1.5天（6小时/天）
AI赋能，智造未来：半导体智能制造与数字化转型实战培训
本课程聚焦于AI在半导体行业的智能制造与数字化转型实战应用，旨在帮助学员建立对AI技术的战略认知，掌握从0到1启动AI项目的核心方法论，并规划符合企业实际的智能工厂路线图。课程内容涵盖半导体行业趋势分…
课程介绍
本课程聚焦于AI在半导体行业的智能制造与数字化转型实战应用，旨在帮助学员建立对AI技术的战略认知，掌握从0到1启动AI项目的核心方法论，并规划符合企业实际的智能工厂路线图。课程内容涵盖半导体行业趋势分析、AI在良率提升、设备效能优化、工艺改进等核心场景的应用案例，以及数据驱动文化、技术平台构建等基础建设。通过课前调研与诊断，确保培训内容贴合企业实际痛点，结合案例演练和互动研讨，赋能团队掌握AI项目落地实践，为后续数字化转型奠定坚实基础。课程强调实战导向，适合半导体企业管理层、产线负责人、工程师及数字化项目相关人员参与，共同探索AI赋能半导体制造的创新路径。
课程目标
统一认知： 建立管理层与执行层对AI在半导体行业应用的共同语言和战略共识。
启发思路： 展示AI技术在半导体研发、生产、运维等核心环节的落地应用，打开解决实际问题的思路。
聚焦实践： 重点讲解如何从0到1启动AI项目，识别高价值场景，并规划符合新微实际情况的“智能工厂”路线图。
赋能团队： 使数字化相关同事掌握AI项目的方法论，为后续项目落地奠定基础。
第一部分：课前调研与诊断（0.5天 - 线上或现场）
此环节至关重要，目的是确保培训内容“量体裁衣”，真正解决贵公司的实际问题。
调研产出：一份简要的《新微半导体数字化现状初步诊断与培训内容定制化建议》，并基于此对第二天的培训案例和侧重点进行微调。
第二部分：正式授课 (1天)
上午 (9:00 - 12:00) - 战略认知与基础建设
模块一：破冰与开篇 - AI是半导体制造的“必答题”
结合调研痛点，引入议题
行业趋势：后摩尔时代的“效率、成本、良率”挑战
重新定义智能制造：从自动化到智能化的演进
模块二：AI如何让工厂更聪明？- 核心应用场景解析
2.1 良率提升 (Yield Enhancement)
案例1：缺陷自动分类 (ADC)
案例2：根本原因智能分析 (RCA)
案例3：基于工程数据的良率预测 (Yield Prediction)
2.2 设备效能 (OEE Improvement)
案例4：关键设备预测性维护 (PdM)
案例5：智能故障检测与分类 (Smart FDC)
2.3 工艺优化 (Process Optimization)
案例6：虚拟量测 (Virtual Metrology)
案例7：AI辅助实验设计 (AI-DOE)
模块三：通往智能工厂的基石 - 数据驱动文化与基础架构
AI的“燃料”：半导体工厂的数据源版图
数据治理：为何“Garbage In, Garbage Out”？
技术平台：企业需要什么样的AI基础设施？
组织文化：构建工程师与数据科学家协同的工作模式
下午 (13:30 - 17:00) - 方法论与落地实践
模块四：从0到1 - 如何在“新微”启动第一个AI项目？
4.1 识别场景：“价值-可行性”四象限分析法
4.2 组建团队：成功AI项目的角色构成
4.3 项目流程 (CRISP-DM方法论)：
业务理解 → 数据准备 → 模型构建 → 模型评估 → 模型部署
4.4 案例演练：以“光刻机套刻精度(Overlay)偏移智能预警”为例，走通项目流程
模块五：迈向“黑灯工厂” - 新微半导体智能制造路线图规划
5.1 愿景设定：定义新微的智能制造目标
5.2 工厂数字化成熟度评估：我们现在在哪？(L1-L10模型)
5.3 路径规划（三步走）：
点：“灯塔项目”试点先行
线：成功经验复制与能力沉淀
面：跨系统融合与全局优化
5.4 互动研讨：分组构思新微的“灯塔项目”并发表
模块六：总结与Q&A
核心知识点回顾
现场答疑与交流
行动倡议与后续步骤建议
辛玉军
常住地：北京 北京市
辛玉军老师是兼具工学与管理学背景的数字化转型与智能制造实战专家，拥有24年企业咨询经验，专注制造业智能化、信息化规划与落地。作为工信部数字化转型赋能中心首席专家及专精特新冠军联盟数字化转型首席专家，他深度服务中车、航天科工、海尔、美的、华为、西门子等数百家头部企业，并在清华、北大等多所顶尖高校担任总裁班客座教授。其独特优势在于融合TOC（约束理论）方法论与智能工厂实践，擅长将复杂问题本质化，助力企业高效实现数字化升级，广受航空航天、汽车、轨道交通、电子、钢铁等行业客户高度认可。