TWI402928B

TWI402928B - 智慧型缺陷篩選及取樣方法

Info

Publication number: TWI402928B
Application number: TW100106930A
Authority: TW
Inventors: Iyun Leu; Chinhsen Lin
Original assignee: Elitetech Technology Co Ltd
Priority date: 2011-03-02
Filing date: 2011-03-02
Publication date: 2013-07-21
Also published as: TW201237978A

Description

智慧型缺陷篩選及取樣方法

本發明有關於一種缺陷分析方法，且特別是有關於缺陷篩選及取樣方法。

積體電路的製造過程包括薄膜沈積、光罩曝光、光微影技術、蝕刻等，在製造的過程中，隨機微微粒缺陷(random particle defect)及系統性缺陷(systematic defect)等難以避免地產生，這將影響產品的良率，而產品的良率關係到晶粒的成本。

隨著設計佈局的特徵尺寸逐漸縮小，影響產品良率有關的缺陷變得較小，為了擷取晶圓上所有致命的缺陷，代工廠必須增加其掃描及檢驗器具的靈敏度。因此，被檢驗出來的缺陷個數也會隨之增加，然而，事實上非致命的缺陷占所有檢驗出來的缺陷百分比亦會增加。此外，為了確認出真正潛在性的缺陷，代工廠將使用電子式掃描顯微鏡來檢視及分類所有被檢驗出來的缺陷。然而，代工廠的時間卻是有限的，且用來檢視的電子式掃描顯微鏡的效能可能限制了每個晶圓上被觀察的個數。因此，目前的技術在確認出產品上屬於重要類型的缺陷是有困難的，且具有遺漏辨識出致命性缺陷的風險。

若沒有一個快速且創新的方法來預先地確認系統性缺陷，代工廠將面臨龐大的產量下滑以及花費大量的學習時間在量產上。

有鑑於上述問題，本發明實施例提供一種智慧型缺陷篩選與取樣方法，用以改善系統性缺陷的檢測率以及檢視缺陷的效率。

為了達成上述目的，本發明實施例提供一種智慧型缺陷篩選與取樣方法，包括預先將一產品的設計佈局處理為複數個基於佈局的圖案群，其中設計佈局包括複數個佈局圖案；將設計佈局劃分為複數個晶胞，其中多個晶胞中的每一個晶胞是根據其佈局圖案特徵而屬於多個圖案群中的一個；重疊多個晶胞中屬於同一個圖案群的多個晶胞；從一缺陷掃描及檢驗器具擷取一晶圓上的多個缺陷的複數個缺陷資料，其中多個缺陷資料中的每一個缺陷資料包括一缺陷尺寸及一缺陷座標；藉由映射多個缺陷至重疊的多個圖案群來建立複數個基於佈局的缺陷合成圖案群；對具有至少一個缺陷聚集佈局圖案的缺陷合成圖案群執行佈局圖案匹配，以取得多個缺陷合成圖案群中的每一個獨特的缺陷合成圖案群；對每一個缺陷合成圖案群執行一些缺陷取樣選擇法則，以判斷多個缺陷合成圖案群的潛在系統性缺陷優先順序；根據多個缺陷合成圖案群的潛在系統缺陷優先順序將多個缺陷合成圖案群分類為多個不同的缺陷類型；根據多個缺陷合成圖案群的缺陷類型來檢視不同取樣個數的多個缺陷合成圖案群，以取得一缺陷影像檔案；及藉由對缺陷影像檔案執行一缺陷產生率分析以產生一缺陷圖案資料庫或一缺陷產生率預測。

綜上所述，本發明實施例所提供的智慧型缺陷篩選與取樣方法可藉由較少的取樣率來達成增加系統性缺陷的檢測率以及檢視缺陷的效率。

為使能更進一步瞭解本發明之特徵及技術內容，請參閱以下有關本發明之詳細說明與附圖，但是此等說明與所附圖式僅係用來說明本發明，而非對本發明的權利範圍作任何的限制。

本說明書揭露一種智慧型缺陷篩選與取樣方法，係根據對每一個基於佈局的缺陷合成圖案群的缺陷類型而採取不同取樣個數的缺陷影像來檢視。因此，如果在製造過程中有任何系統性缺陷出現在產品上，則使用者(工程師或設計者)便可準確地預先知道並處理這些缺陷。

在本揭露書中，產品可以是晶圓、光罩、一印刷電路板、一平面顯示器、一晶圓凸塊、一發光二極體或太陽能電池。

所述的智慧型缺陷篩選與取樣方法可以藉由軟體來執行，或是軟體結合硬體來實施，且可以是在單獨一台電腦上自動地執行，或是在多台交互作用的電腦上自動地執行。

請參照圖1A，圖1A是本發明的一實施例之設計公司與代工廠的示意圖。本實施例的產品舉晶圓為例。整體上來說，智慧型缺陷篩選與取樣方法可以是在代工廠20(以下簡稱工廠20)中執行，或是在積體電路設計公司30(以下簡稱設計公司30)中執行。設計公司30提供一個積體電路設計的設計佈局(design layout)給工廠20。工廠20根據設計部局使用上百個製造機具及設備在晶圓上製造出許多重複的晶粒(die)。在製造的過程中，一些缺陷將無法避免地產生在晶圓上，例如隨機微微粒缺陷、製程關連缺陷(process related defects)、系統性缺陷。

這些缺陷是由工廠20中的一缺陷掃描及檢驗器具所檢測出來，且此缺陷掃描及檢驗器具根據檢測結果輸出複數個與缺陷相對應的缺陷資料。工廠20中的電腦將被啟動來執行智慧型缺陷篩選與取樣方法，以分析來自缺陷掃描及檢驗器具的缺陷資料。並藉由執行缺陷產生率分析來取得一缺陷圖案資料庫或一缺陷產生預測給設計公司30。

[第一實施例]

接著，請參考圖1B，圖1B為本發明的智慧型缺陷篩選與取樣方法的第一實施例之流程圖。

請一併參考圖1C，圖1C為本發明的智慧型缺陷篩選與取樣方法的第一實施例之示意圖。

使用者預先將設計佈局110處理為複數個基於佈局的圖案群(layout based pattern group)LPG₁ 、LPG₂ 、LPG₃ (S101)，其中設計佈局110是由使用者設計給晶圓10，晶圓10具有一完整晶片佈局(full-chip layout)11，且完整晶片佈局11包括複數個晶粒(die)11D₁ 、11D₂ ,、11D₃ ，藉由電腦從一設計佈局資料庫擷取出多個晶粒11D₁ 、11D₂ ,、及11D₃ 的設計佈局110，所擷取的設計佈局110具有複數個佈局圖案(layout pattern)以及位於設計佈局110或晶圓10中心的第二參考原點(x_O2 ,y_O2 )，其中多個佈局圖案具有不相同的佈局圖案特徵。

接著，電腦根據佈局圖案特徵將設計佈局110劃分為複數個晶胞(cell) C11~C1a、C21~C2b、C31~C3c(S103)，其中多個晶胞C11~C1a、C21~C2b、C31~C3c中的一些晶胞具有相同的佈局圖案特徵，具有相同的佈局圖案特徵的晶胞便被分配成複數個基於佈局的圖案群LPG₁ 、LPG₂ 、LPG₃ 中的同一群，每一群基於佈局的圖案群LPG₁ 、LPG₂ 或LPG₃ 具有不同個數的多個晶胞C11~C1a、C21~C2b、C31~C3c。

然後，電腦將多個晶胞C11~C1a、C21~C2b、C31~C3c中屬於同一個圖案群LPG₁ 、LPG₂ 或LPG₃ 的多個晶胞重疊在一起(S105)。

接著，電腦再從一缺陷掃描及檢驗器具(圖未示)擷取晶圓10上的多個缺陷101的複數筆缺陷資料130(S107)，圖1C上顯示了來自缺陷掃描及檢驗器具所取得的缺陷設計佈局100上的其中一缺陷103。缺陷103的多筆缺陷資料130中的每一筆包括缺陷103的序號(identification number)、缺陷103所屬的晶粒編號(die index)、缺陷103的第一缺陷座標(x₁ ,y₁ )及缺陷103的尺寸。其中第一缺陷座標(x₁ ,y₁ )是相對於第一參考原點座標(x_O1 ,y_O1 )，而第一參考原點座標(x_O1 ,y_O1 )可由缺陷掃描及檢驗器具所產生，且第一參考原點座標(x_O1 ,y_O1 )可以是位於缺陷設計佈局100的中心或角落，以作為標記(marker)。

缺陷資料130更包括產品名稱、缺陷製造過程、批號及粗略的缺陷影像等，值得注意的是，晶圓10上的第一參考原點座標(x_O1 ,y_O1 )並非缺陷103在設計佈局110上的精確座標，在一實施例中，缺陷設計佈局100的檔案規格可以是JPG、TIFF、PNG或純文字(text)規格等，而設計佈局110的規格可以是GDS或OASIS規格等。

電腦對缺陷103的第一缺陷座標(x₁ ,y₁ )執行座標轉換，將相對於第一參考原點座標(x_O1 ,y_O1 )的第一缺陷座標(x₁ ,y₁ )轉換為第二缺陷座標(x₂ ,y₂ )，其中第二缺陷座標(x₂ ,y₂ )是相對於第二參考原點座標(x_O2 ,y_O2 )，且第二參考原點座標(x_O2 ,y_O2 )是屬於設計佈局110的設計佈局座標系統的原點或中心點。

經過座標轉換後，電腦藉由映射多個缺陷101至重疊的多個圖案群LPG₁ 、LPG₂ 或LPG₃ 來建立複數個基於佈局的缺陷合成圖案群LDPG₁ 、LDPG₂ 、LDPG₃ (S109)。

其中每一個缺陷合成圖案群LDPG₁ 、LDPG₂ 或LDPG₃ 具有不同的佈局圖案及不同的合成缺陷圖案，電腦對具有至少一個缺陷聚集佈局圖案的缺陷合成圖案群LDPG₁ 、LDPG₂ 、LDPG₃ 執行佈局圖案匹配，以取得多個缺陷合成圖案群LDPG₁ 、LDPG₂ 、LDPG₃ 中的每一個獨特的缺陷合成圖案群(S111)。

接著，電腦對每一個缺陷合成圖案群LDPG₁ 、LDPG₂ 、LDPG₃ 執行一些缺陷取樣選擇法則，以判斷多個缺陷合成圖案群LDPG₁ 、LDPG₂ 、LDPG₃ 的潛在系統性缺陷優先順序(potential systematic defect priority)(S113)。

然後，電腦根據多個缺陷合成圖案群LDPG₁ 、LDPG₂ 、LDPG₃ 的潛在系統缺陷優先順序將多個缺陷合成圖案群LDPG₁ 、LDPG₂ 、LDPG₃ 分類為多個不同的缺陷類型(defect type)(S115)。

在一實施例中，缺陷類型可包括系統性缺陷類型及非系統性缺陷類型，其中系統性缺陷類型可以是頸縮(necking)、橋接(bridging)、遺漏(missing)、崩塌(collapsing)或不符設計佈局(design weak)缺陷。而非系統性缺陷類型包括虛擬圖案(dummy pattern)缺陷、非標準製程(abnormal process)缺陷、光罩缺陷、隨機微粒缺陷或非致命性多餘(nuisance)缺陷類型。

多個缺陷合成圖案群LDPG₁ 、LDPG₂ 、LDPG₃ 中的每一個所包含的一些缺陷佈局圖案100被傳送至掃瞄式電子顯微鏡(SEM)作檢視，其中每一個缺陷合成圖案群LDPG₁ 、LDPG₂ 或LDPG₃ 所取樣的缺陷佈局圖案100個數是根據其所屬的缺陷類型及潛在系統缺陷優先順序而有所不同。舉例來說，系統性缺陷類型的取樣個數較非系統性缺陷類型的取樣個數多。藉此，本發明的實施例所提供的智慧型缺陷篩選及取樣方法可精確地監測到缺陷，並節省掃瞄式電子顯微鏡(SEM)的檢視時間而不會遺漏了任何系統性缺陷。

之後，電腦根據多個缺陷合成圖案群的缺陷LDPG₁ 、LDPG₂ 、LDPG₃ 類型來檢視不同取樣個數的多個缺陷合成圖案群，根據檢視結果取得一缺陷影像檔案(S117)，其中缺陷影像檔案包括的缺陷影像為真正的系統性缺陷的影像。

最後，電腦藉由對缺陷影像檔案執行一缺陷產生率分析以產生一缺陷圖案資料庫或一缺陷產生率預測(S119)。其中被檢視的缺陷影像可以二進制代碼或多邊形圖案的格式儲存在缺陷圖案資料庫，二進制代碼可以是GDS或OASIS格式，多邊形可以是JPG、PNG、TIFF或純文字格式。缺陷圖案資料庫可以儲存至工廠20的網頁。

[第二實施例]

請參考圖2，圖2為本發明的智慧型缺陷篩選與取樣方法的第二實施例之流程圖。如圖2所示，第二實施例的智慧型缺陷篩選與取樣方法與第一實施例的智慧型缺陷篩選與取樣方法大致相同，其差異在於，電腦建立複數個基於佈局的缺陷合成圖案群LDPG₁ 、LDPG₂ 、LDPG₃ (S109)之後，第二實施例的智慧型缺陷篩選與取樣方法更包括以下步驟。

電腦執行的缺陷取樣選擇法則包括計算每一個缺陷合成圖案群LDPG₁ 、LDPG₂ 或LDPG₃ 的一命中率(S211)。其中命中率是關於每一個缺陷合成圖案群LDPG₁ 、LDPG₂ 或LDPG₃ 中的多個缺陷101個數與多個缺陷101所屬的多個晶胞C11~C1a、C21~C2b、C31~C3c個數的關係。舉例來說，命中率等於個缺陷101個數除以多個晶胞C11~C1a、C21~C2b、C31~C3c個數，若缺陷合成圖案群LDPG₁ 、LDPG₂ 或LDPG₃ 的命中率較高，則缺陷合成圖案群LDPG₁ 、LDPG₂ 或LDPG₃ 的類型較可能為系統性缺陷類型。

電腦執行的缺陷取樣選擇法則更包括估計每一個缺陷合成圖案群LDPG₁ 、LDPG₂ 或LDPG₃ 的一致命缺陷指數(S213)，其中致命缺陷指數是關於多個缺陷101的每一個缺陷的缺陷尺寸、缺陷座標偏移及佈局圖案的臨界面積(critical area)。舉例來說，當缺陷尺寸較大時，且佈局圖案的線寬(width)及空間(space)較細，則佈局圖案的臨界面積較大，而致命缺陷指數是正比於缺陷101所位於的佈局圖案的臨界面積，且致命缺陷指數代表佈局圖案中的缺陷位置的失敗可能性(failure probability)，例如佈局圖案是呈現開路(open)或短路(short)具有較高的失敗可能性。

電腦執行的缺陷取樣選擇法則更包括對每一個缺陷合成圖案群群LDPG₁ 、LDPG₂ 或LDPG₃ 執行一統計聚集分部分析(S215)。統計聚集分部分析是指找尋每一個缺陷合成圖案群群LDPG₁ 、LDPG₂ 或LDPG₃ 上缺陷出現頻率的分布統計，由統計結果所得到的統計尖端位置(statistic peak coordinate)代表缺陷經常出現的位置，也就是此位置出現系統性缺陷的機會高於隨機微粒缺陷。

電腦執行的缺陷取樣選擇法則更包括對每一個晶粒11D₁ 、11D₂ ,或11D₃ 中的多個晶胞C11~C1a、C21~C2b、C31~C3c的佈局圖案執行晶圓圖特徵圖案分析(wafermap signature pattern analysis)(S217)。晶圓圖特徵圖案分析是參照來自聚焦曝光矩陣(focus exposure matrix(FEM))或製程視窗認證測試(process window qualification(PWQ) test)。舉例來說，當晶粒11D₁ 、11D₂ ,或11D₃ 的臨界尺寸厚度的變化是非標準變異時，則系統性缺陷可能存在。

在一實施例中，使用者可藉由電腦設定上述不同的缺陷取樣選擇法則所佔有的權重來安排每一個缺陷合成圖案群LDPG₁ 、LDPG₂ 或LDPG₃ 所取樣的缺陷佈局圖案100個數是根據其所屬的缺陷類型及潛在系統缺陷優先順序。

除此之外，電腦執行的缺陷取樣選擇法則更包括從多個缺陷合成圖案群LDPG₁ 、LDPG₂ 、LDPG₃ 中過濾虛擬的佈局圖案(empty field or dummy pattern)缺陷來增進系統性缺陷的檢測率以及檢視缺陷的效率。

電腦還可以藉由設計確認(design check)來分析設計佈局110是屬於不符設計佈局(design weak)的缺陷類型，不符設計佈局的缺陷類型可以是違反設計規則(design rule)、微影製程/化學拋光(lithography/chemical mechanical polishing(CMP))模擬熱點及已存在的缺陷圖案測試。

當缺陷分布的區域是在較異常高缺陷個數的晶粒11D₁ 、11D₂ ,或11D₃ ，電腦還可以將缺陷101分析為異常製程缺陷類型，此缺陷分布的區域特別是指缺陷分布的形狀為環狀等，且位於中心區域或邊緣的晶粒11D₁ 、11D₂ ,或11D₃ 。

電腦還可藉由檢查缺陷的位置是在設計佈局110上的一些重複標線(repeated reticle)或是光罩修復位置(mask repair position)上，則電腦將缺陷101分析為光罩缺陷類型。

當缺陷101具有不同的尺寸大小，或隨機分布在晶圓圖上，則電腦可將缺陷101分析為隨機顆粒缺陷類型。

[第三實施例]

請參考圖3，圖3為本發明的智慧型缺陷篩選與取樣方法的第三實施例之流程圖。如圖3所示，第三實施例的智慧型缺陷篩選與取樣方法與第一實施例的智慧型缺陷篩選與取樣方法大致相同，其差異在於，電腦藉產生一缺陷圖案資料庫或一缺陷產生率預測(S119)之後，第三實施例的智慧型缺陷篩選與取樣方法更包括以下步驟。

設計公司30從工廠20的網站下載缺陷圖案資料庫(S321)。設計公司30的使用者從一設計佈局資料庫中擷取一個新設計佈局(S323)。藉由電腦對新設計佈局的複數個新設計佈局圖案與缺陷資料庫中的多個佈局圖案執行圖案匹配(S325)。

電腦根據執行圖案匹配辨識出在新設計佈局中的一潛在系統性缺陷圖案的位置(S327)。最後，使用者藉由圖案匹配的結果修復在製造過程中的潛在系統性缺陷圖案(S329)。

[第三實施例]

請參考圖4，圖4為本發明的智慧型缺陷篩選與取樣方法的第四實施例之流程圖。如圖4所示，第四實施例的智慧型缺陷篩選與取樣方法與第一實施例的智慧型缺陷篩選與取樣方法大致相同，其差異在於，電腦藉產生一缺陷圖案資料庫或一缺陷產生率預測(S119)之後，第四實施例的智慧型缺陷篩選與取樣方法更包括以下步驟。

工廠20藉由智慧型缺陷篩選與取樣方法估算晶圓10中每一層的缺陷產生率預測(S421)。藉由加入所有缺陷檢驗層的缺陷產生率分析數據來執行合成缺陷產生率分析(S423)。之後，根據缺陷產生率分析產生一批次(lot)及晶圓的缺陷產生率報告(S425)。

工廠20上傳批次及晶圓的缺陷產生率報告至一工廠網站(S427)。最後客戶或是設計者可根據批次及晶圓的缺陷產生率報告估計出整體的良好晶粒交貨品質預測(S429)。藉此，客戶或是設計者不僅可知道正在製造的缺陷良率，更可以知道即將出貨的整體良好晶粒的品質。

1.　設計佈局圖案上所有的缺陷可整體地被預先或即時地監視，並可迅速地被修復，而非單一地被一一檢查。

2.　智慧型缺陷篩選及取樣方法可增進系統性缺陷的檢測率以及檢視缺陷的效率。

3.　設計公司可即時掌握整體良好晶粒的品質及缺陷的產生。

4.　設計佈局可被預先地修復以提高產品的產量。

綜合上述，本發明所提供的實施例具有以下可能的效果。

以上所述僅為本發明之實施例，其並非用以侷限本發明之專利範圍。

20．．．代工廠

30．．．積體電路設計公司

10．．．晶圓

11．．．完整晶片佈局

110．．．設計佈局

100．．．缺陷佈局圖案

101、103．．．缺陷

11D₁ 、11D₂ 、11D₃ 、11D_n ．．．晶粒

C11~C1a、C21~C2b、C31~C3c．．．晶胞

LPG₁ ~LPG₃ ．．．基於佈局的圖案群

LDPG₁ ~LDPG₃ ．．．基於佈局的缺陷合成圖案群

(x₁ ,y₁ )、(x₂ ,y₂ )．．．缺陷座標

(x_O1 ,y_O1 )、(x_O2 ,y_O2 )．．．原點座標

S101~S119、S211~S217、S321~S329、S421~S429．．．智慧型缺陷篩選及取樣方法步驟

圖1A是本發明的一實施例之設計公司與代工廠的示意圖。

圖1B為本發明的智慧型缺陷篩選與取樣方法的第一實施例之流程圖。

圖1C為本發明的智慧型缺陷篩選與取樣方法的第一實施例之示意圖。

圖2為本發明的智慧型缺陷篩選與取樣方法的第二實施例之流程圖。

圖3為本發明的智慧型缺陷篩選與取樣方法的第三實施例之流程圖。

圖4為本發明的智慧型缺陷篩選與取樣方法的第四實施例之流程圖。

S101~S119．．．智慧型缺陷篩選及取樣方法步驟

Claims

一種智慧型缺陷篩選及取樣方法，包括：於一代工廠中，預先將一具有完整晶片佈局的晶圓的設計佈局處理形成複數個基於佈局的圖案群，其中該設計佈局包括複數個佈局圖案；將該晶圓的設計佈局劃分為複數個晶胞，其中該些晶胞中的每一個晶胞是根據其佈局圖案特徵而屬於該些圖案群中的一個；重疊該些晶胞中屬於同一個該圖案群的多個晶胞；從一缺陷掃描及檢驗器具擷取一晶圓上的多個缺陷的複數個缺陷資料，其中該些缺陷資料中的每一個缺陷資料包括一缺陷尺寸及一缺陷座標；藉由映射該些缺陷至重疊的該些圖案群來建立複數個基於佈局的缺陷合成圖案群；對具有至少一個缺陷聚集佈局圖案的該缺陷合成圖案群執行佈局圖案匹配，以取得該些缺陷合成圖案群中的每一個獨特的缺陷合成圖案群；對每一個缺陷合成圖案群執行一些缺陷取樣選擇法則，以判斷該些缺陷合成圖案群的潛在系統性缺陷優先順序；根據該些缺陷合成圖案群的潛在系統缺陷優先順序將該些缺陷合成圖案群分類為多個不同的缺陷類型；根據該些缺陷合成圖案群的缺陷類型來檢視不同取樣個數的該些缺陷合成圖案群，以取得一缺陷影像檔案；及藉由對該缺陷影像檔案執行一缺陷產生率分析以產生一缺陷圖案資料庫或一缺陷產生率預測。
如申請專利範圍第1項所述之智慧型缺陷篩選及取樣方法，其中該些缺陷取樣選擇法則包括計算每一個缺陷合成圖案群的一命中率，該命中率是關於每一個缺陷合成圖案群中的該些缺陷個數與該些晶胞個數的關係。
如申請專利範圍第2項所述之智慧型缺陷篩選及取樣方法，其中該些缺陷取樣選擇法則更包括估計每一個缺陷合成圖案群的一致命缺陷指數，該致命缺陷指數是關於該缺陷尺寸、該缺陷座標及該佈局圖案的臨界面積。
如申請專利範圍第3項所述之智慧型缺陷篩選及取樣方法，其中該些缺陷取樣選擇法則更包括對每一個缺陷合成圖案群執行一統計聚集分部分析。
如申請專利範圍第4項所述之智慧型缺陷篩選及取樣方法，其中該些缺陷取樣選擇法則更包括對每一個晶粒中的該些晶胞的佈局圖案執行晶圓圖特徵圖案分析。
如申請專利範圍第4項所述之智慧型缺陷篩選及取樣方法，其中該些缺陷取樣選擇法則更包括從該些缺陷合成圖案群中過濾虛擬的佈局圖案缺陷。
如申請專利範圍第5項所述之智慧型缺陷篩選及取樣方法，其中該些缺陷類型包括系統性缺陷類型及非致命性多餘缺陷類型。
如申請專利範圍第5項所述之智慧型缺陷篩選及取樣方法，其中該系統性缺陷類型的該些缺陷合成圖案群具有高命中率及高致命缺陷指數。
如申請專利範圍第5項所述之智慧型缺陷篩選及取樣方法，其中該非致命性多餘缺陷類型的該些缺陷合成圖案群具有低致命缺陷指數。
如申請專利範圍第1項所述之智慧型缺陷篩選及取樣方法，更包括：下載該缺陷圖案資料庫；從一設計佈局資料庫中擷取一個新設計佈局；對該新設計佈局的複數個新設計佈局圖案與該缺陷資料庫中的該些佈局圖案執行圖案匹配；根據執行圖案匹配辨識出在該新設計佈局中的一潛在系統性缺陷圖案的位置；及修復該潛在系統性缺陷圖案。
如申請專利範圍第1項所述之智慧型缺陷篩選及取樣方法，更包括：估算該晶圓的每一層的該缺陷產生率預測；藉由加入每一層中被檢驗的缺陷的缺陷產生率的分析數據來執行一合成缺陷產生率分析；根據該缺陷產生率分析產生一批次及晶圓的缺陷產生率報告；上傳該批次及晶圓的缺陷產生率報告至一工廠網站；及根據該批次及晶圓的缺陷產生率報告估計出整體的良好晶粒的交貨品質預測。