En digital transformationssatsning för smartare produktion
Utmaningen var att fragmenterade datakällor, manuell hantering av AI-modeller och brist på realtidsinsikter gjorde det svårt att skala upp AI-baserade förbättringar. Avsaknaden av ett sammanhållet MLOps-ramverk ledde till högt underhållsarbete, begränsad automatisering och ojämn implementering av AI mellan olika anläggningar.
För att möta dessa utmaningar initierade SAPPI en omfattande MLOps-transformation med fokus på ökad automatisering, processoptimering och hållbarhet.
Behovet av AI-driven operativ effektivitet
Utöver att optimera produktionen ville SAPPI även använda AI för att stödja bredare affärsmål, såsom förbättrad försäljningsprognostisering, effektivare leveranskedjor och smidig systemintegration.
Målen var att:
Genom att bygga ett skalbart MLOps-ramverk skapade SAPPI en stabil grund för datadrivet beslutsfattande i hela organisationen.
Ett skalbart och framtidssäkrat ML-ramverk
SAPPI samarbetade med Orange Business för att implementera ett skalbart och automatiserat ramverk för maskininlärning, anpassat för både produktionsoptimering och affärsanalys.
Lösningen byggdes på Google Cloud-teknologier och utnyttjar Vertex AI, Dataform, BigQuery, Airflow (GCP Cloud Composer), Terraform och Looker för att skapa ett helt integrerat, AI-drivet ekosystem som möjliggör realtidsanalys, prediktiv modellering och automatisering.
En central del av transformationen var att utveckla ett flexibelt ramverk som kan möta behoven i flera olika användningsfall. Det omfattar bland annat integration av externa API:er, flexibel projekthantering, hantering av användar- och applikationsbehörigheter, schemalagda och händelsestyrda processer samt automatiserad träning, inferens, övervakning och driftsättning av ML-modeller.
Genom att centralisera detta arbetssätt säkerställer SAPPI att AI-modeller kontinuerligt uppdateras och följer en enhetlig standard, vilket förenklar både underhåll och skalning. Med hjälp av dessa flexibla byggstenar, tillsammans med övervakning och automatiserad driftsättning, kan SAPPI nu automatiskt träna om och optimera sina modeller samt driftsätta, övervaka och underhålla dem snabbare och mer effektivt. Detta minskar det manuella arbetet, förbättrar den övergripande prestandan och kortar tiden från prototyp till produktion.
Det automatiserade arbetssättet gör det möjligt för SAPPI att snabbare driftsätta AI-modeller, påskynda värdeskapandet genom kortare ledtider, förenkla underhåll och öka graden av automatisering i verksamheten. Med det nya ramverket säkerställer SAPPI dessutom att ML Engineers, Analytics Engineers och Data Engineers på samtliga anläggningar arbetar uppkopplat, följer standardiserade processer och bästa praxis, samt fullt ut kan utnyttja molnets möjligheter för utveckling och driftsättning av AI.
Skalbarhet för framtida AI-innovationer
Med ML at Scale-ramverket, utvecklat av Orange Business, har SAPPI byggt mer än bara en lösning för effektivare produktion – de har etablerat en skalbar, AI-driven infrastruktur som kontinuerligt kan utvecklas.
Genom att automatisera AI-arbetsflöden, förbättra prediktiv analys och säkerställa sömlös dataintegration står SAPPI nu väl rustade att driva kontinuerlig innovation och operativ excellens på den europeiska marknaden.
Med MLOps-ramverket på plats har SAPPI redan framgångsrikt utvecklat och driftsatt tre AI-drivna användningsfall i produktion, med över 20 maskininlärningsmodeller i drift. Dessa modeller fungerar sömlöst inom ramverket och drar nytta av automatiserad driftsättning, övervakning och omträning.
Genom att standardisera AI-arbetsflöden kan SAPPI nu effektivt skala upp framtida AI-projekt, vilket möjliggör snabbare värdeskapande och mer strömlinjeformade processer i olika delar av verksamheten.
Ett ramverk som möjliggör framtida AI-användning
SAPPI:s MLOps-ramverk är utformat för att stödja framtida AI-drivna användningsfall inom flera olika affärsområden. Med denna infrastruktur på plats kan SAPPI nu vidareutveckla sina AI-förmågor inom:
Försäljningsprognoser och efterfrågeanalys – Genom att analysera historisk försäljningsdata kan SAPPI använda AI-modeller för att förutse efterfrågan på produkter, vilket bidrar till optimerad lagerhantering och bättre anpassning av produktionen efter marknadens behov.
Optimering av leveranskedjan – Prediktiv analys hjälper SAPPI att optimera fördelningen av produktion mellan sina anläggningar, förbättra samarbetet med leverantörer samt effektivisera logistiken och sänka kostnader.
Automatiserad kvalitetskontroll – AI-baserad visuell inspektion och avvikelsedetektering förbättrar övervakningen av produktkvalitet, minskar antalet defekter och ökar kundnöjdheten.
Hållbarhetsuppföljning – Realtidsbaserad AI-övervakning av energiförbrukning, koldioxidutsläpp och resursanvändning gör det möjligt för SAPPI att ytterligare minska sin miljöpåverkan.
Nyckeltal
12
12 kontor i Europa
4,200
Anställda
20
ML-modeller
Ta inte bara vårt ord för det – hör vad våra kunder säger.
Se fler kundhistorier
![[Logo] Sappi](/sites/default/files/sap.jo_big.svg)
SAPPI Europa
Sappi är en global ledare inom träfiberbaserade produkter, känd för sin innovation inom hållbara förpackningar, specialpapper, dissolvingmassa och biomaterial. Med verksamhet på tre kontinenter och kunder i mer än 150 länder kombinerar Sappi årtionden av tillverkningsexpertis med