Georgia-Pacific riduce i tempi di inattività non pianificati del 30% migliorando al contempo qualità e sicurezza con SAS Viya e AWS

Georgia-Pacific, con sede ad Atlanta, Georgia, è un'azienda leader nel settore della cellulosa e della carta che gestisce 140 stabilimenti di produzione. Durante il culmine della pandemia di COVID-19, le vendite dei suoi prodotti essenziali come asciugamani di carta, tovaglioli usa e getta e carta igienica sono aumentate notevolmente. Mentre la catena di approvvigionamento globale era alle prese con una domanda senza precedenti, l'azienda ha riconosciuto l'urgenza di ottimizzare la produttività della produzione e di portare nei negozi un maggior numero di prodotti chiave il più rapidamente possibile.

In collaborazione con il partner AWS SAS, Georgia-Pacific ha implementato una soluzione che utilizza l'analisi avanzata in tempo reale e l'intelligenza artificiale (IA) di SAS, con tecnologia SAS Viya su AWS. Questa implementazione ha consentito a Georgia-Pacific di semplificare le proprie operazioni e ridurre i tempi di inattività non pianificati del 30%.

L'inizio della pandemia ha portato rapidamente a due situazioni uniche per la Georgia-Pacific. Da un lato, gli scaffali dei negozi si svuotavano e i produttori di tutto il mondo avevano difficoltà a rifornirsi di scorte. Allo stesso tempo, ristoranti, alberghi e uffici aziendali chiudevano, temporaneamente o definitivamente, e la domanda in quei settori crollava.

Il rifornimento delle scorte continuava a essere problematico, ma anche le consegne puntuali e complete (OTIF) rappresentavano una sfida, con molti importanti rivenditori che imponevano multe severe in caso di spedizioni ritardate o parziali. "A quel punto, far arrivare un maggior numero di prodotti nei negozi più velocemente e ottimizzare la logistica delle spedizioni è diventata la nostra massima priorità", ha osservato Steven Bakalar, VP del dipartimento di trasformazione digitale IT presso Georgia-Pacific. "Sapevamo che avere una migliore comprensione dei nostri dati sarebbe stato fondamentale per migliorare la produttività, quindi abbiamo concentrato i nostri sforzi sulla ricerca di una soluzione che potesse far sì che ciò accadesse".

Per migliorare la produttività e la distribuzione, Georgia-Pacific ha implementato soluzioni SAS Viya in esecuzione su Amazon Web Services. La piattaforma di intelligenza artificiale e analisi SAS Viya con tecnologia del partner AWS SAS fornisce l'automazione dei processi end-to-end per l'accesso e l'integrazione dei dati da fonti diverse. Sfruttando l'intelligenza artificiale e il machine learning, crea modelli predittivi che forniscono informazioni operative per favorire un migliore processo decisionale.

Georgia-Pacific ha scelto SAS Viya per la sua interfaccia versatile e intuitiva, che soddisfa tutti gli utenti, dai principianti ai data scientist esperti. "Abbiamo anche una partnership strategica con AWS", ha affermato Bakalar. "La combinazione di SAS con AWS ci offre la flessibilità e la scalabilità necessarie per mettere le funzionalità analitiche nelle mani degli utenti di tutta l'organizzazione".

Per far arrivare rapidamente i prodotti nei negozi, Georgia-Pacific ha utilizzato l'analisi avanzata di SAS Viya, eseguendo più di 15.000 modelli di machine learning per determinare le impostazioni di produzione ideali. "L'analisi avanzata abilitata da SAS ci consente di trovare l'equilibrio ottimale tra velocità e qualità per massimizzare la redditività", afferma Roshan Shah, vicepresidente delle operazioni dei centri di collaborazione e supporto presso Georgia-Pacific. "Stiamo costantemente superando i limiti di ciò che è possibile con l'analisi".

Grazie alla soluzione SAS Viya, Georgia-Pacific è stata in grado di ridurre i tempi di inattività non pianificati del 30% nei suoi impianti di produzione. Utilizzando i dati in tempo reale provenienti da 85.000 sensori di vibrazione, i team di produzione dell'azienda potrebbero affrontare in modo proattivo potenziali problemi, come guasti ai componenti o problemi elettrici. Facendo riferimento ai dati storici sulle prestazioni degli asset, gli operatori dei macchinari hanno messo a punto i processi, migliorando le prestazioni degli asset. Inoltre, i team hanno ottenuto un aumento del 10% dell'efficienza complessiva delle apparecchiature (OEE).

Le funzionalità di automazione SAS segnalano potenziali guasti alle apparecchiature, consentendo a Georgia-Pacific di incorporare riparazioni e sostituzioni nella manutenzione programmata. Questo aiuta a prevenire incidenti di sicurezza, funzionamento inefficiente dei macchinari e interruzioni impreviste della produzione. "SAS ci offre la struttura di cui abbiamo bisogno per avere successo con l'implementazione e mantenerla in funzione in produzione", ha affermato Sam Coyne, direttore dell'IA presso Georgia-Pacific. "E da questa struttura derivano resilienza, solida architettura e fiducia in una piattaforma stabile, che è di fondamentale importanza per noi produttori".

Georgia-Pacific trae vantaggio da Amazon Elastic Compute Cloud (Amazon EC2) che fornisce una potenza di calcolo sicura e regolabile in un ambiente cloud, garantendo l'accesso a un'infrastruttura affidabile e scalabile in base alle esigenze. La soluzione SAS Viya utilizza Amazon Simple Storage Service (Amazon S3) per fornire a Georgia-Pacific una solida soluzione di storage che offre scalabilità, disponibilità, sicurezza e prestazioni leader del settore. Inoltre, utilizza Amazon Elastic Kubernetes Service (Amazon EKS), un servizio gestito che semplifica l'esecuzione di Kubernetes su AWS e on-premise.

Georgia-Pacific utilizza anche le funzionalità di visione artificiale delle soluzioni SAS per affrontare questioni fondamentali di qualità e sicurezza nella produzione. Il sistema fornisce notifiche automatiche quando le parti presentano segni di usura, consentendo una manutenzione proattiva. Ciò non solo garantisce la sicurezza dei tecnici, ma promuove anche operazioni efficienti.

Inoltre, Georgia-Pacific utilizza modelli di visione artificiale per supervisionare la qualità dei prodotti sui nastri trasportatori, avvisare gli operatori e scartare automaticamente i materiali difettosi. Questa integrazione di visione artificiale, modelli di deep learning e diverse reti neurali consente inoltre all'azienda di rilevare in modo efficiente la presenza non autorizzata nelle zone soggette a restrizioni.