环节一：记录归集
失效记录、量测数据与设备日志按确认范围只读接入，登记来源、时间与责任工序。
OnvergeAi · OnvergeAi
失效分析辅助
面向半导体工程与质量团队：把失效现象、检测数据与机台批次记录整理成结构化条目，输出待确认现象清单、候选原因清单与历史相似案例，附记录来源与数据口径；不判断根本原因、不给处置措施，结论与产线动作由工程与质量团队确认执行。
这个场景做什么
把失效现象描述、检测数据、机台与批次记录整理成结构化条目，输出待确认的现象清单、候选原因清单与历史相似案例，并附记录来源与数据口径。系统只做归纳、检索与比对，不判断根本原因，不给出处置措施，不评价责任归属。失效结论、处置与产线动作由工程与质量团队确认后执行。
失效原因分散在多处记录（原因分散在检测数据、设备日志与个人经验中，相似案例难以复用，同类失效在不同产线与年份重复分析）
现象描述口径不统一（同一现象在不同人记录下名称与字段不一致，检索命中低，历史记录难以比对）
良率与失效数据不能出域（通用云端工具不可用，只能在内网处理，工具选型与算力方案空间被压缩）
分析记录以文档与邮件为主（结论与依据分散在文档与邮件里，追溯与复盘成本高，人员变动后经验随之流失）
能力边界
不判断失效根本原因与责任归属；不给出处置措施、停线与返工建议；不预测良率走向与改善幅度；不评价人员、机台与供应商责任；不输出可直接进入质量处置流程的结论。输出仅作为候选清单与相似案例，失效结论与处置由工程与质量团队确认。
场景分析
这个场景处理的链路是：记录归集 → 结构化 → 检索比对 → 候选清单 → 人工确认 → 归档。结构化与检索决定能不能找到可比案例，人工确认决定结论能不能用。
环节二：现象结构化
按现象词典与字段模板整理条目，同一现象的多种描述归并为同一口径，冲突项标注待确认。
环节三：历史案例检索
按现象、工序与机台检索历史案例，输出可比字段，说明哪些字段不可比。
环节四：候选原因梳理
结合现象与历史案例列出候选原因方向并标注对应依据，不排序为结论、不判定根本原因。
环节五：人工确认
工程与质量团队核对现象、案例可比性与候选原因，确认根本原因与处置措施。
环节六：归档与复用
已确认的分析过程与结论按字段归档为可检索条目，供后续相似问题检索，未确认内容不入归档。
输入输出与复核
每一步的输入、处理方式、输出与把关角色都写清楚，团队才知道候选清单可以当输入用，但不能当结论用。
| 环节 | 输入与处理方式 | 输出与把关角色 |
|---|---|---|
| 现象结构化 | 输入：失效记录与现象描述。处理：按现象词典归并字段，冲突标注待确认。 | 输出：现象清单 · 工程与质量团队 |
| 检测数据归纳 | 输入：量测与判定数据。处理：按检测类型汇总量测口径与判定结果，列出异常项。 | 输出：数据口径说明 · 工程团队 |
| 相似案例检索 | 输入：现象字段与工序、机台。处理：检索历史案例并列出可比与不可比字段。 | 输出：相似案例清单 · 工程团队 |
| 候选原因梳理 | 输入：现象清单与相似案例。处理：按依据列出候选方向，不作优先级结论。 | 输出：候选原因清单 · 工程与质量团队 |
| 批次与时间关联 | 输入：批次、机台与时间记录。处理：建立关联视图并标注同时段异常记录。 | 输出：关联视图 · 工程团队 |
| 归档 | 输入：已确认结论与处置记录。处理：按模板归入案例库并标注确认状态。 | 输出：可检索案例 · 工程团队 |
治理保障
本场景的治理重点是两件事：良率与失效数据不出域，以及候选清单不被当成失效结论使用。
- 良率与失效数据不出域
- 数据按分级只在内网解析、索引与检索；外发按白名单与审批执行，仅发送去标识最小片段并留痕。
- 候选清单定位固定
- 输出统一标注「候选，需工程与质量团队确认」，不出现结论性表述与处置建议。
- 现象词典与字段版本
- 现象名称与字段规范变更须登记版本，历史条目按变更说明保留可追溯关系。
- 权限按产品线隔离
- 按产品线、工序与角色隔离索引与账号，跨线访问须单独授权并留痕。
- 数据最小必要
- 只接入分析所需字段，涉及人员信息的字段按规则去标识或排除，并在数据清单中登记。
- 退出与处置
- 项目终止时按约定返还或删除数据、索引与衍生文件，出具处置记录。
价值与衡量方式
收益不用宣传口径描述，用可测量的方式描述：相似案例的可比性、核对返工分布与治理检查项完成度。
- 历史经验可检索
- 衡量方式：统计分析时可检索到的历史案例条数与可比案例比例，不可比项归因到字段口径。
- 现象录入口径统一
- 衡量方式：抽查新录入失效记录，统计字段完整率与现象名称符合词典的比例。
- 检索耗时下降
- 衡量方式：选取 10—20 个典型失效问题，分别统计人工翻查记录与系统辅助后的人工核对耗时，形成对比基线。
- 核对返工减少
- 衡量方式：统计复核阶段被退回的条目数与原因分布，用于定位字段、检索或词典问题。
- 案例库可复用
- 衡量方式：统计案例库中被检索引用并确认为参考的条目数，按工序与产品线分布查看覆盖情况。
- 治理可交代
- 衡量方式：检查项清单（分级、外发、权限、字段版本、日志、复核）的完成度与留痕完整性。
※ 以上为方法说明与衡量口径，不构成对具体项目效果的承诺；结果受记录质量、字段规范执行情况与使用方式影响。
场景的结构化说明
- 典型任务
- 把现象描述、发生工序、机台与批次整理为结构化字段，冲突项标注待确认：失效现象结构化；按检测类型汇总量测与判定结果，输出分布口径说明、异常项清单与不可比字段说明：检测数据归纳；在历史失效案例库中按现象、工序与机台检索，输出相似案例清单与可比、不可比字段说明：相似案例检索；基于现象与历史案例列出候选原因方向并标注对应依据，仅作梳理提示：候选原因清单；按批次、机台与时间建立关联视图，标注同时段其他异常记录与同机台历史记录：批次与时间线关联；把已确认的分析过程与结论归档为可检索条目，供后续相似问题检索：分析记录归档
- 适用前提
- 明确失效数据、量测数据与设备日志的可处理范围与等级，禁止外发项单列成清单（数据范围与等级确认）；建立现象名称、工序、机台、批次与判定字段的填写规范，作为结构化与检索口径（现象字段与口径统一）；历史失效分析记录的格式、字段与授权均确认可用，无法解析的记录单列说明（历史案例具备可检索性）；明确失效结论与处置由工程与质量团队中的哪一角色确认，并约定留痕与复核方式（指定确认责任人）
- 推荐部署
- 纯私有化；知识库本地化 + 外部模型
- 推荐架构
- 默认纯私有化：失效案例、量测数据与设备日志在厂区内网解析与索引，按产品线、工序与角色做权限隔离；检索前执行权限与等级过滤，输出附记录来源与数据口径。现象词典与字段模板统一结构化口径，历史案例按现象、工序与机台检索。良率数据、失效数据与工艺配方不做外发与训练；确需外部能力时只允许公开文献类内容，并走白名单与审批。
- 数据流与边界
- 记录归集：失效记录、量测数据与设备日志按范围归集，只读接入；结构化与字段统一：按现象词典与字段模板整理条目，冲突项标注待确认；索引与权限：在内网建立索引，按产品线、工序与角色隔离；检索与比对：按现象与工序检索历史案例，比对可比字段；候选清单生成：输出候选原因方向与相似案例，标注依据与出处；人工确认与归档：团队确认结论与处置，已确认内容归档为可检索条目
- 交付物
- 现象字段与填写规范（文档）：现象名称、工序、机台、批次与判定字段的统一定义；数据分级与处理清单（表格）：数据项、等级、可处理环境与禁止外发项；历史案例结构化台账（表格）：案例字段、来源记录、确认状态与引用位置；检索与比对评测记录（报告）：测试集构成、相似案例命中情况与未达项归因；候选原因清单模板（模板）：候选方向、对应依据与待确认标注字段；操作规范与复核规则（文档）：复核节点、责任人与留痕要求
- 上线节奏
- 第 1—2 周：确认数据范围与等级，建立现象词典与字段规范，设计权限矩阵；第 3—5 周：历史案例结构化与索引，建立相似案例与候选原因的评测口径；第 6—9 周：选一个产品线或工序接入，按复核节点跑通分析辅助工作流并培训；第 10 周起：按评测结果与权限条件决定扩围范围，未达条件不扩围
- 人工复核点
- 失效现象结构化 / 工程与质量团队 / 现象字段与发生工序逐条核对，冲突项标注待确认；相似案例可比性 / 工程团队 / 相似案例须核对工序、机台与量测口径是否可比后再参考；失效原因与处置 / 工程与质量团队 / 候选原因清单只作输入，根本原因与处置措施由团队确认；数据范围与权限变更 / 数据安全负责人 / 新增数据项或开新权限须书面确认并更新处理清单；分析记录归档 / 工程团队 / 归档条目须与已确认结论一致，未确认内容不得归档为结论
- 风险控制
- 良率与失效数据外发：默认禁止出域；按分级只在内网处理，确需外发走白名单与审批并留痕；候选原因被当作失效结论：输出定位为候选清单，须经工程与质量团队确认后方可进入处置流程；历史案例字段口径不一致：先定现象词典与字段规范，评测口径单列相似案例可比性；早期判断造成误导：不输出良率预测与改善幅度，结论性内容一律标注待确认
- 合规依据
- 中华人民共和国数据安全法：对良率、失效与量测数据分类分级并建立全流程安全管理制度：形成处理清单、限定访问权限、设定外发条件与日志留痕；中华人民共和国反不正当竞争法：把工艺与失效相关技术信息按商业秘密管理：按最小必要授权、导出与分享留痕、外部协作场景单独约定