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