CN110494741A - 用于从所制造组件识别的图案缺陷的系统性及随机性表征的系统、方法及计算机程序产品 - Google Patents

Abstract

本发明提供一种用于从所制造组件识别的图案缺陷的系统性及随机性表征的系统、方法及计算机程序产品。在使用中，识别从所制造组件检测的多个图案缺陷。另外，基于预定义准则来分析所述图案缺陷中的每一者的属性。此外，从所述分析确定所述多个图案缺陷的第一组图案缺陷是系统图案缺陷，且从所述分析确定所述多个图案缺陷的第二组图案缺陷是随机图案缺陷。此外，针对所述经确定系统图案缺陷执行第一动作，且针对所述经确定随机图案缺陷执行第二动作。

Description

用于从所制造组件识别的图案缺陷的系统性及随机性表征的 系统、方法及计算机程序产品

相关申请案

本申请案主张于2017年4月12日申请的第62/484713号美国临时专利申请案的权益，所述案以全文引用的方式并入本文中。

技术领域

本发明涉及所制造组件上的图案缺陷，且更特定来说，涉及识别所制造组件上的图案缺陷。

背景技术

半导体制造的一个方面是识别掩模及晶片两者上的所有图案缺陷，以确保先进装置的足够良率。历史上，焦点曝光矩阵(FEM)及工艺窗验证(PWQ)已经成为用于在掩模已经产生及检验之后识别晶片上的缺陷的过程。然而，经识别的缺陷受限于系统图案缺陷。

系统图案缺陷通常发生于给定位置处，且主要归因于经设计图案的弱点或归因于光学接近校正(OPC)或次分辨率辅助特征(SRAF)实施方案的质量。因此，上文提及的过程合理地良好工作以识别图案缺陷，直到引入极紫外光刻(EUV)。

归因于EUV的低光子密度，散粒噪声效应导致能够可靠地印刷图案的不确定性，且因此甚至相同图案可能在相同曝光条件下在不同位置处失效。例如，即使使用相同光学接近校正(OPC)及次分辨率辅助特征(SRAF)，可在晶片上的一个位置处正确印刷相同图案，而另一位置可能失效。给定图案内的失效的位置可变化，这被称为随机效应，且识别这些随机缺陷对于用于识别系统缺陷的现有过程更具挑战性。虽然可能能够运用现有过程发现受关注图案，但存在归因于位置准确度的风险，且此随机性性质将导致此类问题的错误分类及取样不足。

因此，需要图案分组及取样的新过程，以及用于识别系统缺陷的新过程，特定来说，这是因为在用于集成电路(IC)制造的半导体晶片处理的良率管理中缺陷检验起关键作用。使用EUV制造的其它组件的情况同样如此。

因此需要解决与用于识别所制造组件上的图案缺陷的现有技术相关联的这些及/或其它问题。

发明内容

提供一种用于从所制造组件识别的图案缺陷的系统性及随机性表征的系统、方法及计算机程序产品。在使用中，识别从所制造组件检测的多个图案缺陷。另外，基于预定义准则来分析所述图案缺陷中的每一者的属性。此外，从所述分析确定所述多个图案缺陷的第一组图案缺陷是系统图案缺陷，且从所述分析确定所述多个图案缺陷的第二组图案缺陷是随机图案缺陷。此外，针对经确定系统图案缺陷执行第一动作，且针对经确定随机图案缺陷执行第二动作。

附图说明

图1A展示说明非暂时性计算机可读媒体的一个实施例的框图，其包含用于执行本文中所描述的计算机实施方法的一或多者的可执行于计算机系统上的程序指令。

图1B是说明经配置以检测制造装置上的缺陷的检验系统的一个实施例的侧视图的示意图。

图2说明根据实施例的具有变化位置处的缺陷的经捕获图案图像。

图3说明根据实施例的针对系统缺陷及随机缺陷的曝光的冲突的优化。

图4说明根据实施例的用于从所制造组件识别的图案缺陷的系统性及随机性表征的方法。

图5说明根据实施例的检测来自所制造组件的缺陷的系统的缺陷位置准确度(DLA)，及相对于DLA的系统图案失效对随机图案失效的分布。

图6说明根据实施例的用于从半导体晶片识别的图案缺陷的系统性及随机性表征的方法。

具体实施方式

以下描述揭示一种用于从所制造组件识别的图案缺陷的系统性及随机性表征的系统、方法及计算机程序产品。应注意，可在任何集成及/或分开的计算机及检验系统(例如晶片检验、光罩检验、激光扫描检验系统等)的上下文中实施包含下文所描述的各种实施例的此系统、方法及计算机程序产品，例如下文参考图1A到B描述者。

额外实施例涉及非暂时性计算机可读媒体，其存储用于执行用于从所制造组件识别的图案缺陷的系统性及随机性表征的计算机实施方法的可执于计算机系统上的程序指令。一个此实施例展示于图1A中。特定来说，如图1A中所示，计算机可读媒体100包含可执行于计算机系统104上的程序指令102。计算机实施方法包含下文参考图2描述的方法的步骤。可针对其执行程序指令的计算机实施方法可包含本文中描述的任何其它操作。

实施例如本文中描述的方法的方法的程序指令102可存储于计算机可读媒体100上。所述计算机可读媒体可为存储媒体(例如磁盘或光盘、或磁带或所属领域中已知的任何其它适合非暂时性计算机可读媒体)。作为一选项，计算机可读媒体100可位于计算机系统104内。

可以各种方式中的任一者实施程序指令，包含基于程序的技术、基于组件的技术及/或面向对象技术，等等。例如，可使用ActiveX控件、C++对象、JavaBeans、Microsoft基础类别(“MFC”)或者其它技术或方法(视需要)来实施程序指令。

计算机系统104可采用各种形式，包含个人计算机系统、图像计算机、主计算机系统、工作站、网络设备、因特网设备或其它装置。一般来说，术语“计算机系统”可经广义定义以涵盖具有执行来自存储器媒体的指令的一或多个处理器的任何装置。计算机系统104还可包含所属领域中已知的任何适当处理器(例如并行处理器)。另外，计算机系统104可包含具有高速处理及软件的计算机平台，作为独立工具或网络工具。

额外实施例涉及经配置用于从所制造组件识别的图案缺陷的系统性及随机性表征的系统。此系统的一个实施例经展示于图1B中。系统包含检验系统105，所述检验系统105经配置以产生针对在晶片(或其它装置)上制造的组件的输出，所述晶片(或其它装置)在此实施例中如本文中所进一步描述那样配置。系统还包含经配置用于执行下文参考图2描述的操作的一或多个计算机系统。一或多个计算机系统可经配置以执行根据本文中所描述的实施例中的任一者的这些操作。(若干)计算机系统及系统可经配置以执行本文中所描述的任何其它操作且可进一步如本文中所描述那样配置。

在图1B中所示的实施例中，计算机系统中的一者是电子设计自动化(EDA)工具的部分，且检验系统及计算机系统中的另一者不是EDA工具的部分。这些计算机系统可包含(例如)上文参考图1A描述的计算机系统104。例如，如图1B中所示，计算机系统中的一者可为包含于EDA工具106中的计算机系统108。EDA工具106及包含于此工具中的计算机系统108可包含任何市售EDA工具。

检验系统105可经配置以在扫描期间通过用光扫描晶片并检测来自晶片的光而产生针对在晶片上制造的组件的输出。例如，如图1B中所示，检验系统105包含光源120，所述光源120可包含所属领域中已知的任何适合光源。来自光源的光可经引导到分束器118，所述分束器118可经配置以将光从光源引导到晶片122。光源120可耦合到任何其它适合元件(未展示)，例如一或多个聚光透镜、准直透镜、中继透镜、物镜、孔径、光谱滤光器、偏光组件及类似者。如图1B中所示，光可以垂直入射角引导到晶片122。然而，光可以任何适合入射角(包含近垂直入射角及斜入射角)引导到晶片122。另外，光或多个光束可以一个以上入射角循序或同时引导到晶片122。检验系统105可经配置以按任何适合方式遍及晶片122扫描光。

可在扫描期间通过检验系统105的一或多个通道而收集并检测来自晶片122的光。例如，以相对接近垂直的角度从晶片122反射的光(即，当入射是垂直时的镜面反射光)可通过分束器118到透镜114。透镜114可包含折射光学元件，如图1B中所示。另外，透镜114可包含一或多个折射光学元件及/或一或多个反射光学元件。由透镜114收集的光可经聚焦到检测器112。检测器112可包含所属领域中已知的任何适当检测器(例如电荷耦合装置(CCD)或另一类型的成像检测器)。检测器112经配置以产生响应于由透镜114收集的反射光的输出。因此，透镜114及检测器112形成检验系统105的一个通道。检验系统105的此通道可包含所属领域中已知的任何其它适合光学组件(未展示)。

由于图1B中所示的检验系统经配置以检测从晶片122镜面反射的光，所以检验系统105经配置为BF检验系统。然而，此检验系统105还可经配置以用于其它类型的晶片检验。例如，图1B中所示的检验系统还可包含一或多个其它通道(未展示)。所述其它通道可包含经配置为散射光通道的本文中所描述的光学组件中的任一者(例如透镜及检测器)。所述透镜及所述检测器可如本文中所描述那样进一步配置。以此方式，检验系统105还可经配置用于DF检验。

检验系统105还可包含经配置以执行本文中所描述的方法的一或多个步骤的计算机系统110。例如，上文所描述的光学元件可形成检验子系统105的光学子系统111，所述检验子系统105还可包含耦合到光学子系统111的计算机系统110。以此方式，在扫描期间通过(若干)检测器产生的输出可提供到计算机系统110。例如，计算机系统110可(例如，通过图1B中的虚线所示的一或多个传输媒体，其可包含所属领域中已知的任何适当传输媒体)耦合到检测器112，使得计算机系统110可接收由检测器产生的输出。

检验系统105的计算机系统110可经配置以执行本文中所描述的任何操作。例如，计算机系统110可经配置用于从所制造组件识别的图案缺陷的系统性及随机性表征，如本文中所描述。另外，计算机系统110可经配置以执行本文中所描述的任何其它步骤。此外，尽管可通过不同计算机系统而执行本文中所描述的一些操作，但可通过单个计算机系统(例如检验系统105的计算机系统或独立计算机系统)而执行方法的所有操作。另外，(若干)计算机系统中的一或多者可经配置为虚拟检验器，例如2012年2月28日颁发给巴斯卡尔(Bhaskar)等人的第8,126,255号美国专利案中所描述，所述案宛如全文陈述那样以引用的方式并入本文中。

检验系统105的计算机系统110还可耦合到不是例如计算机系统108的检验系统的部分的另一计算机系统，所述计算机系统108可包含于例如上文所描述的EDA工具106的另一工具中，使得计算机系统110可接收通过计算机系统108产生的输出，所述输出可包含由所述计算机系统108产生的设计。例如，两个计算机系统可通过共享计算机可读存储媒体(例如晶片厂数据库)而有效地耦合或可通过传输媒体(例如上文所描述)而耦合，使得信息可在两个计算机系统之间传输。

应注意，本文中提供图1B以大体上说明可包含于本文中描述的系统实施例中的检验系统的配置。显然，本文中描述的检验系统配置可经变更，以使如在设计商用检验系统时正常执行的检验系统的性能优化。另外，本文中所描述的系统可使用现存检验系统(例如，通过将本文中所描述的功能性新增到现存检验系统)实施，例如可从科磊公司(KLA-Tencor)商业购得的29xx/28xx系列的工具。对于一些此类系统，本文中所描述的方法可提供为系统的任选功能性(例如，除所述系统的其它功能性外)。或者，本文中所描述的系统可“从头开始”设计以提供全新系统。

图2说明根据实施例的具有变化位置处的缺陷的经捕获图案图像200。经捕获图案图像200是从三个不同图案302、304、306的所制造组件(例如通过检验工具)捕获的图像。使用提供低光子密度的EUV来建构所制造组件。

对于图案302、304、306中的每一者，跨图像的序列的差异指示缺陷(即，失效)。然而，如所示，至少一些缺陷归因于随机效应而针对图案302、304、306中的每一者发生于变化位置处，使得所述缺陷不被视为是系统的(即，位置相依的)。针对图案302、304、306中的每一者发生于相同位置处的任何缺陷可被视为系统缺陷。

图3说明根据实施例的针对系统及随机缺陷的曝光的冲突的优化。如所示，针对系统缺陷，可以特定最佳曝光调制最小化缺陷的数目。然而，对于随机缺陷，以其最小化缺陷的最佳曝光调制不同于针对系统缺陷的最佳曝光调制。因此，存在针对系统及随机缺陷的曝光的冲突的优化。

图4说明根据实施例的用于从所制造组件识别的图案缺陷的系统性及随机性表征的方法400。

如操作402中所示，识别从所制造组件检测的多个图案缺陷。在本描述的上下文中，所制造组件是使用能够导致组件上的缺陷的制造工艺来建构的任何组件。例如，在一个实施例中，所制造组件可为半导体晶片上的裸片。此外，所制造组件可使用极紫外光刻(EUV)(其当使用低剂量的曝光时尤其易于出现随机缺陷)，或易于出现随机缺陷的任何其它工艺来建构。

如上文提及，识别从所制造组件检测的图案缺陷。图案缺陷中的每一者可为与印刷于所制造组件上的特定图案相关联的缺陷。因此，图案缺陷可为针对所制造组件上的不同图案检测的缺陷。

在一个实施例中，可通过首先接收从所制造组件检测的多个缺陷的指示而识别图案缺陷。例如，可从检测来自所制造组件的多个缺陷的检验系统接收从所制造组件检测的缺陷的指示。可通过按图案类型将指示的缺陷分组(即，分级)而进一步识别图案缺陷，使得每一群组表示多个图案缺陷的不同图案缺陷。

另外，如操作404中所示，基于预定义准则来分析图案缺陷中的每一者的属性。通常，属性可为失效频率、位置分布及焦点/曝光(即，调制)条件或EUV工艺特定的其它调制条件。在其中通过从相同图案检测的一群组缺陷而表示图案缺陷的上文所描述的实施例中，可从包含于群组中的缺陷收集经分析的图案缺陷的属性。仅通过实例，可收集缺陷中的每一者的位置及缺陷中的每一者的焦点/曝光条件。

如上文所提及，基于预定义准则来分析属性。此可包含对于每一图案缺陷，根据预定义准则将与图案缺陷相关联的缺陷分组(即，分级)。预定义准则可包含能够用于指示经分析的特定图案缺陷是随机缺陷或系统缺陷的各种不同准则。

在一个实施例中，预定义准则可包含与特定于图案缺陷的图案内的缺陷的位置的分布相关联的第一准则。因此，在此实施例中，基于第一准则来分析图案缺陷的属性可包含确定由图案缺陷表示的缺陷的位置的分布是否超过特定阈值。任选地，此第一准则可使用检测缺陷的系统的缺陷位置准确度(DLA)作为阈值，或作为优化阈值的基础。

在另一实施例中，预定义准则可包含与特定于图案缺陷的图案内的缺陷频率相关联的第二准则。因此，在此实施例中，基于第二准则来分析图案缺陷的属性可包含确定由图案缺陷表示的缺陷频率是否超过特定阈值。在各种实施例中，缺陷频率可针对所制造组件的特定调制设置确定，跨不同调制设置确定，跨包含所制造组件的晶片确定，及/或跨各自包含所制造组件的多个重复晶片确定。

此外，如操作406中所示，从分析确定多个图案缺陷的第一组图案缺陷是系统图案缺陷，且从分析确定多个图案缺陷的第二组图案缺陷是随机图案缺陷。通常，系统图案缺陷可各自为位置相依图案缺陷，而随机图案缺陷可各自为位置不相依图案缺陷。

在一个实施例中，从分析确定哪些图案缺陷是系统图案缺陷及哪些图案缺陷是随机图案缺陷可包含针对图案缺陷中的每一者，将至少一个预定义规则应用到分析的结果，以确定图案缺陷是系统图案缺陷或随机图案缺陷。每一规则可考虑通过其分析图案缺陷的准则的组合。

仅通过实例，一个规则可指示，当针对那个图案缺陷的位置分布超过给定阈值时，且当跨特定调制的针对那个图案缺陷的缺陷频率也超过给定阈值时，所述图案缺陷是随机缺陷。作为另一实例，第二规则可指示，当针对图案缺陷的位置分布不超过给定阈值时，且当跨特定调制的针对所述图案缺陷的缺陷频率超过给定阈值时，所述图案缺陷是系统缺陷。

此外，如操作408中所示，针对经确定系统图案缺陷来执行第一动作，及针对经确定随机图案缺陷来执行第二动作。第一动作及第二动作可至少部分彼此不同。因此，第一动作及第二动作可部分重叠或可根本不重叠。在任何情况中，第一动作及第二动作经执行以最小化或防止随后建构的所制造组件上的图案缺陷。

在一个实施例中，第一动作可包含优化与系统图案缺陷中的每一者相关联的图案(例如改变图案的形状或不同OPC特征)。在另一实施例中，第二动作可包含优化与随机图案缺陷中的每一者相关联的图案的调制(例如以便在EUV工艺期间提供足够光子密度)。当然，应注意，第一动作可针对每一系统图案缺陷独立执行，并可基于系统图案缺陷的属性来选择，以便最小化或防止随后建构的所制造组件上的系统图案缺陷。类似地，第二动作可针对每一随机图案缺陷独立执行，并可基于随机图案缺陷的属性来选择，以便最小化或防止随后建构的所制造组件上的随机图案缺陷。

图5说明根据实施例的检测来从所制造组件的缺陷的系统的DLA，及相对于DLA的系统图案失效对随机图案失效的分布。

如所示，针对任何一个特定系统图案缺陷检测的缺陷通常是由针对检验系统的DLA(DLA是虚线圆，如所示)涵盖。因此，虽然这些缺陷的位置可改变，但其通常不改变超出系统的准确度。

然而，针对任何一个特定随机图案缺陷检测的缺陷未由针对检验系统的DLA涵盖，但可在大于由系统的准确度提供的程度上变化。

为此，由于DLA通常对于任何特定检验系统是已知的，所以针对图案缺陷的缺陷的位置分布可为用于确定图案缺陷是系统图案缺陷或随机图案缺陷的一个准则。

图6说明根据实施例的用于从半导体晶片识别的图案缺陷的系统性及随机性表征的方法600。在一个实施例中，可在图4的方法400的上下文中执行方法600。当然，还可在其它上下文中执行方法600。应注意，上文给出的定义可同样适用于本描述。

如操作602中所示，接收从半导体晶片检测的多个缺陷的指示。可从检验工具接收此指示，作为对半导体晶片执行的检验过程的结果。另外，如操作604中所示，缺陷是按图案类型分组。因此，从相同图案检测的缺陷可经分组在一起以表示图案缺陷。

此外，如操作606中所示，收集图案缺陷的属性。针对任何特定图案缺陷，可从按那个相关联图案分组的缺陷收集属性。在操作608中，选择图案缺陷中的一者。

接着，在决定610中确定所选择的图案缺陷是系统图案缺陷或随机图案缺陷。可通过根据预定义准则分析属性且接着，将一或多个预定义规则应用到分析的结果而进行此确定。表1说明可通过其分析图案缺陷属性的预定义准则的实例。当然，应注意，表1中陈述的实例仅为说明性目的。

表1

·将共享“y”数量的类似特征的邻近距离“x”(即，位置分布)中的缺陷分组。

·调制内及跨调制计算给定图案的缺陷率。可使用来自相同工艺条件中的一或多者的数据。

·使用相对于系统DLA的缺陷位置分布来识别归因于随机效应的缺陷。

·比较具有相同工艺条件(调制)的照片间的给定图案的缺陷频率。

·使用与实际缺陷位置及频率结合的图案分组(例如基于设计的分级(DBG))以将系统图案缺陷与随机缺陷分开。

·比较来自低剂量调制与高剂量调制的缺陷之间的缺陷特性。与低调制相比，在高调制下可见较少随机失效。

当所选择的图案缺陷被确定为系统图案缺陷时，采取第一动作，如操作612中所示。当所选择的图案缺陷被确定为随机图案缺陷时，采取第二动作，如操作614中所示。因此，可取决于图案缺陷是否经确定为系统图案缺陷或随机图案缺陷而采取不同动作。在采取第一动作/第二动作之后，方法600在决定616中确定是否存在待分析的另一图案缺陷。当确定存在待分析的另一图案缺陷时，方法600针对所述下一个图案缺陷返回到操作608。当确定不存在待分析的另一图案缺陷析时，方法600终止。

虽然上文已描述各种实施例，但应理解其仅通过实例提出且非限制。因此，优选实施例的宽度及范围不应由上文描述的示范性实施例限制，而应仅根据所附权利要求书及其等效物界定。

Claims (19)

1.一种非暂时性计算机可读媒体，其存储具有可由处理器执行以执行方法的代码的计算机程序产品，所述方法包括：

识别从所制造组件检测的多个图案缺陷；

基于预定义准则来分析所述图案缺陷中的每一者的属性；

从所述分析确定所述多个图案缺陷的第一组图案缺陷是系统图案缺陷，及确定所述多个图案缺陷的第二组图案缺陷是随机图案缺陷；

针对所述经确定系统图案缺陷执行第一动作；及

针对所述经确定随机图案缺陷执行第二动作。

2.根据权利要求1所述的非暂时性计算机可读媒体，其中所述所制造组件是半导体晶片上的裸片。

3.根据权利要求1所述的非暂时性计算机可读媒体，其中使用极紫外光刻EUV来建构所述所制造组件。

4.根据权利要求1所述的非暂时性计算机可读媒体，其中所述多个图案缺陷是由以下步骤识别：

接收从所述所制造组件检测的多个缺陷的指示，

按图案类型将所述多个缺陷分组，其中每一群组表示所述多个图案缺陷的不同图案缺陷。

5.根据权利要求4所述的非暂时性计算机可读媒体，其中从检测来自所述所制造组件的所述多个缺陷的检测系统接收从所述所制造组件检测的所述多个缺陷的所述指示。

6.根据权利要求4所述的非暂时性计算机可读媒体，其进一步包括从所述多个缺陷收集所述图案缺陷中的每一者的所述属性。

7.根据权利要求1所述的非暂时性计算机可读媒体，其中所述属性包含失效频率、位置分布及焦点/曝光或其它调制条件。

8.根据权利要求1所述的非暂时性计算机可读媒体，其中所述预定义准则包含与特定于所述图案缺陷的图案内的缺陷的位置的分布相关联的第一准则。

9.根据权利要求8所述的非暂时性计算机可读媒体，其中所述第一准则使用检测所述缺陷的系统的缺陷位置准确度DLA作为阈值。

10.根据权利要求8所述的非暂时性计算机可读媒体，其中所述预定义准则包含与特定于所述图案缺陷的所述图案内的缺陷频率相关联的第二准则。

11.根据权利要求10所述的非暂时性计算机可读媒体，其中所述缺陷频率是以下情况中的至少一者：

针对特定调制设置确定，

跨不同调制设置确定，

跨包含所述所制造组件的晶片确定，及

跨包含所述所制造组件的多个重复晶片确定。

12.根据权利要求1所述的非暂时性计算机可读媒体，其中基于预定义准则来分析所述图案缺陷中的每一者的所述属性包含：根据所述预定义准则将与所述图案缺陷相关联的缺陷分级。

13.根据权利要求1所述的非暂时性计算机可读媒体，其中从所述分析确定所述多个图案缺陷的所述第一组图案缺陷是系统图案缺陷，及确定所述多个图案缺陷的所述第二组图案缺陷是随机图案缺陷包含，针对所述图案缺陷中的每一者：

将至少一个预定义规则应用于所述分析的结果，以确定所述图案缺陷是系统图案缺陷或随机图案缺陷。

14.根据权利要求1所述的非暂时性计算机可读媒体，其中所述随机图案缺陷中的每一者是位置不相依图案缺陷。

15.根据权利要求1所述的非暂时性计算机可读媒体，其中所述第一动作至少部分不同于所述第二动作。

16.根据权利要求1所述的非暂时性计算机可读媒体，其中所述第一动作包含优化与所述系统图案缺陷中的每一者相关联的图案。

17.根据权利要求1所述的非暂时性计算机可读媒体，其中所述第二动作包含优化与所述随机图案缺陷中的每一者相关联的所述图案的调制。

18.一种方法，其包括：

识别从所制造组件检测的多个图案缺陷；

基于预定义准则来分析所述图案缺陷中的每一者的属性；

从所述分析确定所述多个图案缺陷的第一组图案缺陷是系统图案缺陷，及确定所述多个图案缺陷的第二组图案缺陷是随机图案缺陷；

针对所述经确定系统图案缺陷执行第一动作；及

针对所述经确定随机图案缺陷执行第二动作。

19.一种系统，其包括：

计算机处理器，其用于：

识别从所制造组件检测的多个图案缺陷；

基于预定义准则来分析所述图案缺陷中的每一者的属性；

从所述分析确定所述多个图案缺陷的第一组图案缺陷是系统图案缺陷，及确定所述多个图案缺陷的第二组图案缺陷是随机图案缺陷；

针对所述经确定系统图案缺陷执行第一动作；及

针对所述经确定随机图案缺陷执行第二动作。