최적화 엔지니어(OR Engineer)

담당업무

• 고객 인터뷰·현장 관찰·운영 데이터 분석을 통한 문제 정의

• Input·Decision·Output 구조 정의

• 의사결정 변수·목적함수·제약조건 설계

• VRP·MILP·CP·Scheduling·Packing·Inventory Optimization 정식화

• MILP·CP-SAT 기반 최적화 모델 개발

• Heuristic·Metaheuristic 설계

• OR-Tools·Gurobi·CPLEX·자체 Solver 활용

• Neural Combinatorial Optimization·Bayesian Optimization·RL 등 ML for OR 적용

• 계산시간과 해 품질 개선

• 실제 데이터 기반 AS-IS 재현 및 Baseline·KPI·성공 기준 정의

• TO-BE 시나리오 및 What-if Simulation 설계

• 비용·처리량·서비스 수준 등 정량적 효과 검증

• Input·Output Schema 및 Optimization Specification 정의

• API Interface 설계

• 고객별 로직과 일반화 가능한 Optimization Logic 분리

• 재사용 가능한 문제 구조와 알고리즘 모듈 축적

• 고객과 문제 정의 및 Modeling 방향 협의

• 중간·결과 보고 및 알고리즘 결과 설명

• 검증된 PoC를 Product·Engineering 팀과 협업해 실제 서비스로 연결

자격요건

• LP·MIP 등 수리최적화 기본 이해

• MILP·CP·Metaheuristics의 특성과 Trade-off 비교·분석 역량

• 도메인 제약에 맞는 알고리즘 선택 및 선택 사유 논증 역량

• 현실 문제를 변수·목적함수·제약조건으로 구조화하는 모델링 역량

• Python 기반 최적화 모델 및 알고리즘 구현 역량

• Baseline·KPI 설계 및 결과 정량 검증 역량

• 모호한 요구사항 구조화 및 가설·검증 방법 정의 능력

• 모델링 과정과 결과를 비전문가에게 설명하는 커뮤니케이션 역량

우대사항

• VRP·Scheduling·Packing·Assignment·Inventory 등 조합최적화 문제 경험

• Heuristic·Metaheuristic 설계 경험

• Neural Combinatorial Optimization·Bayesian Optimization·RL·Learning-to-Solve 등 ML for OR 경험

• Simulation·Discrete Event Simulation 경험

• 물류·제조·유통·모빌리티 등 실제 산업 데이터 경험

• 고객 또는 현업 담당자와 문제 정의 및 PoC 수행 경험

• 알고리즘을 API 또는 실제 서비스로 연결한 경험

• 문제 구조나 알고리즘의 재사용 가능한 추상화·모듈화 경험

• 문제 정의와 데이터 속 의사결정 구조 발견에 대한 관심

• 실제 현장에서 사용할 수 있는 해법에 대한 관심

• 고객과 현장 이해를 문제 해결의 일부로 보는 태도

• 반복 활용 가능한 문제 해결 구조 구축에 대한 관심

복리후생

• 식대 지원

• 경조사 지원 및 경조휴가·경조금·화환

• 생일 축하금 및 명절 선물·귀향비

• 종합건강검진 연 1회 지원

• 자기계발비 및 체력단련비 지원

• 사내 다과·음료 무상 제공

• 야근·휴일 근무 시 식대 지원

전형절차

1. 서류전형

2. 사전과제

3. 1차면접 직무 적합성

4. 2차면접 조직 적합성

5. 최종합격

근무환경

• 주 3회 이상 출근

• 재택·유연근무 병행

• Observe → Define → Model → Solve → Simulate → Validate → Generalize → Productize 전 과정 수행

• 문제 정의부터 프로덕트화까지 리드하는 업무 환경

마감기한

2026년 10월 4일 11:00까지