메뉴 건너뛰기


커리어 세부메뉴

합격자소서

삼성전자㈜ 2022년 상반기 신입 반도체엔지니어합격자소서

합격자 정보

  • 서울4년
  • 산업경영공학과
  • 학점 3.99/4.5
  • 오픽 IH
  • 동아리 1회
  • 사회활동 1회
  • 83,527읽음

합격자소서 질문 및 내용

답변
"데이터를 통한 초기 수율 확보"

1학년 때 산업공학 동아리에서 ‘앙상블 학습을 통한 DRAM 모듈 출하 품질보증 검사 불량 예측’ 논문을 분석하면서 반도체 품질 관리 기법에 관심이 생겼습니다. 이후 품질공학 강의에서 반도체 데이터 특징과 데이터 판별법을 공부하며 안정된 수율 확보가 곧 반도체의 경쟁력임을 알았습니다. 전공을 수강하며 공정에서 사용하는 품질 관리의 이론적 지식을 학습했습니다. 또한, 동아리에서 다양한 예측 모델 수립 프로젝트를 수행하며 오버피팅 등 발생하는 이슈를 이해하고 해결 방안을 모색했습니다. 이 경험을 통해 같은 데이터도 분석 목적과 방식에 따라 가치가 달라질 수 있다는 것을 배웠습니다.

장기현장실습생으로 Flash PE팀에서 ‘머신러닝 기반 불량 예측 모델 제작’ 프로젝트를 수행하며 반도체 공정 데이터의 활용 가능성이 무궁무진하다고 느꼈습니다. 특히 양산 초기 데이터를 통해 불량 원인을 분석하여 수율을 안정화 하는 일이 매력적이었습니다. 이로부터 현업에 대한 이해를 바탕으로 초기 공정에서 불량 원인을 찾는 모델을 제작함으로써 수율을 확보하고 싶다는 목표가 생겼습니다. 삼성전자는 메모리 반도체 시장을 선도하며 ‘초격차’ 확보를 위해 끊임없이 도전합니다. 상기 경험을 바탕으로 입사 후 삼성전자의 일원으로 데이터를 통해 양산 초기 수율을 확보함으로써 ‘세계 최고 메모리반도체’를 함께 만들겠습니다.

글자수 6981,205Byte

답변
"목표를 향한 확신, 끊임없는 도전"

대학에 입학하고 전공 자료를 검색할 때 영어로 된 자료가 많아 영어 공부 필요성을 크게 느꼈습니다. 하지만 고등학생 때부터 영어 공부를 제대로 하지 않았기 때문에 학원에 다니며 공부했으나 영어 실력을 키우기에는 한계를 느꼈습니다. 이를 극복하기 위하여 교환학생에 지원해 다양한 국적의 학생들과 영어로 소통하며 실력을 키우겠다는 목표가 생겼습니다. 그러나 학기 중 치른 3번의 토플 시험 모두 좋지 못한 결과를 얻었습니다. 공대생으로 교환 학생을 준비하는 사람이 적으니 ‘시간 낭비’라는 말이 크게 다가왔습니다.

하지만 같이 공부하던 친구가 “끝까지 해 보고 후회하는 것이 포기하고 후회하는 것보다 낫다”는 말을 했습니다. 그 말에 공감하여 다시 제 목표에 확신을 가지고 세부적으로 계획을 짜 지켰습니다. 일상에서는 앱을 통해 만난 외국 친구와 메시지를 주고받으며 영어 단어와 문장을 사용함으로써 부담감을 없애려 노력했습니다. 그 결과 마지막 시험에서는 처음 대비 20점 이상 점수를 올리며 요구 점수를 달성하여 교환 학생에 지원할 수 있었습니다. 이를 통해 남들이 우려하는 목표도 확신을 갖고 노력하면 성취할 수 있다는 것을 배웠습니다.

"다른 사람들이 모여 만드는 시너지"

팬데믹으로 교환 학생이 온라인으로 전환되면서 팀 프로젝트를 다른 국가에 있는 학생들과 온라인으로 진행해야 했습니다. 특히, Cross Border Digital Trade강의에서 진행한 프로젝트는 고학년 대상의 경영학 전공 강의였기 때문에 다양한 분야에서의 전문 지식을 필요로 했고, 교수님께서 기대하시는 수준이 높았습니다. 팀원들이 교환 학생들로 구성되어 다양한 국가 출신의 경영학, 무역학 등 다양한 전공이었기 때문에 프로젝트 진행 중 회의 진행 방식에 대해 의견 충돌이 있었습니다. 배경지식의 차이로 주제를 이해하는 관점이 서로 다를 뿐 아니라, 온라인으로만 진행하다 보니 시차로 인해 의견 공유를 위한 회의 시간을 맞추기 어려웠기 때문입니다.

따라서 ‘블록체인을 이용한 SCM’이라는 주제를 팀원들의 역량에 맞게 업무를 배정했습니다. 그리고 실시간 회의를 최소로 진행하는 대신 대신 모두의 관점을 이해하고, 방향성을 잃지 않기 위해 구글닥스 등 공유 플랫폼을 활용하는 방식을 제안했습니다. 이후로 활발한 소통을 위해 업무 진척도와 내용을 구글닥스에 실시간으로 공유하고 궁금한 부분은 메신저로 연락하거나 소규모 회의를 가졌습니다. 또한, 구글닥스 댓글 기능을 활용해 피드백을 주고받았습니다. 그 결과, 오프라인으로 진행하는 다른 팀에 비해 제한적인 환경임에도 불구하고 교수님께 최신 동향이 전문적으로 잘 반영된 프로젝트라는 호평을 들으며 A+라는 좋은 성적을 받을 수 있었습니다. 이를 통해 다양한 사람들이 하나가 되어 노력한다면 어려운 환경에서도 좋은 결과를 낼 수 있다는 것을 배웠습니다. 상기 경험을 바탕으로 ‘반도체 경쟁력 강화’라는 공동의 목표에 확신을 갖고, 삼성전자의 다양한 배경을 가진 구성원과 시너지를 발휘하여 목표를 성취해 나가겠습니다.

글자수 1,5132,595Byte

답변
"이미 시작된 New Normal, ESG"

2020년 말부터 환경, 사회, 지배구조를 지칭하는 ESG에 대한 대중들의 관심이 높아졌습니다. 특히 지속 가능한 발전을 추구하며 환경 보호에 대한 관심이 갈수록 많아지고 있습니다. 이를 포스트 코로나 시대의 새로운 일상, New normal(뉴 노멀)이라고 지칭합니다. 뉴 노멀 시대에 ESG 중심 소비와 투자 비중은 더욱 커질 전망이며, 제조업 기반의 삼성전자는 이 이슈에 더 민감할 수밖에 없다고 생각합니다. 대학교에 입학하고 자취를 처음 시작했을 때 정수기를 설치할 수 없어 생수를 사 마셨습니다. 하지만 생수는 플라스틱 쓰레기를 발생시키고, 이를 재활용하는 것도 쉽지 않아 환경 문제를 야기한다는 뉴스를 보았습니다. 그 이후 `OOO`라는 필터 교체형 정수기를 이용함으로써 생수 배달을 끊었습니다. 실제로 환경에 대한 경각심이 커진 이후로 OOO 사용 인구는 꾸준히 늘고 있습니다.

비슷한 일례로, 팬데믹 사태로 일회용품 사용이 급증하면서 환경에 대한 대중의 경각심이 높아졌습니다. `텀블러 들고 다니기` 등의 개인적인 실천뿐 아니라, 기업에 실질적인 액션을 요구하는 등 기업의 ESG 실천에 대한 기준이 높아지고 있습니다. ESG 경영으로의 개편은 이미 전세계적 트렌드가 되었습니다. 특히 MZ 세대 사이에서 ESG는 제품의 선택만이 아니라 기업을 선택하는 기준 중 하나가 되었습니다. 삼성전자는 이전부터 지속 가능 경영을 내세울 뿐 아니라 2021년 6월, 반도체 업계 최초로 전 사업장에 탄소, 물, 폐기물 저감 인증을 획득하였고, 꾸준히 저전력 반도체를 개발하는 등 지속 가능 경영의 실질적인 성과를 내고 있습니다. 하지만 이에 만족하지 않고, ESG 비전을 확실시 하고, 사내 ESG 중심 활동을 고착화 시키는 것이 필요하다고 생각합니다. ESG 중심의 사내 문화를 바탕으로 혁신적인 기술 개발을 이어간다면 삼성전자는 제조업이라는 태생적 불리함을 이겨내고 뉴 노멀 시대에도 꾸준히 좋은 성과를 낼 수 있을 것입니다.

글자수 1,0031,665Byte

답변
"데이터 의미 기반의 인사이트 발굴"

적절한 평가를 수행하려면 공정과 데이터에 대한 이해를 바탕으로 이슈에 빠르게 대응하고 문제를 해결해야 합니다. 그래서 품질공학, 데이터마이닝 등 강의를 통해 수율 향상을 위한 품질 관리 기법과 통계 기반 데이터 분석 이론을 공부했습니다. 동시에 3년간 동아리에서 R과 파이썬으로 다양한 예측 모델 수립 프로젝트를 수행하며 데이터 분석 시 나타나는 문제를 이해하고 분석 기법을 학습했습니다. ‘마케팅 성공 여부 예측’ 프로젝트에서 accuracy 향상을 목표로 다양한 분석 기법을 적용했지만 타겟 accuracy를 일정 수준 이상으로 학습할 경우 오버피팅이 발생해 오히려 성능이 나빠졌던 적이 있습니다. 이를 해결하기 위해 문제 원인을 분석한 결과, 학습 데이터에 타겟 값과 상관관계가 낮은 파라미터가 포함된 것이 원인이었습니다. 그래서 상관관계가 낮은 파라미터를 소거한 후 data regularization을 진행했습니다. 그 결과, 평균 accuracy가 약 2% 상승한 모델을 구축했습니다. 이를 통해 데이터 분석 시 데이터가 가진 의미 파악이 우선이 되어야 함을 배웠습니다.

이후, 삼성전자에서 공정 데이터를 이용한 ‘머신러닝 기반 불량 예측 모델 제작’ 실습에 참여했습니다. 불량 데이터의 의미를 파악하려면 반도체 공정에 대한 이해가 필요합니다. 따라서 제일 먼저 낸드플래시 제조 공정과 데이터의 특징을 공부했습니다. 그로부터 불량 데이터의 비율이 매우 낮다는 특성을 파악해 문제를 ‘High Imbalanced Data 처리’, ‘오버피팅 해결 ’로 단순화할 수 있었습니다. 이상치 데이터의 영향을 줄이기 위해 현업에서 사용하는 Grading 등 기법을 공부해 소수의 문제가 되는 파라미터만 선별해 예측 모델을 수립할 수 있었습니다. 상기 경험을 바탕으로 삼성전자에 입사한 이후, 반도체 공정과 데이터 특성을 꾸준히 공부하고, 이를 바탕으로 불량 원인을 분석해 수율 향상에 기여하겠습니다.

글자수 9781,635Byte