Georgia-Pacific 通过使用 SAS Viya 和 AWS，将非计划停机时间减少了 30%，同时提升了产品质量与安全性

Georgia-Pacific 是一家领先的纸浆和造纸公司，总部设在乔治亚州亚特兰大，旗下拥有 140 家生产设施。在 COVID-19 疫情高峰期间，该公司生产的纸巾、一次性餐巾纸和厕纸等日常必需品的销量显著增加。随着全球供应链面临前所未有的需求，该公司认识到必须紧急优化生产力，并尽快将更多重要产品投放市场。

Georgia-Pacific 与 AWS 合作伙伴 SAS 一起部署了一套解决方案。该解决方案采用了 SAS 实时高级分析和人工智能（AI）技术，并由 SAS Viya on AWS 提供技术支持。结果是，Georgia-Pacific 简化了运营，并将非计划停机时间减少了 30%。

疫情爆发后，Georgia-Pacific 很快面临两项特殊挑战。一方面，全球制造商难以及时补货，导致商店货架变得空空如也。另一方面，餐馆、酒店和企业办公室纷纷临时或永久关闭，导致这些行业的需求大幅下降。

补货问题迟迟不能得到解决，而准时足量（OTIF）交货也变得困难，许多知名零售商对制造商延误或部分发货施加重罚。Georgia-Pacific 的 IT 数字化转型副总裁 Steven Bakalar 指出：“当时，我们的首要任务是加快产品上架速度并优化货运物流。我们明白，更深入洞察数据对提升生产效率至关重要，因此我们致力于寻找能够实现这一目标的解决方案。”

为了优化生产和配送效率，Georgia-Pacific 采用了在 Amazon Web Services 上运行的 SAS Viya 解决方案。由 AWS 合作伙伴 SAS 提供技术支持的 SAS Viya AI 与分析平台，能够全过程自动化访问并整合来自不同来源的数据。通过运用 AI 和机器学习，该平台构建了预测模型来向用户提供可操作的洞察，从而帮助用户做出更好的决策。

Georgia-Pacific 之所以选择 SAS Viya，是因为它的界面既多功能又易于使用，适合从初学者到资深数据科学家的各类用户。“我们还与 AWS 建立了战略合作关系。”Bakalar 说道，“SAS 与 AWS 的结合赋予了我们所需的灵活性和可扩展性，使组织内的用户都能够利用分析功能。”

为了快速将产品投放市场，Georgia-Pacific 使用了 SAS Viya 的高级分析功能，运行了超过 15000 个机器学习模型来确定最佳生产配置。“通过使用 SAS 的高级分析功能，我们找到了速度与质量之间的最佳平衡点，实现了盈利能力最大化。”Georgia-Pacific 的合作与支持中心运营副总裁 Roshan Shah 表示，“我们始终致力于拓展分析技术的应用潜力。”

通过部署 SAS Viya 解决方案，Georgia-Pacific 成功将所有生产设施的非计划停机时间减少了 30%。借助 85000 个振动传感器收集的实时数据，该公司的制造团队得以在事前主动解决潜在问题，如零件故障或电气问题。通过参考历史资产的性能数据，机器操作员对流程进行了微调，从而提升了资产的性能。此外，团队的整体设备效率（OEE）提高了 10%。

SAS 将自动提前警示设备可能存在的故障，允许 Georgia-Pacific 安排在计划维护时段中进行修理和更换。这有助于防止安全事故、机械运行效率低下和意外的生产中断。“SAS 为我们提供了成功部署和持续生产所需的结构。”Georgia-Pacific 的人工智能总监 Sam Coyne 说道，“这种结构带来了弹性、稳固的架构，并让我们对平台的稳定性充满信心，这对我们制造商来说极为重要。”

Georgia-Pacific 使用了 Amazon Elastic Compute Cloud（Amazon EC2）提供的安全、可调整的云计算能力，确保得以按需访问可靠且可扩展的基础设施。SAS Viya 解决方案使用了 Amazon Simple Storage Service（Amazon S3），为 Georgia-Pacific 提供了在扩展性、可用性、安全性和性能方面领先业内的强大存储解决方案。同时，它还采用了 Amazon Elastic Kubernetes Service（Amazon EKS）托管服务来简化 AWS 及本地 Kubernetes 运行。

Georgia-Pacific 还使用了 SAS 解决方案中的计算机视觉功能，以解决制造过程中的重大质量和安全问题。系统将在部件出现磨损迹象时自动发出通知，以便提前主动安排维护。这不仅保障了技术人员的安全，还提高了操作效率。

此外，Georgia-Pacific 使用计算机视觉模型来监控传送带上的产品质量，通知操作员并自动丢弃有缺陷的材料。通过集成计算机视觉、深度学习模型及多种神经网络，该公司还能够有效检测限制区域的未授权闯入。