基于某半导体工厂模拟晶圆检测数据，建立缺陷分类编码表，按工序、批次和设备编号三个维度系统拆解异常来源。使用Python（pandas、matplotlib）完成数据清洗、异常值检测、箱线图与Pareto图分析，定位影响良率的关键波动参数为沉积厚度偏差。将分析结果转化为工艺检查清单，指导小组在答辩中清晰展示异常定位路径与改善假设，最终模拟良率提升假设获得导师高度认可，并在小组中被评为最佳数据分析方案。

参与实验室真空镀膜设备点检与维护流程优化，针对设备故障率高、记录不规范的问题，梳理开机前、运行中、关机后三阶段检查项，补充关键状态参数记录。设计统一维护记录模板，包含故障现象、处理动作、复测结果等字段，并引入Excel VBA实现自动提醒。通过流程可视化降低新成员30%的上手成本，提升设备使用记录完整性从70%到95%，使月度点检完成率提高20%，设备故障率降低15%。