INVISTA 通过在 AWS 上优化制造成果实现运营转型

自从 2004 年以来，Koch Industries 的附属公司 INVISTA 在市场上推出了可用于尼龙 6,6 的专利成分和一些知名品牌（包括 STAINMASTER、CORDURA 和 ANTRON）。该公司是世界上最大的化学中间体、聚合物和纤维综合性生产商之一。这包括我们每天使用的许多家用和工业产品，还有一些我们希望不需要用到的产品，比如汽车安全气囊。

Koch Industries 现任分析主管 Elizabeth Gonzalez（曾任 INVISTA 的分析主管）说：“我们非常重视安全气囊纤维的质量。这就是我们感到兴奋的原因，因为除了我们一直进行的仔细的手动检查外，我们现在还能够分析自动目视检查数据，并使用人工智能来确定生产更高产量纤维的机会。如果我们的所有数据仍然孤立地存储在每个工厂现场，那么这一点是根本不可能实现的。”

INVISTA 数据不再孤立地存储在世界各地的站点，因为它有一项雄心勃勃的计划，即通过从商业智能 (BI) 转向人工智能 (AI) 来改变其运营。数据现在驻留在一个 Amazon Web Services (AWS) 数据湖中，该数据湖部分使用 AWS Lake Formation 构建。AWS 机器学习工具是使 INVISTA 能够使用数据通过以下方法实现创造 3 亿美元价值目标的关键：提高产出、加强资产绩效管理、增强过程控制、减少营运资本和提高吞吐量。

在使用 AWS 之前，INVISTA 受到本地数据存储、预格式化 BI 报告和耗时分析流程的限制。“使用我们以前的解决方案，我们第一次尝试将一个工厂的历史数据交给数据科学家进行分析时，花了两个月的时间。”INVISTA 分析主管 Tanner Gonzalez 说。

在对云提供商进行评估后，INVISTA 选择 AWS 作为首选供应商，因为 AWS 能够解耦技术，支持与第三方工具的集成，并构建系统和工作流，从而帮助从世界各地的运营场所的海量数据中发现价值。该公司首先将 600 台本地部署服务器迁移到 AWS，包括多个制造应用程序和全球 INVISTA SAP 业务。

INVISTA 使用 AWS Lake Formation 实施了一个基于 Amazon Simple Storage Service (Amazon S3) 的企业数据湖。该架构包括一个 Snowflake 数据仓库，该数据仓库依赖于 AWS Glue 提供完全托管式提取、转换和加载 (ETL) 服务。INVISTA 还使用 AWS Snowball 设备将数十 TB 的数据从不同的工厂迁移到其数据湖中。

通过使用 AWS 减少其本地部署数据存储，该公司节省了大量资金。Tanner 说：“通过优化和适当的规模调整，将我们的数据中心迁移到 AWS 每年为我们节省了 200 多万美元。”

此外，公司还利用 Amazon Redshift，特别是 Amazon Redshift Spectrum，使数据分析师能够对 TB 级数据执行复杂的查询。它依靠 Amazon Athena 将自助式交互查询扩展到任何具备基本 SQL 知识的员工。对于数据科学工作流，INVISTA 使用 Amazon SageMaker，这是一种完全托管式服务，可用于构建、训练和部署内部开发的第三方机器学习模型。

AWS 提供的预测性分析功能的一个运营优势是显著减少了计划外的工厂停机时间。Elizabeth 说：“如果我们的制造团队知道设备可能发生故障的时间，他们就能安排设备停工以进行预防性维护。在使用 AWS 之前，我们缺少所需的数据或计算能力，无法建模来预测故障。资产性能管理的改进缩短了停机时间、减少了设备损坏并实现了更高的收入。”

利用 AWS，INVISTA 还增强了流程预测和库存优化能力。Elizabeth 说：“当我们能够预测订单和其他因素，从而知道未来 30 天我们将生产多少产品，或者维修和维护需要哪些备件时，我们就可以确保只储存我们需要的备件。通过使用 AWS 从我们的 SAP ERP 系统中提取订购模式和其他数据，我们为高流动性备件提供了一个闭环、全自动的库存流程，该流程已经显露出了显著的投资回报。”

如果 INVISTA 不能执行构建有效机器学习模型所需的稳健特征工程，那么这些运营优势都不可能实现。Tanner 说：“我们的数据湖托管在 Amazon S3 上，使用 AWS Lake Formation 构建，我们能够解锁大量的时间序列数据以进行分析，并使用这些数据做出更好的业务决策。获取足够的本地存储和计算能力成本高昂。”

通过直观、易学的 AWS 服务，帮助 INVISTA 实现其培养全公司数据科学技能，以及求知和勇于实验的文化的目标。Elizabeth 说：“当我们努力在整个组织中培养数据能力时，我们也能够依靠 AWS 的常见能力，这为我们提供了很大帮助。由于每个人都亲自操作控制台并接受相同的 AWS 精通程度培训，我们在技术方面使用相同的语言，因此可以专注于我们尝试解决的数据问题。”

技术背景薄弱的人员可以使用 Amazon Athena 为数据科学计划做出有价值的贡献。Tanner 说：“传统的分析环境通常需要技术专家进行大量工作，才能向业务用户呈现相对静态的数据视图。由于 Amazon Athena 让非技术用户也能进行实验和探索，因此增加了能够释放数据价值的人数。”

AWS 服务帮助改变了 INVISTA 对其业务及其自身（从公司角度）的看法。Elizabeth 说：“几年前，INVISTA 还没有人谈论数据科学。现在，AWS 上的数据科学对于战略规划、供应链管理和制造运营都至关重要。”

所有商标均为其各自所有者的财产。

要了解详情，请访问 thinkwithwp.com/manufacturing。