반응형 Creo Reference Room/Preferences141 AI와 3D CAD [설계자가 바라는 AI]AI가 도면을 직접 그릴 필요성을 없애줬으면 좋겠어요. 너무 반복적이고 귀찮잖아요. AI가 작업의 95%를 처리해 주면 좋겠어요. 제가 직접 확인하고 수정할 부분을 수정할 수 있으니까요.지금까지 채팅 GPT와 이미지 기반 AI를 활용한 이 워크플로가 정말 만족스럽습니다.뭔가를 생각해 낸다 > AI로 대략적인 내용을 정리한다 > 수동으로 출력을 조정한다 > 다시 AI로 보내서 통합하고 추가한 내용을 정리한다.AI가 컨셉 작성자 역할을 맡게 되기를 바랍니다. Parametric으로 구현된 Template 모델을 구성 한다면, 아마도 AI는 다양한 컨셉 모델을 빠르게 생성할 것 입니다. Parametric 모델을 생성하고, 치수 값을 변경하면, 모델은 자동으로 수정 됩니다. 만일 AI가.. 2025. 4. 30. 참조 뷰어 (Reference Viewer) #3 알림 창 : 만료된 배치 또는 피처정의 편집참조 편집 오류 화면임의 참조 요소를 선택 하여 완료 합니다▣ 순환참조1 순환 참조 루프가 발견되었습니다 루프 # 1 루프의 깊이는 3 입니다. 피쳐 번호 29 (컴포넌트, id = 81) 모델 C_MAIN_FRAME_ASSY 안 참조 : 피쳐 번호 6 (밀어내기_1, id = 40) 모델 BRACKET2 안 참조 : 피쳐 번호 29 (컴포넌트, id = 81) 모델 C_MAIN_FRAME_ASSY 안 - 원이 닫혔습니다.▷ 오류 검색외부 형상 옵션 끊기 2025. 4. 28. 참조 뷰어 (Reference Viewer) #2 ▣ 전체 경로 표시▷ Wheel_Frame.prt "참조 뷰어" 기능으로 참조 오류가 발생한 파일 이름을 검색 할수 있습니다. 검색 도구를 이용하여 외부 참조 오류가 있는 Feature를 검색 하였습니다.1. 외부 슈링크랩 Feature 오류오류 Feature정의 편집 2. 해결방법 2025. 4. 28. 참조 뷰어 (Reference Viewer) #1 Creo 참조 뷰어(Reference Viewer)는 Creo Parametric에서 모델과 피쳐 간의 참조 및 종속성을 조사하고 관리하는 데 사용되는 도구입니다. Creo Parametric의 참조 뷰어(Reference Viewer)에서 참조(Reference)와 종속성(Dependency)은밀접하게 연결되어 있지만, 약간 다른 관점을 나타냅니다.참조(Reference) : 참조는 한 객체(예: 피쳐, 부품, 어셈블리)가 다른 객체의 정보(예: 치수, 형상, 위치 등)를 사용하여 정의되는 관계를 의미합니다. 예: 구멍 피쳐가 특정 표면이나 Edge를 치수를 참조하거나, 어셈블리에서 부품이 다른 부품의 위치를 참조. 참조는 방향성을 가지며, "부모-자식" 관계로 표현됩니다. 즉, 참조된 객체(부모)가 .. 2025. 4. 28. 공통 라이브러리 구축 설계 업무에서 라이브러리는 개발 시간을 절약 할 수 있습니다. 또한 설계 오류 절감 할수 있으며, 설계 검증을 자동화 할수 있습니다. 라이브러리는 어셈블, 파트와 같은 모델로 구성 되는 것도 있으며, UDF와 같은 Feature로 구성된것 있습니다.스케치 모드에서는 파레트 기능도 라이브러리 입니다. Mapkey로 라이브러 구성 할수 있습니다. 일반적인 라이브러리 구축 방법은 아래와 같습니다1. 라이브러리 목표 설정 및 분류 체계 수립라이브러리에 포함할 부품 유형(예: 볼트, 너트, 모터, 베어링 등)을 정의. 즉, 유형(용도) 별로 라이브러리를 분류 합니다. 유형의 이름은 "폴더" 이름으로 구성 될수 있습니다. 유형별 라이브러리 특성 설정: 크기, 재질, 표준(ISO, DIN 등), 용도등의 항목을 만들.. 2025. 4. 14. 3D 설계 업무 표준화 방법 ▣ 설계 업무 표준화 설계 업무를 표준화하는 것은 품질 향상, 작업 효율 증대, 오류 감소 등을 위해 매우 중요합니다. 업무를 표준화하는 주요 방법은 무엇일까요? 첫번째는 설계 프로세스 메뉴얼화 하는 것이 제일 중요 할것 같습니다.단계별 업무 절차 정리: 기획 → 기본설계 → 상세설계 → 검토 → 승인 (예시) - 단계별 업무에 발생하는 산출물 정의 - 템플릿과 양식 정의 1) 문서 양식 (사양서, 설계변경요청서, 회의록 등) 2) CAD 템플릿 (도면 프레임, 도면 제목란, 어셈블 트리 구조 계층 구조 등)업무 절차별 세부 업무 내용 및 책임자 정의체크 리스트 도입 (예: 설계 완료(승인) 전 필수 항목 검토)▷제품설계뿐만 아니라, 일반 영업도 프로세스를 메뉴얼화를 실행 합니다. 구체적 영업 .. 2025. 4. 14. 설계 의도 ▣ 설계 의도 (Design Intent)설계 의도는 설계자가 부품의 외관과 기능에 대해 명시한 사양을 의미합니다. 이상적으로는 제조 시 최종 부품이 이 설계와 정확히 일치해야 합니다. 파라메트릭 CAD 소프트웨어인 Creo와 같은 도구에서 설계 의도를 명확히 기록하는 것은 설계 과정에서 의도한 제약 조건, 관계, 그리고 설계 목적을 체계적으로 정의하고 관리하는 것을 의미합니다. 이는 모델의 수정 용이성, 재사용성, 그리고 팀 간 협업을 향상시키기 위해 중요합니다. 설계 의도를 명확히 기록하는 주요 방법들입니다1. 파라메트릭 제약과 관계 설정파라메트릭 CAD의 핵심은 설계 요소 간의 관계를 정의하는 것입니다. Creo에서는 다음과 같은 방법으로 이를 구현합니다:치수 및 제약 조건 활용: 부품의 치수를 입.. 2025. 4. 11. 파라메트릭(Parametric) 방식의 CAD 프로그램 사용 이유? 설계자들이 Creo와 같은 파라메트릭(Parametric) 방식의 CAD 소프트웨어를 사용하는 이유는 다양한 설계 및 엔지니어링 작업에서 발생하는 효율성, 유연성, 그리고 정밀성에 대응이 필요하기 때문 입니다. 1. 파라메트릭 모델링의 유연성과 수정 용이성파라메트릭 설계란? 파라메트릭 CAD는 설계 요소(치수, 형상, 제약 조건 등)를 수학적 관계(파라미터)로 정의합니다. 이를 통해 설계자는 특정 치수나 조건을 변경했을 때 전체 모델이 자동으로 업데이트되도록 설정할 수 있습니다.왜 중요할까? 예를 들어, 부품의 길이를 변경하면 관련된 모든 형상(구멍 위치, 연결 부위 등)이 자동으로 조정됩니다. 이는 시간이 많이 소요되는 수동 수정 작업을 줄이고, 설계 변경이 빈번한 프로젝트에서 매우 유리합니다. 2... 2025. 4. 11. STL(AMF, 3MF) 변환 ▣ STL (Stereolithography) STL (Stereolithography) 파일은 3차원 모델의 표면을 삼각형 메쉬로 표현하는 형식입니다.이 형식은 주로 3D 프린팅에서 활용되며, 모델의 기하학적 정보를 저장하기 위해 각 삼각형의 꼭짓점 좌표와 법선 벡터를 포함합니다. STL 파일은 바이너리 또는 ASCII 형태로 저장될 수 있는데, 바이너리 형식이 더 컴팩트하고 처리 속도가 빠른 반면, ASCII 형식은 사람이 읽기 쉽다는 장점이 있습니다.STL 파일에서 삼각형의 꼭짓점 좌표와 법선 벡터는 3D 모델의 표면을 정의하는 핵심 요소입니다.삼각형 메쉬1.삼각형 꼭짓점 좌표 (Vertices):STL 파일은 3D 공간에서 삼각형의 세 꼭짓점을 나타내는 좌표(x, y, z)를 저장합니다.예를 들어.. 2025. 4. 10. Orange3] Model #4-k-NN(k-Nearest Neighbors) ▣ k-NNk-Nearest Neighbors (kNN) 알고리즘은 지도 학습의 일종으로, 새로운 데이터 포인트의 클래스 또는 값을 예측하기 위해 훈련 데이터셋에서 가장 가까운 k개의 이웃을 활용합니다. Orange3는 데이터 분석 및 머신러닝을 위한 강력한 오픈 소스 플랫폼이며, kNN 알고리즘을 쉽게 사용할 수 있는 다양한 기능을 제공합니다.k-NN 알고리즘의 기본 원리:거리 측정: 예측하려는 새로운 데이터 포인트와 훈련 데이터셋의 모든 데이터 포인트 간의 거리를 계산합니다. 일반적으로 유클리드 거리, 맨하탄 거리 등의 거리 측정 방식을 사용합니다.이웃 선택: 계산된 거리들을 기준으로 가장 가까운 k개의 훈련 데이터 포인트를 선택합니다. 여기서 'k'는 사용자가 미리 정의하는 하이퍼파라미터입니다.예측.. 2025. 4. 10. Orange3] Model #3-Calibrated Learner ▣ Calibrated Learner머신러닝 모델의 예측 확률을 보정(calibrate) 하는 데 사용되는 위젯입니다. 원래의 모델이 출력하는 확률이 실제 관측된 확률과 잘 일치하지 않을 경우, 이 위젯을 통해 더 신뢰할 수 있는 예측 확률을 얻을 수 있습니다.머신러닝 모델은 각 클래스에 대한 예측 확률(probability) 을 출력할 수 있습니다.하지만 이 확률이 항상 실제 정답 확률과 일치하지는 않습니다. 예를 들어, 모델이 90% 확률로 클래스 A라고 예측해도 실제로는 그 정확도가 60%일 수도 있습니다.Calibrated Learner는 이런 예측 확률을 보정(calibration) 하여, 모델의 예측 신뢰도를 높입니다.대표적인 보정 기법:1. Platt Scaling (로지스틱 회귀 기반)2... 2025. 4. 10. Orange3] Model #2 - CN2 Rule Induction ▣ CN2 Rule Induction: 머신러닝의 규칙 기반 학습(rule-based learning) 알고리즘 중 하나로, 데이터를 분석해 "if-then" 형식의 분류 규칙을 생성합니다. 이 방식은 사람이 이해하기 쉬운 형태의 결과를 제공하는 것이 큰 장점입니다.주어진 학습 데이터를 바탕으로 간단하고 이해하기 쉬운 규칙 집합을 만들어서 데이터를 분류 할수 있습니다.▷CN2 Rule Induction 사용 예시꽃잎의 길이와 너비 등을 이용하여 아이리스(Iris)의 품종을 예측하는 규칙 기반 모델(CN2 Rule Induction)을 만들어본다.▷규칙 예시 (CN2 Rule Induction 결과)IF petal length ≤ 2.0 THEN class = Setosa IF petal length >.. 2025. 4. 9. 이전 1 2 3 4 ··· 12 다음 반응형
