Georgia-Pacific optimiza procesos y ahorra millones de dólares al año con AWS

GP resize

Las plantas de Georgia-Pacific en toda América del Norte fabrican cientos de bobinas madre de papel y tisú por día. La fabricación de papel es un proceso delicado y complejo, en el que pueden ocurrir desgarres y roturas, tanto durante la fabricación de las bobinas madre como durante la conversión de estas inmensas bobinas en productos de consumo para baños y de papel tisú. Si los desgarres y las roturas ocurren con frecuencia, la máquina de papel y la línea de conversión pueden quedar fuera de servicio, lo que cuesta a Georgia-Pacific millones de dólares por año por línea, una cifra importante si consideramos que la empresa tiene más de 150 líneas de conversión. «Es indispensable garantizar una buena disponibilidad de las máquinas, y la única forma de hacerlo es tener información útil sobre las posibles roturas de bobinas», explica Steve Bakalar, vicepresidente de Informática y Transformación Digital de la empresa.

Sin embargo, obtener información útil era un desafío porque la organización confiaba en fuentes dispares para recopilar y analizar datos sobre la calidad del material, el contenido de humedad, la temperatura, la calibración de las máquinas y otras características. Además, el conocimiento sobre las máquinas y los procesos de cada planta se concentra en un pequeño equipo de expertos. «Muchos de estos expertos se jubilarán pronto y su conocimiento se irá con ellos», explica Bakalar. Para abordar la necesidad de obtener datos útiles en forma más simple, Georgia-Pacific buscó migrar hacia un enfoque de análisis avanzado basado en un lago de datos operativo. «Necesitamos mejorar el servicio a nuestros mercados, lo que exige optimizar los procesos de forma integral y mejorar la condición de los activos», explica Bakalar. «También debíamos encontrar una forma de predecir las fallas de los activos con 60 a 90 días de anticipación porque queríamos eliminar el tiempo improductivo no programado que podía afectar negativamente nuestras actividades y hacernos perder ingresos».

«Usamos las tecnologías de análisis de datos de AWS para predecir la velocidad exacta a la que deben funcionar las líneas de conversión para evitar el desgaste. Al reducir los desgarres de papel, incrementamos las ganancias en millones de dólares en una sola línea de producción».

- Steve Bakalar, vicepresidente de Informática y Transformación Digital de Georgia-Pacific

  • Acerca de Georgia-Pacific
  • Beneficios de AWS
  • Servicios de AWS utilizados
  • Acerca de Georgia-Pacific
  • Georgia-Pacific, propiedad de Koch Industries, es una empresa estadounidense de productos de madera, papel y pasta con sede en Atlanta, Georgia. La organización es uno de los mayores fabricantes y distribuidores de pasta, toallas de papel, papel tisú, expendedoras de papel, empaques y productos de madera y yeso para la construcción.

    Optimización de la producción y los activos en Georgia-Pacific con AWS
  • Beneficios de AWS
    • Ahorro de millones de dólares gracias a la optimización de procesos
    • Predice las averías del equipamiento con 60 a 90 días de anticipación, lo que reduce el tiempo improductivo no programado
    • Permite operar más líneas de producción en forma predecible y aprovechar mejor el capital humano y económico
    • Fabrica productos de calidad a la mayor velocidad posible
  • Servicios de AWS utilizados

Creación de una solución de análisis avanzado basada en la nube

Para alcanzar sus metas, Georgia-Pacific optó por crear una nueva solución de análisis basada en la nube de Amazon Web Services (AWS). «Ya iniciamos el proceso de migrar algunos sistemas internos a AWS y cerrar varios centros de datos», explica Bakalar. «Sabíamos que AWS podía satisfacer nuestras necesidades en relación con el análisis de datos». Durante los primeros seis meses, Georgia-Pacific transfirió unos 50 TB de datos de producción —más de 500 000 millones de registros— desde cientos de máquinas grandes y complejas empleadas en el proceso de conversión. La empresa usa Amazon Kinesis para transmitir datos en tiempo real de equipamiento productivo a un lago de datos central basado en Amazon Simple Storage Service (Amazon S3), lo que le permite admitir y analizar de forma eficiente grandes volúmenes de datos estructurados y no estructurados.

Georgia-Pacific sabía que tenía mucho para aprender de sus datos estructurados y no estructurados, pero no tenía un mecanismo rentable para admitir, transformar, almacenar y analizar estos datos.  

Georgia-Pacific usa Amazon Elastic MapReduce (Amazon EMR) para transformar los datos antes de entregarlos de manera estructurada a analistas de datos mediante Amazon Redshift. Los analistas utilizan Amazon Athena sobre Amazon S3 para realizar consultas en datos sin procesar, que incluyen información sobre mecanismos de fabricación de papel, máquinas para papel, líneas automáticas, tendencias de vibración, procesamiento y calidad del papel.

Georgia-Pacific también usa Amazon SageMaker, una solución de aprendizaje automático de AWS para crear, entrenar e implementar modelos de aprendizaje automático a escala. Mediante modelos de aprendizaje automático creados con datos de producción sin procesar, Amazon SageMaker provee información en tiempo real a los operadores de las máquinas acerca de las velocidades óptimas para estas últimas y otras variables ajustables, lo que permite que operadores con menos experiencia detecten averías con mayor anticipación y mantengan el nivel de calidad.

Ahorro de millones de dólares gracias a la optimización de procesos críticos

Con su solución de análisis avanzado basada en AWS, Georgia-Pacific optimizó procesos productivos clave en muchas de sus instalaciones. Por ejemplo, en una línea de conversión, la empresa logró eliminar el 40 por ciento de los desgarres de bobinas madre durante el proceso de conversión. «Usamos las tecnologías de análisis de datos de AWS para predecir —en función de la calidad de una bobina madre— la velocidad exacta a la que deben funcionar las líneas de conversión para evitar el desgaste», explica Bakalar. «Al reducir los desgarres de papel, incrementamos las ganancias en millones de dólares en una sola línea de producción. Hay 150 líneas en las que podríamos implementar estos procesos optimizados, por lo que se trata de una oportunidad multimillonaria».

En una de las plantas de tableros de virutas orientadas (OSB), la organización logró una reducción de 30 por ciento en los desperdicios asociados con el proceso de astillamiento y aumentó los ingresos anuales en millones de dólares.

Además, en una planta de papel de mayor tamaño, Georgia-Pacific optimizó un proceso de recuperación de químicos empleados en la fabricación de pasta de papel. «Logramos reducir el consumo de productos químicos y eso nos ayuda a consumir menos recursos a la vez que mejoramos el rendimiento general de la producción», explica Bakalar.

Estos casos de éxito se están replicando rápidamente a lo largo de una red de plantas similares.

Ahora, Georgia-Pacific puede predecir la falla de ciertos equipos con 60 a 90 días de anticipación, lo que contribuye a reducir el tiempo improductivo no programado. «Tenemos datos superiores y actualizados sobre el desempeño de las máquinas en todas nuestras plantas», explica Bakalar. «Esto significa que podemos planificar cuándo quitar de servicio las máquinas, lo que mejora el uso de la capacidad instalada y la seguridad de la planta, a la vez que evita la pérdida de ingresos causada por paradas de producción no programadas».

Optimización de los recursos de la planta

Además de los beneficios operativos, Georgia-Pacific logró reducir la dependencia en el conocimiento de unos pocos expertos sobre el equipamiento y los procesos productivos. En su lugar, la empresa creó un Centro de colaboración y atención que acerca a los técnicos expertos de cada planta con atención centralizada que promueve la toma de decisiones con asistencia tecnológica. 

«AWS nos permite obtener, almacenar, enriquecer y transmitir los datos de forma centralizada, algo que antes no podíamos hacer», dice Bakalar. «Con este nuevo modelo, creemos que podemos operar más líneas de producción de forma más predecible. Así, podemos aprovechar mejor los recursos humanos disponibles en la organización. Con AWS, podemos crear un producto de máxima calidad a la máxima velocidad posible, lo que, en última instancia, nos permite servir mejor a nuestros clientes».


Más información

Más información sobre big data.