최적화 엔지니어 (Operations Research Engineer)
공고 요약
담당업무
고객 인터뷰·현장 관찰·운영 데이터 분석을 통한 문제 정의
Input·Decision·Output 구조 정의 및 의사결정 변수·목적함수·제약조건 설계
VRP, MILP, CP, Scheduling, Packing, Inventory Optimization 문제 정식화
MILP·CP-SAT 기반 최적화 모델 개발
Heuristic·Metaheuristic 설계 및 OR-Tools·Gurobi·CPLEX·자체 Solver 활용
Neural Combinatorial Optimization·Bayesian Optimization·RL 등 ML for OR 적용
산업 규모 문제의 계산시간 단축 및 해 품질 개선
실제 데이터 기반 AS-IS 재현, 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 및 고객별 로직과 일반화 가능한 Optimization Logic 분리
재활용 가능한 문제 구조와 알고리즘 모듈 축적
고객과 문제 정의·Modeling 방향 협의 및 중간·결과 보고
알고리즘 결과 설명 및 검증된 PoC의 Product·Engineering 연계
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
변수·목적함수·제약조건 기반 현실 문제 모델링 역량
Python 기반 최적화 모델·알고리즘 구현 역량
Baseline·KPI 설계 및 결과 정량 검증 역량
모호한 요구사항 구조화와 가설·검증 방법 정의 능력
모델링 과정과 결과를 비전문가에게 설명하는 커뮤니케이션 역량
복리후생
식대 지원
건강검진 지원
자기계발 지원
근무환경
유연근무
마감기한
2026년 10월 4일 23:59까지
오믈렛 지원하기 전 이력서 Check
시간이 없다면 AI와 한번에 수정해보세요
공고 원문
소개
오믈렛(Omelet)은 대전에 본사를 둔 AI 스타트업입니다. 오믈렛은 고객의 복잡한 운영 문제를 이해하고, 최적의 의사결정을 생성하는 Operational Intelligence 회사로써, 물류, 의료, 방산 등 다양한 산업에 걸쳐 고객의 의사결정을 돕고 있습니다. PS(Problem Solver)팀은 물류, 제조, 유통 등 다양한 산업에서 사람의 경험과 직관에 의존하고 있는 의사결정 문제를 발견하고, 이를 Optimization AI가 해결할 수 있는 문제로 구조화하는 팀입니다. 고객의 모호한 요구사항과 실제 운영 데이터를 바탕으로 문제를 정의하고, 최적화 알고리즘을 개발하고, 시뮬레이션을 통해 효과를 검증하며, 검증된 문제와 해결 방법을 다시 활용할 수 있는 형태로 구조화합니다. 즉, 현실의 문제를 Optimization Problem으로 정의하고 해결 가능한 시스템으로 만드는 역할입니다.
주요업무
• 문제 정의 및 정식화 -고객 인터뷰, 현장 관찰, 운영 데이터 분석 -Input / Decision / Output 구조 정의 -의사결정 변수, 목적함수, 제약조건 설계 -VRP, MILP, CP, Scheduling, Packing, Inventory Optimization 등으로 정식화 • 최적화 알고리즘 개발 -MILP / CP-SAT 기반 모델 개발 -Heuristic / Metaheuristic 설계 -OR-Tools, Gurobi, CPLEX 및 자체 Solver 활용 -Neural Combinatorial Optimization, Bayesian Optimization, RL 등 ML for OR 적용 -실제 산업 규모에서 사용할 수 있도록 계산시간과 해 품질 개선 • 시뮬레이션 및 성능 검증 -실제 데이터를 기반으로 AS-IS 재현 -Baseline, KPI 및 성공 기준 정의 -TO-BE 시나리오 및 What-if Simulation 설계 -비용, 처리량, 서비스 수준 등 정량적 효과 검증 • 문제와 알고리즘의 자산화 -Input / Output Schema 및 Optimization Specification 정의 -API Interface 설계 -고객별 로직과 일반화 가능한 Optimization Logic 분리 -반복적으로 활용할 수 있는 문제 구조와 알고리즘 모듈 축적 • 고객 커뮤니케이션 및 제품 연결 -고객과 직접 문제 정의 및 Modeling 방향 협의 -중간·결과 보고 및 알고리즘 결과 설명 -검증된 PoC를 Product / Engineering 팀과 협업하여 실제 서비스로 연결
자격요건
• 산업공학, 컴퓨터과학, 수학, 통계학 또는 관련 분야 석사 이상, 또는 이에 준하는 실무 경험 • LP / MIP 등 수리최적화에 대한 기본적인 이해 • MILP, CP, Metaheuristics 등 다양한 최적화 기법의 특성과 Trade-off(연산 시간 및 해의 품질)를 다각도로 비교 분석하여, 도메인 제약에 최적화된 알고리즘을 선별하고 선택 사유를 논리적으로 입증할 수 있는 역량 • 현실의 문제를 변수, 목적함수, 제약조건으로 구조화하고 모델링할 수 있는 역량 • Python 기반 최적화 모델 및 알고리즘 구현 역량 • Baseline과 KPI를 설계하고 결과를 정량적으로 검증할 수 있는 역량 • 모호한 요구사항을 구조화하고 필요한 가설과 검증 방법을 스스로 정의할 수 있는 문제 해결 능력 • 모델링 과정과 결과를 비전문가에게 논리적으로 설명할 수 있는 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 직접 문제를 정의하고 PoC를 수행한 경험 • 알고리즘을 API 또는 실제 서비스로 연결해본 경험 • 프로젝트에서 만든 문제 구조나 알고리즘을 재사용 가능한 형태로 추상화·모듈화해본 경험 • 주어진 문제를 푸는 것보다 무엇을 풀어야 하는지 정의하는 과정을 좋아하는 분 • 데이터 뒤에 존재하는 의사결정 구조를 발견하는 것을 좋아하는 분 • 연구 성능뿐 아니라 실제 현장에서 사용할 수 있는 해법에 관심이 있는 분 • 고객과 현장을 이해하는 것을 문제 해결의 일부라고 생각하는 분 • 한 번의 프로젝트를 넘어 다음 문제를 더 빠르게 풀 수 있는 구조를 만드는 데 관심이 있는 분 PS팀은 Observe Define Model Solve Simulate Validate Generalize Productize의 과정을 통해 산업의 의사결정 문제를 반복적으로 발견하고, 정의하고, 해결할 수 있는 기반을 만들어갑니다. 빠르게 성장하는 조직에서 문제 정의부터 프로덕트화까지 전 과정을 리드할 기회를 찾는 분을 기다립니다.
혜택 및 복지
• 주 3회 이상 출근 + 재택/유연근무 병행 • 경조사 지원 (경조휴가·경조금·화환) • 생일 축하금 및 명절 선물/귀향비 지급 • 종합건강검진 지원 (연 1회) • 자기계발비 및 체력단련비 지원 • 사내 다과·음료 무상 제공 및 야근·휴일 근무 시 식대 지원
