 |
만 조정하며 해결하려 했지만, 반복 실험에서도 동일한 경향이 나타나 원인을 근본적으로 분석할 필요가 있었습니다. 저는 문제를 정리하고, 실험 구조를 다시 설계하기 위해 다음 세 가지 단계를 수행했습니다.
첫째, 실험 데이터를 조건별
|
|
 |
결과에서도 양호한 성능을 보여 기대가 컸지만, 실제 OLED 셀 구성 후 발광 효율이 40% 이상 낮아지는 문제가 발생했습니다.
초기에는 합성 자체의 문제로 판단해 고순도 정제를 반복했으나, 결과는 개선되지 않았습니다. 이때 원인을 넓게 보기
|
|
 |
실험 실패 경험이 많지 않았고, 데이터를 어디서부터 점검해야 할지도 막막한 상태였습니다.
이를 극복하기 위해 먼저 문제를 세분화하고, 전극 두께 측정 → 셀 저항값 분석 → 슬러리 점도 변화 추적 → 도포 속도 확인 등 가능한 모든 공정
|
|
 |
.
당시에는 단순히 실험 조건을 바꾸는 방식으로 대응했고, 주석적 변경만 반복하면서 시간만 소비했습니다. 하지만 이후 실패 원인을 구조적 결함으로 인식하고, DFT 기반의 계산화학 기법을 활용해 분자 구조 안정성, 결합력, 분해경로 등을
|
|
 |
학습을 병행하고, 교내 학습 튜터에게 일대일 피드백을 받으며 통계 기반 분석력도 개선해나갔습니다.
그 결과 기말발표에서는 실험 데이터의 해석 정확도와 결과 보고서의 완성도가 크게 향상되었고, 교수님께 “이전 발표보다 훨씬 명확하
|
|
 |
학습을 지속해왔습니다. 특히 제조업 회계에서는 물류 흐름과 회계 흐름이 분리되면 실수나 중복이 발생하기 때문에, 타부서와 협업하며 데이터 정확성을 확보하는 협업 기반 회계마인드를 실천해왔습니다.
DAS는 자동차부품이라는 고정밀
|
|
 |
능 여부를 확인하고 고객과 설계팀의 의견을 조율해 대체 승인서(PPAP 포함)를 제출하고 일정을 유지한 사례가 있습니다. 당시 기술 검토를 빠르게 정리해 고객이 판단 가능한 문서로 변환하고, 부품 리드타임을 단축하기 위한 구매 협의도 병
|
|
 |
위해 월 1회 재고실사와 병행하여 자재코드별 회전율 분석 보고서를 작성했고, 이 데이터를 기반으로 입고량 조정 및 발주 단위 변경을 추진한 바 있습니다. 그 결과 특정 품목은 연간 약 30% 수준의 입고량 절감 효과를 냈으며, 창고 적치 공간
|
|
 |
학습을 이어왔으며, 이를 토대로 내부 프로세스 개선에도 참여했습니다. 예를 들어, 사내 생산지시 시스템과 ERP의 데이터 연동 오류를 개선하기 위한 태스크포스에 참여하여, 중복 입력으로 인한 데이터 불일치 문제를 해결한 경험이 있습니
|
|
 |
예찰직을 포함한 현장 인력이 농가와의 신뢰를 바탕으로 자주 방문하고, 정기적인 위생 상태 점검과 정보 공유를 지속해야 질병을 초기에 발견하고 확산을 막을 수 있습니다. 저는 예찰직으로서, 단순히 눈으로 보는 점검을 넘어 농장주와 소
|
|
메뉴펼치기
