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；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。项目成果被用于后续课程教学案例，提升了数据驱动问题解决能力。同时，通过引入相关性分析和回归模型，进一步量化了不同参数对良率的影响权重，为工艺优化提供了数据支撑，最终使模拟良率提升约8%。

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；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。项目使设备故障响应时间缩短20%，并推广至其他实验室。此外，还建立了设备健康度评分卡，基于历史故障数据预测关键部件更换周期，进一步降低了非计划停机时间约15%。