1. 课程导论与项目背景
为什么制造业需要产量预测？
各位同学好，我是这门课的主讲。在制造业摸爬滚打了十几年，我见过太多因为产量预估不准而翻车的案例。说白了，产量预测就是工厂的「天气预报」——你提前知道明天要下雨，就会带伞；你提前知道下个月良率要跌，就能提前调整工艺参数。
半导体制造尤其特殊。一条晶圆产线动辄几十亿投资，一片300mm晶圆从投片到出货要跑两三个月。你想想看，如果等到产品测试完才发现良率只有60%，那批货已经烧掉几百万美金了。所以，提前1-2周准确预测产量，直接决定了工厂的利润和交付能力。
核心痛点：
- 传统统计方法（如SPC）只能事后报警，无法提前预判
- 人工经验依赖老师傅，人走了经验就断了
- 工艺参数多达上千个，人工根本分析不过来
我2018年参与过一个12英寸晶圆厂的项目。当时他们用Excel做预测，准确率不到65%。后来我们上了机器学习模型，三个月后预测准确率提到了89%。嗯，这就是这门课要教你的东西。
课程目标与学习路径
这门课不是纯理论课。我的目标是：你学完就能在自己的数据集上跑通一个完整的产量预测模型。具体来说，分三步走：
- 理解数据——知道半导体数据长什么样，哪些特征有用，哪些是噪声
- 构建基线——先用线性回归、决策树这些经典模型跑通流程
- 调优实战——上XGBoost、LightGBM，做特征工程、超参数搜索、模型融合
整个课程30章，我建议你按顺序来。别跳着看——我见过太多人直接跳到调参部分，结果连数据预处理都没做对，跑出来的结果一塌糊涂。
学习建议：每章都动手跑一遍代码。光看是学不会的。我当年学机器学习，第一个模型跑了整整三天才调通，但那个模型后来成了我面试时的代表作。
项目数据集介绍：半导体晶圆产量数据
这次实战用的数据集，来自一家真实的半导体代工厂。数据采集自蚀刻工序后的晶圆测试环节。每片晶圆有89个工艺参数（包括温度、压力、气体流量、射频功率等），以及最终的良率标签（0-100%）。
数据集规模：
| 项目 | 数值 |
|---|---|
| 样本数（晶圆片数） | 15,432 |
| 特征数（工艺参数） | 89 |
| 时间跨度 | 2022年1月 - 2022年6月 |
| 良率范围 | 12.3% - 98.7% |
| 平均良率 | 76.4% |
这里有个坑，我提醒一下：数据中存在缺失值和异常值。比如某些参数在设备维护期间会记录为0，但实际不是0。我曾经因为没处理这些异常值，模型训练时loss死活降不下去，排查了两天才发现是数据问题。
注意：这个数据集是经过脱敏处理的，但保留了真实数据的分布特征。你在实际项目中遇到的数据，只会比这个更脏、更乱。所以，数据清洗和特征工程才是真正的重头戏。
知识体系总览
下面这张图，是我自己梳理的课程知识体系。你可以把它当作地图，学完一章回来看看，就知道自己走到哪了。
这张图我画了好几个版本才定稿。你看，从数据预处理到模型部署，中间每一步都有坑。但别怕，我会把每个坑的位置都告诉你。
你需要准备什么？
动手之前，先把环境搭好。我建议用Python 3.8+，装好以下库：
# 核心库
pandas==1.5.3
numpy==1.24.3
scikit-learn==1.2.2
xgboost==1.7.6
lightgbm==3.3.5
# 可视化
matplotlib==3.7.1
seaborn==0.12.2
# 可选但推荐
shap==0.41.0
optuna==3.2.0
小技巧：用conda创建虚拟环境，别一股脑装到base环境里。我吃过这个亏——项目做到一半，依赖冲突，重装了三次环境，浪费了一整天。