由于有人觉得我不应该分太多篇写
所以我尝试把几个主题合并在一起
这篇合并几个主题并稍做内容调整，主题包含Cost down/人力精简/JUMP DOE/AI大数据
标题的俗谚最后一句应该没有人不知道，既要马儿好又要马儿跑，还要马儿不吃草，此俗
谚可谓cost down之核心精神。
Cost down从影印费到电话费，基本上是能省则省，每毛钱都是很计较的。对我这种环工
出身的人来说是赞同的，毕竟节能减碳救地球从自身做起嘛。
但是在生产上的cost down却是让人颇傻眼。卖产品都会说一分钱一分货，但是生产产品
的时候却是能多省就多省。
虽然常常听到每间公司都在cost down，却很少听到细节，甚至之前有一篇应用Ai侦测机
台讯息，提早发现机台问题，减少产品不良率，但是在实际上，我所看到的却不是这么回
事。
我们都知道，开车每5000(有些是10000)KM就要去保养，有时会提早有时可能稍晚，但是
如果要车正常行驶不会半途"顾路"，该PM就得PM。
在公司处于不景气的时候，FAB内的货少tool RF time累积的慢，PM周期就拉长，这代表
每个月设备支出是降低的。
随着景气回温，每月出货量增加代表RF on time也增加，PM周期变短。但是设备的月支出
却依然被删减，这就是万恶的cost down之一。
当机台需要PM却没有预算，就只能延后PM或让parts超时工作，甚至变相的让parts run
到死才换。曾有家设备商驻厂私下抱怨，某机台的e-chuck life time只有6000 hrs，我
们run到10000/12000还在用，还抱怨他家的机器不稳定。
在parts死掉前，各种当机报废晶圆时常发生，甚至有些机台parts坏了没预算换，只能让
机台锁单一制程，没货就idle在那没办法生产，我实在不明白这种cost down真的有省到
钱吗?
而讲到了cost down，另一个议题就是"人力精简"。内部的说法是汰弱留强，但实际的情
况却是砍掉薪资较高的老员工，再补一批薪资较低的新人，甚至汰弱之后再来个遇缺不补
，每个人的工作量与日俱增。
我所处的单位甚少听到有谁被汰弱，因为离职率远大于预订的汰换率，然而工作量还是在
遇缺不补下增加了，从每季值班频率1次增加到2至3次就能知道。
虽然人力精简是cost down的一部份，但我所处的单位不可能单靠离职就能达到cost down
的目标。哪cost又该从何砍起? 答案是晶圆使用量。半导体越来越难，投入的经费与晶圆
是与日俱增的，而我们却得在更少的人力，更少的晶圆使用量下，用更短的时间完成一个
project，project behind schedule 成为必然。
真要举个例，大概是这样的场景:
有家公司，它用100人花3年15000片晶圆做出X45nm代工，现在却要用80人做X22nm，但是
晶圆只给你8000片，表订完成时间则是2年，你觉得成功机率有多少。
(谜之声:X32nm呢??
没人力没资源，直接跳过了啦。)
以上数字只是举例，非真实比例。
少了人少了晶圆，进度做不快，于是工程师被认为是没有专业能力的，这之后甚至还衍生
出了每周工作评量，工程师还得列举工作成果，证明自己这周是对公司有供献的。
上层老板认为进度落后，与问题发生后无法立刻解决的主因起于工程师专业度不足，实验
没有系统性与逻辑性，于是JUMP DOE的实验设计方法被导入。
DOE的导入可以说是正确的决定，然而DOE却不是为了节省晶圆使用的实验设计方式。全因
子实验(Full factorial design)在每个参数都是变因的情况下，晶圆使用量是非常可观
的。在被限制使用晶圆的情况下，只能筛选少数几个因子打DOE，问题也很难一次DOE就能
找到最佳条件，但是老板总是认为你这批次打了12片/16片DOE，实验结果范围应该是能包
山包海，仅需从趋势里找个最佳点，问题就迎刃而解。
细数失败的DOE，最主要的问题在于使用时机不对。另一个DOE失败的问题在于第二集提到
的，找错家做DOE。问题根本不是A家，它只有催化剂，你要它打DOE解决问题，根本缘木
求鱼。
举个真实的例子，某project A家做了非常多的实验，最后解法却是在B家补打一次IMP，
但是在那之前，A家就是头号战犯，被review到炸掉。
接着就开始进入AI大数据的狂想曲了。由于围棋AI打败了世界棋王，一股AI超越人类的思
维急速酝酿。由于project时程压的太紧，DOE打来打去问题还是没有解，于是老板觉得AI
就是救星。
在开启AI的旅途前，我们不仅看了不少跟AI有关的文献，甚至还被要求实做，甚至要去学
Python，学如何使用tensorflow。而AI目标就是，运用现在已有的资料training AI。之
后只要有任何需求，对AI输入我所需要的结果，AI就能给出一套解决方案，工程师(其实
这里只需要助工就够了)照着解决方案做，一次就能解决问题。既省钱又省人力还可以秒
解答，project永不delay。
当然，最后我没有开发出这套AI，别说技术上我做不到，退一百万步言，就算我真的做的
出来，你觉得我会弄一个AI取代所有工程师，然后自己也没工作吗?
虽然后期的AI比较回归到正常面向，但是我们还是没能把AI应用进工作上。
虽然还有很多没讲，但是杂谈三就先写到这里。接下来我打算写让我决定离职的主要事件
，这部份牵扯到一些公司的机密，我得做些处理，有部份内容需要用替代的假范例，什么
时候贴再看情况。