩阵，对其进行二值化处理，即设定特征阈值α_min，当失效因素特征值α_i>α_min时，特征值α₁取为 1；当失效因素特征值α_i<α_min时，特征值α₁取为0。

步骤3：设定支持度阈值S_min，应用Apriori算法分别挖掘各失效模式下频繁项集及其支持度。其中，频繁项集是失效因素集合的子集。

步骤4：对于步骤3生成的频繁失效因素集，计算各失效模式下，频繁失效因素集的置信度，即失效因素集中所有失效因素发生时，该失效模式发生的概率。设定置信度阈值C_min，置信度大于C_min的失效因素集与失效模式构成一组强关联规则，即关联规则为失效因素集→失效模式。

2.1.2 “失效模式+失效因素→失效原因”关联规则挖掘

步骤1：对于各失效模式，建立剩余失效分析特征矩阵，该矩阵元素由剩余失效因素集、失效原因集及对应权重构成。其中，剩余失效因素集为失效因素全集与该失效模式的频繁失效因素集的差集。

步骤2：设定支持度阈值S_min，应用Apriori算法分别挖掘剩余失效分析特征矩阵中的频繁项集及其支持度。其中，频繁项集由3个部分组成，即｛失效模式w_a，剩余失效因素集B_others，失效原因w_c｝。

步骤3：对于步骤2生成的频繁项集，计算失效模式与剩余失效因素集对于失效原因的置信度，即在失效模式w_a下，特定剩余失效因素B_others发生时，构件的失效原因是w_c的概率。设定置信度阈值C_min，置信度大于C_min的失效因素集与失效模式构成一组强关联规则，即关联规则为{ 失效模式w_a，剩余失效因素集B_others} →失效原因w_c。

基于“失效因素→失效模式”关联规则挖掘、“失效模式+失效因素→失效原因”关联规则挖掘两个阶段生成的关联规则，可绘制失效因素-失效模式-失效原因影响路径及权重的可视化图，辅助进行失效原因诊断。

2.2 工业应用场景

分析数据来源于某船舶公司2016—2024年的失效案例文本。由于失效原因、失效模式及失效元素涉及范围较广，研究人员仅以失效模式为疲劳断裂的554个失效分析案例为例，进行关联规则挖掘。试验模型采用Python3.2语言及scikit-learn库实现。

首先，对失效分析案例数据进行标准化，建立包含表1和表2内容的失效分析特征分类和特征标准化的专业词库，词库包含16个特征分类，以184个标准化特征，结果如表3所示。

基于以上标准化词库，使用正则表达式对失效分析案例文本进行提取、分词，并对分词后的失效分析案例文本数据，应用TF-IDF算法进行文本特征提取，获得疲劳断裂失效模式下各案例文本的词项文本矩阵，获取各失效因素在不同案例文本中的特征 权重。

基于权重矩阵，使用前述基于Apriori 算法的两阶段失效分析文本关联规则挖掘方法进行关联规则挖掘。进行挖掘前，需要设定合适的最小支持度，其设定值关系到挖掘得到的关联规则是否具有实际意义和应用效果。选择最小支持度有多种方法，采用以项集平均支持度为基准，在支持度标准偏差允许的范围内，通过若干次最小值支持度阈值调整的方法，选择能得到适中频繁项集的结果。

对于第一阶段“失效因素→失效模式”关联规则挖掘，在本算例中首先将特征阈值α_min设定为0.01，对特征矩阵进行二值化处理，并将最小支持度S_min设定为0.025，最小置信度C_min设定为0.35，对二值化处理后的特征矩阵进行关联规则挖掘，并筛选出后项中各个状态置信度最高的“失效因素-失效模式”强关联规则，结果如表4所示。

对于得到的“失效因素-失效模式”强关联规则，以“失效因素-确定-失效模式”三元组为基本组成单位，建立失效分析知识图谱。“失效因素-确定-失效模式”知识图谱如图4所示，其中浅色圆形实体为失效因素，深色圆形实体为失效模式，箭头方向及对应权重代表失效因素发生时，其对所指向的失效模式发生的支持度和置信度。

对于第二阶段“失效模式+失效因素→失效原因”关联规则挖掘，在本算例中将最小支持度S_min设定为0.025，最小置信度 C_min设定为0.35，对特征矩阵进行关联规则挖掘，并筛选出后项中各个状态置信度最高的“失效模式+失效因素→失效原因”强关联规则，结果如表5所示。

对于得到的“失效模式+失效因素→失效原因”强关联规则，以“失效模式+失效因素-推断-失效模式”三元组为基本组成单位，在已建立的失效分析知识图谱中引入新数据、补充实体关系和属性。“失效模式+失效因素-推断-失效模式”知识图谱如图5所示，其中浅色小圆形实体为失效因素，深色大圆形实体为失效模式，深色小圆形代表箭头关联的失效因素、失效模式的组合；浅色大圆形为失效原因，深色小圆形箭头方向及对应权重代表其对应失效因素、失效模式同时发生时，对所指向失效原因发生的支持度和置信度。

通过上述试验，获得了疲劳断裂模式下由失效因素、失效模式、失效原因构成的频繁项集及关联规则，并采用知识图谱的方式，对关联规则进行存储，建立了失效因素及失效原因间的可视化传播路径。将失效分析知识图谱应用于失效原因辅助诊断场景，可辅助产品失效原因推理的解耦，提高诊断效率。

针对产品失效分析复杂性高、分析效率低且过于依赖专家经验的问题，应用自然语言处理及数据挖掘等技术，提出了一种基于Apriori算法的失效分析案例文本挖掘方法，该方法中包含失效分析案例文本预处理方法、基于TF-IDF算法的失效分析案例文本特征表示模型，以及基于Apriori算法的两阶段失效案例关联分析方法3个主要部分。该方案通过对失效案例数据的实际特点及结构进行深度分析，并应用关联规则挖掘方法，分两个阶段实现了失效因素、失效模式、失效原因间的关联路径挖掘，建立了一种产品失效原因诊断和故障作用机制解释的方法，该方法在辅助提高失效原因排查效率、准确性方面具有重要作用。

应用该方法对某船舶单位2016—2024年失效分析案例进行关联规则挖掘，建立了失效分析领域标准化特征及疲劳断裂失效模式下各特征在不同案例下的特征矩阵，并应用Apriori算法分两个阶段挖掘获得疲劳断裂模式下由失效因素、失效模式、失效原因构成的频繁项集及关联规则。将挖掘获得的关联规则存储在知识图谱中，建立了失效因素及失效原因间的可视化传播路径。该方法对辅助产品失效原因推理的解耦、提高诊断效率具有良好的技术支撑作用。

关联规则挖掘在发现数据中的模式方面具有强大的能力，但存在计算复杂度高，不适合处理高维、稀疏数据的问题。随着失效分析案例的逐年增多，为了克服这些缺点，未来将结合神经网络等方法来

提高其效果和效率。