• 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
팔코DB와 LLM을 활용한 그래프 모델 BIM 기반 AI 에이전트 개발
플루언트 웹 UI를 활용한 효율적인 파이플루언트 코드 생성 방법
크레오 파라메트릭 12.0에서 중립 파일 솔리드화하기(IDD)
  • 전체
  • 범용
  • 기계
  • 건축
  • 그래픽
  • 기타
팔코DB와 LLM을 활용한 그래프 모델 BIM 기반 AI 에이전트 개발
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 건설 인프라 분야에서 정보 교환 시 사용되는 BIM(건설 정보 모델링) 산업 표준인 IFC(Industry Foundation Classes) 기반 AI 에이전트 개발 과정을 설명한다. IFC 포맷의 BIM 데이터를 팔코DB(FalkorDB) 그래프 데이터베이스로 변환하고, 로컬 LLM인 Ollama(올라마)를 연동하여 자연어 질의가 가능한 AI 에이전트를 구축하는 전체 과정을 기술한다. 또한, 도커(Docker) 기반의 데이터베이스 서버 구성부터 파이썬(Python) 의존성 설치, 데이터 적재 및 애플리케이션 실행 방법을 단계별로 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. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1   개발 환경 및 전제 조건 이번 호에서 만들어 볼 시스템은 온프레미스 환경에서의 실행을 가정하며, 다음의 컴포넌트를 필요로 한다. 도커 : 그래프 데이터베이스(팔코DB) 실행을 위해 필요(설치 : https://www.docker.com/get-started) 파이썬 3.11+ : 데이터 변환 및 에이전트 로직 수행 올라마 : 로컬 LLM 추론 서버 하드웨어 : LLM 구동을 위한 적정 수준의 GPU 또는 메모리(RAM 16GB 이상 권장) 지면 한계 상 모든 개발 코드를 설명하기는 어려우므로, 주요 부분만 개발 방법을 설명할 것이다. 다음의 깃허브 링크를 참고해 다운로드한다. ■ https://github.com/mac999/infra_ai_agent_tutorials/tree/main/08_AI_Agent/5_infra_graph_rag 다운로드한 폴더의 구조는 <그림 2>와 같을 것이다.   그림 2   이제 이 깃허브 프로젝트의 각 핵심 모듈을 설명하도록 하겠다.   데이터베이스 서버 구축(팔코DB) 팔코DB는 레디스(Redis) API 호환 고성능 그래프 데이터베이스다. 오픈소스이며 무료이다. 그래프 구조 데이터 저장 및 검색을 지원한다.   그림 3. Graph Database uses GraphBLAS under the hood for its sparse adjacency matrix graph representation(GraphRAG) (https://github.com/FalkorDB/FalkorDB)   실행을 위해, 다음과 같이 명령창 터미널에서 도커 명령을 실행해 본다. 그러면 팔코DB 서버가 로컬에 다운로드된 후 자동 실행될 것이다. docker run -p 6379:6379 -p 3000:3000 -it --rm -v ./data:/ var/lib/falkordb/data falkordb/falkordb 상세 옵션은 다음과 같다. -p 6379:6379 : 팔코DB(레디스 프로토콜) 접속 포트 바인딩. 파이썬 클라이언트가 이 포트로 통신한다. -p 3000:3000 : (옵션) 팔코DB 시각화 도구 등을 위한 포트 바인딩 -it --rm : 대화형 모드로 실행하며, 컨테이너 종료 시 자동 삭제 -v ./data:/var/lib/falkordb/data : 호스트의 ./data 디렉터리를 컨테이너 내 데이터 저장소로 마운트하여 데이터 영속성(persistence)을 보장한다.   패키지 및 모델 설치 이제 IFC 파싱, 그래프 DB 연결, LLM 체인 구성을 위한 라이브러리를 pip로 터미널에서 설치한다. Plaintext falkordb langchain langchain-ollama langchain-core ifcopenshell python-dotenv streamlit 이제 자연어를 그래프 구조 데이터베이스를 검색할 때 사용하는 사이퍼 쿼리로 변환(Text-to-Cypher)하는 방법이 필요하다. 이 경우, 코드 생성 능력이 뛰어난 모델이 필요하다. 이번 호에서는 qwen2.5-coder:7b 모델을 사용한다. 올라마 설치(다운로드 : https://ollama.com/download/ windows) 후 다음의 명령어를 실행한다. ollama pull qwen2.5-coder:7b     ■ 자세한 기사 내용은 PDF로 제공됩니다.
강태욱 작성일 : 2026-02-04 조회수 : 500
캐디안 2026의 상세도 작성기,스마트 공차
새로워진 캐디안 2026 살펴보기 (3)   오토캐드와 양방향으로 호환되는 국산 CAD 대표 브랜드인 캐디안(CADian)이, 한 차원 높은 사용자 경험을 제공하는 차세대 CAD ‘캐디안 2026’ 을 선보인다. 이번 호에서는 새 버전에서 새롭게 선보인 신기능 중에서 상세도 작성기(detail)와 스마트 공차(Smart Tolerance) 기능을 자세히 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   상세도 작성기(DETAIL) DETAIL 명령은 원하는 부분을 사각(또는 다각형) 또는 원형으로, 원하는 축척(배율)의 상세도로 뽑아내는 기능이다. 상세도로 뽑을 부분은 이미 작도되어 있는 원이나 사각형 또는 다각형 폴리라인을 영역으로 활용할 수도 있고, 사각형이나 원형을 즉시 작도하면서 바로 상세도로 뽑아낼 수도 있다. 명령창에 ‘detail’을 입력하고 Enter 키를 입력하면 <그림 1>과 같은 창이 뜨는데, 옵션은 4개가 있다.   그림 1   경계선 레이어 설정 : 사각형이나 원형으로 생성될 외곽 경계선을 어떤 레이어의 객체로 생성할 것인가를 결정한다. 기존에 존재하는 레이어를 선택하면, 선택한 레이어에 지정된 색상 및 라인 타입으로 경계선이 생성된다. 경계선 색상 설정 : 빗자루 모양 아이콘(속성 복사)을 눌러 레이어를 먼저 지정한 다음, 아래에 나오는 경계선 색상 설정을 ‘ByLayer’로 지정하게 되면 레이어에서 지정한 색상과 라인 타입으로 된다. 경계선 색상 설정에서 ByLayer 대신 빗자루 모양 아이콘(속성 복사)을 눌러 특정 색을 지정하면, 레이어는 지정 레이어로 되고 색상만 다른 색으로 지정이 되어 경계선이 그려진다. 축척 설정 : 축척을 ‘2’로 입력하면 기존 객체에 비해서 두 배 크게 상세도를 뽑아낼 수 있다. ‘3’을 입력하면 세 배 크게 상세로 작성된다. 왼쪽에서 네 가지 옵션 중에 하나를 선택해서 상세도 작성이 가능하다. 사각 영역 그린 후 복사 : 상세도 축척을 실수 값으로 입력한 후 ‘실행’ 버튼을 누른다. 도면에서 두 점을 찍어 사각형을 그려서 상세도로 추출할 부분을 지정하고 원하는 빈 공간을 찍어주면, 사각형 형태로 상세도가 사각 바깥 부분이 모두 자동 트림(trim)되어 입력한 축척 비율대로 그려진다. <그림 2>에서 ‘실행’ 버튼을 누른 후 pt1과 pt2를 지정해서 사각 영역을 지정하고 빈 공간을 찍으면, 입력한 축척대로 상세도가 그려진다.   그림 2   폴리선 객체 선택복사 : 미리 그려진 폴리선 사각형이나 폴리선 다각형을 지정하고 빈 공간을 찍으면, 상세도가 입력한 축척대로 그려진다.   그림 3   원 영역 그린 후 복사 : 상세도로 추출할 부분의 객체 중심 부분을 찍고(pt1) 원의 외곽(pt2)을 찍은 후 빈 공간을 찍으면, <그림 4>와 같이 원형으로 상세도가 입력한 축척대로 그려진다.   그림 4   원 객체 선택복사 : 이미 상세도로 추출할 부분이 원 형태로 표시되어 있을 때, 그 원을 선택하고 빈 공간을 찍으면 <그림 5>와 같이 원형으로 상세도가 입력한 축척대로 그려진다.   그림 5   스마트 공차(STOL) STOL 명령은 네 가지 공차 넣기를 쉽게 하기 위해 만들어진 명령이다. 대칭, 편차, 한계, 기준 등 네 개의 옵션이 있고 다섯 번째 옵션은 공차를 없애는 기능을 하는 옵션이다.   그림 6   첫 번째 옵션인 ‘대칭’ 옵션은 ±0.1과 같이 상한값과 하한값이 같은 경우 사용하는 공차의 종류이다. 공차 소수 자릿수를 정수로 결정하고, 공차 문자 높이 비율(1일 경우 치수값과 크기가 같음)을 입력하고, 공차 값을 추가로 입력한다. 이후 ‘실행’ 버튼을 누르고 치수 객체를 선택하면 선택한 치수의 오른쪽에 ±0.1과 같은 공차가 표시된다.   그림 7     ■ 자세한 기사 내용은 PDF로 제공됩니다.
최영석 작성일 : 2026-02-04 조회수 : 446
아레스 쿠도-온쉐이프 통합이 만들어낸클라우드 CAD워크플로의 진화
데스크톱/모바일/클라우드를 지원하는아레스 캐드 2026 (11)   산업 현장에서 DWG 기반 2D 도면의 중요성이 여전한 가운데, 3D 클라우드 CAD인 온쉐이프(Onshape)는 그래버트(Graebert)의 아레스 쿠도(ARES Kudo)와 결합한 협업 환경을 구축했다. 이번 호에서는 아레스 쿠도를 통해 별도의 설치 없이 웹에서 DWG를 편집하고 온쉐이프 내에서 통합 관리하는 진화된 워크플로를 소개한다.   ■ 최하얀 캐디안 마케팅팀의 주임으로 ARES CAD의 마케팅 콘텐츠 기획 및 제품 홍보 업무를 담당하고 있다. 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   클라우드 CAD가 본격 확산되기 시작한 이후에도 설계 현장에는 하나의 과제가 남아 있었다. 3D 설계 환경은 빠르게 클라우드로 전환되고 있지만, 여전히 산업 전반에서 DWG와 DXF 기반의 2D 기술 도면은 핵심 역할을 담당하고 있었기 때문이다. 제조, 건설, 플랜트, 기계 설계 등 대부분의 산업에서 최종 산출물과 커뮤니케이션의 기준은 여전히 2D 도면이며, 수십 년간 축적된 DWG 자산을 단기간에 대체하기는 현실적으로 쉽지 않다. 이 간극을 어떻게 메울 것인가는 단순한 기능 문제가 아니라, 클라우드 CAD가 실제 현업에서 얼마나 자연스럽게 받아들여질 수 있는지를 가늠하는 중요한 기준이 되어 왔다. 이러한 흐름 속에서 온쉐이프(Onshape)는 설치형 CAD의 전제를 내려놓고, 처음부터 클라우드 환경을 중심으로 설계된 3D 파라메트릭 CAD 플랫폼을 선보여 왔다. 웹 브라우저만으로 동작하는 구조, 실시간 동시 편집, 자동 버전 관리, 그리고 장소와 장치에 구애받지 않는 접근성은 기존 파일 중심 CAD 환경과는 전혀 다른 협업 방식을 가능하게 했다. 특히 여러 명의 설계자가 동시에 하나의 모델을 다루고, 변경 이력이 자동으로 기록되는 방식은 설계 협업의 기준 자체를 바꾸어 놓았다. 그러나 온쉐이프 역시 실제 산업 환경과 맞닿으면서 한 가지 현실적인 과제를 마주하게 된다. 바로 DWG와 DXF 파일이다. 온쉐이프 사용자는 3D 모델을 설계하는 동시에, 외부 협력사나 기존 시스템에서 생성된 2D 도면 파일을 함께 관리해야 했고, 이를 단순히 업로드해 보관하는 수준을 넘어 실제 업무에 활용할 수 있는 수준의 열람과 수정 환경을 필요로 했다. 이 지점에서 온쉐이프가 선택한 파트너가 바로 그래버트(Graebert)이며, 그 핵심 설루션이 아레스 쿠도(ARES Kudo)이다.   아레스 쿠도 : 클라우드 DWG의 정석     아레스 쿠도는 단순한 웹 뷰어가 아닌, 완전한 클라우드 기반 DWG/DXF 편집 설루션이다. 사용자는 별도의 프로그램 설치 없이 웹 브라우저만으로 DWG 파일을 열고 작성하고 수정할 수 있으며, 이는 운영체제나 장치 환경에 대한 제약을 사실상 제거한다. 특히 사내 PC뿐만 아니라 외부 협력사, 현장 인력, 검토 담당자까지 동일한 도면에 접근할 수 있다는 점에서, 기존 CAD 환경이 갖고 있던 접근성의 한계를 크게 낮춘다. 또한 아레스 쿠도는 업계 표준 DWG 포맷을 그대로 사용하기 때문에, 파일 변환 과정에서 발생할 수 있는 데이터 손실이나 호환성 문제에 대한 우려 없이 기존 도면 자산을 그대로 활용할 수 있다. 이는 클라우드 전환을 고민하는 조직 입장에서 매우 중요한 전제 조건이다.     아레스 쿠도의 또 다른 중요한 특징은 멀티 디바이스 환경을 전제로 설계된 구조이다. 웹 기반의 아레스 쿠도뿐만 아니라 데스크톱 환경의 아레스 커맨더(ARES Commander), 모바일 및 태블릿 환경의 아레스 터치(ARES Touch)가 하나의 생태계로 연결되어 있어, 동일한 DWG 파일을 다양한 환경에서 연속적으로 작업할 수 있다. 사무실에서는 데스크톱으로 정밀한 수정 작업을 수행하고, 이동 중에는 태블릿이나 모바일로 도면을 확인하거나 간단한 주석을 추가하는 식의 유연한 활용이 가능하다. 이 과정에서 모든 수정 사항은 자동으로 동기화되며, 항상 하나의 DWG 원본을 기준으로 작업이 이루어진다. 이는 기존 CAD 환경에서 흔히 발생하던 파일 복제, 이메일 전달, 버전 불일치, 최신 도면 확인 문제를 구조적으로 해소하는 중요한 기반이 된다.   온쉐이프×아레스 쿠도 : 연동을 넘어선 ‘플랫폼 통합’     온쉐이프와 아레스 쿠도의 통합은 이러한 클라우드 DWG 환경을 설계 플랫폼 내부로 자연스럽게 끌어들였다는 점에서 의미가 크다. 이미 온쉐이프는 온쉐이프 드로잉(Onshape Drawings)을 통해 아레스 쿠도 기술을 활용한 2D 도면 환경을 제공해 왔으며, 이번 아레스 쿠도 포 온쉐이프(ARES Kudo for Onshape) 통합을 통해 DWG와 DXF 파일까지 온쉐이프 도큐멘트(Onshape Documents) 안에서 직접 열고 다룰 수 있는 구조를 완성했다. 이는 단순히 외부 서비스 링크를 연결한 수준이 아니라, 온쉐이프의 문서 관리 체계 안에 DWG 파일을 하나의 설계 자산으로 통합했다는 점에서 플랫폼 차원의 변화라고 볼 수 있다. 사용자는 온쉐이프 문서에 저장된 DWG 파일을 클릭하는 것만으로 별도의 로그인이나 인증 과정 없이 즉시 도면을 확인할 수 있으며, 기본적인 뷰잉 기능은 무료로 제공된다. 도면 확인, 확대·축소, 레이어 확인과 같은 일상적인 검토 작업은 별도의 비용 부담 없이 가능하며, 실제 수정이나 작성이 필요한 경우에는 아레스 쿠도 라이선스를 통해 곧바로 작업을 확장할 수 있다. 이처럼 접근 단계와 작업 단계가 명확히 분리된 구조는 사용자에게 불필요한 진입 장벽을 만들지 않으면서도, 필요에 따라 유연하게 기능을 확장할 수 있도록 설계되어 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
최하얀 작성일 : 2026-02-04 조회수 : 440
코딩 없는 LLM 기반 에이전트 개발 도구, 디파이
BIM 칼럼니스트 강태욱의 이슈 & 토크   디파이(Dify)는 대규모 언어 모델(LLM)을 활용한 에이전트 서비스를 전문적인 코딩 지식 없이 개발하고 효율적으로 운영할 수 있도록 지원하는 LLMOps(대규모 언어 모델 운영) 플랫폼 및 도구이다. 이 도구는 LLM과 같은 개발에 필요한 도구를 팔래트에서 가져와 캔버스에 배치하고, 이들의 작업 흐름을 연결함으로써 손쉽게 AI 에이전트 서비스를 개발할 수 있다.   ■ 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   그림 1. 디파이로 개발된 챗봇 에이전트 예시   디파이는 사용자가 아이디어를 실제 AI 서비스로 신속하게 전환할 수 있도록 설계된 통합 개발 환경을 제공한다. 가장 큰 특징은 복잡한 백엔드(backend) 인프라나 API 연동 과정을 추상화하여, 사용자가 시각적인 인터페이스를 통해 애플리케이션의 핵심 로직과 기능 구현에만 집중할 수 있도록 한 것이다.   기능 소개 디파이의 주요 기능은 다음과 같다. 시각적 프롬프트 오케스트레이션 : 사용자는 텍스트 입력, LLM 호출, 조건 분기, 외부 도구(API) 사용 등의 과정을 블록처럼 연결하여 정교한 워크플로를 설계할 수 있다. 이를 통해 단순한 질의응답을 넘어 복잡한 추론과 작업 수행이 가능한 AI 에이전트를 구축하는 것이 가능하다. RAG(검색 증강 생성) 엔진 : 자체 데이터(PDF, TXT, 마크다운 등)를 업로드하여 AI 모델이 해당 정보를 기반으로 답변하도록 만드는 RAG 기술을 손쉽게 구현할 수 있다. 디파이는 문서 자동 전처리, 벡터화, 청킹(chunking) 등 복잡한 과정을 내부적으로 처리하여 사용자의 부담을 최소화한다. 모델 호환성 및 관리 : 오픈AI(OpenAI)의 GPT 시리즈, 앤트로픽(Anthropic)의 클로드(Claude), 구글의 제미나이(Gemini) 등 20개 이상의 상용 및 오픈소스 LLM을 지원한다. 사용자는 여러 모델을 프로젝트에 등록해두고 특정 작업에 가장 적합한 모델을 선택하거나, A/B 테스트를 통해 성능을 비교 분석할 수 있다. 배포 및 운영 : 개발이 완료된 애플리케이션은 즉시 사용 가능한 웹 API 엔드포인트(endpoint)나 독립적인 웹 사이트 형태(웹앱)로 배포된다. 또한 사용자 피드백 수집, 모델 성능 모니터링, 프롬프트 개선 등 지속적인 운영 및 관리를 위한 대시보드를 제공하여 서비스 품질을 유지하고 발전시키는 데 도움을 준다. 더 자세한 정보는 디파이 공식 웹사이트(https://dify.ai)에서 확인할 수 있다.   개발 배경 디파이는 2023년 5월에 설립된 랭지니어스(LangGenius, Inc.)에 의해 개발되었으며, 생성형 AI 기술의 급격한 발전 속에서 LLM을 실제 비즈니스에 적용하려는 수요와 기술적 장벽 사이의 간극을 메우기 위해 탄생했다. 초기 LLM 애플리케이션 개발은 파이썬(Python) 라이브러리인 랭체인(LangChain)이나 라마인덱스(LlamaIndex) 등을 활용하는 개발자 중심의 영역이었다. 하지만 이는 프롬프트 엔지니어링, 벡터 데이터베이스 관리, API 연동 등 상당한 전문 지식을 요구했다. 랭지니어스 팀은 이러한 기술적 복잡성이 AI 기술의 대중화와 비즈니스 혁신을 저해하는 주요 요인이라고 판단했다. 이에 따라 기획자, 디자이너, 마케터 등 비개발 직군도 직접 AI 서비스를 만들고 테스트할 수 있는 직관적인 플랫폼을 목표로 디파이를 개발했다. 특히, 모든 소스코드를 공개하는 오픈소스 전략을 채택하여 개발자 커뮤니티의 참여를 유도하고, 데이터 보안에 민감한 기업이 자체 서버에 직접 설치(self-hosting)하여 사용할 수 있도록 유연성을 제공했다. 디파이의 소스코드는 깃허브 저장소(https://github.com/langgenius/dify)에서 확인할 수 있다.   유사 도구 디파이와 유사한 기능을 제공하는 AI 개발 플랫폼은 다수 존재하며, 각각의 도구는 고유한 특징과 목표 시장을 가지고 있다. 플로와이즈AI(FlowiseAI) : 디파이와 마찬가지로 노드를 연결하여 LLM 기반 워크플로를 구축하는 오픈소스 플랫폼이다. UI/UX 측면에서 더 개발자 친화적인 경향이 있으며, LangChain.js를 기반으로 하여 자바스크립트(JavaScript) 생태계와의 통합이 용이하다는 장점이 있다.(https://flowiseai.com) 보이스플로(Voiceflow) : 주로 대화형 AI, 특히 음성 기반 챗봇 및 어시스턴트 제작에 특화된 로코드 플랫폼이다. 시각적인 대화 흐름 설계 도구가 강력하며, 프로토타이핑부터 실제 배포까지 전 과정을 지원하여 고객 서비스 자동화 분야에서 많이 사용된다.(https://www. voiceflow.com) 버블(Bubble) : 웹 애플리케이션 개발을 위한 대표적인 노코드 플랫폼이다. AI 기능이 내장된 것은 아니지만, 높은 유연성과 확장성을 바탕으로 디파이나 오픈AI에서 제공하는 API를 연동하여 복잡한 웹 서비스 내에 AI 기능을 통합하는 방식으로 활용될 수 있다.(https://bubble. io) n8n : 워크플로 자동화에 중점을 둔 오픈소스 도구이다. AI 기능보다는 수백 개의 다양한 서드파티 애플리케이션(예 : 구글 시트, 슬랙, 노션)을 연결하여 데이터 동기화 및 업무 자동화를 구현하는 데 강점을 보인다.(https://n8n.io)     ■ 기사의 상세 내용은 PDF로 제공됩니다.
강태욱 작성일 : 2026-01-07 조회수 : 1686
캐디안 2026의 스마트 치수
새로워진 캐디안 2026 살펴보기 (2)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)이 한 차원 높은 사용자 경험을 제공하는 차세대 CAD ‘캐디안 2026’을 선보였다. 이번 호에서는 캐디안 2026에서 새롭게 선보인 신 기능 중에서 먼저 스마트 치수(Smart Dimension) 기능을 자세히 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   스마트 치수(SDIM – Smart Dimension) 기능은 복잡한 도면에서 치수를 쉽고 빠르게 처리할 수 있는 기능이다. 스마트 치수 기능을 사용하는 방법을 순서대로 살펴보겠다.   1. 명령창에 ‘sdim’을 입력하여 스마트 치수 기능을 실행한다.   2. 스마트 치수 창이 표시된다.   그림 1   3. 왼쪽의 작업선택 항목 중에서 원하는 기능을 선택한 후 ‘실행’ 버튼을 클릭하여 치수를 작도한다.   작업선택 옵션 수직/수평/지름 자동 작도 스마트 치수의 메인 기능으로, 일반적인 도면의 전체적인 치수 기입을 자동으로 하기 위해서 만들어졌다. 객체 내의 호(arc)나 원(circle)의 지름 및 반지름 치수 기입까지 자동으로 가능하다. 외곽선의 각 꺽인점의 치수가 자동으로 인식되며, 선택한 객체의 내부에 원(circle)이 있으면 원의 중심을 자동으로 인식해서 그 부분까지 거리가 기입된다. 또한 객체 내부에 사각형이 있으면 사각형의 끝점이 자동으로 인식되어 가장 가까운 사분면에 치수 기입이 되게 한다. 추가로, 스플라인(spline) 객체는 치수 기입 지원이 되지 않는다.   그림 2   이 옵션으로 치수를 기입하려면 먼저 ‘치수선 스타일 설정’ 옆의 빗자루 아이콘을 클릭한 뒤 주변에 이미 있는 치수선을 선택한다. 이때 해당 치수의 스타일 설정을 불러오게 된다. 주의할 점은 치수의 첫 번째 단계 치수를 선택해야 하며, 실행했을 때 첫 번째 치수 보조선의 길이가 원본 스타일과 같은 길이로 나오게 된다는 점이다. dimdli 치수 변수(두 번째 이후 치수 보조선 길이)도 설정 복사한 치수 스타일의 설정값으로 따라간다.   그림 3   이렇게 치수 스타일을 불러오면, 그 볼러온 치수 스타일의 현재값이 scale : 1로 설정된다. 이 스케일을 2로 변경하면 원본 스타일보다 글자 및 화살표 크기, 치수 보조선 길이 등이 2배로 커지게 된다. 치수 기입될 때 오류를 줄일 수 있는 선택 제외 옵션이 두 가지가 있다. 첫 번째는 외곽선의 R 부분을 제외시켜 선형치수에서 호의 끝 부분이 선형치수로 기입이 되는 것을 막는 기능이 있다. 또 하나는 중심선 등 ‘레이어 제외 적용’ 기능이 있다. 객체 밖으로 튀어 나온 중심선 등이 있을 때 ‘레이어 제외 적용’ 부분에 기입을 하거나 또는 빗자루 아이콘을 눌러 제외할 중심선을 선택하면 치수 기입 객체가 지정될때 제외되어 오류 없이 정확한 치수 기입이 가능하게 된다.   그림 4   화살표나 글자 크기, 색, 스케일 등을 수동으로 변경 또는 지정할 수도 있지만, 보통은 치수 주변의 치수 스타일을 복사하고 스케일을 1로 해서 실행하면 기존 치수와 스타일이 동일하게 되어 별도로 세팅이 없이도 원하는 결과가 나올 것이다. 1차로 주변의 치수 스타일의 설정을 불러온 후 ‘레이어 설정’ 부분을 통해 레이어를 바꾸면, 치수 설정값은 복사한 치수 스타일을 유지하면서 레이어만 바뀌어 치수 기입이 된다. 주변 치수 스타일의 설정을 불러 온 후 ‘문자 설정’ 부분을 통해 문자 스타일을 바꾸면, 치수 설정값은 복사한 치수 스타일을 유지하고 문자 스타일만 바뀌어 치수 기입이 된다. 색상도 마찬가지로 주변 치수 스타일의 설정을 불러 온 후 ‘색상 설정’ 부분을 통해 색상을 바꾸면, 치수 스타일은 복사해 온 값을 유지하고 치수선 또는 치수값의 색상을 변경할 수 있다. 한 가지 유의할 점은, 치수선과 치수 보조선은 색상은 각각 컨트롤이 되지 않고 치수선의 색상을 따라가도록 되어 있다. 치수 스타일에서 치수선은 노란색, 치수 보조선은 녹색으로 설정되어 있어도 SDIM에서 치수를 기입하면 치수선의 색을 따라 치수선, 치수 보조선이 모두 노란색으로 나오게 된다.     ■ 기사의 상세 내용은 PDF로 제공됩니다.
최영석 작성일 : 2026-01-07 조회수 : 1678
설계 협업의 패러다임을 바꾸는 트리니티
데스크톱/모바일/클라우드를 지원하는아레스 캐드 2026 (10)   디지털 전환이 모든 산업의 화두가 된 지금, 설계·제조 분야 역시 예외는 아니다. 특히 CAD를 기반으로 한 설계 환경은 더 이상 ‘개인 작업 공간’에 머물지 않고, 클라우드와 원격 협업을 중심으로 빠르게 진화하고 있다. 설계자가 혼자 작업하던 시대를 넘어, 이제는 여러 사람이 실시간으로 연결되어 하나의 프로젝트를 완성하는 환경으로 변화하고 있다. 이러한 변화의 중심에 트리니티 컬래버레이션(TRINITY Collaboration)이 있다. 이번 호에서는 트리니티가 제공하는 주요 협업 기능과 그 의미를 중심으로, 현재 설계 환경이 어떤 방향으로 이동하고 있는지를 살펴보고자 한다.   ■ 최하얀 캐디안 마케팅팀의 주임으로 ARES CAD의 마케팅 콘텐츠 기획 및 제품 홍보 업무를 담당하고 있다. 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   언제 어디서나 하나로 연결되는 통합 CAD 설루션 ‘아레스 트리니티’     아레스 트리니티(ARES Trinity)는 DWG 기반의 차세대 통합 CAD 생태계로, 데스크톱·모바일·클라우드 환경을 하나로 연결해 언제 어디서나 동일한 설계 업무가 가능하도록 구성된 설루션이다. 아레스 트리니티는 다음의 세 가지 핵심 설루션으로 구성된다. 데스크톱 CAD – 아레스 커맨더(ARES Commander) : 윈도우, 맥OS, 리눅스 지원 모바일 CAD – 아레스 터치(ARES Touch) : 안드로이드, iOS 스마트폰 및 태블릿 지원 클라우드 CAD – 아레스 쿠도(ARES Kudo) : 별도 설치 없이 웹 브라우저에서 바로 실행 이 세 가지 설루션은 하나의 구독형 통합 생태계(ecosystem)로 결합되어, 장소와 디바이스에 구애받지 않는 유연한 설계 환경을 제공한다.   장소의 제약을 없애는 ‘클라우드 동기화’     트리니티 협업 환경의 핵심은 클라우드 동기화(Cloud Synchronization) 기능이다. 기존의 CAD 작업은 로컬 PC나 사내 서버 중심으로 이루어져 왔고, 이로 인해 파일 공유의 번거로움, 버전 충돌, 데이터 유실과 같은 문제가 빈번하게 발생해 왔다. 협업이 많아질수록 오히려 업무 효율이 떨어지는 한계 또한 분명했다. 그러나 트리니티는 모든 프로젝트 데이터를 클라우드 기반으로 중앙 관리함으로써, 사용자가 언제 어디서든 동일한 작업 환경에 접속할 수 있도록 설계되었다. 특히 여러 명의 설계자가 동시에 하나의 프로젝트를 다루는 경우에도, 실시간 또는 자동 동기화 기능을 통해 항상 최신 버전의 도면을 유지할 수 있다는 점은 협업 효율을 끌어올리는 요소이다. 예를 들어 한 명의 사용자가 도면을 수정하면, 해당 변경 사항이 즉시 다른 사용자 환경에도 반영되는 흐름이 시각적으로 표현된다. 이는 단순한 파일 공유를 넘어, 동일한 프로젝트를 여러 사용자가 동시에 바라보고 함께 작업하는 실시간 협업 체계가 구현되었음을 의미한다. 그 결과, 수정 지연으로 인한 오류나 중복 작업이 줄어들고, 의사결정 속도 역시 개선된다. 이는 단순한 편의 기능을 넘어, 설계 품질과 프로젝트 안정성까지 함께 끌어올리는 핵심 인프라라 할 수 있다.   보안과 유연성을 동시에 잡은 ‘보안 원격 접속’     재택근무와 원격 근무가 일상화된 지금, 설계 분야에서도 안전한 외부 접속 환경은 더 이상 선택이 아닌 필수 조건이 되었다. 트리니티는 보안 원격 접속(Secure Remote Access) 기능을 통해, 외부 네트워크에서도 내부 작업 환경과 동일한 수준의 보안을 유지하며 설계 데이터에 접근할 수 있도록 지원한다. 이는 단순한 원격 데스크톱 방식이 아니라, 설계 데이터를 안전하게 보호하면서도 실무에 즉시 투입 가능한 협업 구조를 제공한다는 점에서 의미가 크다. 특히 대형 프로젝트나 보안이 중요한 산업 설계 분야에서는 이러한 보안 원격 협업 환경이 곧 기업의 경쟁력을 좌우하는 핵심 요소로 작용하고 있다. 장소의 한계를 넘어서면서도 보안 수준은 더욱 강화되는 구조라는 점에서, 트리니티의 접근 방식은 실질적인 대안을 제시한다.   정보는 공유하되, 통제는 유지하는 ‘보기 전용 링크’     트리니티가 제공하는 보기 전용 링크(View-Only Links) 기능은 정보 공유와 보안 통제를 동시에 만족시키는 대표적인 기능이다. 설계 도면이나 모델을 외부 협력사, 발주처, 검토자에게 전달해야 하는 상황은 프로젝트 진행 과정에서 자주 발생한다. 이때 편집 권한 없이 열람만 허용할 수 있다는 점은 실무에서 중요한 요소로 작용한다. 이를 통해 불필요한 수정이나 데이터 변형을 원천적으로 차단하면서도, 신속한 검토와 의사결정이 가능해진다. 특히 트리니티가 내부 사용자뿐만 아니라 외부 협력사와의 협업까지도 하나의 흐름 안으로 자연스럽게 연결하는 구조임이 강조된다. 보기 전용 링크를 활용하면 별도의 프로그램 설치나 계정 등록 없이도 도면 확인이 가능하며, 수정 권한은 통제된다. 이는 ‘개방된 공유’와 ‘엄격한 보안’이 동시에 유지되는 협업 구조가 현실적으로 구현되었음을 보여주는 대목이다.     ■ 기사의 상세 내용은 PDF로 제공됩니다.
최하얀 작성일 : 2026-01-07 조회수 : 985
AI가 가져온 건축 시각화의 혁신과 건축가의 과제
생성형 AI를 활용한 건축 분야 이미지 렌더링   생성형 AI(generative AI)는 텍스트와 이미지를 넘어 영상 제작까지 건축 시각화의 혁명을 일으키며, 누구나 쉽게 고품질 결과물을 만드는 ‘뉴노멀 시대’를 열었다. 기술의 보편화로 커뮤니케이션 방식은 혁신적으로 변화했지만, 결과물의 구조적·기능적 타당성을 검증하고 윤리적으로 활용하는 건축가의 비판적 사고와 주도적 역할은 여전히 필수이다.   ■  양승규 캐드앤그래픽스 전문 필진으로, MOT를 공부하며 엔지니어와 직장인으로 살아가는 방법에 대해 탐구한다. 건축과 CAD를 좋아한다. 홈페이지 | yangkoon.com   시작하며 얼마전 서울시 여의도공원에 건립 예정인 (가칭)제2세종문화회관 건립 설계 공모 당선작이 발표되었다. 2023년 5월 디자인 공모를 시작으로 진행된 긴 여정이 종합건축사사무소 디자인캠프 문박 디엠피(dmp)의 계획안을 당선작으로 선정하며 마무리되었다. 관람자의 입장에서 여의도광장에 위치하는 대규모 공공 문화 시설을 어떠한 형태와 배치로 풀어냈는지 보는 재미도 있었다. 설계 공모 당선작 발표 과정에서 눈에 띄는 것은 당연히 계획안의 디자인이겠지만, 필자에게는 계획안을 표현한 투시도가 인상 깊었다. 지어진 건물의 주변 일상을 담은 거의 실사와 유사한(사진인 듯한) 투시도였다. 계절의 변화, 시간의 변화, 바라보는 위치의 변화에 따라 주변 실사에 투사된 이미지는 거의 현실처럼 보였다. 생성형 AI 기술이 발전되면서 실제와 가짜(fake)의 구분이 모호해졌다. 일반인이 쉽게 실제와 가짜의 경계에서 줄타기하는 결과물을 뽑아내는 시기에 프로들은 그 줄 넘어의 견고한 결과물을 만들어 내고 있다. 일반인이지만 얼리어답터들은 또 그것을 따라가고 있고. 이러한 시기에 dmp의 계획안 투시도는 건축 투시도가 어떠한 방향으로 가고 있는가를 보여준 사례라고 할 수 있겠다.   그림 1. 출처 : https://project.seoul.go.kr   그림 2. 출처 : https://project.seoul.go.kr   전통적 렌더링의 한계와 도전 건축 렌더링 작업은 오랫동안 전문가의 영역으로 여겨져 왔다. 빛과 그림자의 각도와 강도를 조절하고, 재료의 질감을 표현하며, 카메라와 타깃의 위치, 화면 비율, 카메라 렌즈를 정밀하게 제어하는 일련의 과정은 수개월 이상의 학습이 필요하며, 실제 프로젝트에서도 원하는 이미지를 얻어 내기 위해서는 많은 시행착오가 필요하다. 렌더링 작업의 복잡성은 단순히 소프트웨어 조작 능력을 넘어선다. 사진작가처럼 빛의 성질을 이해해야 하고, 3D 아티스트처럼 재질의 물리적 속성을 파악해야 하며, 영화 감독처럼 구도와 시점을 결정해야 한다. 하나의 프로젝트를 위해 수십 번의 테스트 렌더링을 실행하고, 각 렌더링마다 몇 시간씩 기다리는 것은 일상적인 풍경이었다. 브이레이(VRay), 루미온(Lumion)과 같은 전문 렌더링 소프트웨어를 능숙하게 다루기 위해서는 상당한 시간과 노력을 투자해야 했다. 학습을 통해 렌더를 돌릴 수 있게 되더라도, 실제 프로젝트에 사용할 정도의 수준에 도달하려면 수 년간의 실무 경험이 요구되었다. 필자가 대학에서 건축을 배우던 시절에는 렌더링 이미지를 잘 뽑는 순서대로 건축 설계를 잘한다는 말이 있을 정도였다. 이러한 높은 진입 장벽은 많은 건축가와 디자이너에게 렌더링은 어떤 느낌의 이미지가 나오는지 테스트하는 정도에 머물렀고, 그 이상은 외주 전문 업체에 의존하게 만들었다. 여기에는 비용 증가와 커뮤니케이션의 지연, 디자인 의도의 완벽한 전달의 한계라는 문제가 존재했다. 더욱이 렌더링 소프트웨어의 라이선스 비용은 소규모 스튜디오나 학생들에게 부담으로 작용했다. 전문가용 소프트웨어를 구동하기 위한 고성능 하드웨어 구입 비용까지 고려하면 진입 장벽은 더욱 높았다. 결과적으로 프로 수준의 건축 시각화는 자본과 기술을 갖춘 일부 전문가들의 영역이었다.   생성형 AI의 등장 생성형 AI의 등장은 이러한 풍경을 완전히 바꾸어 놓았다. 전 국민의 카톡 프로필 사진을 점령했던 챗GPT(ChatGPT)의 지브리 풍 프로필 이미지는 이전에 챗GPT를 사용해 보지 않은 이들을 유입시켰고, 기존 사용자에게는 유료화 전환을 이끌어냈다.(과금한 만큼 좋은 이미지가 나왔다.)  2025년 3월에 출시된 GPT-4o의 이미지 생성 기술은 건축 시각화의 접근 방식을 근본적으로 재정의했다고 할 수 있겠다. 너도나도 프로필 사진을 찍어내던 시기에 얼리어답터들은 다양한 건축적 실험을 통해 건축 이미지 생성의 다양한 방법을 제시하기 시작했다.   그림 3   그림 4   그림 5   그림 6   초기에는 다양한 실험과 건축 스케치를 보완하는 보조 도구로 시작했지만, 불과 몇 달 만에 새로운 디자인 결과를 뽑아내는 강력한 도구로 자리잡았다. 물론 이전에도 AI를 활용한 렌더링 기술은 존재했지만, GPT-4o만큼의 파급력은 없었다. 생성형 AI의 가장 혁명적인 측면은 전문 지식 없이도 고품질 이미지를 생성할 수 있다는 점이다. 간단한 손 스케치나 스터디 모형 사진을 업로드하고 단 한 줄의 텍스트를 입력하는 것만으로도, 과거라면 며칠이 걸렸을 전문가 수준의 렌더링 이미지를 몇 분 안에 얻을 수 있게 된 것이다. 이는 단순히 작업 속도의 향상을 넘어, 디자인 프로세스 자체의 변화를 의미한다. 과거에는 한 번의 고화질 렌더링에 많은 시간과 비용이 소요되기 때문에, 여러 대안을 시각적으로 비교하는 것에 제약이 있었다. 하지만 생성형 AI는 이러한 제약을 제거했다. 이제 건축가, 디자이너는 수십 개의 디자인 대안을 거의 동시에 시각화하고, 실시간으로 비교하며, 대안들 사이에서 최적의 방향을 선택할 수 있게 되었다.   ■ 자세한 기사 내용은 PDF로 제공됩니다.
양승규 작성일 : 2025-12-02 조회수 : 2912
건축 설계의 자동화와 생산성 강화를 위한복합공종모듈 활용
산업 디지털 전환을 가속화하는 버추얼 트윈 (9)   건설 산업의 오랜 난제인 낮은 생산성과 비효율을 극복하기 위해, 이제는 단순한 자동화를 넘어선 근본적인 체질 개선이 필요하다. 이 글에서는 건설 프로젝트를 일회성 작업이 아닌 반복 가능한 ‘제품 생산’의 과정으로 재정의하는 ‘제품화’ 전략을 소개한다. 특히 서로 다른 공종을 하나의 지능형 템플릿으로 통합한 ‘복합공종모듈’이 어떻게 설계를 디지털 자산으로 전환하고, 시공 단계의 효율을 혁신하는지 짚어 본다.   ■ 김선중 다쏘시스템코리아의 AEC 산업 컨설턴트이다. 종합 건설사와 BIM 관련 경력을 바탕으로 다수의 국내 건설 산업 고객에게 디지털 트랜스포메이션을 위한 전략과 설루션의 활용 가치를 전달하는 역할을 담당하고 있다. 홈페이지 | www.3ds.com/ko   건설 산업의 비효율성과 ‘제품화’ 전략의 필요성 건축 설계자는 매 프로젝트마다 도면을 다시 그리고, 시공 단계에서는 공종 간 충돌(clash)을 피하기 위해 수정을 반복한다. 이런 비효율은 건설 산업의 고질적 문제다. 제조업은 지난 수십 년간 디지털 전환과 자동화를 통해 생산성을 끌어올렸지만, 건설 산업은 여전히 현장 중심의 비표준적 프로세스에 머물러 있다. 이를 개선하기 위한 기술로 BIM(건설 정보 모델링)과 프리패브(prefabrication)가 등장했다. 하지만, BIM은 여전히 설계 정보의 정합성을 확보하는 데 그치고, 프리패브는 공장에서의 품질을 높였지만 현장 연결성과 공종 간 데이터 연속성에는 한계를 보여왔다. 이제는 산업화된 건설(industrialized construction)의 새로운 전환이 필요하다. 그 시작은 단순한 자동화가 아닌, 설계·제조·시공을 하나의 체계로 연결하는 제품화(productization) 접근이 될 수 있다. 이 개념은 복잡한 건설 프로젝트를 ‘단발성 설계’가 아니라, 재사용 가능한 디지털 제품 모듈로 수행하는 것이다. 그리고, 그 중심에는 여러 공종을 통합하여 모듈 단위로 제작된 복합공종모듈(multi–trade module)이 있다. BIM은 건물의 형상과 정보를 3차원으로 표현하는 데 강점을 가진다. 그러나 여전히 설계–시공–운영 단계로 이어지는 일련의 생애주기에서 데이터의 연결성이 사라지고, 프로젝트마다 같은 작업을 반복하는 상황이 발생한다. 이는 유사 프로젝트 경험자의 경험에 의존하게 되는 구조적 한계로 이어져, 리소스 수급의 불균형에 따른 결과물의 품질까지 영향을 받게 된다. 제품화 전략은 이런 문제를 해결하기 위한 방법론이다. 쉽게 말해, 데이터를 한 번 쓰고 버리는 ‘소모품’이 아니라 ’반복 사용 가능한 디지털 자산(digital asset)’으로 관리하는 개념이다. 건설을 프로젝트 단위가 아닌 제품 단위(product unit)로 바라보며, 모델 안에 설계 규칙과 부품 구조를 포함시켜 다음 프로젝트에서도 그대로 활용할 수 있도록 한다. 이때 중요한 것이 제품 구조(product structure)와 설계 규칙 관리이다. 각 부품과 시스템을 위계적으로 정의하고, 그 관계를 데이터로 연결하면 프로젝트 전체가 하나의 논리 구조 안에서 작동할 수 있는데, 그 기술적 틀이 바로 복합공종모듈이다.   그림 1. 복합공종모듈로 설계 및 제작하여 설치 중인 벽체   복합공종모듈의 정의와 핵심 기술 복합공종모듈은 구조, 전기, 기계 등 서로 다른 공종이 하나의 설계 모듈 안에서 함께 정의된 통합 설계 단위다. 이 모듈은 단순한 부품 집합이 아니라, 각 공종 간 연결 규칙과 제약 조건이 미리 설정된 지능형 설계 템플릿(intelligent template)이다. 복합공종모듈의 특징 및 가능성은 다음과 같다. 첫째, 복합공종모듈은 규칙 기반 설계(parametric design)를 활용한다. 설계 요소 간의 관계를 수학적 규칙으로 정의해두면, 치수를 바꾸거나 객체의 위치를 옮기더라도 관련 형상이 자동으로 반응한다. 이 구조의 중심에는 뼈대 구조(skeleton structure), 즉 설계의 기준이 되는 참조 레퍼런스 프레임워크(reference framework)가 있다. 뼈대는 전체 모델의 축 역할을 하며, 하나의 기준점 변화가 관련 부품과 어셈블리에 즉시 반영되도록 한다. 결과적으로 설계자는 반복적인 수정 작업을 줄이고, 프로젝트 전반의 설계 품질과 일관성을 확보할 수 있다. 둘째, 공종 간 실시간 충돌 감지(clash detection)를 가능하게 한다. 기존 BIM 협업은 각 공종이 별도의 모델을 작성하고 마지막 단계에서 충돌 검토를 했다면, 복합공종모듈을 활용한 설계는 초기부터 여러 공종을 통합한 하나의 데이터 구조로 설계한다. 따라서, 공종 간 간섭을 자동으로 탐지하고 조정할 수 있어, 현장에서 발생하는 재작업과 시간 손실을 크게 줄인다. 셋째, 복합공종모듈은 설계, 제작, 시공 또는 조립의 전 과정에서 디지털 연속성(digital continuity)을 실현한다. 템플릿 안에는 형상 정보 외에도 자재 종류, 조립 순서, 제작 방식까지 포함되어 있는데 이는 다수의 프로젝트 참여를 바탕으로 산출된 지식과 노하우를 바탕으로 한다. 따라서 복합공종모듈에 담긴 설계 데이터가 곧 제조 및 시공 지침이 될 수 있다. 이는 기존 BIM 모델이 단순한 시각화 도구에 머무르지 않고, 실제 프로젝트에서 활용 가능한(buildable) 모델로 발전했음을 의미한다. 결과적으로 복합공종모듈은 설계 자동화, 데이터 일관성, 협업 효율성의 세 가지 측면에서 설계자의 생산성을 획기적으로 향상시킨다. 동일한 참조 모델 기반의 협업은 공종 간 의사소통 오류를 줄이고, 표준화된 템플릿 구조는 품질의 편차를 최소화한다. 이는 단순히 설계 효율의 문제가 아니라, 건설 산업을 제품 중심의 디지털 제조 프로세스로 전환시키는 출발점이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
김선중 작성일 : 2025-12-02 조회수 : 1517
팔란티어 온톨로지 플랫폼 아키텍처 기술 해부 및구현 방법
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 세계적으로 주목받고 있는 팔란티어(Palantir)의 온톨로지 플랫폼 아키텍처를 소프트웨어 공학 관점에서 분석하고, 오픈소스 기술을 활용한 구현 방법을 정리한다. 팔란티어의 핵심은 기존 시스템을 대체하는 것이 아니라, 통합하고 확장하는 개방성에 있다. 이번 호에서는 국방이나 제조 분야에서 팔란티어가 어떻게 검증된 오픈소스 기술 기반 위에 독자적인 온톨로지(ontology)라는 의미론적 추상화 계층을 구축했는지, 그리고 그 구조를 파헤쳐 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   팔란티어 아키텍처 팔란티어 아키텍처의 근간에는 ‘대체가 아닌 통합’이라는 철학이 있다. 이는 기업이 이미 막대한 투자를 한 데이터레이크, ERP, CRM과 같은 기존 IT 환경을 교체하는 대신, 이들을 하나로 묶고 그 가치를 증대시키는 플랫폼 역할을 하는 것이다. 이러한 철학은 아키텍처의 명확한 관심사 분리로 이어진다. 배포, 오케스트레이션, 데이터 처리와 같은 하위 계층은 의도적으로 쿠버네티스(Kubernetes), 스파크(Spark), 플링크(Flink) 등 보편적인 오픈소스 표준 위에 구축된다. 이를 통해 고객의 기존 기술 스택 및 엔지니어링 역량과 마찰 없이 통합된다. 반면, 온톨로지, AI 플랫폼(AIP)과 같은 상위 계층에는 팔란티어의 독자적인 지적 재산이 집중된다. 이 구조는 고객이 새로운 데이터베이스나 컴퓨팅 엔진이 아닌, 기존 자산과 상호 작용하는 새로운 패러다임을 구매하게 만들어 비즈니스 가치를 제안한다. 플랫폼의 안정성과 확장성은 두 가지 핵심 기술, 즉 자율 배포 시스템인 아폴로(Apollo)와 쿠버네티스 기반의 컨테이너 오케스트레이션 기판인 루빅스(Rubix)에 의해 뒷받침된다. 이 기반 위에서 데이터 통합 및 분석 플랫폼인 파운드리(Foundry), 국방 및 정보 분석에 특화된 고담(Gotham), 그리고 AI 모델을 온톨로지와 연결하는 AIP(Artificial Intelligence Platform)가 운영된다.   그림 1. 팔란티어 아키텍처 구조 개념도   그림 2. 국방 분야 서비스인 팔란티어 고담 플랫폼   그림 3. 서비스의 지속적인 자율 통합/배포(CI/CD)를 위한 팔란티어 아폴로   데이터 처리 워크플로 팔란티어의 워크플로는 이기종의 파편화된 데이터 소스를 연결하고, 이를 구조화된 지식으로 변환하여 온톨로지 모델로 변환한다.   데이터 수집 및 파싱 PDF, 문서, 이미지와 같은 비정형 데이터는 먼저 ‘미디어 셋(media sets)’이라는 파일 모음으로 수집된다. 데이터를 파싱하는 과정은 블랙박스가 아니다. 개발자는 파이썬(Python)이나 자바(Java) 변환과 저수준 파일 시스템 API를 사용하여 직접 파이프라인을 구축한다. 이는 결정론적이고, 테스트 가능하며, 버전 관리가 가능한 파이프라인을 통해 신뢰성과 거버넌스를 확보하는 엔지니어링 중심의 접근 방식이다. 더 나아가 AIP는 AI 기반 파싱 기능을 제공한다. 이는 사전 훈련되거나 맞춤화된 AI 모델(예 : NLP 모델)을 파이프라인 내에 통합하여 개체명 인식, 요약과 같은 정교한 작업을 수행하는 방식이다. 이 구조는 엔지니어가 견고한 데이터 파이프라인을 구축하고, AI 엔지니어가 그 안에 두뇌 역할을 하는 모델을 배포하는 효율적인 이중 계층 시스템을 만든다.   기반 처리 기술 이러한 데이터 변환 및 통합 로직은 독점 엔진에 종속되지 않는다. 모든 데이터는 아파치 파케이(Apache Parquet), 아브로(Avro)와 같은 표준 형식으로 저장되며, 대규모 배치 처리를 위한 아파치 스파크, 실시간 스트림 처리를 위한 아파치 플링크와 같은 오픈소스 런타임을 사용한다.   온톨로지 메타모델 온톨로지는 팔란티어의 핵심 차별화 요소로, 기업의 모든 데이터, 모델, 프로세스를 현실 세계의 대응물(공장, 고객, 제품 등)과 연결하는 의미론적, 동역학적 계층이다. 이는 기업의 ‘디지털 트윈(digital twin)’ 역할을 한다. 온톨로지의 개념은 객체 지향 프로그래밍(OOP)과 매우 유사하다. 객체(object)는 클래스(class)에 해당한다. 온톨로지의 ‘항공기’ 객체 유형은 OOP의 Aircraft 클래스와 같다. 속성(property)은 속성(attribute)에 해당한다. ‘항공기’ 객체의 ‘꼬리 번호’ 속성은 Aircraft 클래스의 tailNumber 속성과 같다. 연결(link)은 객체 간의 관계(association)에 해당한다. ‘조종사’가 ‘항공기’에 탑승한다는 연결은 Pilot 객체와 Aircraft 객체 간의 관계를 정의한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
강태욱 작성일 : 2025-12-02 조회수 : 4197
[무료강좌] 캐디안 2026의 새로운 기능
새로워진 캐디안 2026 살펴보기 (1)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)이 한 차원 높은 사용자 경험을 제공하는 차세대 CAD ‘캐디안 2026’을 선보일 예정이다. 이번 신제품은 설계 환경 전반에 걸친 대대적인 개선과 혁신을 통해, 국내외 CAD 사용자에게 새로운 가능성과 효율을 제시한다.이번 호부터 캐디안 2026 버전에서 새롭게 추가된 기능을 차례대로 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   스마트 치수(Smart Dimension) 복잡한 도면에서도 치수를 쉽고 빠르게 처리할 수 있는 기능이다. 여러 객체를 한 번에 선택하여 일괄로 치수를 적용할 수 있으며, 반복된 클릭과 미세 조정 과정이 크게 줄어든다. 이제 설계자는 치수 입력에 소비되던 시간을 줄이고, 핵심 설계와 창의적인 작업에 더 집중할 수 있다.     드림(Dream) 기능 기본 설치 이전 버전에서는 드림II 기능을 사용하기 위해 캐디안 프로 설치 후 별도로 드림 설치 파일을 다운로드하고 추가 설치해야 했다. 이로 인해 설치 과정이 번거롭고 시간이 많이 소요되었다. 새 버전에는 캐디안 설치 프로그램에 드림 설치 옵션이 통합되었다. 설치 마지막 단계에서 드림 설치 여부를 선택하기만 하면 되기 때문에, 별도의 파일 다운로드나 추가 설치 과정이 필요 없다. 복잡한 절차 없이 누구나 빠르게 드림을 설치해 약 400여 개의 편리한 기능을 손쉽게 활용할 수 있도록 개선되었다.     OLE 객체 복사·붙여넣기 품질 향상 캐디안과 마이크로소프트 오피스(워드, 엑셀 등) 외부 문서 간 연동 시 OLE 객체의 복사·붙여넣기 품질이 향상되었다. 워드, 엑셀 등과의 호환성이 더욱 강화되어 문서 교환 과정이 매끄러워졌으며, 도면은 고해상도 품질을 그대로 유지한다.     AI 기반 PDF 문자 자동 인식 이전 버전에서는 저해상도 PDF 파일에 포함된 문자 형태 객체나 해치 형태 표현을 가져올 경우, 텍스트 인식이 제대로 이루어지지 않아 일일이 재입력해야 하는 불편이 있었다. 최신 버전에서는 AI 기반 PDF 문자 자동 인식 기능을 통해 PDF 속 텍스트가 CAD 환경에서 즉시 편집 가능한 문자 객체로 변환된다. 이를 통해 자료 재활용이 쉬워지고 불필요한 재작업이 줄어들어 설계 시간이 단축된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
최영석 작성일 : 2025-12-02 조회수 : 1823
총 게시글 797