دراین مقاله برای پیش بینی خرابی و عیب یابی ماشین های تراش از یک رویکرد ترکیبی استفاده شده است. سیستم پیشنهاد شده در این مقاله شامل 2 قسمت آنالوگ و دیجیتال است، که سیستم ترکیبی نام گذاری شده است. در این مدل پیشنهادی ، بخش آنالوگ توسط شبکه های عصبی و بخش دیجیتال توسط بلوک های تصمیم گیری پایش می شود. اطلاعات مورد نیاز این مقاله مبتنی بر نشانه های خرابی های پیش آمده در طی 30 سال گذشته برای دستگاه های تراش یک کارخانه با 383 دستگاه تراش است. برای آموزش مدل پیشنهادی، از داده های شبیه سازی شده با توزیع وایبل استفاده شده است . نتایج بدست آمده نشان می دهد که سیستم ترکیبی ارائه شده می تواند با احتمال بالا و قابل توجه 5/99% خرابی های ماشین های تراش را قبل از وقوع، پیش بینی کرده، و علت آن را تشخیص دهد. ارزیابی عملکرد سیستم پیشنهادی در این مقاله، با استفاده از مثال های عددی و شاخص میانگین مربعات خطا انجام شده است.