Como un componente crítico del motor, el fallo de las bombas de combustible de aviación puede llevar a graves accidentes de seguridad, lo que hace necesaria la elaboración de programas de mantenimiento efectivos. El Análisis de Árbol de Fallos (FTA) tiene una estructura clara y una fuerte interpretabilidad en la toma de decisiones de mantenimiento. Sin embargo, depende en gran medida del conocimiento experto, que está sujeto a incertidumbre e incoherencia. Por lo tanto, este documento propone el modelo NOA (Algoritmo de Optimización de Cascanueces)-GNN (Red Neuronal de Grafos) para mejorar la precisión y la robustez de FTA al mitigar la incertidumbre e inconsistencia en el conocimiento experto. El algoritmo NOA busca eficientemente en el espacio de soluciones para identificar soluciones óptimas a nivel global. También se ha desarrollado un marco de toma de decisiones de mantenimiento FTA-TOPSIS (Técnica para el Orden de Preferencia por Similitud a la Solución Ideal). Al integrar FTA con TOPSIS, el método propuesto proporciona un enfoque integral y sistemático que combina análisis cualitativos y cuantitativos, mejorando así la efectividad y la confiabilidad de la toma de decisiones de mantenimiento.