银行卡交易系统是银行业务系统一个极为重要的组成部分。以往的银行卡交易系统往往是凭借有经验的系统管理员来定位和排除故障。但随着农行实现全国数据大集中和银行业7×24小时不中断服务意识的增强,迫使银行对交易系统故障的处理时限要求提高。因此有必要发展一套鲁棒性强的故障诊断方法,使系统管理员迅速诊断故障,保证银行卡交易系统的顺利进行,从而进一步提高银行的银行卡服务质量。粗糙集理论主要是研究对不精确、不确定信息的知识表达。近年来它在信息处理研究领域获得了迅速发展。而银行卡故障诊断也是对不精确的信息的处理,因此银行卡故障诊断比较适合运用粗糙集理论来研究分析。为了运用粗糙集理论来设计和实现银行卡故障诊断,本文所做的研究工作在于:1)对粗糙集理论内容进行深入研究和探讨。包括知识的定义、不可分辩关系、上近似、下近似、边界区等基本概念以及连续属性离散化和属性约简等重要概念。2)采用NaiveScaler离散化算法对银行卡交易系统中样本数据进行离散化并合理划分等价类,获得了较满意的离散效果;并运用区分矩阵的属性约简方法对银行卡故障决策表的条件属性进行属性约简,从而获得属性简化的决策表,缩小了决策表的体积,有利于规则生成。3)在研究粗糙集理论的基础上,同时结合了银行卡故障的特点,提出了银行卡故障诊断系统设计方法。包括系统架构设计、功能模块划分以及数据库表结构设计。4)为了程序移植方便,采用跨平台动态语言Python实现后台数据解析、预处理基本模块和粗糙集处理等关键模块,同时采用GUI开发工具BOA Construct实现银行系统界面设计和基本功能。并通过实际使用和部门意见反馈验证了该系统的应用效果。