Georgia-Pacific 利用 SAS Viya 和 AWS 改善品質和安全性，同時將非計畫性停機時間減少 30%

Georgia-Pacific 總部位於喬治亞州亞特蘭大市，是一間領先業界的紙漿和紙業公司，並擁有 140 間生產設施。在 COVID-19 疫情高峰期間，該公司的紙巾、一次性餐巾紙和衛生紙等基本產品的銷售量大幅飆升。由於全球供應鏈正努力應對前所未有的需求，該公司意識到其最為急迫的任務就是將產能最佳化，並儘快將更多關鍵產品運送至商店。

Georgia-Pacific 與 AWS 合作夥伴 SAS 合作，部署了一套使用 SAS 即時進階分析和人工智慧 (AI) 的解決方案，該解決方案由 AWS 上的 SAS Viya 所驅動。此方案的部署讓 Georgia-Pacific 簡化了營運流程，並將非計畫性停機時間縮短了 30%。

疫情發生之初，Georgia-Pacific 便面臨兩著種獨特的情況。一方面，商店貨架上的商品銷售一空，世界各地的製造商都在努力補充存貨。與此同時，餐廳、旅館和企業辦公室也相繼暫時或永久關閉，這些行業的需求也隨之下滑。

在庫存補充持續面臨困境的同時，準時且足量交貨（OTIF）也成為一大挑戰。多家大型零售商開始對延遲或數量不足的出貨嚴加處罰，徵收高額罰金。Georgia-Pacific IT 數位轉型副總裁 Steven Bakalar 表示：「那個時候，我們的首要任務就是讓更多產品更快進入商店，並最佳化運輸物流。」「我們知道，資料洞察力的改善將是提高生產力的關鍵，因此我們努力尋找了一個可以實現這一目標的解決方案。」

為了提高生產力和分銷效率，Georgia-Pacific 部署了運行於 Amazon Web Services 的 SAS Viya 解決方案。SAS Viya 的 AI 和分析平台由 AWS 合作夥伴 SAS 驅動，可提供端對端流程自動化，以存取和整合不同來源的資料。其可利用 AI 和機器學習來建立預測模型，提供行動洞察力，以促進更好的決策。

Georgia-Pacific 選擇 SAS Viya 的原因在於其多用途且友善的使用者介面，可滿足從新手到資深資料分析師等各種使用者的需求。Bakalar 表示：「我們也與 AWS 建立了策略夥伴關係。」「SAS 與 AWS 的結合為我們提供了必要的靈活性和可擴展性，讓整個組織的用戶都能掌握分析能力。」

為了讓產品快速進入商店，Georgia-Pacific 使用 SAS Viya 的先進分析功能，運行 15,000 多個機器學習模型來判定理想的生產配置。Georgia-Pacific 協作與支援中心營運副總裁 Roshan Shah 表示：「SAS 的先進分析功能讓我們能夠在速度與品質之間找到最佳平衡，並將獲利最大化。」「我們不斷挑戰分析的極限。」

採用 SAS Viya 解決方案後，Georgia-Pacific 的生產設施非計畫性停機時間減少了 30%。該公司的製造團隊可利用來自 85,000 個震動感應器的即時資料主動解決潛在問題，例如零件故障或電氣問題。機械操作員可參考歷史資產效能資料，並微調製程，進而提升資產效能。此外，團隊的整體設備效率 (OEE) 也提升了 10%。

SAS 自動化功能可針對潛在的設備故障發出提醒，讓 Georgia-Pacific 在定期維護計劃中進行設備的維修和更換。這有助於防止安全事故、機器運作效率低下以及意外的生產中斷。Georgia-Pacific 的 AI 總監 Sam Coyne 表示：「SAS 為我們提供了成功部署和保持生產運作所需的架構。」「如此彈性、健全的架構，以及對平台穩定的信心，對我們製造商來說是至關重要的。」

Georgia-Pacific 受益於 Amazon Elastic Compute Cloud (Amazon EC2)，其可在雲端環境中提供安全、可調整的運算能力，並根據需求提供可靠且可擴展的基礎架構。SAS Viya 解決方案採用 Amazon Simple Storage Service (Amazon S3) 來為 Georgia-Pacific 提供強大的儲存解決方案，可提供領先業界的可擴展性、可用性、安全性和效能。此外，其還採用了 Amazon Elastic Kubernetes Service (Amazon EKS)，這是一種受管服務，可簡化 Kubernetes 在 AWS 和企業內部的執行程序。

Georgia-Pacific 也運用了 SAS 解決方案中的電腦視覺功能來解決製造過程中最重要的品質與安全問題。當零件出現磨損跡象時，系統會自動發出通知，以便廠方進行主動維護。這不僅確保了技術人員的安全，也促進運營效率的提升。

此外，Georgia-Pacific 還利用電腦視覺模型來監督輸送帶上的產品品質，並可向作業員發出通知，以及自動丟棄有缺陷的材料。這種電腦視覺、深度學習模型和多樣化神經網路的整合，也讓該公司有效偵測禁區內是否有未經授權的人員進入。