MANUFACTURING KNOWLEDGE
半導體製造的進步，往往來自已經高度最佳化的製程裡再找出更小的差異，再改善一點點。真正困難的是，這些解法常留在少數工程師、試算表或報告裡，下一次又重新開始。
「直到最後一粒。」
很多商業軟體早就在解「知識如何重用」
CRM 或 marketing software 會把有效的 follow-up timing、訊息與 workflow 變成可重複使用的方法。製造也需要同樣的累積機制。
差別在於知識有沒有留下來
製造現場的問題高度 local，常由少數工程師解完就留在個人經驗裡。
問題不只是有沒有厲害工程師，而是上一次解題能不能讓下一次從更前面的地方開始。
所以 manufacturing learning rate 很重要
不只看一個人解一個問題有多快，也要看下一位工程師能從多前面的起點開始。
AI 時代，知識留下來的方式也要改變
AI 要參與更多製造決策，需要的不只是歷史資料，也包括當時看了什麼、做了什麼決定，以及後續結果。
不要把已經榨出的最後一滴再榨一次
半導體製造本來就是把「最後一點」也持續榨出來而進步的產業。尋找更小差異的努力仍會繼續。
但下一個生產力差距，不一定只來自把同一塊抹布榨得更用力。
讓已經解過的問題不需要下次再從頭解一次。讓一次問題解決，改變下一個問題的起點。
這也是 Amously 做製造 software 時很重視的部分。與其替每個製程逐一做出答案，不如讓工程師解題與營運中累積的知識留下來，在下一個問題再次使用，進而提高 manufacturing learning rate。