문장 스크랩

---

복사

---

공유

1. 당신의 가능성이 Team Hyundai의 내일이 됩니다. 현대자동차에 지원한 동기와 입사 후 그리고 싶은 내일을 들려주세요. (1000자) 공정 조건 하나가 품질을 얼마나 크게 바꾸는지, 그리고 개선된 조건을 재현 가능한 관리 기준으로 남겨야 같은 문제가 반복되지 않는다는 사실을 직접 확인해왔습니다. 이 경험을 자동차라는 더 복잡한 공정과 고객 품질로 확장하고 싶어 현대자동차 품질보증에 지원했습니다. 광메카트로닉스공학과 학부 시절 Nano Fabrication 실습에서 Baking, Lithography, Etching 조건을 나누어 비교하고 공정 방식을 수정해 소자 측정 정확도를 30%에서 80% 이상으로 높였습니다. Cu 박막 PN접합 연구에서는 레이저 조건별 V-I 특성과 SEM 표면 상태 변화를 함께 확인했습니다. 졸업 후 화인베스틸 압연라인 Main Operator로 근무하며 이 관점을 양산 현장에 적용했습니다. 근무 초기에는 이상 발생 시 원인 파악과 조치에 20~40분이 걸렸지만, 소재 형상과 장력, 온도 그래프를 함께 보고 인접 Roll의 RPM을 조정하는 기준을 정리하면서 대응 시간을 10분 이내로 줄였습니다. 생산팀·품질팀과 즉시 상황을 공유하며 조치한 결과, 제가 담당한 공정의 불량률도 초기 최대 20~30% 수준에서 약 5%까지 낮출 수 있었습니다. 이상이 크면 설비를 정지하고, 조정 가능한 경우에는 조건을 다시 맞춰 정상 상태로 복구했습니다. 현대자동차 울산공장 품질보증은 고객과 블루핸즈 등 서비스 현장에서 확인된 문제를 부품과 공정까지 추적하고, 원인을 공장과 협력사의 개선으로 연결하는 업무입니다. 이상 징후를 확인하고 원인을 좁혀 개선 조건을 정리해온 제 경험과 직접 맞닿아 있습니다. 입사 후에는 SEM 사용 경험을 바탕으로 정밀 분석장비 활용 범위를 넓히겠습니다. 고객에게 나타난 하나의 현상을 공정과 부품까지 거슬러 확인하고, 원인과 개선 결과를 관리 기준으로 남겨 같은 문제가 다른 차종과 생산거점에서 반복되지 않도록 만드는 품질보증 엔지니어가 되겠습니다. 2. 지원 분야에 대해 본인의 차별화된 가능성이 잘 드러났던 경험을 소개하고, 그 과정에서 어떻게 성장했는지 설명해주세요. (1000자) 학부 캡스톤 프로젝트에서 차량 외관 손상의 원인을 분석하며 추측보다 근거를 먼저 확인하는 문제 해결 방식을 익혔습니다. 먼저 4M(Man, Machine, Material, Method)을 기준으로 원인 후보를 나누고, 설비(Machine) 항목에서 의심되는 로봇 암 이상을 5 Whys로 좁혀갔습니다. 이후 FMEA로 잠재 위험도를 비교해 조립 로봇 암 구동부의 모터 기어 이상을 주요 원인 후보로 선정하고, 분석 과정은 8D 보고서로 정리했습니다. 원인 후보를 실제 데이터로 확인하기 위해 모터 진동 데이터를 이용한 고장 진단 모델을 만들었습니다. 처음에는 머신러닝 모델을 바꾸면 정확도가 높아질 것이라고 생각했지만, 초기 결과에서 정상과 고장 상태의 차이가 뚜렷하지 않았습니다. 그래서 모델보다 입력 데이터를 먼저 다시 살펴봤습니다. 진동 데이터를 FFT로 변환해 주파수 영역을 확인하자 고장과 관련된 신호에 노이즈가 섞여 있었습니다. 관련 내용을 추가로 공부해 주파수 필터 적용 코드를 직접 작성했고, 필요한 신호를 분리했습니다. 이후 박스플롯과 히트맵으로 중앙값과 이상치, 변수 간 관계를 비교한 뒤 정제된 데이터를 다시 학습시켰습니다. 그 결과 정상 상태와 고장 상태를 90% 이상의 정확도로 구분하는 모델을 구현했습니다. 육안에 의존하던 설비 상태를 진동 데이터로 정량적으로 구분할 수 있다는 가능성도 확인했습니다. 이 경험 이후 문제가 생기면 익숙한 방법부터 적용하기보다, 가능한 원인을 나누고 어떤 데이터로 검증할 수 있는지 먼저 생각하게 되었습니다. 현대자동차 품질보증에서도 현상을 단정하기보다 측정 가능한 근거로 원인을 좁히고, 확인된 결과가 다음 품질 문제를 예방할 수 있는 기준으로 남도록 하겠습니다.