INVISTA, AWS를 통해 제조 결과를 최적화하여 운영을 혁신

2004년에 Koch Industries의 자회사로 편입된 INVISTA는 나일론 6.6을 비롯하여 STAINMASTER, CORDURA, ANTRON 등의 유명 브랜드의 독점 재료를 시장에 출시하고 있습니다. 화학 중간물, 중합체 및 섬유를 생산하는 세계 최대 규모의 통합 생산 회사 중 하나입니다. 여기에는 우리가 매일 사용하는 다수의 가정 용품 및 산업용 제품과 자동차 에어백처럼 필요할 일이 없기를 바라는 제품도 포함됩니다.

Koch Industries의 분석 책임자이자 INVISTA의 전직 분석 책임자인 Elizabeth Gonzalez는 "우리는 에어백 섬유의 품질을 굉장히 중요하게 생각한다”고 말합니다. "이제 세밀한 수동 검사에 더해 자동화된 시각적 검사 데이터를 분석하고 인공 지능을 사용하여 섬유 품질을 한층 개선할 수 있는 기회를 얻을 수 있다. 모든 데이터가 각 공장 사이트에서 사일로화되었다면 원격으로 이 작업을 수행할 수 없었을 것”이라고 말합니다.

INVISTA 데이터는 더 이상 전 세계의 사이트에서 사일로화되지 않습니다. 비즈니스 인텔리전스(BI)를 인공 지능(AI)으로 전환하여 운영을 혁신한다는 야심찬 이니셔티브 덕분입니다. 이제 데이터는 부분적으로 AWS Lake Formation을 사용하여 구축된 Amazon Web Services(AWS) 데이터 레이크에 상주합니다. AWS Machine Learning 도구는 INVISTA에서 데이터를 사용하여 생산량 개선, 자산 성능 관리 향상, 프로세스 제어 향상, 운전 자본 절감 및 처리량 증대를 통해 3억 USD의 가치를 창출한다는 목표를 달성하는 데 있어서 핵심 역할을 합니다.

AWS와 협력하기 전에 INVISTA에는 온프레미스 데이터 스토리지, 미리 서식이 지정된 BI 보고 및 시간 소모적인 분석 프로세스로 인한 제한이 많았습니다. INVISTA의 분석 책임자인 Tanner Gonzalez는 “처음에 공장 사이트 단 한 곳의 기록 데이터를 데이터 사이언티스트에게 제공하여 분석하려고 했을 때 2개월이나 걸렸다”고 말합니다.

클라우드 공급자를 평가한 후 INVISTA는 AWS를 우선 공급 업체로 선택했습니다. 기술을 분리하고, 서드 파티 도구와의 통합을 지원하며, 전 세계 시설에 있는 막대한 양의 데이터에서 가치를 찾는 시스템 및 워크플로를 구축할 수 있기 때문입니다. 회사는 600개의 온프레미스 서버를 AWS로 마이그레이션하는 것부터 시작했습니다. 여기에는 다수의 제조 애플리케이션과 글로벌 INVISTA SAP 설치 공간이 포함되었습니다.

INVISTA는 AWS Lake Formation을 사용하여 Amazon Simple Storage Service(Amazon S3)에 기반을 둔 기업 데이터 레이크를 구현했습니다. 아키텍처에는 AWS Glue를 완전관리형 추출, 변환, 로드(ETL) 서비스로 사용하는 Snowflake 데이터 웨어하우스가 포함됩니다. 또한 AWS Snowball 디바이스를 사용하여 수십 테라바이트의 데이터를 개별 공장에서 데이터 레이크로 마이그레이션했습니다.

회사는 AWS를 사용하여 온프레미스 데이터 스토리지를 줄임으로써 상당한 비용을 절감할 수 있었습니다. Tanner는 “최적화 및 적정 규모를 찾는 노력을 통해 데이터 센터를 AWS로 마이그레이션한 후 연간 2백만 USD가 절약되고 있다”고 말합니다.

또한 회사는 Amazon Redshift, 구체적으로 Amazon Redshift Spectrum을 활용하여 수 테라바이트의 데이터에 대해 복잡한 쿼리를 실행하는 데이터 분석 작업을 지원합니다. Amazon Athena를 사용하여 기본적인 SQL 지식이 있는 모든 직원으로 셀프 서비스 대화형 쿼리를 확장합니다. 데이터 과학 워크플로의 경우 INVISTA는 완전관리형 서비스인 Amazon SageMaker를 사용하여 내부 개발 및 서드 파티 기계 학습 모델을 구축하고 훈련하며 배포합니다.

AWS가 지원하는 예측 분석 기능의 운영상 이점 중 하나는 예정되지 않은 공장 가동 중단이 대폭 줄어든다는 것입니다. Elizabeth는 "제조 팀에서 장비의 고장 가능성을 알 수 있으면, 예측 유지 관리 조치를 취할 수 있다”면서 "AWS 이전에는 모델의 실패를 예측하는 데 필요한 데이터나 컴퓨팅 파워를 확보하고 있지 않았습니다. 향상된 자산 성능 관리는 가동 중지 시간 감소, 장비 손상 감소 및 수익 증대라는 결과를 가져다 주었다”고 말합니다.

INVISTA는 AWS를 활용하여 더 강력한 프로세스 예측 및 인벤토리 최적화를 구동합니다. Elizabeth는 "주문과 기타 요인을 예측할 수 있으면 향후 30일간 제조할 제품의 양 또는 수리 및 유지 관리가 필요하게 될 예비 부품을 알 수 있으므로 필요한 것만 비축할 수 있다”고 말하면서 “AWS를 사용하여 SAP ERP 시스템에서 주문 패턴 및 기타 데이터를 가져옵니다. 이제 높은 수익률을 보여준 예비 부품의 재고를 완전 자동화된 폐쇄형 프로세스로 관리할 수 있습니다"라고 설명합니다.

INVISTA가 효과적인 기계 학습 모델을 구축하는 데 필요한 강력한 특성 추출을 수행할 수 없었다면 이러한 운영상 이점을 실현하지 못했을 것입니다. Tanner는 "Amazon S3에서 호스트되고 AWS Lake Formation을 사용하여 구축된 데이터 레이크를 통해 대용량의 시계열 데이터를 분석에 활용하고 이를 바탕으로 더 나은 비즈니스 의사 결정을 내릴 수 있다”고 말하면서 "충분한 온프레미스 스토리지 및 컴퓨팅 파워를 조달하려면 비용 제약이 많다"고 덧붙입니다.

직관적이고 쉽게 배울 수 있는 AWS 서비스는 INVISTA에서 회사 전체 직원의 데이터 과학 기술을 양성하고 호기심과 실험 문화를 조성하겠다는 목표를 달성하는 데 도움이 되고 있습니다. Elizabeth는 "일반적인 AWS 활용 능력은 조직 전체의 데이터 활용 능력을 개선하는 데 도움이 되었다”면서 "모두가 콘솔을 직접 사용해 보고 동일한 AWS 숙련도 교육을 받았기 때문에 동일한 기술 수준에서, 해결해야 하는 데이터 문제에 집중할 수 있었다"고 말합니다.

기술적 배경이 부족한 직원은 Amazon Athena를 사용하여 데이터 과학 이니셔티브에 중요한 기여를 할 수 있습니다. Tanner는 "기존의 분석 환경에서는 데이터의 통계적 보기를 비즈니스 사용자에게 제공할 때 기술 전문가가 해야 할 일이 많다”면서 "Amazon Athena를 사용하면 비기술적 사용자도 실험하고 탐색할 수 있기 때문에 데이터의 가치를 끌어낼 수 있는 사람의 수가 확대된다"고 말합니다.

AWS 서비스는 일과 회사에 대한 INVISTA의 사고방식을 전환하는 데 도움이 되었습니다. Elizabeth는 "몇 년 전에는 INVISTA의 그 누구도 데이터 과학에 관심을 갖지 않았다”면서 "이제는 전략적 계획, 공급망 관리 및 제조 운영의 중심에 AWS의 데이터 과학이 있다”고 말합니다.

모든 상표는 해당 소유주의 자산입니다.

자세히 알아보려면 aws.amazon.com/manufacturing을 참조하세요.