在生产设备运行的过程中,会产生大量的状态数据,这些数据包含了设备运行的状态信息。如何从海量特征信息中提取出关键信息,以此了解设备的运行状态,并预知可能出现的故障,成为了设备维护的关键一环。由此,本文提出了一种面向多元信息模型的设备状态预测及评价方法,从海量数据出发,提取设备状态信息用于指导设备维护工作。论文首先提出了从海量信息中提取、预测设备状态多元信息的方法。利用关联因素分析方法分析多元信息间的关联性,用以提取出设备核心状态信息。然后,将提取到的状态信息输入灰色预测模型,完成对设备状态信息的趋势预测。为了解决对于多元信息预测结果不直观、难以理解的问题,本文应用模糊层次分析方法,建立了基于多元数据的设备状态评价模型,客观高效地对设备状态信息中所包含的设备状态进行评价,以保证设备维护工作的准确性。最后,在综合应用信息处理方法和模糊评价方法的基础上,开发了一套设备状态预测及评价系统,并在企业汽车制造车间得以应用,验证了本文提出方法的有效性。