Ang tsart ng Pareto ay batay sa pananaliksik ni Villefredo Pareto. Nalaman niya na ang humigit-kumulang 80 porsiyento ng lahat ng kayamanan ng mga lunsod na Italyano na sinaliksik niya ay ginanap ng 20 porsiyento lamang ng mga pamilya. Ang prinsipyo ng Pareto ay natagpuan na mag-aplay sa iba pang mga lugar, mula sa economics hanggang sa kalidad na kontrol. Gayunpaman, ang mga tsart ng Pareto ay may ilang mga disadvantages.
Madaling Gumawa ngunit Mahirap sa Pag-troubleshoot
Batay sa prinsipyo ng Pareto, ang anumang pagpapabuti ng proseso ay dapat tumuon sa 20 porsiyento ng mga isyu na sanhi ng karamihan ng mga problema upang magkaroon ng pinakamalaking epekto. Gayunpaman, ang isa sa mga disadvantages ng mga tsart ng Pareto ay hindi sila nagbibigay ng pananaw sa mga sanhi ng ugat. Halimbawa, ang isang tsart ng Pareto ay magpapakita na kalahati ng lahat ng mga problema ay nangyayari sa pagpapadala at pagtanggap. Pagkabigo Mga Mode ng Pagsusuri ng Epekto, Proseso sa Istatistika Ang mga chart ng kontrol, mga chart ng run at mga sanhi at epekto na mga tsart ay kinakailangan upang matukoy ang mga pangunahing dahilan na ang mga pangunahing isyu na kinilala ng chart ng Pareto ay nangyayari.
Maaaring Kinakailangan ang Maramihang Pareto Chart
Maaaring ipakita ng mga tsart ng Pareto kung saan nangyayari ang mga pangunahing problema. Gayunpaman, maaaring hindi sapat ang isang tsart. Upang masubaybayan ang sanhi ng mga pagkakamali sa pinagmulan nito, maaaring mas kailangan ang mas mababang antas ng mga chart ng Pareto. Kung nagkakamali ang mga pagkakamali sa pagpapadala at pagtanggap, ang karagdagang pagtatasa at higit pang mga tsart ay kinakailangan upang ipakita na ang pinakamalaking kontribyutor ay nasa pagkakasunud-sunod ng pagkakasunud-sunod o pag-label. Ang isa pang kawalan ng mga chart ng Pareto ay na dahil higit pa ang nilikha sa mas detalyadong detalye, posible rin na malimutan ang mga sanhi na ito kung ihahambing sa isa't isa. Ang pinakamataas na 20 porsiyento ng root na sanhi sa isang pagtatasa ng Pareto dalawa hanggang tatlong layer mula sa orihinal na chart ng Pareto ay dapat ding ihambing sa bawat isa upang ang target na fix ay magkakaroon ng pinakamalaking epekto.
Qualitative Data kumpara sa Dami ng Data
Ang mga tsart ng Pareto ay maaari lamang magpakita ng mapagkumpetensyang data na maaaring maobserbahan. Ito ay nagpapakita lamang ng dalas ng isang katangian o pagsukat. Ang isang kawalan ng pagbuo ng mga chart ng Pareto ay hindi nila maaaring gamitin upang kalkulahin ang average ng data, ang pagkakaiba-iba nito o mga pagbabago sa sinusukat na katangian sa paglipas ng panahon. Hindi ito maaaring gamitin upang kalkulahin ang ibig sabihin, ang standard deviation o iba pang mga istatistika na kinakailangan upang isalin ang data na nakolekta mula sa isang sample at tantyahin ang estado ng populasyon sa real-mundo. Walang dami ng data at ang mga istatistika na kinakalkula mula sa data na iyon, hindi posible na mathematically subukan ang mga halaga. Kinakailangan ang mga kwalitirang istatistika upang manatili o hindi ang isang proseso sa loob ng isang limitasyon sa pagtutukoy. Bagama't maaaring ipakita ng tsart ng Pareto kung aling problema ang pinakadakilang, hindi ito maaaring gamitin upang kalkulahin kung gaano masama ang problema o kung gaano kalayo ang mga pagbabago ay magdadala ng proseso pabalik sa detalye.
