随着工业4.0概念在全球的普及,生产设备的稳定运行对于企业生存有着重大意义。但是在如今制造业中,对设备的维护管理主要还是以基于时间的预防维护为主,而这种方法对维护周期很难掌控,往往不能在设备需要进行维护的时候进行维护,容易造成过剩维护或不及时维护。因此,本文研究了设备状态维护这种维护方式,分析提取反映设备健康状况的特征变量,并对这些特征变量进行监控,采集状态量,并使用动态贝叶斯网络的推理功能对设备健康状况变化趋势进行预测,再结合维护成本模型,提出了设备的预知性维护方法,目的在于减少设备故障,保证企业健康生产。首先,通过对设备建立故障树模型,通过故障树分析法得到影响设备运行的关键因素,再对这些因素进行故障模式影响和危害性分析最终得到反映设备健康状况的特征变量,为设备健康状况的预测提供基础;然后建立基于动态贝叶斯网络的设备健康状况的预测模型,使用动态贝叶斯网络的推理功能,对设备健康状况变化趋势进行预测,在了解了设备健康状况是怎么变化的之后,再对维护模型做改进,考虑了设备衰退及维护次数对设备运行的影响以及考虑生产运行成本的因素,以最小平均总成本最小为目的,求得设备健康状况维护阈值和维护次数,结合动态贝叶斯网络模型对设备健康状况的预测,最后制定合理的维护计划,保证设备的稳定运行。本文通过建立基于动态贝叶斯网络的设备预知性维护模型,在提高设备可靠性的同时也节省了设备的维护成本,对提高实际生产效率和减少企业设备维护成本具有积极意义。