随着大数据技术和智能制造的快速发展，生产设备的预测性维护和多设备的联合维护决策已成为工业制造企业十分关注和迫切需要解决的现实问题。准确预测服役设备的剩余寿命是预测维修决策和联合维修决策的前提。对现有的设备寿命预测方法进行了比较分析。隐藏的半马尔可夫模型被扩大了。结合伽马分布，建立了由设备状态监测数据驱动的剩余寿命预测模型，给出了求解方法，并基于某涡轮发动机的状态监测数据进行了验证分析。结果表明，该预测模型不仅避免了“状态观测纲要”的错误假设，而且比传统的HSMM模型具有更高的现实拟合性、简单求解性和预测精度。它可以作为企业预测维修设备剩余寿命的有效工具。