1.生产数据挖掘与建模：提取Fab制程、天车及设备日志全链路特征，搭建回归预测、时序分析及异常检测模型，输出产能瓶颈根因分析报告； 2.算法研发与系统落地：开发智能调度、产能预测及设备健康度预判算法，对接RTS调度系统、天车仿真系统及MES/SECS数据接口，推动算法模型在产线试跑与迭代优化； 3.数字孪生与仿真推演：构建天车、生产机台及产线流转的高精度数字孪生模型，实现物理工厂与虚拟模型实时映射，优化仿真推演逻辑并预判设备运行风险与产能异常； 4.产能优化方案制定与执行：联动生产、设备、工艺及调度团队，基于数据分析结论制定天车路径优化、机台派工策略调整及Lot流转节奏改进等改善方案，提升晶圆产出效率与设备稼动率； 5.数据体系与知识资产沉淀：梳理生产、运输、设备三类数据规范，构建异常特征库、设备故障样本库及算法工具集，形成晶圆制造专属数据挖掘与算法优化方法论。

1.学历要求：硕士研究生及以上； 2.专业要求：统计学、数学、计算机科学与技术、数据科学、自动化、微电子科学与工程、工业工程、运筹学、软件工程； 3其他要求： 能使用Python及Pandas、NumPy、Scikit-learn等工具完成工业数据清洗与特征工程，能基于PyTorch或TensorFlow搭建回归、分类或时序预测模型； 具有至少1个晶圆制造或大型工业场景的数据挖掘、算法建模或数字孪生相关项目经验，能独立完成从数据提取、根因分析到优化方案输出的全流程； 具有运筹优化或智能调度算法研发经验，能开发满足晶圆厂天车调度、机台派工或工序优化等场景的调度算法并推动落地验证； 能对接MES、SECS、RTS等工业生产系统，具有工业日志数据分析或产线系统集成经验者优先。