Georgia-Pacific reduziert ungeplante Ausfallzeiten um 30 % und verbessert gleichzeitig Qualität und Sicherheit mit SAS Viya und AWS

Georgia-Pacific, mit Hauptsitz in Atlanta, Georgia, ist ein führendes Zellstoff- und Papierunternehmen, das 140 Produktionsstätten betreibt. Am Höhepunkt der COVID-19-Pandemie stiegen die Verkäufe seiner wichtigen Produkte wie Papierhandtücher, Einwegservietten und Toilettenpapier erheblich an. Als die globale Lieferkette mit einer beispiellosen Nachfrage zu kämpfen hatte, erkannte das Unternehmen die Dringlichkeit, die Fertigungsproduktivität zu optimieren und mehr seiner wichtigsten Produkte so schnell wie möglich in die Geschäfte zu bringen.

In Zusammenarbeit mit dem AWS-Partner SAS stellte Georgia-Pacific eine Lösung mit fortschrittlicher SAS-Echtzeitanalytik und künstlicher Intelligenz (KI) bereit, die von SAS Viya in AWS unterstützt werden. Diese Implementierung ermöglichte es Georgia-Pacific, seinen Betrieb zu optimieren und ungeplante Ausfallzeiten um 30 Prozent zu reduzieren.

Der Beginn der Pandemie führte rasch zu zwei einzigartigen Situationen für Georgia-Pacific. Einerseits wurden die Verkaufsregale leergekauft und die Hersteller auf der ganzen Welt hatten Schwierigkeiten, ihre Lagerbestände wieder aufzufüllen. Gleichzeitig schlossen Restaurants, Hotels und Unternehmensbüros – entweder vorübergehend oder dauerhaft – und die Nachfrage in diesen Sektoren sank.

Da die Wiederauffüllung der Lagerbestände weiterhin problematisch war, stellte auch die pünktliche und vollständige Lieferung (OTIF) eine Herausforderung dar. Viele namhafte Einzelhändler verhängten harte Bußgelder für verspätete oder unvollständige Lieferungen. „Zu diesem Zeitpunkt wurde es für uns oberste Priorität, mehr Produkte schneller in die Geschäfte zu bringen und die Versandlogistik zu optimieren“, erklärte Steven Bakalar, VP of IT Digital Transformation bei Georgia-Pacific. „Wir wussten, dass ein besserer Einblick in unsere Daten der Schlüssel zur Steigerung der Produktivität sein würde. Deshalb konzentrierten wir uns darauf, eine Lösung zu finden, die uns das ermöglicht.“

Um die Produktivität und den Vertrieb zu verbessern, implementierte Georgia-Pacific SAS Viya-Lösungen, die auf Amazon Web Services ausgeführt werden. Die KI- und Analytikplattform SAS Viya, die vom AWS-Partner SAS betrieben wird, bietet eine durchgängige Prozessautomatisierung für den Zugriff auf und die Integration von Daten aus unterschiedlichen Quellen. Sie nutzt KI und Machine Learning und erstellt prädiktive Modelle, die handlungsorientierte Erkenntnisse liefern, um bessere Entscheidungsfindung zu ermöglichen.

Georgia-Pacific entschied sich für SAS Viya aufgrund seiner vielseitigen und benutzerfreundlichen Oberfläche, die sich an Benutzerinnen und Benutzer aus dem gesamten Spektrum richtet, von Anfängerinnen und Anfängern bis hin zu erfahrenen Datenwissenschaftlerinnen und -wissenschaftlern. „Wir haben auch eine strategische Partnerschaft mit AWS“, sagte Bakalar. „Die Kombination von SAS mit AWS bietet uns die notwendige Flexibilität und Skalierbarkeit, um Benutzerinnen und Benutzern im gesamten Unternehmen Analysefunktionen zur Verfügung zu stellen.“

Um Produkte schnell in die Geschäfte zu bringen, nutzte Georgia-Pacific die fortschrittlichen Analysen von SAS Viya und führte mehr als 15 000 Machine-Learning-Modelle aus, um die idealen Produktionseinstellungen zu ermitteln. „Die fortschrittliche Analytik von SAS ermöglicht es uns, das optimale Gleichgewicht zwischen Geschwindigkeit und Qualität zu finden, um die Rentabilität zu maximieren“, sagt Roshan Shah, Vice President of Collaboration and Support Center Operations bei Georgia-Pacific. „Wir gehen ständig an die Grenzen dessen, was mit Analytik möglich ist.“

Mit der Lösung von SAS Viya war Georgia-Pacific in der Lage, ungeplante Ausfallzeiten in allen Produktionsstätten um 30 Prozent zu reduzieren. Mithilfe der Echtzeitdaten von 85 000 Schwingungssensoren konnten die Produktionsteams des Unternehmens potenzielle Probleme wie Teilausfälle oder elektrische Probleme proaktiv angehen. Durch Bezugnahme auf historische Anlagenleistungsdaten optimierte das Maschinenbedienpersonal die Prozesse und verbesserte so die Anlagenleistung. Darüber hinaus steigerten die Teams die Gesamtanlageneffizienz (OEE) um 10 Prozent.

Die SAS-Automatisierungsfunktionen warnen vor potenziellen Geräteausfällen und ermöglichen es Georgia-Pacific, Reparaturen und Austauscharbeiten in die planmäßige Wartung zu integrieren. Dies hilft, Sicherheitsvorfälle, einen ineffizienten Maschinenbetrieb und unerwartete Produktionsunterbrechungen zu verhindern. „SAS bietet uns die Struktur, die wir benötigen, um die Bereitstellung erfolgreich durchzuführen und die Produktion am Laufen zu halten“, sagte Sam Coyne, Director of AI bei Georgia-Pacific. „Und mit dieser Struktur gehen Ausfallsicherheit, solide Architektur und Vertrauen in eine stabile Plattform einher – was für uns als Hersteller von entscheidender Bedeutung ist.“

Georgia-Pacific profitiert von der Amazon Elastic Compute Cloud (Amazon EC2), die sichere, einstellbare Rechenleistung in einer Cloud-Umgebung bietet und den Zugriff auf eine zuverlässige und skalierbare Infrastruktur nach Bedarf gewährleistet. Die SAS Viya-Lösung nutzt Amazon Simple Storage Service (Amazon S3), um Georgia-Pacific eine robuste Speicherlösung zur Verfügung zu stellen, die branchenführende Skalierbarkeit, Verfügbarkeit, Sicherheit und Leistung bietet. Darüber hinaus nutzt es Amazon Elastic Kubernetes Service (Amazon EKS), einen verwalteten Service, der die Ausführung von Kubernetes in AWS und On-Premises vereinfacht.

Georgia-Pacific nutzt auch die Computer-Vision-Funktionen der SAS-Lösungen, um die wichtigsten Qualitäts- und Sicherheitsprobleme in der Fertigung zu lösen. Das System informiert automatisch, wenn Teile Abnutzungserscheinungen aufweisen, und ermöglicht so eine proaktive Wartung. Dies gewährleistet nicht nur die Sicherheit der Technikerinnen und Techniker, sondern fördert auch einen effizienten Betrieb.

Darüber hinaus verwendet Georgia-Pacific Computer-Vision-Modelle, um die Produktqualität auf Förderbändern zu überwachen, das Bedienpersonal zu benachrichtigen und defekte Materialien automatisch zu entsorgen. Diese Integration von Computer Vision, Deep-Learning-Modellen und verschiedenen neuronalen Netzwerken ermöglicht es dem Unternehmen auch, unbefugte Anwesenheiten in Sperrzonen effizient zu erkennen.