设备剩余寿命预测,尤其是维护服役设备保持优良的工作状态,是保障企业生产系统正常运行和如期保质保量完成生产任务的前提,也是企业查定、核算生产能力和编制综合生产计划的重要基础。在制造业企业中,众多种生产设备均面临着服役期间的维修和维修计划安排问题。特别是随着生产制造自动化和智能化程度的不断提高,面对生产制造单元内各道生产工序相互关联的多台设备,以及多个生产制造单元中的诸多种设备,如何精准预测设备剩余寿命并做出科学合理的预知性联合维修决策,已是工业制造业企业普遍关注而又亟待解决的现实难题。对此,国内外做了许多研究工作,如基于物理模型或数据驱动等方法预测设备剩余寿命、单台设备系统的维修决策等。但已有研究成果还存在设备寿命预测模型的现实拟合性较差、多台设备维修模型没有考虑设备故障类型等弊端,此外,在多制造单元设备联合维修决策方面还存在着研究上的空缺。本文面向工业制造企业中相同工艺阶段的生产制造单元,以多种生产设备预知性联合维修决策问题为研究对象,以设备状态监测、故障诊断、寿命预测、联合维修等理论为基础,借助大数据、工业物联网等新兴技术,在构建设备剩余寿命预测模型和诊断归并设备故障类型的基础上,给出生产制造单元内和跨单元的多种生产设备预知性联合维修决策模型,以提高设备可用度,减少生产停机损失和维修费用,为制造企业解决预知性的多种生产设备并行的联合维修决策问题。本文主要完成了以下几方面研究工作:（1）基于设备状态监测及故障诊断的相关理论内容,在分析常见的状态监测系统基础上,研究记录各设备已经出现或可能出现的故障类型与诊断方法,明确企业生产计划需求,按照一定的算法和设计原则,设计了大数据驱动的B/S模式的设备状态监测与故障诊断系统,实现设备的实时信息监控、故障诊断、远程维护和异常报警等功能。（2）基于状态监测与故障诊断系统获取的设备运行状态数据,以隐半马尔可夫模型为基础,将自相关观测量引入观测概率矩阵的计算,利用改进的前向后向算法定义部分中间变量,再基于伽马分布对模型的参数进行估计,建立基于自相关观测量的隐半马尔可夫模型。通过该模型对设备的剩余有效寿命进行预测,以算例分析说明该模型的现实拟合性、模型可靠性和预测精准性。（3）结合设备故障类型和剩余寿命预测结果,通过大数据监测系统及日常维护记录收集到的设备运行数据,分析面向相同工艺阶段的单个制造单元内及多个制造单元间设备不同布局情况下的多种生产设备预知性联合维修决策问题。以威布尔比例风险模型为基础,借助联合维修理论,分别以设备系统的维修费用最低和可用度最大为目标,建立单元内和跨单元多种设备系统的预知性联合维修决策模型,通过算例分析验证模型的可行性和有效性。