Pareto-diagrammet er baseret på Villefredo Pareto's forskning. Han fandt ud af, at ca. 80 procent af alle rigdom af italienske byer, han undersøgte, blev afholdt af kun 20 procent af familierne. Pareto-princippet har vist sig at finde anvendelse på andre områder, fra økonomi til kvalitetskontrol. Pareto-diagrammer har dog flere ulemper.
Nem at gøre, men svært at fejlfinding
Baseret på Pareto-princippet bør enhver procesforbedring fokusere på de 20 procent af problemer, der forårsager størstedelen af problemerne for at få størst effekt. En af ulemperne ved Pareto-diagrammer er imidlertid, at de ikke giver noget indblik i grundårsagerne. For eksempel viser et Pareto-diagram at halvdelen af alle problemer opstår i forsendelse og modtagelse. Fejlfunktioner Effektanalyse, statistiske processtyringsdiagrammer, kørekort og årsagskort er nødvendige for at bestemme de mest grundlæggende grunde til, at de vigtigste problemer, der er identificeret ved Pareto-diagrammet, forekommer.
Flere parametre kan være nødvendige
Pareto-diagrammer kan vise, hvor de største problemer opstår. Et diagram er måske ikke nok. For at spore årsagen til fejlene til dens kilde, kan der være behov for lavere niveauer af Pareto-diagrammer. Hvis der opstår fejl i forsendelse og modtagelse, er det nødvendigt med yderligere analyser og flere diagrammer for at vise, at den største bidragyder er i ordreoptagelse eller etiketudskrivning. En anden ulempe ved Pareto-diagrammer er, at der som flere er skabt med finere detaljer, er det også muligt at miste disse årsager i forhold til hinanden. De øverste 20 procent af grundårsagerne i en Pareto-analyse to til tre lag ned fra det oprindelige Pareto-diagram må også sammenlignes med hinanden, så målrettede løsninger får størst effekt.
Kvalitative data versus kvantitative data
Pareto-diagrammer kan kun vise kvalitative data, der kan observeres. Det viser kun hyppigheden af en attribut eller måling. En ulempe ved at generere Pareto diagrammer er, at de ikke kan bruges til at beregne gennemsnittet af dataene, dets variabilitet eller ændringer i den målte attribut over tid. Det kan ikke bruges til at beregne middelværdien, standardafvigelsen eller anden statistik, der er nødvendig for at oversætte data indsamlet fra en prøve og estimere tilstanden i den virkelige verdens befolkning. Uden kvantitative data og statistikken beregnet ud fra disse data er det ikke muligt at matematisk teste værdierne. Kvalitativ statistik er nødvendig for, om en proces kan forblive inden for en specifikationsgrænse eller ej. Mens et Pareto-diagram viser, hvilket problem der er størst, kan det ikke bruges til at beregne, hvor dårligt problemet er, eller hvor langt ændringer vil bringe en proces tilbage i specifikationen.
