检测设备发现的是信号，良率关心的是最终可用 Die。二者之间隔着缺陷分类、工艺层、器件敏感区域和后续修复能力，因此“缺陷数下降”不必然等于“良率提高”。
1. 缺陷、杀伤性缺陷与失效
同一尺寸的缺陷落在关键图形与空白区，影响可能完全不同；某些缺陷会被后续工艺覆盖，另一些则传播成开路或短路。需要把位置、尺寸、类型和设计上下文结合，估计 Kill Probability。
2. 建立坐标与身份关联
检测坐标、Die Map 和电测 Bin 必须正确对齐，晶圆与工艺谱系也不能断链。SEMI E142 提供基板 Map 数据交换框架，但实际项目仍需验证坐标转换和 Die 身份。
3. 相关分析的常见陷阱
产品组合、层次成熟度和设备变化会同时影响缺陷与良率。只按周做相关系数可能得到伪关系。应在同质群组内比较，并考虑良率反馈延迟与重复测量。
检测灵敏度提高后，观测缺陷数可能上升而真实过程没有变差。模型必须包含检测 Recipe 和设备版本。
4. 检测数据怎样创造价值
早期发现异常可 Hold 受影响批次、阻止更多晶圆继续加工；空间签名可缩短根因定位；缺陷与电测关联可优化检测重点；长期趋势还能验证改善是否真正转化为良率。
价值评估应同时计算避免的损失、检测与复检成本、误报处置成本及发现延迟。
5. 用闭环结果校准策略
定期回看哪些缺陷最终导致失效、哪些报警没有产品影响，据此调整分类、采样和阈值。不能只用检测设备自身的“命中率”评价控制效果。
总结
检测数据影响良率的路径是“信号—缺陷—物理机制—器件失效—生产决策”。只有身份、坐标和时间链完整，并用下游结果持续校准，检测才从质量记录变成良率杠杆。