INVISTA は AWS で製造成果を最適化することで運用を変革

2004 年以来 KochIndustries の子会社である INVISTA は、ナイロン 6,6 の独自の成分と、STAINMASTER、CORDURA、ANTRON などの有名ブランドを市場に投入しています。化学反応の中間生成物、ポリマー、繊維の世界最大の総合生産者の 1 つです。これには、私たちが毎日使用する多くの家庭用品や工業製品が含まれます。自動車のエアバッグなど、できれば使わずに済めばいい製品もあります。

「エアバッグ繊維の品質を非常に重視しています」と、Koch Industries の分析リーダーであり、以前は INVISTA の分析リーダーであった Elizabeth Gonzalez 氏は述べています。「だからこそ、これまでの慎重な手動検査に加えて、自動化された目視検査データを分析し、人工知能を活用してさらに高収量の繊維を生産する機会を特定できるようになったことを嬉しく思います。すべてのデータが各プラントサイトでまだサイロ化されたままである場合、これをリモートで実行することは不可能です」

INVISTA のデータは、ビジネスインテリジェンス (BI) から人工知能 (AI) に移行することで運用を変革するという野心的なイニシアチブのおかげで、世界中のサイトでサイロが解消されました。データは現在、部分的に AWS Lake Formation を使用して構築されたアマゾン ウェブ サービス (AWS) のデータレイクに存在しています。AWS 機械学習ツールは、INVISTA がデータを使用して、歩留まりの向上、資産パフォーマンス管理の強化、プロセス制御の強化、運転資本の削減、スループットの向上を通じて 3 億ドルの価値を生み出すという目標を達成できるようにするための重要な要素です。

AWS を利用する前は、INVISTA は、オンプレミスのデータストレージ、事前にフォーマットされた BI レポート、および時間のかかる分析プロセスの制約を受けていました。「当社の古いソリューションでは、たった 1 つのプラントサイトの履歴データをデータサイエンティストに渡して分析してもらうのに最初の頃は 2 か月かかっていました」と INVISTA の分析リーダーである Tanner Gonzalez 氏は述べています。

クラウドプロバイダーを評価した後、INVISTA は AWS を優先ベンダーとして選択しました。そのテクノロジーを分離し、サードパーティーツールとの統合をサポートし、世界中の施設で大量のデータから価値を見つけるためのシステムとワークフローを構築する能力を買ったからです。同社は、複数の製造アプリケーションとグローバルな INVISTA SAP フットプリントを含む、600 台のオンプレミスサーバーを AWS に移行することから始めました。

INVISTA は、AWS Lake Formation を利用して Amazon Simple Storage Service (Amazon S3) に基づくエンタープライズデータレイクを実装しました。このアーキテクチャには、抽出、変換、読み込み (ETL) のフルマネージドサービスで AWS Glue を利用する Snowflake データウェアハウスが含まれています。INVISTA はまた、AWS Snowball デバイスを使用して、数十テラバイトのデータを性格が異なるプラントからデータレイクに移行しました。

同社は、AWS を使用してオンプレミスのデータストレージを削減することで、大幅な節約を実現しました。「最適化と適切なサイジングの取り組みにより、データセンターを AWS に移行することで、年間 200 万ドル以上を節約できています」と Tanner 氏は言います。

さらに、同社は Amazon Redshift、特に Amazon Redshift Spectrum を利用して、データアナリストがテラバイト単位のデータに対して複雑なクエリを実行できるようにしています。Amazon Athena を利用して、SQL の基本的な知識を持つ従業員がセルフサービスのインタラクティブクエリを行えるようにしています。また、データサイエンスのワークフローでは、INVISTA は Amazon SageMaker を利用します。これは、社内で開発された機械学習モデルやサードパーティー製の機械学習モデルを構築、トレーニング、デプロイするためのフルマネージドサービスです。

AWS によって実現される予測分析機能の運用上の利点の 1 つは、予定外のプラントのダウンタイムが大幅に削減されることです。「当社の製造チームは、機器が部分的に故障する可能性があることが分かっている場合、予防保全のためにそれを停止することができます」と Elizabeth 氏は言います。「AWS を導入する前は、モデルが障害を予測するために必要なデータや計算能力がありませんでした。資産のパフォーマンス管理を改善することで、ダウンタイムが短縮され、機器の損傷が減少し、収益が増加します」

AWS を活用することで、INVISTA はより強力なプロセス予測と在庫の最適化を推し進めることもできます。「注文やその他の要因を予測して、今後 30 日間で生産する製品の量や、修理やメンテナンスに必要なスペアパーツを把握できれば、必要量だけ保管していることを確認できます」と Elizabeth 氏は言います。「AWS を利用して SAP ERP システムから注文パターンやその他のデータを取得することで、投資収益率が高い、動きの激しいスペアパーツの閉ループの完全自動化された在庫プロセスが実現します」

INVISTA が効果的な機械学習モデルを構築するために必要な堅牢な特徴エンジニアリングを実行できなかった場合、これらの運用上の利点はどれも得られなかったでしょう。「Amazon S3 でホストされ、AWS Lake Formation を利用して構築されたデータレイクを使用すると、大量の時系列データを有効利用して分析し、それを活用してより良いビジネス上の意思決定を行うことができます」と Tanner 氏は言います。「十分なオンプレミスのストレージと計算能力を得るには法外な費用がかかります」

直感的で習得しやすい AWS のサービスで実行することで、全社的にデータサイエンススキルを伸ばし、好奇心と実験を尊ぶ文化を育むという目標を達成するのに役立っています。「組織全体でデータリテラシーの構築に取り組んだことで、一般的な AWS リテラシーにも頼ることができました」と Elizabeth 氏は言います。「誰もがコンソールを実際に体験し、AWS を上手く活用するための同じトレーニングを受けていたため、テクノロジーレベルで同じ言語を話していた。それにより、解決しようとしているデータの問題に集中できました」

技術的なバックグラウンドが少ない人は、Amazon Athena を使用して、データサイエンスイニシアチブに貴重な貢献をすることができます。「従来の分析環境では、ビジネスユーザーにデータの比較的静的なビューを提示するには、通常、技術の専門家による多くの作業が必要でした」と Tanner 氏は言います。「Amazon Athena を使用すると、技術者以外のユーザーでも実験や探索ができるため、データの価値を解き放つ人の母数が増えます」

AWS のサービスは、INVISTA がその仕事をどのように捉え、会社として自社をどう考えるかを変革するのに役立ちました。「数年前、INVISTA のデータサイエンスについて話している人はいませんでした」と Elizabeth 氏は言います。「現在、AWS のデータサイエンスは、戦略的計画、サプライチェーン管理、および製造業務におけるイニシアチブの中心にあります」

すべての商標は各所有者に属します。

詳細については、aws.amazon.com/manufacturing をご覧ください。