• 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 "칼럼"에 대한 통합 검색 내용이 748개 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
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
[칼럼] 디지털 엔지니어링의 히든 챔피언, 디지털 스레드 그리고 인생 디지털 스레드
디지털 지식전문가 조형식의 지식마당   디지털 엔지니어링과 관련해 마케팅 측면에서 디지털 트윈(digital twin)이 최고라면, 제품 생산 측면에서는 디지털 스레드(digital thread)가 가장 가치가 있다. 디지털 트윈이 시각적이라면 디지털 스레드는 추상적인 개념이다. 그러므로 디지털 엔지니어링에서 디지털 스레드를 시각적으로 표현하는 방법은 시각적 그림을 사용한다. 전통적 엔지니어링의 순환구조에서 무한루프 구조로 진화했으며, <그림 1>에서 보여 주는 것처럼 무한루프는 무수한 디지털 스레드로 연결되어 있다. 마치 우리의 뇌와 신경이 하나처럼 연결되어 있는 것을 상상하면 된다.    그림 1. 디지털 엔지니어링 제품 개발 무한루프와 디지털 스레드   디지털 엔지니어링 이니셔티브의 1 단계는 무한루프이며, 디지털 영역과 물리적 영역으로 되어 있다. 이것은 기존의 순환 제품수명주기와 차별된다. 그리고 이 무한루프 안에서 무수한 디지털 스레드와 연결되어 있다. 2 단계는 디지털 트윈과 소프트웨어 정의 프로세스가 포함된 이니셔티브이다. 가장 간단한 디지털 제품 수명주기 구조는 디지털과 물리적으로 양분하는 것이다. 모든 디지털 엔지니어링에서 디지털 트윈이 필요한 것은 아니다. 현재 디지털 트윈이 필요 없거나 비용상 만들 필요가 없는 프로세스는 있지만, 디지털 스레드는 모든 디지털 엔지니어링에 중요한 요소이다.   그림 2. 단순한 디지털 제품 수명주기 프로세스(출처 : 조형식)   <그림 2>는 디지털 제품 수명주기 프로세스(Digital Product Lifecycle Process)를 나타내며, 이는 개념(concept)에서 폐기(disposal)까지 디지털 기술(digital technology)을 사용하여 제품을 설계, 개발 및 관리하는 방법을 설명한다. 이 과정은 무한루프로 표현되어 있으며, 이는 지속적이고 반복적인 특성을 나타낸다.   그림 3. 디지털 트윈과 디지털 스레드(출처 : 지멘스)   <그림 3>은 디지털 트윈에서 디지털 스레드에서의 데이터 흐름을 보여준다. 그러나 궁극적으로 디지털 스레드는 데이터의 스트림(data stream)뿐 아니라 지식의 흐름이 된다. 모든 제품 관련 지식과 프로세스의 연결과 흐름이 디지털 스레드의 최종 목적이다. 그러나 이 그림은 너무 추상적이고, 구체적으로 디지털 스레드에서 무엇을 해야 하며 어떤 자료 및 프로세스와 연결되는지에 대해서 불분명하다.   그림 4. 제품 수명주기와 디지털 스레드(출처 : Aras)   <그림 4>는 PLM 회사인 아라스(Aras)에서 오랫동안 주장하는 그림이다. 이 그림은 제품 수명주기에서 각 단계(phase)마다 기준 데이터의 항목을 연결하는 것을 보여 준다. 이전에도 엔터프라이즈 PLM에서는 추적성(traceability)이라는 특성으로 사용해 왔지만, 기존의 추적성과 디지털 스레드의 차이점은 양방향이라는 것이고 디지털 트윈에서는 실시간 양방향 연결이 필요하다.  그러나 이 자료는 자료의 추적성가 유사하며, 실제에서 디지털 스레드는 수많은 데이터, 지식, 정보와 메시 형태나 지식 그래프(knowledge graph)의 형태로 무수히 연결되어 있다. 이런 연결을 수작업으로 연결하기는 현실적으로 불가능하다.   그림 5. PLM과 디지털 스레드 로드맵(출처 : Prostep)   <그림 5>는 독일 프로스텝(Prostep)의 디지털 스레드 로드맵 자료이다. 몇 년 전부터 상용으로 사용할 수 있는 디지털 스레드이며, 장점은 기존의 다양한 CAD, CAE, PLM 등과 연결할 수 있다는 것이고, 단점은 이 회사의 인터페이스를 구입해서 연결해야 하는데 비용이 들 수 있다. 또한 이 모든 분야의 지식과 정보의 사일로 데이터를 누구가 어떻게 연결할 것인가 숙제이다.   <그림 4~5>는 기존의 PLM같은 선형 제품 수명주기를 전제로 발전한 것이기 때문에, 미래의 디지털 엔지니어링 수명주기에서는 발전이 필요해 보인다.  결론적으로 디지털 엔지니어링에서 디지털 스레드는 가장 중요한 자산이라고 할 수 있다. 현재 주목받고 있는 디지털 트윈도 디지털 스레드가 없다면 사상누각일 수 있다. 그러나 디지털 스레드는 눈에 보이는 것이 아니기 때문에, 일반인의 관심이나 기업이 거액을 투자하기는 쉽지 않다. 또한 CAD, PLM 공급사도 디지털 스레드의 중요성을 인지하지만 비용이 많이 들고, 표준화하기도 어렵고, 잘못하면 비즈니스 주도권에도 영향을 미치기 때문에 디지털 스레드를 관망하고 있다. 디지털 스레드에 대해 가장 큰 관심을 보이는 분야는 미국 국방성이나 방위산업과 항공산업이다. 그러나 미래에 소프트웨어 정의 제품과 디지털 트윈, 산업용 인공지능같은 디지털 엔지니어링의 발전은 디지털 스레드에 달려 있다. 또한 디지털 스레드와 소프트웨어 정의, 디지털 트윈 작업의 복잡성 때문에 챗GPT나 생성형 인공지능의 도움 없이는 불가능하다.    그림 6. 인생 디지털 스레드    요즘은 나의 개인 지식 관리에 디지털 스레드를 적용해 보고 있다. 이것을 ‘인생 디지털 스레드(Life Digital Thread : LDT)’라고 이름붙였다. 1년 365일 100년이면 3만 6500 개의 ‘오늘’이 있다. 이것을 연결해 주는 것이 인생 디지털 스레드이다. 우리는 그냥 살다가 무엇이 어떻게 연결되어 있는지 모르고 죽는다. 아무리 오래 살아도 오늘은 처음이다. 그러나 모든 오늘을 연결할 수 있으면 우리는 더 현명할 결정을 할 수 있고, 더 좋은 창조적인 삶을 살 수 있다. 디지털 스레드를 우리의 삶, 인생, 이벤트, 경험, 지식 관리, 시간 관리, 인간관계, 감정 같은 정보에 적용할 수 있는 몇 가지 흥미로운 방법이 있다. 이를 통해 개인의 삶에서 더욱 체계적이고 효율적으로 연관성을 관리할 수 있다. 지난 기록을 조사해 보니 나의 일이나 삶에서 80% 이상이 중복이었다. 디지털 스레드는 이런 중복을 제거하는 데에 매우 효과적이라는 것을 깨닫고 있다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’,  ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2024-07-03
[칼럼] PLM과 챗GPT의 활용 방안
현장에서 얻은 것 No.17   “LLM 공부해야 소용없어… 대신 차세대 AI에 집중해야” - 얀 르쿤(메타 AI 수석과학자)  페친으로 커넥팅되어 시작된 인연은 인공지능 프로젝트를 통해서 책까지 출판하는 기회를 얻었다. 이번 호의 내용은 그 여정에 대한 기록이다. 기록의 중요성을 또 한 번 느끼며, 만남과 인연의 중요함도 느꼈다.  그 모든 것의 중심에는 ‘관심’ 그리고 ‘깊이와 Hungry’가 있었다. 또한 ‘호기심’은 두말하면 잔소리이다.  그리고 나의 여정을 두 단어로는 ‘리더십’과 ‘인플루언서’로 정했다.    챗GPT에게 PLM에 대해 묻다 2023년 4월호 칼럼으로 ‘챗GPT-PLM 활용의 모습’에 대해 썼다. 그리고 1년이 흐른 지금 다시 한번 챗GPT(ChatGPT)에게 길을 물었다.  1년 전인 2023년 3월에는 챗GPT의 버전이 3.5였고, 2024년 6월는 챗GPT 4o가 등장했다. 2023년 3월 당시에는 “AI가 아니라 AI를 쓰는 기업이 기업을 대체할 것”이라는 말이 유행했다. 1년이 흐른 지금… 통하는 기업이 있고, 여전히 AI가 어떤 결과를 낳을지 오리무중인 기업도 있다. 그동안 큰 변화는 글로벌 관심거리로 학습과 진보 속에서 ‘두려움’이 많이 사라졌다. 또한, 현실적인 장벽이 많이 있다는 것도 드러났다. 1년 전에 ‘챗GPT-PLM 활용의 모습’을 물었을 때 상당히 혁신적이었다. 마치 뭔가 큰일을 낼 것 같이 희망에 찬 답변이었다. 1년이 흐른 지금 같은 질문을 던졌더니, 그때보다는 상당히 현실적인 답변을 내 놓는다.  다음에서 챗GPT와의 대화 내용의 결과를 정리한 리포트 형식으로 풀어가겠다.  “인공지능은 실험실 조수, 최종 결정은 인간이 해야”  - 데미스 허사비스(구글 딥마인드 CEO)    PLM과 챗GPT의 활용 방안 - 프롬프트와 진단 주요 산업군 및 목표를 정했다. 주요 산업군은 자동차, 항공산업, 전기 전자 산업, 의료기기로 한정했다. 독자는 경영진, 임원, 마케팅 담당자로 정했다. 리포트의 주요 목표는 기업에 효과적인 PLM과 챗GPT 활용 방안을 제시하는 것으로, 이에 맞춰 프롬프트를 작성했다.  먼저, 챗GPT는 PLM의 주요 문제점에 대해서 다음과 같이 요약해 주었다.  “PLM 시스템은 복잡한 제품 개발 과정에서 다양한 문제를 안고 있습니다. 이러한 문제점들은 다음과 같습니다. ■ 프로젝트 관리 : 복잡한 프로젝트 관리는 다양한 팀과 부서 간의 협업을 필요로 하며, 실시간 상태 업데이트와 정보 공유가 어렵습니다. ■ 데이터 정합성 : 다양한 부서와 시스템에서 데이터를 관리하다 보면 데이터의 일관성을 유지하는 데 어려움이 있습니다. ■ BOM 관리 : 제품의 BOM(Bill of Materials) 데이터를 정확하게 관리하는 것은 중요하지만, 잘못된 데이터는 생산 오류를 유발합니다. ■ 품질 관리 : 품질 검사와 문제 해결에 많은 시간과 비용이 소요됩니다. ■ 제품 설계 : 설계 변경 요청이 빈번하게 발생하며, 이를 관리하기 어렵습니다. ■ 상품 기획 : 시장 트렌드를 정확히 예측하고 고객의 요구를 반영하기 어렵습니다. ■ 공급망 관리 : 공급망의 복잡성으로 인해 지연과 비용 증가가 발생합니다. ■ 고객 서비스 : 고객 문의와 지원 요청을 효율적으로 처리하기 어렵습니다. ■ 교육 및 훈련 : 직원 교육과 훈련에 많은 시간과 비용이 소요됩니다. ■ 사양 관리 : 제품 사양의 관리 및 업데이트 과정에서 오류가 발생할 수 있습니다. ■ 디지털 제조 : 제조 과정의 디지털화와 스마트 제조 시스템 구현이 어렵습니다. ■ 데이터 보안 : PLM 시스템은 많은 기밀 데이터를 포함하고 있어 데이터 유출의 위험이 큽니다.”   각 문제에 대한 해결 방안 “PLM의 각 문제점에 대해 챗GPT를 활용한 해결 방안은 다음과 같습니다. ■ 프로젝트 관리 : 챗GPT를 통한 실시간 상태 업데이트, 자동 보고서 생성, 팀 간 의사소통 지원 ■ 데이터 정합성 : 챗GPT를 활용하여 데이터 입력 및 검증 자동화, 오류 감지 및 수정 제안 ■ BOM 관리 : 챗GPT를 통해 BOM 데이터의 정확성과 일관성을 유지하여 생산 오류를 줄임 ■ 품질 관리 : 챗GPT를 통해 품질 문제의 원인 분석, 해결책 제안, 품질 검사 자동화 지원 ■ 제품 설계 : 챗GPT를 사용하여 설계 변경 제안 및 피드백 수집, 팀 간 협업 지원 ■ 상품 기획 : 챗GPT를 통해 시장 트렌드 분석, 고객 피드백 수집 및 분석, 제품 기획 아이디어 제안 ■ 공급망 관리 : 챗GPT를 사용하여 공급망 데이터 분석, 공급업체와의 실시간 커뮤니케이션 지원, 문제 발생 시 빠른 대응 방안 제안 ■ 고객 서비스 : 챗GPT를 활용한 자동화된 고객 응대, 자주 묻는 질문(FAQ) 자동 응답, 고객 피드백 수집 및 분석 ■ 교육 및 훈련 : 챗GPT를 통한 맞춤형 교육 자료 제공, 훈련 프로그램 관리, 실시간 질문 응답 시스템 구축 ■ 사양 관리 : 챗GPT를 사용하여 사양 데이터의 자동 검증 및 업데이트, 사양 변경 내역 관리, 사양 관련 질문에 대한 실시간 응답 제공 ■ 디지털 제조 : 챗GPT를 활용하여 제조 데이터 분석, 예측 유지보수 시스템 구축, 제조 과정 최적화 및 문제 해결 지원 ■ 데이터 보안 : 챗GPT를 통해 데이터 보안 시스템 강화, 실시간 보안 모니터링, 보안 위협에 대한 빠른 대응 방안 마련”   PLM 데이터 학습 방안 “PLM 데이터는 폐쇄적이고 기밀 정보가 많기 때문에 챗GPT가 직접적으로 학습하는 것은 어렵습니다. 그러나 다음과 같은 방안을 통해 챗GPT가 PLM 데이터를 활용할 수 있습니다. ■ 프록시 데이터 사용 : 익명화된 데이터로 학습하여 민감한 정보를 보호합니다. ■ API 기반 접근 : API를 통해 실시간으로 데이터를 조회하고 분석할 수 있습니다. ■ 데이터 마스킹 및 샘플링 : 민감 정보를 제거한 샘플 데이터를 사용하여 학습합니다. ■ 온프레미스 학습 시스템 : 기업 내부에 AI 학습 시스템을 구축하여 폐쇄된 환경에서 안전하게 학습합니다. ■ 주기적인 데이터 피드백 루프 : 정기적으로 업데이트된 데이터를 반영하여 학습합니다.”   결론 “챗GPT는 PLM 시스템의 다양한 문제를 해결할 수 있는 강력한 도구입니다. 데이터를 정확하게 관리하고 실시간으로 분석하며, 효율적인 의사소통을 지원함으로써 PLM 시스템의 효율성을 크게 향상시킬 수 있습니다. 그러나 데이터를 안전하게 관리하고, AI 모델의 정확성을 유지하기 위해 적절한 학습 방법과 보안 조치를 취하는 것이 중요합니다. 챗GPT를 통해 PLM 시스템의 문제를 해결하고, 더 나은 제품 개발과 관리를 실현할 수 있을 것입니다.”   PLM의 핫 이슈는 정합성과 정보의 공개 시행착오에서 해답을 찾을 수 있으리라 생각한다. 갈 길은 정해졌다. PLM의 가장 큰 이슈는 정합성과 정보의 공개이다. 왜냐면 사람이 운영하기 때문에, PLM의 복잡성 그리고 추적성을 고려하면 사용자들이 체계적으로 잘 사용해야 가능하다. 챗GPT가 해 줄 일은 자명하다. 고자질을 잘 할 것 같다. 누가 어떤 것에 에러를 범했다. 설계 데이터, BOM 오류, 결재를 미룬 사람 등 기업 업무의 불편한 진실을 챗GPT와 같은 생성형 AI가 내부고발자 역할을 하지 않을까 생각된다. 즉, 생성형 AI는 나를 도와주는 비서일 뿐만 아니라 감시자 역할도 할 수 있을 거라 예상된다.  두려움의 대상이라고 생각해도 나쁘지 않다. 시스템으로 의도하지 않은 업무상 오류를 바로잡을 수 있는 절호의 기회이기 때문이다.  기업 내부의 이슈로는 부서간, 개인간의 이해관계가 있다. 각자 자기 일을 잘 하게 되면 무슨 문제가 있으랴.    ▲ PLM과 챗GPT의 활용방안(Map by 류용효) (클릭하시면 큰 이미지로 볼 수 있습니다.)   ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2024-07-03
CAD&Graphics 2024년 7월호 목차
  INFOWORLD   People&Company 17 머티리얼라이즈 윌프리드 반크란 의장 3D 프린팅에 대한 새로운 시각이 성장 기회를 만들 것 36 트림블 코리아 김동준 상무 설계부터 운영까지, AI로 건설산업 전반의 혁신 지원   Focus 20 PLM/DX 베스트 프랙티스 컨퍼런스 2024, 제조산업의 디지털 전환 전략과 사례 소개 28 지멘스 DISW, “디지털 엔지니어링으로 자동차 개발을 혁신” 30 매스웍스, 디지털 제품 개발 위한 MBD 비전 제시 32 미르, 물류/자재 관리 혁신 위한 자율이동로봇 기술 소개 34 AWS-에티버스, “클라우드 ∙ AI ∙ 디지털 트윈이 제조 엔지니어링의 미래 이끈다”   New Products 39 게임 및 비주얼 콘텐츠 제작 전반의 기능과 편의성 강화 유니티 6 프리뷰 48 산업 디자이너를 위한 시각화 기능 향상 트윈모션 2024.1 52 기계/제조 분야의 활용성 높인 2D CAD 지더블유캐드 2025 54 HDD급 용량과 SSD 성능을 겸비한 스토리지 솔루션 샌디스크 데스크 드라이브 56 이달의 신제품   On Air 58 캐드앤그래픽스 CNG TV 지식방송 지상중계 레빗을 활용한 배관설계 패러다임 전환 59 캐드앤그래픽스 CNG TV 지식방송 지상중계 AI 시대의 로봇 기술 트렌드와 발전 방향   Column 60 디지털 지식전문가 조형식의 지식마당 / 조형식 디지털 엔지니어링의 히든 챔피언, 디지털 스레드 그리고 인생 디지털 스레드 63 현장에서 얻은 것 No.17 / 류용효 PLM과 챗GPT의 활용 방안   66 New Books   Directory 123 국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA    AEC 68 BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱 랭체인 아키텍처 및 동작 메커니즘 분석 74 새로워진 캐디안 2024 살펴보기 (7) / 최영석 캐디안 2024 SE의 시작 페이지 기능 77 복잡한 모델에서 인사이트를 얻고 설계 의사결정을 돕는 직스캐드 (4) / 이소연 파일 비교 기능 80 데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (3) / 천벼리 3D 비주얼 스타일 86 GPT 시대의 교육과 학습 / 양승규 GPT 시대의 슬기로운 AI 생활을 위해   Manufacturing 92 미래 공장을 위한 스마트 기계 르네상스 / 오병준 디지털 기반의 새로운 생산 환경과 제조 혁신   Analysis 96 앤시스 워크벤치를 활용한 해석 성공사례 / 김재은 우주발사체 하우징의 금속 적층제조 공정 시 과열 영역 예측 및 해결 방안 101 성공적인 유동 해석을 위한 케이던스의 CFD 기술 (11) / 나인플러스IT 혼합 오더 메시 커브 106 시뮤텐스 소프트웨어를 활용한 복합소재 해석 (4) / 씨투이에스코리아 고급 복합재 후변형 시뮬레이션을 위한 시뮤워프   Mechanical 109 제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (2) / 김주현 매스캐드 프라임 10.0 업데이트   Reverse Engineering 116 문화유산 분야의 이미지 데이터베이스와 활용 사례 (7) / 유우식 필사본 고서 데이터베이스     캐드앤그래픽스 2024년 7월호 목차 from 캐드앤그래픽스  
작성일 : 2024-06-27
오픈소스 LLaVA 기반 멀티모달 생성형 AI 서비스 만들기
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 챗GPT 4.0(ChatGPT 4.0)과 같은 LMM(Large langauge Multi-modal Model : 멀티모달 대규모 언어 모델)인 LLaVA(Large Language and Vision Assistant : 라바) 기반 멀티모달 생성형 AI 서비스 개발 방법을 설명한다.   ■ 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   라바는 이미지 투 텍스트(Image To Text)와 같은 언어-이미지 시각 어시스턴스(Language-Image Visual Assistant)를 지원하기 위해 ViT(Visual Instruction Tuning : 시각적 지시 조정)을 기반으로 개발된 멀티모달 모델 오픈소스이다. 예를 들어, 이미지를 단순히 분류해 주는 것이 아닌, 이미지 내 특정 객체들을 인식하고 관계를 설명할 수 있는 기술을 지원한다.   그림 1. 단독 로컬 서버 PC에서 라바 서비스 모습   참고로, ViT는 이미지의 특정 위치에 대한 객체 정보를 인식할 수 있도록 학습하는 기술이다. 예를 들어, GPT-4는 특정 부분의 시각적 특징을 인코딩하기 위해 YOLO 모델과 같이 경계 상자를 사용하고, CLIP 모델과 같이 해당 부분에 대한 텍스트 임베딩을 입력하여 학습한다. Visual Instruction Tuning : https://arxiv.org/abs/2304.08485   그림 2. ViT의 개념   라바의 NeXT 버전은 구글 제미나이 프로의 성능을 능가했다고 밝혔으며, 이전 버전인 라바 1.5에 비해 이미지 해상도, OCR 기능 등이 개선되었다고 한다.    그림 3. 라바 아키텍처   이번 호에서는 Ollama를 이용해 라바 NeXT를 로컬 PC에서 실행하는 방법을 따라해 본다.    라바의 개요 라바는 대형 멀티모달 모델로, GPT-4.0과 유사한 LMM을 개발하고자 마이크로소프트 연구팀에서 오픈소스로 개발되었다. MS는 라바의 논문, 깃허브(GitHub) 코드, 데모 사이트 등을 공개하였다.  LLaVA Demo : https://llava.hliu.cc LLaVA paper(Visual Instruction Tuning - Microsoft Research) : https://www.microsoft.com/en-us/research/publication/visual-instruction-tuning 라바 LMM은 비전 인코더, LLM 모델을 기반으로 개발되었으며, 이미지 투 텍스트에서 인상적인 성능을 보여준다. 라바는 비전 인코더로 오픈AI(OpenAI)에서 공개한 CLIP 모델을 사용했으며, 메타(페이스북)에서 공개한 LLaMA 기반 Vicuna LLM 모델을 사용했다. 학습은 A100 GPU×8×1 Day 와 60만개 데이터셋을 사용했다. 라바를 설치하고 실행해 보기 위해서는 다음의 개발 환경이 컴퓨터에 미리 설치되어 있다고 가정한다.(우분투, 엔비디아, 쿠다 등의 설치 방법은 지난 연재를 참고하기 바란다.) NVIDIA driver, CUDA, Python, anaconda, Ubuntu 22.04 Tensorflow, PyTorch Ollama(https://ollama.com/download)     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2024-06-03
[칼럼] 디지털 AI 전환 시대의 디지털 엔지니어링 이니셔티브
디지털 지식전문가 조형식의 지식마당   제품 개발을 시작하기 전에 제품 개발 이니셔티브(Product Development Initiative : PDI)가 중요하다.  이니셔티브(initiative)는 상황에 따라 ‘시작하는 의지나 능력’, ‘자발성’, ‘선도력’ 등으로도 표현될 수 있다. 하지만 가장 널리 인정받고 사용되는 번역은 ‘주도성’이라고 할 수 있다.  디지털 엔지니어링 이니셔티브(Digital Engineering Initiative : DEI)는 디지털 기술을 이용한 제품 개발 혁신을 하기 위한 주도적 전략이라고 할 수 있다. 이 전략의 산출물은 다섯 개라고 할 수 있다. 그것은 제품의 본질에 대한 엔티티(entity), 제품의 물리적 실체, 제품의 디지털 트윈, 제품의 소프트웨어 정의, PLM에 포함된 제품 개발 과정 CAX와 정보 기술로 생성된 모든 제품 정보이다.    그림 1. 가장 복잡한 이중 무한루프 디지털 엔지니어링 이니셔티브의 다섯 가지 산출물   디지털 기술을 이용하여 앞에서 소개한 제품의 다섯 가지 산출물에 대한 생성 전략이 디지털 엔지니어링 이니셔티브라고 할 수 있다.  이전의 정보화 시대의 제품 개발 이니셔티브는 <그림 2>와 같은 순환형이었으나, 현재의 디지털 기술과 4차 산업혁명에서는 무한 루프 형태로 변화하고 있다.   그림 2. 정보화 시대의 순환형 제품 개발 이니셔티브   정보화 시대에는 제품 개발에 필요한 많은 정보 기술 도구가 소개되었다. 특히 CAX와 PDM/PLM의 도입은 제품 개발 환경을 혁신적으로 변화시켰다. 그 이후에는 디지털 목업(digital mockup)과 가상 제품 개발(VPD) 환경으로 발전했으며, 이제는 디지털 트윈이나 제품의 가상화 방향으로 발전하고 있다. <그림 3>은 디지털 전환에서 무한 루프형의 제품 개발 이니셔티브를 보여주며, <그림 1>은 보다 복잡한 이중 무한 루프형 제품 개발 이니셔티브를 나타낸다. 그러나 모두 제품에 디지털 트윈을 도입하는 것도 아니며, 모든 제품에 소프트웨어 정의처럼 제품의 가상화를 적용하는 것은 아니지만, 일반적은 무한 루프형 제품 개발 이니셔티브는 적용될 것으로 보인다.   그림 3. 디지털 전환 시대의 무한 루프형 제품 개발 이니셔티브   보다 복잡한 형태의 디지털 엔지니어링 이니셔티브는 주로 방위 및 항공우주 분야에서 볼 수 있는 접근법으로, 제품 개발의 모든 단계에서 디지털 기술과 프로세스를 적극적으로 통합하고자 하는 전략이다. 이 이니셔티브는 제품 설계, 개발, 테스트, 생산 및 유지보수의 각 단계에서 디지털 도구와 데이터를 활용하여 효율성을 극대화하고 오류를 최소화하기 위해 노력한다. 디지털 엔지니어링 이니셔티브의 주요 구성 요소는 다음과 같다.   모델 기반 시스템 엔지니어링 MBSE(Model Based Systems Engineering)는 복잡한 시스템의 설계와 관리를 위해 모델을 중심으로 하는 접근 방식이다. 이를 통해 설계자는 텍스트 기반 문서 대신 시각적 모델을 사용하여 시스템 요구 사항, 설계, 분석, 검증 및 유지보수를 체계적으로 관리할 수 있다.   디지털 트윈 및 디지털 목업 디지털 트윈(digital twin)과 디지털 목업(digital mockup)은 실제 제품의 가상 모델링(virtual modeling)을 만들어 설계(design), 시뮬레이션(simulation), 테스트(test) 및 운영(operation)을 지원한다. 이러한 디지털 대응물은 제품의 성능을 예측하고, 문제를 조기에 발견하여 해결하는 데에 유용하다.   통합 데이터 환경 IDE(Integrated Data Environment)는 프로젝트의 모든 데이터와 정보를 중앙에서 관리하고, 팀 간의 협업을 촉진하는 플랫폼을 제공한다. 이는 데이터의 일관성과 접근성을 향상시켜 프로젝트 관리의 효율을 높일 수 있다.   가상 및 증강현실 VR(Virtual Reality) 및 AR(Augmented Reality) 기술은 복잡한 제품의 설계와 테스트 과정에서 현실감 있는 시뮬레이션을 제공하여, 설계자와 엔지니어가 실제 환경에서 제품을 사용하는 것과 유사한 경험을 할 수 있게 한다. 이는 특히 훈련, 사용자 인터페이스 테스트 및 유지보수 계획에서 유용하다.   자동화 및 AI 기술의 통합 자동화(automation) 도구와 인공지능(AI) 알고리즘은 반복적인 작업을 최적화하고, 복잡한 데이터 분석과 의사결정 과정에서 인간의 노력을 줄여준다. 이는 공정의 속도를 높이고 오류를 감소시키는 데 기여할 것으로 예상된다.    소프트웨어 정의와 가상화 기술 소프트웨어 정의 x(software-defined x)는 협의로는 하드웨어로 수행하던 기능을 소프트웨어로 구현하는 것으로부터, 하드웨어에서 소프트웨어를 분리하여 이들을 표준화된 기능으로 연동하여 추상화를 하는 광의의 개념을 다양한 응용 서비스에 적용하는 것을 의미한다고 할 수 있다.    그림 4. 이중 무한 루프형 제품 개발 이니셔티브   가상화(virtualization)는 컴퓨터 리소스를 물리적 환경에서 분리하여 여러 가상 환경을 만들 수 있게 하는 기술을 한다. 이러한 기술은 하나의 물리적 하드웨어 리소스 위에서 여러 운영 체제나 애플리케이션을 동시에 실행할 수 있게 해주며, IT 인프라의 효율성, 유연성, 비용 절감을 도모할 수 있다. 이것은 모든 제품 개발 환경과 제품 자체 서비스 등에 모두 적용할 수 있다.  디지털 엔지니어링 이니셔티브는 이러한 기술을 통합하여, 전체 제품 수명주기 동안 지속적인 품질 향상과 비용 절감을 달성하려고 한다. 이러한 접근 방식은 특히 기술적으로 복잡한 제품과 시스템의 설계 및 제조에 있어 중요하다. 이제 우리는 이러한 새로운 디지털 기술과 통합된 인공지능의 세상에서 제품을 개발하고 제품을 사용하는, 새로운 차원의 전환 시대에 진입하고 있다.    ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’,  ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2024-06-03
[칼럼] 컨셉맵으로 미래 그리기
책에서 얻은 것 No.20   “미래를 예측하는 가장 좋은 방법은 그것을 창조하는 것입니다.” - 피터 드러커  페친으로 커넥팅되어 시작된 인연은 인공지능 프로젝트를 통해서 책까지 출판하는 기회를 얻었다.  이번 칼럼은 그 여정에 대한 기록이다. 기록의 중요성을 또 한 번 느끼며, 만남과 인연도 중요함을 느꼈다.  그 모든 것의 중심에는 ‘관심’ 그리고 ‘깊이와 Hungry’가 있었다. 또한 ‘호기심’은 두말하면 잔소리이다.  그리고 나의 여정을 두 단어로 정의하면 ‘리더십, 인플루언서’로 정했다.    백만 유투버 ‘어비’를 만나다.  모든 시작은 우연에서 시작하여 뭔가의 연결고리를 통해서 커넥팅으로 시작된다.  어비(본명 송태민)는 대한민국을 넘어 아시아에서 인정받고 구글에서 인증하는 유투버이다. 그는 페이스북에서 자신을 이렇게 소개한다. “ 좋아하면 깊게 팝니다. 그래서 나는 어비입니다. IT전문 방송인, KBS 2TV, 라디오 출연중입니다. Google PE/유튜브 컨트리뷰터(유튜브 Algorithm 담당)”  그는 디자이너 출신이고, 애플 얼리 어댑터로 유명세를 떨쳤으며, 어비 글씨체도 유명하다. 한마디로 ‘인싸’, ‘인플루언서’이다.   ▲ 사진 출처 : 열린인공지능출판사     그를 오프라인에서 처음 만난 것은 2023년 6월 18일 여의도에서 열린 ‘어비와 함께 100인 100권 출판 프로젝트(출판기념회 with AI)’였다.  그리고 몇 달 후인 2023년 10월 27일 ‘인간이 지워진다 AI 시대, 인간의 미래(김덕진, 송태민, 우희종, 이상호, 류덕민 저)’ 북토크에서 김덕진 소장(it커뮤니케이션연구소), 송태민 님과 또 함께 사진을 찍었다. 이날의 느낌을 페이스북에 이렇게 기록했다.  “느낌에 ....  시즌1은 흥행(붐)을 일으킴 누구나 쉽게 쓰는 AI로 공전 히트 시즌2 이제 본격적으로 적용단계 준비 기업에서 지갑을 열면 흥행 성공 MS copliot으로 기업속으로 침투 중 다양한 응용형태가 있을 텐데... 기업형 ChatGPT는  비용이 얼마? 구축기간은?이 화두일듯 근데 정말 보안은 안전한 거야?  이런 저런 고민이 많을 듯... 일반 사용자는 무료가 쵝오!“    “오랫동안 꿈을 그리는 사람은 마침내 그 꿈을 닮아간다.” - 미상   ‘어비랑 책 프로젝트’에 참여하다 그러던 어느날… 어비님의 페이스북에 책쓰기 모집을 하는 글이 눈에 확 들어왔다.  또 시작합니다.  100인 100권 프로젝트 2탄입니다. 생성형 인공지능으로 종이책 출간하기(어비 프로젝트) 아직도 어비랑 책 프로젝트를 안하셨다고요? 지금이 기회예요! 어비가 직접 디자인도 멋있게 다 해드립니다. 함께 해요. 두 번째 진행하는 100인 100권 함께 해주세요.    ▲ 사진 출처 : 열린인공지능출판사   12일만에 책을 쓰고, 3달 후에 종이책을 손에 쥐었다. 그 여정의 스토리를 찾아서 기록들을 모아 봤다.  2023년 11월 11일의 페이스북 기록은 이러했다.  Taemin Song 김덕진 이종범 님을 믿고 냅다 질렀다. 자고로 나는 무료보다 유료로 구매할 때 더 잘 됨. 테슬라 주식 2주 처분하여 구매 완료! 책 제목도 정했다 ! 어쩌면 진행 중인 책보다 먼저 나올 각! 세 분을 믿고 열심히 달려보자!!! #어비 님 믿고 갑니다!    주제: 어비의 인공지능으로 출판하기 프로젝트 2024 2023년 11월 18일 토요일 [류용효] 드뎌 시작하는군요. 두근두근 ㅎㅎ [류용효] 어제 구상했다가 아침에 어비님 올린 동영상보고 따라해 보고 있습니다. (정말 그대로 따라하기! 핵심 포인트입니다. 나의 주관이나 뭐 그런 건 잠시 접어두고 말이죠.)  [어비] 맞아요 인공지능이 다 만들어주고 그 결과물 보면서 내용 수정해도 되니깐용~^^ [류용효] 일단 무모하지만… 오늘 본문 내용 다 만든다는 목표 세웠습니다. ㅎㅎ [류용효] 질문요! ChatGPT는 높임말로 “했습니다”로 써 주는데, “했다”로 하려면 뭐라고 얘기하면 될까요?  [어비] 반말로 써줘라고 하면 써줍니닷. [어비] 이렇게 하니 해주네용. “친구에게 쓰는 반말이 아니라 책에 쓰는 형식으로 써줘.” [류용효] 일단 퀵하게 전체를 돌려보니 감이 좀 오는 것 같습니다. 한방에 다 되는 것은 없으니, 조금 쉬면서 읽어보고 어디를 어떻게 채워야 될지 생각도 하고, 다른 AI에게도 물어보고 해야 할 것 같습니다. 제가 생각하는 글도 추가로 써 보고.   2023년 11월 21일 화요일 [류용효] 우와 대박입니다. 프롬프트… 내가 ChatgPT와 어떤 대화를 나누느냐가 핵심이었군요. 알고는 있었지만 이렇게 진지하게 써 보는 건 처음입니다! [류용효] 일단 Draft 버전으로 두 가지 산출물 완성! 다음 스텝은 Bard, 클로바x에 동일 질문 던져서 취합. 내일부터는 각각의 장을 읽어보고 보정하기 ^^  [어비] 본인이 직접 쓴 글 부분은 그래도 맞춤법 등 맞춰야겠죠~? [류용효] 음. 바드로 똑같이 질문하니 내용이 훨씬 좋은데요 ㅎㅎ  [류용효] 인쇄보기로 100페이지 나오면 실제 몇 페이지쯤 예상될까요? 150page까지 가도 될까요? [어비] 거의 그대로예요~~ 폰트 등에 따라 다르겠지만요~~^^ [류용효] 저도 써 놓고 정리… 1차 2차 3차… 그리고 제 생각을 써 넣으려고 합니다. 그 방법 밖에 없는듯.    2023년 11월 27일 월요일 [류용효] 오늘까지 그림도 좀 넣어서 90페이지 완성했습니다. ^^ 좀 더 노력해서 완성으로 가려고 합니다. ㅎㅎ  [류용효] ChatGPT, Bard, Clova x 세 개를 열어놓고, 동일 질문 결과를 본 후 가장 적당한 것을 사용하고 있습니다.  [류용효] 오늘은 하루종일 외근이라 아이패드 굿노트로 책 초안 리뷰할까 합니다. ^^ 펜으로 찍찍 글도 추가하고 하면 마무리될 듯. 하여튼 새로운 경험을 하는 중이네요. ^^  [류용효] 아이패드로 리뷰해 보니 수정사항이 겁나게 많이 보이네요. ㅎㅎ ChatGPT로 뽑은 거 하나하나 잘 봐야 할 듯~    2023년 11월 29일 수요일 [류용효] 드디어 100페이지 도달했습니다. ^^ 표지에 들어갔으면 하는 로고와 사진 모음 정리했고… 오늘 밤에는 기필코 완료 버튼을 눌러 산출물에 올리려고 합니다. ^^ [어비] 일요일까지라고 안심하지 마시고 열심히 쓰시고 교정교열 등 마무리까지 다들 체크체크입니다! [류용효] 인쇄보기로 보면 목차 크기(폰트 조절 필요)와 배열들이 보이는데 조절해야 할까요? 교정은 몇 번 보았습니다.  [어비] 배열 등은 제가 보면서 이상한 점은 잡아낼 예정입니다. 폰트 사이즈 등 제가 다 손볼 수 있습니다! [류용효] 넵! 감사합니다. 남은 기간동안 교정은 또 보고 또 볼께요. ^^   2023년 11월 30일 목요일 [류용효] 표지 들어갈 사진을 여러 장 넣었는데요. 어비님 한번 보시고 뭐가 좋을지라는 생각에서요. 괜찮죠? ㅎㅎ 디자인 감각은 제가 너무 떨어져서요. 잘 부탁드려요. [어비] 그 정도 센스는 제가 넘치기에 마음껏 넣어주세요! [류용효] 우왕 ^^ 넵! 마음껏 넣어 보겠습니다. ㅎㅎ 왜냐면 챗지피티, 바드로 써 보니 기본 흐름은 좋은데 디테일 한계로 일정 부분 제 의견을 넣었거든요.  [류용효] 저는 내년에 쓸 책 주제 정했고 미리 써 놓을 생각입니다. ^^ 방법 알았고 템플릿 있으니. ^^   “미래는 오늘 당신이 하는 일에 달려 있습니다.” - 마하트마 간디   컨셉맵으로 미래 그리기 - 학생과 학부모를 위한 진로 탐험 드디어 2024년 3월 30일 책이 출판되었다. 책의 부제목은 ‘컨셉맵으로 그리는 나만의 미래’이다.  그리고 마케팅 문구를 만들었다. 처음에는 어렵게 느껴졌는데, 가이드를 받고 따라하다 보니 어느새 그럴듯한 문구들이 만들어졌다.  “어떻게 하면 나만의 꿈과 비전을 더 명확하게 그릴 수 있을까요? 컨셉맵으로 여정을 시작해보세요. ‘컨셉맵으로 미래 그리기’는 당신이 성공적인 미래를 위해 어떤 목표를 세우고, 어떻게 계획을 세우며, 더 나아가 소통과 협업을 통해 어떻게 성공에 한 발짝 더 다가갈 수 있는지 알려줍니다. 각 장마다 제시되는 질문들은 독자들에게 심층적인 고찰을 유도하며, 나만의 컨셉맵을 그리는 동안 효과적인 피드백과 가이드를 제공합니다. 컨셉맵은 당신의 미래를 시각적으로 만들어내는 강력한 수단입니다. 이 책을 통해 당신만의 특별한 여정을 시작해보세요.” “당신의 꿈과 목표가 어디에 숨어있을까요? 류용효 작가의 ‘컨셉맵으로 미래 그리기’를 읽어보세요. 이 책에서 류용효 작가는 목표의 문을 열고 미래의 비전을 그리며, 강점과 가능성을 탐험하는 과정에서 자신을 발견하도록 실질적인 조언과 팁을 제공합니다 이 여정에서 새로운 아이디어와 통찰력을 얻어, 미래를 도전적이고 의미 있는 방향으로 이끌어나갈 수 있도록 안내합니다. 꿈을 현실로 만들기 위한 첫 걸음을 함께 나아가 봐요! 책 속에서 우리는 여러분의 꿈과 목표에 대한 비밀스러운 통로를 찾아 나섭니다. 컨셉맵의 마법에 휩싸여 목표의 문을 열고, 미래의 비전을 그려가며 자아를 탐험합니다. 이 여정은 강점과 가능성의 발견으로 이어져, 자신을 더 깊이 이해하게 될 것입니다. 새로운 아이디어와 통찰력은 여러분의 미래를 도전적이고 의미 있는 방향으로 이끌 것이며, 꿈을 현실로 만들기 위한 첫 걸음을 함께 나아가게 됩니다. 이 책은 여러분이 소중한 목표에 도달할 수 있도록 이끄는 동반자가 되어, 풍요로운 미래를 함께 그려보세요.”   ▲ ‘컨셉맵으로 미래 그리기’ 서평맵(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   나의 책을 한 장의 서평맵으로 만들었다.  2024년 3월 30일 POD(맞춤형 소량 출판) 방식으로 세상에 나왔다. POD(Publish On Demand)는 미리 종이책을 찍지 않고 주문이 들어올 때마다 레이저 프린터 등으로 종이책을 인쇄하는 방식이다. 주문형 출판이라고도 한다. 그리고 4월 18일 미모셀(미래모빌리티셀럽) 모임에서 출판 강연 및 사인회를 시작으로 2024년 나의 의미 있는 여정이 시작되었다.    ▲ 사진 제공 : 피엘엠카페     “성공의 99%는 마음가짐에 달려 있다.” - 미상   커넥팅을 넘어 공감을 나누다 내친김에 2025년 컨셉맵 캘린더에 두 분을 모셨다. 김덕진 소장님과 어비 님을 3월, 4월의 주인공으로 해서 라이프맵 혹은 서평맵으로 진행 중이다.  2021년에 처음 시작한 컨셉맵 캘린더가 내년이면 5주년을 맞이한다. 그래서 특별한 손님을 모셨다. 금융 AI로 유명한 오순영님, 그리고 늘 존경하는 글로벌 소프트웨어 한국 지사장님이신 정운성님, 인공지능 및 IT 신지식인인 김덕진 소장님과 어비님, 씽크와이즈로 정리의 달인이고 화성시청의 업무혁신을 이끌고 계신 권석민 팀장님, 시스템 개발의 풀스택을 강의하고 사업을 하는 강창훈 대표님, 종행무진 마음 AI의 우수성과 가치와 비전을 알리고 계시는 손병희 전무님, 자율주행의 다크호스로 곧 상장을 앞둔 자율주행의 눈을 개발하고 있는 SOSLA 장지성 대표님, 투자의 현인과 최근 죽음의 문턱에서 되살아 나며 제2의 인생을 달리고 있는 김관성 전무님, 베트남 비즈니스의 노하우를 가진 이정훈 대표, 그리고 최근 가천대학교 창업대학 초빙교수로 발탁되신 홍원준 교수님, 그리고 곧 박사학위 취득을 앞두고 있는 이슬아 님 등과 2025년을 뜻깊게 보내기 위해 각각 다른 맵을 만들려고 한다. 나의 1년 프로젝트이다.    ▲ 2025 컨셉맵 캘린더 (제공 : 피엘엠카페)   자신의 미래를 머릿속으로 생각만 하지 말고, 말하고 글로 쓰고, 시각화로 표시하여 타인을 이해시키는 것이 무엇보다 중요할 것이다. 이제 컨셉맵은 내 머리 속에서 생각을 정리하고 연결하는 것이 자연스러워졌다. 그리고 내재화가 된 것 같다.  나는 한 장의 맵으로 정리하는 것을 큰 보람으로 생각하며 기대와 호기심이 많다. 그래서 사람들과 잘 소통하고 그리고 그들을 무대로 불러내서 그들의 손으로 본인의 생각을 꺼집어내어 일을 풀어가도록 유도한다. 물론 내가 잘 모르는 것도 많고 또 잘 못하는 것은 너무나 많다. 최소한 기본을 잘 하려고 노력하며, 커넥팅을 통해서 협업과 지혜를 통해서 선한 영향력을 키우고자 하는 것이 나의 모토이다.  ‘컨셉맵클래스’, 내가 늘 생각하는 단어이다. 컨셉맵으로 통하는 길목에서 사람들에게 영감과 길을 안내하고 수익도 내고 나의 생활을 영위하고 기쁨과 즐거움으로 가득한 생활을 누리고 싶다. 이것이 내가 바라는 세상이다.    ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2024-06-03
CDA&Graphics 2024년 6월호 목차
  17 THEME. 제조기업이 말하는 스마트 혁신 전략과 추진 과정   제조 혁신의 미래 : 포스코의 디지털 트윈 추진 사례 설계부터 운영까지 : LG의 스마트 공장 구축 여정과 사례 생산성을 넘어서는 가치 추구 : 현대차/기아의 스마트 공장 추진 현황   INFOWORLD    New Products 29 비주얼 콘텐츠 제작의 퍼포먼스 · 품질 · 생산성 향상 언리얼 엔진 5.4 34 건축 설계-시공 워크플로 개선 및 건설 생산성 강화 올플랜 2024-1 서비스 릴리스 36 하드웨어 기반 반도체 개발 검증 솔루션 벨로체 CS 45 이달의 신제품   Case Study 38 발레오, SXSW에서 차량 내 XR 레이싱 게임 공개 자율주행 시대의 새로운 사용자 경험을 제시하다   Focus 40 폼랩, “제조산업에서 3D 프린팅의 가능성 넓힌다” 42 AWS, 산업 혁신 지원하는 포괄적 클라우드/AI 기술 소개   Column 48 디지털 지식전문가 조형식의 지식마당 / 조형식 디지털 AI 전환 시대의 디지털 엔지니어링 이니셔티브 51 책에서 얻은 것 No. 20 / 류용효 컨셉맵으로 미래 그리기   On Air 56 캐드앤그래픽스 CNG TV 지식방송 지상중계 생성형 AI LLM과 스테이블 디퓨전 최신 기술 및 활용 동향 57 캐드앤그래픽스 CNG TV 지식방송 지상중계 다양한 산업군에서의 HPC on AWS 58 캐드앤그래픽스 CNG TV 지식방송 지상중계 생성형 AI 시대의 BIM 기술과 스마트 건설 59 캐드앤그래픽스 CNG TV 지식방송 지상중계 산업별 DX/PLM 전략과 생성형AI 혁신 60 캐드앤그래픽스 CNG TV 지식방송 지상중계 미래를 선도하는 혁신 제조 기술의 활용 가능성 61 News 66 New Books   Directory 115 국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 68 BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱 오픈소스 LLaVA 기반 멀티모달 생성형 AI 서비스 만들기 72 새로워진 캐디안 2024 살펴보기 (6) / 최영석 캐디안 2024 SE의 새로운 기능 소개 76 데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (2) / 천벼리 아레스 AI 어시스트 112 복잡한 모델에서 인사이트를 얻고 설계 의사결정을 돕는 직스캐드 (3) / 이소연 사용성을 강화하는 QPro 및 LANDY 연동   Reverse Engineering 83 문화유산 분야의 이미지 데이터베이스와 활용 사례 (6) / 유우식 고서 자형 데이터베이스   Mechanical 94 제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (1) / 김성철 크레오 11.0에서 향상된 주요 기능 소개 100 산업 디지털 전환을 위한 버추얼 트윈 (2) / 최윤정 자동차 산업에서 3D익스피리언스 카티아의 활용법   Analysis 80 성공적인 유동 해석을 위한 케이던스의 CFD 기술 (10) / 나인플러스IT 전기/기계 엔지니어의 역량을 강화하는 통합 AI 열 해석 104 앤시스 워크벤치를 활용한 해석 성공사례 / 김은자 앤시스 플루언트 GPU 솔버의 소개와 활용 108 시뮤텐스 소프트웨어를 활용한 복합소재 해석 (3) / 씨투이에스코리아 복합재 성형-구조 연계 해석을 위한 시뮤드레이프       캐드앤그래픽스 2024년 6월호 목차 from 캐드앤그래픽스
작성일 : 2024-05-31
[주영섭 칼럼] CES 2024가 우리 제조업에 던진 시사점
주영섭 특임교수 / 서울대학교 공학전문대학원(前 중소기업청장)   매년 1월 초 미국 라스베이거스에서 열리는 CES(소비자전자쇼)는 미래 기술 트렌드를 제시하는 세계 최대 기술 전시회라는 면에서 그 중요성이 날로 커지고 있다. CES는 1967년 뉴욕에서 시작하여 초기에는 가전제품을 중심으로 열렸으나, 2000년대 들어 자동차 및 헬스케어 분야로 확대되고 최근 AI(인공지능), 5G/6G 통신, 로봇, 드론, 메타버스 등 디지털 기술을 물론 우주, 스마트 시티, 푸드테크, 블록체인 및 웹3.0 등 사실상 첨단기술 전 분야를 망라하고 있다. 세계가 디지털·그린·문명 대전환 시대를 맞이하고 과학기술이 국가와 기업의 명운을 좌우하는 기술패권 시대로 접어들면서 기술의 트렌드를 이해하고 기술 역량을 확보하는 것이 생존과 발전의 필수 요건이 되고 있다. CES가 기업인은 물론 정부 관계자들이 반드시 가봐야 하는 중요한 전시회가 되고 있는 이유다. 특히 작년부터 전 세계를 강타하고 있는 챗(Chat)GPT 등 생성형 AI가 CES 2024의 핵심 화두가 되면서 새해 세계인의 관심이 더욱 집중된 바 있다. 올해 CES 2024에는 153개국에서 4,300개사가 전시업체로 참여하여 작년 3,200개를 훨씬 상회하고 참관 인원도 13만 5천명으로 작년의 11만 5천명을 대폭 초과하는 성황을 이루었다. 국가별로 전시업체 수를 비교해 보면 1위는 주최국인 미국으로 1,201개, 2위는 중국으로 1,115개, 3위가 한국으로 784개다. 우리나라는 올해 작년의 598개 대비 대폭 증가한 역대 최다 전시업체 참여로 CES 주관기관이 올해 핵심 키워드가 ‘Korea’라며 향후 CES의 주도국으로 큰 기대감을 내비치고 있다. 과거 우리 기업의 CES 참가는 삼성, LG, 현대기아차 등 대기업 중심으로 이루어졌으나 최근 스타트업‧벤처 기업 참여의 증가세가 괄목할 만하다. 올해 600개사 참여로 역대 최다 기록이다. 전 세계 1,200개 스타트업 기업의 혁신 기술 경연장이 된 유레카관에 우리 스타트업 기업이 443개 참여하여 프랑스 180개, 일본 60개, 네덜란드 60개 등 다른 나라를 압도하였다. 향후 많은 개선의 여지는 있으나 우리 기업과 정부의 다년간의 스타트업 육성 및 글로벌화 의지에서 나온 고무적 성과다. CES를 주도하고 있는 첨단 기술분야가 사실상 제조업의 현재와 미래를 망라하고 있다. 전자·ICT, 반도체, 배터리, 모빌리티, 로봇, 바이오, 헬스케어, 우주항공 등이 모두 첨단 제조업이다. 구조적으로 수출 등 해외의존도가 높은 우리 경제에서 제조업의 중요성이 절대적인 만큼 CES의 중요성도 대단히 중요하다. 이러한 맥락에서 CES에서 우리 대기업 및 스타트업‧벤처 기업의 존재감과 활약의 대폭 확대는 중장기적으로 큰 전략적 의미를 가지고 있다고 하겠다.   CES 2024  전시회    CES 2024가 제시한 기술 트렌드 및 패러다임 혁신은 우리 기업에 많은 시사점을 던지고 있다. 먼저 ‘기술 중심’에서 ‘기술의 목적(Purpose) 중심’으로 패러다임이 전환되고 있음을 주목해야 한다. 즉, 기술을 위한 기술 혁신이 아니라 인류를 위한 기술 혁신이어야 한다는 목적 중심으로의 관점 전환이 중요하다. CES는 작년부터 ‘모두를 위한 인류 안보 (Human Security for All)’라는 핵심 슬로건을 제시하며 세계가 모두 함께 기술 혁신으로 인류의 문제를 해결하자고 역설했다. 환경, 식량, 의료, 경제, 개인 안전 및 이동, 공동체 안전, 정치적 자유의 7개 분야에 올해 AI 등 기술이 추가된 8개 분야에서 인류가 당면하고 있는 큰 위험으로부터 인류를 구해내기 위해서는 새로운 기술혁신이 필요하다는 것이다. 우리 제조업의 당면과제인 ‘빠른 추격자(Fast Follower)’에서 ‘선도자(First Mover)’로의 전환에 성공하려면 세계인에 새로운 시대정신 기반의 ‘인류를 위한 기술 혁신’을 제시할 수 있어야 한다. CES의 핵심 슬로건인 ‘모두를 위한 인류 안보’는 우리 제조업의 기술 혁신이 지향할 목적으로 의미가 크다. 다음으로 CES 2024의 핵심 키워드인 ‘AI 전환(AX)’과 ‘지속가능성’에 주목해야 한다. AX는 디지털 전환(DX)의 핵심으로 기존의 분류형·예측형 AI에 생성형 AI가 가세함으로써 모든 산업 및 기업에 AX는 필수적 기본이 되고 있다. AX는 연결·데이터·AI가 3대 핵심요소인 DX의 핵심이지 별개가 아님은 두말할 여지가 없다. 우리 모든 기업, 기관 및 정부의 AX가 시급하다. 기업의 AX는 두 가지로 추진되어야 한다. 하나는 AI를 기반으로 개인화 및 맞춤화 등을 포함한 제품 및 서비스의 혁신이고, 또 하나는 AI를 통한 업무 및 작업의 생산성과 효율성의 획기적 제고다. 올해 AI 기반의 제품 혁신에서는 ‘온 디바이스(On-Device) AI’가 크게 부각되었다. 스마트폰, PC 및 노트북, 자동차, 로봇, 가전제품에 AI를 올리기 위한 ‘온 디바이스 AI’가 급속도로 확산될 전망이다. 이에 따라 AI 반도체, 센서, 클라우드 및 데이터 인프라, 디바이스 등 AI 생태계 구축이 국가적 과제가 되고 있다. 지속가능성’은 ‘환경’과 ‘사회’의 두 방향으로 추구되고 있다. ‘환경의 지속가능성’은 그린 대전환(GX)의 핵심이며 CES 2024에서는 탄소중립을 목표로 친환경 소재, 순환경제, 재생에너지 인프라, 수소, 핵융합 등 대체에너지가 큰 주목을 받았다. ‘사회의 지속가능성’은 ESG(환경·사회·지배구조)의 중요 축이며 사회 양극화, 젠더, 노소, 인종, 소외계층 등 사회문제 해결에 기여하는 포용적 기술 혁신이 크게 부상하였다. 이 역시 우리 제조업에의 시사점이 크다. 끝으로, 협력의 중요성이다. 속도가 너무 빠른 기술 혁신과 목적 중심의 패러다임 전환에 따라 협력 및 융합이 필수적으로 요구되고 있다. CES 2024에서도 이종 업종 간은 물론 동종 업종 내에서도 다양한 협력 사례가 제시되었다. AI 생태계 구축, 연결의 상호호환성 표준 등이 좋은 예다. 역시 우리 제조업계가 많은 노력을 해야 할 대목이다.  
작성일 : 2024-05-08
오픈AI CLIP 모델의 이해/코드 분석/개발/사용
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 생성형 AI의 멀티모달 딥러닝 기술 확산의 계기가 된 오픈AI(OpenAI)의 CLIP(Contrastive Language-Image Pre-Training, 2021) 코드 개발 과정을 분석하고, 사용하는 방법을 정리한다.    ■ 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. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast CLIP은 구글이 개발한 자연어 번역 목적의 트랜스포머 모델, 비전 데이터 변환에 사용되는 VAE(Variational Autoencoder) 개념을 사용하여 멀티모달 학습 방식을 구현하였다. 이번 호에서는 그 과정을 설명하고 파이토치로 직접 구현하는 과정을 보여준다. CLIP을 이용하면 유튜브, 넷플릭스와 같은 영상에서 자연어로 질의해 해당 장면을 효과적으로 검색할 수 있다. 참고로, CLIP에서는 트랜스포머가 핵심 컴포넌트로 사용되었다. CLIP과 같이 트랜스포머가 자연어 번역 이외에 멀티모달의 핵심 기술이 된 이유는 비정형 데이터를 연산 가능한 차원으로 수치화할 수 있는 임베딩 기술의 발전과 트랜스포머의 Key, Query, Value 입력을 통한 여러 학습 데이터 조합이 가능한 특징이 크게 작용했다.    그림 1. 멀티모달 시작을 알린 오픈AI의 CLIP 모델(Learning Transferable Visual Models From Natural Language Supervision, 2021)   트랜스포머와 VAE를 이용한 멀티모달 CLIP 네트워크를 좀 더 깊게 파헤쳐 보도록 한다. 앞서 설명된 트랜스포머, 임베딩과 관련된 개념에 익숙하다면, CLIP을 이해하고 구현하는 것이 그리 어렵지는 않을 것이다.    CLIP에 대한 이해 오픈AI에서 개발한 CLIP 모델은 공유 임베딩 공간 내에서 이미지 및 텍스트 형식을 통합하는 것을 목표로 했다. 이 개념은 기술과 함께 이미지와 텍스트를 넘어 다른 양식을 수용한다.(멀티모달) 예를 들어, 유튜브 등 비디오 애플리케이션 내에서 텍스트 검색 성능을 개선하기 위해 공통 임베딩 공간에서 비디오 및 텍스트 형식을 결합하여 모델을 학습시켰다. 사실, 임베딩 텐서를 잠재 공간(Latent Space)으로 이기종 데이터를 변환, 계산, 역변환할 수 있다는 아이디어는 VAE 기술, 구글의 트랜스포머 논문(2017)을 통해 개발자들 사이에 암시되어 있었다. 이를 실제로 시도해본 연구가 CLIP이다.  참고로, CLAP(Contrastive Language-Audio Pretraining)은 동일한 임베딩 공간 내에서 텍스트와 오디오 형식을 통합하는 또 다른 모델로, 오디오 애플리케이션 내에서 검색 기능을 개선하는 데 유용하다. CLIP은 다음과 같은 응용에 유용하다. 이미지 분류 및 검색 : CLIP은 이미지를 자연어 설명과 연결하여 이미지 분류 작업에 사용할 수 있다. 사용자가 텍스트 쿼리를 사용하여 이미지를 검색할 수 있는 보다 다양하고 유연한 이미지 검색 시스템을 허용한다. 콘텐츠 조정 : CLIP은 부적절하거나 유해한 콘텐츠를 식별하고 필터링하기 위해 이미지와 함께 제공되는 텍스트를 분석하여, 온라인 플랫폼의 콘텐츠를 조정하는 데 사용할 수 있다. 참고로, 메타 AI(Meta AI)는 최근 이미지, 텍스트, 오디오, 깊이, 열, IMU 데이터 등 6가지 양식에 걸쳐 공동 임베딩을 학습하는 이미지바인드(ImageBind)를 출시했다. 두 가지 모달리티를 수용하는 최초의 대규모 AI 모델인 CLIP은 이미지바인드 및 기타 다중 모달리티 AI 시스템을 이해하기 위한 전제 조건이다. CLIP은 배치 내에서 어떤 N×N(이미지, 텍스트) 쌍이 실제 일치하는지 예측하도록 설계되었다. CLIP은 이미지 인코더와 텍스트 인코더의 공동 학습을 통해 멀티모달 임베딩 공간을 만든다. CLIP 손실은 트랜스포머의 어텐션 모델을 사용하여, 학습 데이터 배치에서 N개 쌍에 대한 이미지와 텍스트 임베딩 간의 코사인 유사성을 최대화하는 것을 목표로 한다.  다음은 이를 설명하는 의사코드이다. 1. img_en = image_encoder(I)   # [n, d_i] 이미지 임베딩 인코딩을 통한 특징 추출  2. txtxt_emdn = textxt_emdncoder(T)    # [n, d_t] 텍스트 임베딩 인코딩을 통한 특징 추출 3. img_emd = l2_normalize(np.dot(img_en, W_i), axis=1)    # I×W 결합(조인트) 멀티모달 임베딩 텐서 계산 4. txt_emd = l2_normalize(np.dot(txtxt_emdn, W_t), axis=1)  # T×W 결합(조인트) 멀티모달 임베딩 텐서 계산 5. logits = np.dot(img_emd, txt_emd.T) * np.exp(t)   # I×T * E^t 함수를 이용한 [n, n]코사인 유사도 계산 6. labels = np.arange(n) 7. loss_i = cross_entropy_loss(logits, labels, axis=0)  # 이미지 참값 logits과 예측된 label간 손실 8. loss_t = cross_entropy_loss(logits, labels, axis=1)  # 텍스트 참값 logits과 예측된 label간 손실 9. loss = (loss_i + loss_t)/2   # 이미지, 텍스트 손실 평균값   실제 오픈AI 논문에는 <그림 2>와 같이 기술되어 있다.(동일하다.)   그림 2     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2024-05-02