运用设备的数据信息来监控、评估系统自身的健康状态,在系统发生故障之前对其故障进行预测,并结合现有的备件信息进行一系列的维修与库存建议与决策,这样可以大大降低设备全寿命周期的费用。然而,维修和库存策略的单独或顺序优化也不能保证最低的成本,单组件系统的最佳策略复制到多组件系统不一定是最优的,多组件的运行环境和退化趋势也不是完全相同的。因此,本文创新性的提出一个多组件的维修与备件库存联合优化的方法,利用监控轴承的振动信号、分解数据信息、提取特征矩阵和降维方法转化为组件的健康指标,然后在组件健康指标达到阈值时提前进行替换和备件的订购。能最大限度的减少每单位时间的长期平均成本。我们通过以真实的轴承多工况退化数据为例进行仿真实验,得到了平均成本率最低时的预防性替换阈值、安全库存水平和最大库存水平,并与其他策略方法进行对比。数值结果可以得出,基于健康指标的联合优化策略要优于基于组件时间寿命的联合优化策略,并且也优于把多组件简单假设为相同单模型的联合优化策略。因此,使用健康指标的模型可以显著降低企业的备件替换成本与库存成本,因为健康指标可以清晰的反映出多个组件运行的状态并以此预测故障的时间,能提前进行备件的订购和替换,防止设备故障停机。我们还尝试采用不同的模型参数,计算其最优策略,均获得了类似的结果。表明了该方法具有很好的鲁棒性和普适性。多组件的健康指标方法直观简洁,理论与实际结合难度不高,可以为不同使用环境下的轴承的维修与备件管理提供理论依据,有很大经济利用价值。