科盛科技研發七部 管理師 陳姞芳
塑膠射出成型技術廣泛應用於全球製造業，傳統加工產線高度仰賴現場技術人員的個人經驗，並透過反覆試模、調機來穩定產品品質，然而這種方式不僅耗時且成本高昂，還可能因人員判斷落差而導致品質不一。隨著智慧製造浪潮興起，導入數位化與智慧化的管理系統，並結合 AI 人工智慧相關技術，不僅能解決上述問題，也進一步推動更高效、靈活的生產模式。
在塑膠射出成型製程中，AI 技術可透過數據分析與即時預測來優化製程參數，如此一來能縮短試模時間、提升生產品質穩定度，並降低人為錯誤的風險。此外，AI 技術也能做到異常偵測與預測分析，幫助製造業者在生產過程即早發現問題，減少停機時間與資源浪費，讓智慧製造落地實現。
圖一、結合 AI 技術將能實現更高效、靈活的生產模式
iSLM 結合智慧化應用，發揮數據最大價值
專為模具設計與塑膠成型打造的數據管理平台 Moldex3D iSLM，協助企業建構完整資料庫，記錄開發過程中所有工作歷程的數據、資料。同時，iSLM 結合自動化模具設計導引系統與 AI 最佳化等智慧化應用，發揮數據的最大價值，提升整體製程效率與品質。目前在 iSLM，除了知識庫功能中的模具相似度比對、專案管理功能中的自動提取澆口功能之外，今年更進一步推出能提供智能成型預測的 Mold Design Discovery 和 Gate Design Discovery 兩大功能，協助企業快速識別最佳設計方案。
● Mold Design Discovery
於檔案頁面上傳新塑件模型檔後，系統會針對存放於知識庫中的歷史專案進行模型相似度比對。在比對過程中，系統會透過演算法來分析塑件模型的幾何特性、尺寸與結構，找出最相似的參考案例。完成比對後，系統將進一步結合資料庫中的關鍵資訊，包括材料特性、模具設計參數等，提供使用者關鍵預測資訊。舉例來說，使用者可透過射壓與鎖模力的預測，即早確定廠內可用的機台，並透過縮水率的預估進行設計調整。此外，生產週期時間的預測能夠輔助碳排放量與報價的評估，為生產計畫注入精確度與永續性，協助企業在早期開發階段做出更明智的商業決策。
圖二、iSLM Mold Design Discovery
● Gate Design Discovery
在專案概要 (Project Summary) 頁面中，透過創建工作 (Create Job) 功能上傳的塑件模型檔，可與存放於知識庫中過去已完成的專案進行模型相似度比對。比對完成後，系統將列出相似度高的澆口設計清單，使用者能輕鬆檢視、參考這些案例，再根據實際需求選擇最適合的澆口類型與位置，並將其應用於新的塑件模型中，提升澆口設計工作流程的效率與準確性。
圖三、iSLM Gate Design Discovery
提供完整參考來源，解決 AI 透明度疑慮
隨著智慧化技術的導入，部分使用者對於 AI 功能的透明度與可解釋性仍存有疑慮。於結合自動化的模具設計導引系統與 AI 最佳化應用而言，使用者可能擔心 AI 的決策過程過於黑箱，難以理解其判斷依據，進而影響對系統的信任。此外，若無法明確掌握 AI 模型的運作邏輯與數據來源，使用者在面對異常情境時，可能難以即時介入調整，增加製程風險。為了降低使用者對 AI 決策透明度的擔憂，iSLM 在這方面採取更審慎且可解釋的機制，不會將分析後的最佳化結果或設計直接套用於當前的塑件模型；相反地，iSLM 會提供每次分析所參考的專案名稱與項目，讓使用者能完整檢視 AI 決策的依據與過程。
以 Mold Design Discovery 為例，在模具設計預測報告中，使用者能檢視進行相似度比對的每一筆專案名稱，以及參考數據（綜合／個別）的可靠度指數，協助使用者評估推薦設計的適用性與可信度。藉由透明化的呈現方式，讓使用者可根據實際需求，進一步篩選或調整適合的設計，確保決策過程中的靈活性。另外在 Gate Design Discovery，系統會提供高度相似的模型澆口設計縮圖，讓使用者能夠直觀地比較各種設計案例，使用者在選擇適用的澆口設計後，仍可根據需求將已套用的設計移除，並調整成手動建立澆口方式，以達到最佳化的客製效果。
圖四、iSLM 確保使用者能完整檢視詳細參考資訊及預測數據
總結
隨著市場對多樣化與客製化的需求日益增加，以及智慧製造浪潮的興起，傳統生產模式勢必得面臨數位轉型，而 AI 技術的引入也為這些問題提供了新思路與解決方案。為助力企業實現數位轉型，iSLM 數據管理平台進一步結合 AI 數據分析與相似度比對，提供最佳化的設計應用及預測結果，有效縮短設計與生產週期、提升整體效率。在面對使用者對 AI 決策所可能帶來的擔憂，iSLM 也為使用者提供所有參考專案、項目的清單列表，協助使用者理解 AI 決策過程及運作機制。
