INVISTA 透過最佳化 AWS 上的製造成果來轉變營運

自 2004 年以來，Koch Industries 的附屬公司 INVISTA 將尼龍 6,6 的專有成分以及知名品牌 (包括 STAINMASTER、CORDURA 和 ANTRON) 推向市場。它是世界上最大的化學中間體、聚合物和纖維整合生產商之一。其中包括許多我們每天使用的家居和工業產品，當然還有一些我們希望自己用不上的產品，比如汽車安全氣囊。

「我們非常重視安全氣囊纖維的品質，」Koch Industries 分析負責人暨 INVISTA 前分析負責人 Elizabeth Gonzalez 說道。「這就是為什麼我們對此感到非常興奮，除了我們歷來認真仔細的手動檢查之外，我們現在能夠分析自動視覺檢查資料並使用人工智慧來識別生產更高產量纖維的機會。如果我們的所有資料仍然孤立在每個工廠現場，就不可能遠端實現此操作。」

INVISTA 資料不再孤立存在於世界各地的現場製造地中，因為其雄心勃勃的計畫是透過從商業智慧 (BI) 轉向人工智慧 (AI) 來轉變其運營的。資料現在位於使用 AWS Lake Formation 部分建置的 Amazon Web Services (AWS) 資料湖中。AWS Machine Learning 工具是使 INVISTA 使用資料來達成目標的關鍵部分，即 INVISTA 可藉助提高收益、加強資產績效管理、增強程序控制、減少營運資金以及提高輸送量，進而實現創造 3 億 USD 價值的目標。

在與 AWS 合作之前，INVISTA 受到內部部署資料儲存、預先格式化的 BI 報告和耗時的分析流程的限制。INVISTA 分析主管 Tanner Gonzalez 表示：「藉助舊解決方案，我們第一次嘗試將一個工廠現場的歷史資料交到資料科學家手中進行分析，而這差不多耗費了兩個月的時間。」

在對雲端供應商進行評估之後，INVISTA 選擇 AWS 作為首選供應商，因為它能夠解偶技術、支援與第三方工具的整合以及構建系統和工作流程，進而能在世界各地的設施發現大量資料的價值。該公司首先將 600 個內部部署伺服器遷移到 AWS，其中包括多個製造應用程式和全球 INVISTA SAP 足跡。

INVISTA 使用 AWS Lake Formation 實作基於 Amazon Simple Storage Service (Amazon S3) 的企業資料湖。該架構包括一個 Snowflake 資料倉儲，其中該資料倉儲依賴 AWS Glue 提供全受管擷取、轉換和載入 (ETL) 服務。INVISTA 還使用了 AWS Snowball 裝置將數十 TB 的資料從不同的工廠遷移至其資料湖。

該公司透過使用 AWS 來減少其內部部署資料儲存，從而節省了大量成本。「透過我們的最佳化和規模調整工作，將我們的資料中心遷移到 AWS，這一舉措每年可為我們節省逾 200 萬 USD，」Tanner 說道。

此外，該公司利用 Amazon Redshift (尤其是 Amazon Redshift Spectrum)，讓資料分析師能夠對 TB 級資料執行複雜查詢。它依靠 Amazon Athena 將自助的互動式查詢擴展到具有基本 SQL 知識的任何員工。另外，對於資料科學工作流程，INVISTA 使用了 Amazon SageMaker，這是一款全受管服務，可用於建置、訓練和部署內部開發的第三方機器學習模型。

AWS 啟用的預測分析功能的一項運營優勢是，可顯著減少意外的工廠停機時間。「如果我們的製造團隊知道設備何時可能發生故障，他們可以將其關閉以進行預防性維護，」Elizabeth 表示。「在 AWS 之前，我們沒有預測故障的模型所需要的資料或運算能力。改善的資產績效管理減少了停機時間、設備損壞，並帶來更高的收入。」

透過利用 AWS，INVISTA 還可支援更強大的流程預測和庫存最佳化。「當我們能夠預測訂單和其他因素，從而知道在未來 30 天內，我們將生產多少產品，或者維修和維護時需要哪些備件，我們就可以確保我們僅會儲存我們需要的產品，」Elizabeth 說道。「透過使用 AWS 從我們的 SAP ERP 系統中提取訂購模式和其他資料，我們擁有一個全自動的閉環庫存流程，適用於高流動備件，且已顯示出顯著的投資回報。」

如果 INVISTA 無法執行建置有效機器學習模型所需的強大特徵工程，則這些營運優勢都不可能實現。「透過託管於 Amazon S3 並使用 AWS Lake Formation 建置的資料湖，我們能夠釋放大量時間序列資料進行分析，並利用分析結果來做出更明智的業務決策，」Tanner 說道。「採購足夠的內部部署儲存和運算能力的成本過高。」

執行直觀、易於學習的 AWS 服務將有助於 INVISTA 實現其目標，即在全公司範圍內培養資料科學技能以及營造好奇心與實驗文化。「當我們致力於在整個組織內建置資料素養時，我們也能夠依賴常見的 AWS 素養，」Elizabeth 說道。「因為每個人都在親自操作主控台並接受相同的 AWS 流暢性培訓，所以我們在技術層面上使用的是同一種語言，因此可以專注於我們試圖解決的資料問題。」

不具備出色技術背景的人員可以使用 Amazon Athena 為資料科學計畫做出寶貴貢獻。「傳統的分析環境通常需要技術專家進行大量工作，才能向商業使用者呈現相對靜態的資料視圖，」Tanner 說道。「由於 Amazon Athena 甚至可以讓非技術使用者進行實驗和探索，因此，發揮資料價值的人員數量呈現增長態勢。」

AWS 服務幫助 INVISTA 改變了其看待工作的方式以及對自己作為一間公司的看法。「幾年前，在 INVISTA，甚至沒有人談論資料科學，」Elizabeth 說。「現在，AWS 上的資料科學是策略規劃、供應鏈管理和製造營運計畫的核心。」

所有商標均為其各自擁有者的財產。

要進一步了解，請造訪 aws.amazon.com/manufacturing。