포스코

포스코는 스마트 팩토리 기술을 실제 공정에 가장 적극적으로 도입하는 기업입니다. 생산기술 직무는 현장의 수많은 데이터를 분석해 수율을 높이는 실무적인 역할을 한다고 알고 있습니다. 저 또한 인턴 시절 비전 알고리즘을 연구하며, 이론적인 코드보다 현장의 조명이나 환경에 맞춰 로직을 수정했을 때 성능이 오르는 것을 보며 현장 중심 SW의 중요성을 배웠습니다. 제가 가진 SW 역량을 포스코의 제조 현장에 녹여내 실질적인 성과를 내고 싶어 지원했습니다. 입사 후에는 제철소 공정 전반에서 발생하는 비정형 데이터를 정밀하게 제어하는 역량을 발휘하고 싶습니다. 단순한 모니터링을 넘어, 딥러닝 모델이 현장의 돌발 변수에도 오작동하지 않도록 예외 처리 로직을 강화하고 시스템의 신뢰성을 높이는 작업을 수행하고 싶습니다. 특히 육안으로 확인하기 어려운 미세 결함을 실시간으로 판별하는 검사 솔루션을 고도화하여, 현장의 엔지니어들이 데이터에 기반해 확신을 갖고 의사결정을 내릴 수 있도록 돕고 싶습니다. 화려한 기술에 매몰되기보다 포스코의 생산 효율을 1%라도 더 올릴 수 있는 실무적인 소프트웨어를 고민하며, 현장과 기술을 잇는 엔지니어로 성장하고 싶습니다. - 희망하는 직무를 수행함에 있어서 요구되는 역량을 갖추기 위해 어떠한 학습 또는 도전적인 경험을 하였고, 입사 후 이를 어떻게 발전시켜 나갈 것인지 서술하여 주십시오. 생산기술 직무에서 가장 필요한 것은 현장 데이터를 읽어내고 최적의 로직을 찾아내는 분석력이라 생각합니다. 저는 이를 위해 대학교 4학년 당시, 실시간 불량 객체 검출 프로젝트를 진행하며 SW 최적화 역량을 길렀습니다. 처음에는 모델의 정확도가 낮고 연산 속도가 느려 실시간 적용이 어려웠습니다. 이를 해결하기 위해 이미지 적응형 이진화 로직을 도입하고, 관심 영역을 설정해 필요한 부분만 연산하도록 데이터 구조를 고쳤습니다. 덕분에 처리 속도를 20% 높일 수 있었고, 수만 건의 로그 데이터를 뒤져보며 예외 상황을 하나씩 해결했습니다. 입사 후에는 우선 포스코의 조업 공정을 빠르게 익히겠습니다. 현장 엔지니어분들과 소통하며 어떤 데이터가 진짜 중요한지 파악하고, 제가 가진 SW 지식을 접목해 설비 이상을 미리 잡아내거나 공정을 효율화하는 시스템을 만들고 싶습니다. 화려한 기술보다는 현장에서 믿고 쓸 수 있는 안정적인 솔루션을 만드는 엔지니어가 되겠습니다. - 존중과 배려의 마인드로 타인에게 도움을 주었거나, 타인과의 협업을 통해 갈등 상황을 극복한 경험에 대해 서술하여 주십시오. 인턴 프로젝트 수행 중, 검출 알고리즘의 최적화 방향성을 두고 팀원과 견해 차이로 갈등을 겪은 적이 있습니다. 저는 실시간성 확보를 위해 로직 경량화를 주장한 반면, 팀원은 검출 정확도를 높이기 위해 고성능 모델 도입을 고수했습니다. 각자의 기술적 소신이 뚜렷하다 보니 논의는 끝나지 않았고, 프로젝트의 진척이 더뎌지는 상황에 직면했습니다. 저는 각 방안의 타당성을 객관적으로 검증해보기로 했습니다. 두 가지 방안을 모두 직접 구현하여 성능 테스트를 진행한 결과, 팀원의 방식은 정확도는 우수했으나 처리 속도가 기준에 미치지 못했고, 제 방식은 속도는 확보했으나 미세 불량 검출력이 낮다는 데이터 수치를 확인했습니다. 이후 저는 분석된 지표를 팀원에게 공유하며, 제 제안에도 한계가 있었음을 먼저 인정하고 사과를 전했습니다. 솔직한 데이터 공유를 통해 팀원과 정서적 공감대를 형성할 수 있었고, 결과적으로 두 방식의 장점을 결합하여 중요 구간에만 고성능 연산을 적용하는 가변 로직을 도출했습니다. 포스코 생산기술 현장에서도 부서 간 의견 차이가 발생할 때, 상대를 존중하는 태도로 최선의 답을 찾아가는 신입사원이 되겠습니다. - 최근 국내외 이슈 중 한 가지를 선택하여 본인의 견해를 서술하여 주십시오. 최근 챗GPT를 필두로 한 생성형 AI의 급격한 발전은 산업 전반에 혁신을 불러오고 있습니다. 특히 제조 업계에서는 이를 활용해 공정 매뉴얼을 자동화하거나 이상 징후를 예측하는 시도가 이어지고 있습니다. 저는 이러한 기술적 흐름이 포스코와 같은 제조 현장에서 실질적인 성과로 이어지기 위해서는, 인공지능이 내놓는 결과값에 대한 데이터 신뢰성 확보가 무엇보다 중요하다고 생각합니다. 제조 현장은 일반적인 서비스 환경과 달리 작은 수치 오류가 대형 설비 사고나 품질 저하로 직결될 수 있는 민감한 곳입니다. 따라서 생성형 AI를 도입하더라도, 현장에서 발생하는 실시간 조업 데이터를 정확하게 정제하고 AI의 판단 근거를 검증할 수 있는 소프트웨어 기술력이 뒷받침되어야 합니다. 저는 인턴 시절 비전 알고리즘을 다루며 이론적인 모델보다 현장 변수를 반영한 데이터 전처리가 성능에 더 큰 영향을 미친다는 것을 배웠습니다. 포스코 생산기술 직무에서도 현장의 비정형 데이터를 표준화하고 모델의 출력값이 실제 조업 환경에 적합한지 끊임없이 검증하는 태도가 필요합니다. 저는 제가 가진 SW 역량을 바탕으로 포스코가 안전하고 효율적인 지능형 제철소로 거듭나는 데 기여하고 싶습니다.