畢業雜談(三) 既要馬好又要馬跑 - 工程師
By Madame
at 2019-12-09T13:12
at 2019-12-09T13:12
Table of Contents
由於有人覺得我不應該分太多篇寫
所以我嘗試把幾個主題合併在一起
這篇合併幾個主題並稍做內容調整,主題包含Cost down/人力精簡/JUMP DOE/AI大數據
標題的俗諺最後一句應該沒有人不知道,既要馬兒好又要馬兒跑,還要馬兒不吃草,此俗
諺可謂cost down之核心精神。
Cost down從影印費到電話費,基本上是能省則省,每毛錢都是很計較的。對我這種環工
出身的人來說是讚同的,畢竟節能減碳救地球從自身做起嘛。
但是在生產上的cost down卻是讓人頗傻眼。賣產品都會說一分錢一分貨,但是生產產品
的時候卻是能多省就多省。
雖然常常聽到每間公司都在cost down,卻很少聽到細節,甚至之前有一篇應用Ai偵測機
台訊息,提早發現機台問題,減少產品不良率,但是在實際上,我所看到的卻不是這麼回
事。
我們都知道,開車每5000(有些是10000)KM就要去保養,有時會提早有時可能稍晚,但是
如果要車正常行駛不會半途"顧路",該PM就得PM。
在公司處於不景氣的時候,FAB內的貨少tool RF time累積的慢,PM周期就拉長,這代表
每個月設備支出是降低的。
隨著景氣回溫,每月出貨量增加代表RF on time也增加,PM周期變短。但是設備的月支出
卻依然被刪減,這就是萬惡的cost down之一。
當機台需要PM卻沒有預算,就只能延後PM或讓parts超時工作,甚至變相的讓parts run
到死才換。曾有家設備商駐廠私下抱怨,某機台的e-chuck life time只有6000 hrs,我
們run到10000/12000還在用,還抱怨他家的機器不穩定。
在parts死掉前,各種當機報廢晶圓時常發生,甚至有些機台parts壞了沒預算換,只能讓
機台鎖單一製程,沒貨就idle在那沒辦法生產,我實在不明白這種cost down真的有省到
錢嗎?
而講到了cost down,另一個議題就是"人力精簡"。內部的說法是汰弱留強,但實際的情
況卻是砍掉薪資較高的老員工,再補一批薪資較低的新人,甚至汰弱之後再來個遇缺不補
,每個人的工作量與日俱增。
我所處的單位甚少聽到有誰被汰弱,因為離職率遠大於預訂的汰換率,然而工作量還是在
遇缺不補下增加了,從每季值班頻率1次增加到2至3次就能知道。
雖然人力精簡是cost down的一部份,但我所處的單位不可能單靠離職就能達到cost down
的目標。哪cost又該從何砍起? 答案是晶圓使用量。半導體越來越難,投入的經費與晶圓
是與日俱增的,而我們卻得在更少的人力,更少的晶圓使用量下,用更短的時間完成一個
project,project behind schedule 成為必然。
真要舉個例,大概是這樣的場景:
有家公司,它用100人花3年15000片晶圓做出X45nm代工,現在卻要用80人做X22nm,但是
晶圓只給你8000片,表訂完成時間則是2年,你覺得成功機率有多少。
(謎之聲:X32nm呢??
沒人力沒資源,直接跳過了啦。)
以上數字只是舉例,非真實比例。
少了人少了晶圓,進度做不快,於是工程師被認為是沒有專業能力的,這之後甚至還衍生
出了每週工作評量,工程師還得列舉工作成果,證明自己這週是對公司有供獻的。
上層老闆認為進度落後,與問題發生後無法立刻解決的主因起於工程師專業度不足,實驗
沒有系統性與邏輯性,於是JUMP DOE的實驗設計方法被導入。
DOE的導入可以說是正確的決定,然而DOE卻不是為了節省晶圓使用的實驗設計方式。全因
子實驗(Full factorial design)在每個參數都是變因的情況下,晶圓使用量是非常可觀
的。在被限制使用晶圓的情況下,只能篩選少數幾個因子打DOE,問題也很難一次DOE就能
找到最佳條件,但是老闆總是認為你這批次打了12片/16片DOE,實驗結果範圍應該是能包
山包海,僅需從趨勢裡找個最佳點,問題就迎刃而解。
細數失敗的DOE,最主要的問題在於使用時機不對。另一個DOE失敗的問題在於第二集提到
的,找錯家做DOE。問題根本不是A家,它只有催化劑,你要它打DOE解決問題,根本緣木
求魚。
舉個真實的例子,某project A家做了非常多的實驗,最後解法卻是在B家補打一次IMP,
但是在那之前,A家就是頭號戰犯,被review到炸掉。
接著就開始進入AI大數據的狂想曲了。由於圍棋AI打敗了世界棋王,一股AI超越人類的思
維急速醞釀。由於project時程壓的太緊,DOE打來打去問題還是沒有解,於是老闆覺得AI
就是救星。
在開啓AI的旅途前,我們不僅看了不少跟AI有關的文獻,甚至還被要求實做,甚至要去學
Python,學如何使用tensorflow。而AI目標就是,運用現在已有的資料training AI。之
後只要有任何需求,對AI輸入我所需要的結果,AI就能給出一套解決方案,工程師(其實
這裡只需要助工就夠了)照著解決方案做,一次就能解決問題。既省錢又省人力還可以秒
解答,project永不delay。
當然,最後我沒有開發出這套AI,別說技術上我做不到,退一百萬步言,就算我真的做的
出來,你覺得我會弄一個AI取代所有工程師,然後自己也沒工作嗎?
雖然後期的AI比較回歸到正常面向,但是我們還是沒能把AI應用進工作上。
雖然還有很多沒講,但是雜談三就先寫到這裡。接下來我打算寫讓我決定離職的主要事件
,這部份牽扯到一些公司的機密,我得做些處理,有部份內容需要用替代的假範例,什麼
時候貼再看情況。
--
所以我嘗試把幾個主題合併在一起
這篇合併幾個主題並稍做內容調整,主題包含Cost down/人力精簡/JUMP DOE/AI大數據
標題的俗諺最後一句應該沒有人不知道,既要馬兒好又要馬兒跑,還要馬兒不吃草,此俗
諺可謂cost down之核心精神。
Cost down從影印費到電話費,基本上是能省則省,每毛錢都是很計較的。對我這種環工
出身的人來說是讚同的,畢竟節能減碳救地球從自身做起嘛。
但是在生產上的cost down卻是讓人頗傻眼。賣產品都會說一分錢一分貨,但是生產產品
的時候卻是能多省就多省。
雖然常常聽到每間公司都在cost down,卻很少聽到細節,甚至之前有一篇應用Ai偵測機
台訊息,提早發現機台問題,減少產品不良率,但是在實際上,我所看到的卻不是這麼回
事。
我們都知道,開車每5000(有些是10000)KM就要去保養,有時會提早有時可能稍晚,但是
如果要車正常行駛不會半途"顧路",該PM就得PM。
在公司處於不景氣的時候,FAB內的貨少tool RF time累積的慢,PM周期就拉長,這代表
每個月設備支出是降低的。
隨著景氣回溫,每月出貨量增加代表RF on time也增加,PM周期變短。但是設備的月支出
卻依然被刪減,這就是萬惡的cost down之一。
當機台需要PM卻沒有預算,就只能延後PM或讓parts超時工作,甚至變相的讓parts run
到死才換。曾有家設備商駐廠私下抱怨,某機台的e-chuck life time只有6000 hrs,我
們run到10000/12000還在用,還抱怨他家的機器不穩定。
在parts死掉前,各種當機報廢晶圓時常發生,甚至有些機台parts壞了沒預算換,只能讓
機台鎖單一製程,沒貨就idle在那沒辦法生產,我實在不明白這種cost down真的有省到
錢嗎?
而講到了cost down,另一個議題就是"人力精簡"。內部的說法是汰弱留強,但實際的情
況卻是砍掉薪資較高的老員工,再補一批薪資較低的新人,甚至汰弱之後再來個遇缺不補
,每個人的工作量與日俱增。
我所處的單位甚少聽到有誰被汰弱,因為離職率遠大於預訂的汰換率,然而工作量還是在
遇缺不補下增加了,從每季值班頻率1次增加到2至3次就能知道。
雖然人力精簡是cost down的一部份,但我所處的單位不可能單靠離職就能達到cost down
的目標。哪cost又該從何砍起? 答案是晶圓使用量。半導體越來越難,投入的經費與晶圓
是與日俱增的,而我們卻得在更少的人力,更少的晶圓使用量下,用更短的時間完成一個
project,project behind schedule 成為必然。
真要舉個例,大概是這樣的場景:
有家公司,它用100人花3年15000片晶圓做出X45nm代工,現在卻要用80人做X22nm,但是
晶圓只給你8000片,表訂完成時間則是2年,你覺得成功機率有多少。
(謎之聲:X32nm呢??
沒人力沒資源,直接跳過了啦。)
以上數字只是舉例,非真實比例。
少了人少了晶圓,進度做不快,於是工程師被認為是沒有專業能力的,這之後甚至還衍生
出了每週工作評量,工程師還得列舉工作成果,證明自己這週是對公司有供獻的。
上層老闆認為進度落後,與問題發生後無法立刻解決的主因起於工程師專業度不足,實驗
沒有系統性與邏輯性,於是JUMP DOE的實驗設計方法被導入。
DOE的導入可以說是正確的決定,然而DOE卻不是為了節省晶圓使用的實驗設計方式。全因
子實驗(Full factorial design)在每個參數都是變因的情況下,晶圓使用量是非常可觀
的。在被限制使用晶圓的情況下,只能篩選少數幾個因子打DOE,問題也很難一次DOE就能
找到最佳條件,但是老闆總是認為你這批次打了12片/16片DOE,實驗結果範圍應該是能包
山包海,僅需從趨勢裡找個最佳點,問題就迎刃而解。
細數失敗的DOE,最主要的問題在於使用時機不對。另一個DOE失敗的問題在於第二集提到
的,找錯家做DOE。問題根本不是A家,它只有催化劑,你要它打DOE解決問題,根本緣木
求魚。
舉個真實的例子,某project A家做了非常多的實驗,最後解法卻是在B家補打一次IMP,
但是在那之前,A家就是頭號戰犯,被review到炸掉。
接著就開始進入AI大數據的狂想曲了。由於圍棋AI打敗了世界棋王,一股AI超越人類的思
維急速醞釀。由於project時程壓的太緊,DOE打來打去問題還是沒有解,於是老闆覺得AI
就是救星。
在開啓AI的旅途前,我們不僅看了不少跟AI有關的文獻,甚至還被要求實做,甚至要去學
Python,學如何使用tensorflow。而AI目標就是,運用現在已有的資料training AI。之
後只要有任何需求,對AI輸入我所需要的結果,AI就能給出一套解決方案,工程師(其實
這裡只需要助工就夠了)照著解決方案做,一次就能解決問題。既省錢又省人力還可以秒
解答,project永不delay。
當然,最後我沒有開發出這套AI,別說技術上我做不到,退一百萬步言,就算我真的做的
出來,你覺得我會弄一個AI取代所有工程師,然後自己也沒工作嗎?
雖然後期的AI比較回歸到正常面向,但是我們還是沒能把AI應用進工作上。
雖然還有很多沒講,但是雜談三就先寫到這裡。接下來我打算寫讓我決定離職的主要事件
,這部份牽扯到一些公司的機密,我得做些處理,有部份內容需要用替代的假範例,什麼
時候貼再看情況。
--
All Comments
By Vanessa
at 2019-12-11T08:59
at 2019-12-11T08:59
By Vanessa
at 2019-12-12T14:28
at 2019-12-12T14:28
By Dorothy
at 2019-12-13T05:46
at 2019-12-13T05:46
By Mary
at 2019-12-14T04:58
at 2019-12-14T04:58
By David
at 2019-12-17T23:38
at 2019-12-17T23:38
By Iris
at 2019-12-19T09:04
at 2019-12-19T09:04
By Carolina Franco
at 2019-12-21T10:10
at 2019-12-21T10:10
By Elma
at 2019-12-23T23:19
at 2019-12-23T23:19
By Audriana
at 2019-12-26T12:18
at 2019-12-26T12:18
By Frederica
at 2019-12-31T08:12
at 2019-12-31T08:12
By Steve
at 2020-01-01T10:46
at 2020-01-01T10:46
By Edwina
at 2020-01-03T02:46
at 2020-01-03T02:46
By Adele
at 2020-01-04T07:42
at 2020-01-04T07:42
By Odelette
at 2020-01-07T13:12
at 2020-01-07T13:12
By Necoo
at 2020-01-08T09:54
at 2020-01-08T09:54
By Hazel
at 2020-01-12T20:33
at 2020-01-12T20:33
By Elvira
at 2020-01-15T15:48
at 2020-01-15T15:48
By Bethany
at 2020-01-18T01:57
at 2020-01-18T01:57
By Candice
at 2020-01-23T00:36
at 2020-01-23T00:36
By Doris
at 2020-01-27T16:38
at 2020-01-27T16:38
By Doris
at 2020-01-28T20:44
at 2020-01-28T20:44
By Leila
at 2020-01-29T09:50
at 2020-01-29T09:50
By Leila
at 2020-02-01T16:04
at 2020-02-01T16:04
By Noah
at 2020-02-04T11:02
at 2020-02-04T11:02
By Elma
at 2020-02-08T23:47
at 2020-02-08T23:47
By Harry
at 2020-02-12T09:41
at 2020-02-12T09:41
By Sandy
at 2020-02-14T22:54
at 2020-02-14T22:54
By Hedy
at 2020-02-16T09:24
at 2020-02-16T09:24
By Donna
at 2020-02-19T13:19
at 2020-02-19T13:19
By Ula
at 2020-02-23T20:36
at 2020-02-23T20:36
By Queena
at 2020-02-26T07:23
at 2020-02-26T07:23
By Kyle
at 2020-02-29T00:06
at 2020-02-29T00:06
By Yuri
at 2020-03-01T00:24
at 2020-03-01T00:24
By Hazel
at 2020-03-03T17:34
at 2020-03-03T17:34
By Edward Lewis
at 2020-03-04T20:54
at 2020-03-04T20:54
By Bethany
at 2020-03-09T04:52
at 2020-03-09T04:52
By Daph Bay
at 2020-03-11T17:25
at 2020-03-11T17:25
By Catherine
at 2020-03-15T21:15
at 2020-03-15T21:15
By Quintina
at 2020-03-19T14:38
at 2020-03-19T14:38
By Olga
at 2020-03-19T23:06
at 2020-03-19T23:06
By Carol
at 2020-03-23T02:01
at 2020-03-23T02:01
By Charlie
at 2020-03-23T04:30
at 2020-03-23T04:30
By Xanthe
at 2020-03-27T22:47
at 2020-03-27T22:47
By Elizabeth
at 2020-03-29T09:41
at 2020-03-29T09:41
By Valerie
at 2020-04-02T09:38
at 2020-04-02T09:38
By David
at 2020-04-04T12:13
at 2020-04-04T12:13
By Caitlin
at 2020-04-06T04:38
at 2020-04-06T04:38
By Barb Cronin
at 2020-04-10T10:03
at 2020-04-10T10:03
By Rae
at 2020-04-14T22:16
at 2020-04-14T22:16
By Yedda
at 2020-04-18T22:37
at 2020-04-18T22:37
By Jake
at 2020-04-20T19:14
at 2020-04-20T19:14
By Kama
at 2020-04-23T14:30
at 2020-04-23T14:30
By Oscar
at 2020-04-24T00:08
at 2020-04-24T00:08
By Faithe
at 2020-04-25T16:13
at 2020-04-25T16:13
By Victoria
at 2020-04-27T03:57
at 2020-04-27T03:57
By Candice
at 2020-04-30T22:52
at 2020-04-30T22:52
By Noah
at 2020-05-03T18:56
at 2020-05-03T18:56
Related Posts
郭董視察威州廠︰已投資百億
By Caroline
at 2019-12-09T12:24
at 2019-12-09T12:24
薪資範圍不公布是慣例嗎?
By Linda
at 2019-12-09T12:16
at 2019-12-09T12:16
為什麼Intel不給台積電做7nm以下CPU
By Andy
at 2019-12-09T11:41
at 2019-12-09T11:41
薪資範圍不公布是慣例嗎?
By Lucy
at 2019-12-09T10:14
at 2019-12-09T10:14
【台積億男家暴5】「錢都我賺的妳沒資格
By James
at 2019-12-09T09:53
at 2019-12-09T09:53