1. 지원하신 직무 분야의 전문성을 키우기 위해 꾸준히 노력한 경험에 대해 서술해주세요.
[제조산업의 여러 레이어를 경험하다]
학부 시절부터 제조 현장의 흐름을 여러 관점에서 이해하기 위해 노력했습니다. 생산 현장의 문제와 원인을 전체 제조 프로세스 안
에서 함께 볼 수 있어야 한다고 생각하기 때문입니다. 따라서 로봇, 시뮬레이션, 데이터 분석, 최적화를 여러 환경에서 경험해왔습니
다.
로봇팔 시뮬레이션 프로젝트로 작업 동작과 설비 운용에 대한 이해를 높였고, 공정 설비 신호 기반 이상탐지 모델을 개발하며 데이
터에서 문제의 원인을 찾는 방식을 익혔습니다. KAIST에서는 Plant Simulation으로 설비 Capa에 따른 제조 스케줄 최적화를 검
증했고, 설비 배치와 스케줄링 조건을 반복 조정해 LP 최적해 대비 오차 0.8% 이내로 수렴시켰습니다. 이 과정에서 스케줄링 조건
하나가 설비 가동률과 생산 일정 전체에 얼마나 민감하게 영향을 미치는지 직접 확인했습니다.
현재는 반도체 FAB 테스트베드 레이아웃을 바탕으로 AMR 경로 최적화를 진행하며, 물류 흐름이 전체 운영 효율에 미치는 영향을
고민하고 있습니다.
각 프로젝트마다 제조 현장의 전체 흐름 속에서 생각하는 습관을 쌓아왔고, 그 관점으로 SK하이닉스 양산관리 직무에 기여하겠습
니다.
2. 팀워크를 발휘해 사람들을 연결하고 공동 목표 달성에 기여한 경험에 대해 서술해주세요.
[각자의 강점으로, 공동의 기준으로 협업하다]
한국농업기계학회 주최 로봇 경진대회에서 학부연구생 5인 팀의 팀장을 맡았습니다. 센서, 주행, 인식을 각기 다른 팀원이 담당하다 보니 통합 주행 테스트마다 오류가 반복됐습니다. 센서 위치가 바뀌면 제어값도 달라지고, 주행 방식이 바뀌면 인식 기준도 손봐야 했지만 이런 변경이 제때 공유되지 않았기 때문입니다.
저는 파트 간 인터페이스가 문제의 핵심이라고 판단했습니다. 각 파트의 출력값이 다른 파트에 어떤 영향을 미치는지 직접 정리해 팀원들에게 공유했고, 변경 사항은 공용 문서에 즉시 기록하도록 기준을 세웠습니다. 이후, 해당 팀원이 기여할 수 있는 태스크로 업무를 재분배했고, 나머지 팀원들의 부담도 줄어 전체 진행 속도가 빨라졌습니다. 결과적으로 주행과 인식을 통합하여 목표 일정 안에 시연을 마쳤고 장려상을 수상했습니다. 이 경험을 통해 협업은 각자의 강점에 맞게 일을 다시 연결하고 같은 기준으로 움직이도록 만드는 일이라는 점을 배웠습니다.
3. 도전적인 목표를 세우고 성취하기 위해 끈질기게 노력한 경험에 대해 서술해 주세요.
[현장을 이해하고 데이터를 보다]
설비의 전류 신호만으로 정확도 90% 이상의 모델을 개발하는 것이 목표였습니다. 처음 보는 CNC 설비 데이터였고, 파일마다 신호의 의미가 바로 읽히지 않아 이해하는 것부터 어려웠습니다. 그래서 멘토가 현장에 방문할 때 동행을 요청했고, 공정을 직접 보며 데이터를 다시 해석했습니다. 신호가 어떤 공정 구간과 동작에서 발생하는지 연결할 수 있었고, 이전보다 데이터를 훨씬 구체적으로 이해할 수 있었습니다.
하지만 이상 데이터가 전체의 1%에도 못 미쳐 어떤 모델을 적용해도 성능이 쉽게 올라가지 않는다는 새로운 문제에 부딪혔습니다.
저는 좋은 모델 하나를 찾는 것보다 문제를 다시 정의하는 쪽을 택했습니다. 설비 이상을 정상으로 넘기면 실제 생산 차질로 이어질 수 있기 때문에, 일부 오탐을 감수하더라도 이상 신호를 놓치지 않는 방향으로 Trade-off 기준을 잡았습니다. 이후 가우시안 기반 노이즈 증강으로 클래스 불균형을 보완했고 모델 정확도 95%를 달성했습니다.
이 경험을 바탕으로 반도체 공정 데이터를 이해하고, 이상징후를 조기에 포착하고, 미탐으로 인한 품질 문제와 생산 차질을 줄이는 데 직접 활용하겠습니다.
4. 지원자님은 어떤 사람인가요? 지원자님을 가장 잘 나타낼 수 있는 해시태그(#)를 포함하여, 남들과는 다른 특별한 가치관,
개성, 강점 등을 자유롭게 표현해주세요. (본 문항은 선택 문항입니다.)
#기록하는사람
프로젝트를 진행할 때 지금 무엇을 하고 있는지, 어떤 문제가 생겼는지, 어떻게 해결했는지를 모두 문서로 남기는 편입니다. 당장은 기록하는 시간이 더 걸리지만, 나중에 같은 문제가 다시 생겼을 때 처음부터 헤매지 않아도 되고, 팀원과 맥락을 공유할 때도 훨씬 빠르게 정렬됩니다. 기록이 쌓이면 일의 흐름이 보이고, 흐름이 보여야 다음 판단이 빨라진다고 생각합니다. 그래서 빠르게 넘기는 것 보다 제대로 남기는 쪽을 항상 택해왔습니다.
#제조를향해계속나아가는사람
관심은 늘 로봇 주행, 센서, IoT처럼 현장을 움직이는 기술 쪽으로 향했습니다. 그 방향을 따라 산업공학을 복수전공하고 스마트팩토리 연구실에 들어갔고, 이후 연구원에서 제조 데이터 분석을, 이후에는 FAB 환경의 AMR 시스템을 공부했습니다. 로봇팔 중심의 경험에서 한 발 더 나아가, 제조 데이터 분석과 AMR 시스템으로 스스로 영역을 넓혀온 것도 부족한 부분을 직접 찾아 채워온 과정이었습니다. 제조 생산이라는 방향은 한 번도 바뀐 적 없고, 그 안에서의 도전은 아직
끝나지 않았습니다.