Micron logo
美光科技
MMTN Metallization parts team technician

MMTN Metallization parts team technician

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 3.5–5.5万 · AI 参考估算
中级经验
学历未注明
全职员工仅现场办公半导体设备工程
半导体设备工程
Machine Learning
半导体制造
异常分析
耗材管理
设备维护

值不值得投

71综合评分

综合评分 71

半导体制造现场技术岗,福利信息较完整,侧重设备维护、异常改善与 AI 数据分析应用,办公灵活性未明确。

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

4.5万

比半导体设备工程中位数高

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 850 个在招 · 其中半导体设备工程 约 260 个

市场机会

选择面较广

台南 · 半导体设备工程 · 约 140 个在招

职位详情

关于这个职位

该岗位属于美光科技台南厂区的半导体制造设备维护技术岗位,主要负责金属化零部件、耗材补给、零件交付验收、设备/材料评估导入及异常问题分析改善

岗位还要求推动 AI、机器学习和高级分析方案在制造效率、设备性能、缺陷降低和运营决策中的应用

最低要求

职位编号:

JR117611 MMTN Metallization parts team technician
职位简介:
Fab Equipment Maint Technician 2
搬迁级别:(待定)
开始之前
在搜索和申请职位之前,请查看您所在地区的 PeopleNow Career Opportunities 页面上的美光内部职位申请政策
请特别注意:
招聘经理可能会查看您个人档案中的绩效评估、原始简历、成绩单或其他与绩效相关的文件
这些信息将被保密
如果您被选中参加某职位的面试,您必须在参加面试流程之前通知您的直属主管

工作职责

PR、酒精及耗材补给

卸载零件交付物,并执行已清洁零件的验收
Type 1 TMs 管理
新设备/新材料的评估、推广与规划
异常问题分析与改善
推动人工智能(AI)、机器学习(ML)和高级分析解决方案的应用,以提升制造生产力、设备性能、缺陷减少和运营决策能力

AI 洞察

优缺点分析

优点

  • 岗位位于半导体制造核心场景,能够积累晶圆厂设备维护、零部件管理和异常改善的实战经验
  • JD 明确涉及 AI、机器学习和高级分析应用,有助于技术人员拓展数据驱动制造能力
  • 工作内容覆盖设备、材料、耗材、缺陷改善和运营决策,技能面较宽,利于形成复合型制造技术能力
  • JD 中提到医疗、牙科、视力、收入保护、带薪家庭假、带薪休假和假日等福利项目,整体福利信息较明确
  • 岗位属于 fab 现场技术工作,需要关注零件、耗材、设备异常和产线稳定性,工作细节要求高
  • JD 未明确学历、年限和具体技术门槛,候选人需要通过面试进一步确认实际技能要求与团队期望
  • 适合有半导体制造、设备维护、零部件或耗材管理经验,并愿意在 fab 现场解决实际问题、同时拓展数据分析应用能力的技术求职者

缺点 / 挑战

  • 涉及新设备/材料评估及 AI/ML 应用推动,可能需要跨团队沟通,对现场协作和问题解决能力要求较高

角色解读

  • 可向资深设备维护技术员、设备工程专家或制程设备改善专家方向发展,深耕半导体制造设备与材料优化
  • 若积累数据分析和智能制造项目经验,可转向制造数据分析、设备效能优化或数字化制造相关岗位
  • 长期也可向班组带领、现场改善负责人或 fab 运营支持岗位发展
  • 负责金属化工艺相关零部件、PR、酒精及耗材的日常补给与验收,保障产线物料供应和清洁零件状态符合生产要求
  • 管理 Type 1 TMs,并参与新设备、新材料的评估、推广和导入规划,推动制造现场工具和材料优化
  • 针对生产或设备异常进行分析与改善,降低缺陷、提升设备性能和制造稳定性
  • 推动 AI、机器学习和高级分析方案在制造场景中的应用,用数据手段改善生产力、设备表现和运营决策
  • 需要熟悉半导体制造现场流程,尤其是设备维护、零部件验收、耗材补给和 fab 现场作业规范
  • 需要具备异常问题分析能力,能够从设备、材料、零件清洁度或流程环节中定位问题并推动改善
  • 需要理解设备/材料评估导入流程,能够与工程、制造、供应商或内部团队协作推进新方案落地
  • 具备 AI、机器学习或高级分析相关认知会更有优势,能够理解数据驱动改善制造效率和缺陷控制的应用场景

申请策略

  • 申请前建议了解美光在存储与半导体制造领域的业务方向,以及该岗位与金属化制程、设备维护团队的关联
  • 面试中可主动询问 Type 1 TMs 的管理范围、AI/ML 项目的当前阶段,以及该岗位与工程团队的协作方式
  • 重点突出半导体制造、fab 设备维护、零部件验收、耗材补给和清洁零件管理等现场经验
  • 用具体案例说明异常问题分析与改善能力,例如如何定位设备或材料异常、采取什么措施、带来什么改善结果
  • 强调参与新设备、新材料评估、导入规划或供应商协作的经历,体现推动落地的能力
  • 如有 AI、机器学习、高级分析、设备效能提升或缺陷减少相关项目,应单独列出并说明自己在数据收集、分析或执行中的角色
  • 可补充半导体制造基础、设备维护流程、零部件清洁与验收规范等知识,提升现场问题判断能力
  • 建议学习基础数据分析工具和方法,如数据清洗、趋势分析、异常检测和可视化,以便更好参与高级分析项目

面试指南

  • 使用“背景-问题-行动-结果”的结构回答现场改善案例,重点说明判断依据、执行步骤和可量化结果
  • 对设备或耗材管理类问题,可按“预防-监控-异常响应-复盘改善”的框架展开,体现流程意识和风险意识
  • 对 AI/ML 相关问题,可采用“业务痛点-数据可得性-分析方法-落地效果”的思路,避免只谈概念而忽略制造场景
  • 请描述一次你在半导体制造或设备维护现场处理异常问题的经历,你是如何定位原因并推动改善的?
  • 你如何进行零部件、耗材或清洁零件的验收与补给管理,如何避免遗漏或质量风险?
  • 你是否参与过新设备或新材料的评估导入?请说明评估维度、推进流程和跨部门协作方式
  • 你如何理解 AI、机器学习或高级分析在制造生产力、设备性能和缺陷减少中的应用?
  • 在 fab 现场工作中,如果生产需求、设备状态和材料供应发生冲突,你会如何排序和沟通?

职位点评

薪资福利72
成长发展78
工作生活58
使命价值76

薪资福利

72中等

JD 明确列出医疗、牙科、视力、收入保护、带薪家庭假、带薪休假和假日等福利项目,但未披露薪资。整体福利信息较充分,薪资竞争力无法从原文确认。

薪资信号未披露(AI估算:3.5千–5.5万/月)
福利待遇medical、dental and vision plans、benefit programs that help protect your income if you are unable to work due to illness or injury、paid family leave、robust paid time-off program、paid holidays

成长发展

78中等

岗位涉及新设备/新材料评估、异常改善以及 AI、机器学习和高级分析应用,能带来设备维护与数据驱动制造方面的复合成长。JD 提到个人职业成长,但未明确具体培训或晋升路径。

技术前沿前沿/新兴技术
技术栈Artificial Intelligence、Machine Learning、advanced analytics、manufacturing productivity、equipment performance、defect reduction
成长机会professional growth
业务类型ambiguous

工作生活

58较低

JD 提到带薪休假和假日等福利,但未明确远程、弹性办公或具体工时安排。岗位内容涉及 fab 现场设备与零件管理,办公灵活性信息不足。

工作模式未明确
办公地点工厂/生产基地
加班情况未提及(无法判断)
工作生活平衡paid time-off program、paid holidays

使命价值

76中等

JD 强调通过信息和存储解决方案丰富人类生活,并推动信息向智能转化;岗位本身也关联制造效率、设备性能和缺陷减少,具有一定产业价值。

行业发展高速增长赛道
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、accelerate the transformation of information into intelligence、inspiring the world to learn, communicate and advance faster than ever
创新程度积极采用新技术
Watch Jobs