半导体制造企业中设备的运行状态对企业的生产能力影响重大。由于半导体生产设备造价昂贵,制定合理的预防性维修计划,降低设备故障停机时间,提高设备利用率是提高企业生产能力、降低生产成本的一种有效途径。本文基于某跨国半导体封装测试工厂的生产实际,通过提出科学评判设备性能的关键指标,量化生产线上各站点的设备性能,实现对“瓶颈”站点以及该站点中的“瓶颈”设备的判定。本文从对生产线上“瓶颈”设备的故障停机时间的分析展开,提出设备故障评估的新指标——设备不可用度,以设备不可用度的实际历史数据为研究对象,采用箱线图的第三四分位值替换序列中的极值点,并提出用8阶移动平均法将原数据序列处理为零均值的平稳随机序列。将差值序列作为输入数据,采用时间序列分析法中的AR模型进行建模和预测,结果表明AR模型适合于经转换后的设备故障停机时间的数据建模,预测值的平均绝对误差为2.73%,预测结果较好。本文同时对设备故障的发生类别进行统计分析,基于归纳推断理论,提出采用均值、中位数判断法和故障频率累积排序法分别对发生频率较高和发生频率较低的故障类别进行推断。最后,本文通过7个月的精度和有效性两个验证实验,将设备故障停机时间和故障类别的预测推断方法应用于该半导体封装测试工厂的实际生产流程。结果表明设备故障的预测方法能够以70%的精度预测设备的故障发生率和可能的故障类别,并对工厂中设备运行状态的提高有积极贡献,设备的故障停机时间减少了14.8分钟,设备不可用度降低了2.62%。