很多工厂的维护仍是两种节奏：到期换油，或者坏了再抢。到期保养浪费好件，故障抢修打断排产。预测性维护被讲成装传感器、上算法，中小工厂一听就觉得远。其实第一步更土：让状态被看见。不知道振动、温度、运行时长，保养计划只能靠老师傅拍脑袋。
从抢修到按状态保养，先要承认抢修文化有自己的奖励机制。修好了有人谢，预防了没人看见。不改统计口径，再先进的模型也会被现场当成摆设。设备越关键，这个错位越贵，因为停机总挑订单最满的时候来。
抢修文化为什么改不掉
维修工的绩效按修好了计算，计划员按别停线施压，备件按常用就多备采购。没有状态数据，三方只能事后救火。越救越忙，越忙越没时间做点检，点检越空，下一次停机越突然。这是一个会自我强化的圈子。
另一个阻力是数据散落。点检写在纸上，工单在微信里，备件在 Excel。即使有人感觉到某台设备最近不对，也无法把它变成一张按时限关闭的工单。感觉不能派工，派工不能带备件，预测便无从谈起。先把三张表合成一条时间轴，比先买分析平台更接近预测性维护。
按状态保养的最小闭环
不要一上来覆盖全厂。选最影响交期的几台关键设备，先把运行时长和异常事件采下来，阈值宁粗勿碎。超限就开保养工单，责任人、窗口、备件写死，完成必须回写。下一次阈值才有依据。
- 关键设备先采运行时长和异常事件，不必全厂上传感器。
- 超限自动开保养工单，责任人、窗口、备件一次写清。
- 保养完成回写实际更换件和耗时，用来校正阈值。
- 停机用计划内与计划外分开统计，抢修光荣感才会下降。
当计划内保养占比上升、计划外停机下降，预测性维护才算进了生产，而不是进了展厅。管理层要看的是交期波动和加班抢修是否同步下降，而不是看仪表盘上有多少条曲线。
XYN 数智化系统可以把点检、工单和备件申请做成可配置应用，先跑通一条产线再扩展。预测性维护的门槛不是模型，是状态和动作能不能对上。