Pareto-diagrammet er basert på forskning fra Villefredo Pareto. Han fant at omtrent 80 prosent av all formue italienske byer han undersøkte, ble holdt av bare 20 prosent av familiene. Pareto-prinsippet har vist seg å gjelde på andre områder, fra økonomi til kvalitetskontroll. Pareto-diagrammer har imidlertid flere ulemper.
Lett å gjøre, men vanskelig å feilsøke
Basert på Pareto-prinsippet bør enhver prosessforbedring fokusere på 20 prosent av problemene som forårsaker de fleste problemene for å få størst effekt. En av ulempene ved Pareto-diagrammer er imidlertid at de ikke gir noe innblikk i grunnårsakene. For eksempel viser et Pareto-diagram at halvparten av alle problemer oppstår i frakt og mottak. Feilmoduser Effektanalyse, statistiske prosesskontrolldiagrammer, løpekart og årsakskart er nødvendig for å bestemme de mest grunnleggende årsakene til at de viktigste problemene som er identifisert av Pareto-diagrammet, forekommer.
Flere Pareto-diagrammer kan være nødvendig
Pareto-diagrammer kan vise hvor de store problemene oppstår. Det kan imidlertid være at et diagram ikke er nok. For å spore årsaken til feilene til kilden, kan lavere nivåer av Pareto-diagrammer være nødvendig. Hvis det oppstår feil i frakt og mottak, er det nødvendig med ytterligere analyse og flere diagrammer for å vise at den største bidragsyteren er i ordreopptak eller etikettutskrift. En annen ulempe ved Pareto-diagrammer er at når flere er opprettet med finere detaljer, er det også mulig å miste synet av disse årsakene i forhold til hverandre. Topp 20 prosent av grunnårsaker i en Pareto-analyse, to til tre lag ned fra det opprinnelige Pareto-diagrammet, må også sammenlignes med hverandre, slik at målrettingen vil få størst effekt.
Kvalitative data versus kvantitative data
Pareto-diagrammer kan kun vise kvalitative data som kan observeres. Det viser bare hyppigheten av et attributt eller en måling. En ulempe med å generere Pareto-diagrammer er at de ikke kan brukes til å beregne gjennomsnittet av dataene, dets variabilitet eller endringer i den målte egenskapen over tid. Det kan ikke brukes til å beregne gjennomsnittet, standardavviket eller annen statistikk som trengs for å oversette data samlet inn fra en prøve og estimere tilstanden til den virkelige befolkningen. Uten kvantitative data og statistikken som er beregnet ut fra dataene, er det ikke mulig å matematisk teste verdiene. Kvalitativ statistikk er nødvendig for om en prosess kan ligge innenfor en spesifikasjonsgrense. Mens et Pareto-diagram kan vise hvilket problem som er størst, kan det ikke brukes til å beregne hvor ille problemet er, eller hvor langt endringer vil bringe en prosess tilbake til spesifikasjonen.
