Georgia-Pacific, AWS를 사용한 공정 최적화를 통해 매년 수백만 달러의 비용 절감

목표 달성을 위해 Georgia-Pacific은 Amazon Web Services(AWS) 클라우드 기반의 새로운 분석 솔루션을 생성하기로 결정했습니다. Bakalar 씨는 "우리는 이미 일부 내부 시스템을 AWS로 마이그레이션하고 여러 데이터 센터를 닫는 과정에 있었습니다."라고 하며 "AWS 클라우드가 우리의 데이터 분석 요구 사항을 지원한다는 것을 알고 있었습니다."라고도 설명합니다. 처음 6개월 동안 Georgia-Pacific은 수백 개의 크고 복잡한 제조 및 제조 공정 기계에서 약 50TB의 생산 데이터(5,000억 개 이상의 레코드)를 전송했습니다. Georgia-Pacific은 Amazon Kinesis를 사용하여 제조 장비의 실시간 데이터를 Amazon Simple Storage Service(Amazon S3) 기반의 중앙 데이터 레이크로 스트리밍해 대규모의 구조적/비구조적 데이터를 효율적으로 수집하고 분석합니다.

Georgia-Pacific은 구조적/비구조적 데이터를 통해 배울 수 있다는 것을 알고 있었지만 이 데이터를 수집, 변환, 보관 및 분석할 수 있는 비용 효율적인 스토리지 메커니즘이 없었습니다.  

Georgia-Pacific은 Amazon Elastic MapReduce(Amazon EMR)를 사용하여 데이터를 구조적 방식으로 데이터 분석가에게 제공하기 전에 Amazon Redshift를 통해 변환합니다. 분석가는 Amazon S3과 함께 Amazon Athena를 사용하여 원시 데이터를 쿼리합니다. 이 원시 데이터에는 펄핑 메커니즘, 제지기, 변환 라인, 진동 추세, 처리량, 용지 품질 관련 정보가 포함됩니다.

또한 Georgia-Pacific은 AWS Machine Learning(ML) 솔루션인 Amazon SageMaker를 사용하여 ML 모델을 대규모로 구축/배포하고 모델 학습을 진행합니다. Amazon SageMaker는 원시 프로덕션 데이터를 사용해 구축된 ML 모델을 사용하여 최적의 기계 속도 및 기타 조정 가능한 변수와 관련된 실시간 피드백을 기계 운영자에게 제공합니다. 따라서 경험이 많지 않은 운영자도 고장을 더 빨리 탐지하고 적절한 품질 수준을 유지할 수 있습니다.

Georgia-Pacific은 AWS 기반 고급 분석 솔루션을 통해 많은 시설에서 주요 제조 공정을 최적화했습니다. 예를 들어, 제조 라인 하나당 제조 공정 중의 모 롤 찢어짐을 40%나 줄였습니다. Bakalar 씨는 "AWS 데이터 분석 기술을 통해 모 페이퍼 롤의 품질에 따라 찢어짐을 방지하기 위한 제조 라인의 빠른 실행법을 정확하게 예측할 수 있습니다."라고 하며 "종이 찢어짐을 줄임으로써 생산 라인 하나당 수백만 달러의 수익이 증가했습니다. 이와 같은 최적화된 공정으로 혜택을 볼 수 있는 라인이 150개이므로 수백만 달러의 기회를 여러 개 얻게 된 것입니다."라고도 말합니다.

Georgia-Pacific의 OSB(Oriented Strand Board) 시설 중 하나에서만 치핑 공정과 관련된 폐기물이 30% 감소하고 연간 수익이 수백만 달러 증가했습니다.

또한 Georgia-Pacific은 대형 제지 공장에서 펄프를 만드는 데 사용되는 재활용 가능한 화학 물질 복구 공정을 최적화했습니다. Bakalar 씨는 "우리는 화학 물질 소비를 줄일 수 있었고 이를 통해 전체 생산량을 올리면서 자원을 더 적게 소비할 수 있었습니다."라고 전합니다.

이러한 성공은 유사한 시설의 네트워크를 통해 빠르게 확장되고 있습니다.

이제 Georgia-Pacific은 선택한 자산에 대해 60~90일 전에 장비 고장을 예측할 수 있어 계획하지 않은 가동 중단 시간을 줄일 수 있습니다. Bakalar 씨의 말에 따르면 "우리는 모든 시설의 기계 성능에 대한 최신 데이터를 가지고 있습니다." "즉, 장비 가동 중단 시간을 계획할 수 있어 자산 사용률 및 제지 공장의 안전을 높이고 예정되지 않은 생산 중단으로 인한 수익 손실을 방지할 수 있습니다."라고 합니다.

Georgia-Pacific은 이와 같이 운영상의 이점을 누리는 것 외에도, 장비 및 제조 공정에 대한 지식을 소수의 전문가에게 의존하는 비율을 줄이고 있습니다. 그 대신, 중앙집중식으로 협업 및 지원 센터를 구성하였습니다. 이에 사이트별 분야별 전문가를 보강하였고, 기술을 바탕으로 한 의사결정을 촉진하고 있습니다.

Bakalar 씨의 말에 따르면 "AWS를 통해 이전에는 불가능했던 중앙 집중 방식으로 데이터를 소싱, 저장, 보강 및 제공할 수 있습니다."라며 "이러한 새로운 모델을 통해 더 많은 생산 라인을 보다 예측 가능한 방식으로 가동할 수 있다고 생각합니다. 결과적으로, 우리는 전체 조직에서 훨씬 효율적으로 인재 풀을 활용할 수 있습니다. 우리는 AWS를 통해 최고 품질의 제품을 가장 빠른 속도로 제공함으로써 고객에게 최상의 서비스를 제공할 수 있습니다."라고 설명합니다.