INVISTA transforme ses opérations en optimisant les résultats de fabrication sur AWS

Filiale de Koch Industries depuis 2004, INVISTA met sur le marché les produits exclusifs pour le nylon 6,6 et des marques reconnues telles que STAINMASTER, CORDURA et ANTRON. C'est l'un des plus producteurs mondiaux d'intermédiaires chimiques, de polymères et de fibres. Cela inclut de nombreux produits ménagers et industriels que nous utilisons tous les jours, ainsi que certains dont nous espérons ne jamais avoir besoin, comme les airbags des voitures.

« Nous prenons très au sérieux la qualité de la fibre de nos airbags » affirme Elizabeth Gonzalez, responsable de l'analytique chez Koch Industries et anciennement responsable de l'analytique chez INVISTA. « C'est pourquoi nous sommes ravis qu'en plus de l'inspection manuelle minutieuse que nous avons toujours effectuée, nous soyons désormais en mesure d'analyser les données d'inspection visuelle automatisée et d'utiliser l'intelligence artificielle pour identifier les possibilités de produire des fibres au rendement encore plus élevé. Cela ne serait pas du tout possible si toutes nos données étaient encore cloisonnées sur chaque site de production ».

Les données d'INVISTA ne sont plus cloisonnées dans les sites à travers le monde entier en raison d'une initiative ambitieuse visant à transformer ses opérations en passant du Business Intelligence (BI) à l'intelligence artificielle. Les données se trouvent désormais dans un lac de données d'Amazon Web Services (AWS) partiellement créé à l'aide d'AWS Lake Formation. Les outils d'AWS Machine Learning sont un élément clé permettant à INVISTA d'utiliser les données pour atteindre son objectif de créer 300 millions de dollars de valeur grâce à l'amélioration des rendements, à une meilleure gestion des performances des ressources, à un meilleur contrôle des processus, à une réduction du fonds de roulement et à un débit plus élevé.

Avant de travailler avec AWS, INVISTA était limité par le stockage des données sur site, les rapports BI préformatés et les processus analytiques chronophages. « Avec notre ancienne solution, il nous a fallu deux mois la première fois que nous avons essayé de mettre les données historiques d'une seule usine ente les mains d'un scientifique des données pour les analyser », explique Tanner Gonzalez, responsable de l'analytique chez INVISTA.

Après avoir évalué les fournisseurs de cloud, INVISTA a choisi AWS comme fournisseur privilégié pour sa capacité à dissocier les technologies, à prendre en charge l'intégration avec des outils tiers et à construire des systèmes de flux pour tirer parti d'énormes volumes de données dans des installations du monde entier. L'entreprise a commencé par migrer 600 serveurs sur site vers AWS, y compris plusieurs applications de fabrication et l'empreinte SAP mondiale d'INVISTA.

INVISTA a utilisé AWS Lake Formation pour implémenter un lac de données d'entreprise basé sur Amazon Simple Storage Service (Amazon S3). L'architecture inclut a un entrepôt des données Snowflake qui s'appuie sur AWS Glue pour des services Extract-transform-load (ETL) entièrement gérés. INVISTA utilise aussi des appareils AWS Snowball pour faire migrer des dizaines de téraoctets de données d'usines très disparates vers son lac de données.

L'entreprise a réalisé des économies substantielles en utilisant AWS pour réduire son stockage de données sur site. « Grâce à nos efforts d'optimisation et de redimensionnement, la migration de nos centres de données vers AWS nous permet d'économiser plus de 2 millions de dollars par an », déclare Tanner Gonzalez.

De plus, l'entreprise tire parti d'Amazon Redshift, et en particulier d'Amazon Redshift Spectrum, pour permettre aux analystes de données d'exécuter des requêtes complexes sur des téraoctets de données. Il s'appuie sur Amazon Athena pour étendre les requêtes interactives en libre-service à tout employé ayant des connaissances SQL de base. Pour les flux de science des données, INVISTA utilise Amazon SageMaker, un service entièrement géré pour la création, l'entraînement et le déploiement en interne de modèles de machine learning développés par des tiers.

L'un des avantages opérationnels des capacités analytiques prédictives offertes par AWS est une réduction significative des temps d'arrêt non planifiés des installations. « Si notre équipe de fabrication sait quand une pièce d'équipement est susceptible de tomber en panne, elle peut la retirer pour une maintenance préventive », affirme Elizabeth Gonzalez. « Avant AWS, nous n'avions pas les données ou la puissance de calcul nécessaires pour que les modèles prévoient des défaillances. L'amélioration de la gestion de la performance des ressources se traduit par une réduction des temps d'arrêt, une diminution des détériorations des équipements et une augmentation des revenus ».

En tirant parti d'AWS, INVISTA améliore également la prédiction des processus et l'optimisation des stocks. « Lorsque nous sommes capables de prévoir les commandes et d'autres facteurs, afin de savoir quelle quantité de produit nous allons fabriquer dans les 30 prochains jours ou quelles pièces de rechange nous aurons besoin pour les réparations et la maintenance, alors nous pouvons nous assurer que nous ne stockons que ce dont nous avons besoin », explique Mme Gonzalez. « En utilisant AWS pour extraire des modèles de commandes et d'autres données de notre système SAP ERP, nous disposons d'un processus d'approvisionnement en boucle fermée entièrement automatisé pour les pièces de rechange de grande consommation ayant démontré un retour sur investissement considérable ».

Aucun de ces avantages opérationnels ne serait possible si INVISTA n'était en mesure d'effectuer l'ingénierie des fonctionnalités nécessaire pour créer des modèles de machine learning efficaces. « Avec notre lac de données hébergé sur Simple Storage Service (Amazon S3) et construit à l'aide d'AWS Lake Formation, nous sommes capables de débloquer de grandes quantités de données de série chronologique pour les analyser et les utiliser pour prendre de meilleures décisions commerciales », indique M. Gonzalez. « L'acquisition de stockage sur site et de puissance de calcul suffisant serait trop onéreuse ».

L'exécution sur des services AWS intuitifs et faciles à apprendre aide INVISTA à atteindre son objectif de développer des compétences en science des données à l'échelle de l'entreprise et une culture de la curiosité et de l'expérimentation. « Alors que nous nous efforcions de développer une culture des données dans l'ensemble de l'organisation, le fait de pouvoir nous appuyer sur une culture commune d'AWS nous a aidés », explique Elizabeth Gonzalez. « Comme tout le monde utilisait la console et suivait la même formation sur la fluidité d'AWS, nous nous comprenions tous sur le plan technologique et pouvions donc nous concentrer sur les problèmes de données que nous essayions de résoudre ».

Les personnes disposant d'une formation moins technique peuvent utiliser Amazon Athena pour apporter une contribution précieuse aux initiatives de science des données. « Les environnements analytiques traditionnels nécessitent généralement un travail important de la part des experts pour présenter une image relativement statique des données aux utilisateurs professionnels », explique Tanner Gonzalez. « Comme Amazon Athena permet même aux utilisateurs qui n'ont que peu de connaissances techniques d'expérimenter et découvrir, cela élargit le nombre de personnes qui peuvent dégagent de la valeur à partir des données ».

Les services AWS ont contribué à transformer la manière dont INVISTA envisage son travail et se perçoit en tant qu'entreprise. « Il y a quelques années, personne ne parlait de science des données chez INVISTA », déclare Mme Gonzalez. « Désormais, la science des données sur AWS est au cœur des initiatives de planifications, de gestion de la chaîne d'approvisionnement et des opérations de fabrication ».

Toutes les marques de commerce appartiennent à leurs propriétaires respectifs.

Pour en savoir plus, consultez aws.amazon.com/manufacturing.