La evaluación de riesgos de los sistemas de ingeniería representa una parte importante de la calidad del servicio y la confiabilidad. Los métodos existentes para la evaluación de riesgos utilizan conjuntos difusos para calificar la proposición de indicadores parciales y sus productos acumulativos como un indicador general. En este documento, los métodos existentes de FMEA y FMECA se han mejorado utilizando el sistema experto difuso para calcular el número de prioridad de riesgo. La aplicación de la lógica difusa permite el uso de descripciones lingüísticas para el análisis de riesgos. De esta manera, el estado del sistema en términos de riesgos y consecuencias se describe de manera más precisa. La configuración de los sistemas difusos se basa en la aplicación de dos métodos de toma de decisiones multicriterio. El método AHP se utilizó para definir la relación mutua del impacto de los indicadores parciales (ocurrencia, gravedad y detectabilidad) en el riesgo. De esta manera, se reduce la subjetividad en la evaluación de riesgos. En la composición del modelo difuso, se introduce el método TOPSIS para reducir la disipación de resultados, lo que contribuye a la precisión del resultado. Esto contribuye a la precisión de los resultados. Los resultados fueron verificados a través de un estudio de caso de un sistema de ingeniería complejo: excavadoras de rueda de cangilones. El riesgo se observó desde el aspecto del peligro de daño y el peligro de tiempo de inactividad. La información inicial para los puntos débiles de ES se define de acuerdo con eventos históricos de daños y estadísticas de tiempo de inactividad. Se utilizó conocimiento experto para clasificar los puntos débiles en el modelo. Se realizó una verificación adicional del modelo utilizando métodos similares, utilizando los mismos datos de entrada. El modelo innovador, presentado en el documento, muestra que es posible corregir diferentes pesos de los indicadores de riesgo. Los resultados obtenidos muestran menos dispersión en comparación con otros métodos existentes. Se han identificado puntos débiles con riesgo aumentado y se ha propuesto un algoritmo para la aplicación e implementación de mantenimiento basado en riesgos.