Back

Suchergebnisse

      Startseite / News / 从数据混乱到清晰概览:系统工程中的交互式报告生成

      从数据混乱到清晰概览:系统工程中的交互式报告生成

      在产品开发中,仿真和试验产生大量数据。SCALE 展示了如何通过一款后数据管理平台对这些数据进行结构化、自动化的分析,并通过 交互式报告生成 将其整合到系统工程流程中。该方案在 NAFEMS 研讨会“仿真与测试的共生”(2025年11月)上进行了介绍。

      挑战:数据泛滥与缺乏整合

      在开发项目中,来自试验和仿真的需求与结果数据通常被孤立保存、分离存放并以不同方式进行分析。 对这些分析结果的汇总大多只是零散进行。

      在实际中,这意味着:

      • 可追溯性不透明且难以重现
      • 评估往往是手动的、针对具体项目的,且不可复现
      • 报告主要用于后续的文档记录 — 而非用于流程控制

      以集中数据管理为基础,实现一致且透明的报告

      所示解决方案基于 SCALE.sdm 作为中央的 后处理数据管理平台,将仿真、试验与元数据整合到统一的结构中。其核心要素是一个主数据管理(MDM),它确保了包括但不限于以下方面:

      • 对 KPI、负载工况和测量量的唯一识别
      • 跨项目的一致命名和版本管理
      • 评估逻辑的可重用性

      由此首次形成了一个 稳定、具有版本控制的数据基础,基于此可以系统地开展目标评估和报告——这是方法化系统工程的重要组成部分。

      系统工程中的交互式报告生成

      SCALE.sdm 的方法通过 Report Designer 实现了将交互式报告生成作为系统工程的一个组成部分。报告直接从 SCALE.sdm 生成,并直接与数据、KPI 及评估逻辑关联。

      • 内容和可视化可以模块化组合
      • 对数据或评估规则的更改会自动反映到报告中
      • 报告保持一致、最新且可复现
      • 无需人工重新整理

      后处理中的 AI 支持分析

      为了高效评估来自仿真和测试的大型报告,SCALE.sdm 的人工智能方法作为补充:它们有助于识别相关变更并有针对性地生成摘要。

      • 报告可能多达数百页,人工审核耗时耗力
      • 人工智能自动生成最重要结果的简明摘要
      • 聚焦相关变更,例如在 KPI 评估中
      • 支持对大型数据集进行高效、有针对性的分析

      NAFEMS 2025 研讨会演讲

      SCALE.sdm 的集成方法于 2025 年 11 月 12 日在威斯巴登举行的 NAFEMS 研讨会“仿真与测试的共生”上进行了介绍。

      演讲资料