Georgia-Pacific reduce el tiempo de inactividad no planificado en un 30 % y mejora la calidad y la seguridad con SAS Viya y AWS

Georgia-Pacific, con sede en Atlanta, Georgia, es una empresa líder de celulosa y papel que opera 140 instalaciones de producción. Durante el punto álgido de la pandemia de COVID-19, las ventas de sus productos esenciales, como toallas de papel, servilletas desechables y papel higiénico, aumentaron significativamente. Cuando su cadena de suministro global se enfrentó a una demanda sin precedentes, la empresa reconoció la urgencia de optimizar la productividad de fabricación y llevar la mayor cantidad posible de sus productos clave a las tiendas lo más rápido posible.

En colaboración con SAS, socio de AWS, Georgia-Pacific desplegó una solución que utilizaba análisis avanzados e inteligencia artificial (IA) en tiempo real de SAS con tecnología de SAS Viya en AWS. Esta implementación ha permitido a Georgia-Pacific optimizar sus operaciones y reducir el tiempo de inactividad no planificado en un 30 %.

El inicio de la pandemia condujo rápidamente a dos situaciones únicas para Georgia-Pacific. Por un lado, las estanterías de las tiendas quedaron vacías y los fabricantes de todo el mundo tuvieron problemas por reponer las existencias. Al mismo tiempo, los restaurantes, hoteles y oficinas corporativas cerraron, ya fuera de forma temporal o permanente, y la demanda en esos sectores se hundió.

Como el reabastecimiento de existencias seguía siendo un reto, la entrega puntual y completa (OTIF) también planteaba problemas, ya que muchos minoristas importantes imponían severas multas por envíos retrasados o parciales. «En ese momento, llevar más productos a las tiendas con mayor rapidez y optimizar la logística de envío se convirtió en nuestra principal prioridad», comentó Steven Bakalar, vicepresidente de transformación digital de TI en Georgia-Pacific. «Sabíamos que tener una mejor visión de nuestros datos sería clave para mejorar la productividad, por lo que centramos nuestros esfuerzos en encontrar una solución que nos ayudara a conseguirlo».

Para mejorar la productividad y la distribución, Georgia-Pacific implementó las soluciones SAS Viya, que se ejecutan en Amazon Web Services. La plataforma de análisis e IA SAS Viya de SAS, socio de AWS, proporciona una automatización integral de los procesos para acceder a datos de orígenes dispares e integrarlos. Aprovecha la IA y el machine learning para crear modelos predictivos que proporcionan información práctica a fin de impulsar una mejor toma de decisiones.

Georgia-Pacific eligió SAS Viya por su interfaz versátil y fácil de usar, que se adapta a usuarios de todos los niveles, desde principiantes hasta científicos de datos experimentados. «También contamos con una asociación estratégica con AWS», afirmó Bakalar. «La combinación de SAS con AWS nos proporciona la flexibilidad y escalabilidad necesarias para poner las capacidades analíticas al alcance de los usuarios de toda la organización».

Para llevar los productos a las tiendas rápidamente, Georgia-Pacific utilizó los análisis avanzados de SAS Viya y ejecutó más de 15 000 modelos de machine learning para determinar los parámetros de producción ideales. «Con los análisis avanzados de SAS, podemos encontrar el equilibrio óptimo entre velocidad y calidad para maximizar la rentabilidad», explica Roshan Shah, vicepresidente de operaciones de colaboración y centros de soporte en Georgia-Pacific. «Estamos ampliando constantemente los límites de lo que es posible con los análisis».

Con la solución SAS Viya implementada, Georgia-Pacific pudo reducir el tiempo de inactividad no planificado en un 30 % en todas sus instalaciones de producción. Al utilizar datos en tiempo real de 85 000 sensores de vibración, los equipos de fabricación de la empresa podrían abordar de forma proactiva posibles problemas, como fallos de piezas o problemas eléctricos. Los operadores de maquinaria consultaron los datos históricos de rendimiento de los activos para ajustar los procesos y mejorar el rendimiento de los activos. Además, los equipos aumentaron en un 10 % la eficiencia general de los equipos (OEE).

Las capacidades de automatización de SAS alertan sobre posibles fallas en los equipos, lo que permite a Georgia-Pacific incorporar las reparaciones y los reemplazos en el mantenimiento programado. Esto ayuda a prevenir los incidentes de seguridad, el funcionamiento ineficiente de la maquinaria y las interrupciones imprevistas de la producción. «SAS nos brinda la estructura que necesitamos para llevar a cabo un despliegue exitoso y mantener su funcionamiento en producción», afirmó Sam Coyne, director de IA en Georgia-Pacific. «Y esa estructura aporta resiliencia, arquitectura sólida y confianza en una plataforma estable, lo cual es de vital importancia para nosotros como fabricantes».

Georgia-Pacific se beneficia de Amazon Elastic Compute Cloud (Amazon EC2), que proporciona una capacidad de computación segura y ajustable en un entorno en la nube, lo que garantiza el acceso a una infraestructura fiable y escalable según sea necesario. La solución SAS Viya emplea Amazon Simple Storage Service (Amazon S3) para proporcionar a Georgia-Pacific una solución de almacenamiento sólida que ofrece escalabilidad, disponibilidad, seguridad y rendimiento líderes en el sector. Además, utiliza Amazon Elastic Kubernetes Service (Amazon EKS), un servicio administrado que simplifica la ejecución de Kubernetes en AWS y de forma local.

Georgia-Pacific también utiliza las capacidades de visión artificial de las soluciones de SAS para abordar cuestiones fundamentales de calidad y seguridad en la fabricación. El sistema proporciona notificaciones automáticas cuando las piezas muestran signos de desgaste, lo que permite realizar un mantenimiento proactivo. Esto no solo garantiza la seguridad de los técnicos, sino que también promueve la eficiencia de las operaciones.

Además, Georgia-Pacific utiliza modelos de visión artificial para supervisar la calidad de los productos en las cintas transportadoras, notificando a los operadores y desechando automáticamente los materiales defectuosos. Esta integración de visión artificial, modelos de aprendizaje profundo y diversas redes neuronales también permite a la empresa detectar de manera eficiente la presencia no autorizada en zonas restringidas.