INVISTA transformiert die Produktion durch Optimierung von Herstellungsergebnissen bei AWS

INVISTA ist seit 2004 eine Tochtergesellschaft von Koch Industries und bringt die proprietären Inhaltsstoffe für Nylon 6,6 und anerkannte Marken wie STAINMASTER, CORDURA und ANTRON auf den Markt. Das Unternehmen ist einer der weltweit größten integrierten Hersteller von chemischen Zwischenprodukten, Polymeren und Fasern. Dazu gehören viele Haushalts- und Industrieprodukte, die wir täglich verwenden – und einige, die wir hoffentlich nie brauchen, wie Airbags in Autos.

„Wir nehmen die Qualität unserer Airbag-Fasern sehr ernst“, sagt Elizabeth Gonzalez, Leiterin der Abteilung Analytik bei Koch Industries und ehemalige Leiterin der Abteilung Analytik bei INVISTA. „Deshalb freuen wir uns, dass wir neben der sorgfältigen manuellen Inspektion, die wir schon immer durchgeführt haben, nun auch in der Lage sind, automatisierte visuelle Inspektionsdaten zu analysieren und künstliche Intelligenz zu nutzen, um Möglichkeiten zu erkennen, noch ertragreichere Fasern zu produzieren. Es wäre nicht im Entferntesten möglich, dies zu tun, wenn alle unsere Daten immer noch an den einzelnen Werksstandorten isoliert wären.“

Die INVISTA-Daten sind dank einer ehrgeizigen Initiative nicht länger an Standorten in der ganzen Welt isoliert. Dies ist das Ergebnis einer ehrgeizigen Initiative zur Umgestaltung der Geschäftsabläufe durch den Wechsel von Business Intelligence (BI) zu künstlicher Intelligenz (AI). Die Daten befinden sich jetzt in einem Amazon Web Services (AWS) Data Lake, der teilweise mit AWS Lake Formation erstellt wurde. Die AWS-Tools für Machine Learning sind ein Schlüsselelement, das INVISTA in die Lage versetzt, Daten zu nutzen, um sein Ziel zu erreichen, 300 Millionen USD an Wert zu schaffen, und zwar durch verbesserte Erträge, ein besseres Anlagenleistungsmanagement, eine verbesserte Prozesssteuerung, ein geringeres Betriebskapital und einen höheren Durchsatz.

Vor der Zusammenarbeit mit AWS war INVISTA durch lokale Datenspeicherung, vorformatierte BI-Berichte und zeitaufwändige Analyseprozesse eingeschränkt. „Mit unserer alten Lösung brauchten wir zwei Monate, als wir das erste Mal versuchten, die historischen Daten eines einzigen Werksstandorts einem Datenwissenschaftler zur Analyse zur Verfügung zu stellen“, sagt Tanner Gonzalez, Leiter des Bereichs Analytik bei INVISTA.

Nach der Bewertung von Cloud-Anbietern entschied sich INVISTA für AWS als bevorzugten Anbieter, da es in der Lage ist, Technologien zu entkoppeln, die Integration mit Tools von Drittanbietern zu unterstützen und Systeme und Arbeitsabläufe zu konstruieren, um den Wert riesiger Datenmengen in Einrichtungen auf der ganzen Welt zu ermitteln. Das Unternehmen begann mit der Migration von 600 On-Premises-Servern zu AWS, einschließlich mehrerer Fertigungsanwendungen und des globalen INVISTA-SAP-Footprints.

INVISTA verwendete AWS Lake Formation zur Implementierung eines Unternehmens-Data-Lakes auf der Grundlage von Amazon Simple Storage Service (Amazon S3). Die Architektur umfasst ein Snowflake Data Warehouse, das auf AWS Glue für vollständig verwaltete ETL-Services (Extrahieren, Transformieren und Laden) basiert. INVISTA verwendete auch AWS-Snowball-Geräte, um Dutzende von Terabytes an Daten aus verschiedenen Anlagen in seinen Data Lake zu migrieren.

Das Unternehmen hat durch die Nutzung von AWS erhebliche Einsparungen bei der Speicherung seiner On-Premises-Daten erzielt. „Durch unsere Optimierungs- und Größenoptimierungsbemühungen sparen wir durch die Migration unserer Rechenzentren zu AWS mehr als 2 Millionen Dollar pro Jahr“, sagt Tanner.

Darüber hinaus nutzt das Unternehmen die Vorteile von Amazon Redshift – und insbesondere von Amazon Redshift Spectrum –, um Datenanalysten die Ausführung komplexer Abfragen auf Terabytes von Daten zu ermöglichen. Es stützt sich auf Amazon Athena, um interaktive Selfservice-Abfragen auf jeden Mitarbeiter mit SQL-Grundkenntnissen auszuweiten. Und für Data-Science-Workflows verwendet INVISTA Amazon SageMaker, einen vollständig verwalteten Service für die Erstellung, das Training und die Bereitstellung von intern entwickelten Modellen für Machine Learning und Modellen von Drittanbietern.

Ein betrieblicher Vorteil der von AWS ermöglichten prädiktiven Analytik-Funktionen ist eine erhebliche Reduzierung der ungeplanten Anlagenstillstände. „Wenn unser Fertigungsteam weiß, wann ein Gerät wahrscheinlich ausfällt, kann es es zur vorbeugenden Wartung herunterfahren“, so Elizabeth. „Vor AWS verfügten wir nicht über die Daten und die Rechenleistung, die Modelle zur Ausfallvorhersage benötigen. Die verbesserte Verwaltung der Komponentenleistung führt zu verringerten Ausfallzeiten, weniger Anlagenschäden und höheren Umsätzen.“

Durch die Nutzung von AWS ermöglicht INVISTA auch eine bessere Prozessprognose und Bestandsoptimierung. „Wenn wir Aufträge und andere Faktoren vorhersagen können, so dass wir wissen, wie viele Produkte wir in den nächsten 30 Tagen herstellen werden oder welche Ersatzteile wir für Reparaturen und Wartung benötigen, können wir sicherstellen, dass wir nur das lagern, was wir auch wirklich brauchen“, sagt Elizabeth. „Durch den Einsatz von AWS zum Abrufen von Bestellmustern und anderen Daten aus unserem SAP-ERP-System verfügen wir über einen geschlossenen, vollautomatischen Lagerhaltungsprozess für schnelldrehende Ersatzteile, der eine erhebliche Investitionsrentabilität aufweist.“

Keiner dieser betrieblichen Vorteile wäre möglich, wenn INVISTA nicht das robuste Feature-Engineering durchführen könnte, das für die Erstellung effektiver Machine-Learning-Modelle erforderlich ist. „Mit unserem Data Lake, der auf Amazon S3 gehostet und mit AWS Lake Formation erstellt wird, können wir große Mengen an Zeitreihendaten für die Analyse freischalten und sie für bessere Geschäftsentscheidungen nutzen“, sagt Tanner. „Die Beschaffung einer ausreichenden Menge an Speicher- und Datenverarbeitungsleistung On-Premises wäre zu kostspielig.“

Die Verwendung von intuitiven, einfach zu erlernenden AWS-Services hilft INVISTA dabei, sein Ziel zu erreichen, unternehmensweite Datenwissenschaftsfähigkeiten und eine Kultur der Neugier und des Experimentierens zu kultivieren. „Als wir daran arbeiteten, Datenkompetenz in der gesamten Organisation aufzubauen, war es hilfreich, dass wir uns auch auf eine gemeinsame AWS-Kenntnis stützen konnten“, sagt Elizabeth. „Da jeder die Konsole in die Hand nahm und dieselbe AWS-Schulung durchlief, sprachen wir auf technologischer Ebene alle dieselbe Sprache und konnten uns daher auf die Datenprobleme konzentrieren, die wir zu lösen versuchten.“

Mitarbeiter mit weniger technischem Hintergrund können mit Amazon Athena wertvolle Beiträge zu Datenwissenschaftsinitiativen leisten. „Herkömmliche Analytikumgebungen erfordern in der Regel viel Arbeit von technischen Experten, um den Geschäftsanwendern eine relativ statische Ansicht der Daten zu präsentieren“, sagt Tanner. „Da Amazon Athena auch technisch nicht versierten Nutzern das Experimentieren und Erforschen ermöglicht, vergrößert sich die Zahl derer, die den Wert der Daten erschließen.“

Die AWS-Services haben dazu beigetragen, die Sichtweise von INVISTA auf seine Arbeit und sein Selbstverständnis als Unternehmen zu verändern. „Vor ein paar Jahren hat bei INVISTA noch niemand von Datenwissenschaft gesprochen“, sagt Elizabeth. „Heute ist Datenwissenschaft in AWS von zentraler Bedeutung für Initiativen in der strategischen Planung, im Lieferkettenmanagement und in der Fertigung.“

Alle Marken sind Eigentum ihrer jeweiligen Inhaber.

Weitere Informationen finden Sie unter aws.amazon.com/manufacturing.