• 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 "메커니즘"에 대한 통합 검색 내용이 75개 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
아키텍처 모델과 1D 모델의 전략적 연계
MBSE를 위한 아키텍처-1D 모델 연계의 중요성 및 적용 전략 (1)   제조산업에서 설계 효율 향상과 개발 기간 단축을 위해 모델 기반 개발(MBD)을 적극 도입하고 있지만, 아키텍처 모델과 1D 모델 간의 연계 부족으로 인해 개발 단계에서 모델의 실질적인 활용과 의사결정 지원이 어려운 경우도 많다. 이번 호에서는 MBD의 성과를 높이기 위한 아키텍처 모델과 1D 모델의 체계적인 연계 방안을 제시하고, 이를 통한 설계 효율 및 개발 정확성 향상의 전략적 방향을 살펴본다.   ■ 오재응 한양대학교 명예교수, LG전자 기술고문   최근 제조산업은 제품의 개발 기간 단축과 다품종 생산이라는 트렌드에 대응하기 위해 개발의 효율성을 극대화하고 반복 설계를 최소화하는 방향으로 변화하고 있다. 이러한 흐름 속에서 모델 기반 개발(Model-Based Development : MBD)은 이미 많은 제조업체가 적극 추진하고 있으며, 이를 통해 설계 초기부터 제품의 동작을 예측하고 최적화할 수 있는 기반을 마련하고자 한다. 그러나 모델 기반 개발을 도입하고 실제로 모델을 구축했음에도 불구하고, 현업에서 모델이 제대로 활용되지 못하는 경우가 많다. 이는 구축된 모델이 단지 형식적으로 존재할 뿐, 제품 개발의 맥락 속에서 아키텍처적, 1D적 연결성을 갖추지 못해 실질적인 의사결정과 개발 단계에서 활용되지 못하고 있기 때문이다. 즉, 원래 의도한 목적이나 아키텍처적 요구와 연계되지 않은 모델이기 때문에, 사용자는 해당 모델이 ‘내 일에 어떻게 쓰이는지’를 이해하지 못하고 거리감을 느끼는 것이다. 이러한 문제를 극복하기 위해서는 아키텍처 모델과 1D 모델을 유기적으로 연계하고, 이를 기반으로 아키텍처 요구사항을 구체화할 수 있어야 한다. 아키텍처 모델이란 제품의 구조, 기능, 물리적 메커니즘 등 아키텍처적 개념을 설명하는 모델이며, 1D 모델은 이러한 개념을 수학적으로 해석하고 시뮬레이션 가능한 형태로 정형화한 것이다. 따라서 아키텍처 모델과 1D 모델 간의 연계는 제품 개발의 전체 V자 프로세스에서 핵심 역할을 하며, 상호보완적으로 작용하여 제품 성능 검증 및 요구사항 만족 여부를 평가하는 데 기여한다.   그림 1. 아키텍처 모델 – 1D 모델 연계   <그림 1>은 이러한 개념을 시각적으로 설명한다. 초기의 아키텍처 설계 단계에서 아키텍처 요구와 구조를 정의한 뒤 이를 바탕으로 1D 모델이 생성되고, 시뮬레이션 및 해석을 통해 결과를 도출하며, 이 결과는 다시 상위의 아키텍처 요구사항에 대한 검증으로 이어진다. 이처럼 상향식-하향식 피드백 루프를 통해 아키텍처 모델과 1D 모델이 반복적으로 연계되어야 진정한 의미의 모델 기반 개발이 실현될 수 있다. 특히 설계자와 개발자는 1D 모델은 제품을 해석하고 튜닝하는 강력한 도구라고 인식하지만, ‘왜 이 설계를 했는가’, ‘서브시스템 간 구조는 어떻게 되는가’, ‘요구사항은 어떻게 충족되는가’와 같은 질문에는 답하지 못한다. 그 해답을 주는 것이 바로 아키텍처 모델(MBSE)이며, 이 두 모델을 연결해야만 설계의 정확성, 추적성, 협업성이 동시에 확보된다.   다양한 유형의 아키텍처적 측정 간의 관계   그림 2. ISO/IEC 15288 System Life Cycle Technical Processes & Life Cycle   ISO/IEC 15288(그림 2)은 시스템 수명주기 전반에 걸친 아키텍처 프로세스의 흐름과 체계를 정의한 국제 표준이다. 특히 이 표준은 모델 기반 시스템 엔지니어링(Model-Based Systems Engineering : MBSE) 관점에서 시스템 개발 활동을 구조화한 것으로, 시스템 수명 주기(V 모델)를 기반으로 요구 분석, 설계, 검증 및 확인, 유지보수 등 각 단계의 아키텍처적 활동과 그 상호 관계를 정립한다. 시스템 엔지니어링 활동을 통해 성공적인 시스템을 구축하기 위해서는 다양한 아키텍처적 성과 지표와 측정 지표가 필요하며, 이를 통해 시스템의 목표 달성 여부를 판단할 수 있다. 대표적인 지표로는 다음과 같은 세 가지가 있다. MOE(Measure of Effectiveness, 효과성 측정지표)는 시스템이 실제 운용 환경에서 얼마나 효과적으로 임무를 수행할 수 있는지를 평가하는 지표로, 주로 고객 요구사항이나 운용 목표 달성 여부에 초점을 맞춘다.  MOP(Measure of Performance, 성능 측정지표)는 시스템의 성능 수준을 수치적으로 정량화한 것으로, 설계 명세나 요구된 성능 기준을 얼마나 충족하는지를 평가한다.  TPM(Technical Performance Measure, 아키텍처 성과 측정지표)은 개발 과정 중 아키텍처 적인 목표 도달 여부를 지속적으로 모니터링하고 예측하는 데 사용되는 지표로, 시스템 개발 리스크를 조기에 식별하고 관리하는 데 활용된다. 이러한 측정 지표는 예측 차이나 실측 차이를 바탕으로 비교 분석할 수 있으며, 시스템 개발 단계에서 시스템의 위험 요인에 대한 조기 탐지와 개선 대책의 선제 적용이 가능하도록 지원한다. 이는 곧 사업의 비용 효율성 제고와 일정 준수에 기여하며, 전체 수명주기 동안 긍정적인 영향을 유도할 수 있다.  <그림 2>는 ISO/IEC 15288의 V-모델과 아키텍처적 측정 지표가 어떻게 연계되는지를 보여준다. 요구사항 도출과 검증, 설계와 확인 간의 대응 관계를 통해 아키텍처적 활동이 체계적으로 연결되며, 수명주기 전체에서 MOE, MOP, TPM이 통합적으로 작동하여 아키텍처적 리스크를 관리하고 시스템의 성공적인 구현을 가능하게 한다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-05-02
알리바바 클라우드, 최신 오픈소스 영상 생성 모델 공개
알리바바 클라우드가 새로운 오픈소스 영상 생성 모델인 ‘Wan2.1-FLF2V-14B’를 공개했다. 이번 모델은 시작 프레임과 종료 프레임을 입력값으로 활용해, 보다 정교하고 직관적인 영상 생성이 가능하도록 설계되었다. 이를 통해 숏폼 콘텐츠 제작자는 자신만의 AI 모델과 애플리케이션을 보다 효율적이고 경제적으로 개발할 수 있을 것으로 기대된다. Wan2.1-FLF2V-14B는 알리바바 클라우드의 파운데이션 모델 시리즈인 ‘Wan2.1’에 속하며, 텍스트와 이미지 입력을 기반으로 고품질의 이미지와 영상을 생성하는 데 최적화된 모델이다. 현재 이 모델은 오픈소스 플랫폼인 허깅페이스(Hugging Face), 깃허브(GitHub), 알리바바 클라우드의 오픈소스 커뮤니티 모델스코프(ModelScope)를 통해 누구나 자유롭게 활용할 수 있다. 이 모델은 사용자 명령어의 정밀한 실행은 물론, 첫 프레임과 마지막 프레임 사이의 시각적 일관성을 유지하며, 복잡한 동작을 자연스럽게 연결해 사실적인 영상 결과물을 제공한다. Wan 시리즈의 공식 웹사이트에서는 해당 모델을 활용해 720p 해상도의 5초 분량 영상을 무료로 생성 가능하다.     이번 모델의 핵심 기술은 ‘제어 조정 메커니즘(Control Adjustment Mechanism)’이다. 사용자가 제공한 시작 프레임과 종료 프레임을 제어 조건으로 활용함으로써, 두 장면 사이의 부드럽고 정밀한 전환을 가능하게 한다. 또한 시각 안정성을 확보하기 위해, 해당 메커니즘은 시작 프레임과 종료 프레임에 포함된 의미 정보를 생성 과정에 반영하는데, 이를 통해 프레임을 동적으로 변형하면서도 스타일과 콘텐츠, 구조적 일관성을 함께 유지할 수 있다. 알리바바 클라우드는 지난 2월에 Wan2.1 시리즈 내 4종의 AI 모델을 오픈소스로 공개한 바 있다. 해당 시리즈는 현재까지 허깅페이스와 모델스코프에서 누적 220만 건 이상의 다운로드를 기록했다. Wan2.1 시리즈는 중국어와 영어 기반 텍스트 효과를 모두 지원하는 영상 생성 AI 모델로, 복잡한 움직임과 픽셀 표현, 명령 수행 정확도 면에서 높은 성능을 보인다. 한편, 알리바바 클라우드는 2023년 8월 최초의 오픈형 대규모 언어모델 ‘큐원-7B(Qwen-7B)’를 공개했다. 큐원 시리즈는 허깅페이스의 오픈 LLM 리더보드에서 지속적으로 최상위권을 기록하며, 다양한 벤치마크에서 세계 주요 AI 모델과 대등한 성능을 입증한 바 있다. 지난 수년간 알리바바 클라우드는 200개 이상의 생성형 AI 모델을 오픈소스로 공개해 왔으며, 현재까지 허깅페이스를 기반으로 약 10만 개 이상의 파생 모델이 개발되었다.
작성일 : 2025-04-24
지멘스 EDA, 자율주행차 IC 개발/검증 플랫폼의 클라우드 옵션 확대
지멘스 디지털 인더스트리 소프트웨어, 지멘스 EDA 사업부는 자율주행차용 IC 개발 검증을 위한 패이브360(PAVE360) 기술을 활용해 소프트웨어 정의 차량(SDV) 개발을 지원하는 클라우드 플랫폼을 제공한다고 발표했다.  이 플랫폼은 복잡한 시스템을 구성하는 컴포넌트를 포괄하는 시스템 오브 시스템즈(Systems-of-Systems)를 지원한다. 또한 고성능의 AMD 라데온(Radeon) PRO V710 GPU 및 AMD 에픽(EPYC) CPU에서 실행되며, 클라우드 및 AI 플랫폼인 마이크로소프트 애저(Microsoft Azure)에서 이용할 수 있다. 페이브360 개발 및 검증 환경은 시스템 오브 시스템즈 구현을 위해 강력한 그래픽 가속이 필요하다. 이는 시뮬레이션 정확도 향상을 위한 시나리오 실현(scenario realization), AI 기반 인식, 객체 인식, 추론 모델(inference models) 및 인포테인먼트 시각화(infotainment visualization) 가속 실행을 지원하기 위해 필수이다. 고성능 AMD 프로세서 및 GPU와 마이크로소프트 애저의 조합은 이러한 핵심 작업을 위한 성능을 제공한다.     자동차 제조사가 SDV 개발로 진정한 도약을 이루기 위해서는 개발 방법론에 대한 근본적인 변화가 필요하다. 애저에서 실행되는 페이브360은 확장 가능한 SDV 개발을 위한 정교한 클라우드 개발 기능을 제공하는 동시에, 시스템 인지(system-aware) 관점에서 차량 동작을 분석하고 복잡한 결함 메커니즘(fault mechanisms)을 식별할 수 있는 역량을 갖추고 있다. 많은 경우 소프트웨어, 하드웨어, 시스템 결함은 설계 주기 후반에야 발견되거나 더 심각한 경우 차량이 이미 대량 배포된 후 발견되어, 비용이 많이 드는 리콜과 브랜드 이미지 손상을 초래할 수 있다. 시스템 인지 기반 SDV 검증 접근 방식은 이러한 결함을 조기에 찾아낼 수 있도록 돕는다. 모델링 및 시뮬레이션 단계에서 수천 개의 가상 시나리오를 실행하여 놓칠 수 있는 코너 케이스(corner cases, 극한 상황에서 발생하는 문제)를 효과적으로 식별할 수 있다. 지멘스는 마이크로소프트 및 AMD의 지원을 바탕으로, 강력한 페이브360의 시스템 인지 기반 SDV 검증 성능을 제공하게 되었다. 지멘스 디지털 인더스트리 소프트웨어의 데이비드 프리츠(David Fritz) 하이브리드 및 가상 시스템 부문 부사장은 “SDV 개발 플랫폼을 배포할 때 고객마다 선호하는 클라우드 플랫폼과 하드웨어 리소스가 다르다. 페이브360이 SDV 개발의 핵심 기술로 인정받는 만큼, 마이크로소프트 애저 및 AMD 하드웨어 지원을 확장함으로써 고객에게 더 큰 유연성을 제공할 수 있게 되었다”고 말했다. AMD의 살릴 라지(Salil Raje) 적응형 및 임베디드 컴퓨팅 그룹 수석 부사장 겸 총괄 책임자는 “지멘스및 마이크로소프트와의 협력을 통해 자동차 개발자들이 AMD의 최첨단 라데온 PRO GPU 및 에픽 프로세서를 활용하여 차세대 ADAS(첨단 운전자 보조 시스템) 및 자율주행 기술을 개발할 수 있도록 지원하게 되었다”라고 말하며, “AMD 시스템에서 지멘스의 페이브360을 지원하게 되어 기쁘며, 이를 통해 개발자들이 고급 자동차 개발을 위한 디지털 트윈 환경을 활용하여 SDV 개발을 가속화할 수 있도록 돕겠다”라고 말했다. 마이크로소프트의 다얀 로드리게스(Dayan Rodriguez) 제조 및 모빌리티 부문 기업 부사장은 “애저의 강력한 인프라와 AMD GPU를 활용함으로써, 페이브360은 이제 SDV(소프트웨어 정의 차량) 개발을 위한 탁월한 성능과 확장성을 제공한다“면서, “이번 협업은 자동차 산업의 혁신을 촉진하려는 우리의 의지를 보여주는 것이며, 이를 통해 제조업체들이 시스템 인지 기반 SDV 검증을 실현하고 최고 수준의 안전성과 신뢰성을 보장할 수 있도록 지원할 것”이라고 말했다.
작성일 : 2025-03-20
크레오 메커니즘 다이내믹 시뮬레이션 소개
제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (8)   지난 호에서 크레오 파라메트릭(Creo Parametric)의 기본 메커니즘 기능을 사용하여 어셈블리 모델에 연결 구속을 정의하고 메커니즘을 구현함으로써, 동작 간섭과 범위 등 모델의 운동학적 특성을 분석해 보았다. 이번 호에서는 크레오 파라메트릭의 메커니즘 다이내믹 옵션(MDO)을 사용하여 어셈블리의 이동 구성 요소에 스프링, 모터, 마찰 및 중력과 같은 동적 특성을 부여하고 힘과 가속도 등 동적 영향을 평가하여 구조 시뮬레이션을 진행하는 방법을 알아보자.   ■ 김성철 디지테크 기술지원팀의 이사로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   메커니즘 다이내믹 옵션을 사용한 동적 시뮬레이션 다음 그림에서 항공기 램 에어 터빈 어셈블리는 사전에 동작 분석을 위한 메커니즘 연결을 정의하고 위치 및 운동학적 분석을 진행하였다.     크레오 파라메트릭에서 어셈블리의 동적 영향을 평가하기 위해 메커니즘 모드로 전환하고, 엑추에이터 모델에 스프링을 추가하여 동적 특성을 정의한다.     대시보드에서 ‘확장’ 스프링 유형을 선택하고 스프링 참조로 실린더 연결이 정의된 두 보디 사이에서 연결점을 선택한다. 대시보드에서 스프링 강성 계수(K)와 스트레치108 · 되지 않은 상태의 길이 값을 설정한다.     옵션에서 그래픽 화면에 표시되는 스프링 아이콘 지름을 정의하고 스프링 생성을 완료한다. 메커니즘에서 생성한 스프링은 모델이 동작하는 동안 그래픽 화면에 동적으로 애니메이션되며 어셈블리 피처로 생성되어 모델 트리와 메커니즘 트리 모두에서 확인하고 편집할 수 있다.     스프링에 추가된 실리더의 동작 축이 한계에 도달할 때 충격력을 시뮬레이션하기 위해, 동작 축에 복원 계수 및 마찰 등 동적 특성을 추가할 수 있다. 복원 계수는 동작의 한계점에 충돌 속도의 손실을 결정하는 계수 값이다. 0의 값은 모든 에너지가 흡수되고, 1의 값은 에너지가 손실되지 않고 완벽한 탄성력의 충돌로 가정한다.     필요할 경우 힘 모터, 토크와 댐퍼 등 동적 힘을 정의하고 중력과 시뮬레이션 초기 조건을 추가할 수 있다.     메커니즘에서 동적 속성 정의가 완료되면 메커니즘 분석을 생성하고 실행한다.     다음 그림의 메커니즘 모델은 별도의 힘을 적용하지 않고 스프링의 강성에 의한 동적 분석을 진행한다. 동적 분석은 힘에 대한 강체의 운동 관계와 강체의 평형 관계를 시뮬레이션하여 강체에 작용하는 힘, 강체의 질량과 강체의 운동에 대한 다양한 결과를 분석할 수 있다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-01-06
CAD&Graphics 2025년 1월호 목차
  18 THEME. 디지털 전환을 이끄는 제품 개발・제조 기술의 혁신 혁신과 지속가능성을 위한 제조 기술로 진화하는 3D 프린팅 / 김태화 제품 개발 검증의 가속화를 위한 AI 시뮬레이션 프레딕터 / 이종학 최적설계의 대중화 : 더 쉽게 더 알차게 / 최병열 디지털 전환의 성공을 위한 CAE, AI/ML과 디지털 리얼리티 플랫폼 / 전완호   INFOWORLD   Editorial 17 엔지니어링 패러다임 전환 : AI+IoT가 이끄는 산업 혁신   People&Company 34 지멘스 디지털 인더스트리 소프트웨어 존 폭스 부사장 “솔리드 엣지 2025로 중소기업 제품 개발의 디지털화 도울 것”   New Products 37 제품 개발의 생산성 향상부터 SaaS 지원 확대까지 솔리드 엣지 2025 / 솔리드 엣지 X 40 산업 표준에 기반한 차세대 선박 설계 설루션 ShipConstructor 43 애니메이션/가상 프로덕션/모바일 게임 개발 기능 강화 언리얼 엔진 5.5 74 이달의 신제품   Culture 62 구글코리아가 만든 창의와 혁신의 축제, 2024 유튜브 웍스 어워즈 코리아   Case Study 48 언리얼 엔진으로 만든 버추얼 아이돌 플레이브 통합 시각화 파이프라인으로 새로운 경험 제공 53 적층제조를 활용한 외슬러의 제품 혁신 3D 프린팅과 래티스 디자인의 결합   On Air 55 캐드앤그래픽스 CNG TV 지식방송 지상중계 우주를 향한 기술 개발과 혁신의 미래 64 캐드앤그래픽스 CNG TV 지식방송 지상중계 인공지능 시대, 건축 기술의 혁신과 도전 과제   Focus 56 KOIIA 산업데이터스페이스 기술위원회 발족 세미나 개최 58 유니버설 로봇, 협동 로봇 기반의 자동화 플랫폼 비전 제시 60 델, 새롭게 진화할 2025년 AI 기술 전망 소개   Column 65 디지털 지식전문가 조형식의 지식마당 / 조형식 디지털 철학과 디지털 지속가능성을 시작하다 68 현장에서 얻은 것 No.19 / 류용효 AI와 PLM의 융합이 가져올 미래   72 New Books   Directory 131 국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 75 BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱 생성형 AI 기반 BIM 전문가 시스템 개발해 보기 82 데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (9) / 천벼리 BIM 도면 분할 84 새로워진 캐디안 2025 살펴보기 (2) / 최영석 라이브 업데이트 기능 소개   Mechanical 87 제조 산업의 설계와 가공 혁신을 위한 기술 / 지더블유캐드코리아 ZWCAD LM/MFG, ZW3D를 통한 설계 프로세스 개선   Visualization 90 산업 분야를 혁신하는 실시간 3D의 힘 / 유니티 코리아 유니티를 활용한 산업 VR & AR 구현 전략과 비전   Reverse Engineering 98 시점 – 사물이나 현상을 바라보는 눈 (1) / 유우식 호기심   Analysis 105 성공적인 유동 해석을 위한 케이던스의 CFD 기술 (17) / 나인플러스IT 피델리티 CFD로 메시 어댑테이션 향상 108 제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (8) / 김성철 메커니즘 다이내믹 시뮬레이션 소개 114 앤시스 워크벤치를 활용한 해석 성공 사례 / 정세훈 해석 사례로 살펴보는 플루언트의 iFSI 기능 118 초보자에서 전문가까지 만족시키는 유동 해석 프로그램 시메릭스MP / 케이더블유티솔루션 시메릭스MP의 해석 과정 소개 122 모델 기반 개발의 추진 방법과 적용 사례 / 오재응 MBD의 기능에 기반한 플랜트와 제어 모델 연계 개발 128 모델링 및 시뮬레이션을 사용한 BMS 개발 / 이웅재 안전한 전기차 배터리 관리 시스템의 설계를 위한 M&S     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기
작성일 : 2024-12-27
[무료다운로드] 크레오 파라메트릭 11.0의 메커니즘 디자인 소개
제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (7)   크레오 파라메트릭(Creo Parametric)을 사용하여 설계 프로세스 초기에 메커니즘 디자인(MDX) 및 모션 분석의 핵심 기능을 활용할 수 있다. 어셈블리 모델에 핀/원통/슬라이드/볼 또는 기어/캠/슬롯과 같은 기계적 연결을 가상으로 표현하여 모델의 운동학적 동작을 분석하고, 간섭 및 모션 범위를 빠르게 확인할 수 있다. 크레오 파라메트릭의 확장 기능인 메커니즘 다이내믹 옵션(MDO)은 어셈블리의 이동 구성 요소에서 힘과 가속도를 시뮬레이션하고 스프링, 모터, 마찰 및 중력과 같은 동적 영향을 평가하고 분석할 수도 있다. 이번 호에서는 크레오 파라메트릭 11.0에서 항공기 램 에어 터빈 모델을 이용하여 어셈블리 메커니즘을 구현하고 분석하는 방법을 알아보자.   ■ 김성철 디지테크 기술지원팀의 이사로 크레오 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   메커니즘 연결을 사용하여 구성 요소 조립 크레오 파라메트릭에서 어셈블리 컴포넌트의 동작을 위해서는 연결 구속이 필요하다. 어셈블리 컴포넌트의 실제 동작 조건과 자유도를 고려하여 핀, 원통, 슬라이드 및 볼 등 다양한 유형의 연결 구속을 지정할 수 있다. 그림에서 프로펠러가 회전만 하는 경우 어셈블리 제약 조건에서 연결 유형으로 핀(Pin)을 선택하고, 회전 축과 수직한 변환 평면을 지정하여 축을 기준으로 회전 자유도를 가지는 컴포넌트를 표현할 수 있다.      유압 실린더나 엔진 피스톤과 같이 축 방향으로 직선 운동을 하는 컴포넌트는 연결 유형으로 슬라이더(Slider)를 선택하고, 중심 축과 고정 회전 평면을 지정하여 축 방향으로 하나의 직선 자유도를 가지는 연결을 정의할 수 있다.     연결 구속이 정의되면 그래픽 화면에 별도 아이콘이 표시되어 연결 유형과 동작 방향을 직관적으로 확인할 수 있다. 볼(Ball) 구속은 점과 점을 구속하고 3축을 기준으로 3개의 회전 자유도를 가지는 동작을 표현할 수 있다. 어셈블리 배치에서 새로운 세트를 클릭하여 다중 연결 구속을 정의할 수도 있다.     원통(Cylinder) 구속은 원통의 축과 축을 선택하여 고정하고 회전과 축 방향의 변환 자유도를 가지는 동작을 표현할 수 있다. 그림과 같이 다른 구속과 다중으로 연결을 정의하면 강체의 축 방향 이동이 제한되어 회전 자유도만 유지된다.     사전 정의된 고정 제약 조건에서 연결 전환을 클릭하여 연결 구속으로 자동 변환할 수 있다.      그림과 같이 두 축과 회전 방향이 고정된 구속을 전환하여 직선 자유도를 가지는 슬라이더(Slider) 연결로 빠르게 정의할 수 있다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2024-12-05
CAD&Graphics 2024년 12월호 목차
  18 THEME. 제조·건축 디자인의 미래를 그리는 인공지능과 디지털 트윈 AI 주도의 디자인을 바라보는 관점 : 프로세스와 사례 중심으로 / 고성찬 생성형 AI와 제조 디자인의 현재 그리고 미래 / 유훈식 이미지 생성을 넘어 : 모빌리티 디자인에서 생성형 AI의 동향과 숙제 / 박현준 제조 및 건설 산업의 패러다임을 바꾸는 디지털 트윈의 혁신 / 이문규 디지털 혁신의 시대, 건축가와 엔지니어를 위한 협업 도구 / 이경선 제조 산업의 디지털 트윈을 위한 리얼타임 렌더링 / 진득호   INFOWORLD   Editorial 17 2024년을 되돌아보며 : AI, 산업을 재정의하다   People&Company 45 시각화 콘텐츠 제작을 위한 토털 설루션 제공하는 맥슨 지브러시, 시네마4D, 레드 자이언트로 만나는 새로운 크리에이티브 경험   Case Study 68 항공기 부품 제조 혁신에 기여하는 적층제조 3D 프린팅으로 만들어진 GE의 LEAP 연료 노즐 70 산업 분야에서 효과적인 협업을 돕는 몰입형 3D 기술 몰입형 3D 협업 앱으로 워크플로 및 생산성 개선   Column 86 현장에서 얻은 것 No.19 / 류용효 익숙함을 넘어 편리함으로 90 디지털 지식전문가 조형식의 지식마당 /조형식 스마트에서 혁신으로   Focus 48 CAE 컨퍼런스 2024, 제조 혁신을 위한 CAE와 AI의 융합 전략 소개 53 빌드스마트 콘퍼런스 2024, AI/로봇공학/디지털 도구를 통한 건설의 미래 탐색 56 다쏘시스템, “버추얼 트윈으로 지속 가능한 디지털 전환 이끈다” 58 앤시스, “시뮬레이션과 AI의 결합 및 접근장벽 낮추는 기술 개발 강화할 것” 73 AWS, 인더스트리 위크 통해 산업의 디지털 전환과 클라우드 혁신 전략 제시 76 인텔, AI PC 위한 프로세서와 생태계로 혁신의 문을 열다 78 연세대와 IBM의 양자 혁명 : 한국 첫 양자컴퓨터 설치의 의미와 미래 80 콘진원, ‘AI로 만나는 새로운 콘텐츠 세상’... AI 콘텐츠 페스티벌 2024 개최   New Products 60 제조 및 기계 설계를 위해 최적화된 CAD 설루션 ZWCAD LM 2025 / ZWCAD MFG 2025 64 온프레미스 기반의 AI 알고리즘 솔루션 Stochos 66 통합 디지털 콘텐츠 마켓플레이스 팹   On Air 82 캐드앤그래픽스 CNG TV 지식방송 지상중계 자동차 산업에서의 다중소재 접합 및 조립 해석 기술 동향 83 캐드앤그래픽스 CNG TV 지식방송 지상중계 제조산업의 디지털 혁신을 위한 헥사곤 설루션 활용 전략 84 캐드앤그래픽스 CNG TV 지식방송 지상중계 클라우드 기반 데이터 리비전과 GIS 통합 설루션 85 캐드앤그래픽스 CNG TV 지식방송 지상중계 마커리스 증강 및 자동 라우팅 기술을 통한 미래 BIM 전략   Directory 139 국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 93 BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱 딥러닝 모델 개발 프로세스 기록/분석/가시화 및 모델 튜닝하기 98 데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (8) / 천벼리 BIM 도면의 상세 보기 132 디지털 데이터의 정리에 관하여 / 양승규 효율과 생산성을 높이기 위한 파일 관리 팁 136 새로워진 캐디안 2025 살펴보기 (1) / 최영석 최신 버전의 주요 기능 소개   Reverse Engineering 101 문화유산 분야의 이미지 데이터베이스와 활용 사례 (12) / 유우식 안료 데이터베이스   Mechanical 110 제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (7) / 김성철 메커니즘 디자인 소개   Analysis 115 성공적인 유동 해석을 위한 케이던스의 CFD 기술 (16) / 나인플러스IT 터보 기계 시뮬레이션을 위한 엔지니어 가이드 Ⅱ 118 금속 적층제조의 최적화를 위한 앤시스 애디티브 / 박준혁 적층 공정의 파라미터 최적화를 위한 애디티브 사이언스 기능 124 SimericsMP for NX CAD의 해석 과정 소개 / 케이더블유티솔루션 CAD 프로그램 내부에서 유동 해석 직접 진행하기 128 산업 디지털 전환을 위한 버추얼 트윈 (7) / 임상혁 개념 설계부터 최종 제품까지 다물체 동역학 해석을 위한 심팩       캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기
작성일 : 2024-11-26
뉴타닉스-AWS, 클라우드 마이그레이션 단순화를 위한 협력 확대
뉴타닉스는 아마존웹서비스(AWS)와의 전략적 협력을 확대했다고 발표했다. 이번 협력은 클라우드 마이그레이션 가속화와 온프레미스 및 클라우드 환경 전반의 워크로드 관리 옵션 제공을 목표로, IT 현대화 과정의 어려움을 줄이고 고객이 AWS 서비스를 활용해 혁신을 추진할 수 있도록 지원한다. 이번 협력으로 고객은 AWS에서 뉴타닉스 클라우드 클러스터(Nutanix Cloud Clusters, 이하 NC2)를 통해 온프레미스 뉴타닉스 환경을 AWS로 원활하게 확장할 수 있게 됐다. 이를 통해 기업은 온프레미스와 AWS 환경에서 일관된 애플리케이션 운영이 가능해지고, AWS 데이터베이스, 아마존 S3(Amazon Simple Storage Service), 고급 인공지능(AI) 및 기계학습(ML) 서비스 등 AWS 서비스를 이용할 수 있다. 또한 AWS가 제공하는 보안, 복원력, 확장성의 이점도 누릴 수 있다.  AWS의 NC2는 재해 복구, 데이터 센터 확장, 애플리케이션 마이그레이션 및 현대화를 위한 비용 효율적인 솔루션을 제공한다. 이는 코드 변경 없이 애플리케이션과 데이터의 지능적인 워크로드 배치를 가능하게 하며, IT 조직 내 사일로 제거에도 도움을 준다. 추가적으로 뉴타닉스 무브(Nutanix Move) 마이그레이션 도구로 신속하고 예측 가능한 워크로드 이동이 가능하며, 비용이 많이 드는 애플리케이션 리팩토링 없이 양방향 이동성으로 마이그레이션 위험을 최소화한다.  뉴타닉스는 AWS의 탄력성을 활용해 예상 가능하거나 예상치 못한 용량 요구를 관리하면서, 온프레미스와 클라우드 전반의 전체 하이브리드 클라우드 스택에 걸쳐 IT 자동화를 통해 확장성과 유연성을 제공할 수 있을 것으로 기대하고 있다. 또한 통합 관리 도구, 일관된 자동화 메커니즘, 가상 머신을 위한 수명 주기 관리와 함께 AWS의 베어메탈 플랫폼을 사용해 클라우드 리소스 효율성을 높여 클라우드 비용을 줄이는 것도 가능하다. 뉴타닉스는 “AWS 마켓플레이스(AWS Marketplace)를 사용해 모든 뉴타닉스 소프트웨어 라이선스 요구 사항을 단순화한다”고 설명했다. 협력의 일환으로, AWS는 고객 마이그레이션과 개념증명(POC)을 지원하기 위한 프로모션 크레딧도 제공할 예정이다. 고객은 AWS VM웨어 마이그레이션 액셀러레이터(AWS VMware Migration Accelerator)를 통해 AWS의 VM웨어 워크로드를 AWS의 NC2로 마이그레이션 하는 데에 필요한 크레딧을 받을 수 있다. 또한 다른 클라우드나 온프레미스에서 워크로드를 마이그레이션하는 고객도 무료 POC, 마이그레이션 평가, AWS 크레딧 지원 등 ‘AWS 마이그레이션 가속화 프로그램(AWS Migration Acceleration Program)’ 혜택과 뉴타닉스 라이선싱 할인을 받을 수 있다.  뉴타닉스의 타르칸 마네르(Tarkan Maner) 최고 사업 책임자는 “90%의 기업이 각 애플리케이션에 가장 최적화된 환경을 활용하는 ‘클라우드 스마트’ 전략을 취하고 있는 만큼, AWS와의 전략적 파트너십 확대는 양사와 고객 모두에게 이익이 될 것”이라면서, “이로써 고객은 클라우드 마이그레이션 과정 간소화, NC2를 통한 AWS 도입 가속화, 하이브리드 클라우드와 온프레미스 뉴타닉스 활용 기회를 확대할 것”이라고 말했다. AWS의 크리스 설리반(Chris Sullivan) 미주 채널 및 제휴 부문 부사장은 “뉴타닉스와의 협력 확대로 클라우드 마이그레이션 단순화와 고객 혁신 지원이 한층 강화될 것”이라면서, “이번 파트너십을 통해 더 많은 고객이 디지털 전환을 가속화하고, AWS의 확장성, 보안성, 복원력, 혁신성을 활용할 수 있게 될 것”이라고 말했다.
작성일 : 2024-11-08
[피플&컴퍼니] 헥사곤 사이먼 화이트 로맥스 글로벌 제품 총괄 디렉터
시뮬레이션으로 동력계 개발을 더욱 쉽고 빠르게   헥사곤 매뉴팩처링 인텔리전스(헥사곤 MI)의 로맥스(Romax)는 동력계 시스템의 해석과 개발을 위한 소프트웨어 제품군이다. 개방성과 사용자 경험에 중점을 두고 있으면서, 최근에는 전기자동차 시장의 확대에 따라 전기 기반의 동력계인 e드라이브(eDrive) 개발에도 대응하고 있다. 헥사곤 MI에서 로맥스 제품군의 개발을 총괄하는 사이먼 화이트(Simon White) 디렉터를 만나, 로맥스의 개발 방향과 시장 전략에 대해 들어보았다. ■ 정수진 편집장   ▲ 헥사곤 MI의 사이먼 화이트 로맥스 글로벌 제품 총괄 디렉터   현재 맡고 있는 역할 및 이번에 방한한 목적에 대해 소개한다면 현재 헥사곤 MI 제품 매니지먼트 팀의 개발 총괄 임원으로서 시장 동향의 조사, 기술 파악, 전략 방향의 설정 지원 등을 수행하면서, 헥사곤 제품간의 시너지를 탐구하는 역할을 맡고 있다. 지난 7월 수원에서 진행된 ‘기어트레인 테크데이’에도 참가해 헥사곤의 글로벌 미래 계획을 소개하고, 고객들의 피드백을 듣는 기회를 가졌다. 또한 한국 내 주요 고객과 만나 깊이 있는 논의와 함께 현업 엔지니어들의 목소리를 직접 들을 수 있었다.   로맥스 제품군의 주요한 타깃 시장과 핵심 전략은 어떤 것인지 로맥스 솔루션은 동력계(powertrain) 및 회전 계통의 전체 제품군을 타깃으로 한다. 자동차, 풍력 발전, 항공우주, 철도, 산업기계 등에서 많이 쓰이는 모터 동력계를 중심으로 지난 30년간 다양한 산업군의 고객을 확보해 왔다. 최근에는 시장의 확대를 추진하고 있으며 로봇, 의료기기, 플라스틱 기어 설계 등 분야에 진출할 계획이다. 헥사곤은 로맥스의 핵심 해석 역량을 강화하면서 고객에게 더 많은 부가가치를 제공하는 데에 주력한다. 특히 더 많은 해석 비전문가를 위해 소프트웨어의 사용성을 개선하는 등 ‘대중화(democratization)’를 위한 노력도 기울이고 있으며, 자동화와 확장성, 클라우드 등에도 꾸준히 집중하고 있다. 헥사곤의 개방형 디지털 리얼리티 플랫폼인 ‘넥서스(Nexus)’에 로맥스 제품군을 통합하는 작업도 진행하고 있다. 넥서스 플랫폼은 인공지능과 클라우드를 통해 속도와 확장성을 높임으로써 더욱 복잡한 해석을 지원할 수 있다. 그리고 가공 중에도 차량이나 기계의 시뮬레이션 정보 및 측정 정보를 활용해 예지보전이 가능하다. 시뮬레이션 정보와 인서비스 측정 정보를 함께 활용하면 트랜스미션의 잔여 수명을 더 정확하게 예측할 수 있게 된다.   ▲ 로맥스의 2D 사용자 인터페이스   헥사곤의 전체 기술 포트폴리오에서 로맥스 제품군의 포지션은 어떻게 되는지 로맥스는 헥사곤의 주요 CAE 솔루션 중 하나이면서, 디자인 및 엔지니어링(D&E) 포트폴리오 중 시스템 동역학 제품군에 포함된다. 복잡한 메커니즘, 회전계, 파워트레인의 해석에 초점을 맞추고 있다. 전체 동력계의 설계 및 해석에서 허브 역할을 추구하는 로맥스는 개방성과 사용자 인터페이스를 장점으로 내세운다. 헥사곤 솔루션 및 서드파티를 연결하는 허브 역할을 하면서 개발 프로세스의 단순화를 지원하고 있다. 향후에는 기존 파워트레인뿐 아니라 전기 동력계인 e드라이브의 설계 및 최적화를 위한 주요 제품군으로서, 차세대 동력계 개발을 위해 헥사곤 솔루션을 결합하는 중심 역할을 할 수 있을 것으로 전망한다.   로맥스 제품군의 최근 업데이트에 대해 소개한다면 로맥스 제품군은 매년 1회의 메이저 릴리스를 발표하며, 그 중간에 몇 차례의 마이너 릴리스를 공개하고 있다. 그리고 헥사곤의 토큰(token) 라이선스 체계인 ‘MSC원(MSCOne)’을 도입해 별도의 소프트웨어 라이선스 구매 없이도 사용이 가능하다. 로맥스의 개발에서 중심이 되는 것은 사용성 개선과 헥사곤의 시스템 동역학 솔루션의 연계이다. 로맥스 소프트웨어의 최근 업데이트에서는 많은 설계자에게 익숙한 2D 기반 사용자 인터페이스를 추가해 사용성을 높였고 복잡한 설계를 할 수 있도록 지원한다. 예를 들어, 2D 캔버스에서 드래그 앤 드롭을 통해 기어박스의 레이아웃을 빠르게 생성할 수 있다. 그리고 2D 캔버스와 3D 캔버스 중에서 인터페이스를 선택할 수도 있다. 핵심 물리 관련 모델의 업데이트를 통해 LTCA(Loaded Tooth Contact Analysis), 피로도 평가 등이 개선됐으며, 플라스틱 기어의 설계와 평가에 활용할 수 있는 플라스틱 물성 데이터베이스를 제공한다. 이외에 여타 헥사곤 제품군과의 시너지에 대해서도 꾸준히 고민해 왔는데, 최근에는 동역학 해석 솔루션인 아담스(Adams)와 해석 모델을 주고받을 수 있는 트랜스레이터 기능을 출시했다.    ▲ 로맥스는 전기자동차의 동력계 개발에 적극 대응하고 있다.   향후 성장이 전망되는 전기자동차의 개발에서 로맥스는 어떤 역할을 할 수 있을지 전기자동차의 동력계는 변속 특성을 갖고 있지 않으며 속도에 비례하는 성격을 가진다. 이에 맞춰 모터 토크의 다양한 레인지에 맞게 기어박스를 설계할 필요가 있으며, 기존 변속계통의 경험이 적용되지 않기 때문에 소프트웨어의 예측 기능에 더 의존하게 되는 경향이 있다.  또한, e드라이브는 소음과 진동을 잡기 위한 NVH 해석에서 모터 소음을 고려해야 하는 것도 차이점이다. 로맥스는 모터 및 기어의 내구/NVH/효율을 단일 환경에서 검토할 수 있는 기술을 제공해 왔다. 이에 더해, 향후 e드라이브의 또 다른 과제가 될 것으로 보이는 열 관리를 위해 기어박스의 열 성능을 검토할 수 있는 기능을 제공할 계획이다.   향후 로맥스 제품군의 개발 방향과 시장 전략에 대해 소개한다면 헥사곤은 고객의 피드백과 자문을 통해 크게 로맥스의 전략적 중심축을 크게 다섯 가지로 설정하고 있다. 첫 번째는 대중화이다. CAE가 이전에는 전문가 대상의 솔루션이었다면, 이제는 CAE 비전문가를 위한 솔루션이 확대되어야 한다고 생각한다. 로맥스의 사용성 개선, 2D 모델링 인터페이스, NVH 후처리기 등은 이를 위한 노력의 일부이다. 두 번째는 핵심 물리 역량의 강화이다. 고객들은 프로토타입을 줄이기 위해 시뮬레이션의 활용을 강화하고자 한다. 이에 맞춰 로맥스는 다양한 제품 개발에 시뮬레이션을 적극 활용할 수 있도록 핵심 물리 역량의 강화를 위한 소프트웨어 투자 및 멀티피직스 모델 제공을 강화하고자 한다. 세 번째는 자동화 및 통합이다. 고객들의 시뮬레이션에 대한 수요 및 비전문가의 CAE 활용에 대한 요구의 증가는 필연적으로 자동화의 필요성으로 이어진다고 본다. 네 번째는 클라우드 및 연결성이다. 이는 복잡한 시뮬레이션 계산의 확장성을 위해 필요한 요소이다. 로맥스는 대규모의 데이터 처리를 위한 연산 능력 강화 요구에 대응해 나갈 계획이다. 또한, 측정 데이터와 시뮬레이션 데이터의 결합에 기반한 디지털 트윈 역시 클라우드 기반에서 활용이 가능하다. 다섯 번째는 헥사곤과 로맥스 솔루션의 시너지를 강화하는 것이다. 예를 들어, 헥사곤의 3차원 측정 소프트웨어인 퀸도스(QUINDOS)와 로맥스를 연결하면, 측정 데이터를 로맥스에서 임포트해 접촉 해석을 할 수 있다. 또한, 제조 품질을 평가하는 데에 시뮬레이션 데이터를 활용하는 방법도 가능할 것이다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2024-08-02
[무료다운로드] 랭체인 아키텍처 및 동작 메커니즘 분석
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 랭체인(LangChain) 아키텍처와 동작 방법을 분석한다. 현재 챗GPT(ChatGPT)와 비슷한 인공지능 챗봇 서비스 개발 등에 대중적으로 사용되는 랭체인은 LLM(Large Language Model : 대규모 언어 모델) 통합과 PDF 등 다양한 데이터 소스를 지원하여 LLM 모델 활용성을 극대화한다. 이 글을 통해 LLM 서비스 개발에 필요한 랭체인의 아키텍처와 동작 원리를 이해할 수 있을 것이다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   그림 1   랭체인은 LLM에 원하는 결과를 얻을 수 있도록 다양한 프롬프트 입력 및 구조화된 출력, RAG, 튜닝과 같은 기능을 제공하는 라이브러리다. 랭체인 설치는 다음과 같이 진행할 수 있다.  pip install langchain   랭체인의 기본 사용법 랭체인은 모델 입출력, 데이터 검색, 에이전트 지원, 체인, 컨텍스트 메모리 기능을 제공하며, LCEL(LangChain Expression Language)을 이용해 각 구성요소를 유기적으로 연결시킬 수 있다. LCEL은 유닉스 파이프라인 개념을 차용했다. 다음은 LCEL의 예시를 보여준다.  from langchain.chat_models import ChatOpenAI from langchain.prompts import ChatPromptTemplate from langchain.schema import BaseOutputParser # LCEL 예시 chain = ChatPromptTemplate() | ChatOpenAI() | CustomOutputParser() 이와 더불어 목적에 맞는 다양한 프롬프트 템플릿, 구조화된 출력을 제공한다. from langchain.output_parsers.json import SimpleJsonOutputParser json_prompt = PromptTemplate.from_template(     "Return a JSON object with `birthdate` and `birthplace` key that answers the following question: {question}" ) json_parser = SimpleJsonOutputParser() # JSON 파서 # 프롬프트, 모델, 파서 체인 생성 json_chain = json_prompt | model | json_parser  # 유닉스 파이프라인 개념 차용함. result_list = list(json_chain.stream({"question": "When and where was Elon Musk born?"})) print(result_list)   그림 2   랭체인 구조 분석 패키지 구조 랭체인 구조를 분석하기 위해, 깃허브(GitHub)의 랭체인 소스코드를 다운로드한 후 UML로 모델링해 본다. 주요 패키지는 <그림 3>과 같다.  랭체인 소스코드 : https://github.com/langchain-ai/langchain   그림 3   cli는 랭체인의 커맨드 라인 인터페이스(command line interface), core는 랭체인의 핵심 구현 코드가 정의된다. 이 부분은 <그림 4>와 같은 패키지로 구성된다.    그림 4   참고로, 이 패키지들은 <그림 5>의 일부이다.   그림 5. 랭체인 v.0.2.0 패키지   LCEL 언어 동작 구조 이 중에 핵심적인 것만 분석해 본다. 우선, LCEL의 동작 방식을 위해 어떤 디자인 패턴을 구현하였는지 확인한다. 이 부분은 runnables 패키지가 담당한다. 이 언어는 유닉스의 파이프라인 처리를 다음과 같이 흉내낸다.  z = a | b | c z.stream('abc') 이를 위해 파이썬(Python) 문법을 적극 사용하고 있다. 우선 ‘|’ 연산자를 오버로딩(overloading)하기 위해, 파이썬 Runnable 클래스를 정의해 ‘__or__’ 연산자를 구현한다. 이 연산자는 self object와 right object 두 객체를 입력받아 리스트를 만든 후 리턴하는 역할을 한다. 앞의 예시에서 보면, ‘a | b’를 실행 가능한 객체 리스트로 만들어 리턴한다. 결론적으로 a, b, c 객체를 리스트로 만들고 이 리스트를 z에 할당한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2024-07-04