产品良率提升工程师(DIMM) - Product Yield Enhancement Engineer (DIMM)(J20263)

DIMM SLT 产线良率分析与提升： 负责 DIMM SLT 产线良率数据的系统分析，运用数据挖掘与统计方法定位良率损失根因，制定并推动改善方案落地，驱动良率持续提升；

产线质量监控与早期预警： 建立 DIMM SLT 产线质量监控机制，实时跟踪良率趋势与关键参数波动，早期发现质量异常或低良趋势，及时拉响预警并推动快速响应；

异常处置与根因闭环解决： 主导 SLT 产线异常事件的处置，组织跨团队开展根因调查，制定纠正与预防措施，追踪改善行动至闭环验证，确保问题彻底解决不复发；

跨团队实验规划与执行： 与测试及产品工程师协同制定工程实验计划，分析实验数据并撰写实验报告，闭环验证改进效果；

失效分析与共性总结： 组织产品失效分析活动，归纳共性失效模式并输出改进建议，纳入质量标准沉淀，推动知识积累与流程优化。

教育背景与专业知识：本科及以上学历，电子、电气、半导体材料、通信、测控、自动化或微电子、电子信息等相关专业；

专业技能与资格： 具备半导体产品测试经验（CP、Burn-in、FT、SLT），能使用数据分析工具完成失效定位与良率评估；

行业与专业经验： 有 DRAM 或 DIMM/Module/模组产品测试经验优先，具有 Fab 产线良率提升经验者优先；熟悉 ARM（MTK、Qualcomm）或 X86（Intel、AMD）架构，有 SOC/DRAM 模块开发经验尤佳；

项目/任务成果： 主导或参与过至少一个产品良率攻关项目，能通过实验设计与数据分析实现可量化的良率提升；

其他要求： 具有逻辑分析能力，能独立完成问题定位与方案制定；具有数据汇报与跨部门沟通能力，能在多方协作中主动推动闭环；

加分项： 具备智能辅助工具在良率调查与根因分析中的应用经验者优先，包括但不限于：运用机器学习/深度学习方法进行良率预测、异常检测、失效模式聚类分析，或使用辅助工具加速根因定位与改善决策。