美光科技
PIE Engineering
PIE Engineering
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公工艺工程
工艺工程
Ai辅助工程
光罩管理
半导体制造
工艺整合
数据分析
统计过程控制
良率提升
跨厂区协作
值不值得投
74综合评分
综合评分 74
前沿工艺整合岗、AI与数据驱动技术栈突出、福利完善，但需适应晶圆厂现场办公模式
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.4万
比工艺工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 300 个在招 · 其中工艺工程 85 个
市场机会
选择适中
台中 · 工艺工程 · 17 个在招
职位详情
关于这个职位
负责半导体制造工艺整合与优化，主导新产品导入阶段的光罩策略与版图管理，结合AI与数据分析工具提升良率并降低成本
需跨全球厂区协作，推动技术决策与制造卓越性
最低要求
具备强大的分析与问题解决能力
对半导体工艺技术与持续改进充满热情
拥有半导体制造、工艺整合、良率提升或工艺工程相关经验
理解统计过程控制、数据分析及工艺优化方法论
熟悉AI辅助工程工具、自动化或数据可视化平台者优先
能在快节奏且高度协作的环境中高效工作
具备出色的沟通能力，能够影响各组织利益相关者
拥有工程、材料科学、化学工程、电气工程、物理学或相关领域的学士、硕士或博士学位
工作职责
高级工艺整合与技术开发：建立、优化并持续改进半导体工艺条件与技术
推动工艺能力提升、良率改善、缺陷减少与周期时间优化
定义并维护关键工艺窗口以确保稳健的制造性能
支持新技术节点开发与产品认证活动
新产品导入(NPI)光罩与版图管理：主导NPI生命周期内的光罩策略规划与管理
识别简化光罩架构与降低整体光罩数量的机会
与设计、开发与制造团队协作以实现高效光罩实施
推动版图优化举措以提升可制造性并降低运营成本
创新与降本：开发创造性工程方案以提升产品质量、生产力与制造效率
通过工艺简化、光罩优化与技术创新识别降本机会
参与聚焦可持续运营卓越性的跨职能项目
贡献能带来可衡量业务影响的创新想法
数据分析与AI驱动工程：利用AI辅助分析工具识别工艺弱点与改进机会
应用高级数据分析、统计方法与自动化方案加速决策
开发仪表板与工程洞察，为工艺性能提供单一事实来源
利用机器学习与数字化转型举措提升工程生产力
将AI辅助工具与洞察融入日常工作以提升效率、质量或有效性
通过识别、测试与分享AI增强功能促进持续改进文化
运用基础数字素养与角色适配的AI读写能力负责任且有效地使用AI工具进行调研、分析、内容创作、问题解决与运营任务
跨厂区协作：与全球多个制造站点的团队结对，对齐工艺策略与最佳实践
主导技术讨论并参与常规跨Fab协作活动
支持技术转移与全球运营的制造对齐工作
通过专业技术与数据驱动的推荐影响战略决策
优先资格
具备强大的分析与问题解决能力
对半导体工艺技术与持续改进充满热情
拥有半导体制造、工艺整合、良率提升或工艺工程相关经验
理解统计过程控制、数据分析及工艺优化方法论
熟悉AI辅助工程工具、自动化或数据可视化平台者优先
能在快节奏且高度协作的环境中高效工作
具备出色的沟通能力，能够影响各组织利益相关者
拥有工程、材料科学、化学工程、电气工程、物理学或相关领域的学士、硕士或博士学位
AI 洞察
优缺点分析
优点
- 接触行业领先的DRAM与HBM产品，技术栈处于存储芯片演进前沿
- 明确引入AI与自动化工程理念，有助于积累数字化制造与数据驱动决策经验
- 跨国平台提供清晰的全球协作网络，利于拓宽国际视野与人脉资源
- 完善的福利体系与带薪休假制度，保障基础职业安全感
- 晶圆厂现场工作环境严格，需适应倒班或轮班节奏及洁净室规范
- 适合对半导体底层制造有浓厚兴趣、具备较强逻辑思维与数据敏感度，且愿意在严谨的工程环境中长期深耕的技术型求职者
缺点 / 挑战
- 工艺整合涉及多部门交叉，协调成本较高，需应对复杂的利益相关者管理
- 良率与降本指标压力直接，需在快速迭代中保持高精度数据分析能力
角色解读
- 纵向深耕成为资深工艺整合专家或技术负责人，主导下一代存储架构开发
- 横向拓展至良率提升(Yield Enhancement)、产品工程或制造运营管理方向
- 积累全球化协作经验后，可向技术项目管理或跨厂区工艺标准制定角色转型
- 负责半导体晶圆制造全流程的工艺整合，确保各制程步骤协同达到设计规格
- 主导新产品导入阶段的光罩策略制定与版图优化，平衡可制造性与成本控制
- 利用AI辅助工具与统计分析方法监控工艺窗口，定位良率瓶颈并推动持续改进
- 跨全球Fab团队同步工艺策略，支持技术转移与量产爬坡阶段的制造对齐
- 扎实的半导体工艺整合基础，熟悉统计过程控制(SPC)与DOE实验设计
- 熟练运用Python/R等语言进行数据挖掘、可视化与机器学习模型搭建
- 具备光罩架构设计与版图规则(DRC)理解能力，能推动可制造性设计(DFM)
- 优秀的跨文化沟通与 Stakeholder 管理能力，适应快节奏多站点协作环境
申请策略
- 提前了解美光在台主要产品线(HBM/DDR)及当前行业产能周期，面试中展现业务认知
- 准备1-2个完整工艺异常排查案例，按STAR法则梳理背景、行动与结果
- 突出半导体工艺整合、良率提升或DOE/SPC相关的项目经历与量化成果
- 强调AI/机器学习在工程场景中的应用案例，展示数据处理与自动化脚本能力
- 体现跨团队协作或技术转移经验，说明如何推动工艺落地与标准化
- 清晰列出相关专业学位背景及核心课程，匹配工程/物理/材料科学要求
- 系统学习Python数据分析库(Pandas/NumPy)及可视化工具(Tableau/PowerBI)
- 补充半导体制造基础理论，重点掌握光罩设计规则与可制造性设计(DFM)原则
面试指南
- 采用STAR结构叙述项目：明确工艺痛点→选择分析方法/工具→执行验证步骤→量化产出结果
- 强调数据驱动决策逻辑：先收集历史数据与SPC图表→定位变异源→设计对照实验→输出标准化SOP
- 展现全局视角：兼顾技术指标、成本约束与交付周期，提出分阶段实施路径与风险预案
- 请分享一个你通过数据分析或AI工具解决工艺良率问题的实际案例
- 当不同Fab团队的工艺参数存在冲突时，你会如何协调并达成共识？
- 如何理解光罩复杂度对制造成本的影响？你会采取哪些优化手段？
- 面对紧迫的量产节点，如何平衡工艺稳定性验证与交付进度？
- 复习半导体物理与器件基础，熟悉CMOS/3D NAND/HBM典型工艺流程图
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
JD明确列出医疗、牙科、视力保险及带薪休假/节假日/家庭假等完善福利，结合跨国半导体企业薪酬体系，补偿性动机得到较好满足。
薪资信号市场水准 (1.8千–3.0万/月)
福利待遇医疗计划、牙科保险、视力保险、带薪休假、带薪节假日、家庭假
成长发展
85较高
岗位深度绑定AI辅助工程、数据可视化与下一代存储产品开发，技术栈前沿且强调持续改进文化，发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈工艺整合、AI辅助分析、机器学习、数据可视化、统计过程控制
业务类型profit_center
工作生活
60中等
晶圆厂属性决定需现场办公，JD未提及弹性工时或远程安排，但提供带薪休假与假期政策，生活化动机有一定保障但受限于生产环境。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
公司愿景强调“改变世界利用信息的方式以丰富生活”，且产品直接赋能AI与下一代计算，社会影响力与创新导向较为明确。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号transform how the world uses information to enrich life for all
创新程度积极采用新技术
Watch Jobs