울산과학기술원 / UPA
- 기업형태
- 비영리단체/협회/재단
- 참여대상
- 대학생, 직장인/일반인
- 시상규모
- 2억 원
- 접수기간
- 시작일2023.08.01마감일2023.08.20
- 활동혜택
- 기타
- 공모분야
기타
- 추가혜택
- -
Internet Explorer 서비스 종료 안내
Internet Explorer(IE) 11 및 이전 버전에 대한 지원이 종료되었습니다.
원활한 이용을 위해 Chrome, Microsoft Edge, Safari, Whale 등의 브라우저로 접속해주세요.
2023년 스마트 해상물류 창업오디션 7기 모집(하반기)
2020
상세내용
2023년 스마트 해상물류 창업오디션 7기 모집(하반기)
[지원 내용]
1) 팀당 1000만원 창업자금 지원(인건비, 전문가 활용비 등)
2) 우수팀 선발 및 상금 지급
3) 경영자문, 세무회계 컨설팅 등 멘토링 및 항만물류 교육 지원
4) 스마트 항만물류 지원센터 창업공간 지원(일부 팀 선발)
5) 2024년 유니-콘테스트 가점 부여
*상기 지원내용은 사업추진 상황에 따라 변동 될 수 있습니다.
[모집 규모]
20개팀 내외
[지원 자격]
- 구체적인 사업아이템이 없어도 대학(원)재(휴)학생, 대학(원)졸업
- 예비창업자로서 팀 또는 개인 누구나!
[모집 기간]
- 2023. 08. 01.(화) ~ 08. 20.(일) 까지
[지원 방법]
- 첨부파일 신청서 양식 활용하여 e-mail 접수 (smacenter2019@gmail.com)
* e-mail 제목: [창업오디션 7기 지원/팀이름/대표자이름/제품(서비스)명]
[제출 서류]
1) 필수제출 : 신청서, 재학(졸업)증명서, 개인정보 제공수집·이용동의서 및 제3자 제공 동의서, 서약서 각 1부
2) 선택제출 : 가점 증빙서류
[문의 사항]
- 스마트 항만물류 지원센터 ☎(052) 217-2797
지원서 다운로드
이 공고를 스크랩한 사용자들이 궁금하다면?
내 정보를 입력하면 스크랩한 사용자들의학교, 전공, 연령, 관심 직무 현황을 확인할 수 있어요!
이 활동에 관심을 가지는 사용자 (4명)
합격스펙 & 합격자소서
더보기단국대 / 산업공학과 / 학점 4.34/4.5 / 오픽: IM1 / 사회생활 경험: 연구원 인턴 경험 2회 / 기타: ADSP,SQLD,빅데이터분석기사
1. "LG전자"에 대한 지원동기에 대하여 구체적으로 기술하여 주십시오. LG전자 생산기술원의 기술적 혁신과 디지털 트랜스포메이션을 선도하는 역할에 큰 관심을 갖게 되었습니다. 특히, 구글의 안토스를 기반으로 한 ‘마빈 클라우드’ 플랫폼의 성공적인 구축을 보며, 이와 같은 기술 혁신에 참여하고 싶다는 강한 동기를 갖게 되었습니다. 저의 전문성과 마빈 클라우드 플랫폼을 활용하여 AI 기반의 설비 고장 예지 기술 개발에 기여하고자 지원하였습니다. 4년간 대학생활 동안 산업공학과 AI 지식의 융합을 추구하였습니다. 통계와 품질, 프로그래밍의 기초이론을 다졌으며, 6시그마와 빅데이터 분석기사 자격증을 취득하며 전문성을 높였습니다. "Computer Vision 분야의 연구 역량" A 연구원에서는 TensorFlow를 활용하여 Multi-label 기법을 활용한 구조물 결함 분류 모델을 개발하였습니다. 건물 균열 이미지를 활용하여 성능을 0.895로 크게 향상시켰습니다. 이러한 성과를 바탕으로 한국통신학회에 논문을 성공적으로 투고하였습니다. B 연구원에서는 PyTorch를 활용하여 작업자의 부하를 평가하는 모델 개발 프로젝트를 수행하였습니다. 카메라 영상에서 추출한 관절의 2차원 좌표를 MotionBERT 모델을 통해 3차원으로 변환하는 방식을 선택하여, 실제 현장에서의 문제 해결 능력을 키웠습니다. "설비 데이터 분석과 불량 예측" A 프로젝트에서는 공장 내 로봇 용접 설비 데이터를 수집하고, 파이썬의 판다스등 라이브러리를 활용하여 설비의 이상 여부를 분석하였습니다. 이를 통해 설비 데이터의 수집 체계를 구축하고, 분석하는 능력을 키웠습니다. 또한, 압연공정에서의 SCALE 불량 예측 프로젝트를 통해 공정 데이터의 시각화와 머신러닝 모델을 활용한 불량 예측 능력을 향상시켰습니다. 특히, 0.93의 높은 정확도를 달성하여 데이터 기반의 문제 해결 능력을 입증하였습니다. 이러한 제 전문성과 경험을 바탕으로 LG전자 생산기술원의 데이터 사이언스 및 고장 예지 기술 개발 분야에 기여하고 싶습니다 2. 본인이 지원한 직무관련 향후 계획에 대하여 본인이 지원한 직무와 관련된 본인의 향후 미래 계획에 대해 구체적으로 기술해주시기 바랍니다. "데이터와 기술로 생산 효율성을 혁신하는 연구자" LG 생산기술원에서 현재 사용중인 빅데이터 Tool에 대한 역량을 키워 대용량 데이터 처리의 효율성을 극대화하겠습니다. 이를 위해 내부 교육과 외부 세미나를 통한 지속적인 학습을 이어나가겠습니다. 또한 산업공학의 시스템적 접근법을 활용하여 공정의 특성과 설비 데이터의 상호작용을 분석하겠습니다. 그리고 최근 주목받는 트랜스포머 기반의 시계열 분석 기법을 활용하여, 설비의 작동 패턴과 이상 패턴을 분류하는 딥러닝 모델의 연구와 개발에 주력하겠습니다. "실시간 모니터링으로 생산 효율과 경쟁력 강화 전문가" 개발한 모델을 실시간 모니터링 시스템에 통합하여 설비의 고장을 사전에 예측하고 대응하겠습니다. 더하여 설비의 작동 데이터를 기반으로 최적의 작동 조건을 연구하며, 현장 피드백을 받아 모델을 지속적으로 개선하겠습니다. 이를 통해 생산 효율성을 크게 향상시키고, 불필요한 유지보수 비용을 절감하여 생산기술원의 경쟁력을 강화하겠습니다 3. 프로젝트 경험 (최선을 다해 참여했던 학교 수업의 팀플레이 과제, 경진대회, 공모전 등 가장 기억에 남고 많은 것을 배운 프로젝트에 대해 기술하세요. 프로젝트 제목/기간/참여 인원/본인의 역할/내용과 결과/본인의 역할을 반드시 포함해주시고, 최초 프로젝트 목표, 목표 대비 달성 수준과 본인이 배우고 느낀 점을 포함하면 좋습니다.) "다중라벨 분류 기법을 통한 구조물 결함 분류 모델 개발 및 학술논문 투고" A 연구원 인턴으로 2개월간 팀원 1명과 함께 C 인공지능 모델을 개발하였습니다. 저의 주요 역할은 ‘모델의 개발과 최적화’였습니다. 건축물의 안전성에 대한 사회적 관심이 높아지면서, 구조물의 다양한 결함을 신속하게 파악하는 기술의 필요성이 대두되었습니다. 이에 균열, 박리, 철근 노출 등의 다양한 구조물 결함을 동시에 분류할 수 있는 딥러닝 모델 개발을 목표로 하였습니다. 초기 데이터 분석 과정에서, 여러 결함이 동시에 나타나는 경우를 발견하였습니다. 이를 해결하기 위해 다중라벨 분류 기법을 도입하였고, 최신 연구 논문들을 참고하여 모델을 개선하였습니다. 특히, Asymmetric Loss와 DenseNet 기법의 적용을 통해 초기 목표로 설정한 0.8의 분류 성능을 크게 초과하여 0.895를 달성하였습니다. 이 결과는 초기 목표 대비 약 111.9의 성과를 보여줍니다. 이러한 성과를 바탕으로 A학회에 학술논문을 성공적으로 투고하였습니다. 모델의 분류 성능이 기대치에 못 미쳤을 때, 단순히 문제를 포기하지 않고 오분류한 이미지를 시각화하는 피드백 과정을 도입하여 문제점을 파악하였습니다. 이를 통해 데이터의 특성을 깊게 이해하고, 해당 특성에 맞는 최적의 기법을 적용하는 역량을 길렀습니다. 또한, 새로운 기법을 적용하기 전에 관련된 다양한 논문을 분석하였습니다. 이를 통해 최신의 연구 동향을 파악하고, 우리 모델에 가장 적합한 기법을 선택하여 적용하였습니다. 이 과정에서 지속적인 학습의 중요성과 최신 연구를 우리 문제에 어떻게 적용하는지에 대한 역량을 길렀습니다. 이 경험은 저에게 LG전자 생산기술원의 엔지니어로서 필요한 딥러닝 모델 개발 및 모델 최적화 역량을 갖추게 해 주었습니다. 이를 통해 복잡한 공정 데이터를 분석하고, 최적의 모델을 개발하는 데 기여하겠습니다.
인가경 / 기계공학과 / 학점 4.19/4.5 / 오픽: IM1 / 학부연구생, 학회 구두 발표 / 컴퓨터활용능력: 1급, 기타: 일반기계기사
1. “LG전자”에 대한 지원동기에 대하여 구체적으로 기술하여 주십시오. 앞으로 살아남을 기업들은 각각의 업무에 인공지능 기술을 얼마나 잘 녹여냈느냐라고 생각합니다. 하지만 인공지능 기술의 과도기인 지금, 기업에서 인공지능 기술을 사용하기 위해서는 많은 연구 비용이 필요합니다. 그렇기 때문에 대부분의 기업은 필요성을 체감하지만, 쉽사리 시도를 못하고 있습니다. 하지만 LG전자의 경우, 적극적으로 인공지능 기술을 통해 생산성을 높이려고 시도하고 있습니다. 이는 제가 3번의 학회에 갔을 때 크게 실감하였으며, Data driven부터 인코더, 딥러닝 등 다양한 시도를 하며 트렌드를 따라가기 위해 노력한다고 느꼈습니다. 이 때문에 저는 LG전자가 추후 지금보다 더 높은 입지를 가질 것이라 생각하며, 이러한 기술들을 가장 앞에서 연구하는 생산기술원에서 제 기계공학적 지식과 소프트웨어 지식을 바탕으로 LG전자의 발전에 기여하고 싶어 지원하였습니다. 전산 수치 해석 및 Data Driven Design 기술 개발을 위해 중요한 것은 이를 구현할 수 있는 소프트웨어적 능력과 그 현상을 작동하고자 하는 역학적 지식을 이해하는 것이라 생각합니다. 저는 이러한 역량을 20개월간의 학부 연구생 경험을 통해 길러왔습니다. 다양한 해석 연구를 진행함과 동시에 AI 기반 PDE 솔버에 대한 연구를 하며 여러 지배방정식에 대해 이해하였으며, 이를 바탕으로 여러 연구를 성공적으로 마무리하였습니다. 특히, 물리 정보 지식 기반 PDE solver를 통한 역문제 해석에 관한 연구를 하며, 추가적인 수치해석적 이론을 도입하여 기존의 방법론으로만 불가능한 경계값이 구속되지 않은 역문제를 성공적으로 예측할 수 있었습니다. 제가 길러온 두 역량을 바탕으로, 현재 생산기술원에서 진행 중인 여러 연구에 참여하여, 트렌드를 선도하는 기술들을 같이 개발하고 싶습니다. 또한 추후 LG전자가 여러 업무에 적절하게 인공지능을 녹여내어 생산성과 효율성을 올려, 독보적인 기업으로 성장하는 데에 기여하고 싶습니다. 2. 본인이 지원한 직무관련 향후 계획에 대하여 딥러닝 기술의 발전으로 인해, 수치 해석을 기반으로 한 CAE 영역의 일부분은 AI 기술로 대체될 것입니다. PINN, PINO 같은 AI 기반 PDE 솔버의 경우, 정확도와 신뢰도의 문제로 CAE를 완전히 대체할 수는 없으며, 이는 멀티피직스와 같이 문제의 복합도가 올라갈수록 심해질 것입니다. 따라서 고차원 문제를 해결하기 위한, CAE의 결과를 바탕으로 한 AI 모델 개발에 참여하고 싶습니다. Python Script를 통해 해석을 자동화시켜, 이 결과들을 바로 불러와 AI 모델을 훈련한다면, 효율성은 많이 증가할 것입니다. 현재 제 지식은 AI 기반 PDE 솔버에 주로 국한되어 있지만, 이를 입사 후 MBSE 등의 기존 연구를 통해 다양하게 확장하겠습니다. 해석적 역량과 소프트웨어적 역량을 점차 키워나가, 최종적으로는 LG전자의 공정을 효율화시키는 모델 개발 연구에 참여하여, 실제로 AI 기술이 기존 CAE의 영역을 대체하는 것에 기여하고 싶습니다.
수도권 하위 4년제 / 화학공학과 / 학점 4.32 / 토익스피킹: 160/AL
1.삼성전자를 지원한 이유와 입사 후 회사에서 이루고 싶은 꿈을 기술하십시오. (700자) [E 기술팀: SF3P(SF2) MBCFET Etch 양산 경쟁력 확보] 3나노 MBCFET의 Etch를 관리하고 소자 품질과 SF3P 수율 제고를 목표로 공정기술 고도화에 기여하고자 지원합니다. 나노종합기술원의 180nm CMOS 제작 프로젝트에서 BEOL단 Via hole Etch 시 contact 저항을 감소시킨 경험이 있습니다. 공정 결과 SEM 분석과 parameter split test 해석을 토대로 Via의 Etch profile을 개선시켰습니다. 또한 학부 시절 반도체 화학공학, 반도체 공정 및 장비 순환 실습으로 Fab에 출입하며 각 단위공정 메커니즘과 현업 장비에 대한 경험적 지식을 함양했습니다. 특히 5주간의 모듈 관리를 통해 공정들간 유기적 관계와 산포의 중요성을 체득하고 SEM, TEM 등 계측 장비 활용법을 터득했습니다. 이처럼 모듈 제작, Etch parameter 최적화 경험과 공정에 대한 이해를 바탕으로 양산과 공정 set-up 시 발생하는 issue를 해결해 생산성과 수율을 향상시키겠습니다. 입사 후에는 기술 임원(Master)을 목표로 소자(scheme)와 타 공정의 입장을 고려하여 주도적으로 Foundry 양산 경쟁력을 확보해 점유율을 높이겠습니다. 향후 5년 동안은 플라즈마와 공정/설비에 대한 이해를 바탕으로 산포 개선과 Etch 공정 성숙도 향상에 기여하겠습니다. 2. 본인의 성장과정을 간략히 기술하되 현재의 자신에게 가장 큰 영향을 끼친 사건, 인물 등을 포함하여 기술하시기 바랍니다. (1500자) [자기 주도적 상황 타개 능력: Image J를 활용한 Al의 경향성 분석] 예상치 못한 문제가 발생할 때, 주도적으로 상황을 해결하려는 태도를 갖게 된 경험이 있습니다. 나노종합기술원의 장비 실습 당시 M1 layer의 sheet resistance가 예상값과 달라 원인 분석을 위해 Etch profile이 다른 Al TEM 이미지의 넓이를 측정해야 했습니다. 그러나 TEM 장비와 연결된 컴퓨터의 고장으로 교육 기간 내에 작업이 불가능한 상황이었습니다. 저에게는 두 가지 선택지가 있었습니다. 1. 멘토님을 통해 타 부서에 부탁하여 면적 값 Data 수령 2. 노트북으로 실행할 수 있는 대안을 찾아 면적 값을 계산 타 부서에 부탁하여도 확실하지 않은 data 수령일, 직접 이미지를 처리하는 역량을 키울 수 있는 기회라 생각해 두 번째 방식을 선택하였습니다. 먼저 구글링으로 이미지 프로세싱에 대해 조사하며 “노트북에서의 작동 여부, 무료로 사용 가능한지”를 기준으로 방법들을 소거해 나갔습니다. 조사 끝에 Image J라는 프로그램을 발견하였고 Tool 들을 사용하기 위해 영상 강의를 찾아보며 면적 계산에 적용할 수 있는 기능들을 익혔습니다. 그 결과 TEM 이미지 기반의 scale setting과 여러 번의 시행착오를 통해 wand tool의 적절한 tolerance 값 설정으로 면적 값을 도출할 수 있었습니다. 또한 이를 활용해 성공적으로 경향성을 분석하고 멘토님의 긍정적인 피드백을 받았습니다. [협업의 효율성 증진을 위한 타 업무 이해도] 효율적인 협업을 위해 서로의 업무 이해도를 높이고 진행 정도를 수시로 체크하는 것이 중요함을 6개월간 카페 아르바이트를 통해 배웠습니다. 테이크아웃 전문점의 특성상 손님이 몰려오는 출근 시간에는 빠른 응대로 대기 손님을 만들지 않는 것이 요구되었습니다. 이런 이유로 고객 응대 및 제조 완료된 음료 포장 1명, 음료 제조 1명, 주문에 맞게 샷을 내리는 1명 이렇게 총 3명이 역할을 분담하였으며 저는 음료 제조를 담당했습니다. 그럼에도 주문이 많을 때는 음료에 모든 재료가 들어가지 않은 상태에서 제공되어 손님들의 항의를 받은 적도 있었습니다. 각자 자신의 업무에만 집중하며 속도를 내다보니 발생하는 상황이었습니다. 실수를 줄이려면 서로 말하지 않아도 몇 번째 주문이 나갔는지, 어떤 음료를 만들고 있는 건지 파악해야 했습니다. 그러기 위해서는 일정 수준 서로의 업무에 대해 숙지해야 한다고 생각해 2주간 서로 역할을 바꿔가며 손님을 응대했습니다. 이를 통해 3가지 업무를 전부 일정 수준 이상 숙지하였고 이후로는 이를 바탕으로 신속하게 서로의 진행 상황을 알 수 있었으며 또한 실수의 빈도도 현저히 줄일 수 있었습니다. 양산 관리에 있어서도 제가 맡게 될 공정뿐만 아니라 타 공정, 설비, 제조(운영), 소자에 대한 이해도도 주도적으로 높이며 효율적인 협업을 할 수 있는 엔지니어가 되겠습니다. 3.최근 사회이슈 중 중요하다고 생각되는 한가지를 선택하고 이에 관한 자신의 견해를 기술해 주시기 바랍니다. (1000자) [생성형 AI: 환각 현상 해결과 생산능력 확대 방향성] 온디바이스 AI폰 ‘갤럭시 24’를 선두로 자체 생성형 AI를 탑재한 핸드폰, PC, 노트북 등 다양한 제품의 출시가 예고되고 있습니다. 2032년 시장 규모 80조원으로 예상되는 만큼 시간이 지날수록 ‘개인 맞춤형 AI 비서’로서 사람들의 삶에 녹아들고 생성형 AI 전용 반도체 수요도 급증하고 있습니다. 일상생활에 있어 생성형 AI의 활용은 문서 요약, 자동 번역 등 업무의 시간을 단축시켜 더욱 빠른 발전에 기여할 수 있지만 분명한 단점도 존재합니다. 특히 인공지능이 만들어내는 환각 현상에 의한 잘못된 정보로 오히려 업무에 지장을 줄 수도 있습니다. 사용자의 입장에서는 내용을 검토하고 진실된 데이터들만 추려내는 능력이 요구될 것이기에 사용에 번거로움이 존재합니다. 이는 곧 수요 감소로 이어질 수도 있다고 생각합니다. 그렇기에 기업들은 ‘환각 현상’을 개선하는 것에 우선으로 투자해 생성형 AI로부터 신뢰성이 확보된 정보가 도출될 수 있도록 해야 합니다. 또한 AI 반도체 제조 업체들은 생산 능력 확대 속도를 적절히 조절해야 할 것입니다. Device 교체 주기와 온디바이스 AI 열풍이 맞물려 HBM 등 AI 반도체들의 수요가 급증할 것으로 예상되지만 아직 러시아와 이스라엘의 전쟁이 지속되고 있다는 점과 중국의 경제 침체로 시장의 불안정성을 무시할 수 없습니다. 이런 이유로 생산 능력 확대를 위해 공장을 무리해서 증설하게 되면 자칫 큰 손해로 이어질 수 있습니다. 그 대신 가동되지 않았던 라인들을 우선하여 AI 반도체 생산 전용 공장으로 셋업 하는 것이 위험부담이 더 적을 것입니다. 그러므로 삼성전자도 평택의 P4 공장 건설 속도를 조절하고 감산을 위해 가동하지 않았던 공장을 먼저 HBM 양산 전용으로 set- up 하는 것도 고려해 볼만한 방법이라고 생각합니다. 4. 지원한 직무 관련 본인이 갖고 있는 전문지식/경험(심화전공, 프로젝트, 논문, 공모전 등)을 작성하고, 이를 바탕으로 본인이 지원 직무에 적합한 사유를 구체적으로 서술해 주시기 바랍니다. (1000자) [O2 유량 최적화를 통한 Via contact 저항 23% 감소] 나노종합기술원의 180nm CMOS 제작 교육 중 BEOL 모듈에서 M1-V1-M2 layer를 17 step으로 형성하고 Via hole contact 저항을 분석했습니다. Via Etch를 초기 조건(C4F8:8sccm, O2: 4sccm)으로 진행 후 FE-SEM 분석 결과 Top과 Bottom CD가 약 50nm 차이나는 Tapered 형태였습니다. Profile에 의한 contact 저항의 증가가 예상되어 저항을 낮추기 위해 압력, 유량, Bias power의 split test를 진행했습니다. 특히 T/B CD 차이 감소를 목표로 O2 유량을 4~10sccm까지 1sccm씩 증가시키며 실험했습니다. 결과적으로 8sccm에서 Top/Bottom CD 차이가 22nm로 최소였으며 후에 Kelvin type 패턴 측정으로 contact 저항이 12옴에서 9.2옴으로 개선됨을 확인했습니다. [PECVD 설비 내 Twin 챔버 산포 개선 RCP 도출] PECVD장비 실습 중 챔버 내 W/F 1 2번 간 P-SiO D/R 산포를 개선한 경험이 있습니다. Twin 챔버 특성상 압력, 유량은 개별 제어가 불가능했기에 RF power와 spacing의 split test 데이터 결과를 분석했습니다. RF power가 480W 이후로는 고에너지 이온 충돌로 D/R이 감소하는 트렌드를 확인했고, 이를 토대로 490W,510W에서 spacing을 5mils씩 증가시키며 테스트를 진행했습니다. 그 결과 power:510W, spacing:475mils에서 오차율을 2.4%p 감소시킨 RCP를 찾을 수 있었습니다 모듈을 관리하며 공정 변수 split 조건을 설정, 결과를 분석하여 공정상의 이슈를 개선한 경험은 최적의 양산 조건을 위해 RCP를 튜닝하며 SF3P 경쟁력 향상에 기여하는 공정 엔지니어가 되기에 적합하다고 생각합니다.
최종합격후기
더보기인기 활동 리스트 보러가기
담당자 Q&A (0)
담당자가 인증된 공고입니다. 댓글을 달면 담당자가 직접 답변해 드립니다.담당자 정보
- 담당자
- 울산과학기술원 / UPA
- 연락처
- 이메일
이 공고 조회자가 많이 본 공고
2
담당자 답변받기
무해한 새학기 Chill린지
굿네이버스 경남사업본부
D-5
조회 289
댓글 0
0
2025 호반 넥스트 스타트업 공모전
서울경제진흥원
D-20
조회 8
댓글 0
