Konteks
Sebuah eksportir precision-engineering yang berkantor pusat di Singapura mengoperasikan dua lini produksi (CNC + inspeksi post-process). Sekitar 18% jam produksi terencana hilang ke unplanned downtime — terbagi antara kegagalan bearing pada spindle head dan false-reject kosmetik dari stasiun inspeksi manusia.
Biaya: ~3 hari produksi hilang per bulan per lini. Mereka telah mengevaluasi tiga produk SaaS “predictive maintenance”. Tidak satu pun yang terintegrasi ke Yonyou NC Cloud ERP mereka.
Apa yang kami lakukan
Monitoring vibrasi spindle
Memberi instrumentasi bearing spindle head dengan akselerometer tiga sumbu, streaming via OPC UA → MQTT ke Azure IoT Hub. Latih model anomali per-aset yang mengikat tanda vibrasi ke mode kegagalan spesifik.
Stasiun inspeksi Vision-AI
Mendeploy rig inspeksi Vision-AI di samping lini — model konvolusional kecil berjalan di edge box, fail-safe ke inspeksi manual jika confidence turun. Throughput 60 unit/menit, keputusan kurang dari 2 detik.
Integrasi work-order Yonyou NC Cloud
Alert mengalir ke modul work-order maintenance Yonyou yang ada — terisi otomatis dengan asset ID, prediksi mode kegagalan, parts yang direkomendasikan, dan window penjadwalan 48-jam yang disarankan.
Hasil
- -41% unplanned downtime di dua lini pilot
- < 2 detik deteksi defect pada 60 unit/menit throughput
- Nol false-rejects ditandai sebagai costly returns pada 6 bulan pertama
- 92% tingkat alert-ke-work-order-terjadwal dalam 48 jam (vs. 38% sebelumnya)
- Customer NPS lift atribusi peningkatan on-time delivery
Apa yang kami pelajari
Unlock terbesar bukan model — itu adalah membuat maintenance mempercayai alert cukup untuk menjadwalkan kerja. Kami habiskan lebih banyak waktu pada perubahan proses manusia daripada ML itu sendiri.
Integrasi Yonyou lebih penting dari yang kami harapkan. Tools SaaS sebelumnya gagal pada adopsi karena alert datang sebagai email — yang difilter, diabaikan, dan akhirnya tidak dipercaya.