科盛科技研发七部 管理师 陈姞芳
塑料射出成型技术广泛应用于全球制造业，传统加工产线高度仰赖现场技术人员的个人经验，并透过反复试模、调机来稳定产品质量，然而这种方式不仅耗时且成本高昂，还可能因人员判断落差而导致质量不一。随着智能制造浪潮兴起，导入数字化与智能化的管理系统，并结合 AI 人工智能相关技术，不仅能解决上述问题，也进一步推动更高效、灵活的生产模式。
在塑料射出成型制程中，AI 技术可透过数据分析与实时预测来优化制程参数，如此一来能缩短试模时间、提升生产质量稳定度，并降低人为错误的风险。此外，AI 技术也能做到异常侦测与预测分析，帮助制造业者在生产过程即早发现问题，减少停机时间与资源浪费，让智能制造落地实现。
图一、结合 AI 技术将能实现更高效、灵活的生产模式
iSLM 结合智能化应用，发挥数据最大价值
专为模具设计与塑料成型打造的数据管理平台 Moldex3D iSLM，协助企业建构完整数据库，记录开发过程中所有工作历程的数据、数据。同时，iSLM 结合自动化模具设计导引系统与 AI 优化等智能化应用，发挥数据的最大价值，提升整体制程效率与质量。目前在 iSLM，除了知识库功能中的模具相似度比对、项目管理功能中的自动提取浇口功能之外，今年更进一步推出能提供智能成型预测的 Mold Design Discovery 和 Gate Design Discovery 两大功能，协助企业快速识别最佳设计方案。
● Mold Design Discovery
于档案页面上传新塑件模型文件后，系统会针对存放于知识库中的历史项目进行模型相似度比对。在比对过程中，系统会透过算法来分析塑件模型的几何特性、尺寸与结构，找出最相似的参考案例。完成比对后，系统将进一步结合数据库中的关键信息，包括材料特性、模具设计参数等，提供用户关键预测信息。举例来说，使用者可透过射压与锁模力的预测，即早确定厂内可用的机台，并透过缩水率的预估进行设计调整。此外，生产周期时间的预测能够辅助碳排放量与报价的评估，为生产计划注入精确度与永续性，协助企业在早期开发阶段做出更明智的商业决策。
图二、iSLM Mold Design Discovery
● Gate Design Discovery
在项目概要 (Project Summary) 页面中，透过创建工作 (Create Job) 功能上传的塑件模型文件，可与存放于知识库中过去已完成的项目进行模型相似度比对。比对完成后，系统将列出相似度高的浇口设计清单，用户能轻松检视、参考这些案例，再根据实际需求选择最适合的浇口类型与位置，并将其应用于新的塑件模型中，提升浇口设计工作流程的效率与准确性。
图三、iSLM Gate Design Discovery
提供完整参考来源，解决 AI 透明度疑虑
随着智能化技术的导入，部分用户对于 AI 功能的透明度与可解释性仍存有疑虑。于结合自动化的模具设计导引系统与 AI 优化应用而言，使用者可能担心 AI 的决策过程过于黑箱，难以理解其判断依据，进而影响对系统的信任。此外，若无法明确掌握 AI 模型的运作逻辑与数据来源，用户在面对异常情境时，可能难以实时介入调整，增加制程风险。为了降低使用者对 AI 决策透明度的担忧，iSLM 在这方面采取更审慎且可解释的机制，不会将分析后的优化结果或设计直接套用于当前的塑件模型；相反地，iSLM 会提供每次分析所参考的项目名称与项目，让用户能完整检视 AI 决策的依据与过程。
以 Mold Design Discovery 为例，在模具设计预测报告中，使用者能检视进行相似度比对的每一笔项目名称，以及参考数据（综合／个别）的可靠度指数，协助使用者评估推荐设计的适用性与可信度。藉由透明化的呈现方式，让使用者可根据实际需求，进一步筛选或调整适合的设计，确保决策过程中的灵活性。另外在 Gate Design Discovery，系统会提供高度相似的模型浇口设计缩图，让使用者能够直观地比较各种设计案例，使用者在选择适用的浇口设计后，仍可根据需求将已套用的设计移除，并调整成手动建立浇口方式，以达到优化的客制效果。
图四、iSLM 确保使用者能完整检视详细参考信息及预测数据
总结
随着市场对多样化与客制化的需求日益增加，以及智能制造浪潮的兴起，传统生产模式势必得面临数字转型，而 AI 技术的引入也为这些问题提供了新思路与解决方案。为助力企业实现数字转型，iSLM 数据管理平台进一步结合 AI 数据分析与相似度比对，提供优化的设计应用及预测结果，有效缩短设计与生产周期、提升整体效率。在面对使用者对 AI 决策所可能带来的担忧，iSLM 也为使用者提供所有参考项目、项目的列表列表，协助用户理解 AI 决策过程及运作机制。
