良率工程师-Yield Engineer(J10896)

优缺点分析

角色解读

• 从良率工程师向资深良率专家或工艺整合专家发展，深入掌握芯片制造全流程
• 可转向工艺整合（PI）或产品工程（PE）岗位，拓展技术广度
• 随着经验积累，可晋升为技术经理或良率团队负责人
• 系统分类良率问题，通过数据分析定位根本原因，设计验证实验
• 量化工艺改善实验的良率效果，为工艺优化提供数据支撑
• 跟踪研发线良率措施，整合分析结果，构建良率提升路线图
• 协助定义测试项目，维护良率分析系统，确保数据准确可用
• 掌握半导体制造工艺流程，熟悉Fab厂YE或PI工作方法
• 具备数据分析能力，熟练使用JMP、Spotfire或Python等工具
• 熟悉实验设计（DOE）和统计过程控制（SPC）方法
• 具备良好的逻辑思维和跨部门沟通能力

申请策略

• 面试前了解长鑫存储的产品线（DRAM）和良率挑战，展现对公司的兴趣
• 准备一个完整的良率问题分析和解决的案例，展示问题解决思路
• 突出半导体行业经验，特别是Fab厂YE或PI相关项目经历
• 量化展示良率改善成果，例如将某产品良率从X%提升至Y%
• 强调数据分析工具使用经验（如JMP、Python、SQL）和实验设计能力
• 系统学习半导体工艺整合和良率管理知识，可阅读相关教材或参加培训
• 熟练掌握至少一种数据分析工具，如Python Pandas、JMP或Spotfire

面试指南

• 使用STAR法则结构化回答：情境、任务、行动、结果
• 强调逻辑思维：从数据异常出发，分步骤假设验证，最终锁定根因
• 展现跨部门协作：良率问题常需要与工艺、设备、产品等团队合作
• 请描述一次你成功解决良率问题的经历，用了哪些方法？
• 你如何利用数据分析来定位良率问题的根本原因？
• 谈谈你对半导体工艺中常见良率缺陷（如颗粒、划伤、桥接）的理解
• 如果某个工艺步骤的良率突然下降，你会如何排查？
• 你用过哪些良率分析系统？如何保证数据准确性？