基于模拟晶圆检测数据建立缺陷分类表，按工序、批次、设备编号拆解异常来源；使用Python完成数据清洗、箱线图和Pareto图分析，定位关键波动参数；与工艺组同学协作验证异常假设，将分析结果转化为工艺检查清单，帮助小组在答辩中清晰说明异常定位路径和改善假设。项目培养了数据驱动思维与跨团队协作能力，同时通过系统化数据梳理，为后续工艺优化提供了可复用的分析框架，显著提升了团队对异常根因的识别效率与决策准确性。

梳理实验室真空镀膜设备的点检流程，补充开机前确认、运行中记录和关机后清洁三个阶段的检查项；设计维护记录模板，统一故障现象、处理动作和复测结果字段；与设备管理员协作收集三个月点检数据，通过流程可视化降低新成员上手成本，提升设备使用记录完整性。项目锻炼了流程梳理与文档标准化能力，同时通过数据驱动的流程优化，有效减少了设备异常响应时间，为后续设备维护策略调整提供了可靠的数据支撑与操作规范。