기업명 비공개

[레이아웃 패키징 설계를 통한 전동화, 자율운항 시대 개척] 저는 6개월간의 캡스톤 디자인과 자작자동차 프로젝트에서 전동화 차량 및 자율주행 차량의 배터리 패키징 및 열관리 시스템, 자율주행 센서 레이아웃을 설계했습니다. 이를 통해 전동화, 자율주행 모빌리티를 위한 정밀 설계 및 레이아웃 검토 역량을 쌓고, 기술 요구사양에 맞춘 설계의 중요성을 깨닫았습니다. 이러한 역량을 바탕으로 전동화와 자율운항 기술을 기반으로 바다의 무한한 잠재력을 실현하려는 HD현대의 비전과 적합하다고 생각했습니다. 구조적 설계 역량은 전동화, 자율운항 선박 설계 시 기구적 간섭을 방지하고, 상세설계를 정밀하게 구체화하는 데 밑거름이 될 것입니다. 입사 후 저의 꿈은 가혹한 해상 환경에서도 완벽한 강건성을 유지하는 선박 설계 전문가가 되는 것입니다. 사내 설계 표준안을 학습하고, 전동화 및 자율운항 시대를 개척하는 엔지니어가 되겠습니다.

[다각도 해석 검증 및 도면 설계를 통한 설계 완성도 극대화] 2년간의 자작차 동아리를 통해 정적 구조해석 뿐만 아니라 피로, 모달 등 다각도의 해석 역량을 쌓고, 실제 부품의 제작 및 발주 과정을 경험하며 도면 설계의 역량을 쌓았습니다. 나아가 6개월간의 학부연구생 경험을 통해 데이터 기반으로 해석의 정합성을 향상시키고 소성영역에서의 해석역량 또한 쌓았습니다. 자작차 구동계 설계 당시 LSD 마운트를 3D 모델링했습니다. 공정 비용을 절감하고자 CNC 가공 대신 레이저커팅 공정이 가능하도록 설계했고, 기계공작법을 고려한 설계 도면을 작성해 발주를 진행했습니다. 설계 단계에서는 정적 구조, 피로, 모달 해석을 병행하여 신뢰성을 확보했습니다. 나아가 해석의 정합성을 향상시키기 위해 학부연구생으로 실제 실험과 해석 병행을 통해 비선형 물성을 구하는 연구를 수행했습니다. 입사 후에는 사내 설계 가이드를 체득하여 생산 효율성이 극대화된 상세 설계 도면을 구현하는 인재로 성장하고 싶습니다.

[엄격한 수치해석 검증을 통한 모터 마운트 최적화로 경량화와 정비성 확보] 자작차 프로젝트 당시 완주와 차량 안정성 확보라는 공동의 목표를 달성하기 위해, 해석 데이터를 바탕으로 팀원 간의 설계 이견을 조율했습니다. 구동계 설계 과정에서 전년도보다 증량된 모터 무게로 2개의 모터 마운트를 배치하자는 팀원들의 의견이 있었습니다. 하지만 저는 경량화와 정비성 향상을 위해 1개의 마운트만으로도 하중을 지지할 수 있음을 증명하고자 했습니다. 실제 차량 주행 시 가해지는 가혹 하중 조건을 대입하여 구조 및 피로해석을 정밀하게 수행했고, 1개의 마운트 구조로도 목표 안전계수를 만족함을 데이터로 증명해 팀원들을 설득했습니다. 그 결과로 실제 경기 중에도 문제없이 주행할 수 있었습니다. 이 조율로 제작비용 절감, 경량화, 정비 편의성까지 동시에 확보하는 성과를 얻었습니다. 이처럼 객관적 근거로 소통하는 협업 태도를 발휘하여 HD현대에서도 타 부서와 생산성 높은 설계안을 도출해 내겠습니다.

[구조적 단점을 보완하는 80단 편심 메커니즘 고안을 통해 직면한 공학적 문제 해결] 기존 기구 메커니즘의 물리적 한계를 분석하여 논리적인 개선안을 구상하고, 그것이 실제 구조물에 적용되고 정상적으로 구동될 때 큰 보람을 느낍니다. 자작차 구동계 설계 중 기존 턴버클 방식의 불균일한 장력 동기화와 나사산의 강도 취약성 문제를 해결해야 했습니다. 이를 개선하고자 80단 편심 텐셔너를 고안했습니다. 편심 마운트와 조립 체결부의 홀 각도를 다르게 조절하도록 다중 홀 구조를 설계하여, 편심 방식의 단점인 불연속적 장력 제어 한계를 보완했습니다. 제 아이디어가 반영된 부품이 실제로 조립되며 체인 장력이 정확히 동기화되고 안정적으로 작동하는 모습을 보며 공학적 희열과 행복을 느꼈습니다. 저는 원인을 끈질기게 파고들어 해결하는 과정에서 보람을 느낍니다. HD현대에서도 복잡한 선체 구조 설계 중 마주할 사소한 오차나 문제들을 가볍게 넘기지 않고, 끝까지 보완하여 최적의 설계 도면을 완성하겠습니다.

[설계 및 해석 데이터 학습을 통한 구조, 피로수명 예측 AI 모델 구축] 4개월간의 종합설계 프로젝트에서 설계 변수를 통해 SEA를 예측하는 AI 모델을 학습시켜본 경험을 바탕으로, 예측 모델을 다각화하여 AI를 활용한 선박 상세설계 시간 단축에 기여하겠습니다. 데이터 양의 한계를 극복하기 위해 K-fold 기법과 Ridge 알고리즘을 활용하여 설계 변수에 따른 SEA를 도출하는 AI 모델을 구축했습니다. 이는 학습 방법에 따라 구조해석이나 피로해석 결과 예측에도 확장이 가능합니다. 데이터의 양이 확보된다면, 모델링 파일을 입력값으로 받아 출력값을 도출하는 심층 모델의 학습도 가능할 것입니다. 이러한 역량을 바탕으로 HD현대의 설계 최적화 분야에 기여하고 싶습니다. 선체 상세설계 시 축적되는 대량의 모델링 데이터와 실제 FEA 가상 해석 데이터를 연계 학습시킴으로써, 해석 프로그램 이전에 구조적 취약성을 모니터링하는 예측 모델을 통해 설계 주기를 단축시킬 수 있을 것이라 생각합니다.