论文基于的研究项目是来源于2010年国家自然科学基金面上项目“设备突发大故障的自组织临界态辨识与风险度量研究”（批准号：51075060）。由于现代机电设备的复杂性，某些突发事故发生的前兆有时是非常隐蔽的，因此突发事故预警困难，给生产带来极大危害。而在资金密集型的半导体封装测试工厂，其超负荷运转的瓶颈设备的突发大故障问题尤为突出，正因为如此，研究设备突发大故障预测具有十分重要的意义。本文主要内容包括：（1）设备突发大故障自组织临界性研究；设备突发大故障具有隐蔽性强和危害大等特点，传统方法难以对其预测，因此本文利用研究复杂系统和系统复杂性的科学理论之——自组织临界性（Self-OrganizedCriticality，SOC）理论其各类突发事件的分析和处理能力，研究设备故障的自组织临界性特性，把握设备故障的整体特性。由于SOC理论在分析数据时不要求数据具有平稳性，确保了突发大故障数据不会被作为异常的剔除。（2）设备突发大故障定义方法选取；在利用极值理论进行设备突发大故障预测前，如何定义设备突发大故障点成为关键。本文采用了峰度法的方式定义设备突发大故障点，为进一步利用极值理论分析预测突发大故障点做必要的工作准备。（3）设备突发大故障预测模型研究；本文利用设备故障离线时间序列数据是否具有空间幂律分布特征，分别采用结合极值理论求解极值分布或基于灾变灰预测理论建立设备突发大故障预测模型，并结合某半导体封装测试厂瓶颈设备离线时间序列数据，对所提模型进行了案例研究和预测工具的开发，实现了动态地计算设备突发大故障发生的概率或设备突发大故障发生的时间的预测。相较于目前常用的设备故障预测方法，本论文所述设备突发大故障预测方法在数据前期处理时不会将设备突发大故障数据作为“噪音点”、“异常点”剔除，并且本文使用了SOC理论研究表征设备故障的离线时间序列数据的分布特征，巧妙地为极值理论预测突发事件提供了所需分布特性，克服了常规回归分析和时序模型分析对数据的均匀性和线性要求及由此造成的对突发大故障数据特殊性处理能力不强等不足，实现了设备突发大故障的预测，为设备故障预测提供了新思路和方法。