【奪牌風光後，還在水深火熱之中的台灣體育員】
這週中華小將在東奧捷報連連，
讓大家在國際體壇上看到台灣的驕傲
但是，這些小將在成名前，
其訓練是不是也十年寒窗無人問？
運動員職業生涯短，
卻投入了自己全部的青春
而在退休後，選手多半選擇擔任老師、教練，或是進入本身有球隊的國營企業上班
喊出體育改革的同時，
若只是制式性的增加預算總額
而忽略運動員真實的處境，
待遇不足、僧多粥少的情形仍難以根絕⚠️
#關鍵在於經費的配置是否適當
以今年度中央體育預算預算為例，國家體育經費用於運動選手培訓相關者約46%
但是運動員實際上獲得多少照顧？
成名前是否有足夠的力量支撐他們上場？
以我國現行選手零用金為例，
#培訓選手一個月僅有15500、
#儲訓選手更低至一個月9000元
只有 #參與代表隊、 #獲得國際賽會成績者 才有機會再往上加給
但是誰能確定，哪個小將會是明日之星？
而這樣的低價，又能支撐多少小將走到國際舞台上，爭取後面的待遇？
同樣，奧委會和體育署輔導退休運動員的相關措施，多半僅限於 #大型國際賽會奪牌的選手 #輔導機制仍不足以保障所有運動員的退役生活
➡️ #各國運動員輔導機制比一比：
🇹🇼 #台灣
1⃣️運動員的升學制度：升學管道多元，
成績優秀者可以保送入學
2⃣️學校對運動員的職業發展：成立體育班且課後輔導
3⃣️運動員大學畢業的出路與輔導發展：大部份當體育老師或教練
4⃣️職業運動員的發展及出路：部分當教練或與球團簽約
5⃣️政府如何支持：以支持主流項目為主，依成績給予經費
🇺🇸美國
1⃣️運動員的升學制度： 運動員升學獎學金、運動成績保送入學
2⃣️學校對運動員的職業發展： #學生未達成績標準會禁賽！獎學金制度盛行、誘因高
3⃣️運動員大學畢業的出路與輔導發展： #依相關科系找工作 #優秀選手則加入職業聯盟
4⃣️職業運動員的發展及出路：較廣，看個人興趣，且普遍的運動員待遇很高
5⃣️政府如何支持： #以企業贊助為主，頂尖運動員則由政府培訓
🇯🇵日本
1⃣️運動員的升學制度：運動員升學獎學金、運動成績保送入學
2⃣️學校對運動員的職業發展：透過專門能力的研習制度與各體育大學合作
3⃣️運動員大學畢業的出路與輔導發展：成利國立運動科學中心
4⃣️職業運動員的發展及出路：運動相關企業或一般企業就業
5⃣️政府如何支持：政府出資或民間捐款
縱使體育署預算連年增加，
仍有許多運動好手不得不放棄這條荊棘路
「#體育即國力」，但是台灣可曾真正將其看作一種職業？
中央給予沒有支撐力、沒有吸引力，只是津貼性質的零用金，
甚至有些縣市完全沒有訓練費，
選手練習時間外還得打工、兼職
卻又因為忙於練習鮮有其他一技之長
更別論退休生活的不確定性、轉行的困難性
這些惡性循環還要讓台灣多少體育好手止步？ 參照國外訓練，
多半擁有企業及民間極大的力量支撐
政府除了在訓練及經濟上要給予這些運動好手更大及更實質的支持
#確保選手能直接拿到他們應有的資源
也應該要積極邀請、鼓勵企業貢獻民間力量，贊助選手為國爭光、
打造企業職業隊提供更多職缺，
也讓國人一同來支持這項產業✨
#又要馬兒跑
#又要馬兒不吃草
#誰還能穿得起國家的球衣
#國家有義務讓選手沒有後顧之憂
又要馬兒跑 在 [心得] 畢業雜談(三) 既要馬好又要馬跑- 精華區Tech_Job 的美食出口停車場
由於有人覺得我不應該分太多篇寫
所以我嘗試把幾個主題合併在一起
這篇合併幾個主題並稍做內容調整，主題包含Cost down/人力精簡/JUMP DOE/AI大數據
標題的俗諺最後一句應該沒有人不知道，既要馬兒好又要馬兒跑，還要馬兒不吃草，此俗
諺可謂cost down之核心精神。
Cost down從影印費到電話費，基本上是能省則省，每毛錢都是很計較的。對我這種環工
出身的人來說是讚同的，畢竟節能減碳救地球從自身做起嘛。
但是在生產上的cost down卻是讓人頗傻眼。賣產品都會說一分錢一分貨，但是生產產品
的時候卻是能多省就多省。
雖然常常聽到每間公司都在cost down，卻很少聽到細節，甚至之前有一篇應用Ai偵測機
台訊息，提早發現機台問題，減少產品不良率，但是在實際上，我所看到的卻不是這麼回
事。
我們都知道，開車每5000(有些是10000)KM就要去保養，有時會提早有時可能稍晚，但是
如果要車正常行駛不會半途"顧路"，該PM就得PM。
在公司處於不景氣的時候，FAB內的貨少tool RF time累積的慢，PM周期就拉長，這代表
每個月設備支出是降低的。
隨著景氣回溫，每月出貨量增加代表RF on time也增加，PM周期變短。但是設備的月支出
卻依然被刪減，這就是萬惡的cost down之一。
當機台需要PM卻沒有預算，就只能延後PM或讓parts超時工作，甚至變相的讓parts run
到死才換。曾有家設備商駐廠私下抱怨，某機台的e-chuck life time只有6000 hrs，我
們run到10000/12000還在用，還抱怨他家的機器不穩定。
在parts死掉前，各種當機報廢晶圓時常發生，甚至有些機台parts壞了沒預算換，只能讓
機台鎖單一製程，沒貨就idle在那沒辦法生產，我實在不明白這種cost down真的有省到
錢嗎?
而講到了cost down，另一個議題就是"人力精簡"。內部的說法是汰弱留強，但實際的情
況卻是砍掉薪資較高的老員工，再補一批薪資較低的新人，甚至汰弱之後再來個遇缺不補
，每個人的工作量與日俱增。
我所處的單位甚少聽到有誰被汰弱，因為離職率遠大於預訂的汰換率，然而工作量還是在
遇缺不補下增加了，從每季值班頻率1次增加到2至3次就能知道。
雖然人力精簡是cost down的一部份，但我所處的單位不可能單靠離職就能達到cost down
的目標。哪cost又該從何砍起? 答案是晶圓使用量。半導體越來越難，投入的經費與晶圓
是與日俱增的，而我們卻得在更少的人力，更少的晶圓使用量下，用更短的時間完成一個
project，project behind schedule 成為必然。
真要舉個例，大概是這樣的場景:
有家公司，它用100人花3年15000片晶圓做出X45nm代工，現在卻要用80人做X22nm，但是
晶圓只給你8000片，表訂完成時間則是2年，你覺得成功機率有多少。
(謎之聲:X32nm呢??
沒人力沒資源，直接跳過了啦。)
以上數字只是舉例，非真實比例。
少了人少了晶圓，進度做不快，於是工程師被認為是沒有專業能力的，這之後甚至還衍生
出了每週工作評量，工程師還得列舉工作成果，證明自己這週是對公司有供獻的。
上層老闆認為進度落後，與問題發生後無法立刻解決的主因起於工程師專業度不足，實驗
沒有系統性與邏輯性，於是JUMP DOE的實驗設計方法被導入。
DOE的導入可以說是正確的決定，然而DOE卻不是為了節省晶圓使用的實驗設計方式。全因
子實驗(Full factorial design)在每個參數都是變因的情況下，晶圓使用量是非常可觀
的。在被限制使用晶圓的情況下，只能篩選少數幾個因子打DOE，問題也很難一次DOE就能
找到最佳條件，但是老闆總是認為你這批次打了12片/16片DOE，實驗結果範圍應該是能包
山包海，僅需從趨勢裡找個最佳點，問題就迎刃而解。
細數失敗的DOE，最主要的問題在於使用時機不對。另一個DOE失敗的問題在於第二集提到
的，找錯家做DOE。問題根本不是A家，它只有催化劑，你要它打DOE解決問題，根本緣木
求魚。
舉個真實的例子，某project A家做了非常多的實驗，最後解法卻是在B家補打一次IMP，
但是在那之前，A家就是頭號戰犯，被review到炸掉。
接著就開始進入AI大數據的狂想曲了。由於圍棋AI打敗了世界棋王，一股AI超越人類的思
維急速醞釀。由於project時程壓的太緊，DOE打來打去問題還是沒有解，於是老闆覺得AI
就是救星。
在開啓AI的旅途前，我們不僅看了不少跟AI有關的文獻，甚至還被要求實做，甚至要去學
Python，學如何使用tensorflow。而AI目標就是，運用現在已有的資料training AI。之
後只要有任何需求，對AI輸入我所需要的結果，AI就能給出一套解決方案，工程師(其實
這裡只需要助工就夠了)照著解決方案做，一次就能解決問題。既省錢又省人力還可以秒
解答，project永不delay。
當然，最後我沒有開發出這套AI，別說技術上我做不到，退一百萬步言，就算我真的做的
出來，你覺得我會弄一個AI取代所有工程師，然後自己也沒工作嗎?
雖然後期的AI比較回歸到正常面向，但是我們還是沒能把AI應用進工作上。
雖然還有很多沒講，但是雜談三就先寫到這裡。接下來我打算寫讓我決定離職的主要事件
，這部份牽扯到一些公司的機密，我得做些處理，有部份內容需要用替代的假範例，什麼
時候貼再看情況。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 110.28.39.47 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1575868336.A.576.html
JUMP可以選擇不同實驗設計方式，會有使用run數的差異。
這邊提到的是JUMP選全因子實驗，但是全部因子都選則run數爆炸多，最後只能挑3-4個做
。但是老闆會認為你用的是全因子設計，實驗做完就該包山包海。
※ 編輯: negohsu (27.246.140.93 臺灣), 12/10/2019 08:43:41
... <看更多>