• 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 "PDF"에 대한 통합 검색 내용이 8,685개 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
엔비디아, 지포스 RTX 50 시리즈 GPU로 PC에서 생성형 AI 강화
엔비디아가 지포스 RTX(GeForce RTX) 50 시리즈 GPU의 AI 워크로드를 가속화하는 엔비디아 NIM과 AI 블루프린트(AI Blueprint)를 공개했다. NIM과 AI 블루프린트는 개발자와 애호가들이 AI를 로컬에서 구축, 반복, 배포할 수 있도록 도와 AI 접근성을 확대한다. 엔비디아 지포스 RTX 5090, 5080 GPU는 블랙웰(Blackwell) 아키텍처를 기반으로 설계됐다. 블랙웰 아키텍처는 새로운 DLSS 멀티 프레임 생성(Multi Frame Generation)을 지원해 렌더링된 프레임당 최대 3개의 프레임을 생성하는 AI를 사용해 FPS를 향상시킨다. 엔비디아는 이들 GPU가 엔비디아 DLSS 4 기술로 최대 8배 빠른 프레임 속도, 엔비디아 리플렉스 2(Reflex 2)로 낮은 지연 시간, 엔비디아 RTX 뉴럴 셰이더로 향상된 그래픽 충실도를 제공한다고 밝혔다. 또한, 지포스 RTX 50 시리즈는 최신 생성형 AI 워크로드를 가속화하기 위해 제작됐다. 초당 최대 3352조 개의 AI 연산(TOPS)을 처리하는 한편, 5세대 텐서 코어와 FP4 정밀도 지원 기능을 갖춰 고급 AI 모델의 실행 속도를 높이고 효율성을 증가시킨다. 이에 따라 AI 애호가, 게이머, 크리에이터, 개발자들에게 향상된 경험을 선사한다.     엔비디아는 지난 CES 2025 전시회에서 AI 개발자와 애호가들이 이러한 기능을 활용할 수 있도록 지포스 RTX 50 시리즈 GPU에 최적화된 엔비디아 NIM과 AI 블루프린트를 공개했다. 엔비디아 NIM 마이크로서비스는 사전 패키지 생성형 AI 모델이다. 이는 개발자와 애호가들이 생성형 AI를 쉽게 시작하고, 빠르게 반복하며, RTX의 성능을 활용해 윈도우 PC에서 AI를 가속화할 수 있도록 한다. 엔비디아 AI 블루프린트는 개발자들에게 NIM 마이크로서비스를 사용해 차세대 AI 경험을 구축하는 방법을 보여주는 참조 프로젝트이다. AI 모델 개발이 빠르게 발전하고 있지만, 이러한 혁신을 PC에 적용하는 것은 많은 사람들에게 여전히 어려운 과제이다. 허깅페이스(Hugging Face)와 같은 플랫폼에 게시된 모델은 PC에서 실행하기 위해 선별, 조정, 정량화돼야 한다. 아울러 기존 도구와의 호환성을 보장하기 위해 새로운 AI 애플리케이션 프로그래밍 인터페이스(API)에 통합돼야 한다. 또한, 최고의 성능을 발휘할 수 있도록 최적화된 추론 백엔드로 변환돼야 한다. RTX AI PC와 워크스테이션을 위한 엔비디아 NIM 마이크로서비스는 커뮤니티 기반과 엔비디아가 개발한 AI 모델에 대한 접근을 제공함으로써 이러한 과정의 복잡성을 줄일 수 있다. 이 마이크로서비스는 업계 표준 API를 통해 쉽게 다운로드하고 연결할 수 있으며, AI PC에 필수적인 주요 양식을 포괄한다. 나아가 다양한 AI 도구와 호환되며 PC, 데이터센터, 클라우드 등 어디에서나 유연한 배포 옵션을 제공한다. NIM 마이크로서비스는 RTX GPU가 탑재된 PC에서 최적화된 모델을 실행하는 데 필요한 요소를 포함한다. 여기에는 특정 GPU용 사전 구축 엔진, 엔비디아 텐서RT(TensorRT) 소프트웨어 개발 키트(SDK), 텐서 코어(Tensor Core)를 사용한 가속 추론용 오픈 소스 엔비디아 텐서RT-LLM 라이브러리 등이 있다. 마이크로소프트와 엔비디아는 리눅스용 윈도우 서브시스템(Windows Subsystem for Linux, WSL2)에서 RTX용 NIM 마이크로서비스와 AI 블루프린트를 활성화하기 위해 협력했다. WSL2를 사용하면 데이터센터 GPU에서 실행되는 것과 동일한 AI 컨테이너를 RTX PC에서 효율적으로 실행할 수 있다. 덕분에 개발자는 플랫폼 전반에 걸쳐 보다 쉽게 AI 모델을 구축, 테스트, 배포할 수 있다. 또한, NIM과 AI 블루프린트는 5세대 텐서 코어와 FP4 정밀도 지원 등, 지포스 RTX 50 시리즈의 기반이 되는 블랙웰 아키텍처의 주요 혁신을 활용한다. AI 계산은 매우 까다롭고 막대한 처리 능력을 필요로 한다. 이미지나 비디오 생성, 언어 이해, 실시간 의사 결정 등 AI 모델은 매초마다 수백 조의 수학적 연산을 수행해야 한다. 이를 따라잡기 위해 컴퓨터는 AI 전용으로 제작된 특수 하드웨어가 필요하다. 엔비디아 지포스 RTX GPU는 지난 2018년 이러한 집중적인 워크로드를 처리하도록 설계된 전용 AI 프로세서인 텐서 코어를 도입했다. 기존의 컴퓨팅 코어와 달리, 텐서 코어는 더 빠르고 효율적으로 계산을 수행함으로써 AI를 가속화하도록 설계됐다. 이 혁신적인 기술 덕분에 AI 기반 게임, 창작 도구, 생산성 애플리케이션이 주류로 자리 잡을 수 있었다. 블랙웰 아키텍처는 AI 가속을 한 차원 더 발전시킨다. 블랙웰 GPU의 5세대 텐서 코어는 최대 3,352 AI TOPS를 제공해 더욱 까다로운 AI 작업을 처리하고 동시에 여러 AI 모델을 실행할 수 있다. 즉, 실시간 렌더링에서 지능형 어시스턴트에 이르기까지 더 빠른 AI 기반 경험을 제공해 게이밍, 콘텐츠 제작과 그 밖의 분야에서 더 큰 혁신을 이룰 수 있는 길을 열어준다. NIM 마이크로서비스에 기반한 엔비디아 AI 블루프린트는 사전 패키지화되고 최적화된 참조 구현을 제공한다. 이를 통해 디지털 휴먼, 팟캐스트 생성기 또는 애플리케이션 어시스턴트 등 고급 AI 기반 프로젝트를 보다 쉽게 개발할 수 있도록 해 준다. 엔비디아는 CES 2025에서 사용자가 PDF를 재미있는 팟캐스트로 변환하고, 이후 AI 팟캐스트 호스트와의 Q&A를 만들 수 있는 블루프린트인 PDF 투 팟캐스트(PDF to Podcast)를 시연했다. 이 워크플로는 동기화된 7가지 다른 AI 모델을 통합해 역동적이고 상호작용적인 경험을 제공한다. PDF 투 팟캐스트는 여러 AI 모델을 활용해 PDF를 흥미로운 팟캐스트로 매끄럽게 변환하는 AI 블루프린트이다. AI 기반 팟캐스트 호스트가 진행하는 대화형 Q&A 기능도 포함한다. AI 블루프린트를 사용하면 RTX PC와 워크스테이션에서 AI를 실험하는 것에서 개발하는 단계로 빠르게 넘어갈 수 있다. 엔비디아는 “생성형 AI는 게이밍, 콘텐츠 제작 등 다양한 분야에서 가능성의 한계를 넓혀가고 있다”면서, “NIM 마이크로서비스와 AI 블루프린트를 사용하면 최신 AI의 발전이 더 이상 클라우드에만 국한되지 않고, RTX PC에 최적화돼 제공된다. RTX GPU를 사용하면 개발자와 애호가들은 PC와 워크스테이션에서 바로 AI를 실험하고 구축하고 배포할 수 있다”고 전했다. NIM 마이크로서비스와 AI 블루프린트는 곧 출시될 예정이다. 지포스 RTX 50 시리즈, 지포스 RTX 4090과 4080, 엔비디아 RTX 6000과 5000 전문가용 GPU에 대한 초기 하드웨어 지원이 함께 제공될 예정이며, 향후 추가 GPU도 지원될 계획이다.
작성일 : 2025-02-06
암중모색
시점 - 사물이나 현상을 바라보는 눈 (2)   지난 호에서는 ‘시점 - 사물이나 현상을 바라보는 눈’이라는 제목의 연재 첫 번째 주제로 모든 행동의 원동력이 되기도 하는 ‘호기심’에 관해서 소개하였다. 우리가 세상을 어떻게 바라보고 어떻게 이해하는지에 관해서 생각해 보았다. 이번 호에서는 우리가 바깥세상에 대한 정보를 어떠한 방식으로 얻고 어떻게 이해의 폭을 넓혀가고 그렇게 얻은 정보를 어떻게 활용하는지를 ‘암중모색’이라는 단어를 통해서 살펴보도록 한다. 이러한 행동은 한시도 쉴 새 없이 일어나는 일이지만 순간적으로 일어나는 일이기도 하고, 너무나 익숙한 나머지 의문을 품는 일이 드물다. 매우 당연한 현상으로 받아들이는 것이 자연스러울 수도 있지만 한 번쯤은 유체 이탈해서 자연과 반응하는 자기 모습을 관찰하는 것도 ‘시점 - 사물이나 현상을 바라보는 눈’을 이해하는 데 도움이 될 듯하다.    ■ 연재순서 제1회 호기심 제2회 암중모색 제3회 관찰의 시점과 관점 제4회 정적 이미지와 동적 이미지 제5회 변화와 흐름의 관찰 제6회 개별 관찰 제7회 집단 관찰 제8회 확률과 통계 제9회 작용, 반작용, 상호작용 제10회 무엇을 볼 것인가? 제11회 무엇을 믿을 것인가? 제12회 가설, 모델, 이론의 설득력의 시대성   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산 설비 분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재 분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원, 국제문화재전략센터 전문위원이다. 홈페이지 | www.wafermasters.com   그림 1. 바깥세상의 정보는 마치 어둠 속에서 암중모색하듯 감각기관을 통해서 얻은 정보를 바탕으로 대상을 알아가는 과정과 같다.    암중모색 앞이 전혀 보이지 않는 칠흑 같아 어두운 전혀 가본 적도 없는 미지의 공간에 들어가게 된다면 어떤 일이 일어날까? 우선 두려움이 엄습해 올 것이다. 자신이 어디에 있는지, 앞으로 무슨 일이 일어날지 알지 못하기 때문에 마음이 몹시 불안해질 것이다. 시간이 조금 지나면서 신체에 위험이 없다고 판단되면 자기가 있는 곳에 관한 정보를 얻고 싶은 ‘호기심’이 생길 것이다. 그러나 앞이 전혀 보이지 않으므로 눈이 있어도 무용지물이다. 그 상황에서 벗어나려고 해도 주변의 상태를 알지 못하면 대책을 세울 수도 없다. 어둠 속에서 시각을 제외한 여러 가지 감각기관을 사용하여 상황 파악에 도움이 될만한 정보를 수집하여 그동안의 경험으로 축적해 온 자신만의 데이터베이스를 활용하여 어떤 결론을 얻게 될 것이다. 그야말로 ‘암중모색(暗中摸索)’ 상태가 된다.(그림 1)  우리가 바깥세상의 정보를 수집하는 안테나의 역할을 하는 다섯 가지 감각을 오감이라고 부른다.(그림 2) 시각, 청각, 후각, 미각, 촉각을 통하여 정보를 수집하여 데이터베이스화하여 의식작용을 거쳐서 각종 판단을 하게 되는데, 시각이 약하면 약한 대로 없으면 없는 대로 자신만의 데이터베이스를 만들어 활용하게 되는 것이다. ‘암중모색’이라고 하면 단어의 의미에 집착하게 되어 시각에만 국한되는 느낌을 지울 수 없지만, 모든 미지의 세계를 탐색하는 과정이 이와 같다. 우리 주변에는 앞을 전혀 보지 못하는 시각 장애인도 있고 전혀 듣지 못하는 청각 장애인도 있다. 몇 년 전에 전 세계적으로 유행했던 코로나바이러스 감염 후유증으로 후각 또는 미각을 잃었던 환자분들도 계셨다. 환경의 정보를 받아들이는 여러 종류의 안테나(감각 기능) 중에서 일부가 고장 나거나 성능이 약화하였던 것이라고 할 수 있다.   그림 2. 바깥세상의 정보를 얻는 안테나 역할을 하는 다섯 가지 감각(오감)과 의식의 관계   이 세상은 나의 사정과 무관하게 아무 일도 없던 것처럼 돌아간다. 우리가 얻을 수 있는 정보의 질과 양이 다를 뿐이며, 개인적으로 축적해 온 데이터베이스의 내용과 활용 방법과 효율이 다를 뿐이다. 때로는 초음파, 엑스선, 적외선, 자외선 등을 이용하여 다양한 정보를 우리가 인지할 수 있는 시각 정보로 변환하여 활용할 수 있는 기기를 ‘암중모색’ 프로젝트의 보조수단으로 활용한다.   둥근 지구를 본 사람들 오늘날 ‘지구가 둥글다’라는 것은 초등학생도 아는 상식 중의 상식이다. 옛날에는 어땠을까? 해가 동쪽에서 뜨고 서쪽으로 지면 보이지 않으므로, 대부분의 사람은 땅은 평평하고 땅의 가장자리로 가면 낭떠러지가 있을 것이라고 믿었다. 그것이 그 당시의 상식이었다. 우리와 같은 오감으로 ‘암중모색’하여 내린 당시의 결론이다. 고대 그리스의 철학자 탈레스(Thales)는 지중해를 항해하면서 관찰한 땅의 모양을 근거로 땅은 원형 방패처럼 가운데가 부풀어 오른 원반형이라고 주장하였다. 그리고 이를 근거로 피타고라스(Pythagoras)는 지구가 둥글며, 완전한 구형이라고 주장했다. 그러나 중세 유럽에서는 종교적인 이유로 지구가 둥글다는 것을 부정하고 지구가 평평하다고 생각했다고 잘못 알려져 있다. 중세에도 관련 분야의 지식에 접근이 가능한 학자는 고대의 연구를 받아들여 지구가 둥글다고 생각했다. 이 시대에는 지동설과 천동설이 논쟁의 중심이었다. 기원전 4세기경 그리스의 알렉산드로스 대왕(Alexander the Great)이 활약하던 헬레니즘(Helenism) 시대에 이미 완성된 천동설은 지구가 둥글다는 지구 구형설을 전제로 성립된 것이었다. 그러나 그들은 여러 가지 현상을 통해서 지구가 둥글 것이라는 ‘암중모색’의 결과를 도출했을 뿐이다. 아무도 실제의 지구 전체의 모습을 보지 못했다.   그림 3. 지구의 전체 모양과 크기는 어떻게 확인할 수 있었을까?    적도 지름 1만 7756km의 지구의 전체 모습은 고궤도 인공위성의 비행 고도인 3만6000km 이상, 지구 적도 지름의 2배 이상 떨어진 거리에서 관측해야 가능하다.(그림 3) 따라서 지금까지 육안으로 지구가 둥글다는 것을 확인한 사람은 거의 없다. 지상으로부터 고도 400km의 궤도를 비행하는 국제우주정거장(ISS)에서조차 지구 전체의 모습을 한눈에 관찰할 수 없다. 국제우주정거장은 지구를 약 90분 만에 한 바퀴 돌 수 있는 속도로 이동하면서 다양한 실험, 연구, 지구 및 천체 관측을 수행하고 있다. 지구와 달의 평균 거리가 38만 4400km이므로 지구 전체의 모습을 볼 수 있는 고도인 3만 6000km는 지구와 달의 거리의 약 1/10에 해당한다. 기원 전 4세기의 ‘암중모색’의 결과가 현대 과학기술로 확인된 셈이다. 지구의 직경은 어떻게 측정했을까? 측정된 값은 얼마나 정확할까? 어디를 기준으로 측정했을까? 바닷물은 왜 지구의 표면에서 지구 중심을 향해서 낮은 곳을 채우며 구면을 형성하고 있을까? 해수면의 높이는 지구 어디에서나 같을까? 지금도 지구에 대해서 아는 것보다 모르는 것이 더 많다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-02-04
제조 산업의 설계 혁신을 위한 ZWCAD LM & ZWCAD MFG
전문적인 기계 설계 프로세스의 조합   지더블유캐드코리아는 전문 직업훈련교사인 ‘캐드신’과 협업하여 ZWCAD LM & ZWCAD MFG의 전문적인 기계 설계 프로세스를 다룬 영상을 제작하였다. ZWCAD(지더블유캐드) LM과 ZWCAD MFG는 제조업 및 기계 설계에 최적화된 CAD 설루션으로서, 해당 영상에서는 효율적인 설계 프로세스를 지원하는 다양한 기능을 소개한다. 이번 호에서는 ZWCAD LM과 MFG를 활용한 전문적인 기계 설계 프로세스를 심층적으로 다루며, 매크로와 리스프(LISP)를 활용한 부품 설계와 중심선 그리기 작업을 중점적으로 설명한다.    ■ 자료 제공 : 지더블유캐드코리아, www.zwsoft.co.kr   ZWCAD LM & MFG의 강점 ZWCAD LM은 ‘Limited MFG’의 약자로, 2D CAD 기능과 함께 기계 설계에 필수인 표준 부품 라이브러리와 주석 기능을 제공한다.  6만 개 이상의 표준 부품 라이브러리 : KS, JIS 등 국제 표준을 지원 STEP 파일 호환성 : 대용량 파일의 신속한 처리와 3D CAD 호환 리스프 및 매크로 지원 : 반복 작업 자동화 ZWCAD MFG는 LM의 확장 버전으로, 40만 개 이상의 표준 부품과 고급 기계 설계 도구를 제공한다.  파트 참조 기능 : 부품 리스트의 효율적 관리 영역 축척 : 다양한 축척의 도면 관리 기능 다중플롯 기능 : 대량 도면 출력 시 효율 극대화   리스프를 활용한 부품 설계 리스프(LISP)는 ZWCAD LM과 MFG의 핵심 자동화 기능으로, 반복 작업을 대폭 줄이고 생산성을 높여준다.    2D 중심선 그리기 - 리스프 활용 *.lsp 파일을 로드하여 중심선 생성 단축키로 전체 홀의 중심선을 한 번에 자동 생성 대량의 홀을 가진 도면에 적합   ZWCAD MFG의 파트 참조를 활용한 부품 리스트 관리 ZWCAD MFG의 파트 참조 기능은 대규모 부품 리스트를 효율적으로 관리하는 데 강력한 도구이다. 사용자는 도면에 파트 참조 객체를 삽입하여 직접 부품 정보를 입력할 수 있으며, 해당 객체가 삽입될 때 부품 리스트가 자동으로 업데이트된다. 이를 통해 데이터의 정확성을 유지하고, 실시간으로 정보를 반영할 수 있어 오류를 방지할 수 있다.    ZWCAD LM의 다중프레임 설정 및 공차   그림 1. 다중 프레임 설정 기본 세팅   그림 2. 다중 프레임 영역 지정   ZWCAD LM은 기계 설계에 필수적인 기능을 제공하며, 특히 다중프레임 설정과 공차 기능은 설계의 정확성을 극대화한다. 다중프레임 설정 기능은 부품 크기에 맞춰 자동으로 축척을 조정하는 기능으로, 기존 도면 양식을 복사해 사용하는 번거로움을 해소해준다. 영역을 지정하는 것만으로 도면 크기에 맞는 척도가 자동으로 설정되며, 표제란의 편집 대화상자에서 내용을 쉽게 수정할 수 있다.   그림 3. 치수를 더블 클릭하고 대화상자에서 공차 입력   그림 4. 쉬운 공차 조회   공차 기능은 치수의 정확성을 유지하고 기계 장치의 원활한 조립을 보장하기 위해 필수이다. ZWCAD LM에서는 치수를 더블 클릭하고 끼워맞춤 공차나 일반 허용차를 간편하게 입력할 수 있다. 시각적으로 제공되는 끼워맞춤 공차 옵션은 설계자가 쉽게 적용할 수 있도록 도와준다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2025-02-04
크레오 11의 모델 기반 정의 개선사항
제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (9)   이번 호에서는 크레오 11(Creo 11)이 모델 기반 정의(Model-Based Definition, 이하 MBD) 워크플로를 혁신적으로 개선해 설계와 제조 프로세스의 효율성을 높이고 데이터의 명확성을 강화한 내용을 알아보자. 특히, 주석 관리, 조합 상태, 상속 모델, 표 생성 및 관리 등에서 사용자 경험을 크게 향상시킨 부분을 중점적으로 살펴보자.    ■ 박수민 디지테크 기술지원팀의 과장으로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   MBD에서 테이블 생성 및 활용 방법     모델을 열어 MBD 작업을 진행하기 위해 보기 관리자 아이콘을 선택하여 ‘모두’ 탭에서 ‘결합된 보기 표시’를 체크하고 보기 관리자 창을 닫는다.     사전에 생성한 보기들이 아래 탭에서 쉽게 전환할 수 있게 되어 MBD 작업을 편하게 할 수 있다.     크레오 11에서는 주석 달기에서 기존 도면 작업과 같이 테이블을 삽입하는 기능이 새롭게 추가되었다. MBD 작업을 위해 ‘주석 달기’ 탭으로 이동하여 5×4 테이블을 생성한다.     테이블을 생성한 후, 위쪽의 대시보드에서 테이블 속성 값을 바로 변경할 수 있다. 또한, 생성된 테이블을 선택하면 나타나는 팝업 창을 통해서도 속성 값을 편리하게 수정할 수 있다. 두 가지 방법 모두 테이블 속성을 빠르고 직관적으로 관리할 수 있도록 돕는다.      기존에 만들어 둔 테이블은 파일에서 테이블 삽입이나 빠른 테이블 기능을 통해 불러와 재사용할 수 있다. 이를 통해 필요한 테이블을 효율적으로 관리하고 작업 시간을 줄일 수 있다.      ‘파일에서 테이블 삽입’을 선택하여 배치하려는 테이블 파일을 불러온다.     불러온 테이블을 화면에 배치하고 이동하려는 모서리를 선택하여 Shift를 누른 상태로 드래그하면, 배치된 방향을 기준으로 수평/수직의 형태로 이동할 수 있다. Shift를 누르지 않고 드래그하면 임의대로 배치 이동을 할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-02-04
가상 엔지니어링과 모델 기반 개발에 CAE를 활용하는 방법
디지털화 기반의 제조산업 혁신 전략   최근 디지털화가 화제가 되고 있지만 제조업의 디지털화는 1980년대 중반부터 이미 시작되었다. 예를 들어 2D 도면, BOM(Bill of Material), 서표 등의 디지털화는 상당한 효율 향상 효과를 가져왔다. 다음으로 1995년경부터 설계의 3D화가 시작되어, 21세기에 들어서는 3D 도면의 일반 보급이 전 세계에서 시작된다. 이 3D 도면에 의해 ‘도면대로의 제조’가 가능하게 되어, 세계적으로 형상 품질의 균등화와 표준화가 진행되고 우리나라의 제조 품질 우위가 사라지기 시작했다. 또한 형태 및 제어 알고리즘을 포함한 기능 성능을 디지털로 표현할 수 있는 가상 모델은 그 자체가 제품 자체의 현실적인 성능을 보여주기 때문에, 기존의 현실적인 제품과 같은 비즈니스 대상이 되었다. 제조 비즈니스 모델의 변화도 이미 시작되었다.   ■ 오재응 LG전자 기술고문, 한양대학교 명예교수   가상 엔지니어링 디지털화, 3D 도면화의 보급 후 2010년경부터는 자동차 산업을 중심으로 부품과 모듈의 형상을 표현하기 시작했다. 3D 모델과 기능을 표현하는 시뮬레이션 모델의 융합된 가상 (사실상) 모델을 기반으로 새로운 개발 및 제조 시스템의 보급 전개가 시작되었다.   기존의 개발·제조 흐름 제품 개발·제조에서는 기획/브랜드 단계, 구상 설계 단계, 상세 설계 단계를 거쳐 양산 검토, 세일즈 전개 검토의 흐름이 존재한다.(그림 1) 각 기술자, 전문가에 의해 단계마다 제품의 사양이 숙성 최종적으로 사양이 결정되고 양산된 후 각 고객에게 제품이 전달되었다. 기존에 초기 검토·설계 단계의 기획/브랜드, 구상 설계의 공정은 콘셉트나 목표 등을 정합하는 주요 목적으로 영업, 경영, 기획, 제품 개발 각 전문 분야의 리더 등을 중심으로 회의실에 모여 과거 데이터, 시장의 요망 등을 고려하여 기획/브랜드, 구상을 결정했다.   그림 1. 기존 제품 개발의 흐름   그 후 구체적인 형상이나 기능 설계를 실시하는 상세 설계로 옮겨, 프로토타입을 이용한 실험을 중심으로 한 검증을 반복한다. 이 단계에서는 CAE(Computer Aided Engineering) 기술도 이용하면서, 물건(실기) 베이스에서의 사양의 검증과 구조도 포함한 보증을 중심으로 행해진다. 이 때문에 큰 공수와 기간이 필요하지만, 이 상세 설계 단계가 없으면 제품의 설계·제조로 진행되지 않았다. 여기서는 제품 사양 숙성과 구조 현장과의 맞춤형이 행해져 구조의 효율화도 고려되어, 코스트 경쟁력이 높은 우리나라 품질의 제품이 태어나는 우리나라의 것 만들기의 기반이 되었다.   새로운 개발·제조의 흐름의 성립 제품을 시장화하는 방법과 흐름은 유럽에서 시작하여 세계의 제조업을 크게 변화시키고 있다. 종래는 회의실에서 이루어진 제품의 개념, 기본 기능 사양의 목표 등을 결정하는 초기 검토·설계 기획/브랜드, 구상 설계 단계에서 설계의 전 사양, 제조 검토 전 요건이 정해지는 기술과 환경이 움직이기 시작했다.(그림 2) 이것이 가상 엔지니어링이다.   그림 2. 가상 엔지니어링의 제품 개발    가상 엔지니어링에서는 부품 및 모듈의 형상을 표현하는 3D 모델과 기능을 표현하는 시뮬레이션 모델을 융합한 가상 모델이 기획/개발/제조/영업/마켓/서비스 및 공급업체 간에 공유되고, 설계 및 구조의 상세한 모든 사양과 모든 요건의 검증을 정확하게 실시하는 기술과 환경이 제공된다. 여기에서 이루어지는 것은 물건 대신 가상 모델을 이용한 정합의 일종이라고 생각하면 알기 쉽다. 이 가상 모델을 통해 개발하는 모습은 모델 기반 개발이라고도 불린다. 이 모델 기반 개발에 대해서는 우리나라의 모델 기반 개발과는 정의의 범위가 다르다고 생각되므로 그 상세에 대해서는 다음에 설명한다. 가상 모델을 연계한 개발 플랫폼은 기획/개발/제조/영업/마켓/서비스 등 각 분야의 기술과 콘셉트를 각 분야를 초월한 융합을 실시하는 개발·제조 기반의 개혁을 전 세계에 가져오기 시작했다.   새로운 엔지니어링 환경의 성립 CAE와 CAD/CAM의 연계 설계 및 제조 CAD/CAM과 실험 대신 해석하는 CAE는 21세기에 들어설 때까지 연계되지 않았으며, CAD/CAM 분야와 CAE 분야는 각각 다른 디지털 환경이 존재했다. 따라서 설계에서 CAE를 활용하는 설계 검토를 실시하기 위해서는 설계자 이외에 CAE 기술자가 대응하는 것이 주를 이루었다. 그러나 대부분의 설계 현장에서는 설계와 CAE에 의한 설계 사양 검토의 동기화가 어려운 상태가 계속되고 있었다. 21세기가 시작된 2001년에는 자동차 산업에서 범용 CAD 시스템 상에서 CAE 해석을 할 수 있게 되어, CAD 환경과 CAE 환경이 연계되었다. 이 때부터 분리된 CAE에서 CAD/CAM/CAE을 연계한 공통 디지털 환경/설계/분석/제조 협력 체제가 시작되었다.   데이터, 모델과 연계 CAE 해석은 당초 강도/강성/NV(소음·진동) 분야가 중심이었지만, 그 후 차량 전체의 거동, 차체 주위의 유체 해석 등 모든 CAE 분야를 설계 단계에서 해석할 수 있게 된다. 많은 분야에서 CAE 해석 기술이 넓어졌기 때문에 해석, 제조 등 모든 분야의 검토를 설계자가 실시하는 것이 아니라, 설계 단계에서 해석 부문이나 제조 부문 등의 엔지니어가 설계와 동기화된 검토를 가능하게 하는 환경 기술과 매니지먼트 기술의 연구가 시작되었다. 특유라고 불린 협업이 가상 환경에서 광범위하게 이루어지게 되었다고 말할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-02-04
Multiscale.Sim을 활용한 전고체전지의 제조 공정 해석 방법
전고체전지의 성능·품질 향상을 위한 CAE 활용   이번 호에서는 Multiscale.Sim(멀티스케일심)을 사용하여 전고체전지의 제조 공정에서 고품질, 고성능의 제품을 생산할 수 있도록 해석적으로 접근하는 방법을 알아보겠다.   ■  하효준 태성에스엔이 MBU-M1팀의 수석매니저로 전기전자, 반도체, 헬스케어 관련 구조 해석 기술 지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   최근 전기차에 많이 사용되고 있는 리튬이온전지(lithium ion battery)는 충전이 쉽고 에너지 밀도가 뛰어나 실용적이지만, 구성 재료 중 하나인 전해질이 가연성 액체로 외부 충격에 의한 화재나 폭발 등과 같은 열 폭주 이슈가 발생하고 있다.   그림 1. 전고체전지와 리튬이온전지(LIB)의 구조   리튬이온전지의 대체품으로 각광받고 있는 전고체전지(solid state battery)는 <그림 1>과 같이 전지 양극과 음극의 사이에 전해질이 액체가 아닌 분말 형태의 불연성 고체로 대체되어 매우 안정적인 특징이 있는 차세대 배터리이다. 이러한 전고체전지는 기존 리튬이온전지에 비해서 낮은 이온 전도도를 갖는 단점이 있는데, 이는 전고체전지의 전해질이 고체로 이루어져 있어서 자유롭게 모양을 변경할 수 없기 때문이다. 이에 대한 대책으로 전해질을 분말로 분쇄하여 적용하며, 분말 형태로 적용이 되면 입자의 배열이 제품의 특성에 큰 영향을 미치는 인자이다. 고성능의 전고체전지를 개발하기 위해서는 이온이 잘 움직일 수 있는 높은 부피비율과 공극이 없는 고체전해질 층을 만들고, 분말을 구성하는 입자들 사이에 완전한 접촉을 갖게 하는 것이 중요하다. 이를 위해서는 각 공정별 최적 조건을 찾는 것이 필요하며, Multiscale.Sim이 이에 대한 대책이 될 수 있다. Multiscale.Sim을 사용하면 상위 공정 결과를 하위 공정으로 전달하여 좀 더 정확한 평가가 가능하며, DEM과 FEM을 방법을 연결해 줄 수 있는 인터페이스를 가지고 있어서 이를 고려할 수 있다.   전고체전지의 제조 공정 전고체전지의 제조 공정은 여러 방법으로 접근 가능하지만, 널리 알려진 방법은 <그림 2>와 같이 습식과 건식 두 가지로 나눌 수 있다.   그림 2. 전고체전지의 제조 공정   먼저 습식 제조 공정은 혼합(mixing), 도포(coating), 건조(drying), 압축(press)의 네 단계로 이루어져 있으며 혼합 공정부터 재료는 슬러리 형태의 액상으로 존재한다. 그리고 도포와 건조 공정을 거치면서 다시 입자 형태로 돌아간 후 압축 공정을 거쳐 제작된다. 습식 공정은 일반적으로 액체 상태로 공정이 시작되기 때문에 얇은 두께의 필름 형태로 제작이 가능하며, 이에 따라서 시트형 배터리에 주로 사용된다. 건식 제조 공정은 혼합(mixing), 충전(filling), 압축(press)의 세 단계로 이루어져 있다. 혼합과 충전 공정에서 재료는 아직 입자의 형태로 존재하기 때문에 입자의 비율, 공극의 정도, 충전된 형태 등에 따라서 재료의 성질이 달라질 수 있다. 이에 따라 입자의 거동 및 특성을 분석하는 것이 <그림 3>과 같이 중요한 인자이다.   그림 3. 입자의 구성에 따른 전고체전지의 성능 예시   건식 공정과 습식 공정 모두 장단점을 가지고 있지만, 이번 호에서는 건식 제조 공정 기반으로 알아보고자 한다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-02-04
터보 기계 시뮬레이션을 위한 엔지니어 가이드 Ⅲ
성공적인 유동 해석을 위한 케이던스의 CFD 기술 (18)   터보 기계는 흐르는 유체와 회전하는 요소 사이에서 에너지 전달이 일어나는 기계에 초점을 맞춘 기계공학의 한 분야이다. 이러한 장치는 많은 산업 분야에서 중추적인 역할을 한다.이번 호에서는 메시 작업 이후 유동 흐름 및 물리 모델을 설정하는 과정을 살펴본다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   흐름 및 물리 모델 설정 메시 프로세스를 완료한 후 흐름 및 물리 모델을 설정하는 것은 정확한 예측을 위한 토대를 마련하는 중요한 작업이다. 이 프로세스에는 미묘한 터보기계 흐름 역학을 포착하는 데 중요한 적절한 층류 또는 난류 모델을 선택하는 것이 포함된다. 또한 재료 특성 지정, 경계 조건의 신중한 구성, 초기 조건 설정이 수반된다. 이러한 세부 사항에 주의를 기울임으로써 시뮬레이션 프레임워크는 복제하고자 하는 실제 물리적 시나리오를 반영할 수 있도록 잘 준비될 것이다.   머티리얼 프로퍼티 정의 재료 속성을 올바르게 지정하면 다양한 작동 조건에서 유체 또는 고체 재료의 물리적 거동을 사실적으로 캡처할 수 있다. 다음에는 지정해야 할 주요 머티리얼 프로퍼티가 나열되어 있다.  밀도 및 점도 : 유체의 경우 이러한 특성은 특히 관성 및 흐름 저항 측면에서 흐름 거동에 영향을 미치므로 정확한 밀도와 점도를 지정하는 것이 중요하다.  열적 특성 : 여기에는 열 전달과 관련된 시뮬레이션에 필수적인 비열 용량과 열전도도가 포함된다.  압축성 : 가스의 경우 밀도와 압력의 변화를 정확하게 모델링하려면 압축성 계수가 필요하다.  탄성 및 가소성(고체 재료의 경우) : FSI와 관련된 시뮬레이션에서는 유체 힘에 대한 구조적 반응을 예측하기 위해 탄성 및 가소성과 같은 기계적 특성이 필요하다. 재료 특성은 온도, 압력 및 기타 환경 요인에 따라 변화하는 경우가 많다. 특히 다양한 작동 조건이 예상되는 시뮬레이션에서는 이러한 변화를 고려하는 것이 필수이다. 재료 특성이 부정확하면 실제 성능과 상당한 편차가 발생하여 설계 프로세스가 잘못될 수 있다.   유동 모델 선택 시뮬레이션의 물리적 특성을 반영하기 위해 재료 특성을 정의했다면, 다음 단계는 적절한 유동 모델링 접근 방식을 선택하고 구현하는 것이다. 터보 기계의 흐름은 본질적으로 불안정(unsteady)하며 3차원의 점성, 불안정 효과의 조합으로 설명할 수 있다. 그러나 터보 머신의 설계는 다열 상호 작용(예 : 전위 효과 및 파동 전파), 난류(예 : 와류 흘림 및 2차 흐름), 설계 외 효과(예 : 회전 실속 및 서지), 외부 왜곡(예 : 돌풍 및 발생 바람), 블레이드 진동(예 : 플러터 및 강제 응답) 같은 현상으로 인한 불안정한 효과를 무시하고 안정된 유동 해석에 기반하는 경우가 많다.  <그림 1>에 제시된 흐름 모델은 불안정성을 올바르게 모델링하는 데 필수이다.    그림 1. 주기성 및 안정성을 기반으로 터보 기계의 불안정성을 포착하는 흐름 모델   Large Eddy Simulation(LES) & Detached Eddy Simulation(DES) : 터보 기계의 불안정한 현상을 포착하는 충실도 높은 모델이다. LES는 큰 난기류 스케일을 해결하고 작은 난기류 스케일을 모델링한다. 반대로 DES는 단단한 벽 근처의 RANS 방법과 벽에서 떨어진 영역의 LES 방법을 혼합하여 더 큰 규모의 난류 소용돌이와 흐름 분리를 포착한다. 두 방법 모두 난류와 불안정한 흐름 역학에 대한 상세한 인사이트를 제공하지만 계산 비용이 높다.  Reynold-Average Navier-Stokes(RANS) : RANS는 터보 기계의 안정적인 흐름 조건을 시뮬레이션하는 데 이상적이다. 이 접근 방식은 시간에 따른 NS 방정식의 평균을 구하여 평균 흐름 거동에 대한 통찰력을 얻는다.  Unsteady Reynolds-Averaged Navier-Stokes(URANS) : URANS는 시간에 따른 효과를 포착하기 위해 RANS 접근 방식을 확장한 것이다. 주기적 및 일시적인 실행 문제를 시뮬레이션하는 데 사용할 수 있다. 주기적 현상은 시간 평균 주기적 솔루션과 섭동을 포함하며, 과도 실행 문제는 일시적인 시작 및 종료 시나리오와 같은 불안정하고 비주기적인 현상과 관련이 있다.  Frequency Domain Method : 주기적인 불안정 현상을 시뮬레이션하기 위한 계산 방식이다. 시간에 따른 해를 계산하는 대신 진동 주파수를 고려함으로써 불안정성으로 인한 정상 상태 효과를 분석할 수 있다. 이 방법은 특히 블레이드 통과 효과와 같은 주기적 응답을 캡처하는 데 유용하며, 전체 과도 시뮬레이션에 비해 계산 비용을 절감할 수 있다.   난기류 모델링 레이놀즈 응력이라고 하는 NS 방정식의 비선형 항은 일반적으로 다양한 난류 모델을 사용하여 모델링한다. 난류는 속도 및 압력과 같은 유체 속성이 평균값 주변에서 무작위로 예측할 수 없는 변화를 보이는 것이 특징이다. 일반적으로 레이놀즈 수가 400에서 2000 사이의 임계값을 초과할 때 나타난다. 특히 산업용 애플리케이션의 95%에서 임계 레이놀즈 수가 이 임계값을 초과한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-02-04
전문 BIM 자료를 이해하는 대규모 언어 모델 파인튜닝하기
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 전문적인 BIM 자료를 이해할 수 있는 대규모 언어 모델(LLM, Large Language Model)을 개발하는 방법을 알아본다. BIM 기반 LLM을 개발하는 방법은 여러 가지가 있으나, 여기에서는 그 중 하나인 RAG(Retrieval Augumented Generation, 증강 검색 생성) 시 LLM이 잘 추론할 수 있도록 모델을 파인튜닝(fine-turning)하는 기술을 사용해 본다.   ■ 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 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   LLM 모델 파인튜닝의 개념 파인튜닝이란 사전에 학습된 LLM을 특정 도메인이나 작업에 맞게 최적화하는 과정이다. 기본적으로 LLM은 일반적인 자연어 처리 작업을 수행하도록 설계되어 있지만, 전문적인 특정 지식 도메인(예 : 건설 분야의 BIM 데이터)이나 문제를 다룰 때는 환각 현상이 심해지므로 해당 도메인에 특화된 데이터로 모델을 재학습시켜야 한다. 이를 통해 모델이 특정 영역에서 더 정확하고 유용한 결과를 생성하도록 만든다. 파인튜닝 과정은 다음과 같은 단계로 이루어진다.  ① 사전 학습된 모델 선택 : 이미 대규모 데이터로 학습된 LLM을 선택한다. ② 도메인 특화 데이터 준비 : 대상 분야와 관련된 고품질 데이터를 수집하고, 이를 정제 및 전처리한다. ③ 모델 파라미터 조정 : LoRA(Low-Rank Adaptation)같은 기법을 사용하여 모델 파라미터를 특정 도메인에 맞게 업데이트한다.  ④ 훈련 및 검증 : 준비된 데이터로 모델을 학습시키고, 성능을 검증하며 최적화한다. 여기서, LoRA 기술은 LLM을 파인튜닝하는 데 사용되는 효율적인 기법이다. 이 방법은 모델 전체를 다시 학습시키는 대신, 모델의 일부 파라미터에만 저차원(lowrank) 업데이트를 적용하여 파인튜닝한다. 이를 통해 학습 비용과 메모리 사용량을 대폭 줄이면서도 높은 성능을 유지할 수 있다. 이 글에서 사용된 라마 3(Llama 3)는 메타가 개발한 LLM 제품이다. 모델은 15조 개의 토큰으로 구성된 광범위한 데이터 세트에서 훈련되었다.(라마 2의 경우 2T 토큰과 비교) 700억 개의 파라미터 모델과 더 작은 80억 개의 파라미터 모델의 두 가지 모델 크기가 출시되었다. 70B 모델은 MMLU 벤치마크에서 82점, HumanEval 벤치마크에서 81.7점을 기록하며 이미 인상적인 성능을 보여주었다. 라마 3 모델은 컨텍스트 길이를 최대 8192개 토큰(라마 2의 경우 4096개 토큰)까지 늘렸으며, RoPE를 통해 최대 32k까지 확장할 수 있다. 또한 이 모델은 128K 토큰 어휘가 있는 새로운 토크나이저를 사용하여 텍스트를 인코딩하는 데 필요한 토큰 수를 15% 줄인다.   개발 환경 준비 개발 환경은 엔비디아 지포스 RTX 3090 GPU(VRAM 8GB), 인텔 i9 CPU, 32GB RAM으로 구성되었다. 이러한 하드웨어 구성은 대규모 BIM 데이터를 처리하고 모델을 학습시키는 최소한의 환경이다. 이 글에서는 사전 학습모델은 허깅페이스(HF)에서 제공하는 Llama-3-8B 모델을 사용한다. 파인튜닝을 위해서는 다음과 같은 환경이 준비되어 있다고 가정한다.  파이토치 설치 : https://pytorch.org/get-started/locally  올라마(Ollama) 설치 : https://ollama.com 허깅페이스에서 제공하는 LLM 모델을 사용할 것이므로, 접속 토큰(access token)을 얻어야 한다. 다음 링크에서 가입하고 토큰을 생성(Create new token)한다. 이 토큰은 다음 소스코드의 해당 부분에 입력해야 동작한다.  허깅페이스 가입 및 토큰 획득 : https://huggingface.co/ settings/tokens   그림 1   명령 터미널에서 다음을 실행해 라이브러리를 설치한다.   pip install langchain pyPDF fastembed chardet pandas pip install -U transformers pip install -U datasets pip install -U accelerate pip install -U peft pip install -U trl pip install -U bitsandbytes pip install -U wandb   개발된 BIM LLM 모델 성능이 향상되었는지를 검증할 수 있도록, 기초 모델이 인터넷에서 쉽게 수집 후 학습할 수 있는 BIM 자료를 제외한 데이터를 학습용으로 사용할 필요가 있다. 이런 이유로, 최근 릴리스되어 기존 상용 대규모 언어 모델이 학습하기 어려운 ISO/TS 19166에 대한 기술 논문 내용을 테스트하고, 학습 데이터 소스로 사용한다. 참고로, ISO/TS 19166은 BIM-GIS conceptual mapping 목적을 가진 국제표준으로 기술 사양(TS)을 담고 있다. 학습 데이터로 사용될 파일을 다음 링크에서 PDF 다운로드하여 저장한다.  BIM-GIS 매핑 표준 논문 PDF 파일 : https://www.mdpi. com/2220-9964/7/5/162   BIM 기반 LLM 모델 학습 데이터 준비와 파인튜닝 파라미터 설정 학습 데이터를 자동 생성하기 위해, 미리 다운로드한 PDF 파일을 PyPDF 및 라마 3를 이용해 질문-답변 데이터를 자동 생성한 후 JSON 파일로 저장한다. 이를 통해 수 백개 이상의 QA 데이터셋을 자동 생성할 수 있다. 이 중 품질이 낮은 데이터셋은 수작업으로 삭제, 제거한다.    그림 2. 자동화된 BIM 기반 LLM 학습 데이터 생성 절차     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-02-04
캐디안 2025의 유틸리티 기능 소개 Ⅰ
새로워진 캐디안 2025 살펴보기 (3)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)에서는 사용자의 작업 편의성을 위해서 캐디안에서 구동되는 유틸리티 기능을 새롭게 추가하였다. 이번 호부터 캐디안 2025 버전의 유틸리티 기능을 순서대로 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   캐디안 홈페이지(www.cadian.com)에 접속한 후 고객지원 클릭 → 기술자료실을 클릭하면 기술자료가 목록으로 표시된다.  3번인 ‘캐디안 리습(lisp) 143개 통합본+메뉴화일 다운로드입니다’ 항목을 클릭하여 안내된 대로 설치하면 캐디안에서 유틸리티 기능을 이용할 수 있다.     유틸리티 – 거리측정(DISTM) 두 점 사이의 거리를 연속으로 또는 1회씩 측정한 뒤, 간단히 거리값만 표시해 주는 기능이다.   1. 메뉴에서 캐디안 유틸 1 → 거리측정(DISTM)을 실행한다.   2. 연달아 거리 측정을 원할 경우 ‘1’을 누르고, 두 점 거리를 1회씩 나눠서 측정을 원할 경우 ‘2’를 누른다.   3. ‘1’을 클릭한 후 거리 측정할 지점을 연속해서 클릭하면 두 점 사이의 거리와 누적 거리를 표시해 준다.     4. ‘2’를 클릭한 후 거리 측정할 지점을 두 점씩 클릭하면 두 점 사이의 거리를 순차적으로 표시해 준다.     유틸리티 - 상세도 작성기(DETAIL) 특정한 영역의 객체를 원하는 크기로 확대(상세도)해서 표시해 주는 기능이다.   1. 메뉴에서 캐디안 유틸 1 → 상세도 작성기(DETAIL)를 실행한다.   2. 원형상세도 작성기는 ‘1’ 번, 사각형 상세도 작성기는 ‘2’ 번을 눌러준다.   3. ‘1’을 클릭한 후 상세도를 작성할 영역을 원 형태로 지정한다.     4. 목표점을 클릭하라는 메시지가 표시되면 상세도를 작성할 위치(충분히 빈 공간)를 마우스로 지정한다.   5. 배율(3)을 입력하면 상세도 영역이 지정한 배율로 확대된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-02-04
아레스 커맨더 2025의 멀티뷰 블록
데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (10)   DWG 호환 CAD인 그래버트(Graebert)의 아레스 캐드(ARES CAD)는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 모듈은 상호 간에 동기화되므로 삼위일체형(trinity) CAD라고 불리며, 효율적이고 통합적인 작업 환경을 제공한다.  이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2025의 멀티뷰 블록(MultiView Blocks) 기능에 대해 알아보도록 하겠다.    ■ 천벼리 캐디안 3D 솔루션 사업본부 대리로 기술영업 업무를 담당하고 있다.  홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   그림 1. 멀티뷰 블록   사용자는 평면도, 단면도, 입면도와 같은 다양한 도면 요소를 사용자 정의된 블록으로 변환하여 더욱 효과적으로 제어할 수 있다. 건축 도면에서는 동일한 객체라도 도면의 유형에 따라 다른 표현이 필요하다. 예를 들어, 평면도에서는 문이 열리는 방향을 나타내는 기호가 중요한 반면, 입면도에서는 창문과 관련된 정보를 정확히 전달해야 한다. 이전에 레빗 BIM 객체는 2D 기호를 포함해 아레스에서 활용 가능했지만, IFC 객체는 종종 이러한 세부 정보를 제공하지 못했다. 아레스 커맨더 2025의 멀티뷰 블록 기능천벼리은 이와 같은 문제를 해결하며, 각 도면의 표현 정확도를 높이는 동시에 방화구역 지정과 같은 특정 요구 사항을 충족할 수 있다. 멀티뷰 블록 기능은 BIM Geometry Edit 명령을 통해 활용된다. 기본적으로 아레스 커맨더는 BIM 객체에 저장된 2D 심벌을 사용하는데, 이 심벌은 레빗에서 자주 제공되지만 IFC에서는 누락되는 경우가 많다.   그림 2. BIM Geometry Edit    이 예제도 레빗에서 가져온 것으로 문이 열림과 닫힘 상태로 함께 나타나는 것을 볼 수 있는데, 물론 두 가지 다른 상태가 동시에 표시되는 것은 문제가 있다.   그림 3. 예제 파일 문제점 확인   현재 건물의 4층에서 작업하고 있지만, 사실 이 문들은 건물의 모든 층에 동일하게 배치된다. BIM Geometry Edit 명령을 사용하여 이러한 문의 2D 표현을 올바르게 수정할 수 있다.   그림 4. 4층 작업      ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-02-04