课 程 介绍
一般而言,完整的射出成型流程从塑件设计、模具制造再到量产阶段前的试模,通常都需要掌握大量的数据参数和技术要点,因此若团队人员在开发过程中采取传统的纸本记录方式,则可能出现难于管理、不易追踪、信息不实时或是容易产生错误等缺点。
为了解决纸本方式带来的诸多不便,Moldex3D推出了以模具设计与塑料成型为导向的iSLM 数据管理平台,用以协助开发团队纪录设计的完整流程,并将工作历程中的所有数据汇整于系统中,再透过可视化的呈现,让整个开发流程及数据一览无疑,使得团队工作更有效率。

图一 iSLM数据管理平台,帮助纪录完整的塑料射出流程
数据可视化的重要性

图二 质量仪表板创建窗口

图三 iSLM平台的任务管理页面
iSLM仪表板管理功能与应用说明
-
CAE 与试模的数据比对
除了仿真的信息之外,试模与 CAE 的数据数据也可同时在仪表板页面呈现;以设计及生产汽车保险杆厂为例,下图的范例提供用户于建立模型时,在如何设计流道与数据选择上指出了参考方向;此外,它也同时提供了模拟结果与试模结果的相互比较。透过这些信息,团队成员将可更准确地确认生产瓶颈,找出关键改善方向。

图四 CAE 与试模的数据比对仪表板 -
管理阶层的统计数据
管理者可透过创建相关图表,来了解目前项目执行状态及各部门的实施情形,并有效地追踪项目进度,确保各项工作顺利地进行。下图是以项目管理的角度出发所设计的数据统计图表;此范例提供 iSLM 的案例数目、产品分类、建立时间、负责部门等数据;用户透过网页就得以存取开发数据,实时掌握所有信息。

图五 管理阶层的统计数据仪表板
AI人工智能的发展与数据搜集的关联性
此外值得一提的是,随着科技的越发蓬勃,近几年来AI人工智能的应用可以说是包罗万象,并逐渐改变着我们的生活及工作方式;而作为当前科技领域中最热门的话题之一,其未来的发展趋势包含「自动化和机器学习」、「人工智能与大数据」、「自然语言处理」、「人工智能和物联网」等等。从以上的几点走向我们不难发现,无论是机器学习、大数据或是物联网,都需要预先搜集大量的数据数据,有了越多的数据,AI 模型的学习能力就会越强;然而不只是「量」,资料的「质」也是相当重要,若搜集到的数据质量不好,就很容易产生没用、甚至是错误的结果。因此搜集质量好且多数量的数据数据,将对AI技术的发展至关重要。
总 结
以数据可视化的方式将储存于iSLM平台中众多繁杂的数据统整并转化为易于吸收、理解的图像内容,将能帮助AI技术完成资料搜集的第一步,与此同时还能让我们更容易辨别数据的规律、趋势及关联性;除此之外,也可让开发团队快速并准确地做出生产和管理决策。而平台中既有的质量仪表板评分标准和任务管理的卡片追踪,不仅提供我们订定参数的落点指标,也提高了管理者的工作效率;另一方面,仪表板功能也支持成员透过存取在线网页的数据,打破距离、时间的限制,实时掌握所有同步更新的信息;此外还能结合虚实数据,将可视化的数据应用于跨模具项目的数据呈现,协助团队成员在进行资料搜集比对之余,也能实现个人化的智能数据应用。