머리말
일반적으로 플라스틱 부품 설계, 몰드 제조부터 양산 단계 전의 테스트 몰드까지 완전한 사출 성형 과정에서는 통상 수 많은 데이터 매개변수와 기술 핵심을 파악해야 합니다. 따라서 팀 구성원이 개발 과정에서 전통적인 종이 기록 방식을 사용한다면 관리가 어렵고, 관리이 쉽지 않고, 정보가 지연되거나 오류가 발생하기 쉬운 등의 단점이 나타날 수 있습니다. 기존 종이 기반의 기록으로 인한 여러 문제를 해결하기 위해 Moldex3D는 몰드 설계 및 플라스틱 성형을 지향하는 iSLM 데이터 관리 플랫폼을 출시하였습니다. 이 플랫폼은 개발팀이 전체적인 프로세스를 기록하고, 워크플로우의 모든 데이터를 시스템에 통합하도록 지원하며, 보다 효율적인 팀 작업을 위해 시각적 표시를 통해 개발 프로세스 및 데이터를 한눈에 볼 수 있도록 합니다.
그림 1 완전한 플라스틱 사출 프로세스 기록을 지원하는 iSLM 데이터 관리 플랫폼
데이터 시각화의 중요성
iSLM 플랫폼에 저장되고 기록되는 다양한 데이터는 모두 사출 성형 과정에서 상당히 중요한 자산이기 때문에, 이러한 방대하고 복잡한 데이터를 이해하기 쉬운 차트, 그래픽 등의 형태로 전환하면 팀에 도움이 될 수 있습니다. 예를 들어, 플랫폼의 프로젝트 관리 기능에서 품질 대시보드(Quality Dashboard)는 CAE 전문가의 보이지 않는 제품 디자인 수명 주기에 대한 지식을 명확한 디자인 가이드라인으로 변환합니다. 이후, CAE 분석 워크플로에 적용되어 팀이 결과를 분석하고 매개 변수를 설정하는 데 도움을 주어 제조 효율성을 향상시키고 더 많은 가능성을 탐험하는 데 도움이 됩니다. 작업 관리 기능에서는 각 작업이 조건을 나타내는 색상으로 구분되어 페이지에 시각적 효과를 제공합니다. 이는 개별 또는 팀 진행 상황을 거의 관리하며 작업을 쉽게 추적할 수 있도록 돕습니다. 2023년에 출시된 새로운 대시보드 기능은 데이터를 더 고급스럽고 포괄적으로 관리하는 방법을 제공합니다. 이는 차트의 다양한 유형을 통해 단조롭고 복잡한 데이터를 소개함으로써 정보에 활력을 불어넣습니다. 이로써 팀 구성원은 쾌적하고 실용적인 비즈니스 정보를만 보는 것뿐만 아니라 데이터의 통찰력과 변화를 빠르게 파악할 수 있습니다.
그림 2 품질 대시보드 생성 창
그림 3 iSLM 플랫폼의 작업 관리 페이지
iSLM 대시보드 관리 기능 및 적용 설명
iSLM 플랫폼의 대시보드 관리 기능이 실질적으로 도움을 주는 방식은 무엇인가요? 우리가 아직 기계 학습과 같은 iSLM 데이터베이스에서 데이터 검색이나 고급 연구를 수행해야 한다고 가정한다면, 요구사항에 따라 필터링된 특정 프로젝트를 CSV 파일 형식으로 데이터 보고서로 내보내야 합니다. 그러나 매주 정기적으로 데이터를 업데이트해야 한다면, 프로젝트 필터링, CSV 파일 보고서 내보내기, 데이터 업데이트 등의 프로세스를 반복해야 하므로 관리 방면에서 상당히 비효율적이라 할 수 있습니다. 따라서, iSLM의 대시보드 관리 기능은 사용자가 먼저 차트를 생성한 후 차트를 시각화 방식으로 표시하면, iSLM에 저장된 데이터가 팀의 구성원이 실시간으로 볼 수 있도록 동기화될 수 있습니다. 이렇게 하면 시각화 된 데이터의 수집에 도움이 되어 데이터 응용의 개인화 목표를 달성할 수 있습니다.
위에서 언급한 자체 차트 생성 기능은 사용자가 보고 싶은 데이터를 선택한 후 원형 차트, 선 그래프, 방사형 차트 등 9가지 유형 중에서 차트 유형을 선택할 수 있고, 필요에 따라 필터링 조건을 설정할지 결정할 수 있으며, 생성된 후에는 각 팀의 구성원이 대시보드 관리 페이지에서 해당 차트를 검토할 수 있습니다. 한편, 대시보드 관리 페이지에서 주요 정보를 한눈에 파악할 수 있도록 관련 차트를 그룹화 보기 방식으로 설정할 수도 있습니다. 다음은 대시보드의 기능의 몇 가지 사례에 대한 소개입니다.
- CAE와 테스트 몰드의 데이터 비교
시뮬레이션된 데이터 이외에 테스트 몰드 및 CAE 데이터 정보도 대시보드 페이지에 동시에 표시될 수 있습니다. 자동차 범퍼의 설계 및 생산을 예로 들면, 아래 그림은 사용자가 모델을 생성할 때 어떻게 러너를 설계하고 데이터를 선택할 것인가에 대한 참고 방향을 제시합니다. 또한, 시뮬레이션 결과 및 테스트 몰드 결과의 상호 비교도 동시에 제공합니다. 이러한 정보를 통해 팀원은 생산 파이프 라인 현상을 정확하게 확인하여 주요 개선 방향을 찾을 수 있습니다.
그림 4 CAE와 테스트 몰드의 데이터 비교 대시보드
- 관리 레벨에 따른 통계 데이터
관리자는 각 작업이 원활하게 진행될 수 있도록, 관련 차트의 생성을 통해 현재 프로젝트 실행 상태 및 각 부서의 상황을 이해할 수 있고, 프로젝트 진도를 효과적으로 추적할 수 있습니다. 아래 그림은 프로젝트 관리 관점에서 출발해 설계한 데이터 통계 차트로 iSLM의 사례 수, 제품 분류, 생성 시간, 담당 부서 등의 정보를 제공하며, 사용자는 웹페이지를 통해 개발 데이터에 접근하여 모든 정보를 실시간으로 파악할 수 있습니다.
그림 5 관리 레벨에 따른 통계 데이터 대시보드
AI 인공지능의 발전 및 데이터 수집의 관련성
또한 과학기술의 급속한 발전을 따라 최근 AI 인공지능은 모든 것에 적용되어 우리의 삶 및 작업 방식을 점차 변화시키고 있다고 할 수 있습니다. 현재 과학기술 분야에서 가장 뜨거운 이슈의 하나로서 앞으로의 발전 추세는 “자동화 및 기계 학습”, “인공지능 및 빅데이터”, “자연어 처리”, “인공지능 및 사물인터넷” 등이 포함됩니다. 위의 몇 가지 점으로부터 우리는 기계 학습이든 빅데이터이든 사물인터넷이든 사전에 대량의 데이터를 수집해야 하며, 데이터가 많을수록 AI 모델의 학습 능력이 더욱 강력해진다는 것을 어렵지 않게 알 수 있습니다. 그러나 수집한 데이터의 품질이 좋지 않다면 쓸모 없거나 심지어 잘 못된 결과를 야기할 수도 있으므로 “양”뿐만 아니라 “질”도 상당히 중요합니다. 따라서 AI 기술의 발전에 있어서 품질이 우수한 방대한 수량의 데이터를 수집하는 것은 매우 중요합니다.
결론
iSLM 플랫폼에 저장된 수많은 잡다한 데이터를 통합하여 흡수하고 이해하기 쉬운 이미지 콘텐츠로 전환하는 데이터 시각화 방식은 AI 기술이 데이터 수집을 위한 첫 걸음을 내딛는 데 도움이 될 수 있고, 이와 동시에 데이터 패턴, 추세, 연관성을 쉽게 식별할 수 있습니다. 또한, 개발팀도 생산과 관리에 대한 의사결정을 신속하고 정확하게 내릴 수 있습니다. 플랫폼 기존의 품질 대시보드 평가 기준 및 작업 관리의 카드 추적은 매개변수 설정을 위한 지표를 제공할 뿐 아니라 관리자의 작업 효율도 향상시켰습니다. 또한, 대시보드 기능은 구성원이 온라인 웹페이지의 데이터에 액세스하여 거리, 시간의 제한에서 벗어나 동시에 업데이트되는 모든 정보를 실시간으로 파악할 수 있도록 지원합니다. 또 가상 현실 데이터를 결합하여 시각화 된 데이터를 몰드 간 프로젝트 데이터 표시에 적용할 수 있으므로, 팀 구성원이 데이터를 수집 비교하면서 개인화된 스마트 데이터 적용을 달성할 수 있도록 지원합니다.
댓글 없음
댓글 쓰기