
- Χαμηλή Προσπάθεια, Χαμηλή Ανταμοιβή: Ξεκινάμε να προσπαθούμε την τελευταία στιγμή.
- Υψηλή Προσπάθεια, Χαμηλή Ανταμοιβή: Ασχολούμαστε ατελείωτες ώρες με ένα θέμα χωρίς να πραγματοποιούμε ποιοτική δουλειά.
- Υψηλή Προσπάθεια, Υψηλή Ανταμοιβή:Πετυχαίνουμε υψηλή απόδοση μετά από τεράστια επένδυση ενέργειας.
- Χαμηλή Προσπάθεια, Υψηλή Ανταμοιβή: Επιλέγουμε τομείς κλειδιά, που μας εμπνέουν περισσότερο για δημιουργική δουλειά και ασχολούμαστε μαζί τους αποκομμένοι από αποσπάσεις και τις ώρες που είμαστε πιο παραγωγικοί.
- Συνήθειες: Ποιες είναι οι ρουτίνες που περικλείουν την ζωή σου αυτή την στιγμή; Υπάρχουν 20% συνήθειες και τελετουργικά που αποδίδουν το 80% σε κάποιο συγκεκριμένο τομέα;
- Σκέψεις: Παρατήρησε τις σκέψεις σου για μια μέρα. Ποιες σκέψεις σου παράγουν το ποιοτικότερο 80% της ημέρας σου:
- Συναισθήματα: Πως αισθάνεσαι την κάθε μέρα σου; Υπάρχουν συναισθήματα που θα ήθελες να αλλάξεις ή να αντικαταστήσεις; Υπάρχει κάποιο είδος συναισθήματος που επηρεάζει δραστικά το πως αντιμετωπίζεις τις καταστάσεις μέσα στην ημέρα;
- Εργασία: Ποιο είναι το 20% των δραστηριοτήτων στην δουλειά σου που σου προσφέρει το 80% της απόλαυσης; Υπάρχει κάποιος συγκεκριμένος αριθμός συνθηκών που απολαμβάνεις περισσότερο;
- Σχέσεις: Κάνε μια λίστα με όλους τους ανθρώπους που βλέπεις για περισσότερο χρόνο μέσα στην ημέρα και έπειτα μέσα στην εβδομάδα. Στην συνέχεια, γράψε δίπλα από το κάθε όνομα τον τρόπο με τον οποίο σε επηρεάζει.
- Εφάρμοσε την ΑρχήPareto.
- Στο 24ωρο: Κατέγραψε με αυστηρή προσέγγιση τις δραστηριότητες σου για ένα 24ωρο. Επέλεξε δύο κατηγορίες(μπορείς να τοποθετήσεις όσες θέλεις) οι οποίες είναι πιο σημαντικές για εσένα. Σαν παράδειγμα μπορείς να ορίσεις για αρχή:
- Οτιδήποτε είναι μετρήσιμο, είναι και διαχειρίσιμο
- Μειώνοντας την επένδυση χρόνου και ενέργειας από τομείς μικρής αξίας, μας επιτρέπει να ενεργοποιήσουμε περισσότερα ποιοτικά αποτελέσματα σε τομείς που ήδη υπάρχουν.
- Αντί να επενδύουμε το 80% του χρόνου μας για επίτευξη του 20% των αποτελεσμάτων, μπορούμε να επενδύσουμε την ίδια ενέργεια και χρόνο σε 4 άλλες δραστηριότητες που προσφέρουν η κάθε μια το 80% την αποτελεσμάτων η κάθε μια.
- Όταν δεν κάνουμε μια συνειδητή επιλογή στους τομείς που επενδύουμε την ενέργεια μας, κάνουμε επιλογή εναντίων δραστηριοτήτων που πιθανόν να προσφέρουν περισσότερα αποτελέσματα και πιο γρήγορα.
Ανάλυση κατά Pareto: Παίρνοντας την σωστή απόφαση
Pareto Analysis

H ανάλυση κατά Pareto είναι μία τεχνική στατιστικής ανάλυσης που βοηθάει στην σωστή λήψη αποφάσεων για την βελτίωση μίας κατάστασης. Με την ανάλυση Pareto δεν επικεντρωνόμαστε σε όλες τις αιτίες ενός προβλήματος, αλλά μόνο στις πιο σημαντικές.
Ποιες είναι όμως οι αιτίες, από ένα σύνολο αιτιών, που συνεισφέρουν περισσότερο σε ένα πρόβλημα;

Την απάντηση δίνει η παραπάνω τεχνική ανάλυση, η οποία βασίζεται στον παγκόσμιο νόμο του 80/20. Ο νόμος του 80/20 είναι η βασική αρχή της ανάλυσης κατά Pareto και η οποία σημαίνει ότι:
Με μόνο 20% της προσπάθειας επιτυγχάνεται βελτίωση κατά 80% ή το 80% των παραγόντων που δημιουργούν ένα συνολικό πρόβλημα (αστοχία υλικού στην ποιότητα, προληπτική συντήρηση μηχανών, βλάβες μηχανών, πτώση ή αύξηση πωλήσεων, αύξηση κερδοφορίας ή μείωση κερδών στα οικονομικά, κατανομή πλούτου κλπ) συνεισφέρει μόνο στο 20% του συνολικού προβλήματος ή αλλιώς από όλα τα αίτια μόνο το 20% αυτών αξίζει να ασχοληθεί κανείς μαζί τους.
Στα τέλη του 1940 ο Joseph M. Juran, ο γκουρού στην διαχείριση και διασφάλιση ποιότητας, πρότεινε την αρχή αυτή που αργότερα πήρε το όνομα του Ιταλού οικονομολόγου Vilfredo Pareto. Ο Pareto παρατήρησε ότι το 80% των εσόδων στην Ιταλία προέρχεται από το 20% του πληθυσμού και επίσης ότι το 20% του πληθυσμού κατέχει το 80% της γης. Ο Pareto έκανε και άλλες έρευνες σε άλλες χώρες και διαπίστωσε με έκπληξη ότι η αρχή του 80/20 ίσχυε παντού.
Μερικά παραδείγματα:
Το 20% του αέρα είναι υπεύθυνο για την ζωή στη γη, αφού αποτελείται από οξυγόνο και το υπόλοιπο 80% από άζωτο (αυτό που δεν φέρει ζωή).
Το 80% των παραπόνων των πελατών προέρχεται από το 20% των προϊόντων ή των παροχών υπηρεσίας μίας επιχείρησης.
Το 80% των μηχανικών καθυστερήσεων προέρχεται από το 20% των μηχανών μας.
Μόνο το 20% των προϊόντων ή των υπηρεσιών, μιας επιχείρησης, δίνει το 80% των κερδών της
Μόνο το 20% των πωλήσεων συνεισφέρει στο 80% των εσόδων
Μόνο το 20% των ελαττωμάτων προκαλεί μείωση κατά 80% στην ποιότητα ενός προϊόντος κοκ. Και για να είμαστε πάντα επίκαιροι με την παρούσα κατάσταση της αγοράς, μόνο το 20% των οφειλετών μας συνεισφέρει στο 80% των απωλειών μας σε κέρδη.

Έτσι, αντί να επικεντρωνόμαστε σε όλους τους πελάτες, που μας χρωστάνε χρήματα, καλό θα ήταν να «κυνηγάμε» την πληρωμή μας από το 20% των συνολικών οφειλετών μας. Έτσι θα καταφέρουμε βελτίωση στα κέρδη μας κατά 80%.
Τα Βήματα της Μεθόδου
1ο Βήμα: Εύρεση όλων των αιτιών του προβλήματος
Δημιουργούμε μία λίστα των αιτιών (1η στήλη Πιν.1) που είναι υπεύθυνες για την δημιουργία του προβλήματος και δίπλα τη στήλη με τα στατιστικά στοιχεία (χρόνος, τεμάχια, χρήματα, αριθμός επαναλήψεων, αριθμός ατόμων, τιμές χημικών αναλύσεων και οτιδήποτε είναι σε μέγεθος μετρήσιμο).

2ο Βήμα: Μετατροπή των μετρήσιμων μεγεθών σε ποσοστά επί του συνόλου των αιτιών (2η στήλη Πίν.1)
3ο Βήμα: Ταξινόμηση των αιτιών κατά φθίνουσα σειρά
Το μεγαλύτερο ποσοστό της αιτίας έρχεται πρώτο και ακολουθούν τα υπόλοιπα μέχρι το ελάχιστο ποσοστό.
4ο Βήμα: Μετατροπή των μετρήσιμων μεγεθών σε συσσωρευτικό ποσοστό (3η στήλη Πίν.1)
Δηλαδή, το ποσοστό της επόμενης αιτίας να είναι ίσο με το ποσοστό της προηγούμενης συν το ποσοστό της [69.8% = 20.9% + 48.8%], [83.7% = 14% + 69.8%] κλπ.
Όλα τα παραπάνω βήματα φαίνονται στον Πίνακα 1
5ο Βήμα: Δημιουργία του διαγράμματος Pareto
Το διάγραμμα Pareto έχει στον άξονα των X τις περιγραφές των αιτιών του προβλήματος, που θέλουμε να επιλύσουμε, και στον αριστερό άξονα Y το ποσοστό της αιτίας (2η στήλη Πίν.1) σε μορφή ραβδογράμματος (bar chart). Το συσσωρευτικό ποσοστό απεικονίζεται σε μορφή καμπύλης με τον ίδιο άξονα Χ και ως άξονας Υ έχει τον δεξιό άξονα του διαγράμματος. Η κλίμακα του δεξιού άξονα πρέπει να είναι από 0 ως 100%.

Από τον δεξιό άξονα φέρνουμε παράλληλη γραμμή ως προς τον άξονα Χ, ξεκινώντας από το σημείο του 80% του δεξιού άξονα Υ (συσσωρευτικό ποσοστό) μέχρι να συναντήσει την καμπύλη και από εκεί φέρνουμε κάθετη γραμμή στον άξονα των Χ.
Η κάθετη γραμμή δείχνει τον διαχωρισμό των σημαντικών από τις ασήμαντες αιτίες του προβλήματος. Έτσι, από την αριστερή πλευρά της καθέτου έχουμε το 20% περίπου των αιτιών που είναι σημαντικά και που εάν επιλυθούν θα μας φέρουν μία βελτίωση 80%.

Φυσικά για να παρθούν οι σωστές αποφάσεις και να προχωρήσουμε στην επίλυση ενός προβλήματος, πολλές φορές ίσως να πρέπει να δούμε και άλλες παραμέτρους. Όσα περισσότερα στατιστικά στοιχεία διαθέτουμε, τόσο πιο εύκολο είναι να στοχεύσουμε στις πραγματικές αιτίες και να πάρουμε τις σωστές αποφάσεις.
Παράδειγμα Ανάλυσης κατά Pareto: Προληπτική Συντήρηση Μηχανών
Συχνά στην παραγωγική διαδικασία ενός προϊόντος αντιμετωπίζουμε προβλήματα απόδοσης των μηχανών, οι οποίες οφείλονται στις συχνές διακοπές λόγω μη σωστών ρυθμίσεων ή μη σωστής συντήρησης. Αυτό έχει ως αποτέλεσμα την μείωση της παραγωγικότητας της γραμμής και την αύξηση των λειτουργικών εξόδων (χαμένες εργατοώρες, σπατάλη Α ' υλών, αύξηση του κόστους της επισκευής και επιδιόρθωση των μηχανών κλπ).
Η σωστή εφαρμογή της προγραμματισμένης συντήρησης των μηχανών θα αυξήσει την απόδοση της γραμμής και το συνολικό κόστος του παραγόμενου προϊόντος θα μειωθεί.
Επομένως το πρόβλημα μπορεί να διατυπωθεί ως εξής:
“Η γραμμή παραγωγής έχει μειωμένη απόδοση εξαιτίας των συχνών βλαβών των μηχανών μου”
και τα ερωτήματα που γεννιούνται είναι:
“Ποιες από τις μηχανές μου εμφανίζουν βλάβες και σε ποια μηχανή ή μηχανές θα πρέπει να επικεντρώσω την προσοχή μου ώστε με το ελάχιστο κόστος συντήρησης και επισκευής να αυξήσω την απόδοση της παραγωγικής διαδικασίας;”
Τα στατιστικά δεδομένα που χρειάζομαι (τα ιστορικά στοιχεία ενός έτους είναι ένα καλό στατιστικό δείγμα) είναι:
Ο αριθμός βλαβών ανά μηχανή ανά ημερομηνία
Τις μέρες που πέρασαν (ή τις ώρες λειτουργίας) από την τελευταία βλάβη ανά μηχανή
Φυσικά όσο περισσότερο μεγεθύνουμε την εικόνα του προβλήματος, μπορούμε να βρούμε ανά μηχανή και ποια μέρη της απαιτούν την προσοχή μας για να προσδιορίσουμε επακριβώς τις εργασίες συντήρησης (μηχανικά κινούμενα μέρη, ηλεκτρολογικό σύστημα, πνευματικό σύστημα, σύστημα λίπανσης κλπ)

Το πρώτο δεδομένο θα μας επικεντρώσει στην/στις μηχανές που μας μειώνει/μειώνουν την απόδοσή και το δεύτερο θα μας προγραμματίσει την συντήρηση (εβδομαδιαία προληπτική συντήρηση, μηνιαία, ετήσια κλπ).
Στον Πίν.1 τα δύο δεδομένα φαίνονται στην 4η (αριθμός βλαβών ανά μηχανή) και 5η στήλη (μέρες που πέρασαν από την τελευταία βλάβη ανά μηχανή) ανά έτος.
Ακολουθώντας τα παραπάνω βήματα της ανάλυσης προκύπτει το παραπάνω Pareto διάγραμμα. Βλέπουμε λοιπόν ότι από τις 8 μηχανές, μόνο η γεμιστική (filler) και η πωματέζα (capper) συνεισφέρουν σημαντικά στην μειωμένη απόδοση της γραμμής.
Αναλύοντας και το δεύτερο δεδομένο, όπως φαίνεται παρακάτω

βλέπουμε ότι στην γεμιστική μηχανή θα μπορούσε να συντηρηθεί στην αρχή της δεύτερης εβδομάδας ή στο τέλος της πρώτης, η πωματέζα στο τέλος της τρίτης και το συρρικνωτικό (shrinker) στο τέλος της δεύτερης, έτσι ώστε να υπάρχει και μία “απόσταση”ασφαλείας από τις επικίνδυνες ημέρες εμφάνισης της βλάβης.
Κλείνοντας με αυτή την ανάλυση θα ήθελα, με αφορμή τα παραπάνω, να προτείνω στους κυβερνώντες να εφαρμόσουν αυτές τις απλές αρχές (νόμος του 80/20) που διατυπώθηκαν στις αρχές του 20ου αιώνα και θα διαπιστώσουν ότι το 80% του πλούτου βρίσκεται στο 20% του πληθυσμού.
Αρκεί η σωστή στατιστική ανάλυση και η λήψη της σωστής πολιτικής απόφασης χωρίς να θιγεί η αξιοπρέπεια και η υπερηφάνεια του 80% του λαού μας.
Vilfredo σε χρειαζόμαστε!!!