|
什么是帕累托原则（80/20规则）？ 帕累托原则，也称为80/20规则、关键少数定律或因素稀疏原则，说明80%的结果来自20%的原因-或者用更通俗的话说-20%的行动/活动将导致80%的结果/成果。帕累托原则得名于意大利出生的经济学家维尔弗雷多·帕累托(1848-1923)，他于1895年观察到，少数人掌握着大部分财富(20%)。帕累托开发了对数数学模型来描述这种不均匀的财富分布，数学家MO洛伦兹开发了图表来说明它。 约瑟夫·朱兰博士首先指出，帕累托等人的观察到的是一个“普遍”原则，该原则适用于各种各样的情况，而不仅仅是经济活动，并且似乎在质量问题上也毫无例外地成立。 20世纪50年代初，朱兰注意到一种“普遍”现象，他称之为帕累托原则：在任何一组对共同效应产生影响的因素中，相对少数因素占了大部分效应。朱兰还创造了“至关重要的少数因素”和“有用的多数因素”或“微不足道的多数因素”等术语，分别指那些对效应产生大部分影响的少数因素和那些对效应产生较小影响的多数因素。 80/20规则–帕累托原则的实践 作为经验丰富的经理和专业人士，我们本能地认识到帕累托原则（8020规则）以及“关键少数”和“有用多数”的概念，因为我们在日常商业情况下看到它们在运作。例如，我们可能会观察到： ●.我们15%最富有的客户贡献了我们总收入的68% ●.我们的前五大产品或服务占总销售额的75% ●.少数员工缺勤占大多数 ●.在典型的会议中，少数人往往会发表大部分评论，而大多数人则相对安静 至关重要的少数和有用的多数的原则也适用于RCCA机会。我们可以观察到的每种质量效应（例如：质量成本、缺陷、返工、客户不满意、退货、投诉等）都是由众多因素造成的。当考察许多单独的因素时，显然只有少数因素对总体质量产生了大部分影响。 例如，当我们收集事实时，我们可能会发现： ●.在25个步骤的制造过程中，其中五个工序占产生的废料总量的65% ●.在我们公司提供的12项独特服务中，有三项服务占了客户投诉的82% ●.在订单中必须填写的18项信息中，其中四项产生了86%的错误 在这些典型案例中，少数因素（步骤、服务、项目）占了对质量的负面影响的大部分。如果将注意力集中在这些至关重要的少数因素上，我们的RCCA工作就能获得最大的潜在收益。 帕累托原则（80/20规则）如此明显和简单，以至于您可能想知道为什么会有这么多的争论。毕竟，每个人都知道这一点，不是吗？那么，为什么员工经常听到经理抱怨他们面临组织中的数十个问题？为什么员工经常看到公司工作组列出数十个问题，并着手同时以同样的力度解决所有问题？ 如果你真正理解了简单却深刻的帕累托原则，那么面对大量问题时，第一步就是收集数据和事实，找出至关重要的少数几个。然后就可以将注意力和改进工作集中在那些可以最大程度提高质量的少数事情上。 帕累托分析图与表格 帕累托分析是对与质量问题相关的因素进行排序比较，是一种统计决策技术，用于选择产生显著整体效果的有限数量任务。它有助于识别并关注至关重要的少数因素。帕累托图和表格是一种展示技术，用于展示事实并将重要的少数信息与有用的多数信息区分开来。它们被广泛用于帮助项目团队和指导委员会在RCCA序列的各个阶段做出关键决策。 帕累托图显示每个影响因素对整体问题的相对影响。它按影响来源从大到小进行排序，并显示两个最大因素、三个最大因素等的总累积影响。本质上，帕累托原则指出问题的根源可以分为两类： ●.至关重要的少数：造成大部分问题的少数根源。 ●.有用的多数：大量剩余的来源，它们单独或集体地只占整个问题的相对较小的一部分。 尴尬区域是指重要的少数人和有用的多数人之间没有明显的分界点。在诊断原因时，寻找至关重要的少数因素是有意义的，而不要被有用的多数因素分散注意力。帕累托图在这一点上很有用。通过对几个因素对给定效果的影响进行排序，它揭示了质量问题最重要的来源。这些来源应该进一步调查。 无论选择何种形式，精心构建的帕累托图和表格都包含三个基本元素： ●.对总体影响的贡献者，按其贡献大小排序 ●.每一个贡献的大小用数字来表示 ●.排名贡献者的累计总影响百分比 如果您已经学习过分层，您会注意到，帕累托图显示了按某个特定变量对问题进行分层的结果。影响该结果的因素是该分层变量的类别。查看以下有关如何构建和使用帕累托图和表格的示例将说明并进一步解释这三个基本要素。 帕累托分析图示例–80/20的实际应用 “失序”命令 一个项目团队被授权改进从现场销售办公室到总部收到的带有错误的订单表的质量。订单表上有18个项目，我们在此将其指定为项目A到R。该团队开发了一个检查表，用于收集一周内订单表上的错误频率。该团队的研究结果以帕累托表的形式显示在图14中。 订单错误帕累托表
请注意，帕累托表包含上述三个基本元素。第一列列出了贡献因素，即 18 个项目，不是按它们在表格上的出现顺序排列，而是按研究期间在每个项目上检测到的错误数量排序。第二列和第三列显示贡献的大小——在每个项目上检测到的错误数量以及表格上总错误对应的百分比。第四列给出了总错误中的累计百分比。这一列是帕累托分析的关键。 “累计百分比”是排序列表上每个位置的累计百分比之和。在订单项 J 中，累计百分比为 29% + 25%，即 54%。在 Q 中，累计百分比为 29% + 25% + 21% + 11%，即 86%。 换言之，前四项（G、J、M、Q）占了本研究发现的总错误数的 86%。这些是“至关重要的少数”。 图 15 显示了相同数据的帕累托图。再次注意构成该图的三个基本元素。 订单错误帕累托图
在帕累托图中，订单上的18个项目按其对总数的贡献顺序列在横轴上。每个条形的高度与左侧纵轴相关，并显示该项目上检测到的错误数量。线图与右侧纵轴相对应，并显示总数的累计百分比。 请注意，前四个贡献者（至关重要的少数人）占总数的86%之后，折线图的斜率开始趋于平稳。 剩下的贡献者（其中很多都很有用）不会在个人基础上显著提高质量，应该暂时将他们从团队的议程中剔除，除非有一个简单的解决方案可以将这些类别作为一个群体来解决。 帕累托表和帕累托图都被广泛使用，但是图表形式通常比数字表更能一目了然地传达更多信息。 帕累托分析对上述项目团队的意义十分深远。如果团队能够找到补救措施，防止四个关键信息项出现错误，他们就能显著提高销售办事处发出的订单质量。这一点很重要：如果没有事实，没有帕累托分析，团队将面临更大、更昂贵的任务，即设法防止所有18个项目出现错误。帕累托表或图表清楚地表明，只需付出更少但更精确的努力，就能实现显著的改进。 概括 帕累托分析引导项目团队专注于对团队试图改进的质量效果影响最大的少数关键问题或问题原因。在帕累托分析中，收集事实并尝试在最少的项目或补救措施中找到RCCA潜力的最高集中度。这可以用最少的管理和调查工作提供最大的潜在收益。 汽车变速器工厂质量低劣的成本 在我们的下一个例子中，一家汽车变速器制造厂的管理人员使用帕累托图来分析工厂的不良质量成本会计系统中的数据。参见图16。分析的目标是确定少数几个至关重要的成本类别，并组建质量改进团队来降低成本。帕累托图清楚地表明，少数几个类别占了工厂总体不良质量成本的大部分。 质量低劣造成的年度成本
虽然图16中的图表确实起到了对成本类别进行优先排序的作用，但从图中无法清楚地看出应该将多少类别归入“关键少数”类别。管理者应该集中精力于两个类别？四个？还是五个？如果团队在叠加的帕累托表中加入了一个累计百分比图表或一个累计百分比列，那么关键少数就更容易识别了。 医疗中心客户调查 与其他改进工具一样，帕累托分析在制造业应用之外同样有用和有效。例如，一家大型医疗中心成立了一个改进团队，以调查患者不满意的原因。初步列出了23个可能导致不满意的原因，并将其以问卷形式填写，并对患者进行了调查。 下图是分析数据的帕累托图。在调查的23个患者不满意的潜在原因中，有6个被发现不是促成因素；因此，图17仅显示了17个。在所有促成因素中，团队预计会成为不满意的主要原因（候诊室时间）得到的回应少于其他三个促成因素。最重要的是，“电话访问”（即难以联系到医生或不得不等待很长时间）被列为不满意的主要原因是出乎意料的，它在少数几个关键因素中占据主导地位，促使团队对导致访问问题本身的原因进行帕累托分析。 家庭实践
集成电路制造的工艺步骤 在图18的示例中，一家半导体制造厂的项目团队将帕累托分析作为其诊断过程的一部分。早期的帕累托分析显示，某些操作员59%的时间都花在了在发货前拉直集成电路封装上的弯曲引线。该团队进行了一项研究，在每个制造工艺步骤之前和之后检查所有集成电路是否有弯曲引线。数据收集和分析的目的是确定七个工艺步骤中的哪一个步骤是导致总弯曲引线最多的因素。图18显示了研究结果。 帕累托图弯曲线索问题
研究团队发现，虽然弯曲引线可能发生在七个工艺步骤中的任何一个步骤中，但其中三个步骤（电气测试、引线剪裁和密封测试）占观察到的所有弯曲引线的75%。测试设备设计的简单变化大大减少了弯曲引线的数量，并使生产率提高了40%。 帕累托分析既可以应用于客户问题，也可以应用于成本相关问题。 延迟发货的原因 在图19中，一家大型化学公司的项目团队着手改善客户服务。该团队确定客户不满意的主要原因是发货延迟，并绘制了因果图，列出了13种有关延迟潜在原因的理论。接下来，该团队对一组延迟订单进行了“剖析”（即对实际失败案例进行详细分析），并将延迟原因分为13类。然后计算每个类别中延迟订单的数量，以生成如图19所示的帕累托图。请注意，在这种情况下，图中仅列出了四个主要原因，即至关重要的少数原因；其他九个原因在标记为“有用的多数”的条形图中表示为一组。 改善客户服务
虽然有关延误原因的所有13种理论都是正确的（即，每种理论原因至少有一个例子），但前四大类别，即订单承诺错误、不合格生产、实验室批准延误和池化，占延误的80%。如本例所示，因果图、“剖析”和帕累托图通常一起使用，以将问题的几个重要根本原因与其他原因区分开来。 由于其他九个原因（“有用的原因”）被集中在一起并绘制成一条条形图，占延误订单的20%，因此读者可以得出结论，四个至关重要的少数原因合计占延误的80%。但是，虽然可以从这种图表中推断出累计百分比，但它并不像叠加线图或其他符号的图表那样清晰。此外，虽然使用“杂项”或“所有其他”类别有时有助于展示目的，但它可能会掩盖一个基本观点，即虽然还有许多其他原因，但它们各自的贡献非常小，处理它们没有好处。 产品退货 一位产品经理要求改进团队降低产品退货率。利用现有数据，该团队决定分析退货率最高的产品。他们决定使用现有的产品代码，这些代码由字母表示：A、B、C、D、E等。 通过使用每种产品的出现频率，团队开发了以下帕累托图。这使团队能够锁定导致产品退货问题的关键少数产品代码。
帕累托表和帕累托图都被广泛使用，但是图表形式通常比数字表更能一目了然地传达更多信息。在朱兰帕累托图中，18个产品代码按其对总数的贡献顺序列在横轴上。每个条形的高度与左侧纵轴相关，并显示该产品的退货数量。折线图与右侧纵轴相对应，并显示总数的累计百分比。 请注意，在前四个贡献者（至关重要的少数人）占总数的86%之后，线图的斜率开始变平。有时，至关重要的少数人和有用的多数人之间没有明显的分界点。朱兰博士将此称为尴尬区。 有时，帕累托图无法清晰地显示关键少数类别，因为每个类别的重要性几乎相同。当这种情况发生时，并不意味着帕累托原则不适用于该问题。如果团队尝试其他方式对问题进行分类，他们几乎肯定会找到至少一个可以产生“关键少数”的分类。 假设帕累托图中至关重要的少数产品代码在退货频率上几乎没有差别，那么就没有明显的方法可以集中精力于至关重要的少数产品代码。下一步是按其他因素（而不是产品代码）对退货进行分类。其他可能的因素可能包括： ●.退货原因 ●.退货部 一些有助于找到关键少数的典型分类包括： ●.错误类型 ●.一天、一周、一月或一年中的时间 ●.顺序——第一、第二、第三等等。 ●.活动或产品类型 ●.从事工作的团体或个人的特征 ●.患者或其他顾客的特征 ●.工作地点 |
