Pareto Analyse
“the vital few, and the useful many”In kwaliteitsbeheersing en in Lean Six Sigma wordt vaak gebruik gemaakt van een Pareto analyse. Dit helpt een organisatie om te focussen bij het verbeteren van processen voor goederen en diensten.
Waar komt de Pareto Analyse vandaan?
Joseph Juran heeft de analyse geïntroduceerd in de 20ste eeuw. Hij baseerde zich daarbij op het principe dat de Italiaanse econoom Vilfredo Pareto al in de 19e eeuw constateerde. Pareto had gevonden dat 80% van het
vermogen in Italië in bezit was van slechts 20% van de Italiaanse burgers. We noemen dat het Pareto principe, of de 80/20 regel. Dit principe is later in veel gebieden gebruikt en is gebaseerd op de Zipf distributie.
Wat is een Pareto Analyse?
Een Pareto-analyse is een statistische techniek, die gebruikt wordt als je de metric die je wilt meten en verbeteren discreet is. Een voorbeeld hiervan is het aantal klachten dat een organisatie in een bepaalde periode ontvangt. De klachten vallen uiteen in meerdere categorieën, bv “defecten in het geleverde product of dienst”, “de levering is te laat (of te vroeg)”, etcetera.
Het Pareto principe voorspelt dat 20% van het aantal klacht-categorieën heeft geleid tot 80% van het totale aantal klachten in de meetperiode.
Specifieke statistische programma’s zoals Minitab kunnen eenvoudig en snel een Pareto-grafiek genereren. In Excel kan dit ook, maar het vergt enige manuele handelingen. Via Google zijn Excel zijn Pareto templates makkelijk te vinden.
De Pareto-grafiek bestaat uit twee onderdelen. Een staafdiagram, waarbij de staven zijn gerangschikt naar hoogte en een gebogen lijn van het cumulatieve resultaat. Gebruikmakend van het 80/20 kunnen we in de voorbeeld grafiek zien dat de roze en oranje categorie (dus 2 van de 6 kleuren) meer dan 80% van het totaal uitmaken.
Hoe passen we een Pareto analyse toe in een Lean Six Sigma DMAIC project?
Pareto kan in diverse fases van een Lean Six Sigma DMAIC project worden gebruikt. In de Define fase kan het helpen om de Y (de CTQ) te vinden door bijvoorbeeld naar de telling van diverse categorieën klachten in een bepaalde tijd te kijken. In de Measure fase geeft een Pareto analyse uitsluitsel over de proces prestatie als de Y als discrete data wordt gemeten.
In Analyze en Improve fase maken we gebruik van een Failure Mode and Effects Analysis (FMEA). Dit is eigenlijk ook een soort Pareto, omdat we dan bij de risico’s alleen díe meenemen die een bepaalde minimum RPN-score hebben.
De ‘useful many’
Juran introduceerde het Pareto principe in kwaliteitsbeheersing in het midden van de 20ste eeuw. Het werd één van de vijf leidende principes in zijn model. Hij wordt vaak verkeerd geciteerd. Bij het toepassen van Pareto richten mensen zich op de ‘vital few’ (de 20%) maar vergeten daarbij dat soms de resterende 80%, de ‘useful many’ ook belangrijke grondoorzaken kunnen leveren die kan helpen processen nog verder te verbeteren.
In eerste instantie kunnen we ons dus richten op de “vital few”, maar soms is het nodig ook een blik te werpen op de “useful many” (de rest dus).
Concluderend kunnen we stellen dat Pareto analyse een veelzijdige handige tool is die ons helpt te focussen op waar we als beste als eerste aan kunnen werken.
Efficiënte Probleemoplossing met Pareto
Maak kennis met de Pareto Analyse door onderstaande video: Bekijk de Pareto principe uitleg. Leer hoe je met de 80/20-regel de meest invloedrijke factoren achter problemen kunt blootleggen voor effectievere probleemoplossing.