Ulemperne ved Pareto Analysis
Den Pareto diagram er baseret på forskning af Villefredo Pareto. Han fandt, at omkring 80 procent af al rigdom af italienske byer, han forsket blev holdt af kun 20 procent af familierne. Den Pareto Princippet har vist sig at gælde på andre områder, fra økonomi til kvalitetskontrol. Pareto diagrammer har flere ulemper, dog.
Let at lave, men svært at fejlfinde
Baseret på Pareto princippet bør enhver procesforbedring fokusere på 20 procent af problemer, der forårsager de fleste problemer for at have den største effekt. Men en af ulemperne ved Pareto diagrammer er, at de giver ingen indsigt i de grundlæggende årsager. For eksempel vil en Pareto diagram viser, at halvdelen af alle problemer opstår inden for skibsfart og modtagelse. Brudformer Effect Analysis, er statistisk proceskontrol diagrammer, køre diagrammer og forårsage og virkning diagrammer er nødvendige for at fastlægge de mest basale årsager til, at de store problemer, som Pareto diagram er ved at ske.
Flere Pareto diagrammer kan være nødvendige
Pareto diagrammer kan vise, hvor de store problemer opstår. Dog kan ét kort ikke være nok. For at spore årsagen til fejlene til kilden, kan der være behov lavere niveauer af Pareto diagrammer. Hvis fejl er indtruffet inden for skibsfart og modtagelse, er yderligere analyse og flere diagrammer er nødvendige for at vise, at den største bidragyder er i orden-hensyntagen eller etiket-udskrivning. En anden ulempe ved Pareto diagrammer er, at så mere er skabt med finere detaljer, er det også muligt at glemme disse årsager i forhold til hinanden. Den øverste 20 procent af grundlæggende årsager i en Pareto-analyse 2-3 lag ned fra den oprindelige Pareto diagram skal også ses i forhold til hinanden, således at det målrettede fix vil have den største effekt.
Kvalitative data Versus kvantitative data
Pareto diagrammer kan kun vise kvalitative data, der kan iagttages. Det viser blot frekvensen af en attribut eller måling. En ulempe ved at generere Pareto diagrammer er, at de ikke kan bruges til at beregne gennemsnittet af de data, dens variation eller ændringer i den målte egenskab over tid. Den kan ikke bruges til at beregne middelværdien, standardafvigelsen eller andre statistikker til at oversætte data indsamlet fra en prøve og vurdere tilstanden af virkelige verdens befolkning. Uden kvantitative data og statistikker beregnet ud fra, at data, er det ikke muligt at matematisk teste værdierne. Kvalitative statistikker er der behov for, hvorvidt en proces kan holde sig inden for en specifikation grænse. Mens en Pareto diagram kan vise, hvilken problem er størst, kan det ikke bruges til at beregne, hvor slemt problemet er eller hvor langt ændringer vil bringe en proces tilbage i specifikationen.