چگونه خط تجمعی در نمودار پارتو اصل ۸۰/۲۰ را در کنترل کیفیت کمیت‌سنجی می‌کند

در سال ۱۹۴۱، در داخل کارخانه‌های تولیدی شرکت وسترن الکتریک (Western Electric)، یک مهندس متولد رومانی به نام جوزف ام. جوران (Joseph M. Juran) متوجه یک عدم تعادل ریاضی تکرارشونده در طبقه کارخانه شد. با اندازه‌گیری نرخ نقص‌ها در میان هزاران رله تلفن، جوران مشاهده کرد که حجم عظیمی از افت‌های کیفی شرکت ناشی از کسر کوچکی از مراحل تولید است. او این عدم تعادل را روی یک نمودار میله‌ای پیاده‌سازی کرد، دسته‌های نقص را از بالاترین فراوانی در سمت چپ به کمترین در سمت راست مرتب کرد، و خطی را که مجموع پیش‌رونده را ردیابی می‌کرد، روی آن قرار داد.[1][4]

این ابزار بصری به نمودار پارتو تبدیل شد، که به نام ویلفردو پارتو (Vilfredo Pareto)، اقتصاددان ایتالیایی نام‌گذاری شده است؛ کسی که در سال ۱۸۹۶ خاطرنشان کرد که ۸۰٪ از زمین‌های ایتالیا تنها در تملک ۲۰٪ از جمعیت است. جوران این مشاهده اجتماعی-اقتصادی را به یک قانون جهانی کنترل کیفیت تعمیم داد و استدلال کرد که در هر سیستم پیچیده‌ای، اقلیتی از علت‌ها اکثریت معلول‌ها را تولید می‌کنند. او با ترجمه توزیع ثروت به فراوانی نقص، یک چارچوب آماری ایجاد کرد که در نهایت زیربنای مهندسی صنایع مدرن و متدولوژی‌های بهبود مستمر در سراسر جهان شد.[4]

معماری این نمودار بر یک سیستم دو محوره استوار است که یک تصمیم‌گیری تریاژگونه را ایجاب می‌کند. محور عمودی سمت چپ، فراوانی خام، زمان یا هزینه مالی یک مشکل خاص را اندازه‌گیری می‌کند و ارتفاع میله‌های نزولی را دیکته می‌کند. محور عمودی سمت راست، درصد تجمعی را اندازه‌گیری می‌کند که از ۰ تا ۱۰۰ امتداد دارد و مسیر خط روی هم افتاده را تعیین می‌کند. هر بار که میله جدیدی به توالی اضافه می‌شود، خط به اندازه سهم نسبی آن دسته از کل بالا می‌رود و وزن نقص‌های سیستم را به صورت بصری انباشته می‌کند.[3]

با نزول میله‌ها از چپ به راست، خط تجمعی صعود می‌کند و یک منحنی مقعر متمایز ایجاد می‌کند. شیب این منحنی مستقیماً شدت عدم تعادل سیستم را کمیت‌سنجی می‌کند. اگر دو میله اول از ده میله، خط تجمعی را مستقیماً به مرز ۸۰٪ برسانند، فرآیند به شدت چوله است و فرصت عظیمی برای مداخله هدفمند ارائه می‌دهد. یک منحنی پرشیب نشان می‌دهد که منابع مهندسی می‌توانند روی مجموعه بسیار محدودی از متغیرها متمرکز شوند تا بهبودی چشمگیر در بازده کلی تولید حاصل شود، به جای آنکه تلاش‌ها در کل طبقه کارخانه پراکنده و رقیق شوند.[1]

مجله جهانی کیفیت و ایمنی در مراقبت‌های بهداشتی (Global Journal of Quality and Safety in Healthcare) این آستانه را به صراحت تعریف می‌کند: «وقتی خط به مرز مساوی یا بیشتر از ۸۰٪ می‌رسد، این بدان معناست که تمام عوامل جمع‌شده قبلی نشان‌دهنده ۲۰٪ از علت‌ها هستند.» این دسته‌های با تأثیر بالا همان چیزی هستند که جوران به طور معروفی آن‌ها را «معدود علل حیاتی» نامید و آن‌ها را از «بسیاری علل بی‌اهمیت» که دنباله طولانی نمودار را پر می‌کنند، جدا کرد. شناسایی معدود علل حیاتی به مدیریت اجازه می‌دهد تا نویز نقص‌های جزئی را نادیده بگیرد و منحصراً بر خرابی‌هایی تمرکز کند که به طور فعال محصول را تخریب می‌کنند.[2]

با این حال، نسبت دقیق ۸۰/۲۰ یک قانون فیزیکی صلب نیست، بلکه یک روش اکتشافی است. در داده‌های صنعتی دنیای واقعی، بسته به مکانیک خاص خط مونتاژ، این نقطه برش ممکن است به صورت ۷۵/۲۵، ۹۰/۱۰ یا حتی ۹۹/۱ ظاهر شود. موسسه کایزن (Kaizen Institute) خاطرنشان می‌کند که اگرچه نسبت دقیق از فرآیندی به فرآیند دیگر در نوسان است، اما «این الگو به اندازه کافی سازگار است تا پایه و اساس روشنی برای اولویت‌بندی فراهم کند.» هدف یافتن یک تقسیم‌بندی کامل ۸۰ درصدی نیست، بلکه یافتن نقطه‌ای است که در آن اهرم اثرگذاری ناپدید می‌شود.

تحلیل هندسی فکت‌لن (Factlen) از مجموعه داده‌های استاندارد کنترل کیفیت نشان می‌دهد که سیگنال واقعی «معدود علل حیاتی» مرز دلخواه ۸۰٪ نیست، بلکه نقطه عطف ریاضی خط تجمعی است. نقطه برش بحرانی دقیقاً در جایی رخ می‌دهد که شیب خط تجمعی به زیر ۱٫۰ می‌رسد — لحظه‌ای که افزودن یک دسته نقص جدید، کمتر از سهم نسبی آن دسته به درصد کل کمک می‌کند. این استخراج هندسی، حتی زمانی که داده‌های پایه به شدت به سمت ۷۰/۳۰ یا ۹۰/۱۰ چوله باشند، نقطه برش اولویت‌بندی را به طور قابل اعتمادی شناسایی می‌کند.[5]

هنگامی که خط از این نقطه عطف عبور کرده و مسطح می‌شود، دسته‌های باقی‌مانده بازدهی به شدت نزولی در برابر تلاش سرمایه‌گذاری‌شده به همراه دارند. در سال ۱۹۵۱، جوران کتاب راهنمای کنترل کیفیت (Quality Control Handbook) خود را منتشر کرد و در آن اصطلاح خود را از «بسیاری علل بی‌اهمیت» به «بسیاری علل مفید» تغییر داد. این بازنگری آگاهانه تأیید کرد که اگرچه این نقص‌های جزئی فوریت کمتری دارند و نباید هزینه‌های سرمایه‌ای فوری را به خود اختصاص دهند، اما پس از ریشه‌کن شدن موفقیت‌آمیز نقص‌های سیستماتیک اولیه از چرخه تولید، همچنان برای بهبود مستمر بلندمدت ارزش دارند.[4]

در متدولوژی‌های مدرن لین شش سیگما (Lean Six Sigma)، متخصصان از این نقطه عطف هندسی برای تخصیص بی‌رحمانه سرمایه و ساعات مهندسی استفاده می‌کنند. اگر یک فرآیند تولید در یک ماه ۵۰۰ نقص به همراه داشته باشد و ۳۸۰ مورد از آن‌ها ناشی از یک خطای کالیبراسیون مجزا در یک دستگاه تراش خاص باشد، نمودار پارتو این تأثیر نامتناسب را برای مدیریت ارشد از نظر بصری غیرقابل انکار می‌کند. این نمودار یک صفحه گسترده پیچیده و پراکنده از خرابی‌های روزانه را به یک دستورالعمل واحد و قابل اجرا تبدیل می‌کند که به بحث‌های سازمانی پایان داده و کل تأسیسات را پشت یک اقدام اصلاحی فوری همسو می‌کند.

موسسه کایزن توضیح می‌دهد: «از آنجا که این دسته‌ها از بزرگترین مشارکت‌کننده تا کوچکترین مرتب شده‌اند، نمودار بلافاصله برجسته می‌کند که کدام مسائل بر نتایج کلی غالب هستند.» این وضوح بصری برای تضمین تأیید بودجه از سوی هیئت‌مدیره‌های اجرایی کاملاً ضروری است، زیرا از نظر ریاضی ثابت می‌کند که تعمیر یک ماشین خاص، اکثریت قریب به اتفاق ضایعات عملیاتی را از بین می‌برد. بدون این مصورسازی واضح، تیم‌های مهندسی اغلب در این تله روان‌شناختی می‌افتند که ابتدا به سراغ حل آسان‌ترین مشکلات بروند، به جای آنکه با تأثیرگذارترین و پیچیده‌ترین آن‌ها مقابله کنند.

برای ساخت یک نمودار قابل اعتماد، فاز اولیه جمع‌آوری داده‌ها نیازمند یک حداقل آستانه آماری دقیق است. دستورالعمل‌های بالینی و صنعتی پیشنهاد می‌کنند که پیش از تلاش برای ترسیم خط تجمعی، حداقل ۳۰ مشاهده در دسته‌های مختلف ثبت شود. اندازه‌های نمونه کوچکتر خطر تقویت تغییرات تصادفی را به همراه دارند و یک خط تجمعی به طور مصنوعی پرشیب ایجاد می‌کنند که به جای یک عدم تعادل سیستماتیک واقعی، منعکس‌کننده نویز آماری است. یک نمودار پارتو که تنها بر اساس پنج یا شش نقص کل ساخته شده باشد، تقریباً همیشه یک چولگی شدید را نشان می‌دهد و مهندسان را گمراه می‌کند تا به جای پرداختن به علل ریشه‌ای تأییدشده، به دنبال سراب بروند.[3]

انتخاب واحد اندازه‌گیری نیز شکل نمودار و اولویت‌های مهندسی حاصل از آن را به شدت تغییر می‌دهد. یک نمودار پارتو که فراوانی خام خرابی‌های تجهیزات را ردیابی می‌کند، ممکن است یک نقص جزئی و تکرارشونده سنسور را به عنوان دسته کاملاً برتر برجسته کند. اما اگر محور عمودی سمت چپ برای اندازه‌گیری کل ساعات خرابی یا هزینه‌های مالی تعمیر تغییر یابد، یک خرابی ساختاری نادر اما فاجعه‌بار ممکن است ناگهان بر نمودار غالب شود، استراتژی مداخله تیم را کاملاً معکوس کند و ثابت کند که فراوانی همیشه برابر با شدت نیست.[2]

با وجود کاربرد عظیم آن در صنایع مختلف، این نمودار دارای محدودیت‌های ذاتی است که نیازمند تفسیر دقیق توسط متخصصان باتجربه است. این نمودار صرفاً فراوانی یا هزینه تاریخی را اندازه‌گیری می‌کند، اما نمی‌تواند پیچیدگی، ریسک عملیاتی یا هزینه مالی راه‌حل مورد نیاز را بسنجد. نقصی که باعث ۴۰٪ از خطاها می‌شود ممکن است برای مهندسی و حذف از سیستم به ۱۰ میلیون دلار هزینه و سه سال زمان نیاز داشته باشد، در حالی که دسته بعدی در محور ممکن است هفته آینده با یک وصله نرم‌افزاری ساده ۵۰ هزار دلاری برای همیشه حل شود، که گزینه دوم را به سرمایه‌گذاری فوری برتری تبدیل می‌کند.[4]

علاوه بر این، نمودار بین تغییرات با علت عام — نویز تصادفی و مورد انتظار ذاتی در هر سیستم پایدار — و تغییرات با علت خاص، که نشان‌دهنده یک نقص سیستماتیک جدید است و نیاز به اصلاح فوری دارد، تمایزی قائل نمی‌شود. برای رسیدن به آن سطح از دقت تشخیصی، مهندسان باید پیش از شروع به تغییر ماشین‌آلات یا بازنویسی رویه‌های عملیاتی استاندارد، نمودار پارتو را با یک نمودار کنترل شوهارت (Shewhart) یا یک نمودار اجرای سری زمانی جفت کنند تا تعیین کنند که آیا فرآیند واقعاً از نظر آماری خارج از کنترل است یا خیر.[1]

خط تجمعی نقص زمینه‌ای را حل نمی‌کند، و همچنین تعمیر مکانیکی مورد نیاز برای بازیابی فرآیند را مهندسی نمی‌کند. تنها کارکرد آن ایجاب کردن تمرکز مطلق در محیط‌های صنعتی است که در غیر این صورت غرق در داده‌های عملیاتی هستند. با کمیت‌سنجی دقیق اینکه چه مقدار از یک مشکل سیستماتیک در تعداد انگشت‌شماری از علل خاص متمرکز شده است، این نمودار دقیقاً دیکته می‌کند که تیم مهندسی ابتدا باید به کجا نگاه کند، و دقیقاً کدام مسائل جزئی را می‌توانند با خیال راحت تا فردا نادیده بگیرند.[5]