美光科技
Engineer, MTB PCE
Engineer, MTB PCE
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公质量控制
质量控制
Doe实验设计
Spc统计过程控制
供应商质量管理
半导体工艺
大数据分析
失效分析
值不值得投
75综合评分
综合评分 75
大厂半导体材料质量岗，AI与DOE技术融合，成长性强，现场办公为主。
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
2.0万
比质量控制中位数高
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 · 其中质量控制 9 个
市场机会
选择不多
台中 · 质量控制 · 1 个在招
职位详情
关于这个职位
本职位专注于半导体封装材料的物理化学特性测试与数据分析，负责开发标准化测试流程与DOE实验方案
同时主导材料失效调查与供应商质量改善，建立材料-工艺-良率关联模型，并推动实验室数字化与AI质量监控项目落地，保障产品制造稳健性
最低要求
熟练掌握DSC、TGA、DMA、TMA、流变仪、接触角、密度计等热分析与力学测试设备
熟悉高分子/封装材料（如模塑料、NCF、切割胶带、液态EMC）的特性评估
具备DOE设计、SPC统计分析及数据科学工具应用能力
了解半导体封装工艺流程及失效分析逻辑
具备跨部门协作与供应商管理经验
工作职责
材料特性与分析：使用DSC、TGA、DMA、TMA、流变仪等设备进行材料表征
评估Tg、CTE、粘度、模量、固化行为等关键属性
分析材料行为并与制造性能建立关联
支持来料评估、认证及供应商材料审核
测试方法开发：开发、优化并标准化材料表征方法与测试流程
建立SOP、OCAP、SPC基线与MSA计划
为模塑料、NCF、切割胶带、液态EMC等材料开发新表征能力
执行方法验证、相关性研究与跨基地对标
供应商质量与材料调查：主导供应商材料异常趋势与质量问题的调查
进行根本原因分析并推动纠正预防措施
支持供应商审核、变更管理与物料控制计划优化
建立关键质量指标(CTQ)监控策略
失效分析与相关性研究：通过科学分析调查材料与制造缺陷
建立材料-工艺及材料-良率关联模型
支持芯片裂纹、溢出、爬升高度、剥离、残留、翘曲等问题调查
生成技术建议以提升产品质量与制造稳健性
DOE与统计分析：设计并执行材料、工艺与测量优化的DOE研究
应用统计方法识别关键变量并优化工艺窗口
分析大数据集并为工程决策提供洞察
开发监控仪表板与绩效报告系统
AI辅助与数字化质量倡议：支持AI驱动的材料质量监控与分析解决方案开发
参与Material Intelligence Platform等项目
应用数据科学工具提升供应商质量管理与风险预测
推动实验室与供应商管理的数字化转型
跨职能协作：与SQE、IQC、PDE、APE、MFG、PFA、TSM Lab、Chemical Lab团队合作推进质量改进
直接与供应商解决技术问题
支持新材料认证、安全投产、量产爬坡与客户相关技术研究
向工程与管理团队汇报技术发现与建议
AI 洞察
优缺点分析
优点
- 依托美光全球领先平台，接触先进封装材料与AI质检前沿项目，技术视野开阔
- 技能组合兼具传统材料测试与现代数据分析，横向拓展至工艺整合或质量管理路径清晰
- 大厂制度规范，福利体系完善，职业稳定性与资源支持度高
- 直接参与客户相关技术与量产爬坡，业务影响力强，履历含金量高
- 数字化与AI项目处于探索阶段，需自行摸索工具链并推动落地，初期试错成本存在
- 适合喜欢动手实验、擅长数据驱动决策，且对半导体封装工艺与质量工程有浓厚兴趣的技术型人才
缺点 / 挑战
- 需频繁对接多部门与海外供应商，跨文化沟通与协调成本较高
- 实验室测试与产线异常响应交织，项目节点期工作压力较大
角色解读
- 可向资深材料工程师、质量经理或工艺整合专家方向发展，承担更复杂的良率提升项目
- 借助AI质量监控与数字化项目经验，转型为半导体智能制造或数据科学应用专家
- 积累供应链质量管控经验后，可拓展至供应商管理或全球质量运营岗位
- 负责半导体封装材料的物理化学特性测试与数据分析，确保材料性能符合制造标准
- 开发并优化标准化测试流程与DOE实验方案，建立材料-工艺-良率的关联模型
- 主导材料失效调查与供应商质量改善，通过根本原因分析推动纠正预防措施落地
- 搭建数字化质量监控体系，利用AI与数据科学工具提升供应商质量管理效率
- 精通热分析/力学测试仪器操作与数据处理，熟悉封装材料特性评估
- 掌握DOE实验设计、SPC统计过程控制及基础数据科学分析方法
- 了解半导体封装工艺流程、可靠性测试规范及常见失效模式
- 具备跨部门沟通协调能力与供应商技术问题解决经验
申请策略
- 提前了解美光在台业务布局与先进封装技术路线，面试时展现对行业趋势的认知
- 准备1-2个完整的失效分析或质量改善案例，按STAR结构梳理逻辑与数据支撑
- 突出DOE实验设计、SPC统计分析及具体材料测试项目的完整闭环经验
- 量化展示良率提升、缺陷率降低或成本节约的具体成果
- 强调跨部门协作与供应商技术谈判的成功案例
- 列出掌握的测试仪器型号、数据处理软件及AI/自动化应用经验
- 强化Python/R数据分析能力，学习机器学习在质量检测与预测中的应用
- 熟悉半导体封装标准（如JEDEC）与可靠性测试规范，补充失效分析理论
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化描述项目，重点突出数据收集方法、变量控制逻辑与量化产出
- 针对质量异常问题，遵循“现象确认→数据排查→根因分析→对策验证→标准化预防”的闭环思路作答
- 请分享一次你通过DOE优化工艺窗口或材料配方的完整经历
- 当供应商材料出现批次异常趋势时，你的调查步骤与根本原因分析逻辑是什么？
- 如何平衡实验室测试精度、覆盖范围与交付效率之间的矛盾？
- 你是否有将数据科学或AI工具应用于质量监控的实际经验？
- 复习常用热分析仪器原理、数据处理方法及常见误差来源
- 准备半导体封装常见失效模式（如翘曲、分层、裂纹）的物理机制与分析工具选择依据
职位点评
薪资福利75
成长发展85
工作生活65
使命价值70
薪资福利
75中等
美光作为上市巨头提供完善的医疗、假期与收入保护福利，台中地区薪资具市场竞争力，但JD未明确具体数字，整体补偿性满足度良好。
薪资信号未披露（AI估算：1.5千–2.5万/月）
福利待遇医疗/牙科/视力保险、带薪家庭假、带薪休假、带薪节假日、收入保护计划
成长发展
85较高
岗位深度融合传统材料测试与AI数字化质量项目，技术成长空间大，内部培训与跨部门协作机制完善，职业发展路径清晰。
技术前沿前沿/新兴技术
技术栈DSC、TGA、DMA、DOE、SPC、AI质量监控、Material Intelligence Platform
业务类型profit_center
工作生活
65中等
半导体制造业通常需现场办公，JD未提及弹性工时，但大厂制度相对规范，WLB取决于项目节点与产线支持需求。
工作模式未明确
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
服务于全球领先的存储技术创新，推动信息处理智能化，具有明确的产业价值与技术使命感，社会影响力中等偏上。
行业发展稳定成熟行业
社会影响中性/一般
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
美光科技 的其他在招职位
相似职位推荐
Watch Jobs