[Top Story] iSLM을 활용한 스마트 데이터 관리 및 동기화

안녕하세요.

이티에스소프트입니다.

오늘 소개해드릴 Top Story는

사출 성형 해석에서의

iSLM을 활용한 스마트 데이터 관리 및 동기화

입니다.

아래 내용 확인해보시죠!

---

개요

일반적으로 플라스틱 부품 설계부터 금형 제작, 시제품 생간 단계까지 사출 성형 제품의 전체 수명 주기에는 많은 양의 데이터와 기술적 인사이트가 필요합니다. 따라서 제품 개발 과정에서 기존의 종이 기록 방식에만 의존한다면 데이터 관리의 어려움뿐만 아니라 정보 전달의 지연, 오류 발생 가능성과 같은 문제가 발생할 수 있습니다. 이러한 불편함을 해결하기 위해, Moldex3D는 데이터 관리 플랫폼 iSLM을 출시했습니다. 해당 플랫폼은 전 과정에서 개발 팀이 작업한 모든 설계 과정과 데이터를 한데 모아 정리합니다. 또한 시각적인 분석 자료를 제공해 전체 프로세스와 데이터를 한눈에 효율적으로 파악할 수 있도록 합니다.

그림 1. 전체 플라스틱 사출 공정 기록을 지원하는 iSLM 데이터 관리 플랫폼

데이터 시각화의 중요성

iSLM 플랫폼에 저장되고 기록된 다양한 데이터는 사출 공정에서 매우 중요한 자산입니다. 그렇기에 이러한 많은 양의 복잡한 데이터를 그래픽이나 차트 같은 형태로 시각화하는 것은 큰 도움이 됩니다.

예를 들어, 플랫폼의 프로젝트 관리 기능인 ‘품질 대시보드’는 CAE 해석 전문가의 기술과 노하우를 제품 개발 단계에서 바로 쓸 수 있는 명확한 설계 가이드라인으로 바꿔줍니다. 이 가이드라인을 CAE 해석 프로세스에 적용하면 해석 결과 분석과 파라미터 설정을 훨씬 수월하게 진행할 수 있고, 그 결과 생산성 향상과 함께 새로운 개선안도 발굴할 수 있습니다.

작업 관리 기능에서는 각 업무의 진행 상태를 색상으로 구분해 직관적으로 보여줍니다. 개인 및 팀 단위의 프로젝트 진행 상황을 한눈에 파악할 수 있어 일정 관리와 업무 추적이 매우 간편합니다.

특히 2023년에 새로 추가된 대시보드 기능은 데이터를 한층 더 종합적으로 관리할 수 있게 해줍니다. 복잡했던 수치 데이터를 다채로운 차트로 시각화 하여 정보의 가독성을 대폭 높였습니다. 결과적으로 팀원들은 실무에 필요한 핵심 정보를 편리하게 확인할 수 있을 뿐만 아니라, 데이터의 변화추이와 인사이트도 빠르게 확인할 수 있습니다.

그림 2. 품질 대시보드 생성 화면

그림 3. iSLM 플랫폼의 작업 관리 페이지

iSLM 대시보드 관리 기능의 설명과 활용법

iSLM의 대시보드 관리 기능은 업무에 실질적인 도움을 많이 줍니다.

예를 들어 AI나 머신러닝처럼 iSLM 지식 베이스를 활용한 데이터 연구나 고도화 분석이 필요한 상황을 가정해 봅시다. 기존 방식대로라면 필요한 조건에 맞춰 프로젝트를 일일이 필터링한 뒤 CSV 파일로 추출해야 했습니다.

하지만 매주 정기적으로 데이터를 업데이트해야 한다면, 매번 프로젝트를 필터링하고 CSV로 뽑아 데이터를 갱신하는 단순 반복 작업은 매우 비효율적입니다.

iSLM에 새롭게 도입된 대시보드 관리 기능은 이러한 번거로움을 해결합니다. 차트를 미리 만들어 두기만 하면, iSLM에 저장된 데이터가 실시간으로 연동되어 시각화된 형태로 팀원들에게 공유됩니다. 이처럼 데이터 수집 현황을 직관적으로 파악할 수 있을 뿐만 아니라, 사용자 맞춤형 데이터 활용이 가능해집니다.

앞서 언급한 커스텀 차트 생성 기능을 이용하면 원형 차트, 꺾은선 그래프, 방사형 차트 등 총 9가지 유형 중 원하는 스타일을 자유롭게 선택할 수 있습니다. 이후 필요한 조건에 맞춰 필터를 설정하면 차트 생성이 완료되며, 팀원들은 대시보드 관리 페이지에서 해당 차트들을 한눈에 확인할 수 있습니다.

추가적으로 대시보드 관리 화면에서는 연관된 차트들을 하나의 그룹으로 묶어 관리할 수 있습니다. 여러 차트를 그룹 단위로 묶어 두면 핵심 현황과 정보가 한눈에 파악할 수 있습니다.

대표적인 대시보드 기능의 활용 사례 

1.   CAE 해석 데이터와 실제 성형 데이터 비교

대시보드 페이지에서는 단순 시뮬레이션 결과뿐만 아니라 금형 시운전 데이터와 CAE 데이터를 함께 비교해 볼 수 있습니다. 자동차 범퍼 설계 및 생산 프로세스를 예로 들면, 아래 샘플은 러너 설계 방식부터 모델링 시 적용할 데이터 선택까지 명확한 가이드를 제공합니다.

또한 시뮬레이션 예측값과 실제 금형 시운전 결과를 일대일로 비교 분석할 수 있어, 양산 시 발생할 수 있는 병목 구간을 정확히 파악하고 개선이 필요한 포인트에 집중할 수 있도록 돕습니다.

그림 4. CAE 해석과 금형 시운전 데이터 비교 대시보드

2.   관리자용 통계 데이터 모니터링

관리자는 프로젝트 현황과 부서별 진행 상황을 맞춤형 차트로 구성하여, 업무 진행도를 효과적으로 모니터링할 수 있습니다.

아래 그림은 프로젝트 관리를 위해 구축된 통계 데이터 화면입니다. iSLM 내 등록된 전체 과제 수부터 제품 카테고리, 과제 생성 시점, 담당 부서 등 주요 현황을 한눈에 파악할 수 있으며, 웹 환경을 통해 언제 어디서나 최신 개발 데이터를 실시간으로 파악할 수 있습니다.

그림 5. 경영진 및 관리자용 통계 데이터 대시보드

AI 발전과 데이터 수집의 상관관계

기술이 발전함에 따라 AI 활용은 일상 속에서 삶과 업무 방식을 근본적으로 바꾸고 있습니다. 최근에는 AI 트렌드로 '자동화 및 머신러닝', 'AI와 빅데이터', '자연어 처리(NLP)', 'AI와 사물인터넷(IoT)' 등이 주목받고 있습니다.

이러한 머신러닝, 빅데이터, IoT 모두 핵심은 많은 양의 데이터 수집입니다. 축적되는 데이터의 양이 늘어날수록 AI 모델의 학습 능력도 더욱 강화됩니다.

하지만 단순히 양만 많다고 해결되는 것은 아닙니다. 데이터의 질 역시 중요합니다. 정제되지 않은 저품질 데이터는 의미가 없거나 심지어 잘못된 결과로 이어질 수 있습니다. 결국 AI 기술을 제대로 발전시키려면 고품질의 데이터를 대량으로 확보하는 작업이 필수적입니다.

결론

iSLM 플랫폼에 축적된 데이터의 시각화 과정은 AI 데이터 수집 단계에 중요한 과정입니다. 데이터 내부의 패턴과 트렌드, 연관성을 훨씬 쉽게 확인할 수 있게 되며, 개발 팀은 제조 및 생산에 필요한 의사결정을 빠르고 정확하게 내릴 수 있습니다.

iSLM을 통한 추적 기능은 최적 파라미터 설정의 기준점을 제시할 뿐만 아니라 관리자의 업무 효율까지 대폭 끌어올립니다. 또한, 대시보드 기능은 팀원들이 웹을 통해 언제 어디서든 최신 동기화 데이터를 확인할 수 있도록 지원합니다.

나아가 가상 데이터와 실제 데이터를 결합한 데이터 시각화는 이종 금형 프로젝트 간 데이터 비교 분석까지 가능하게 만들어, 수집된 데이터를 바탕으로 기업별·개인별로 데이터를 맞춤 활용할 수 있게 해줍니다.