帕累托图是一种统计图,将各类别按照频数、成本或损失时间等非负数值从大到小排列。它通常由条形图和一条表示累计百分比的折线组成,尤其常用于质量控制,以识别哪些类别在所观察到的问题或结果中占比最大。其名称源于帕累托法则,这一法则常被表述为“二八法则”,但帕累托图既不要求数据满足这一特定的数值关系,也不能证明这种关系成立。
结构与解读
标准的帕累托图包含:
- 横轴上的类别,按贡献从大到小排列。
- 表示各类别总量的条形,以左侧纵轴为刻度。
- 累计百分比折线,以右侧从0%到100%的纵轴为刻度。
累计折线上的第一个点表示最大类别占总量的百分比。此后的每个点都加上下一个类别的贡献,因此折线不会下降,并在最后一个类别处达到100%。
条形回答的是“哪些类别的贡献最大?”,折线回答的是“前几个类别合计占总量的多少?”。图中可以加入一条水平参考线,通常设在80%处,以帮助确定达到所选覆盖比例的位置。这一阈值是辅助决策的工具,而非统计学标准。
由于横轴表示的是经过排序的类别,而不是流逝的时间,折线的各段并不表示时间趋势。它们的斜率反映相继加入的各个类别使累计总量增加了多少。
数学构造
假设有 个类别,其数值均为非负数,并按以下顺序排列:
设总量为
其中 。类别 的贡献百分比为
截至类别 的累计百分比为
条形表示 或 ,累计折线表示 。如果目标是找出合计至少占总量比例 的最少几个排名靠前的类别,则相应的索引为
这一计算描述的是观测数据的集中程度。它本身并不是统计假设检验,也不能证明针对这些类别采取措施就会使总量相应减少。
示例
假设记录了100起服务投诉:
| 投诉类别 | 数量 | 百分比 | 累计百分比 |
|---|---|---|---|
| 配送延迟 | 40 | 40% | 40% |
| 商品发错 | 25 | 25% | 65% |
| 商品损坏 | 15 | 15% | 80% |
| 账单错误 | 12 | 12% | 92% |
| 其他 | 8 | 8% | 100% |
前三个类别占投诉总数的80%。它们在五个类别中占60%,这说明累计占比达到80%并不必然意味着存在二八关系。
该图表明,配送延迟是记录中数量最多的投诉类别。但它不能说明配送为何延迟、每起投诉有多严重,也不能确定哪种干预措施最有效。
历史背景
帕累托图以意大利经济学家维尔弗雷多·帕累托命名,他曾研究收入和财富的不均等分布。后来,质量管理专家约瑟夫·朱兰将贡献集中这一思想应用于质量改进,即把“关键的少数”与数量众多、各自贡献较小的因素区分开来。
帕累托图逐渐成为质量控制七种基本工具之一。其实用目的在于直观呈现问题分布的不均衡性,并帮助确定进一步调查的优先事项。
帕累托法则是一种经验法则,而非普遍适用的数值定律。有些数据集高度集中,另一些数据集中各类别的贡献则相对均匀。无论是帕累托图,还是近似的二八模式,都不能证明观测数据服从幂律分布。
绘制时的选择
选择度量指标
度量指标决定类别的排序,因而也决定图表的含义。常见选择包括:
- **频数:**缺陷、投诉、故障或事件的数量。
- **成本:**与各类别相关的经济损失。
- **时长:**停机、延误或返工所耗费的时间。
- **加权影响:**将频数与严重程度或其他因素相结合、且有明确定义的评分。
频繁发生的问题可能成本很低,而罕见的问题可能造成大部分损失。因此,按频数和按成本绘制的图可能给出不同的优先顺序。使用加权图时尤其需要谨慎,因为结论取决于所采用的定义和权重。
界定类别与范围
各类别应有明确的定义,且细分程度应保持一致。将几个不同的问题合并为一个宽泛的类别,可能使该类别显得占主导地位;将一个问题拆分成许多狭窄的类别,则可能掩盖其整体重要性。
若要按通常的部分与整体关系进行解读,各类别应互不重叠,并合计涵盖所界定的全部总量。如果一个事件被赋予多个标签,那么图中表示的可能是标签数量,而非事件数量。必须明确说明这一区别,以免将重复计数误读为各类事件占不重复事件总数的比例。
观察时段、总体、计量单位,以及缺失记录或未分类记录的处理方式,也会影响解读。有时,即使“其他”类别按数值本应排在别处,仍会将其放在最后;这种做法偏离了严格的降序排列,应在图中明确体现。
应用
帕累托图用于在制造、维护、客户服务、软件缺陷管理、库存分析和行政流程中确定调查的优先顺序。当许多类别需要争取有限的调查或改进资源时,它尤其有用。
帕累托图还可以辅助更深入的分析。对于占主导地位的类别,可以按产品、地点、失效模式或流程阶段进一步细分,以揭示其贡献来自何处。
不同时期的比较可以显示各类别的贡献是否发生变化,但类别定义和测量方法必须保持一致。当业务总量发生变化时,仅看原始数量可能产生误导:缺陷减少可能只是产量下降的结果。因此,可能需要在图表之外,同时提供以适当暴露量为分母计算的发生率。
局限性与相关图形
确定优先顺序不等于解释因果
帕累托图是统计学中的一种描述性工具。图中的类别可能表示症状、地点、报告的原因或分类,而不一定是经过验证的原因。要确定问题为何发生,需要更多证据,并在适当情况下进行因果推断。
同样,观测数量最多的类别并不自动成为最佳干预对象。可预防性、干预成本、相互依赖关系和后果都很重要。罕见但严重的故障即使在记录数量中占比很小,也可能值得关注。
抽样与报告的影响
排序可能随观察时段或样本量而变化。总量相近的类别可能仅因正常的抽样波动而互换位置。报告方式的差异或选择偏差也可能扭曲图中呈现的优先顺序。除非补充其他信息,否则标准帕累托图并不显示不确定性。
与其他图表的关系
帕累托图不同于直方图。直方图将数值观测值按区间分组,并保留这些区间的数值顺序。帕累托图中的类别则按贡献排序,因此顺序可能随数据变化而改变。
其累计折线也不同于测量变量的累积分布函数:它按各类别贡献的大小排序并累加贡献,而不是按变量的数值大小排列并累积观测值。
洛伦兹曲线同样表示集中程度,但通常将各单位从小到大排序,以单位数量的累计占比为横轴、总量的累计占比为纵轴。帕累托图则将类别从大到小排列,通常直接显示各类别的标签。
最后,帕累托图并不是控制图。它既不保留时间顺序,也不提供用于评估过程稳定性的控制界限。