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。