A medida que la fiabilidad, disponibilidad, mantenibilidad y seguridad del equipo industrial se han vuelto cruciales en el contexto de la fabricación inteligente, hay expectativas y requisitos crecientes para las políticas de mantenimiento. En comparación con los métodos tradicionales, el Mantenimiento Predictivo (PdM) basado en datos, un enfoque superior para el mantenimiento de equipos y sistemas, ha recibido considerable atención por parte de los académicos en este campo debido a su alta aplicabilidad y precisión, con una base de cuantificación altamente fiable proporcionada por los grandes datos. Sin embargo, los métodos actuales basados en datos típicamente solo proporcionan estimaciones puntuales del estado en lugar de cuantificación de la incertidumbre, lo que obstaculiza la toma de decisiones de mantenimiento efectivas. Además, pocos estudios han realizado investigaciones adicionales sobre la toma de decisiones de mantenimiento basadas en predicciones de estado para lograr la funcionalidad completa del PdM. Se propone una política de PdM en este trabajo para obtener dinámicamente la distribución de probabilidad continua de los estados del sistema y tomar decisiones de mantenimiento. La política utiliza la red de Memoria a Largo y Corto Plazo (LSTM) y la Estimación de Densidad de Kernel con un Ancho de Banda Globalmente Optimizado (KDE-SGB) para predecir dinámicamente la distribución de probabilidad continua de la Vida Útil Restante (RUL). Se introduce un objetivo de optimización integral para establecer el enfoque de toma de decisiones de mantenimiento que adquiera el tiempo de mantenimiento recomendado. Finalmente, la política propuesta se valida a través de un estudio de caso de rodamientos, indicando que permite obtener la distribución de probabilidad continua de RUL centralizada en un rango de +/-10 ciclos de muestreo. En comparación con las otras dos políticas, podría reducir los costos de mantenimiento en un 24.49~70.02%, aumentar la disponibilidad en un 0.46~1.90%, elevar la fiabilidad en un 0.00~27.50%, y promover un rendimiento más estable con varios costos y duraciones de mantenimiento. La política ha ofrecido un nuevo enfoque sin hipótesis a priori para la predicción de RUL y su cuantificación de incertidumbre, y ha proporcionado una referencia para construir una política de PdM completa que integre la predicción de RUL con la toma de decisiones de mantenimiento.