Georgia-Pacific optimise les processus et économise des millions de dollars annuellement en utilisant AWS

GP resize

Des centaines de bobines mères de papier et de mouchoirs sont produites chaque jour aux installations de Georgia-Pacific en Amérique du Nord. La production de papier est une opération délicate et complexe au cours de laquelle des déchirures ou des ruptures peuvent se produire lors de la production des bobines mères et lors de la conversion des énormes bobines mères en produits de bain ou de mouchoirs prêts à l'emploi. Si des déchirures ou des ruptures se produisent fréquemment, cela entraîne un temps d'arrêt de la machine à papier et de la ligne de conversion pouvant coûter des millions de dollars à Georgia-Pacific par an et par ligne, un nombre potentiellement important étant donné que l'entreprise dispose de plus de 150 lignes de conversion. « Il est essentiel de maintenir un temps de fonctionnement élevé et ce n'est possible qu'en ayant de bonnes informations sur les éléments susceptibles de causer la rupture des bobines », explique Steve Bakalar, le vice-président du service d'informatique/transformation numérique de l'entreprise.

Néanmoins, obtenir de bonnes informations s'est révélé être un défi, car l'organisation se reposait sur des sources disparates pour recueillir et analyser des données sur la qualité du matériel, la teneur en humidité, la température, l'étalonnage des machines et d'autres fonctionnalités. En outre, une petite équipe d'experts spécifique au site détient les informations à propos des machines et des processus uniques à chaque site. « Un grand nombre de ces experts partent bientôt à la retraite et emportent ces informations avec eux », déplore Steve Bakalar. Pour régler son besoin de nouvelles informations relatives aux données et de moins de données complexe à recueillir, Georgia-Pacific s'est orienté vers une approche analytique avancée permise par un Data Lake d'opérations. « Nous devions améliorer notre capacité à servir nos marchés avec une optimisation du processus de bout en bout et une amélioration des actifs de santé », raconte Steve Bakalar. « Nous devions également trouver une façon de prédire une défaillance des actifs 60 à 90 jours à l'avance, car nous voulions supprimer les temps d'arrêt imprévus susceptibles d'affecter négativement les opérations et de provoquer des pertes de bénéfices. »

« Nous utilisons les technologies d'analyse de données AWS pour anticiper… à quelle vitesse les lignes de conversion devraient fonctionner exactement pour éviter les déchirures. En réduisant les déchirures du papier, nous avons boosté les bénéfices de plusieurs millions de dollars pour une ligne de production. »

Steve Bakalar, vice-président du service d'informatique/transformation numérique, Georgia-Pacific

  • À propos de Georgia-Pacific
  • Avantages d'AWS
  • Services AWS utilisés
  • À propos de Georgia-Pacific
  • Georgia-Pacific, filiale de Koch Industries, est une entreprise américaine de produits issus du bois, de pâtes et de papier en Atlanta, Géorgie. Cette organisation est l'un des plus importants producteurs et distributeurs de papier et de distributeurs à pâtes, à serviette et à mouchoirs, d'emballage et de produits de construction en bois et en gypse du monde.

    Optimisation de la production et des actifs chez Georgia-Pacific avec AWS
  • Avantages d'AWS
    • Augmente les bénéfices de millions en optimisant des processus
    • Anticipe la défaillance d'équipement 60 à 90 jours à l'avance et réduit le temps d'arrêt imprévu
    • Fait fonctionner plus de lignes de production de manière prévisible en optimisant les ressources humaines et du capital
    • Produit des produits de la meilleure qualité dans les meilleurs délais possibles
  • Services AWS utilisés

Création d'une solution d'analyses avancées sur cloud

Pour réaliser ses objectifs, Georgia-Pacific a choisi de créer une nouvelle solution d'analyses sur le cloud d'Amazon Web Services (AWS). « Nous étions déjà en train de migrer certains systèmes internes vers AWS et de fermer plusieurs centres de données », dit Steve Bakalar. « Nous savions qu'AWS pouvait prendre en charge nos exigences d'analyses de données. » Au cours des six premiers mois, Georgia-Pacific a transféré environ 50 TB de données de production (plus de 500 milliards d'archives) à partir de centaines de machines de production et de processus de conversion complexes et importants. L'entreprise utilise Amazon Kinesis pour diffuser des données d'équipement de production en temps réel vers un Data Lake central situé sur Amazon Simple Storage Service (Amazon S3), ce qui lui permet d'ingérer et d'analyser efficacement des données structurées et non structurées à grande échelle.

Georgia-Pacific était consciente qu'elle pouvait apprendre de ses données structurées et non structurées, mais l'entreprise ne disposait pas de mécanisme de stockage rentable pour les ingérer, les transformer, les héberger et les analyser.  

Georgia-Pacific utilise Amazon Elastic MapReduce (Amazon EMR) pour transformer les données avant de les transmettre de manière structurée aux analystes de données via Amazon Redshift. Les analystes utilisent Amazon Athena sur Amazon S3 pour interroger les données brutes, notamment des informations sur les mécanismes de réduction en pâte, les machines à papier, les lignes de conversion, les tendances de vibration, le débit et la qualité du papier.

Georgia-Pacific utilise également Amazon SageMaker, une solution de machine learning AWS (ML), pour créer, former et déployer des modèles ML à grande échelle. À l'aide de modèles ML conçus avec des données de production brutes, Amazon SageMaker fournit aux opérateurs de machines des informations en temps réel sur les vitesses optimales des machines et d'autres variables ajustables, permettant ainsi aux opérateurs moins expérimentés de détecter les interruptions plus tôt et de préserver la qualité.

Augmentation des bénéfices de millions en optimisant les processus essentiels

À l'aide de sa solution d'analyse avancée sur AWS, Georgia-Pacific a optimisé les processus de production clés dans un grand nombre de ses installations. Par exemple, pour une ligne de conversion, l'entreprise a éliminé 40 % de déchirures de bobine mère lors du processus de conversion. « Nous utilisons les technologies d'analyse de données AWS pour anticiper (en fonction de la qualité d'une bobine mère) à quelle vitesse les lignes de conversion devraient fonctionner pour éviter les déchirures », explique Steve Bakalar. « En réduisant les déchirures du papier, nous avons boosté les bénéfices de plusieurs millions de dollars pour une ligne de production. Il existe 150 lignes qui pourraient bénéficier de ces processus optimisés, il s'agit donc d'une opportunité de plusieurs millions de dollars pour nous. »

À l'une des installations de panneau de lamelles minces, longues et orientées (OSB) de Georgia-Pacific, l'organisation a constaté une réduction des déchets associés au processus de taillage de 30 % ainsi que des millions de dollars d'augmentation de bénéfices annuels.

En outre, dans une importante usine à papier, Georgia-Pacific a optimisé un processus de récupération de produits chimiques recyclables utilisés dans la fabrication de la pâte. « Nous avons pu réduire la consommation de produits chimiques et cela nous aide à consommer moins de ressources tout en augmentant le rendement global de production », explique Steve Bakalar.

Ces réussites se répandent rapidement sur un réseau d'installations similaires.

Pour les actifs choisis, Georgia-Pacific peut désormais anticiper les défaillances d'équipement 60 à 90 jours à l'avance afin de réduire le temps d'arrêt imprévu. « Nous disposons de meilleures données à jour relatives aux performances des machines dans toutes nos installations », dit Steve Bakalar. « Cela signifie que nous pouvons prévoir le temps d'arrêt des équipements, ce qui améliore l'utilisation des actifs et la sécurité de l'usine à papier, et nous aide à éviter les pertes de revenus liées à des arrêts de production non prévus. »

Maximisation des ressources végétales

En plus des bénéfices, Georgia-Pacific réduit sa dépendance à un petit nombre d'experts pour les informations des équipements et des processus de production. L'entreprise a formé un centre de collaboration et de support en augmentant les experts en matières spécifiques à un site de production donné avec un support centralisé pour promouvoir la prise de décision axée sur la technologie. 

« AWS nous permet d'obtenir, de stocker, d'enrichir et de livrer des données de manière centralisée, ce que nous ne pouvions pas faire auparavant », explique Steve Bakalar. « À l'aide de ce nouveau modèle, nous pensons pouvoir faire fonctionner plus de lignes de production de manière plus prévisible. Par conséquent, nous pouvons rentabiliser notre pool de talents de manière beaucoup plus efficace dans la totalité de notre organisation. Grâce à AWS, nous pouvons garantir le fonctionnement de produit de la plus haute qualité et dans les meilleurs délais possibles afin de pouvoir servir au mieux nos clients. »

Plus de témoignages de clients dans le secteur de la fabrication

1

aucun élément trouvé 

En savoir plus

En savoir plus sur le big data.