పరేటో చార్ట్ Villefredo Pareto పరిశోధన ఆధారంగా. అతను పరిశోధించిన ఇటాలియన్ నగరాల యొక్క మొత్తం సంపదలో సుమారు 80 శాతం కుటుంబాలు మాత్రమే 20 శాతం మాత్రమే కలిగి ఉన్నాయని తెలిపాడు. పరేటో సూత్రం ఇతర ప్రాంతాలలో ఆర్థిక శాస్త్రం నుండి నాణ్యతా నియంత్రణ వరకు వర్తించదగినది. అయితే, పారెటో పటాలు అనేక నష్టాలు కలిగి ఉన్నాయి.
సులభతరం కాని ట్రబుల్ షూట్ చేయడానికి కష్టం
పరేటో సూత్రం ఆధారంగా, ఏ ప్రక్రియ మెరుగుదల 20 శాతం సమస్యలపై దృష్టి సారించాలి, ఇది అత్యధిక ప్రభావాన్ని కలిగి ఉండటానికి సమస్యలకి కారణమవుతుంది. ఏదేమైనప్పటికీ, పారెటో పటాల యొక్క నష్టాల్లో ఒకటి ఏమిటంటే అవి మూల కారణాలపై ఎటువంటి అంతర్దృష్టిని అందించవు. ఉదాహరణకు, పారేటో చార్ట్ అన్ని సమస్యలలో సగం షిప్పింగ్ మరియు స్వీకరించడం జరుగుతుందని ప్రదర్శిస్తుంది. ఫేరే మోడ్స్ ఎఫెక్ట్ అనాలిసిస్, స్టాటిస్టికల్ ప్రాసెస్ కంట్రోల్ చార్ట్స్, పరుగు పటాలు మరియు కారణం-అండ్-ఎఫెక్ట్ పటాలు ప్రాధమిక కారణాలను నిర్ధారించడానికి అవసరమవుతాయి.
బహుళ ప్యారటో చార్ట్స్ అవసరం కావచ్చు
ప్రధాన సమస్యలు సంభవించే చోట పారెటో పటాలు చూపించగలవు. అయితే, ఒక చార్ట్ సరిపోకపోవచ్చు. దోషాలకు దాని మూలానికి కారణాన్ని గుర్తించడానికి, పారెటో పటాలు తక్కువ స్థాయిలో అవసరమవుతాయి. షిప్పింగ్ మరియు స్వీకరించడంలో తప్పులు సంభవించినట్లయితే, మరింత విశ్లేషణ మరియు మరిన్ని పటాలు అతిపెద్ద కంట్రిబ్యూటర్ ఆర్డర్-తీసుకోవడం లేదా లేబుల్ ముద్రణ అని చూపించడానికి అవసరమవుతాయి. పరేటో పటాల యొక్క మరొక నష్టమేమిటంటే, మరిన్ని వివరాలతో మరింత సృష్టించబడుతుంటాయి, ఈ కారణాలను ఒకదానితో ఒకటి పోగొట్టుకోవడం కూడా సాధ్యపడుతుంది. అసలు Pareto చార్ట్ నుండి రెండు నుండి మూడు పొరలు ఒక Pareto విశ్లేషణ లో మూల కారణాలు టాప్ 20 శాతం కూడా లక్ష్యంగా పరిష్కారము గొప్ప ప్రభావాన్ని కలిగి తద్వారా ప్రతి ఇతర పోలిస్తే ఉండాలి.
క్వాంటిటేటివ్ డేటా వెర్సస్ డేటా
పరేటో పటాలు గమనించే గుణాత్మక సమాచారాన్ని మాత్రమే చూపుతాయి. ఇది కేవలం ఒక లక్షణం లేదా కొలత యొక్క ఫ్రీక్వెన్సీని చూపుతుంది. పేరే చార్టులను ఉత్పత్తి చేసే ఒక ప్రతికూలత ఏమిటంటే అవి సగటు సగటును, దాని వైవిధ్యాన్ని లేదా కాలక్రమేణా కొలవబడిన లక్షణంలోని మార్పులను లెక్కించడానికి ఉపయోగించలేము. మాదిరిని లెక్కించడానికి, ప్రామాణిక విచలనం లేదా నమూనా నుండి సేకరించిన డేటాను అనువదించడానికి అవసరమైన ఇతర గణాంకాలు మరియు వాస్తవ-ప్రపంచ జనాభా యొక్క స్థితిని అంచనా వేయడానికి ఇది ఉపయోగించబడదు. పరిమాణాత్మక డేటా మరియు డేటా నుండి లెక్కించిన గణాంకాలు లేకుండా, గణితశాస్త్ర విలువలను పరీక్షించడం సాధ్యం కాదు. ఒక విధాన పరిమితిలో ఒక ప్రక్రియ ఉండాలా లేకపోతుందో లేదో క్వాలిటేటివ్ స్టాటిస్టిక్స్ అవసరమవుతాయి. ఒక పారెటో చార్ట్ ఏ సమస్య గొప్పదో చూపించగలదు, అది సమస్య ఎంత చెడ్డదో లెక్కించడానికి లేదా ఎంతవరకు మార్పులు ప్రక్రియలోకి తిరిగి తీసుకువచ్చేమో లెక్కించేందుకు ఉపయోగించలేము.
