物流设施设备的性能发挥、先进性是物流企业的物流技术水平的重要表现。针对我国大多数的物流企业设备维护观念落后、维护策略制定缺乏科学依据、设备故障事故频繁发生、维修费用居高不下等问题，论文对物流设备的状态维护进行研究，考虑了物流设备作业量、操作人员经验等认知不确定因素的影响，建立基于马尔可夫决策过程的物流设备状态维护模型，并进行了鲁棒优化研究，对于优化人力和维修资源，提高设备管理效率，具有重要理论价值和实际意义。首先，论文总结归纳了物流设备维护的理论基础，在物流设备分类的基础上，总结了我国物流设备维护的特点以及存在的问题；基于早期和现代设备维护理论的发展现状，围绕状态维护，重点剖析了状态维护的内涵、特点和结构。其次，基于重要度评价确定了适用状态维护的物流设备；进而，在分析物流设备状态监测技术选择、间隔期的确定等问题的基础上，重点分析了设备状态预测对于设备状态维护的重要意义，通过比较分析各种状态预测方法利弊，阐述了马尔可夫预测方法用于物流设备状态预测的先进性和可行性。然后，以物流设备的状态维护部件为对象，将设备退化过程离散成有限的的退化状态，并以物流设备维护成本（指长期折扣成本）最低为目标，同时考虑换件物流、停机损失等因素的影响，建立基于马尔可夫决策过程的物流设备状态维护模型（简称为非鲁棒模型）；将物流设备作业量、操作人员经验等认知不确定因素抽象为一个[0,1]的不确定性水平参数，进而运用赫威斯准则设定乐观水平参数，用以调整非鲁棒和极小极大鲁棒方法之间的偏好程度，实现对物流设备的状态维护模型的鲁棒优化。最后，结合A企业实例，进行基于马尔可夫决策过程的物流设备的状态维护模型应用研究。选用起重机物流设备，检测部件为起重机主梁。首先，对于非鲁棒维护，分析了模型在等检测周期和非等检测周期两种情况的设备维护策略和成本区别；然后，求解鲁棒优化维护模型，给出了鲁棒方法下维护策略和成本，进行非鲁棒和鲁棒维护策略的效果评价。结果表明，当存在很大的不确定性时，鲁棒优化在物流设备状态维护中能显著降低维护成本，在进行维护策略制定时，如果决策者认为极小极大方法过于保守，可以使用赫威斯准则替代。