MTB Defect Insight Engineer

优缺点分析

角色解读

• 纵向深耕：向资深工艺工程师、良率专家或失效分析主管方向发展，主导复杂制程问题的攻关
• 横向拓展：转向智能制造、数据科学或设备工程领域，推动AI与半导体制造的深度融合
• 技术管理：积累项目经验后，可过渡至技术团队负责人或工艺整合经理角色
• 负责监控半导体产线指定区域的良率表现，执行截面分析(CA)与抛光分析(PA)以定位缺陷根源
• 利用AI智能体工具进行深度缺陷模式识别与良率提升策略制定
• 协助跨功能团队开展系统性问题排查、数据挖掘，并定期审核维护检查清单与标准作业程序
• 熟练掌握半导体失效分析技术（CA/PA）及晶圆制造工艺知识
• 具备扎实的数据挖掘与分析能力，能够处理大规模制程数据
• 熟悉AI工具或智能体在工业场景中的应用逻辑，能将其转化为实际工艺优化方案
• 具备系统性问题解决思维与跨部门沟通协作能力

申请策略

• 提前了解美光科技的制程特点与台中厂的业务重心，面试时可结合具体工艺节点提出针对性思考
• 关注公司对质量文化与持续改进的重视，准备体现严谨性与责任心的行为案例
• 突出半导体工艺、失效分析或良率管理相关的实习/项目经历，量化改善成果
• 强调数据处理与分析能力，列举使用的工具（如Python、SQL、JMP、Minitab等）及实际应用场景
• 展示系统性问题解决经验，使用STAR法则描述如何定位根因并落地改进措施
• 如有AI/机器学习在工业质检或预测性维护中的应用经验，务必重点呈现
• 强化半导体制造基础理论，特别是CMOS工艺、薄膜沉积、刻蚀等关键步骤的缺陷机理
• 提升统计过程控制(SPC)与实验设计(DOE)能力，掌握高阶数据分析方法

面试指南

• 采用STAR结构（情境-任务-行动-结果）组织回答，重点突出数据驱动决策与闭环验证过程
• 针对技术问题，先阐述底层原理，再结合具体工具/方法论说明实施路径，最后量化产出效果
• 对于协作类问题，强调倾听需求、对齐目标、提供替代方案及跟进落地的完整链条
• 请分享一次你通过数据分析成功定位并解决工艺缺陷的经历
• 你如何理解AI智能体在传统半导体缺陷分析中的应用价值？
• 面对良率波动，你会如何搭建系统性排查框架？
• 请描述你在跨部门协作中遇到分歧时的处理方式
• 你对半导体制造工艺中的CA/PA流程有哪些实际操作经验？