최고 품질의 상품들을 지금보다 더 많은 소비자들이 여러 유통 채널에서 더욱 폭 넓고 쉽게...
1. 삼성전자를 지원한 이유와 입사 후 회사에서 이루고 싶은 꿈을 기술하십시오. 700자 이내 (영문작성 시 1400자)
[공정과정의 마에스트로]
저는 공정과정에서 나온 데이터를 통해 학습하고 자동화되어 스스로 판단/제어하는 스마트 팩토리를 구현해기 위해 신호 및 시스템 설계 직무에 지원했습니다. 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 단순 제조업이 아닌 지능형 공장인 스마트 팩토리는 공정과정을 전반적으로 지휘하는 마에스트로라고 느꼈습니다. 최신 기술을 항상 접해야 하고 수많은 데이터를 통해 다양한 시각을 요구하는 혁신센터는 저의 가슴을 뛰게 했습니다. 빅데이터를 이용해 시스템 요구사항을 공부하여 공정과정의 훌륭한 마에스트로가 되는 것이 최종 목표입니다.
기계공학을 전공하면서 HW의 분야에 호기심이 생겼고 컴퓨터학과를 이중전공하며 새로운 분야를 접하며 학문간의 밀접한 관계가 있다는 것을 느꼈습니다. 예를 들어 딥러닝에서 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 준비와 반복적인 비효율 업무를 자동화하는 효율적인 관리 시스템을 만들 수 있어 지원하였습니다.
2. 본인의 성장과정을 간략히 기술하되 현재의 자신에게 가장 큰 영향을 끼친 사건, 인물 등을 포함하여 기술하시기 바랍니다. (※작품속 가상인물도 가능) 1500자 이내 (영문작성 시 3000자)
[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.
기계공학부 전공 과목인 '마이크로프로세서 프로그래밍'을 수강하면서 CPU의 핵심기능인 회로에 대해 배우고 코딩을 한 후 ATmega128로 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 공부하였습니다.
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. 공부하면서 어려운 부분을 해결하기 위해 기초단계인 single cycle부터 구현해보면서 순차적으로 단계를 이해하고 교수님과 pipeline의 단계 사이의 forwarding에서 생기는 다양한 hazard에 대한 문제점에 대해 논의 끝에 해결하였습니다. 결국 최종적으로 설계해야 되는 pipeline CPU를 구현함에 있어서 성공하였습니다. 여기서 만족하지 않고 CPU와 다른 과목의 융합도 알고 싶었습니다. 딥러닝 수업을 관심있게 듣고 있었던 와중 인공신경망 학습에 최적화된 NPU에 대해 연구하는 연구실을 알게 되었고 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 개발하였습니다. 학문간의 융합을 계속 이어나가는 것은 저에게 큰 성취감을 주었습니다.
이후 데이터관련 수업들을 들으며 기계공학과 어떻게 융합을 할 수 있을까 고민하던 와중 혁신센터에서 설비에서 나오는 데이터를 활용하여 최적화된 제조관리 시스템을 운영하는 것을 알았습니다. 반도체 관련 수많은 데이터를 보는 사업부이므로 호기심이 많고 다양한 시각을 가진 제가 꿈을 펼치기 위한 최상의 곳이라고 생각했습니다.
이처럼 저의 끊임없는 학문에 대한 열정과 학문 간의 융합을 궁금해하는 호기심은 최신 기술에 대한 학구열로 이어질 것입니다. 또한 자동화/지능화를 통해 최적의 스마트팩토리를 구축하고 공학기술의 총합이라고 할 수 있는 반도체의 생산을 이끄는 혁신센터에 크게 기여하겠습니다.
3. 최근 사회이슈 중 중요하다고 생각되는 한가지를 선택하고 이에 관한 자신의 견해를 기술해 주시기 바랍니다. 1000자 이내 (영문작성 시 2000자)
[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. 1000자 이내 (영문작성 시 2000자)
[실전에 강하다!]
4학년 방학 때 삼성전자 혁신센터 사업부 MES팀 스마트팩토리 그룹에서 대학생 인턴을 하게 되었습니다. 제가 하게 된 프로젝트는 FDC를 활용하여 설비에서의 이상을 감지하는 거였습니다. 팀의 목표는 모든 것을 데이터로 자동화하고 모니터링하여 사람들이 일하는 방식을 모두 시스템으로 구현하는 거였습니다. 그전에는 엔지니어의 개별적 지식으로 데이터들을 본 후 이상을 판별하여 객관적인 기준이 없었습니다. 따라서 보다 편리하게 자동으로 이상을 감지하기 위해 중요 파라미터를 모아 정리한 후 이를 바탕으로 패턴화하고 9가지로 분류하여 설비의 이상을 감지하는 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 위해서 이상을 감지하는 동일한 기준이 필요하다고 생각하였고 정합성을 높이기 위해서는 동종 챔버와의 패턴비교도 필요하다고 느꼈습니다. 이 기준을 선정한 이후 파이썬을 활용하여 데이터를 분류하는 로직을 개발했습니다. 실제 데이터를 활용하는 것은 대학생 과제에서 사용한 파이썬 과제와 차원이 달랐습니다. 따라서 데이터를 활용한 소스를 깃헙에서 찾아 참고를 하였고 멘토님에게 분류 기준에 대한 조언을 듣고 분류 로직을 성공적으로 개발했습니다.
또한 데이터 분석 시스템과 EQMS의 기능을 편리하고 가치있게 이용해야 했기 때문에 설비 담당자와 개발자 사이에서 최적의 관리 시스템을 만들기 위한 커뮤니케이션 방식도 옆에서 배울 수 있었습니다. 이렇게 직무에 유용한 기능을 추가하는 알고리즘을 만든 경험과 실무자들의 실제 소통방식을 경험함으로써 최적화된 반도체 설비 공정제어 및 품질 분석 시스템을 개발하는데 기여하겠습니다.