A manutenção preditiva em ativos físicos é feita através da análise de inúmeras variáveis nesses ativos e nos processos onde se inserem. Essas variáveis devem ser cuidadosamente analisadas, pois permitem diagnosticar, quer o estado da condição dos ativos em cada instante quer futuras avarias e paragens de produção, através de técnicas de predição. Adicionalmente, permitem ainda uma correta programação das paragens de manutenção, bem como da racionalização dos custos operacionais. A presente dissertação foca-se no diagnóstico da condição e na previsão do estado dos ativos físicos através das Cadeias de Markov; a validação do modelo foi feita através de uma base de dados de livre acesso da Microsoft, a qual reúne elementos referentes a dados recolhidos de muitos casos de manutenção condicionada, sendo os próprios dados criados por métodos de simulação. O principal objetivo é prever qual a probabilidade de uma máquina falhar num futuro próximo devido a algum componente e qual; a partir desta inferência é possível decidir qual a melhor política de manutenção a adotar para atingir a disponibilidade desejada. Para ir ao encontro dos objetivos traçados utilizou-se a base de dados atrás referida e diversas simulações. No final chegou-se a conclusão de que, para além do diagnóstico realizado pelo método das Cadeias de Markov, uma correta tomada de decisão na gestão de manutenção, implica ter em mãos dados robustos de valores dos equipamentos e os seus componentes, tempo de reparação, de reposição, do stock e importância dos mesmos na linha de produção.