Pareto diagramma ir balstīta uz Villefredo Pareto pētījumu. Viņš konstatēja, ka aptuveni 80 procenti no visām Itālijas pilsētām, ko viņš pētīja, bija tikai 20 procenti ģimeņu. Ir konstatēts, ka Pareto princips ir piemērojams citās jomās, sākot ar ekonomiku līdz kvalitātes kontrolei. Pareto diagrammās tomēr ir vairāki trūkumi.
Viegli izdarāms, bet ir grūti novērst
Pamatojoties uz Pareto principu, jebkuram procesa uzlabojumam jābūt vērstam uz 20 procentiem jautājumu, kas izraisa lielāko daļu problēmu, lai panāktu vislielāko ietekmi. Tomēr viens no Pareto diagrammu trūkumiem ir tas, ka tie nesniedz ieskatu par cēloņiem. Piemēram, Pareto diagramma parādīs, ka puse no problēmām rodas kuģniecības un saņemšanas laikā. Lai noteiktu vissvarīgākos iemeslus, kādēļ notiek Pareto diagrammas galvenās problēmas, ir nepieciešamas neveiksmes režīmu efekta analīze, statistikas procesu kontroles diagrammas, palaišanas diagrammas un cēloņu un seku diagrammas.
Var būt nepieciešamas vairākas Pareto diagrammas
Pareto diagrammas var parādīt, kur notiek lielākās problēmas. Tomēr viena diagramma var nebūt pietiekama. Lai izsekotu kļūdu cēloni tās avotam, var būt nepieciešami zemāki Pareto diagrammu līmeņi. Ja kuģošanas un saņemšanas laikā rodas kļūdas, ir nepieciešama turpmāka analīze un vairāk diagrammu, lai parādītu, ka lielākais ieguldītājs ir pasūtījumu pieņemšanā vai etiķešu drukāšanā. Vēl viens Pareto diagrammu trūkums ir tāds, ka, jo vairāk tiek veidoti ar sīkāku detaļu, ir iespējams arī aizmirst šos cēloņus salīdzinājumā ar otru. 20% no pamatcēloņiem Pareto analīzē no diviem līdz trim slāņiem uz leju no sākotnējās Pareto diagrammas ir arī jāsalīdzina viens ar otru, lai mērķtiecīgajam labojumam būtu vislielākā ietekme.
Kvalitatīvie dati pret kvantitatīvajiem datiem
Pareto diagrammas var parādīt tikai kvalitatīvus datus, kurus var novērot. Tas tikai parāda atribūta vai mērījuma biežumu. Viens no Pareto diagrammu radīšanas trūkumiem ir tas, ka tos nevar izmantot, lai aprēķinātu datu vidējo lielumu, tā mainīgumu vai izmērītā atribūta izmaiņas laika gaitā. To nevar izmantot, lai aprēķinātu vidējo, standarta novirzi vai citu statistiku, kas nepieciešama, lai iztulkotu no parauga savāktos datus un novērtētu reālās pasaules iedzīvotāju stāvokli. Bez kvantitatīviem datiem un no šiem datiem aprēķinātās statistikas vērtības nav iespējams matemātiski pārbaudīt. Kvalitatīva statistika ir nepieciešama, lai noskaidrotu, vai process var palikt specifikācijas robežās. Lai gan Pareto diagramma var parādīt, kura problēma ir vislielākā, to nevar izmantot, lai aprēķinātu, cik slikta ir problēma, vai cik lielā mērā izmaiņas atkal novestu procesu atpakaļ specifikācijā.
