La predicción de la Vida Útil Restante (RUL) basada en datos es una de las tecnologías centrales de la Prognóstica y Gestión de la Salud (PHM). Comprometido con mejorar la precisión de la predicción de RUL para motores aéreos, este documento propone un modelo que se basa completamente en el mecanismo de atención. El modelo de atención se divide en los modelos de atención de auto-atención multi-cabeza y de mejora de características temporales. El modelo de auto-atención multi-cabeza emplea atención de producto punto escalado para extraer dependencias entre series temporales; el modelo de atención de mejora de características temporales se utiliza para acelerar y mejorar el proceso de selección de características. Este documento utiliza datos de simulación de motores turbofan del Sistema de Propulsión Aeroespacial Modular Comercial (C-MAPSS) obtenidos del Centro de Excelencia en Prognóstica de NASA Ames y compara el algoritmo propuesto con otros modelos. Los experimentos realizados validan la superioridad del enfoque de nuestro modelo.