一张缺陷图告诉我们“在哪里”，缺陷分类则尝试回答“是什么”。Pareto 分析按照数量或影响排序，让有限工程资源优先处理主要矛盾，但它的可靠性取决于分类口径和分母。
1. 分类体系要服务行动
分类可以按形貌、材料、来源或失效影响组织。类别太宽无法指导处置，太细则标注不一致、样本稀疏。实用体系通常保留层级结构和 Unknown，并给出清晰定义与典型样本。
自动分类模型输出概率，不应把低置信度结果硬塞进类别。人工复核、模型版本和类别变更都要保留。
2. Pareto 的分母必须一致
按缺陷数排序适合看工作量，按受影响晶圆数能降低单片爆发的支配，按预计良率损失或经济风险排序更接近业务价值。不同口径会得到不同优先级，图表必须明确分母和时间窗口。
检测 Recipe、灵敏度和采样率变化会改变观察到的数量。未经归一化，不应直接比较前后 Pareto。
3. 80/20 不是定律
Pareto 图是一种排序工具，不保证前 20% 类别必然造成 80% 损失。长尾中的低频致命缺陷可能比高频外观缺陷更重要，因此还需叠加严重度与逃逸风险。
4. 分层后再合并
产品、层次、设备和工艺窗口不同，合并统计可能掩盖局部问题。先在同质上下文内分析，再寻找跨上下文共性，通常更容易形成可验证假设。
5. 闭环验证改善
改善前记录稳定基线，实施后观察缺陷率、分类构成和下游良率，并确认检测能力没有降低。类别数量下降也可能只是阈值或分类模型变化。
总结
缺陷分类把信号转成工程语言，Pareto 把语言转成优先级。只有分类稳定、统计口径透明并与严重度结合，排序才能真正指导改善。