금형 온도 계산은 입력한 금형 온도를 기반으로 평균적인 온도로 계산을 할 수도 있고 과도냉각방식인 transient 방식으로는 금형의 초기 시동시 온도에서부터 안정화 될때까지 온도를 계산하여 사출공정에 적용할 수 있습니다. 딥러닝에 대한 부분은 시간에 따른 금형 온도 데이터를 통해서 딥러닝 학습을 할 수 있는 환경이 구축된다면 가능하지 않을까 생각이 됩니다. 이 부분은 추가적으로 확인을 해 보도록 하겠습니다.^^
[질문] 리눅스플랫폼이 많으면 기존엔 가각 컨버젼하고 업데이트해야 하는 컨데이터가 너무 많지만 이것을 PaaS 대표적인 맨텍의 아코디언을 사용하면 한번에 전환하고 컨테이너를 관리할 수 있다는 말씀인지 궁금하고 그럼 이제는 paas 하나만 잘 관리하고 업데이트 패치하면 된다는 말씀 같은데 그럼 paas에 종속되는 문제는 없는 것인지요? 언제든 타 paas로 이전이 가능한 구조가 필수 일것 같은데 이런 문제는 어떻게 해결하셨는지요?
(질문) 레거시, 클라우드, SaaS 등으로 가면서 데이타센터 하드웨어 어플라이언스 위주의 보안 정책 관리가 힘들어졌고 재택, 원격 근무가 보편화된 시대에 확장성이나 보안 문제를 드러난 VPN보다 클라우드 엣지 솔루션을 보안 정책으로 검토하고 있습니다. 이때 추천할 만한 솔루션은 어떤 것이 있는지 문의드립니다.
질문: 금형 온도를 계산하는 방법이 항상 싸이클에 기반하여 평균 또는 Transient를 계속하는건가요? 시간에 따른 금형 온도 변화를 계산하는 것외에 딥러닝을 기반으로 시뮬레이션을 하는 것도 시도가 가능할까요?