문장 스크랩

---

복사

---

공유

1.삼성전자를 지원한 이유와 입사 후 회사에서 이루고 싶은 꿈을 기술하십시오. [공정과정의 마에스트로] 저는 공정과정에서 나온 데이터를 통해 학습하고 자동화되어 스스로 판단/제어하는 스마트 팩토리를 구현해보고 싶어서 신호 및 시스템 설계 직무에 지원하게 되었습니다. 삼성전자는 제품 시뮬레이션과 대규모 인공지능 연산을 위한 최고의 computing infra를 갖춘 곳이기에 제 꿈을 펼칠 수 있는 시작점이라고 생각하기 때문입니다. 삼성전자는 인공지능 반도체 개발 분야를 선도하고 있는 기업입니다. 이를 총괄하여 최고의 수율을 내도록 하는 스마트 팩토리는 공정과정을 전반적으로 지휘하는 마에스트로라고 느꼈습니다. 이와 더불어 최신 기술들을 항상 접해야 하고 수많은 데이터를 통해 다양한 시각을 요구하는 혁신센터는 저의 가슴을 뛰게 했습니다. 또한 빅데이터를 이용해 시스템 요구사항을 공부하여 공정과정의 훌륭한 마에스트로가 되는 것이 최종 목표입니다. 기계공학을 전공하면서 HW의 분야에 호기심이 생겼고 컴퓨터학과를 이중전공하며 새로운 분야를 접하는 것에 대해 학문간의 밀접한 관계가 있다는 것을 느꼈 습니다. 예를 들어 딥러닝을 수강하며 배운 CNN을 구현하여 이미지 처리, 숫자를 판별하는 프로젝트를 구현한 적이 있습니다. 이는 NPU를 설계할 때 CNN의 원리를 이용해 명령어를 설정할 때 큰 도움이 되었습니다. 이러한 경험은 신기술을 받아들일 준비가 되어 효율적인 관리 시스템을 만들 수 있다는 확신에 지원하였 습니다. 2.본인의 성장과정을 간략히 기술하되 현재의 자신에게 가장 큰 영향을 끼친 사건, 인물 등을 포함하여 기술하시기 바랍니다. (※작품속 가상인물도 가능) [Engineer, Be Curious!] 저는 학문에 대한 끊임없는 열망과 학문 간의 융합에 대해 항상 고민하고 궁금해하는 호기심 많은 엔지니어였습니다. 이중전공을 하게 된 계기가 그렇습니다. 저는 기계공학부에 진학해 4대역학을 배우며 물리법칙이 현실세계에 사용된다는 사실에 흥미를 느꼈습니다. 그 후 실제로 이 법칙들이 주변에서 어떻게 적용되는지 관찰해 보았고, 가상세계 즉 HW를 다루는 컴퓨터 사이언스와 큰 연관성이 있다는 것을 알았습니다. HW에 관심을 가지게 된 후 기계공학부 전공 과목인 '마이크로프로세서 프로그래밍'을 수강하면서 CPU의 핵심기능인 회로에 대해 배우고 코딩을 한 후 아두이노로 구현을 해보았습니다. 이러한 경험으로 엄청난 성취감을 얻었고 컴퓨터와 기계공학의 합작품을 느낄 수 있는 거 같아 프로그래밍이 학문 간의 융합을 통해 무한한 가치를 부여할 수 있다고 생각했습니다. 이후에도 기계공학에 컴퓨터를 적용하는 과목을 듣기 위해 방학 때 틈틈이 C언어와 파이썬을 공부하며 SW 분야에도 큰 흥미를 느꼈습니다. 같은 학기에 '자료구조'를 수강하였고 우수한 성적을 받으며 학문에 대한 이해도가 높다고 느꼈습니다. 저의 노력은 컴퓨터학과의 이중전공에 합격하게 해주었습니다. 이후 마이크로 프로세서 프로그래밍을 배울 때 단순히 구현을 해보았을 뿐 정확한 원리에 대한 갈망이 있었습니다. 따라서 컴퓨터구조 과목에서 CPU의 instruction이 작동되는 원리와 pipeline 이론에 대해 배웠고 저의 갈망을 해결해주었습니다. 물론 컴퓨터학과의 기초과목을 듣지 않은 상태에서 전공과목을 공부하는 것에 대해 학문적으로 어려운 개념들이 많았습니다. 그래서 기초단계인 single cycle부터 구현해보면서 순차적으로 단계를 이해하고 교수님과 면담하고 토론할 수 있는 office hour를 활용하여 pipeline의 단계 사이의 forwarding에서 생기는 다양한 hazard에 대한 문제점에 대해 논의 끝에 해결하였습니다. 결국 최종적으로 설계해야 되는 pipeline CPU를 구현함에 있어서 성공하였고 이는 저에게 엄청난 성취감을 주었습니다. 이후 저는 여기서 만족하지 않고 심화된 CPU를 다루고 싶었습니다. 딥러닝 수업을 관심있게 듣고 있었던 와중 딥러닝 전용 CPU인 NPU에 대해 연구하는 연구실을 알게 되었고 담당 교수님과 컨택하여 저의 관심사를 말씀드린 후 학부연구생 인턴을 하게 되었습니다. LeNet 구조를 기반으로 하는 딥러닝에 대해 공부한 후 어떠한 instruction이 주로 사용되는지 확인하였습니다. 이를 가속화시킬 수 있는 custom instruction을 만들었고 기존 CPU대비 성능이 좋은 NPU를 개발할 수 있었습니다. 이처럼 저의 끊임없는 학문에 대한 열정과 노력은 최신 기술에 대한 학구열로 이어질 것입니다. 또한 공학기술의 총합이라고 할 수 있는 반도체를 다루는 혁신센터에 크게 이바지할 수 있을 것이고 업무에서 생기는 어려운 상황에서 제가 했던 경험들은 역경을 헤쳐 나가는데 도움이 될 것입니다. 3.최근 사회이슈 중 중요하다고 생각되는 한가지를 선택하고 이에 관한 자신의 견해를 기술해 주시기 바랍니다. [ESG경영과 데이터센터] 코로나로 인한 불확실성 시대에 소비자들은 이윤만을 추구하는 기업에 투자를 하지 않습니다. 따라서 기업들은 '성장중심'경영에서 '지속가능'경영으로 패러다임 전환을 이끌어냈습니다. 이러한 지속가능 경영의 성과는 환경에 대한 책임을 다하는 지 등을 나타내는 ESG 지표로 보여줄 수 있습니다. 데이터센터도 ESG경영을 피해갈 수 없습니다. 미래 산업분야에서 데이터를 저장, 전송해주는 데이터센터의 필요성이 부각되고 있습니다. 또한 중국은 정치적 상황으로 인한 규제와 일본은 지진 등 자연재난으로 상대적으로 전기요금이 저렴한 한국으로 아시아권에서 진입이 잦아지고 있습니다. 이러한 급증세는 관련 전력설비 통계로도 확인되고 있습니다. 데이터센터에 소비되는 전력이 전 세계 전력 소비량의 1%에 해당되고 세계 온실가스 배출량의 2%를 차지하고 있는 것으로 알려졌습니다. 따라서 기업들은 탄소중립 등 여러가지 방안을 제시하지만 이것만으로 한계가 있을 것이기에 다음과 같은 해결방안으로 전력 소비양을 감소시킬 수 있습니다. -에너지 관리 솔루션 개발 메모리 장비들은 전력 소비량이 늘어날 수록 발열량이 증가해 냉방 장치 유지에 필요한 전력 또한 증가합니다. 따라서 에너지 관리가 필연적인데 대표적으로 쿨링 옵티마이즈가 있습니다. 이는 AI 기술을 사용한 머신러닝으로 반도체에 생기는 부하를 냉방기능으로 설정하여 전력을 줄일 수 있습니다. 또한 저전력 메모리 반도체를 사용할 수도 있습니다. 삼성전자는 반도체 공정의 미세화에 따라 생기는 전류누설을 막는 HKMG를 적용하여 DDR5 메모리를 개 발하였습니다. 이는 저전력과 고성능을 모두 구현한 것인데 이로 인해 기존 공정 대비 전력소모가 13%가 감소하였습니다. 이렇게 새로운 공정 방법을 통해 개 발한 저전력 고성능 반도체는 데이터 처리를 효율적으로 처리함과 동시에 ESG 경영기조와 맞물려 수요를 창출해 나갈 것이라고 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. [실전에 강하다!] 4학년 1학기를 마치고 삼성전자 혁신센터의 MES팀에서 인턴을 하게 되었습니다. 제가 하게 된 프로젝트는 FDC를 활용하여 설비에서의 이상을 감지하는 거였습니다. 팀의 목표는 모든 것은 데이터로 자동적으로 모니터링하여 사람들이 일하는 방식을 모두 시스템으로 구현하는 거였습니다. 그전에는 엔지니어의 개별적 지식으로 데이터들을 본 후 이상을 판별하여 객관적인 기준이 없었습니다. 따라서 저는 자동으로 이상을 감지하기 위해 설비에서 나온 데이터를 9가지 패턴으로 구분하는 로직을 만들게 되었습니다. 실제 설비에서 나온 데이터를 다뤄본 적이 없고 현업에서 사용하는 용어나 시스템을 처음 접해봤기에 막막한 심정으로 프로젝트를 진행하였습니다. 처음에는 큰 흐름을 이해하기 위해 용어와 개념에 대해 공부를 하였습니다. 기존 FDC를 활용한 EQMS는 기준이 없어 분류정합성이 낮다는 단점이 있었습니다. 이러한 점을 해결하기 위해서는 이상을 감지하는 동일한 기준이 필요하다고 생각하였고 정합성을 높이기 위해서는 동종 챔버와의 패턴비교도 필요하다고 느꼈습니다. 이러한 목표를 잡은 이후 데이터를 분류하는 로직을 개발하기 시작하였습니다. 대학교 과제를 파이썬을 활용하여 해결한 경험이 있었기 때문에 쉽게 할 수 있을 줄 알았지만 실제 데이터를 받아오는 점은 차원이 다른 과제였고 난관에 봉착했습니다. 이를 해결하기 위해 데이터를 활용한 소스를 깃헙에서 찾아 참고를 하였고 무작정 코딩을 하기 보다는 순서도를 그려가면서 개요를 정리하였습니다. 급하지 않게 천천히 진행을 하면서 멘토님에게 분류 기준에 대한 조언을 들으며 결국에는 분류 로직을 성공적으로 개발할 수 있었습니다. 이번 프로젝트 경험을 통해 자동적으로 데이터를 분류하는 로직을 만들어 보며 제조 라인 자동화에 힘쓸 수 있다고 느꼈습니다. 또한 분류기준을 정할 때 여러 통계 기반의 분석을 공부하게 되고 이러한 지식을 활용하여 혁신센터의 자동화 시스템에 개발하는데 기여하고 싶습니다.