■科盛科技 研發四部 / 陳姞芳 副管理師
前言
一般而言,完整的射出成型流程從塑件設計、模具製造再到量產階段前的試模,通常都需要掌握大量的數據參數和技術要點,因此若團隊人員在開發過程中採取傳統的紙本記錄方式,則可能出現難於管理、不易追蹤、資訊不即時或是容易產生錯誤等缺點。為了解決紙本方式帶來的諸多不便,Moldex3D推出了以模具設計與塑膠成型為導向的iSLM數據管理平台,用以協助開發團隊記錄設計的完整流程,並將工作歷程中的所有數據彙整於系統中,再透過視覺化的呈現,讓整個開發流程及數據一覽無疑,使得團隊工作更有效率。
數據視覺化的重要性
在iSLM平台中被儲存記錄的各項數據,皆是射出成型過程裡相當重要的資產,因此若將這些繁多且複雜的資料轉換為更易於理解的圖表、圖像等形式呈現,將會為團隊帶來助益。
舉凡來說,在平台中的的專案管理功能,品質儀表板(Quality Dashboard)將CAE專家無形的專業知識作為產品設計生命週期中有形的設計準則,並應用於CAE分析工作流程上,幫助團隊判斷分析結果及訂定參數,提高了生產效率並發掘更多的可能性;而在任務管理功能中,個人的工作項目以顏色作為優先順序區分,並於頁面上呈現視覺化效果,達到有效管理個人或小組的工作進度,使工作任務更容易被追蹤。
除此之外,2023年新釋出的儀表板功能(Dashboard)也針對數據管理提供更進階、全面的瀏覽方式,讓單調且龐雜的細微資料,藉由各式圖表的呈現為其帶來生命力,並使團隊中的各成員在檢視既美觀且實用的商務資訊之餘,也能更快速地獲取數據資料的訊息及變化。
iSLM儀表板管理功能與應用說明
iSLM平台中的儀表板管理功要如何為我們帶來實質性的幫助呢?試想倘若我們在iSLM知識庫中需要進行數據搜尋或進階研究,像是機器學習時,會依據需求將篩選過的特定專案以CSV檔案格式輸出成數據報告;然而,如果我們每週都需要定期更新數據資料的話,免不了要重複進行篩選專案、輸出成CSV檔報告、更新數據等流程,於管理層面上來說是相當沒有效率的;因此,iSLM的儀表板管理功能透過使用者先行創建圖表,再藉由圖表視覺化的顯示方式,將儲存於iSLM的數據資訊即時、同步呈現給各團隊成員檢視及觀看;如此一來,將有助於可視化的數據蒐集,實現數據應用個人化的目標。
而前述提及的自行創建圖表功能,在使用者選擇欲檢視的數據資料之後,接著從圓餅圖、折線圖、雷達圖等9種樣式中選取一種圖表類型,再依需求決定是否設定過濾條件,完成建立後各團隊成員即可在儀表板管理頁面上找到並審視該圖表;另一方面,在儀表板管理頁面中,相關的圖表也可以建立成一個群組,透過群組的檢視方式,更能使人一眼就抓取重點資訊。以下將介紹幾個儀表板功能案例:
- CAE與試模的數據比對
除了模擬的資訊之外,試模與CAE的數據資料也可同時在儀表板頁面呈現;以設計及生產汽車保險桿廠為例,圖4的範例提供使用者於建立模型時,在如何設計流道與數據選擇上指出了參考方向;此外,它也同時提供了模擬結果與試模結果的相互比較。透過這些資訊,團隊成員將可更準確地確認生產瓶頸,找出關鍵改善方向。
- 管理階層的統計數據
管理者可透過創建相關圖表,來了解目前專案執行狀態及各部門的實施情形,並有效地追蹤專案進度,確保各項工作順利地進行。圖5是以專案管理的角度出發所設計的數據統計圖表;此範例提供iSLM的案例數目、產品分類、建立時間、負責部門等資料;使用者透過網頁就得以存取開發數據,即時掌握所有資訊。
AI人工智慧的發展與數據蒐集的關聯性
此外,值得一提的是,隨著科技的蓬勃發展,近幾年來AI人工智慧的應用可以說是包羅萬象,並逐漸改變著我們的生活及工作方式;而作為當前科技領域中最熱門的話題之一,其未來的發展趨勢包含「自動化和機器學習」、「人工智慧與大數據」、「自然語言處理」、「人工智慧和物聯網」等。從以上的幾點走向我們不難發現,無論是機器學習、大數據或是物聯網,都需要預先蒐集大量的資料數據,有了越多的數據,AI模型的學習能力就會越強;然而不只是「量」,資料的「質」也是相當重要,若搜集到的資料品質不好,就很容易產生沒用、甚至是錯誤的結果。因此蒐集品質好且多數量的數據資料,對AI技術的發展至關重要。
總結
以資料視覺化的方式將儲存於iSLM平台中眾多繁雜的數據統整並轉化為易於吸收、理解的圖像內容,將能幫助AI技術完成資料蒐集的第一步,與此同時還能讓我們更容易辨別數據的規律、趨勢及關聯性;除此之外,也可讓開發團隊快速並準確地做出生產和管理決策。而平台中既有的品質儀表板評分標準和任務管理的卡片追蹤,不僅提供我們訂定參數的落點指標,也提高了管理者的工作效率;另一方面,儀表板功能也支援成員透過存取線上網頁的數據,打破距離、時間的限制,即時掌握所有同步更新的資訊。此外,還能結合虛實數據,將可視化的資料應用於跨模具專案的數據呈現,協助團隊成員在進行資料蒐集比對之餘,也能實現個人化的智慧數據應用。
資料來源
本篇文章經科盛科技授權後轉載