全检能获得更多信息，却消耗设备时间和数据处理能力；抽样提高吞吐量，却可能漏掉稀有或局部异常。好的策略不是固定抽几个点，而是围绕风险、空间和检出概率设计覆盖。
1. 先定义总体和目标
要估计的是批次均值、晶圆内均匀性、缺陷率，还是尽早发现异常？不同目标对应不同抽样。必须明确总体是 Die、测点、晶圆还是 Lot，以及抽样单位是否真正独立。
2. 随机、分层与系统抽样
简单随机抽样便于统计推断，却可能遗漏边缘等关键区域；分层抽样保证中心、边缘、设备和批次都有代表；规则网格覆盖空间均匀，但可能与周期性缺陷产生混叠。实际常组合使用固定哨兵点和随机点。
NIST 强调抽样设计既要考虑估计精度，也要避免系统偏差与混杂。增加相邻测点不一定等于增加独立信息。
3. 覆盖率不只是面积比例
检测覆盖包括晶圆比例、面积、工艺层、设备、时间和缺陷类型。某种光学条件覆盖全片，也可能对特定缺陷没有灵敏度。报告覆盖率时必须说明检测能力和检出限。
4. 风险驱动的自适应抽样
新产品、维护后设备、异常腔体和高价值层可提高采样；稳定过程可降低频率。触发条件、最大降采周期和恢复全采规则应预先定义，防止“长期稳定”成为永久少测的借口。
自适应策略会改变数据分布。分析时必须记录为何采样，否则异常时期的数据增多会造成总体缺陷率偏高的假象。
5. 用仿真评估漏检风险
可把历史空间模式注入不同抽样方案，估计发现概率和发现延迟。模型必须覆盖稀有、局部和系统性异常，而不能只测试均匀随机缺陷。
总结
抽样是在检测成本与逃逸风险之间分配资源。明确目标、保证代表性、记录选择机制并量化检出概率，才比“每片测九点”这类经验规则更可靠。