AU Class
AU Class
class - AU

Think Big Infrastructure Update: Glen Canyon Dam Unified Intelligent Models

이 강의 공유하기
동영상, 발표 자료 및 배포 자료에서 키워드 검색:

설명

The United States Bureau of Reclamation (USBR) develops, manages, and protects western water resources for the nation. Built in an age of slide rules and manual drafting, USBR’s 492 dams and 53 power plants were each created using thousands of individual engineering drawings. These dams are critical infrastructure, and will continue to serve the nation for centuries, requiring new methods and technology for effective management. Using Autodesk software and with assistance from Autodesk, USBR set out to create unified intelligent models of Glen Canyon dam and power plant. The use of laser scanning, photogrammetry, CAD, BIM (Building Information Modeling), and SONAR enabled the creation of comprehensive multidiscipline 3D models. This project serves as a prototype to develop expertise, best practices, guidelines, and procedures, with applicability for many industries. This session will discuss the objectives and procedures, and provide an update on project status, intelligent-model creation, and future directions.

주요 학습

  • Discover preparations and procedures for large-quantity, multisource data collection
  • Understand the processes for managing and merging massive volumes of reality capture data
  • Discover the procedures to use reality capture data for BIM and photo model creation, and to model existing components
  • Discover how to create visualization and virtual reality from BIM and photo models

발표자

  • David Winslow
    David Winslow, P.E. has worked for the U.S. Bureau of Reclamation for 33 years and is project manager for the unified model project at Glen Canyon dam. He has extensive experience in CAD software management, support and training along with experience in design and construction. He has provided support to personnel throughout Reclamation on CAD and drawing management for over 25 years. Dave holds a Bachelor’s degree in Civil Engineering from the University of Utah.
  • CARLOS ORONA
    Carlos Orona is a Business Consultant for the Engineering / MEP / CAD / BIM industry. Over the course of his 18 year career, Carlos' has worked as Designer,BIM/CAD Manager, and engineer in the mechanical, electrical and plumbing/piping (MEP), water/waste (Headworks) consulting industry and has been involved in many large projects in and around the United States and international. He regularly conducts seminars on the use of CAD/BIM technology in building engineering where his MEP and engineering background brings a complete understanding to the process of helping companies effectively implement CAD & BIM in a production environment. He regularly provides CAD & Building Information Modeling implementation services, customization, content creation, training, and support for Autodesk AEC sofware.
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
  • Chapters
  • descriptions off, selected
  • subtitles off, selected
      Transcript

      DAVID WINSLOW: So by a show of hands, just to make sure everybody's still awake after lunch, how many were here last year when we did this for the first time? Oh, not as many as I thought. So that-- appreciate that. That helps me. And as we go through, I've got a couple of gift cards we'll hand out.

      AUDIENCE: Hooray.

      [LAUGHTER]

      DAVID WINSLOW: Good. Good. Come on in.

      AUDIENCE: David, go ahead and get started.

      DAVID WINSLOW: All right, I think we're about at the point where we can go ahead and start. I know your time is important. I appreciate your being here. And I hope this provides you with good information. If you've got questions, please share those with us.

      My name is David Winslow. And I work for the US Bureau of Reclamation. We're not the BLM. We deal with water, and dams, and power facilities, and canals. And we are in the Western US. I've worked for Reclamation for over 35 years. So I've been there a long time. I'm an old guy. It's just the way it is. My co-presenter today is--

      CARLOS ORONA: Good if I turn that on. Right? My name is Carlos Orona, and I'm senior implementation consultant with Autodesk. And I have been in the engineering industry for now working on 27 years, so everything from petrochemical, industrial piping, water, waste water, and oil and gas.

      DAVID WINSLOW: OK, so our session today details the work that we did with Autodesk. We partnered with Autodesk to create a comprehensive model of one of our larger facilities. That facility is Glen Canyon Dam.

      It's located on the border of Utah and Arizona. It's on the Colorado River above the Grand Canyon. So for those of you who know, close to us here is Hoover Dam. Glen Canyon is above Hoover Dam.

      And there is a compact, Colorado River Compact, and that compact says so much water goes to the Upper Basin states and so much goes to the Lower Basin states. And this is the facility that we use to make those required releases to the Lower Basin.

      OK, what is Reclamation? Well, we were established in 1902. We have nearly 500 dams, around 337 reservoirs throughout the Western US. We are the second-largest producer of hydropower. So that hydro clean power, we produce a lot of it.

      We are also a big provider of water. Now, most of us, when we get up in the morning, we stumble into where we can wash our face and use the restroom. We won't really think about where, when we turn on that light or the faucet, where that water or power is coming from.

      It comes from a variety of sources. But Reclamation may well have provided the water and the power that you used this morning. We also provide a lot of water for farmers. And that water goes to produce a lot of the food that we eat annually.

      Why is it so important? This photo here was taken in 1942. That's not that long ago in terms of the overall length of our nation. These people didn't have much water.

      So Reclamation's mission was to provide that water, and then also power, as well as recreation benefits, and municipal, industrial water, provide all of those benefits to these people so they could actually inhabit the West. Because the West, unlike the East, doesn't have water really where you need it. It has to be stored, collected, and then moved to where it needs to go.

      We have a big impact on the economy of the nation. We directly-- or because of what we do, a lot of people are employed. And there's a-- that power that I talked about earlier, that grosses nearly a billion dollars every year to help with our economy, to keep moving things forward. Does anyone know what this is?

      AUDIENCE: Is it in Dallas where they killed Kennedy?

      DAVID WINSLOW: What's that?

      AUDIENCE: Is it in Dallas where the shooter--

      DAVID WINSLOW: It is. It is. OK. You know what year that was?

      AUDIENCE: [INAUDIBLE]

      DAVID WINSLOW: Yeah, this was 1963. OK? That building was built-- it was actually built in 1899. It was rebuilt in 1902 after a lightning strike nearly burned it down. Reclamation was established in 1902. This dam, the concrete was completed in 1963, so really the same time period.

      This is Glen Canyon Dam. That reservoir holds 27 million acre feet of water. It's a little smaller than the reservoir for Hoover, but very similar.

      OK, so I don't know if anybody here has seen the great pyramids in Egypt. There's a smaller one just down the road here, and I don't know what it is. The volume of material that built that is a little over 3 million cubic yards of material, of stone, which is very similar to Hoover Dam.

      And Hoover Dam is quite a bit higher than the pyramid. But Glen Canyon is a little bit shorter, but it has 50% more concrete in it. So this is a very, very large facility, nearly 5 million cubic yards of concrete in the dam alone. It's a big facility. Here you can see Carlos.

      [LAUGHTER]

      It's a lot larger than he is. That little speck there in the middle, that's me. It's got way too many of these ladders that are very scary. Here we are out on top of the power plant. What were trying to do here was just collect as much data as we could.

      It's got places that are wet inside. The power of the water is really something. If you ever get a chance to go to Hoover or to Glen Canyon, I highly recommend you take a tour.

      It also has a power plant. There are eight generators in there producing power on a regular basis to help us live our lives every single day.

      When this was built in the '60s, we didn't have CAD. We didn't have PCs. We didn't have laptops. We didn't have tablets. We didn't have cell phones. But we had lots and lots of paper, and we have over 10,000 drawings for this facility.

      A number of years ago, I was tasked with creating a model. And the idea was just in the same way that the concrete in your driveway or your sidewalk cracks, well, same thing happens to a dam. And we have to be concerned about that because it's holding back all of the water.

      And the question was, are these cracks that we're seeing, do they connect anywhere? And so in order to do that, I went through all of-- well, I didn't go through all those drawings. I went through quite a few of those drawings to find the original design.

      From that, I created this model in-- back then, it was Map 3D, and with the idea of making it so that all of those green lines that you see there, those are where the cracks are inside in the galleries and the adits.

      And this helped give us kind of an idea of how the facility works together. But it was very-- it was too rudimentary. It just didn't do enough for us.

      I've been trying to find a better way to make this model work for us for quite a number of years. And about four years ago, I went to our R&D office, and I said, this is what I want to do. I want to create a comprehensive model of this facility so that we can manage it, operate it. We can do our redesign-replacement with a state of the art model and tools.

      In order to do that, I went around to find all of the survey information I could find. These brass caps, notice here this one was put in in 1957. So it's been there a long time.

      I found them up on the edge of the concrete-- or up on the edge of, actually, the canyon walls. I found them in lots of different places. And then I actually found more as we went along.

      So that helped give us the information we needed. It also provided us with a GPS location. I brought in a surveying team, and they spent a week going through that and establishing control for the work.

      The types of data we collected were we collected LIDAR data, SONAR data. We collected photos, and photogrammetry, and also survey data. We collected that data on the exterior of the dam, throughout the power plant interior and exterior, upstream, downstream, on the canyon walls.

      So at that point in time, this was August of 2015. We had a group of Reclamation employees come together with Carlos and some other Autodesk people. We had three main scanners that we used. We scanned all of those places that I talked about earlier.

      But as you can see from this photo-- and this is a pretty big job. That distance from where that scanner sits to the crest of the dam is over 500 feet. So over 700 different locations were used to collect LIDAR data-- upon the walls, downstream, on top of the power plant, inside the power plant.

      One of our units was actually undergoing maintenance at the time. And so it was partially taken apart. This was a confined space. But we had one of the facility employees take a scanner inside there. And he scanned where the water actually comes into the generator, the penstock and into the scroll case.

      There's a false floor here. The top there is the turbine runner. And that's what the water pushes to spin it, the generator.

      Now, all of those scans were taken, and they were merged together using ReCap Pro. If you see there on the right side, and all of those circles, those are locations where scans were taken. Since this is a plan view of that, those scans were actually taken in four different levels of the power plant.

      From that was created a point cloud. This is not a photo. This is the point cloud. This provides us with a lot of information just as it is. And it's just the start.

      This is the main generating room, the point cloud. What we have never seen before though is this. This is that generator-- or generating unit. And we can see it on different levels. We see how it all works together.

      I've wandered down those corridors for over 20 years. And I've never seen something like this. This really helps with our understanding.

      We did both of the spillway inlets. And these are both set into the canyon walls on either side. We scanned not only from the concrete but also from the radial gates themselves. We never did get down there into the inlet because it takes a rope to get down there. And you don't want to be on a rope with a really expensive piece of equipment.

      But from all of the locations where we took scans, we were able to basically recreate that in the point cloud. Now, I can take this information. I can send it to our designers who are remote from the site. And then they have enough information that they can do whatever work they need to do.

      If it's rehab efforts, replacement, they don't have to be there. They don't have to come to the site. I can give them all of the dimensional information. And they also get visuals. They can move around this data. They can flip it. They can look upside down, whatever they need to do.

      And you'll notice there that there is a big, dark hole. That's a spillway. And it goes way down, and it's dark. This information helps us really to understand the facility and how it interacts with the canyon itself.

      This is the data that we collected, a massive amount of data. From that, we're able to create these renditions. OK? I told you that we had LIDAR data. We have data from the canyon walls. We had SONAR data. We can take all of that, bring it together in Navisworks, creating any type of visual information that we need.

      This is good for visitors. It's also good for our employees. Many of them don't get the chance to ever see this. It helps them with their understanding of who we are and what we do. And if they're working on this facility, it helps them understand how everything fits together. Same with this, you can readily see how the power plant is put together.

      Now in addition to that, we took lots and lots of photos. Over 2,000 photos were captured and probably even more. I've gathered a lot of them. We were able to actually even get on the river down below the dam, take photos there and video.

      In order to get some of the aerial information, Autodesk hired a helicopter. There's only one helicopter there. It's the medevac. They weren't being used at that point in time, so they purchased a few hours of time and got quite a number of spectacular photos and videos.

      OK, from that, then we created a photo model. Now, at this point in time, because of requirements for cloud applications, the government requires that those providers and the people that host those cloud services have to have certification.

      At that point in time, Autodesk didn't have it. And so rather than doing this, like would normally done in the cloud very quickly, this was just done on a single PC. It took almost a day to complete that.

      AUDIENCE: Except, David, you made it sound like Autodesk has that certification.

      DAVID WINSLOW: They haven't.

      AUDIENCE: It has not.

      DAVID WINSLOW: They still are working on that. Hopefully, they'll get it one of these days soon. This is the photo model. And you can switch it from-- and you can see the color, different versions. You can see it just in the tin. So and this is just created using that photo information.

      Originally, that was-- I don't know if you remember the, a number-- a few years back, it was called Memento, I think. Then it became ReMake. And this product is now ReCap Photo. That's what was used to create that.

      OK, other requirements that we had were-- we wanted to try as many different technology as we could. So we thought, well, we could gather some of this information with a UAB. But there were requirements on us that really would have put us way behind. It would have taken a number of months to get those approvals. That's why Autodesk hired the helicopter.

      But the interior space did not have to have those FAA approvals at that point in time in 2015. So, and it still doesn't. But Autodesk asked, and we gave them permission to use this drone inside the power plant.

      So here, you can see pilots. And there's the drone up there. The drone is just taking photos, video. And you can see that generating unit that's partially open. And from those photos, they created this video of that. This is what's called the stator.

      Now, one of the other things that we were looking at was we want to get some SONAR data. We want to find out about the upstream area of the reservoir, just upstream from the dam. And the people there at the facility, they said, one of the questions we have is, is sediment reaching the dam?

      There are some locations, some places where sediment inflow into the reservoirs is really a big problem. And there are facilities that are nearly useless because their reservoir's been filled in with sediment.

      The water here is nearly 500 feet deep, and it can be higher. So getting a good understanding of how much space we still have that's available for sediment is something that they worried about.

      So another partner came in. They had that little ROV that you saw. They established the base station on the GPS point. We used the facility's boats. And they had a driver there in that boat. There was power moving this, this little ROV, where it needed to go.

      All of the information that was collected by that ROV was sent wirelessly up to this base station. And the operator there could see in real time what was being collected, if it was meeting the needs, and tell them where to go down for the next pass.

      We did the area between the face of the dam and the buoy line, which is about a quarter mile. And they did that in about two and a half, three hours. It took them longer to set up and prepare it than actually do the SONAR collection.

      And from that, we got this information. And this has been colored thematically to give us a better understanding. Here, we get a pretty good idea of the inlet channel there, what it looks like.

      And in discussions I've had with others, that little ridge that you can see right here, we believe that's the original cofferdam from the construction in the '50s and '60s, the upstream cofferdam, which really tells us there is very little sediment that has reached this point so far.

      That information can be utilized inside of ReCap also. We can move it around. You can see here it's colored thematically also. It tells us we have about 270 feet before sediment reaches the bottom of the intakes. So there still a lot of life in this facility, in that reservoir. Are you next? OK, kill 30 minutes.

      CARLOS ORONA: So the process of--

      [MICROPHONE FEEDBACK]

      Hence why I love miking myself. Is that better? There we go. OK. So the process here that we came into, the modeling part of using the scan data, one of the things that was asked was, well, let's model this. And my first response to that was, I can model anything. Let's model. Let's model the dam. And one of the things is getting into the complexity of it and not just the level of effort involved.

      Taking the scan data and using the scan data to get proper dimensional information and being able to model it, so that that was a huge level of effort, just taking dimensions and coming up to this type of a model with a structure. That was the first part of it-- not too complicated.

      What got complicated was the custom connections in the steel. So there is a manual effort when it comes to modeling. And then there was feature extraction involved in this and then custom Revit families to accommodate the detail of the model.

      So these are some of the custom connections you see on the bottom. So it was a lot of repetitiveness here when it comes to the structure. But still, it was complex-- is making sure that the connections were right.

      And there's some conceptual information when it comes to the generators. And you'll see those modeled to a more higher level. For those of you who know what LOD is, or Level of Detail, this would be in the ballpark of a 450, 500.

      And same thing here using feature extraction, there's two softwares that we used for that. One was Kubit, and the other one was PointSense. I think it's called As-Built now.

      Taking the point cloud data, setting it up, there is some setup that needs to happen for that-- but setting up to where you can select the point cloud and then it map to Revit objects to get the families correct. So that was all the structure part of it.

      I rendered this just to give it an image of what it looks like on the inside, adding some lights. And those generators are now the Revit model generators-- and using feature extraction, custom parameters in the Family Editor to make that look how it is now as in As-Built

      And you can see, using the model, we can animate. And this is showing the maintenance of the stator-- so model, point cloud, together, and then animating the information all in one.

      So in the advent of the information that we had in the work that we've done so far, using the point cloud data, what could we do? Up to this point this year, we have this project that came about where it was to use existing information that we had modeled, model a system, and see if we cannot get clear judgment calls on how things are going to get installed in the field and for those who are going to be doing the work.

      So this was a UV system, and you can see that over here on this drawing, to be installed in this fire protection line. So existing condition modeling, again, using piping systems, this particular model didn't have any.

      So setting up the routing preference for the pipe system, making sure that it's correct, making sure it's reading the right tables for welded pipe and also for flanged connections, and feature extraction for the cylindrical shape of the pipe, making sure that the slopes were correct, and that's what you will see up in the point cloud up here in the top.

      And getting all this information together, then we can come up with, what does the existing look like? And how is it going to look like when it's completed? And making sure that it fits, because that was one of the main concerns is, is the equipment going to fit and accommodate the space?

      The particular unit you see here, this UV unit, that was a challenge because I didn't have it. And modeling it wouldn't model to the level that we needed to accommodate that LOD 500. The manufacturer did have files for it, but they were done in SolidWorks.

      So I needed to bring that information in. And it was just too heavy. It would just bog down the system. It was like 400 megs or something like that, some crazy number.

      So taking that into Inventor and cleaning it, shrink-wrapping it, and then bringing it into the Family Editor, adding the proper connectors to it so it can flex accordingly-- non-parametric, but the connectors are. So then connected to the end, it will detect a pipe, and then you can continue on with the run.

      So once that was completed-- whoops. Let me go back. And once that was completed, then bringing that into all the different generators and being able to have an As-Built model of that particular unit-- and that is one unit. There's four that were done this way with different systems across the piping gallery and the underwater gallery.

      So you can see, leveraging the ReCap model, there's just so many things that can happen on the back end. So big level of effort doing the scanning, very challenging work, but very rewarding at the same time.

      DAVID WINSLOW: All right, so this really proves out the model for us. In a way, it allows us to say, we've got these pipes. We've got this piping system. It's throughout this facility.

      We even have personnel there who they've said, if you could provide me with something that tells me what that pipe is because, even though I walk through here every single day, I don't know exactly which system is which. That's part of what we're looking to do.

      But in order to prove the value of the model, it was, we've got to replace this. We've got to bring in new straining systems. The strainer isn't good enough for the clog of mussel infestation that the facility is now having. It's a problem throughout the US, especially here in the West.

      So we've got to get this new piece of equipment in there. We were also looking at adding that UVA system to disinfect to try and take care of those. The combination of those two, we hope, will keep this problem at bay for a while.

      But specifically, what it did was it told us that there is room there in that concrete for this. We had originally thought of putting the UV system somewhere in here. It wouldn't fit.

      Carlos and the design engineer looked at and said, we can do it around the corner here. That helps us out. That helps us to do designs better.

      Our craft people there at the facility, they are going to be installing these pieces of equipment. So we want to give them as much information as we can to help make their job better, faster, safer.

      This visual, this design helps them to understand exactly what they need to do, what pipes need to be cut, what needs to be added, what needs to be taken away. That will pay dividends for us in the future.

      This project was such an innovative project that it was awarded the Achievement Award from USGIF, which is the US Geospatial Information-- excuse me-- Intelligence Foundation. That's why I put it up there because I couldn't remember what that acronym is.

      It basically shows what can be done when you put together a good team. Autodesk was a great team. They really helped to make sure that this was a successful project. If you've got something like this, I would consider working with Autodesk, getting their input, getting their help. It was a big, big part of the reason why this was successful.

      OK, so where do we go from here? Well, we proved that those models can help us with our design work. In order to help those facility people, we're going to be adding all of those different piping systems and labeling them so that as they walk through the facility, either with a laptop or something like that, tablet, and my idea is they just kind of point it at what it is, and it will tell them what that pipe is.

      It will tell them where that pipe goes, where it's coming from, where it's going to, and whether it goes up or down so that they have a better understanding of what's there in facility, so they can do their job better, so they can be safer.

      The electrical systems in that facility are very dangerous. We want to give as much information to our employees as we can get to them. We want to make sure that the drawings are up to date, that they have the latest documents, the user manuals, the repair manuals, the inspection reports. Anything that we have has been digitized and is available to them when they need it at that location so they can do their job.

      In the future, the electrical systems in the facility normally are about 10 to 15 years before they're replaced. Mechanical systems, that pipe is good for around 50 years. We rewrite-- excuse me. I can't talk today.

      We rewind generators. They're taken apart, rewound about 30 years, every 30 years. So there's always something going on at the facility. We want to make sure that new designs are added to these models so that, over time, it will become fully featured.

      You'll have all of the information and that can be used not only by technical and craftspeople, but also by management to better understand the facility, to better operate, to better maintain, to better keep it going forward.

      The concrete in these facilities will be around for over 1,000 years. As a federal agency, our mission is to make sure that that facility is operable for as long as possible, that it's a benefit to the people of the nation, that it continues to produce water and power to make sure our economy keeps moving.

      We will also be looking to add our Maximo system into this, where the work orders we have, where with spare parts, so that our inventory and our jobs are tracked, and managed, and all of this information comes together.

      We'll be looking at moving this into InfraWorks, make it easy to use for non-technical people. We'll probably even take a stab at VR or AR. We have the ability to really look at anything that comes about.

      Tying this all together, they had some sessions yesterday on Forge. I don't know if any of you went to the DefCon yesterday. But they were actually underpinning with Forge. There are other applications that can help us do this work. So as we go over the next few years, be continuing to add to the model to refine it, to make it more useful, more complete.

      This is what we have today. We don't just have those hand-drafted drawings. We have a point cloud. We have Revit models. As you can see here, that point cloud matches up very well with our original drawings. All of that can be used to help us do a better job.

      OK, so I've kind of talked about what those benefits are to us. Hopefully, this will be a prototype for some of our other facilities. We all need to do a better job.

      Those of you who have dams, it's aging infrastructure. We need to make sure that they are well taken care of. Because if they're not, they can be a hazard to any population below them.

      This is the machine shop. There's the main generating room. There's unit number 6 that was open. This is the scroll case where the water pushes the turbine runner.

      This is the lowest gallery. This is the pipe gallery. And you see a number of pipes there-- generator gallery. And this is the transformer deck, and you can see the transformers there. Transformers are going to be replaced next couple of years. So we'll have new designs for that-- will be added into these models.

      It's just a continuous job to make sure that this is done in the right way and it's useful for the future. OK, we've got about 15 minutes left. If you've got questions, we'll take those first. And I've got three gift cards to give away. Sir.

      AUDIENCE: If I ask, can I get a gift card?

      DAVID WINSLOW: You can ask.

      AUDIENCE: What is the average cost [INAUDIBLE] for [INAUDIBLE]? So just to have an idea of how much it would cost for all that [INAUDIBLE]?

      DAVID WINSLOW: You know, from the reclamation side, in terms of just dollars that we put into a contract with Autodesk, it was about a third of a million dollars. But that doesn't include our time.

      And Autodesk donated a lot of time also. They wanted to see a big infrastructure project. I'm assuming that their costs would be quite a bit more than what ours were, a million or two.

      AUDIENCE: And it's all federally funded, or--

      DAVID WINSLOW: Yeah, our side was all federal funded.

      AUDIENCE: Yes. Obviously an incredible level of detail goes into [INAUDIBLE]. I saw that there was some spots inside [INAUDIBLE] very impressive. And you guys have gone through a lot of effort to make this very real, so kind of some questions to your rewinding generators on the cycle, replacing equipment on the cycle. Are you planning on people verifying and re-utilizing all of the time and set-up that you've put in to making this real in your [? wheel ?] verification. So you have, let's say once every 10 years, you've got a fresh scan that you backdate all of your installs with?

      DAVID WINSLOW: It's my belief that, as time goes by, that we will see the cost of the equipment going down. The equipment will become more autonomous. It may be that instead of having a car with GPS or a LIDAR scanner mounted on top, it might just be a little tracked robot that goes around and does it all by itself.

      Yes, this model we have right now is basically the As-Built for the facility. It's only 50, 60 years late. This will be used as the base for everything we do in the future. Sir.

      AUDIENCE: One of the slides you showed using AutoCAD features in Map, that cracking--

      DAVID WINSLOW: Yep.

      AUDIENCE: --on the dam face, you get other technology, like point cloud, that you use to keep monitoring the crack situation, or every time you have to do it kind of like semi-manually. I'm interested in how you guys do that.

      DAVID WINSLOW: So the crack monitoring-- and because of the chemical nature of the water, when the water comes through the crack, it deposits minerals. So it's not only a crack, but we also have mineral build-up.

      It's almost like stalactites and stalagmites. So those get created over time. And every once in a while, they clean them off. When I originally did this, I went through every bit of that facility, photographed every single crack.

      AUDIENCE: And instead of manually, [INAUDIBLE] just guides us to more--

      DAVID WINSLOW: Yeah, I did that manually. Now, in the future, what I would do is I would take that little tracked LIDAR robot, send it through, have it collect all of that data, process that into a model.

      And then I could take those. And every couple of years, I could compare them and have it show me, highlight the differences, tell me what's happening here. So that's really where it's headed. It's as the capability goes up, the cost goes down, I can do this much more often.

      AUDIENCE: And I know [INAUDIBLE] in I believe it was Sweden-- it might be Norway. But somewhere in that area, they actually use drones to photograph the outside surface of a dam to do exactly that, to monitor the cracks on the outside surface of the dam.

      And so that could be done here as well for the exterior. And then you can start making connections of the interior graphics and those on the inside.

      CARLOS ORONA: Well, that would be great. Just one of the limitations is that the drone at a high elevation, wherever we are allowed to fly, may not be able to see that cracked dam. A crack is rather small compared to a large structure.

      AUDIENCE: Well, and this is--

      [INTERPOSING VOICES]

      AUDIENCE: --dam and cover the entire surface.

      CARLOS ORONA: Because I'm interested in not just cracks, but how big the crack is and in its size, what monitoring does [INAUDIBLE]?

      DAVID WINSLOW: Yeah, and one of the problems there--

      AUDIENCE: I'm not saying--

      DAVID WINSLOW: Yeah. One of the problems there is that when you're on a rope that's 500 feet above--

      AUDIENCE: [INAUDIBLE]

      DAVID WINSLOW: --certain death, you don't want to get out there very often.

      AUDIENCE: [INAUDIBLE]

      DAVID WINSLOW: If we have some kind of a drone or something that can get out there and do that on a regular basis, we're much better off. There was a question.

      AUDIENCE: Yeah, I was just noticing here-- in the winter time, there's going to be water gushing in through all those cracks everywhere. But in the summertime, they're all sealed up.

      DAVID WINSLOW: Oh, it's not only that, but it's also depending upon the level of the reservoir.

      AUDIENCE: The head?

      DAVID WINSLOW: The head, yep. Sir.

      AUDIENCE: With such large spaces, how do you control your target? Using spheres or flat targets? I mean, a dam's 500 feet tall with a very smooth interior space there.

      DAVID WINSLOW: Well, ReCap Pro is able to really do that itself. We really didn't have targets per se that we put out there for that. ReCap now has the ability to actually go in there. And it knows how to stitch those scans together.

      AUDIENCE: All right.

      DAVID WINSLOW: Sir.

      AUDIENCE: You didn't use any targets at all?

      CARLOS ORONA: No. There was enough detail within the space that we had that we can accommodate the parallax between the percentages. I would say that what was challenging was the roof because the roof was all white where we could have used registration markers for it.

      Because we did have a challenge to, how do you blend white on white without having a point to reference? But other than that, everything else we just scanned without any markers in it.

      AUDIENCE: Given the same data sets, the SONAR, the LIDAR, the point cloud were able to register all those?

      CARLOS ORONA: Yeah, we federated everything as one model. And, yeah, we didn't use any-- I mean, there was just enough. There's kilometers and kilometers and kilometers of piping and rooms that we could pick from that gave us the right stitching.

      AUDIENCE: By using the control points?

      CARLOS ORONA: Yeah, mhm. Yeah, using the three control points.

      DAVID WINSLOW: Sir.

      AUDIENCE: Kind of following on these points, I think it was probably in the FARO software [INAUDIBLE] cloud registration, not in the [INAUDIBLE]. But because I'm wondering what the target is for FARO to see out of. Because FARO needs a 500 foot distance, or 500 yard?

      DAVID WINSLOW: 500 feet.

      AUDIENCE: 500 feet. FARO is only accurate at that distance. I'm just wondering what FARO used to--

      DAVID WINSLOW: So the scanners were FARO 330s. And they're good for basically about 1,000 feet, 330 meters.

      AUDIENCE: [INAUDIBLE]

      DAVID WINSLOW: Yeah. But, now, the areas where we had the longest distances are probably the ones that we are the least concerned about in terms of accuracy. Just the middle of the concrete on the downstream face, is it important? Yeah. Does it need to be submillimeter accuracy? No.

      The idea was get the facility. We will add extra scans in the places where we need it. There just wasn't a way to get the middle level of the downstream face.

      AUDIENCE: Do you have [INAUDIBLE] people who give you very accurate data that also works very well with [INAUDIBLE]?

      DAVID WINSLOW: OK. You know, there are still a number of things that I need to do. I need to figure out a way to get something down that 700-foot-long spillway tunnel, which is basically, I mean, it's total darkness. It's about 40 feet in diameter, runs about a 45 degree angle.

      I need to have a drone that can do that and make sure it doesn't hit the sides or some kind of a sled that I can lower down, as well as I've got penstocks inside that are 15 foot diameter covered in coal-tar coating, so they're black. And they are almost vertical. So we still have a number of things that we want to try and scan. Over time, hopefully, we'll get them.

      CARLOS ORONA: Just to add on that, that was the equipment and the technology that we had at that time. In just the last year, it's been crazy. I mean, the BLK360 came out. And when you're lugging around a 330 at 18-, 20-some pounds for 15 hours, and I saw the BLK, it just brought it-- like, you just went, where were you? You know?

      So a lot of things have changed. And there's just so much technology now, so much competitiveness. Even on the drone side, when you're flying, and collision detection wasn't available six months ago, and now all the drones have collision detection on them.

      AUDIENCE: How long are these RTC--

      CARLOS ORONA: I have used the RTC, yeah.

      AUDIENCE: I've got a question.

      DAVID WINSLOW: Sir.

      AUDIENCE: I know you [INAUDIBLE].

      DAVID WINSLOW: Say that again. I'm sorry.

      AUDIENCE: [INAUDIBLE] that the point cloud [INAUDIBLE]?

      DAVID WINSLOW: So the-- did you get that?

      CARLOS ORONA: No. I'm sorry.

      AUDIENCE: [INAUDIBLE]

      CARLOS ORONA: Yes.

      AUDIENCE: And you have no rapid model. So geological elements. How did you do that?

      CARLOS ORONA: The feature extraction, most of it, was done in PointSense. It's PointSense.

      AUDIENCE: PointSense?

      CARLOS ORONA: Mhm. So you set up the feature extraction by shape, not necessarily by element, so squares, circles. So squares are extruded. That would be for more the structure.

      Circles would be extruded for piping. And then you map that data to Revit families. So the circles become pipe, the rectangles become structure.

      AUDIENCE: So it's [INAUDIBLE]

      CARLOS ORONA: They're masses. Correct, air masses. Yeah, yeah. You still have to map the information, and then you have to set it up. I would say the setup part of it is very in-depth.

      But the mapping part of it is quick. Once you have the setup done, the mapping part is quick. You're just picking points, and it fills in the shape. [INAUDIBLE]

      DAVID WINSLOW: OK, we're about two minutes left. If you've got other questions, please come up afterwards. I need to get rid of these right now though.

      OK, first one, I had some comparison slides in there. Tell me which of those things that I showed you was the tallest.

      AUDIENCE: Hoover Dam.

      DAVID WINSLOW: Sir. Hoover Dam. OK. All right, the second one, how much concrete is in Glen Canyon Dam?

      AUDIENCE: Oh, 5-- 700 and something?

      [INTERPOSING VOICES]

      DAVID WINSLOW: OK, 4.9.

      AUDIENCE: [INAUDIBLE]

      DAVID WINSLOW: 4.9 million. OK, I've got one last one. And this one was not part of the information we gave you.

      AUDIENCE: Is it the gift card?

      DAVID WINSLOW: No, no, no, no, no.

      AUDIENCE: I have a question. Is Transformers buried in this one?

      DAVID WINSLOW: [CHUCKLES] No. There are no Transformers buried in any of our dams.

      [LAUGHTER]

      AUDIENCE: Never allowed to skip.

      AUDIENCE: Neither confirm nor deny.

      CARLOS ORONA: There's some areas that I wasn't allowed to go into.

      [LAUGHTER]

      DAVID WINSLOW: You're killing me. You're killing me. You're talking heresy now. All right, the last one, who can tell me what year Hoover Dam was dedicated? It's not Glen Canyon. This is Hoover. Hoover was built during the Depression.

      AUDIENCE: '32? '34?

      AUDIENCE: '39.

      DAVID WINSLOW: You're close, but--

      AUDIENCE: '38.

      AUDIENCE: '34 or '35.

      DAVID WINSLOW: Who said '35?

      AUDIENCE: [INAUDIBLE]

      DAVID WINSLOW: All right.

      CARLOS ORONA: They all got it right.

      DAVID WINSLOW: Thank you so much. Appreciate your attendance.

      [APPLAUSE]

      Oh.

      ______
      icon-svg-close-thick

      쿠기 기본 설정

      오토데스크는 고객의 개인 정보와 최상의 경험을 중요시합니다. 오토데스크는 정보를 사용자화하고 응용프로그램을 만들기 위해 고객의 본 사이트 사용에 관한 데이터를 수집합니다.

      오토데스크에서 고객의 데이터를 수집하고 사용하도록 허용하시겠습니까?

      오토데스크에서 사용하는타사 서비스개인정보 처리방침 정책을 자세히 알아보십시오.

      반드시 필요 - 사이트가 제대로 작동하고 사용자에게 서비스를 원활하게 제공하기 위해 필수적임

      이 쿠키는 오토데스크에서 사용자 기본 설정 또는 로그인 정보를 저장하거나, 사용자 요청에 응답하거나, 장바구니의 품목을 처리하기 위해 필요합니다.

      사용자 경험 향상 – 사용자와 관련된 항목을 표시할 수 있게 해 줌

      이 쿠키는 오토데스크가 보다 향상된 기능을 제공하고 사용자에게 맞는 정보를 제공할 수 있게 해 줍니다. 사용자에게 맞는 정보 및 환경을 제공하기 위해 오토데스크 또는 서비스를 제공하는 협력업체에서 이 쿠키를 설정할 수 있습니다. 이 쿠키를 허용하지 않을 경우 이러한 서비스 중 일부 또는 전체를 이용하지 못하게 될 수 있습니다.

      광고 수신 설정 – 사용자에게 타겟팅된 광고를 제공할 수 있게 해 줌

      이 쿠키는 사용자와 관련성이 높은 광고를 표시하고 그 효과를 추적하기 위해 사용자 활동 및 관심 사항에 대한 데이터를 수집합니다. 이렇게 데이터를 수집함으로써 사용자의 관심 사항에 더 적합한 광고를 표시할 수 있습니다. 이 쿠키를 허용하지 않을 경우 관심 분야에 해당되지 않는 광고가 표시될 수 있습니다.

      icon-svg-close-thick

      타사 서비스

      각 범주에서 오토데스크가 사용하는 타사 서비스와 온라인에서 고객으로부터 수집하는 데이터를 사용하는 방식에 대해 자세히 알아보십시오.

      icon-svg-hide-thick

      icon-svg-show-thick

      반드시 필요 - 사이트가 제대로 작동하고 사용자에게 서비스를 원활하게 제공하기 위해 필수적임

      Qualtrics
      오토데스크는 고객에게 더욱 시의적절하며 관련 있는 이메일 컨텐츠를 제공하기 위해 Qualtrics를 이용합니다. 이를 위해, 고객의 온라인 행동 및 오토데스크에서 전송하는 이메일과의 상호 작용에 관한 데이터를 수집합니다. 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 이메일 확인율, 클릭한 링크 등이 포함될 수 있습니다. 오토데스크는 이 데이터를 다른 소스에서 수집된 데이터와 결합하여 고객의 판매 또는 고객 서비스 경험을 개선하며, 고급 분석 처리에 기초하여 보다 관련 있는 컨텐츠를 제공합니다. Qualtrics 개인정보취급방침
      Akamai mPulse
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Akamai mPulse를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Akamai mPulse 개인정보취급방침
      Digital River
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Digital River를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Digital River 개인정보취급방침
      Dynatrace
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Dynatrace를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Dynatrace 개인정보취급방침
      Khoros
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Khoros를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Khoros 개인정보취급방침
      Launch Darkly
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Launch Darkly를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Launch Darkly 개인정보취급방침
      New Relic
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 New Relic를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. New Relic 개인정보취급방침
      Salesforce Live Agent
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Salesforce Live Agent를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Salesforce Live Agent 개인정보취급방침
      Wistia
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Wistia를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Wistia 개인정보취급방침
      Tealium
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Tealium를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Upsellit
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Upsellit를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. CJ Affiliates
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 CJ Affiliates를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Commission Factory
      Typepad Stats
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Typepad Stats를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Typepad Stats 개인정보취급방침
      Geo Targetly
      Autodesk는 Geo Targetly를 사용하여 웹 사이트 방문자를 가장 적합한 웹 페이지로 안내하거나 위치를 기반으로 맞춤형 콘텐츠를 제공합니다. Geo Targetly는 웹 사이트 방문자의 IP 주소를 사용하여 방문자 장치의 대략적인 위치를 파악합니다. 이렇게 하면 방문자가 (대부분의 경우) 현지 언어로 된 콘텐츠를 볼 수 있습니다.Geo Targetly 개인정보취급방침
      SpeedCurve
      Autodesk에서는 SpeedCurve를 사용하여 웹 페이지 로드 시간과 이미지, 스크립트, 텍스트 등의 후속 요소 응답성을 측정하여 웹 사이트 환경의 성능을 모니터링하고 측정합니다. SpeedCurve 개인정보취급방침
      Qualified
      Qualified is the Autodesk Live Chat agent platform. This platform provides services to allow our customers to communicate in real-time with Autodesk support. We may collect unique ID for specific browser sessions during a chat. Qualified Privacy Policy

      icon-svg-hide-thick

      icon-svg-show-thick

      사용자 경험 향상 – 사용자와 관련된 항목을 표시할 수 있게 해 줌

      Google Optimize
      오토데스크는 사이트의 새 기능을 테스트하고 이러한 기능의 고객 경험을 사용자화하기 위해 Google Optimize을 이용합니다. 이를 위해, 고객이 사이트를 방문해 있는 동안 행동 데이터를 수집합니다. 이 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 오토데스크 ID 등이 포함될 수 있습니다. 고객은 기능 테스트를 바탕으로 여러 버전의 오토데스크 사이트를 경험하거나 방문자 특성을 바탕으로 개인화된 컨텐츠를 보게 될 수 있습니다. Google Optimize 개인정보취급방침
      ClickTale
      오토데스크는 고객이 사이트에서 겪을 수 있는 어려움을 더 잘 파악하기 위해 ClickTale을 이용합니다. 페이지의 모든 요소를 포함해 고객이 오토데스크 사이트와 상호 작용하는 방식을 이해하기 위해 세션 녹화를 사용합니다. 개인적으로 식별 가능한 정보는 가려지며 수집되지 않습니다. ClickTale 개인정보취급방침
      OneSignal
      오토데스크는 OneSignal가 지원하는 사이트에 디지털 광고를 배포하기 위해 OneSignal를 이용합니다. 광고는 OneSignal 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 OneSignal에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 OneSignal에 제공하는 데이터를 사용합니다. OneSignal 개인정보취급방침
      Optimizely
      오토데스크는 사이트의 새 기능을 테스트하고 이러한 기능의 고객 경험을 사용자화하기 위해 Optimizely을 이용합니다. 이를 위해, 고객이 사이트를 방문해 있는 동안 행동 데이터를 수집합니다. 이 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 오토데스크 ID 등이 포함될 수 있습니다. 고객은 기능 테스트를 바탕으로 여러 버전의 오토데스크 사이트를 경험하거나 방문자 특성을 바탕으로 개인화된 컨텐츠를 보게 될 수 있습니다. Optimizely 개인정보취급방침
      Amplitude
      오토데스크는 사이트의 새 기능을 테스트하고 이러한 기능의 고객 경험을 사용자화하기 위해 Amplitude을 이용합니다. 이를 위해, 고객이 사이트를 방문해 있는 동안 행동 데이터를 수집합니다. 이 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 오토데스크 ID 등이 포함될 수 있습니다. 고객은 기능 테스트를 바탕으로 여러 버전의 오토데스크 사이트를 경험하거나 방문자 특성을 바탕으로 개인화된 컨텐츠를 보게 될 수 있습니다. Amplitude 개인정보취급방침
      Snowplow
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Snowplow를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Snowplow 개인정보취급방침
      UserVoice
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 UserVoice를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. UserVoice 개인정보취급방침
      Clearbit
      Clearbit를 사용하면 실시간 데이터 보강 기능을 통해 고객에게 개인화되고 관련 있는 환경을 제공할 수 있습니다. Autodesk가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. Clearbit 개인정보취급방침
      YouTube
      YouTube는 사용자가 웹 사이트에 포함된 비디오를 보고 공유할 수 있도록 해주는 비디오 공유 플랫폼입니다. YouTube는 비디오 성능에 대한 시청 지표를 제공합니다. YouTube 개인정보보호 정책

      icon-svg-hide-thick

      icon-svg-show-thick

      광고 수신 설정 – 사용자에게 타겟팅된 광고를 제공할 수 있게 해 줌

      Adobe Analytics
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Adobe Analytics를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Adobe Analytics 개인정보취급방침
      Google Analytics (Web Analytics)
      오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Google Analytics (Web Analytics)를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. AdWords
      Marketo
      오토데스크는 고객에게 더욱 시의적절하며 관련 있는 이메일 컨텐츠를 제공하기 위해 Marketo를 이용합니다. 이를 위해, 고객의 온라인 행동 및 오토데스크에서 전송하는 이메일과의 상호 작용에 관한 데이터를 수집합니다. 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 이메일 확인율, 클릭한 링크 등이 포함될 수 있습니다. 오토데스크는 이 데이터를 다른 소스에서 수집된 데이터와 결합하여 고객의 판매 또는 고객 서비스 경험을 개선하며, 고급 분석 처리에 기초하여 보다 관련 있는 컨텐츠를 제공합니다. Marketo 개인정보취급방침
      Doubleclick
      오토데스크는 Doubleclick가 지원하는 사이트에 디지털 광고를 배포하기 위해 Doubleclick를 이용합니다. 광고는 Doubleclick 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Doubleclick에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Doubleclick에 제공하는 데이터를 사용합니다. Doubleclick 개인정보취급방침
      HubSpot
      오토데스크는 고객에게 더욱 시의적절하며 관련 있는 이메일 컨텐츠를 제공하기 위해 HubSpot을 이용합니다. 이를 위해, 고객의 온라인 행동 및 오토데스크에서 전송하는 이메일과의 상호 작용에 관한 데이터를 수집합니다. 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 이메일 확인율, 클릭한 링크 등이 포함될 수 있습니다. HubSpot 개인정보취급방침
      Twitter
      오토데스크는 Twitter가 지원하는 사이트에 디지털 광고를 배포하기 위해 Twitter를 이용합니다. 광고는 Twitter 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Twitter에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Twitter에 제공하는 데이터를 사용합니다. Twitter 개인정보취급방침
      Facebook
      오토데스크는 Facebook가 지원하는 사이트에 디지털 광고를 배포하기 위해 Facebook를 이용합니다. 광고는 Facebook 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Facebook에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Facebook에 제공하는 데이터를 사용합니다. Facebook 개인정보취급방침
      LinkedIn
      오토데스크는 LinkedIn가 지원하는 사이트에 디지털 광고를 배포하기 위해 LinkedIn를 이용합니다. 광고는 LinkedIn 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 LinkedIn에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 LinkedIn에 제공하는 데이터를 사용합니다. LinkedIn 개인정보취급방침
      Yahoo! Japan
      오토데스크는 Yahoo! Japan가 지원하는 사이트에 디지털 광고를 배포하기 위해 Yahoo! Japan를 이용합니다. 광고는 Yahoo! Japan 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Yahoo! Japan에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Yahoo! Japan에 제공하는 데이터를 사용합니다. Yahoo! Japan 개인정보취급방침
      Naver
      오토데스크는 Naver가 지원하는 사이트에 디지털 광고를 배포하기 위해 Naver를 이용합니다. 광고는 Naver 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Naver에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Naver에 제공하는 데이터를 사용합니다. Naver 개인정보취급방침
      Quantcast
      오토데스크는 Quantcast가 지원하는 사이트에 디지털 광고를 배포하기 위해 Quantcast를 이용합니다. 광고는 Quantcast 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Quantcast에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Quantcast에 제공하는 데이터를 사용합니다. Quantcast 개인정보취급방침
      Call Tracking
      오토데스크는 캠페인을 위해 사용자화된 전화번호를 제공하기 위하여 Call Tracking을 이용합니다. 그렇게 하면 고객이 오토데스크 담당자에게 더욱 빠르게 액세스할 수 있으며, 오토데스크의 성과를 더욱 정확하게 평가하는 데 도움이 됩니다. 제공된 전화번호를 기준으로 사이트에서 고객 행동에 관한 데이터를 수집할 수도 있습니다. Call Tracking 개인정보취급방침
      Wunderkind
      오토데스크는 Wunderkind가 지원하는 사이트에 디지털 광고를 배포하기 위해 Wunderkind를 이용합니다. 광고는 Wunderkind 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Wunderkind에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Wunderkind에 제공하는 데이터를 사용합니다. Wunderkind 개인정보취급방침
      ADC Media
      오토데스크는 ADC Media가 지원하는 사이트에 디지털 광고를 배포하기 위해 ADC Media를 이용합니다. 광고는 ADC Media 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 ADC Media에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 ADC Media에 제공하는 데이터를 사용합니다. ADC Media 개인정보취급방침
      AgrantSEM
      오토데스크는 AgrantSEM가 지원하는 사이트에 디지털 광고를 배포하기 위해 AgrantSEM를 이용합니다. 광고는 AgrantSEM 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 AgrantSEM에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 AgrantSEM에 제공하는 데이터를 사용합니다. AgrantSEM 개인정보취급방침
      Bidtellect
      오토데스크는 Bidtellect가 지원하는 사이트에 디지털 광고를 배포하기 위해 Bidtellect를 이용합니다. 광고는 Bidtellect 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Bidtellect에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Bidtellect에 제공하는 데이터를 사용합니다. Bidtellect 개인정보취급방침
      Bing
      오토데스크는 Bing가 지원하는 사이트에 디지털 광고를 배포하기 위해 Bing를 이용합니다. 광고는 Bing 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Bing에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Bing에 제공하는 데이터를 사용합니다. Bing 개인정보취급방침
      G2Crowd
      오토데스크는 G2Crowd가 지원하는 사이트에 디지털 광고를 배포하기 위해 G2Crowd를 이용합니다. 광고는 G2Crowd 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 G2Crowd에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 G2Crowd에 제공하는 데이터를 사용합니다. G2Crowd 개인정보취급방침
      NMPI Display
      오토데스크는 NMPI Display가 지원하는 사이트에 디지털 광고를 배포하기 위해 NMPI Display를 이용합니다. 광고는 NMPI Display 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 NMPI Display에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 NMPI Display에 제공하는 데이터를 사용합니다. NMPI Display 개인정보취급방침
      VK
      오토데스크는 VK가 지원하는 사이트에 디지털 광고를 배포하기 위해 VK를 이용합니다. 광고는 VK 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 VK에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 VK에 제공하는 데이터를 사용합니다. VK 개인정보취급방침
      Adobe Target
      오토데스크는 사이트의 새 기능을 테스트하고 이러한 기능의 고객 경험을 사용자화하기 위해 Adobe Target을 이용합니다. 이를 위해, 고객이 사이트를 방문해 있는 동안 행동 데이터를 수집합니다. 이 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 오토데스크 ID 등이 포함될 수 있습니다. 고객은 기능 테스트를 바탕으로 여러 버전의 오토데스크 사이트를 경험하거나 방문자 특성을 바탕으로 개인화된 컨텐츠를 보게 될 수 있습니다. Adobe Target 개인정보취급방침
      Google Analytics (Advertising)
      오토데스크는 Google Analytics (Advertising)가 지원하는 사이트에 디지털 광고를 배포하기 위해 Google Analytics (Advertising)를 이용합니다. 광고는 Google Analytics (Advertising) 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Google Analytics (Advertising)에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Google Analytics (Advertising)에 제공하는 데이터를 사용합니다. Google Analytics (Advertising) 개인정보취급방침
      Trendkite
      오토데스크는 Trendkite가 지원하는 사이트에 디지털 광고를 배포하기 위해 Trendkite를 이용합니다. 광고는 Trendkite 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Trendkite에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Trendkite에 제공하는 데이터를 사용합니다. Trendkite 개인정보취급방침
      Hotjar
      오토데스크는 Hotjar가 지원하는 사이트에 디지털 광고를 배포하기 위해 Hotjar를 이용합니다. 광고는 Hotjar 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Hotjar에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Hotjar에 제공하는 데이터를 사용합니다. Hotjar 개인정보취급방침
      6 Sense
      오토데스크는 6 Sense가 지원하는 사이트에 디지털 광고를 배포하기 위해 6 Sense를 이용합니다. 광고는 6 Sense 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 6 Sense에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 6 Sense에 제공하는 데이터를 사용합니다. 6 Sense 개인정보취급방침
      Terminus
      오토데스크는 Terminus가 지원하는 사이트에 디지털 광고를 배포하기 위해 Terminus를 이용합니다. 광고는 Terminus 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Terminus에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Terminus에 제공하는 데이터를 사용합니다. Terminus 개인정보취급방침
      StackAdapt
      오토데스크는 StackAdapt가 지원하는 사이트에 디지털 광고를 배포하기 위해 StackAdapt를 이용합니다. 광고는 StackAdapt 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 StackAdapt에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 StackAdapt에 제공하는 데이터를 사용합니다. StackAdapt 개인정보취급방침
      The Trade Desk
      오토데스크는 The Trade Desk가 지원하는 사이트에 디지털 광고를 배포하기 위해 The Trade Desk를 이용합니다. 광고는 The Trade Desk 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 The Trade Desk에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 The Trade Desk에 제공하는 데이터를 사용합니다. The Trade Desk 개인정보취급방침
      RollWorks
      We use RollWorks to deploy digital advertising on sites supported by RollWorks. Ads are based on both RollWorks data and behavioral data that we collect while you’re on our sites. The data we collect may include pages you’ve visited, trials you’ve initiated, videos you’ve played, purchases you’ve made, and your IP address or device ID. This information may be combined with data that RollWorks has collected from you. We use the data that we provide to RollWorks to better customize your digital advertising experience and present you with more relevant ads. RollWorks Privacy Policy

      정말 더 적은 온라인 경험을 원하십니까?

      오토데스크는 고객 여러분에게 좋은 경험을 드리고 싶습니다. 이전 화면의 범주에 대해 "예"를 선택하셨다면 오토데스크는 고객을 위해 고객 경험을 사용자화하고 향상된 응용프로그램을 제작하기 위해 귀하의 데이터를 수집하고 사용합니다. 언제든지 개인정보 처리방침을 방문해 설정을 변경할 수 있습니다.

      고객의 경험. 고객의 선택.

      오토데스크는 고객의 개인 정보 보호를 중요시합니다. 오토데스크에서 수집하는 정보는 오토데스크 제품 사용 방법, 고객이 관심을 가질 만한 정보, 오토데스크에서 더욱 뜻깊은 경험을 제공하기 위한 개선 사항을 이해하는 데 도움이 됩니다.

      오토데스크에서 고객님께 적합한 경험을 제공해 드리기 위해 고객님의 데이터를 수집하고 사용하도록 허용하시겠습니까?

      선택할 수 있는 옵션을 자세히 알아보려면 이 사이트의 개인 정보 설정을 관리해 사용자화된 경험으로 어떤 이점을 얻을 수 있는지 살펴보거나 오토데스크 개인정보 처리방침 정책을 확인해 보십시오.