• 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
Multiscale.Sim을 활용한 전고체전지의 제조 공정 해석 방법
크레오 11의 모델 기반 정의 개선사항
가상 엔지니어링과 모델 기반 개발에 CAE를 활용하는 방법
  • 전체
  • 범용
  • 기계
  • 건축
  • 그래픽
  • 기타
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.
강태욱 작성일 : 2025-02-04 조회수 : 673
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.
최영석 작성일 : 2025-02-04 조회수 : 641
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.
천벼리 작성일 : 2025-02-04 조회수 : 628
생성형 AI 기반 BIM 전문가 시스템 개발해 보기
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 지난 연재를 통해 설명한 생성형 AI 기술을 바탕으로 BIM(건설 정보 모델링) 전문가 시스템을 개발하는 방법을 간단히 알아보도록 한다.    ■ 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   이 글에서는 LLM(대규모 언어 모델)과 RAG(검색 증강 생성) 기술을 적용하여 BIM IFC(Industry Foundation Classes) 데이터의 정보를 검색하고, 이를 바탕으로 BIM 지식 전문가 에이전트를 개발하는 방법을 소개한다. 이런 에이전트는 자연어 기반의 사용자 쿼리를 통해 필요한 정보를 신속하고 정확하게 제공하며, 건설 프로젝트의 전반적인 효율성을 높일 수 있다. 이 글에서 소개하는 방법은 RAG를 이용해 전문가 시스템을 개발하는 여러 가지 대안 중 하나임을 미리 밝힌다. IFC와 같은 포맷을 이용한 RAG와 LLM 사용 기법은 목적에 따라 구현 방법의 차이가 다양하다.    LLM RAG 기반 BIM 전문가 시스템 프로세스 현재 대중적인 목적으로 개발된 LLM 기술인 ChatGPT(오픈AI), Gemini(구글), Llama(메타), Phi(마이크로소프트)는 BIM의 일반적인 지식, 예를 들어 BIM 관련 웹사이트에서 공개된 일반적인 개념 설명, PDF에 포함된 텍스트를 학습한 모델을 제공하고 있다. 다만, 이들 LLM 도구는 BIM 모델링 정보를 담고 있는 IFC와 같은 특수한 데이터셋 파일은 인식하지 않는다. 현재는 PDF같은 일반적인 파일 형식만 검색 증강 생성을 지원하는 RAG 기술을 이용해, 도메인에 특화된 지식 생성을 지원한다. 이는 특정 도메인 지식을 훈련하기 위해 필요한 비용이 너무 과대하며, 도메인 지식을 모델 학습에 맞게 데이터베이스화하는 방법도 쉽지 않기 때문이다. 예를 들어, ChatGPT-4 모델을 훈련할 때 필요한 GPU 수는 엔비디아 A100×25,000개로 알려져 있으며, 학습에 100일이 걸렸다. A100 가격이 수천 만원 수준인 것을 감안하면, 사용된 GPU 비용만 천문학적인 금액이 소모된 것을 알 수 있다.  이런 이유로, LLM 모델을 전체 학습하지 않고 모델 중 작은 일부 가중치만 갱신하는 파인튜닝(fine-tuning), 범용 LLM는 운영체제처럼 사용하여 정보 생성에 필요한 내용을 미리 검색한 후 컨텍스트 프롬프트 정보로서 LLM에 입력해 정보를 생성하는 검색 증강 생성 기술인 RAG이 주목받고 있다. RAG는 <그림 1>과 같은 순서로 사용자 질문에 대한 답변을 생성한다.   그림 1. RAG 기반 BIM 전문가 시스템 작업 흐름(한국BIM학회, 2024)   RAG는 LLM에 입력하는 템플릿에 답변과 관련된 참고 콘텐츠를 프롬프트에 추가하여 원하는 답을 생성하는 기술이다. 이런 이유로, 답변에 포함된 콘텐츠를 처리하고, 검색하는 것이 매우 중요하다. LLM은 입력 프롬프트에 생성에 참고할 콘텐츠를 추가하지 못하면 환각 문제가 발생되는 단점이 있다. 각 RAG 단계는 검색이 가능하도록 데이터셋을 청크(chunk) 단위로 분할(split)하고, 데이터는 임베딩(embedding)을 통해 검색 연산이 가능한 벡터 형식으로 변환된다. 이 벡터는 저장 및 검색 기능을 가진 벡터 데이터베이스(vector database)에 저장된다. 사용자의 질문은 검색 알고리즘을 통해 벡터 데이터베이스에서 가장 근사한 정보를 포함하는 콘텐츠를 얻고, 프롬프트에 추가된 후 LLM에 입력된다. 그 결과 LLM은 원하는 답변을 출력한다. 이를 통해 학습하지 않은 전문 분야의 토큰을 인식하지 못하는 LLM이 원하는 결과를 생성할 수 있도록 한다.   BIM IFC 콘텐츠 데이터 구조 분석 앞서 살펴본 바와 같이 RAG 성능은 입력되는 데이터셋의 특징과 검색 알고리즘에 큰 영향을 받는다. 그러므로, 개방형 BIM 데이터 형식으로 사용되는 IFC의 특징을 분석하여 BIM RAG를 위한 데이터 처리 시 이를 고려한다. IFC 파일 구조는 STEP(ISO 10303), XML 스키마 형식을 준용한다. IFC는 객체지향 모델링과 그래프 모델 구조의 영향을 많이 받았다. 확장성을 고려해 BIM을 구성하고 있는 건축 객체의 부재들, 관계, 속성집합에 Instance ID 및 GUID(Globally 2025/1 Unique IDentifier)와 같은 해시값(hash)을 할당하고, 이들 간의 관계를 해시번호로 참조하여, 거대한 온톨로지 그래프 구조를 정의한다. <그림 2~3>은 이를 보여준다.   그림 2. IFC 객체 그래프 구조(Wall instance)   그림 3. IFC 그래프 구조 표현(강태욱, 2022)     ■ 자세한 기사 내용은 PDF로 제공됩니다.
강태욱 작성일 : 2025-01-06 조회수 : 1755
캐디안 2025의 라이브 업데이트 기능 소개
새로워진 캐디안 2025 살펴보기 (2)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)의 최신 버전인 캐디안 2025 버전이 출시되었다. 이번 호에서는 캐디안 2025의 몇 가지 주요 기능 중에서 지난 버전에 추가되어 계속 유지되고 있는 라이브 업데이트(Live Update) 기능에 대해서 대해서 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   캐디안 2025 버전에서는 캐디안 2024 버전부터 지원된 라이브 업데이트 기능이 지원된다. 기존에 캐디안을 업데이트하기 위해서는 캐디안을 제거(uninstall)한 후 다시 설치(install)하는 과정이 반드시 필요했으며, 이 과정에서 기존의 작업환경(단축키, 메뉴, 도구모음 등)이 모두 초기화되는 불편함이 있었다. 라이브 업데이트 기능을 이용하면, 기존의 캐디안 프로그램을 삭제하지 않고도 최신 버전으로 즉시 업데이트가 되므로 매우 편리하다. 특히 캐디안 라이브 업데이트 기능의 경우, 마이크로소프트 윈도우와 비슷하게 백그라운드에서 업데이트 파일을 내려받은 후 캐디안을 실행할 때 업데이트를 진행하므로, 업데이트를 위해서 캐디안을 종료하지 않아도 되어서 작업자의 불편을 최소화하였다. 캐디안의 라이브 업데이트 기능을 이용하는 방법을 살펴보도록 하겠다.     라이브 업데이트 확인하기 기본적으로 캐디안의 라이브 업데이트 기능은 모두 백그라운드에서 자동으로 진행되며, 새로운 버전 확인 및 업데이트용 패치 파일 다운로드가 진행된다. 수동으로 캐디안의 라이브 업데이트 기능을 활성화하려면 다음의 순서대로 진행한다.   1. 시스템 트레이(알림 영역)에 표시되는 캐디안 업데이트(CADian Update) 아이콘을 마우스 오른쪽 버튼으로 클릭한다.     2. 메뉴가 표시되면 위쪽의 ‘업데이트 확인’ 항목을 클릭한다.     3. 캐디안 업데이트 창이 표시되면서 현재 상태를 표시한다. ‘현재 업데이트 체크 중이거나 다운로드 중’이라는 표시가 나오면서 백그라운드에서 업데이트 가능 여부의 체크를 진행한다. 확인이 완료될 때까지 대기하거나 다른 작업을 진행할 수 있다.     4. 업데이트용 파일이 확인되면 ‘새 업데이트가 있다’는 메시지가 포함된 캐디안 업데이트 창이 표시된다. ‘확인’ 버튼을 클릭하면 패치 파일 다운로드가 시작된다.     5. 업데이트용 파일의 다운로드가 완료된 후 캐디안을 실행하면 그림과 같이 업데이트 알림 메세지가 표시된다. 업데이트를 연기하려면 ‘한 시간 동안 안보이기’ 또는 ‘하루 동안 안보이기’ 버튼을 클릭하고, 업데이트를 바로 진행하려면 ‘예’ 버튼을 클릭하여 업데이트를 실행한다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.
최영석 작성일 : 2025-01-06 조회수 : 1568
아레스 캐드 2025의 BIM 도면 분할
데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (9)    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 이를 삼위일체형(trinity) CAD라고 부른다. 이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2025의 BIM 도면 분할 기능에 대해 간단하게 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. BIM 도면 분할   대규모 도면 작업에서는 단면, 고도, 또는 전체 도면이 단일 시트나 뷰포트에 적합하지 않을 수 있다. 기존의 방법으로는 축소를 통해 도면을 한 뷰포트에 넣을 수 있으나, 이는 가독성과 정밀도를 저하시킬 수 있다. ‘BIMSPLITDRAWING’은 이러한 문제를 해결하여 대형 도면을 여러 개의 뷰포트 또는 시트로 분할해 최적의 가시성을 보장한다. 이 명령은 도면을 사용자 지정 영역 내에서 여러 직사각형 타일로 자동 분할한다. 이후, 각 타일은 개별 시트에 적합한 배율로 배치된다. 이러한 방식은 대형 도면을 적절히 분리하면서도 인쇄된 결과물을 재조합하면 원래의 도면을 복원할 수 있는 구조를 제공한다.   1. 다음 중 하나를 수행하여 BIM 도면 분할 기능을 실행해 보겠다. 리본에서 BIM → 도면 → 도면 분할을 클릭한다.  메뉴에서 BIM → 도면 → 도면 분할을 클릭한다.  명령창에서 ‘BIMSplitDrawing’을 입력한다.   ■ 참고 이미 분할된 도면은 분할할 수 없다.   그림 2. BIMSplitDrawing 기능   2. 도면 분할 영역의 첫 번째 모서리를 지정한다.   그림 3. 첫 번째 모서리 지정   3. 지정한 첫 번째 모서리와 대각선에 위치한 반대 모서리를 선택해 분할 영역을 설정한다.   그림 4. 반대쪽 모서리 지정   4. 분할을 시작할 지점을 선택한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
천벼리 작성일 : 2025-01-06 조회수 : 1480
효율과 생산성을 높이기 위한 파일 관리 팁
디지털 데이터의 정리에 관하여   한 해를 마무리하고 새해의 계획을 세우는 12월이 되었다. 새해를 맞이하며 새로운 계획을 준비하는 것도 중요하지만, 새해를 맞이하기 전에 지나가는 한 해를 정리하는 것도 중요하다. 물리적인 정리뿐 아니라 디지털적인 정리도 중요하다. 일을 하거나 작업을 하는 주변 환경에 대한 정리도 중요하겠으나, 작업을 하는 대상인 디지털 파일에 대한 관리도 매우 중요하다. 이 글에서는 컴퓨터나 모바일 환경에서 사용하는 파일의 관리에 대해서 다룬다.   ■ 양승규 캐드앤그래픽스 전문 필진으로, MOT를 공부하며 엔지니어와 직장인으로 살아가는 방법에 대해 탐구한다. 건축과 CAD를 좋아한다.  홈페이지 | yangkoon.com   저장 공간 지금 내 컴퓨터의 하드디스크(HDD) 여유 사용 공간을 한 번 확인해 보자. 몇 개월 전이나 1월의 여유 사용 공간과 비교해 보면 그 차이가 어떨까? 이전보다 현재가 줄어든 것이 일반적일 것이다. 스마트폰의 사용 가능 공간도 마찬가지일 것이다. 매일 쌓이는 사진, 동영상으로 저장 공간은 계속해서 부족해져 간다.  대부분의 기업은 관련 규정을 통해서 문서의 보관 기간을 설정하여 일정 기간 동안은 문서를 보관하고, 보관 기간이 지나면 문서를 파기한다. 기업의 문서를 보관하기 위한 문서 창고의 크기가 물리적으로 무한하다면 굳이 생산된 문서를 없애지 않고 계속해서 보관해도 될 것이다. 하지만 물리적으로 정해진 저장 공간이 있기 때문에, 생산되는 모든 문서를 계속 보관하고 있을 수는 없다. 주방의 선반, 냉장고에 보관된 음식물의 유통기한이 지나면 버린다. 유통기한이 지난 음식은 먹을 수 없기 때문이다. 파일도 마찬가지이다. 문서로 관리되는 자료는 지정된 보관 기간이 지나면 파기한다. 디지털 영역에서도 마찬가지이다. Exploding Topics(https://explodingtopics. com/blog/data-generated-per-day)에 따르면, 디지털 세계가 하루에 만들어내는 정보량은 약 4억 테라바이트에 이른다고 한다. 구글이나 페이스북의 메타와 같은 글로벌 빅테크 기업은 데이터가 곧 자산이니 세계 곳곳에 데이터센터를 지으면서 수많은 데이터를 저장한다. 하지만 빅테크가 아닌 경우는 어떨까? 데이터가 자산이 되는 경우도 있지만 그렇지 않은 경우도 있다. 바로 목적에 맞지 않게 요구되는 목적의 필요 크기보다 큰 크기의 데이터가 그것이다.   그림 1. 전 세계 연간 데이터 생산량   파일 정리 저장 공간을 확보하기 위해 대용량 HDD를 계속 추가하는 것도 어느 시점에는 한계가 있고, 클라우드 서비스를 이용하더라도 용량의 한계는 있다. 네이버는 계정이 있다면 누구에게나 무료로 30GB의 저장 공간을 제공해 준다. 그 이상은 당연히 유료로 사용해야 한다. 구글은 포토 서비스에서 2021년 6월 이전까지는 원본 화질이 아닌 인코딩된 사진은 무제한으로 저장할 수 있도록 해주었으나 지금은 유료로 바뀌었다. 클라우드 서비스는 사용자에게 편리한 저장 솔루션을 제공하지만, 무료 용량의 한계와 유료 정책 변경 등의 문제점도 있다. 이러한 변화로 사용자는 자신의 데이터 관리에 보다 신중한 자세를 취할 필요가 있다. 클라우드 서비스를 이용할 때는 장기적 관점에서 용량, 비용, 서비스 안정성 등을 고려한 데이터 관리 전략을 세우는 것이 중요하다. 클라우드 환경이든 개인 PC나 스마트폰의 저장 용량 기반 데이터 관리든, 어떤 환경에서도 파일 정리는 중요하다. 수기로 결재를 받은 업무용 서류를 시스템에 등록하기 위해 스캐너를 이용하여 디지털 파일로 만드는 경우를 생각해 보자. 보통 스캔을 하는 경우에 고려하는 해상도 옵션은 출력용의 해상도라고 하면 300dpi, 웹 뷰어용으로는 150dpi, 최소 옵션으로 75dpi 정도를 사용하는 것이 일반적이다. 그런데, 업무용 서류를 스캔할 때 해상도를 600dpi로 적용한다고 해보자. 150~300dpi면 충분한 해상도를 과도하게 높여서 파일 크기는 불필요하게 증가한다. 해상도가 2배 증가하면 파일 크기는 4배가 증가한다고 보면 된다. 300dpi로 스캔된 파일 100개를 저장할 수 있는 공간에 600dpi로 스캔된 파일은 30개도 저장하지 못하게 되는 것이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
양승규 작성일 : 2024-12-05 조회수 : 2258
딥러닝 모델 개발 프로세스 기록/분석/가시화 및 모델 튜닝하기
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 AI 업계에서 표준적으로 사용되고 있는 도구를 개발하는 W&B(Weights & Biases)를 소개하고, 이를 사용하는 방법을 소개한다. 그리고 건설, 제조와 같은 전통 엔지니어링 산업에서 생존을 위해 생각할 부분을 정리해 보고자 한다.   ■ 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 모든 산업 분야에서 딥러닝으로 시작된 인공지능(AI) 기술 트랜드가 거세게 몰아치고 있다. 특히, 올해는 생성형 AI가 업무에 실질적으로 사용되기 시작했다. 생성형 AI는 다양한 업무 분야를 자동화하고 있어, ‘Job Killer’라 불릴 만큼 오피스에 많은 영향을 주고 있다. 이와 같이 기술이 전통적인 시장과 일자리를 축소하기도 하지만, 이번 호에서 소개할 W&B는 골드러시에서 역마차를 만들어 운영했던 웰스파고의 전략을 잘 실행한 스타트업이다.     W&B 기술 소개 딥러닝 모델을 개발하다 보면 수많은 종류의 데이터셋, 하이퍼모델 파라미터 튜닝 등으로 인해 관리해야 할 자료가 매우 복잡해진다는 것을 알게 된다. W&B는 이름 그대로 완벽한 모델 학습을 위해 필요한 딥러닝 모델의 가중치(weights)와 편향(biases)을 모니터링 및 관리할 수 있는 로그 도구이다. 즉, 딥러닝 모델 개발자를 위한 프로세스 로그 및 가시화 플랫폼을 제공한다.    그림 1. W&B(AI Summer)   매우 직관적인 이름을 가진 이 스타트업은 텐서보드(Tensorboard)와 비슷하지만, 적은 코드로 모델 개발에 많은 통찰력을 준다. W&B의 WandB 라이브러리를 사용하면 딥러닝 모델 학습 시 지저분하게 붙어 나가는 로그 처리를 간단한 함수 몇 개로 처리할 수 있고, 통합된 대시보드 형태로 다양한 모델 학습 품질 지표를 확인 및 비교할 수 있다. 이외에도 학습 모델 하이퍼 파라미터 관리와 튜닝 및 비교 보고서 생성 기능을 제공한다. 로그는 숫자, 텍스트, 이미지 등 다양한 포맷을 지원한다.    그림 2. W&B 딥러닝 모델 개발 프로세스 가시화 대시보드   이번 호에서는 딥러닝 모델 학습 로그 및 가시화 영역에 집중해 살펴본다. 글의 마무리에서는 W&B의 개발 배경도 간단히 알아본다.     사용법 다음 링크에 방문해 회원 가입한다.  wandb.ai website : https://wandb.ai 회원 가입한 후 <그림 3~4>와 같이 홈 메뉴에서 키 토큰 값을 얻어 복사한다. 이 키는 wandb API를 사용할 때 필요하다.   그림 3    그림 4   명령행 터미널에서 다음 명령을 실행해 wandb 파이썬 라이브러리를 설치한다.  pip install wandb     ■ 자세한 기사 내용은 PDF로 제공됩니다.
강태욱 작성일 : 2024-12-05 조회수 : 2204
캐디안 2025 최신 버전의 주요 기능 소개
새로워진 캐디안 2025 살펴보기 (1)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)의 최신 버전인 캐디안 2025 버전이 출시되었다. 이번 호에서는 캐디안 2025 버전의 몇 가지 주요 기능에 대해서 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   OTF 글꼴 파일 지원 캐디안 2025에서는 기존에 지원되던 SHX, TTF(TrueType Font)에 더해서 OTF(OpenType Font) 글꼴 파일을 지원한다.  OTF 글꼴 파일은 표현의 속도는 다소 느리지만 섬세한 곡선 표현에 적합한 폰트로, 마이크로소프트와 어도비가 합작하여 발표한 글꼴이다. 따라서 어도비 제품군과 같은 고해상도 출력을 위한 업종에서 주로 사용되던 폰트이다. 다음의 순서대로 조치하면 OTF 파일을 캐디안에서 이용할 수 있다.    1. 인터넷 등에서 내려 받은 OTF 파일을 더블클릭하면 폰트 설치 화면이 표시된다. 왼쪽 상단의 설치 버튼을 클릭하여 해당 OTF 폰트 파일을 PC에 설치한다.     2. 글꼴 설치 중 창이 표시되며, 해당 폰트가 PC에 설치된다.     3. OTF 글꼴 파일이 PC에 설치된 것을 확인할 수 있다.     4. 설치한 OTF 폰트를 캐디안의 문자 스타일 창의 글꼴 목록에서 확인할 수 있다. 해당 글꼴을 선택한 후 문자 작성 등의 기능에서 이용할 수 있다.     rvt2ifc 기능 이용하기 rvt2ifc 기능을 이용하여 오토데스크의 레빗 파일인 *.rvt 파일을 *.ifc 파일로 변환한다. IFC(Industry Foundation Classes) 파일은 서로 다른 소프트웨어 응용 프로그램 간의 호환성에 염두를 둔 파일 형식이다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.
최영석 작성일 : 2024-12-05 조회수 : 2272
아레스 캐드 2025의 BIM 도면 상세 보기
데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (8)   DWG 호환 CAD인 독일 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 이를 삼위일체형(Trinity) CAD라고 부른다. 이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2025(ARES Commander 2025)의 BIM 도면 상세 보기에 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. BIM 도면의 상세 보기   BIM 도면의 상세 보기는 평면도나 단면도의 특정 영역을 확대하는 새로운 도면 유형이다. 최근 BIM 소프트웨어는 건물의 특정 구조적 측면을 보다 정확하게 시각화할 수 있는 새로운 도면 유형인 ‘상세 보기(Detail)’ 기능을 도입했다. 이 기능은 복잡한 벽 연결이나 지붕과 벽의 교차점 등 건물의 중요한 부분을 확대하여 명확히 보여줌으로써 구조적 안정성과 설계 정확도를 높이는데 기여한다. 평면도(Plan)나 단면도(Section)의 특정 영역을 확대하여 세부사항을 표출함으로써, 사용자들은 더욱 심도 있는 건물 분석이 가능하다.   그림 2. Detail 기능   상세 보기를 생성하기 위해 새로 개선된 ‘BIMSECTION’ 명령을 사용하여 특정 관심 영역을 선택할 수 있다. 리본 메뉴에 위치한 상세 도면 기능을 통해 이 도면의 생성 과정을 더욱 손쉽게 확인할 수 있으며, 해당 도면은 참조 축척을 설정하도록 하여 확대 비율에 따라 원하는 부분만 정밀하게 표현할 수 있다. 이렇게 생성된 도면은 BIM 내비게이터의 상세 단면 섹션에서 찾아볼 수 있다. 이후, CAD 기능을 통해 해당 영역의 상세 정보를 추가하여 건축 설계에서 중요한 디테일 요소를 명확히 나타낼 수 있다. 새로운 상세 보기 유형은 평면도, 단면도 및 입면도에 모두 적용 가능하여, 건축 설계 및 시공 과정에서 전체적인 건물 이해도와 효율을 높여주는 핵심 도구가 될 것이다. 이번 BIM 최신 릴리스의 상세 보기 기능은 설계자와 시공자가 구조적으로 중요한 부분에 집중하고, 복잡한 세부사항을 보다 직관적으로 이해하는데 큰 도움을 줄 것이다. 리본에서 찾을 수 있는 새로운 상세 도면 기능을 살펴보겠다. ‘Detail’ 아이콘을 클릭하여 사용한다. 원본 도면의 특정 부분이 확대된 추가 도면을 만들 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
천벼리 작성일 : 2024-12-05 조회수 : 1384
총 게시글 760

ㆍ태그

캐드
CAE
PLM
BIM
3D프린팅
오토캐드
크리오
솔리드웍스
인벤터
autocad
맹영완
강태욱
주승환
델켐