Pareto-kaavio perustuu Villefredo Pareton tutkimukseen. Hän totesi, että noin 80 prosenttia kaikista italialaisten kaupunkien rikkaudesta, joita hän tutki, oli vain 20 prosenttia perheistä. Pareto-periaatteen on todettu soveltuvan muilla aloilla, taloudesta laadunvalvontaan. Pareto-kaavioilla on kuitenkin useita haittoja.
Helppo tehdä, mutta vianmääritys on vaikeaa
Pareto-periaatteen perusteella prosessien parantamisen tulisi keskittyä 20 prosenttiin asioista, jotka aiheuttavat suurimman osan ongelmista, jotta vaikutus olisi suurin. Pareto-kaavioiden yksi haittapuoli on kuitenkin se, että ne eivät anna tietoa perussyistä. Esimerkiksi Pareto-kaavio osoittaa, että puolet kaikista ongelmista ilmenee kuljetuksessa ja vastaanottamisessa. Onnettomuusmuotojen tehokkuusanalyysi, tilastollisten prosessien hallintakaaviot, ajo-kaaviot ja syy-seurauskartat ovat välttämättömiä, jotta voidaan määrittää tärkeimmät syyt, joita Pareto-kaavion tunnistamat tärkeimmät ongelmat ilmenevät.
Useita Pareto-kaavioita saatetaan tarvita
Pareto-kaaviot voivat näyttää tärkeimmät ongelmat. Yksi kaavio ei ehkä kuitenkaan riitä. Jotta virheen syyt voitaisiin jäljittää sen lähteeseen, Pareto-kaavioita voidaan tarvita pienemmiksi. Jos kuljetuksessa ja vastaanottamisessa esiintyy virheitä, tarvitaan lisäanalyysejä ja lisää kaavioita osoittaakseen, että suurin tekijä on tilausten tekemisessä tai etikettipainossa. Pareto-kaavioiden toinen haittapuoli on se, että koska enemmän luodaan hienommilla yksityiskohdilla, on myös mahdollista unohtaa nämä syyt toisiinsa nähden. Pareto-analyysin kahdesta kolmeen kerrokseen alaspäin alkuperäisestä Pareto-kaaviosta peräisin olevien 20 perimmäisen syyn on myös verrattava toisiinsa siten, että kohdistetulla korjauksella on suurin vaikutus.
Laadulliset tiedot ja kvantitatiiviset tiedot
Pareto-kaaviot voivat näyttää vain kvalitatiivisia tietoja, joita voidaan havaita. Se näyttää vain attribuutin tai mittauksen taajuuden. Pareto-kaavioiden muodostamisen yksi haittapuoli on, että niitä ei voida käyttää laskemaan datan keskiarvoa, sen vaihtelua tai muutoksia mitatussa määritteessä ajan mittaan. Sitä ei voida käyttää laskemaan keskiarvoa, standardipoikkeamaa tai muuta tilastoa, jota tarvitaan näytteestä kerättyjen tietojen kääntämiseksi ja reaalimaailman populaation arvioimiseksi. Ilman määrällisiä tietoja ja näistä tiedoista laskettuja tilastoja ei voida mitata matemaattisesti. Laadullisia tilastoja tarvitaan, jotta prosessi voi jäädä määrittelyrajan rajoissa. Vaikka Pareto-kaavio voi osoittaa, mikä ongelma on suurin, sitä ei voida käyttää laskemaan, kuinka huono ongelma on tai kuinka pitkälle muutokset tuovat prosessin takaisin määrittelyyn.
