本文探讨了人工智能在光刻工艺邻近效应校正(OPC)中的应用。随着半导体工艺节点推进至28nm以下，传统规则OPC面临计算复杂度爆炸、维护成本高等问题。文章详细对比了规则OPC与AI-OPC的技术差异，提出通过神经网络建立版图特征与线宽误差的映射关系，实现快速精确的校正预测。实战案例显示，AI-OPC将7nm工艺关键区域的线宽误差从3nm降至0.5nm，良率提升28%，同时校正时间缩短89%。文章还

文章摘要： 晶圆厂刻蚀工艺工程师分享利用GPT-4o优化Recipe调参的经验。传统Recipe调参依赖工程师经验，耗时耗材（单工艺需3-15天，消耗15+片晶圆）。通过结构化历史Recipe数据、设备约束及工艺窗口，构建三阶段流程：1）向量检索相似历史Recipe；2）GPT-4o生成候选配方；3）多目标排序输出。实战案例显示，调参时间从3天缩短至2小时，晶圆消耗减少75%，初始良率提升5.4%

文章摘要：半导体晶圆厂因工艺数据高度敏感，无法使用云端AI服务。作者选择本地部署通义千问（Qwen2.5）开源大模型，详细介绍了技术方案：通过量化技术将72B模型压缩至单卡运行，比较了Ollama、vLLM等推理框架的优劣，并采用RAG技术接入工厂知识库。实践表明，本地部署在数据安全方面完胜云端方案，虽模型能力稍逊GPT-4o，但通过专业优化后能满足工艺工程师需求。文章提供了完整的部署代码和实施建

文章摘要：半导体晶圆厂因工艺数据高度敏感，无法使用云端AI服务。作者选择本地部署通义千问（Qwen2.5）开源大模型，详细介绍了技术方案：通过量化技术将72B模型压缩至单卡运行，比较了Ollama、vLLM等推理框架的优劣，并采用RAG技术接入工厂知识库。实践表明，本地部署在数据安全方面完胜云端方案，虽模型能力稍逊GPT-4o，但通过专业优化后能满足工艺工程师需求。文章提供了完整的部署代码和实施建

《半导体智能制造中的FDC系统：原理与实战》摘要 FDC（故障检测与分类）系统是半导体晶圆厂实现智能制造的关键技术，通过自动分析TB级设备数据实现故障预警。文章系统介绍了FDC在CIM架构中的位置与核心功能模块，重点解析了3σ规则、CUSUM和EWMA三大检测算法原理及适用场景。通过Python代码演示了蚀刻机RF功率的故障检测实现，并给出随机森林分类器的应用示例。在系统集成方面，详细说明了FDC

本文介绍了半导体晶圆厂CIM系统中EAP（设备自动化程序）的核心功能与实现方法。EAP作为MES与设备间的通信桥梁，主要承担SECS/GEM协议转换、设备状态机管理和Recipe管理三大功能。文章详细阐述了EAP在CIM架构中的位置（Level3）、关键通信协议（如S1F1心跳检测）以及设备状态转换规范（SEMI E58标准），并提供了基于Python的EAP系统框架设计，包括SECS消息处理、状

本文详细解析半导体晶圆制造中的设备综合效率（OEE）指标。OEE由可用率、性能率和质量率三大指标构成，分别反映设备运行时间、生产速度和产品合格率，其乘积体现设备整体效率（如案例中蚀刻机OEE达80.3%）。文章深入剖析六大损失类型（故障、设置、空转、降速、缺陷、启动），并结合CVD设备优化案例说明OEE提升可带来显著经济效益（年省200万元）。最后介绍了基于Python开发的OEE计算工具，支持数

摘要：作者开发了一款基于Python的SPC数据自动化分析工具，将原本耗时2-3小时的手工数据处理（包括数据整理、计算UCL/LCL/CPK、绘制控制图和生成报告）缩短至5分钟完成。工具采用Python3.9+Pandas+Matplotlib技术栈，具备自动读取CSV、计算统计量、异常检测、生成控制图和输出报告等功能。文章提供了完整代码实现，包含数据类定义、核心分析逻辑和可视化模块，并演示了运行

摘要：工程师每月有34.3小时（约4.3天）耗费在重复性工作上。通过5个AIAgent工作流可实现自动化：1）SPC日报自动生成；2）报警日志智能摘要；3）Recipe参数优化；4）跨设备数据对比；5）知识库自动更新。以SPC日报为例，Agent能自动读取数据、生成报告并推送，每日节省30分钟。实施只需3步：选择痛点、设置定时任务、人工复核后全自动化。这些方案能显著提升半导体制造工程师的工作效率，

摘要：某工程师在计算晶圆厚度控制限时，因直接使用含异常值的原始数据计算3σ范围，导致UCL设置过高，使15批不合格晶圆流入下游工序，造成300片晶圆报废（损失45万元）。经复盘后总结出五步计算法：数据清洗→正态检验→子组分析→控制限计算（改用X-bar/R图）→AI验证。对比显示，AI辅助方案将错误率从15%降至0.5%，耗时由2小时缩短至5分钟，并显著提升异常检出率。关键教训包括必须剔除异常值、