Este estudio propone un método basado en el análisis de modos de falla y efectos (FMEA) bayesiano para identificar fallas críticas y guiar decisiones de mantenimiento en almacenes estereoscópicos automatizados con apiladores, abordando la limitada investigación sobre sistemas de máquina completa y las interacciones entre modos de falla. Primero, se utilizó el método de evaluación difusa vacilante para evaluar las influencias de los factores de riesgo y los modos de falla en un almacén estereoscópico automatizado con apiladores. Luego, se construyó una matriz de estructura de diseño difusa vacilante (DSM) para cuantificar sus fortalezas de interacción. En segundo lugar, aprovechando las fortalezas de interacción y las relaciones causales entre gravedad, detección, factores de riesgo y modos de falla, se desarrolló un modelo de red bayesiana para calcular las probabilidades de modos de falla bajo diferentes niveles de gravedad y detección. Posteriormente, se aplicó FMEA para evaluar los riesgos de falla en función de las puntuaciones de gravedad y detección. A continuación, se realizó un ranking de riesgos de falla para identificar modos de falla críticos y formular estrategias de mantenimiento específicas. El método propuesto fue validado a través de un estudio de caso del almacén estereoscópico automatizado de la Empresa A. Los resultados demuestran que el enfoque propuesto puede identificar de manera más objetiva los modos de falla críticos y desarrollar estrategias de mantenimiento más precisas. Además, el método FMEA bayesiano proporciona una reflexión más objetiva y precisa de los rankings de riesgo de falla.