• 회원가입
  • |
  • 로그인
  • |
  • 장바구니
  • News
    뉴스 신제품 신간 Culture & Life
  • 강좌/특집
    특집 강좌 자료창고 갤러리
  • 리뷰
    리뷰
  • 매거진
    목차 및 부록보기 잡지 세션별 성격 뉴스레터 정기구독안내 정기구독하기 단행본 및 기타 구입
  • 행사/이벤트
    행사 전체보기 캐드앤그래픽스 행사
  • CNG TV
    방송리스트 방송 다시보기 공지사항
  • 커뮤니티
    업체홍보 공지사항 설문조사 자유게시판 Q&A게시판 구인구직/학원소식
  • 디렉토리
    디렉토리 전체보기 소프트웨어 공급업체 하드웨어 공급업체 기계관련 서비스 건축관련 업체 및 서비스 교육기관/학원 관련DB 추천 사이트
  • 회사소개
    회사소개 회사연혁 출판사업부 광고안내 제휴 및 협력제안 회사조직 및 연락처 오시는길
  • 고객지원센터
    고객지원 Q&A 이메일 문의 기사제보 및 기고 개인정보 취급방침 기타 결제 업체등록결제
  • 쇼핑몰
통합검색 " CAE"에 대한 통합 검색 내용이 2,837개 있습니다
원하시는 검색 결과가 잘 나타나지 않을 때는 홈페이지의 해당 게시판 하단의 검색을 이용하시거나 구글 사이트 맞춤 검색 을 이용해 보시기 바랍니다.
CNG TV 방송 내용은 검색 속도 관계로 캐드앤그래픽스 전체 검색에서는 지원되지 않으므로 해당 게시판에서 직접 검색하시기 바랍니다
슈퍼컴퓨팅 Modeling & Simulation 서비스 산업 육성을 위한 기획연구
슈퍼컴퓨팅 Modeling & Simulation 서비스 산업 육성을 위한 기획연구 Research for Promoting Supercomputing-based Modeling & Simulation Service Industry 출처 : 한국과학기술정보연구원   요 약 문 I. 제 목 슈퍼컴퓨팅 Modeling & Simulation 서비스 산업 육성을 위한 기획연구 II. 연구개발의 목적 및 필요성 ㅇ KISTI의 슈퍼컴퓨팅 중소기업 지원을 위한 중장기 발전계획 수립 및 신규 국가연구개발사업 발굴 - 기존 중소기업 지원체제의 jump-up 가능성 파악 - 내부 역량의 효율적 활용이 가능한 새로운 사업영역 및 발전모델 확립 - 국내 M&S 서비스 산업의 지속발전을 위한 국가적 생태계 구축 계획 수립 - 종합계획의 정부부처 제안을 통한 신규사업 발굴 III. 연구개발의 내용 및 결과 ○ M&S 서비스 현황 조사/분석 - 국내 M&S 서비스 전문기업 도출 - M&S 서비스 전문기업 실태조사 및 분석 프레임워크 - 타 소프트웨어 산업과의 비교·분석 - M&S 서비스 기업 유형별 분석 ○ M&S 서비스 비용인식 조사/분석 - M&S 서비스 전문기업과 수요기업 조사/분석 - M&S 서비스 전문기업 현황 - CAE 소프트웨어 사용현황 및 M&S(CAE) 서비스 수요기업 ○ 산학연전문가 수요조사/분석 - 국내 M&S 서비스 생태계 조성 기반 마련을 위한 국내 M&S 전문기업의 비즈니스 현황 조사 - M&S 관련 기업현황 및 기술역량 조사(기업현황 및 기술역량) - M&S 비지니스 현황 분석 ○ M&S 전문기업 지원 - M&S 서비스 전문기업 지원 - 해석대상제품 및 기술 - 지원요청에 따른 해석 케이스 및 해석 조건 도출 ○ M&S 생태계 구축 계획(5대분야 10대 실천과제) 수립 IV. 연구개발결과의 활용계획 ○ 차기년도 및 기관 중장기 계획 수립 시 활용 - M&S 4.0 등 신규수주 사업의 사업내용 보완 및 중장기 로드맵 수립에 반영 - KISTI차원의 중소기업 지원을 위한 중장기 발전계획 수립시 활용 ○ 신규 국가연구개발 사업 발굴 지속 추진 및 기존 사업의 확대/발전에 활용 - 스마트공장 등 국가차원의 제조혁신 관련 사업에 반영 추진 - 산업부 ‘엔지니어링 기술진흥사업’의 확대 발전을 위한 주요 사업내용으로 활용 Ÿ 2016년도 국내 M&S 생태계 구축 종합계획수립에 반영하고 관련 사업의 확대 추진 - 글로벌 M&S 서비스 경쟁력 강화를 위한 국가적 대응의 중‧단기적 정책수립 기반 자료로 활용 발행 : 2015  
작성일 : 2024-10-04
[포커스] 태성에스엔이, “CAE와 AI의 융합으로 제품 개발 혁신”
태성에스엔이는 9월 11일 서울 aT센터에서 'CAE×AI 세미나 2024'를 개최했다. 이날 세미나에는 300명 이상의 업계 전문가들이 참석한 가운데, 앤시스의 해석 프로그램과 AI의 접목을 통한 혁신적인 해석 기법들이 소개되었다. 참석자들은 최신 CAE 해석 기술과 AI의 융합을 통해 향후 제조업과 설계 분야의 발전 가능성에 대한 인사이트를 얻었다. ■ 박경수 기자      AI/ML을 활용한 해석 혁신 이번 세미나에서는 AI/ML 기술의 CAE 해석 적용을 주제로 앤시스 심AI(Ansys SimAI)와 앤시스GPT(AnsysGPT)를 포함한 다양한 AI 트렌드가 소개되었으며, 이를 활용해 더 빠르고 효율적인 해석 결과를 도출할 수 있는 방법이 논의되었다.  태성에스엔이 노은솔 매니저와 김도현 매니저는 ‘기초 이론과 사례로 살펴보는 인공지능’을 주제로, AI 도입으로 해석 부문이 어떤 변화가 생겼는지 설명했다. 이어 윤진환 이사는 '태성에스엔이와 Ansys의 AI 기술과 고객 서비스'를 소개하며, AI 기술이 CAE 해석에 어떻게 실질적으로 적용되고 있는지 설명했다. 권기태 수석매니저는 ‘태성에스엔이가 제공하는 시뮬레이션 데이터 기반 AI/ML 서비스’를 주제로, AI가 시뮬레이션 데이터를 활용해 성능을 최적화하는 방법에 대해 심도 깊은 논의를 진행했다.    Stochos와 AI 응용사례 CADFEM Germany GmbH의 다니엘 수쿠프(Daniel Soukup)는 Stochos라는 온프레미스 기반 AI 프로그램을 소개했다. Stochos는 신경망과 가우시안 프로세스를 결합한 Deep Infinite Mixture of Gaussian Processes(DIM-GP) 알고리즘을 통해 소량의 데이터로도 높은 예측 정확도를 제공하는 기술이다. 특히, 확률론적 머신러닝을 도입해 예측 결과의 신뢰도를 함께 제시하여 엔지니어들이 AI 결과를 더욱 신뢰할 수 있도록 만들어 준다. 이 기술은 복잡한 시뮬레이션 문제 해결에 있어 뛰어난 성능을 발휘하며 관심을 끌었다.   CAE와 AI 융합의 미래 이외에도 이번 행사에서는 앤시스의 최적화 전용 프로그램인 옵티스랭(optiSLang)에서 AI 사용 방법, 심AI, 앤시스GPT, 트윈AI(Ansys TwinAI) 등 AI를 접목한 앤시스의 최적화 기술이 차례로 소개되었고, 다양한 시각에서 AI 기술이 CAE에 어떻게 접목될 수 있는지 소개됐다.  태성에스엔이는 CAE와 AI의 결합을 통한 미래 산업의 변화 가능성에 대해 참석자들과 함께 토론하는 시간을 가지며 세미나를 마무리했다. AI 기반의 CAE 해석 기술은 향후 설계 및 제조 산업의 혁신을 주도할 중요한 요소로 자리잡을 것으로 기대된다.   ‘CAE×AI 세미나 2024’ 인터뷰  CAE×AI 세미나 2024 행사 관련해 태성에스엔이의 석진 영업본부 이사, 윤진환 기술본부 이사, 권기태 기술본부 AI 팀 수석매니저와 이야기를 나눴다. Q. 이번 세미나에서 발표된 AI/ML 기술 적용 사례 중, 특히 성공적인 사례를 하나 꼽는다면? 해당 사례에서는 어떤 방식으로 해석 프로세스를 개선했는지? ■ 윤진환 : 많은 분들이 AI/ML의 도입은 아직 시기상조이거나, 중견기업 이상의 대형 기업에서만 시험적으로 적용되고 있다고 생각할 수 있다. 하지만, 태성에스엔이의 AI 팀이 개발한 AI/ML 솔루션은 이미 국내 중소기업에서 실사용 되고 있는 사례를 보여드리고자 했다. 이 프로그램은 AI 모델 자동 생성 프로그램으로, 앤시스 일렉트릭 데스크톱(Ansys Electric Desktop)에서 계산된 시뮬레이션 결과를 기반으로 AI 모델을 자동으로 생성한다. 해석자가 앤시스 일렉트릭 데스크톱에서 설계 형상에 대한 변수만 지정해 두면, 본 프로그램은 자동으로 해당 변수를 추출해 실험계획법(DoE)을 기반으로 여러 번의 해석을 진행한 뒤, AI 모델을 구축한다.   ▲ 해석팀 : 해석 변수 자동 추출 및 AI모델 생성 자동화    이후, 설계자는 구축된 AI 모델을 기반으로, 임의의 설계 변수 값을 입력해 실시간으로 해당 설계안에 대한 예측 결과값을 확인할 수 있다.   ▲ 설계팀 : AI 모델을 통한 실시간 성능 예측   이후 설계자는 구축된 AI 모델을 바탕으로 임의의 설계 변수 값을 입력해 실시간으로 해당 설계안에 대한 예측 결과를 확인할 수 있다. 이 기능 덕분에 해석자는 설계팀으로부터 반복되는 동일 작업 요청을 줄일 수 있었고, 더 높은 수준의 분석이나 추가적인 AI 모델 구축에 시간을 투자할 수 있게 되었다. 설계팀 또한 실시간 예측을 통해 빠른 결과 분석을 반영해 작업 효율을 크게 향상시킬 수 있었다. 이 프로그램은 유사한 환경에서 구조해석, 열해석 등에도 적용 가능하며, 맞춤형 UI와 다양한 AI 기능을 구현할 수 있어 여러 기업으로부터 관심을 받고 있다.   Q. 심AI와 앤시스GPT와 같은 최신 기술 및 제품 트렌드가 CAE 해석 분야에서 어떤 변화를 가져올 것으로 기대하나? 이 기술들이 현장에서 어떻게 적용되고 있으며, 궁극적으로 해석 결과의 품질에 어떤 영향을 미칠 것으로 보는지? ■ 석진 : 심AI와 같은 AI 기반 도구는 반복적인 작업을 자동화하여 사용자가 모델링부터 해석에 이르는 전 과정을 보다 신속하게 수행할 수 있도록 지원한다. 설계 초기 단계에서 최적화를 진행할 수 있는 가능성이 높아지며, 이를 통해 설계 주기가 단축될 것이다. 또한, 인적 오류를 최소화함으로써 실험과 프로토타입 제작에 소요되는 비용과 시간을 절감하여 궁극적으로 시장 출시 주기를 획기적으로 단축시킬 것으로 기대된다. AI 기술을 활용해 대량의 해석 데이터를 분석하고 패턴을 인식함으로써 더 나은 설계 결정을 지원할 수 있으며, 앤시스GPT는 앤시스 공식 웹사이트 내에서 사용자 질문에 대한 정확하고 신뢰할 수 있는 답변을 제공하거나 최적의 설계 옵션을 제안하는 데 유용할 것이다. 이러한 기술은 CAE 도구의 사용을 더욱 쉽게 만들어 준다. 예를 들어, 복잡한 해석 과정이나 설정에 대한 자동 안내 및 추천 기능은 비전문가들도 손쉽게 접근할 수 있도록 도와준다. 또한, 다양한 팀과 부서 간 협업도 향상될 것이다. AI 기반 도구는 설계, 해석, 생산 팀 간의 원활한 커뮤니케이션을 지원하여 더 통합된 접근 방식을 가능하게 한다. 결론적으로, 심AI, 앤시스GPT, 앤시스 AI+ 등 앤시스의 AI 솔루션은 CAE 해석의 정확성, 효율성, 접근성을 크게 향상시킬 것으로 기대하며, 이는 산업 전반에 혁신적인 변화를 가져올 것이다.   Q. CAE 프로그램에 AI를 접목했을 때 해석 속도와 정확도는 얼마나 향상되었는지? 이런 기술적 통합이 실무 현장에서 얼마나 실질적인 성과를 보여주고 있다고 보는지? ■ 권기태 : 앤시스는 다음 그림과 같이 CAE 프로그램에 순차적으로 AI 기능을 추가하고 있다.  그 중 앤시스 CFD AI+ 기능을 하나의 사례로 소개하겠다. 플루언트(Ansys Fluent)에서 제공하는 Generalized k-ω Model(GEKO) 난류 모델은 사용자가 직접 계수를 설정해야 하며, 도메인 내에서도 각기 다른 계수를 설정해야 하는 어려움이 있다. 이러한 문제를 해결하기 위해 앤시스 CFD AI+는 Adjoint Solver와 Neural Network/Machine Learning 기법을 결합하여 GEKO 모델의 계수를 자동으로 조정하는 기능을 제공한다.  AI 기술의 효과를 확인하기 위해 S805 Airfoil 문제에 GEKO 모델 계수의 자동 튜닝 기능을 적용한 결과 GEKO 기본 계수를 사용할 때 오차는 기준값 대비 13.2%였지만, AI 기반 자동 튜닝 계수를 적용한 경우 오차가 0.2%로 크게 감소한 것을 확인할 수 있었다. 앤시스 AI+를 통해 CAE 프로그램과 AI 기술을 기술적으로 통합함으로써 해석 속도와 정확도를 개선하고 있다. 또한, 시뮬레이션 결과 데이터에 AI 기술을 적용하여 실무 현장에서 많은 성과를 보이고 있다. 심AI 프로그램은 형상과 시뮬레이션 필드 결과 데이터를 활용해 시뮬레이션 솔버를 대체할 수 있는 인공지능 모델을 제작할 수 있는 사례를 보여 준다. 이 모델을 사용하면 형상을 입력하여 기존 시뮬레이션 솔버에 비해 10배에서 최대 1000배 더 빠르게 필드 결과를 예측할 수 있다.  디지털 트윈 분야에서는 복잡한 물리 기반의 시뮬레이션 모델을 ROM(축소 차수 모델)이라는 머신러닝 기법을 통해 시스템 수준의 해석 모델로 전환하여, 실시간 물리적 예측이 가능하며 빠른 속도와 높은 정확도를 제공한다.  향후 품질 및 생산 관리와 같은 측정 데이터 기반 인공지능 모델이 많이 사용되는 영역에서도 시뮬레이션 데이터 기반 인공지능 모델의 사용이 활발해질 것으로 기대된다. 이를 통해 시뮬레이션 기술은 설계 단계에만 머무르지 않고, 공정 및 품질 개발, 생산 및 품질 관리, 그리고 디지털 트윈과 같은 장치의 효율적인 운용 단계까지 그 활용 범위가 더욱 확장될 것이다.   Q. Stochos와 같은 온프레미스 기반의 AI 프로그램이 다른 클라우드 기반 AI 프로그램과 비교했을 때 어떤 차별화된 장점이 있다고 보나? 특히 보안성과 데이터 처리 측면에서 어떤 이점이 있는지? ■ 윤진환 : CAE 분야에서 클라우드 기반의 AI를 이용하는 이유는 사용자의 접근성을 높이기 위한 목적도 있지만, AI 학습을 위해서는 고가의 고성능 GPU가 필요하며 때로는 여러 대의 GPU를 묶어야 학습이 가능하기 때문에 장비 구축 비용이 매우 높다는 현실적인 이유도 있다. 다시 말해 온프레미스 환경에서 CAE에 대한 AI를 학습할 수 있다는 것은 기존의 AI 알고리즘과 달리 상대적으로 적은 계산 장비 리소스만으로도 정확하고 빠르게 학습할 수 있는 AI 기술을 보유하고 있다는 의미다.  Stochos는 일반적인 신경망 기반의 AI와 Gaussian Process기법을 결합한 DIM-GP 기법을 이용하여 적은 샘플수로도 높은 정확성의 AI모델을 만들어 내며, 저가의 GPU 또는 CPU만으로도 빠른 속도로 학습할 수 있다. 또한 Scalar, Signal, 이미지, 3D 형상, 정상상태, 과도상태 등의 다양한 해석 데이터와 일반 정보에 대한 AI 모델을 만들 수 있어서 활용도도 넓다. 특히 AI 모델 생성 시의 내부변수 설정(하이퍼파라미터)을 별도로 조절할 필요가 없으며, 자동으로 노이즈를 처리하는 기능이 있어 복잡한 AI 설정 과정이 필요 없는 것이 큰 장점이다.  보안성과 데이터 처리 부분에서는 클라우드 기반의 AI와 비교했을 때 사내 장비에서 모든 작업을 할 수 있어 데이터 유출이나 유실의 우려를 원천적으로 차단할 수 있으며, 사내망에서 구동되므로 데이터 전송 및 예측 속도가 빠르다는 장점이 있다. 따라서 보안 문제에 대한 우려가 있거나 사내 AI 장비 구축 비용에 부담을 느끼고 있다면, 이 솔루션이 훌륭한 대안이 될 수 있다고 생각한다.      Q. 태성에스엔이는 향후 AI 관련 기술을 어떻게 발전시켜 나갈 계획인지? 앞으로 예상되는 CAE 해석 관련 기술 발전 방향 및 비전에 대한 설명도 부탁드린다. ■ 윤진환 : 태성에스엔이는 열유동/구조/전기전장/시스템/광학/최적화 등의 분야에 대한 100여명의 전문엔지니어를 보유하고 있으며, 앤시스 AI+, 심AI, 앤시스GPT에 대해서는 모든 엔지니어가 각자의 해석분야와 산업분야에 대한 초기 대응을 수행하고 있다.  이에 더해 태성에스엔이에는 AI를 위한 전문 그룹이 구성되어 있다. 이 그룹은 기술 엔지니어 중에서 AI 분야의 전문성을 가진 인원들로 이루어졌으며, 다양한 산업군에서 필요로 하는 CAE AI 응용 방안을 고객과 논의하여 선제적이고 맞춤형 서비스를 제공하는 것을 목적으로 하고 있다.  그리고 상용 AI 프로그램인 Stochos과 오픈소스를 활용해 맞춤형 AI 환경을 구축하거나 AI 모델 생성 서비스를 제공하는 것도 주요 사업 중 하나이며, 엔비디아 옴니버스(Omniverse)와의 협업을 통해 3차원 실시간 그래픽 플랫폼에 CAE AI를 적용하는 작업도 병행하고 있다. 각종 학회, 기업체 연구소, 프로그램 개발 업체 등에서 CAE에 AI 기술을 접목하고 응용 방안을 연구하는 활동이 그 어느 때보다 활발히 진행되고 있다. CAE 자체의 해석 속도와 전후 처리 속도 향상, 그리고 편의성 증대는 전문 해석자의 업무 부담을 덜어줄 것이다. 또한, CAE AI 모델 구축을 통한 빠른 예측과 실시간 결과 도출은 설계자와 해석자 간의 협업을 더욱 긴밀하게 하여 해석이 실제 업무 현장에 더 활발하게 활용될 것으로 예상된다. 이에 따라 해석자는 CAE를 통해 AI 모델을 구축하고 배포하며, 이를 사내에서 쉽게 활용할 수 있도록 하는 플랫폼 환경 구축 업무가 꾸준히 증가할 것으로 예상된다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2024-10-04
[에디토리얼] AI 시대, 한국 제조산업의 과제는?
AI와 디지털 전환의 가속화로 제조업계는 커다란 변화를 맞이하고 있다. 특히 한국 제조산업은 AI 기술 도입을 통해 스마트 공장, 자동화, 예측 유지보수 등 다양한 혁신을 추구하고 있다. 하지만 이러한 변화 속에서도 제조업계가 시급히 해결해야 할 과제가 존재한다. 전문가들은 AI 시대에 한국 제조산업이 직면한 세 가지 핵심 과제를 강조하고 있다.   첫째, ‘AI 기술의 현장 적용성 강화’가 필수이다. 한국 제조업은 오랜 기간 고도화된 생산 시스템과 숙련된 인력을 기반으로 성장해 왔다. 그러나 AI 기술이 실제로 공정에 도입되는 사례는 아직 제한적이다. AI 기술이 생산 라인에 적용될 때 기업은 이 기술이 실제로 효율성을 얼마나 개선할 수 있는지, 현장 근로자와의 조화를 어떻게 이룰 수 있을지에 대한 실질적인 고민이 필요하다. 이를 위해 AI 기술을 이해하는 공정 전문가와 IT 전문가 간의 긴밀한 협업이 중요하다. 특히 중소 제조업체는 자원과 기술력이 부족한 경우가 많아, 정부와 대기업의 지원이 절실하다.   둘째, ‘제조업 인력의 AI 리터러시’가 시급하다. 제조업에 AI를 도입하는데 있어 큰 장애물 중 하나는 AI 기술을 이해하고 활용할 인재가 부족하다는 점이다. 제조업 근로자는 전통적인 생산 공정에 익숙하지만, AI와 빅데이터 기술은 새로운 접근 방식을 필요로 한다. 이를 해결하기 위해서는 제조업 인력에 대한 디지털 리터러시(literacy) 교육을 확대하고, AI 기반 시스템을 운영하고 유지 보수할 수 있는 인재를 양성하는 맞춤형 교육 프로그램이 필요하다. 또한 현장 근로자가 AI 기술을 활용할 수 있도록 직무 교육과 재교육(re-skilling) 프로그램을 확대해야 한다.   셋째, ‘지속 가능한 AI 기반 제조 공정 구축’이 요구된다. AI 기술을 제조업에 도입하면서 생산성을 높일 수 있지만, 환경적 측면도 함께 고려해야 한다. 특히 에너지를 많이 사용하는 제조 공정에서 AI를 활용한 효율성 제고는 탄소 배출량 감소와 밀접한 연관이 있다. AI 기술을 통해 불필요한 에너지 사용을 최소화하고, 공정의 에너지 효율성을 높이는 방식으로 지속 가능한 생산 시스템을 구축해야 한다. 이를 위해 제조업체는 친환경 스마트공장 구축에 적극적으로 나서야 하며, 정부의 정책 지원과 함께 탄소 중립을 달성할 수 있는 기술 개발이 필요하다. 현재 AI 기술이 한국 제조업에도 활발히 도입되고 있지만, 기대한 만큼의 성과를 아직 충분히 내진 못하고 있다. 또한, 고비용과 고급 기술을 요구하는 AI의 특성 때문에 중소 제조업체는 AI 기술 도입을 망설이는 경우가 많다. 이에 따라 정부는 중소 제조업체가 AI 기술을 보다 쉽게 도입하고 활용할 수 있도록 기술 지원과 재정적 인센티브 제공 방안을 적극 검토해야 할 시점이다. AI 시대를 맞아 한국 제조산업이 글로벌 경쟁력을 유지하기 위해서는 앞서 소개한 세 가지의 필수 과제를 해결해야 한다. 그렇게 되면, 한국 제조업은 AI 도입으로 생산 효율성을 넘어서, 지속 가능한 디지털 전환을 이끄는 혁신의 선두주자로 자리매김할 수 있을 것이다.   ■ 박경수 캐드앤그래픽스 기획사업부장으로, 캐드앤그래픽스가 주최 또는 주관하는 행사의 진행자 겸 사회자를 맡고 있다. ‘플랜트 조선 컨퍼런스’, ‘PLM/DX 베스트 프랙티스 컨퍼런스’, ‘CAE 컨퍼런스’, ‘코리아 그래픽스’, ‘SIMTOS 컨퍼런스’ 등 다수의 콘퍼런스 기획에 참여했고, 행사의 전반적인 진행을 담당해 왔다. 또한 CNG TV 웨비나의 진행자 겸 사회자로, IT 분야에서는 발로 뛰는 취재기자로 활발하게 활동 중이다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2024-10-04
CAD&Graphics 2024년 10월호 목차
  INFOWORLD   Editorial 17 AI 시대, 한국 제조 산업의 과제는?   Case Study 18 3D 프린팅으로 휴머노이드를 제작한 글룩 로봇 산업의 새로운 가능성을 제시하는 적층제조 20 영화감독이 채택한 언리얼 엔진 버추얼 프로덕션 포토리얼리즘의 장벽 낮추고 영화 제작의 비용 효율 향상   People&Company 23 한국IBM 이은주 사장 AI와 하이브리드 클라우드로 디지털 혁신 지원 26 아비바코리아 김상건 대표 산업 디지털 전환 위한 포괄적 소프트웨어 기술 제공 28 AI & 자율제조 전문기업 인터엑스 제조 데이터 스페이스 플랫폼을 통한 AI 자율제조 생태계 조성   Focus 30 알테어, ‘ATC 2024’에서 최신 AI/시뮬레이션/HPC 기술 공유 32 태성에스엔이, “CAE와 AI의 융합으로 제품 개발 혁신” 35 3D시스템즈, 제조산업을 위한 3D 프린팅 비전과 기술 소개 38 언리얼 페스트 2024, 콘텐츠 융합 시대를 위한 시각화 기술의 생태계 비전 선보여 51 IBM, 산업 혁신을 돕는 AI와 하이브리드 클라우드 기술 소개   Column 54 디지털 지식전문가 조형식의 지식마당 / 조형식 디지털 디톡스에서 디지털 안식년까지, 인간의 조건 56 현장에서 얻은 것 No.18 / 류용효 PLM에 AI를 품다   New Products 40 효율 높이고 다운타임 줄인 CNC 시뮬레이션 소프트웨어 베리컷 9.5 43 무선 통신 및 신호 처리 앱의 개발 간소화 지원 매트랩 2024b / 시뮬링크 2024b 44 멀티 머티리얼 산업용 3D 프린터 FX10 46 클라우드에서 회로도 자동 생성 이빌드 2025 48 AI PC 시대를 위한 성능 및 효율 제공 인텔 코어 울트라 200V 시리즈 프로세서 50 고정밀 3D 프린터와 후가공 시스템의 결합 오리진 2 / 오리진 큐어 65 이달의 신제품   On Air 68 캐드앤그래픽스 CNG TV 지식방송 지상중계 옴니버스를 통한 MEP 자동설계 AI 운용사례 69 캐드앤그래픽스 CNG TV 지식방송 지상중계 생성형 AI와 크리에이티브 콘텐츠의 융합   60 New Books 62 News   Directory 123 국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 70 BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱 LLM RAG의 핵심 기술, 벡터 데이터베이스 크로마 분석 74 새로워진 캐디안 2024 살펴보기 (10) / 최영석  가져오기 기능 소개 Ⅱ 78 데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (6) / 천벼리 더 나은 도면 작업을 위한 CAD 협업 기능   Visualization 83 AI로 실시간 3D 경험 만드는 유니티 뮤즈 / 유니티 코리아 LLM 통합으로 뮤즈 챗의 정확성과 신뢰성을 높이는 방법   Reverse Engineering 86 문화유산 분야의 이미지 데이터베이스와 활용 사례 (10) / 유우식 근대 서지 데이터베이스   Analysis 97 성공적인 유동 해석을 위한 케이던스의 CFD 기술 (14) / 나인플러스IT 항공 음향 시뮬레이션을 위한 엔지니어 가이드 Ⅲ 102 설계자를 위한 해석 프로그램, 앤시스 디스커버리 / 김현재 디스커버리 익스플로어 스테이지의 유동해석 주요 업데이트 및 활용법   Mechanical 108 제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (5) / 김주현 EZ 톨러런스 어낼리시스 알아보기   Manufacturing 115 산업 디지털 전환을 위한 버추얼 트윈 (5) / 박태준 혁신을 위한 MOM 솔루션의 필요성   PLM 120 영업 성공 리더십 - 솔루션/가치 영업 활동 프로세스 (1) / 홍승철 성과 중심의 가치 솔루션 영업 프로세스         캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기  
작성일 : 2024-09-30