기업명 비공개

적극적으로 학부 연구생도 참여했습니다. CVD 장비를 직접 분석하여, 기계장치의 이해도를 높였습니다. 학부 연구생 동안, CVD 장비를 이용해 박막 합성 공정 최적화에 관해 연구했습니다. 그러나 장비에 문제가 발생하여 연구를 진행하지 못한 적이 있습니다. 저희 팀은 진공 펌프, Chamber 등의 HW를 직접 분해/조립/테스트했고, 공정 설비 엔지니어와 직접 소통해 문제를 해결했습니다. 이 경험을 통해 CVD 장비를 더욱 완벽히 다루고 이해했으며, 반도체 장비 관련 직무로 방향성을 정했습니다. 한편, 연구를 진행하는 동안 어학 능력을 더욱 키웠습니다. 9개월 동안, 같은 팀 Post Doctor와 영어로 소통하며 함께 연구했습니다. 설비 및 공정 변수의 변경, 앞으로의 계획 등, 각자의 지식과 경험을 근거로 공정 최적화를 위해 끊임없이 토론했습니다. 비록 처음에는 어려웠지만, 계속해서 이야기하다 보니 영어로 대화하는 것에 흥미를 갖게 됐고, 어학 능력을 더욱 키울 수 있었습니다. [2. CVD 장비의 불량 개선 및 Loss 제거를 통한 공정 최적화] 학부 연구생 동안, Chamber 내 온도, 압력 등의 공정 변수를 조절하여 최적화 Parameter를 찾기 위해 노력했습니다. 그러나, 갑작스럽게 장비 내 Chamber의 진공 성능이 악화됐습니다. 저희 팀은 4가지 측면에서 원인을 파악하여 불량을 해결했고, ‘공정 최적화’ 연구 성과를 달성했습니다. 첫 번째는 진공 펌프의 성능 저하입니다. 내부 압력은 대개 펌프의 성능에 영향을 받을 거라 판단하여, 펌프 내 오일과 필터를 교체했습니다. 하지만 내부 압력은 0.1 Torr로, 문제는 해결되지 않았습니다. 두 번째는 압력 센서의 문제입니다. 펌프에 이상이 없음을 알았기에, 계측기의 문제일 가능성이 컸습니다. 장비 설명서를 통해 센서가 수평으로 있어야 한다는 것을 알게 됐고, 센서를 수평으로 재배치했습니다. 압력은 0.08 Torr로 센서는 이전보다 정확해졌지만, 아직 불량이 개선되지는 않았습니다. 세 번째는 배관의 노후화입니다. Ar 가스 배관은 사람과의 접촉이 빈번하기 때문에, 노후화된 배관을 통해 공기가 샐 가능성이 있습니다. 펌프를 동작시킨 상태에서 IPA 용액을 배관에 떨어뜨려, 내부의 진공 상태가 일시적으로 좋아지는 것을 확인했습니다. 이후 새 배관으로 교체하여 이전의 압력인 0.003 Torr를 되찾았습니다. 마지막은 장비 내 불순물입니다. 화학 반응을 위해 유입되는 Ar 가스가 밖으로 나가면서, 출구 쪽에 쌓인 전구체가 펌프의 성능을 감소시킬 수 있습니다. 따라서 톨루엔, 아세톤 등으로 내부 불순물을 제거했고, 압력을 0.001 Torr까지 개선했습니다. 이후 최적화된 설비를 통해, 공정 변수와 박막 퀄리티 사이의 관계성에 관한 논문을 교내 잡지에 게재했습니다. 저희가 찾은 관계성으로 최적의 박막을 양산할 수 있다는 점에서 큰 의미가 있습니다. 이 경험을 통해 ‘설비에 대한 정확한 이해가 뛰어난 공정을 만든다’는 것을 깨달았습니다. 정확한 원인 분석과 문제해결 역량을 바탕으로 고객에게 최적화 솔루션을 제공하는 MPS Field Service Engineer가 되겠습니다. [3. 학습모델 변경을 통한 머신러닝 정확도 향상] Python을 사용해 주변에서 얻을 수 있는 데이터를 머신러닝에 적용한 프로젝트 경험이 있습니다. 주제는 ‘현지 풍속과 기압을 통해 파고를 예측하는 것’이었습니다. 선형 회귀, 로지스틱 회귀, 다중 분류 모델 중, 입력 변수로 결과 값을 예측할 수 있는 선형 회귀를 선택했습니다. 그러나 현지 풍속과 기압, 두 변수만으로 예측한 파고의 정확도는 62%였고, 선형회귀 모델로는 정확도 개선에 한계가 있다고 판단했습니다. 처음 저희가 파고를 예측하려 했던 이유는 사람들이 파도의 위험도를 미리 알고 대비할 수 있도록 하기 위함이었습니다. 따라서 저는 로지스틱 회귀로 모델을 변경하면 예측 정확도가 분명히 올라갈 거라 생각하여 의견을 제시했고, 팀원들도 모두 이에 동의했습니다. 이후 두 입력 변수만으로 ‘위험한 날’과 ‘안전한 날’을 예측할 수 있는 로지스틱 회귀로 모델을 변경했습니다. 변경 후, 예측 결과가 모두 False(위험)로 출력되는 문제가 발생했습니다. 저는 이전의 파고 데이터 값이 로지스틱 회귀 모델의 함수 계산식에 부합하지 않아 문제가 발생했다고 판단했습니다. 따라서 파고 데이터를 위험 높이인 2.1m를 기준으로, 그 이상은 False(위험, 1), 이하는 True(안전, 0)로 수정했고, 예측 정확도를 91%까지 증가시켰습니다. 정확한 원인 분석과 데이터 수정을 통해 신뢰도 높은 프로그램을 구현하여 정말 뿌듯했습니다. 앞으로도, 업무 수행 시 발생하는 이슈를 트러블 슈팅하여 장비의 신뢰도를 높이고, 이를 바탕으로 고객이 믿을 수 있는 엔지니어로 성장하겠습니다. [4. 전공 프로젝트 1위 : 이론과 실전의 확인] 학부생 동안 5번의 전공 프로젝트 경험이 있습니다. 그중 ‘PD 충전기 효율 측정’ 프로젝트는 제게 가장 의미 있는 경험이었습니다. 4개의 전압/전류 센서로 입출력 전력을 계산해 충전기 효율을 측정하는 과제였습니다. 저희 팀은 오실로스코프, 전력계 등의 계측기로 회로 및 센서의 전압/전류를 측정했고, 전류 파형에서 예상과 다른 특이 현상을 발견했습니다. 이후 전자회로, 전력전자공학 등에서 배운 이론을 바탕으로 팀원들과 함께 토의했고, 관련 논문도 함께 찾아봤습니다. 그리고 마침내 이 특이 파형은 ‘비선형 부하의 비대칭성’에 의한 현상이라는 것을 논문을 통해 알게 됐습니다. 정확한 데이터 분석과 트러블 슈팅으로 제품의 완성도를 높였습니다. 충전기와 연결한 핸드폰 배터리 구간을 5단계로 나눠 전류/역률 등의 변수를 구간별로 측정했고, 이 데이터를 통해 ‘이차전지 CC-CV 특성’을 확인했습니다. 또한 충전기 출력 전류 리플이 크다는 문제가 있었는데, 4개의 센서, 납땜한 부분 등을 오실로스코프로 하나씩 점검해 원인을 출력단 전류센서에서 찾았습니다. 이후 ‘전자회로응용’에서 배운 Bypass 커패시터를 적용해 리플 크기를 약 20배 개선했고, 프로젝트 전체 1위라는 좋은 성적을 받을 수 있었습니다. 이번 프로젝트처럼 좋은 성과를 이룬 적도 있지만 실패한 적도 있었습니다. 그러나 지금의 저로 성장할 수 있게 한 것은, 단지 프로젝트의 성공/실패 경험이 아니라, 문제가 발생했을 때 팀원들과 함께 논문을 찾아보고, 토론하고, 의견을 모아 트러블 슈팅한 경험이라고 생각합니다. ASML에서 근무하게 된다면, 함께함의 가치를 알고, 정확한 트러블 슈팅을 통해 회사에 대한 가치와 신뢰를 높이는 엔지니어가 되겠습니다. (자율 항목이라 1번에 모두 적었음) 아르바이트