A Pareto-diagram a Villefredo Pareto kutatásain alapul. Megállapította, hogy az olasz városok gazdagságának mintegy 80 százaléka a családok mindössze 20 százaléka volt. A Pareto-elv más területeken, a közgazdaságtól a minőségellenőrzésig érvényes. A Pareto-diagramoknak azonban számos hátránya van.
Könnyen készíthető, de nehéz elhárítani
A Pareto-elv alapján minden folyamatjavításnak arra kell összpontosítania, hogy a problémák többsége 20% -ot okozjon a legnagyobb hatás elérése érdekében. A Pareto-diagramok egyik hátránya azonban az, hogy nem nyújtanak betekintést a gyökeres okokba. Például egy Pareto diagram megmutatja, hogy a problémák fele a szállítás és a fogadás során jelentkezik. A hibakeresési módok elemzése, a statisztikai folyamatvezérlő táblázatok, a futási diagramok és az ok-okozati diagramok szükségesek a Pareto diagram által feltárt főbb problémák leggyakoribb okainak meghatározásához.
Szükség lehet több pareto diagramra
A Pareto diagramok megmutathatják, hogy hol fordulnak elő a legnagyobb problémák. Előfordulhat azonban, hogy egy diagram nem elég. Ahhoz, hogy a források okait nyomon követhesse, szükség lehet a Pareto diagramok alacsonyabb szintjére. Ha a szállítás és a fogadás során hibákat tapasztalunk, további elemzésre és több diagramra van szükség ahhoz, hogy megmutassuk, hogy a legnagyobb hozzájárulás a megrendelésben vagy a címkenyomtatásban van. A Pareto-diagramok további hátránya, hogy mivel többet finomabb részletekkel hoznak létre, az is lehetséges, hogy ezeket az okokat szem elől tévesztjük egymáshoz képest. A Pareto-analízisben az eredeti Pareto-diagramból kettő-három rétegben a gyökeres okok 20% -át is összehasonlítani kell egymással, hogy a célzott javítás a legnagyobb hatással legyen.
Minőségi adatok a mennyiségi adatokkal szemben
A Pareto-diagramok csak olyan kvalitatív adatokat mutathatnak, amelyek megfigyelhetők. Csak egy attribútum vagy mérés gyakoriságát mutatja. A Pareto-diagramok létrehozásának egyik hátránya, hogy nem használhatók az adatok átlagának kiszámítására, változékonyságára vagy a mért attribútum változásaira. Nem használható arra, hogy kiszámítsa a mintából összegyűjtött adatok lefordításához szükséges átlagot, szórást vagy más statisztikát, és becsülje meg a valós populáció állapotát. Kvantitatív adatok és az ezekből az adatokból számított statisztikák nélkül nem lehet matematikailag tesztelni az értékeket. Minőségi statisztikákra van szükség ahhoz, hogy egy folyamat a specifikációs korláton belül maradjon-e vagy sem. Míg a Pareto-diagram megmutatja, hogy melyik probléma a legnagyobb, nem használható arra, hogy kiszámítsa, milyen rossz a probléma, vagy hogy a változások milyen mértékben hozják vissza a folyamatot a specifikációba.
