(1)老化制造简介。芯片在封装完毕后,可能存在潜在缺陷,这些会导致芯片性能不稳定或者功能上存在潜在缺陷,如果这些存在潜在缺陷的芯片被用在关键设备上,有可能发生故障,造成用户财产损失或者生命危险。而老化试验的目的就是在一定时间内,把芯片置于一定的温度下,再施于特定的电压,加速芯片老化,使芯片可靠性提前度过早期失效期,直接到达偶然失效期(故障偶发期),保证了交到顾客手中的芯片工作性能的稳定性和可靠性。在实际生产中,老化试验由于设备昂贵、试验时间长而极大地增加了成本而且延长了生产周期,进而导致影响按时交货和生产计划的有效实施。所以,如何控制工人数量,提高工人手工上下料生产效率,进而缩短生产周期保证交货时间对半导体生产有着重要的意义。F公司半导体老化试验车间有员工113名,物料自动装卸机7台(其中三台QFP自动装卸机,四台SOIC28自动装卸机),老化炉53台。老化车间工作主要由装卸物料(芯片)、BENCH测试、入炉老化试验和外观检验几个部分组成。工作流程如图13-3所示。图13-3老化车间工作流程当一批新的物料到达车间后,由物料员检查流程单与实际物料是否相符,检查来料数量,再把来料分给各个手工操作员,由手工操作员检查芯片上的印字并每批抽取200粒物料进行外观质量目检。检查完后没有问题就开始装板——即把物料装到老化板上,装料部分由自动装卸机和操作工共同完成,其中大部分物料都由操作工手工完成。之后开始做Bench测试。Bench测试之后就装入老化炉开始做老化试验,老化试验的长短根据物料的不同和客户要求的不同而不同。测试结束后再由操作工手工或者自动装卸机卸下物料,之后进行100%外观质量目检。最后结料——即清点良品数量和次品数量,与来料数量进行比较,填写物料的生产流程单。从这里我们可以看到,老化生产控制涉及老化板、老化炉、自动卸料机及人员需求。(2)老化设备需求模型。老化设备主要包括老化板和老化炉以及驱动板,老化试验机由老化炉和测试机组成,一台测试机配套两台老化炉。老化炉内分为四个装载框,每个框内可以装13块老化板,所以一台老化炉可以同时测试52块老化板上的芯片。老化车间共有53台老化炉老化炉、老化板、驱动板需求公式:​ tpw=site_hours/(tbt+w.burn_in_duration);​ chamber_capacity=tpw×bib_avg_good_sockets×(1-reburn_burn_in_rate)×slots_per×chamber_util;​ bib_capacity=tpw×bib_avg_good_sockets×(1-reburn_burn_in_rate)×chamber_util​ driver_capacity=bib_cap;​ chambers_rqd=dmd_qty/chamber_capacity;​ bib_rqd=dmd_qty/bib_capacity;​ drivers_rqd=bib_rqd;TPW:一块老化板每周周转次数SITEHOURS:每小时计划生产时间,在F公司,这个时间为每周168小时W.burn_in_duration:老化测试时间TBT:一块老化板从离开老化炉到重新进入老化炉的时间间隔。在F公司,假定该时间为6小时。这段时间包括将第一批物料从老化板上卸下,然后将第二批物料安装在老化板上,并将老化板安装在老化炉上的时间Chamber_capacity老化炉的产能Bib_avg_good_sockets:每块老化板上可用的插座的比例。通常取95%Re-burn_burn_inrate:重新老化试验的比例。这是按照产品的特性得到的Slot_per每个老化炉装载框可装老化板的数量Chamber_util每个老化炉的装载框的个数BIB_capacity:老化板的产能Driver_capacity:驱动板的产能Chamber_req:老化炉的需求个数BIB_REQ:老化板需求个数Drivers_req;驱动板的需求个数Dmd_qty:PARCA系统产生的产品需求数量每个月,当MBG主计划员结束MPS分析后,制造部从系统中导出产品的需求,然后利用上面的公式计算出老化板,老化炉和驱动板的需求。如果对板子的需求超出现有实际板子数量,则请计划员平衡生产计划或者申请购买新的夹具。老化制造人力资源需求研究在老化生产需求的人力资源包括3个部分,出入炉人员,操作自动卸料机的人员以及手工装卸料人员。由于自动装卸机非常昂贵,而且都是专用设备,当需求从一类产品切换到另外一类产品时,设备调整很困难,因此从老化板装卸物料的工作多数依然是由人手工完成。(3)​ 手工装卸料人员标准工时。1)手工作业区域设施布置研究。装卸物料工序是整个BAT3唯一的需要工人手工作业的工序,工人作业动作单一,工作强度大,作业需要人力多,也是老化试验车间的瓶颈工序。手工装卸物料劳动强度较大,但是工人的负荷到底有多少,需要我们运用工作抽样的方法去研究。我们取置信度95%,误差10%。工人的工作状态分为:来料检查、打印流程单、填写流程单、手工装料、搬运老化板、手工卸料、点数、外观目检、培训新员工、检查弯脚、空闲。我们根据随机抽样的方法抽取数据分析如表13-9所示。表13-9手工装卸料工人负荷抽样记录来料检查手工装料手工卸料结料其他时间打印流程单外观检查手工装料填写生产记录搬运老化板手工卸料检查弯脚点数填写生产记录点数外观目检指导新员工空闲8:23123 21     1 8:30114  2   2   8:46  4  4 2     ………………………………………………………………………………………………………………19:04  2  4211    19:17    151   2  总数51119711617011151121213024%1.0%2.0%37.0%2.0%1.0%32.0%2.0%3.0%2.0%3.8%3.8%5.8%4.6%由工作抽样的分析结果可以看到,工人工作负荷达到了95.4%。其中工人手工装料占用了工人工作时间的37%,手工卸料占用32%,所以手工装卸料占用工作总时间的69%,再加上外观目检和点数量项工作,容易让工作产生疲劳的工作占76.6%。2)手工装卸物料劳力需求研究。工作研究的一个重要目的就是标准化,为各种工作制定出标准。制定出工人标准产能,为工人每天的工作定出一个目标,一方面有利于每天生产任务的完成;另一方面也有利于提高工人的工作积极性。首先在生产线上用秒表测量工人的手工作业速度。每一种物料测量10个数据。在表13-10中,我们也计算出了工人每日装卸物料(日出货量)的标准产能。可以看出,SOIC28的日出货量最高。表13-10工人每日装卸物料(日出货量)的标准产能我们把SOIC28的产能比例定为1,把SOIC28的日出货量与其他物料的日出货量的比值定为其他物料的产能比例,用来折算工人手工装卸物料的标准产能来衡量其生产量。所以,我们根据MPS生成的订单需求计划,就可以建立一个模型来自动计算人力需求。
在价值链建立的过程中,著名的”六次触达理论告诉我们,当一个客户能够被企业触达6次以上,那么转化的比率趋近于100%。从SaaS的销售过程来分析,这六次分别是什么呢?(1)通过看到广告/内容/活动产生了第一次的交互,添加了联系方式;(2)发送产品介绍或者案例;(3)发给朋友圈评论;(4)邀请参加活动;(5)产品demo演示或者注册测试账号;(6)偶尔沟通或者节日祝福……这样的六次触达,如果能做到有效沟通,基本上转化成功的概率就很大了。所谓的有效沟通是在这些交互过程中,客户有反馈并且你能从中发掘出潜在的机会或者说对客户有更深入的了解。而如果想展示自己的专业性和信任度,企业专家IP全线赋能是最佳方式,不仅能够帮助销售快速提升专业能力,同时淡化销售个人与客户链接影响的重要性。当然有人说了,这不就是养鱼么?答案是NO,这绝对不是养鱼,这是个性化喂养和跑马圈地的相结合的过程。前面笔者提到过,无论是C端还是B端本质上都是用户思维。只不过相对于C的直接性,B端需要根据决策链的不同角色,你的用户思维和用户路径要更加准确和聚焦,根据角色、渠道、价值点匹配不同的内容,通过你的内容和活动,传递产品及服务价值,深化厂商之间的价值壁垒,做到个性化和圈层化互相协同的过程。换句话来说,相对于原来传统软件营销用户漏斗,其实SaaS的地域云也可以变成一个双菱形结构,如图8-6所示。将种子用户分为KP和一线执行,构建不同的信任链条,实现私域的逐渐扩大。图8-6SaaS私域双增长模型多数企业的种子用户都来源于创始团队的原始积累,这部分可能存在对创始人的信任关系,但是对产品的信任度极低,因此从这群人出发构建信任闭环,我们只要做好一件事,帮助他们认识痛点,并借助厂商工具解决痛点,这样这些用户就是你天然的KOL啦。当然,如果创始团队没有种子用户应该怎么办呢?各个媒体“能蹭就蹭”。先利用行业内的小媒体,甚至自媒体进行早期曝光。每一点小的流量都能成为爆发的风口。合理利用社区运营。创始早期可以利用知乎,打造软性营销。讨巧的“同业置换”。在业内,我们可以寻找一些并非直接竞品的团队,和他们进行资源互换。置换过来的流量质量比媒体导入的流量质量要高很多,而且更加真实。种子用户的问题解决了,那么我们就可以利用种子用户和企业员工进行私域破圈营销了。首先我们先弄懂一个问题,这些种子用户有没有什么整体特征,也就是企业用户画像的内容。所谓企业用户画像,是指使用B端产品或服务的企业用户,具有企业属性特征和企业内部多个角色属性特征结合构成的画像,是对现实企业用户的数字建模。基于种子用户,我们可以大致的描绘出企业的用户画像:(一)数据采集前面我们提到了种子用户来源,我们默认的种子用户都是关键决策层。包括:·行业层 ,指企业用户的行业属性,不同行业存在不同的市场结构、运作模式、运行规律。通过行业特征,了解目标企业用户行业的现状和发展趋势;·企业层 ,指企业用户的企业属性,如企业成立时间、企业规模、人员规模、收入规模、活跃用户、使用评价等。通过企业特征,了解目标企业用户的现状;·员工层 ,企业用户画像不仅仅是企业属性的特征,同时还要考虑企业内部角色属性的特征,即决策链角色特征,可分为:决策者(老板、高管)、使用者(员工),决策者和使用者的关注点和需求存在很大差异。(二)用户标签标签是某一种特征的符号表示,每个标签都提供了一个观察、了解企业用户的角度。采集完基础数据后,就可以构建标签体系了。构建标签体系流程:先把原始数据进行清洗、统计分析,得到事实标签,再进行建模分析,得到模型标签,最后进行模型预测,获得预测标签,如图8-7所示:图8-7标签体系示例标签的每一个层级是对上一层级标签的再次提炼。一般情况下,标签体系是开放和变化的,并不是一成不变(表8-4)。首先,由于企业用户的需求可能会随市场环境不断的变化,产品为了满足企业用户需求,也会不断的调整和完善;其次,每家供应商产品所面向的企业用户都各有特点,再加上原始数据的差异,灵活使用标签体系,才能获得更好的效果;另外,标签的颗粒度也要注意,颗粒度越粗,特征就越模糊,而颗粒度过细,则会导致标签体系过于复杂而不具有通用性。表8-4企业用户标签基础标签,是基础数据进行清洗、去重、去无效、去异常、整合提取特征的过程,也是对数据加深理解的过程,是为了后面模型标签的构建做准备。模型标签,由一个或多个事实标签的组合而成。如“企业用户价值等级”模型标签,由采购总数量、采购总金额、结算周期等事实标签组合而成的。模型标签的颗粒度越粗,每个模型之间的特征就越模糊;模型标签的颗粒度越细,也会给产品定位和运营推广带来负担。预测标签,是根据已有事实数据和模型标签,来预测企业用户的行为偏好,在一定程度上反映企业用户的规律性。预测标签可以是简单的数据统计,也可以是复杂的预测数学模型。上面的标签体系搭建完成以后,我们就可以基于用户行为,开始完成我们0-1,1-10,10到规模化的私域运营啦。需要强调的是,用户画像不是一成不变的,需要反复迭代——因为B端用户是在不断发生变化的,也许是客户业务方向调整,也许是客户换了高管等等。所以我们需定期回顾用户画像、进行更新调整,确保与现实情况保持一致性。因此在拿到这部分流量之后,B端市场和运营人员都是尽全力去提高转化率,而这个过程实际上就是信任建立的过程。之前,提到了SaaS的私域运营是为了实现用户的全生命周期的所有关键节点的价值最大化,那么我们来分析一下,SaaS的关键节点都有哪些?一般来讲,ToB业务的生命周期主要包含以下几点:获取流量—获取客户线索—线索培育—市场认可线索—销售认可线索—销售转化—客户新手期—客户成长期—进行复购—续费。围绕着客户生命周期,我们将私域营销的内容分为了7个阶段,如图8-8所示:图8-8SaaS私域闭环以上7点就形成了一个私域的持续闭环,加上资金充足的公司,可以利用数字付费推广持续引进新用户,扩充私域流量池的容量。既然我们知道了我们的用户的属性,那么我们就可以将整体的内容分为几个大的模块(表8-5):表8-5私域内容与阶段匹配模块和行业,就可以对这些不同的对象进行目标营销了。