研发良率指标管理工程师-TD Yield Index Management Engineer(J19157)

优缺点分析

角色解读

• 初级良率工程师 → 资深良率工程师 → 良率管理专家/技术负责人
• 可横向转型至工艺整合（PIE）、产品工程（PE）或测试工程（TE）等方向
• 未来可向研发管理或技术项目经理（TPM）发展
• 分析新产品良率数据，分类损失并定位根因，提出验证方向
• 与设计、工艺、测试等团队协作，推动优化方案落地
• 追踪改善措施效果，协助建立高良率标准化流程
• 参与搭建缺陷管理系统，推动良率数据自动化分析
• 熟悉半导体制造流程和良率工程方法，如YE、PIE等
• 掌握数据分析工具（如Python、JMP、Minitab）进行根因定位
• 具备较强的问题解决和逻辑分析能力
• 跨部门沟通与项目管理能力

申请策略

• 关注长鑫存储的业务方向（DRAM），面试时展现对存储芯片良率挑战的理解
• 准备1-2个良率改善的案例，按照STAR原则阐述
• 突出半导体制造或良率相关经验，列举具体项目及量化成果（如良率提升X%）
• 强调数据分析工具的使用案例，如Python、JMP等
• 展示跨部门协作和推动问题解决的能力
• 提前复习半导体器件物理和工艺整合知识
• 熟练掌握数据分析脚本（Python Pandas）和统计分析
• 了解缺陷检测和自动化系统（如YMS、EDA）

面试指南

• 问题解决类：用STAR框架（情境、任务、行动、结果）结构化回答，突出数据分析和协作
• 技术概念类：先定义指标，再结合实际场景说明应用
• 情景假设类：按逻辑顺序（数据收集 → 初步分析 → 假设验证 → 方案推进）回答
• 请描述一次你主导良率损失分析的案例，如何定位根因？
• 你用过哪些数据分析工具？如何从大量数据中提取关键信息？
• 如何协调不同部门（如设计、工艺）推动良率改善方案？
• 对半导体良率管理的关键指标（如Cpk、直通率）有何理解？
• 如果良率突然下降，你会如何排查？