POSCO · ICT SW개발

설비 이상 탐지 F1-Score 0.91과 MES 파이프라인 3.2배 고속화로
포스코 ICT SW개발 합격한 자소서

공정 불량률 예측 정확도 89%, Python/Kafka 실시간 데이터 파이프라인, 스마트팩토리 AI 모델 실제 배포 — 제철소를 코드로 혁신한 합격자의 전략

스마트팩토리 AI MES 시스템 Python/Kafka 이상 탐지 제조 도메인
합격 사례 개요

제조 데이터와 AI를 연결한 — 합격 자소서 분석

P.S.(25, 컴퓨터공학)는 캡스톤 디자인 프로젝트에서 스마트팩토리 설비 이상 탐지 시스템을 구축하며, LSTM Autoencoder 기반 모델로 F1-Score 0.91을 달성하고 Apache Kafka + Python FastAPI를 활용해 100ms 이내 실시간 이상 알림 파이프라인을 완성한 경험을 자소서에 담았습니다. 또한 인턴십에서 중소 제조사의 MES 데이터를 Spark로 전처리하고 XGBoost 기반 공정 불량률 예측 모델을 구축해 정확도 89%, 데이터 처리속도 3.2배 향상을 달성했습니다. 포스코 AX(AI Transformation) 전략이 요구하는 '제조 도메인 이해 × AI/ML 역량 × 실시간 시스템 개발' 3축을 하나의 경험 흐름으로 증명한 전략이 합격의 핵심이었습니다.

0.91
설비 이상 탐지
F1-Score
3.2x
MES 데이터 파이프라인
처리속도 향상
89%
공정 불량률
예측 정확도
91/100
커리어던 자소서
진단 점수
포스코 ICT SW개발 합격 자소서 분석 — 스마트팩토리 AI 모델과 MES 시스템 개발
Before / After — 사례 1

개발 경험 나열에서 제조 문제 해결 AI 시스템 구축으로

Before — 초안
❌ "Python과 머신러닝을 이용한 프로젝트를 진행했습니다"
❌ 어떤 제조 문제를 해결했는지 전혀 없음
❌ 모델 성능 수치(F1, Precision, Recall) 미제시
❌ 실시간 처리·배포 경험 없이 Jupyter Notebook 수준
❌ 포스코 AX 전략과 본인 역량의 연결 부재
After — 합격본
✅ "LSTM Autoencoder로 압연 설비 진동 센서 이상 탐지 — F1-Score 0.91, 오탐율 4.2%"
✅ Apache Kafka → FastAPI → Redis 파이프라인 구축, 이상 감지 레이턴시 100ms 이내
✅ 2,400만 건 센서 데이터 전처리 (결측치 보간, 슬라이딩 윈도우 피처 추출)
✅ Docker 컨테이너로 제조 환경 배포 — Grafana 실시간 대시보드 연동
✅ "포스코 AX 전략의 전 공정 AI화를 압연·소결 영역부터 구현하고 싶다" 연결
Before / After — 사례 2

MES 단순 사용에서 데이터 파이프라인 설계 역량 증명으로

Before — 초안
❌ "인턴십에서 MES 시스템을 사용해 봤습니다"
❌ 데이터 처리 규모·속도·방법론 미언급
❌ XGBoost, Spark 등 기술 스택 나열만 하고 성과 없음
❌ 제조 도메인 이해(공정 파라미터, 품질 지표) 부재
After — 합격본
✅ "MES의 공정 파라미터(온도·압력·속도) 600개 변수에서 불량률 연관 피처 28개 선별 — SHAP 분석 활용"
✅ Spark SQL로 2억 5천만 행 배치 처리 → 처리속도 3.2배 향상 (4.1h → 1.3h)
✅ XGBoost 기반 불량률 예측 모델 정확도 89%, 현장 조기 경고 체계 구축
✅ Oracle DB 기반 MES와 Python ML 파이프라인 REST API 연동 직접 설계
자소서 진단 Scorecard

커리어던 5-항목 평가 결과

직무 이해도 — 스마트팩토리·AX 전략·제조 도메인 파악
93/100
경험의 구체성 — F1-Score, 처리속도, 정확도 수치화
94/100
논리적 구성 — 문제 → 설계 → 구현 → 배포 → 성과 흐름
90/100
핵심 키워드 활용 — AX, 스마트팩토리, MES, 실시간 처리
91/100
차별화 포인트 — 제조 도메인 이해 + 실제 배포 경험
88/100
종합 점수
91/100
포스코 ICT SW개발 자소서 — 스마트팩토리 AI 핵심 전략과 기술 스택
3가지 핵심 전략

P.S.가 선택한 포스코 ICT SW개발 자소서 차별화 전략

01
제조 맥락의 AI — 센서 → 모델 → 배포 전 과정 서술
단순히 "LSTM으로 이상 탐지를 했다"에서 끝나지 않고, 압연 설비의 진동 센서 데이터가 왜 비정상적인지 도메인 지식과 함께 설명했습니다. 2,400만 건 데이터를 슬라이딩 윈도우로 피처화하고, 오탐율 4.2%를 달성하기까지 Threshold 튜닝 과정을 상세히 서술했습니다. 제철소 현장에서 실제 배포·운영까지 경험한 것처럼 설득력 있게 구성해 면접에서 "어떻게 배포했느냐"는 질문에 Docker 컨테이너와 Grafana 연동 과정으로 답할 수 있었습니다.
02
데이터 리터러시 — 600개 변수에서 28개 핵심 피처 선별
MES 시스템의 600개 공정 파라미터 중 불량률과 유의미한 상관관계를 가진 28개 피처를 SHAP(SHapley Additive exPlanations) 분석으로 선별한 경험을 담았습니다. 이 접근법이 단순 블랙박스 ML이 아닌 '현장 엔지니어가 이해할 수 있는 해석 가능한 AI'를 지향한다는 점에서 포스코 AX 전략의 "현장 수용성" 요구와 정확히 맞아 떨어졌습니다. SHAP 적용 전후 현장 신뢰도 차이를 인터뷰 형태로 서술한 것이 인상적이었다는 면접 피드백도 받았습니다.
03
실시간 파이프라인 설계 — Kafka·FastAPI·Redis 아키텍처
Kafka로 센서 이벤트를 스트리밍하고, FastAPI로 ML 모델 추론 API를 구성하며, Redis로 결과를 캐싱해 이상 알림 레이턴시를 100ms 이내로 낮춘 아키텍처를 서술했습니다. 이 경험이 "포스코 제철소의 공정 데이터는 초당 수천 건이 발생하며, 이를 실시간으로 처리해 설비 이상을 선제 감지하는 것이 AX의 핵심"이라는 포스코 AX 전략과 직결됩니다. 시스템 설계 다이어그램을 포트폴리오로 준비해 면접에서 구체적으로 설명했습니다.
합격자 인사이트

P.S.가 공유한 4가지 포스코 ICT SW개발 합격 인사이트

제조 도메인을 모르는 CS 전공자가 어떻게 준비했나요?
포스코 기술연구원 유튜브 채널과 포스코DX 블로그에서 스마트팩토리 사례를 먼저 공부했습니다. 고로(용선), 전로(강판), 압연(최종 제품) 공정 흐름을 이해하면 어떤 센서 데이터가 어느 공정에서 발생하는지 파악할 수 있습니다. 캡스톤 프로젝트를 시작할 때 제조 회사 현장 방문을 직접 요청해 실제 설비 데이터를 구했고, 이 경험이 자소서에서 "현장 감각이 있는 개발자"로 보이게 해줬습니다.
포스코DX와 포스코ICT는 어떻게 다른가요?
포스코ICT는 2023년 포스코DX로 사명이 변경됐습니다. 포스코DX는 포스코 그룹사에 스마트팩토리, ERP, MES, 클라우드 전환 솔루션을 제공하는 DX 전문기업입니다. 단순 IT 서비스사가 아니라 제철소 공정 이해와 소프트웨어 개발을 동시에 요구하는 곳입니다. 자소서에 "포스코DX"를 정확한 사명으로 표기하는 것도 기본 중의 기본입니다.
MES 경험이 없으면 어떤 대안 경험을 강조해야 하나요?
MES 직접 경험이 없다면 ① IoT 센서 데이터 수집·처리 프로젝트, ② 시계열 데이터 이상 탐지 모델(LSTM, Isolation Forest, Prophet), ③ REST API 설계 및 DB 연동(PostgreSQL, MySQL, InfluxDB), ④ Docker를 이용한 ML 모델 배포 경험을 강조하세요. 제조 맥락을 공부하고 위 경험을 "제조 환경에 적용한다면"이라는 관점으로 재서술하면 충분히 설득력이 있습니다.
면접에서 기술 질문이 어느 수준까지 나왔나요?
알고리즘 코딩 테스트(1차)를 통과하면 기술 면접에서 자소서 기반 질문이 주로 나왔습니다. "LSTM Autoencoder에서 Reconstruction Error를 어떻게 Threshold로 변환했느냐", "Kafka와 RabbitMQ의 차이", "MES 데이터 결측치를 어떻게 처리했느냐", "모델을 배포한 후 Drift가 발생하면 어떻게 대응하느냐" 같은 실전 질문이 나왔습니다. 자소서에 적은 내용은 코드 수준까지 설명할 수 있어야 합니다.
포스코 ICT SW개발 자소서 흔한 실수 — 기술 나열, 제조 도메인 부재, 성과 수치 없음
흔한 실수 vs 올바른 접근

포스코 ICT SW개발 자소서 — 3가지 치명적 실수

❌ 흔한 실수
"Python, Java, C++, TensorFlow, PyTorch, Kafka, Docker, Kubernetes, AWS, GCP를 다룰 수 있으며, 머신러닝과 딥러닝에 관심이 많습니다."

— 기술 나열은 JD 요건 체크에 불과. 이 기술로 어떤 제조 문제를 얼마나 개선했는지가 없으면 JD 스펙 매칭일 뿐
✅ 올바른 접근
"Kafka(v3.4)로 압연 센서 스트림을 초당 5,000건 처리하고 FastAPI로 LSTM 모델 추론 API를 구성해 이상 알림 레이턴시 100ms 달성. Docker 컨테이너로 배포 후 Grafana로 실시간 모니터링."

— 기술이 아닌 '기술로 달성한 제조 성과'를 중심으로 서술
❌ 흔한 실수
AI 프로젝트를 서술하며 "RandomForest 모델을 학습시켜 정확도 85%를 달성했습니다. 향후 이를 발전시키고 싶습니다"로 마무리

— 어떤 제조 공정의 문제인지, 85% 정확도가 현장에서 얼마나 가치 있는지, 다음 개선 계획이 무엇인지 전혀 없음
✅ 올바른 접근
"압연 공정 스케일 결함 예측 — XGBoost로 불량률 예측 정확도 89%, SHAP 분석으로 온도 변화율·롤 압력이 주요 인자임을 규명. 현장 조기 경고 시 불량 발생 건수 연 12건 → 예측 가능한 7건으로 감소 추정."

— 공정 문제 → 모델 → 성과 → 현장 가치까지 완결된 서술
❌ 흔한 실수
포스코 ICT SW개발 지원이지만, 자소서에서 포스코DX·AX 전략·스마트팩토리 언급 없이 "저는 개발을 좋아하고 포스코의 미래를 함께하고 싶습니다"라고만 작성

— 포스코DX가 왜 자신을 채용해야 하는지, 어떤 프로젝트에 기여할지 전혀 연결 안 됨
✅ 올바른 접근
"포스코DX의 AX 전략에서 '전 공정 AI화'를 읽고, 제가 구축한 설비 이상 탐지 시스템이 고로·전로·압연 공정 각각에 어떻게 확장될 수 있는지 시나리오를 준비했습니다. 입사 후 제철소 현장 데이터 엔지니어와 협업해 AI 파이프라인을 양산 수준으로 고도화하는 역할을 맡고 싶습니다."

— 포스코DX 전략을 본인 역량과 연결한 명확한 커리어 비전
자주 묻는 질문

포스코 ICT SW개발 직무 FAQ

제조 도메인 이해와 소프트웨어 개발 역량의 결합이 핵심입니다. 포스코DX는 단순 SW 개발이 아닌, 제철소 공정(코크스→고로→전로→압연)의 데이터를 이해하고 이를 AI/ML 모델, MES/ERP 연동 시스템, 실시간 모니터링 대시보드로 구현하는 역량을 요구합니다. Python/Java/C++을 다룰 수 있으면서 제조 데이터(센서 시계열, 공정 파라미터)를 분석한 경험이 차별화 포인트입니다.
AI 경험을 서술할 때는 '어떤 모델을 사용했다'에서 끝나면 안 됩니다. 어떤 제조 문제를 해결하기 위해, 어떤 데이터를 수집·전처리하고, 어떤 모델을 선택한 이유와, 최종적으로 얼마나 개선됐는지(F1-Score, RMSE, 처리속도, 불량률 감소율 등)를 모두 담아야 합니다. 스마트팩토리 맥락에서 '생산 현장에 배포 가능한 실용적 AI'임을 강조하는 것이 포스코 ICT 채용팀이 원하는 서술입니다.
직접적인 MES/ERP 경험이 없어도 됩니다. 중요한 것은 '대규모 데이터 파이프라인 구축 경험', '실시간 데이터 처리 경험(Kafka, Flink, Spark)', '제조 도메인 데이터 분석 경험'입니다. 없다면 졸업 프로젝트나 캡스톤 디자인에서 IoT 센서 데이터, 시계열 이상 탐지, REST API 개발 등 연관 경험을 구체적 수치와 함께 제시하면 됩니다.
포스코DX(구 포스코ICT)는 포항·광양 제철소와 포스코 계열사에 스마트팩토리 솔루션을 공급하는 DX 전문기업입니다. 제철소 현장 방문(OT 환경)과 본사 개발 환경(IT 환경)을 넘나드는 업무가 많습니다. AX(AI Transformation) 전략 아래 제조 AI, 클라우드 전환, 디지털 트윈 프로젝트가 활발히 진행 중입니다. Java 백엔드, Python ML, React 프론트엔드 풀스택 역량이 환영받습니다.
시계열 이상 탐지 알고리즘(Isolation Forest, LSTM Autoencoder, 3-sigma rule)의 차이와 적용 기준, 실시간 데이터 파이프라인 설계(Kafka + Flink 또는 Spark Streaming), REST API와 gRPC의 차이, 도커/쿠버네티스 배포 경험, 제조 데이터 전처리(결측치·이상치 처리, 샘플링 주기) 방법론 등이 자주 출제됩니다. 포스코 AX 전략과 본인 역량의 연결도 필수입니다.
클라우드 경험은 점점 중요해지고 있습니다. 포스코는 AWS·Azure 기반의 하이브리드 클라우드 전환을 진행 중이며, 제철소 OT 환경의 데이터를 클라우드로 안전하게 연동하는 아키텍처 설계 역량이 요구됩니다. AWS SageMaker, Azure ML Studio 경험이 있으면 유리합니다. 없더라도 온프레미스 환경에서 MLOps(모델 버저닝, A/B 테스트, 모니터링) 파이프라인을 구축한 경험으로 대체 가능합니다.
내 자소서, 포스코 ICT SW개발 합격 기준에 맞나요?

커리어던 AI 자소서 진단으로 스마트팩토리 AI 역량·MES 이해·실시간 시스템 개발 경험 표현을 지금 바로 점검하세요

무료 자소서 진단 받기