قانون پارتو (Pareto Law) و کاربردهای آن

ممکن است در گفتگوهای روزانه بین اقتصاددانان یا مهندسین به اصطلاح «قانون پارتو» (Pareto Law) یا «اصل پارتو» (Pareto Principle) برخورد کرده باشید. این قانون را گاهی اصل ۸۰-۲۰ نیز می‌نامند. برای مثال در زمینه تجارت گفته می‌شود که ۸۰ درصد فروش مربوط به ۲۰ درصد از مشتریان است. حتی در صنایع خودرو سازی قانون پارتو به این صورت بیان می‌شود که با رفع ۲۰٪ مشکلات عنوان شده، مشکلات مربوط به ۸۰٪ خودروهای برگشتی حل خواهد شد.

این اصل توسط آقای «جوزف جوران» (Joseph M, Juran) که مهندس و مشاور مدیریت است در سال 1941 معرفی شد. او این اصل را به افتخار دانشمند بزرگ «ویلفردو پارتو» (Vilfredo Preto) اصل پارتو نامگذاری کرد. پارتو در سال 1896 به اصل 80- ۲۰ پی برده بود. او در مقاله‌ای به نام «درس سیاست‌های اقتصادی» (Cours d'économie politique) این موضوع را تذکر داد که ۸۰٪ زمین‌های ایتالیا در دست ۲۰٪ مردم است.

برمبنای ریاضیات و اصول آماری، قانون ۸۰-۲۰ یا اصل پارتو، با توجه به «توزیع پارتو» (Pareto Distribution) بدست می‌آید. این توزیع آماری، بر بسیاری از پدیده‌های تصادفی در زندگی طبیعی حکم فرما است. «ویلفردو پارتو»، این توزیع آماری و مفاهیم مرتبط با آن را در زمینه پراکندگی درآمدی و وضعیت ثروت در جوامع، مورد بررسی قرار داد. برای آشنایی بیشتر با توزیع پارتو بهتر است مطلب متغیر تصادفی و توزیع پارتو (Pareto Distribution) --- مفاهیم و خصوصیات را مطالعه کنید. همچنین به منظور آگاهی از  شیوه ترسیم نمودار بخصوص نمودار پارتو مطلب نمایش و رسم نمودار برای داده‌ها — معرفی و کاربردها نیز جای مطالعه دارد. در عین حال خواندن نوشتار جدول فراوانی برای داده‌های کیفی و کمی — مثال‌های کاربردی نیز خالی از لطف نیست.

قانون پارتو (Pareto's Law)

استفاده از قانون پارتو در بسیاری از جنبه‌های زندگی روزانه و حتی صنایع و حوزه‌های تخصصی کاربرد دارد. البته باید به پشتوانه آماری این اصل نیز توجه کرد. استفاده از قانون پارتو، زمانی مناسب است که پدیده‌های تصادفی که به توصیف آن‌ها پرداخته‌ایم از توزیع آماری پارتو پیروی کنند.

فیلم آموزش اقتصاد خرد و کلان – مرور و حل تست کنکور ارشد در فرادرس

کلیک کنید

حتی در این حالت نیز اگر در توزیع پارتو پارامتر توزیع یعنی $$\alpha$$‌ نزدیک به 1.16 باشد، اصل ۸۰-۲۰ برقرار خواهد بود. بنابراین باید هنگام استفاده از آن احتیاط کرد. در ادامه به معرفی بعضی از زمینه‌ها که وجود قانون پارتو برای آن‌ها به اثبات رسیده خواهیم پرداخت.

قانون پارتو در تجارت

اولین مشاهدات مرتبط با قانون ۸۰-۲۰ که توسط «ویلفردو پارتو» انجام شد در زمینه ثروت و اقتصاد بود. همانطور که گفته شد او دریافت که ۸۰ درصد زمین‌های ایتالیا به مالکیت ۲۰٪ مردم است. او این بررسی را در کشورهای دیگر نیز انجام داد و به همین نتیجه رسید. نموداری که عدم تساوی منابع و درآمدها را در جهان نشان می‌دهد در گروه سازمان ملل در سال 1992 ترسیم شد. در این گزارش اشاره شده است که ۲۰٪ مردم جهان سهمی برابر با ۸۲.۷٪ از مجموع کل درآمد جهان را دارند.

جدول زیر به که در سال 1989 تهیه شده است، به بررسی این قانون براساس معیار یا شاخص GDP پرداخته است. شاخص تولید ناخالص ملی (Gross Domestic Product) معیاری برای سنجش ثروت کشورها در نظر گرفته شده است.

در این جدول دیده می‌شود که اگر جمعیت جهان را به 5 قسمت مساوی تقسیم کنیم، در هر رده ۲۰٪ از کل جمعیت قرار می‌گیرد. به این ترتیب رده ۲۰٪ سوم که همان گروه دهک ششم است، فقط 2.3٪ ثروت جهان را دارا هستند. این اطلاعات را طبق نمودار زیر نمایش داده‌ایم.

کاربرد قانون پارتو در صنعت نرم‌افزار

در علم کامپیوتر، اصل یا قانون پارتو نیز کاربرد دارد. برای مثال شرکت مایکروسافت در گزارشی اعلام کرد که با اصلاح ۲۰ درصد از خطاهای گزارش شده اصلی در نرم‌افزارهای کاربردی این شرکت، ۸۰٪ مشکلات سیستم‌ها و شکایات مشتریان از بین خواهد رفت. همچنین معروف است که ۲۰ درصد از کد یک برنامه شامل ۸۰ درصد خطاها است. بنابراین با پیدا و رفع کردن این خطاها، ۸۰ درصد مشکلات سیستم رفع می‌شود.

از طرف دیگر براساس زمان تخصیصی برای کد نویسی می‌توان گفت که ۸۰ درصد کدها در ۲۰٪ زمان صرف شده نوشته می‌شوند.

کاربرد قانون پارتو در ورزش

در تمرینات قهرمانی نیز اصل ۸۰-۲۰ صادق است. به این ترتیب می‌توان گفت که ۲۰٪ از فعالیت‌ها و تمرینات ورزشی بر ۸۰٪ امتیازات و نتایج تاثیر دارند. بنابراین به جای انجام تمرینات متنوع ورزشی، بهتر است تمرکز روی ۲۰٪ از تمرینات موثر صورت بگیرد.

قانون پارتو در بسکتبال نیز مورد بررسی قرار گرفته است. نتیجه حاصل به این صورت بیان شده است که «۱۵٪ بازیکنان در ۸۵٪ نتایج تاثیر گذارند و بقیه یعنی ۸۵٪ بازیکنان نیز در ۱۵٪ نتایج بازی‌ها تاثیر گذار هستند.»

کاربرد قانون پارتو در بهداشت و ایمنی

این قانون در زمینه بهداشت و ایمنی نیز به کار می‌رود. فرض کنید ۲۰٪ از خطرات باعث ایجاد ۸۰٪ صدمات می‌شود. بنابراین در نظر گرفتن این خطرات و رفع آن‌ها، در کاهش صدمات تاثیر زیادی دارد. ممکن است کنترل کردن این خطرات هزینه زیادی داشته باشد ولی از طرف دیگر می‌تواند ۸۰٪ هزینه‌های پرداختی بیمه را کاهش دهد. به این ترتیب شاید شرکت‌های بیمه آماده به سرمایه‌گذاری برای رفع این گونه مخاطرات باشند تا بتوانند ۸۰ درصد پرداختی‌های خود را کاهش دهند.

نمودار پارتو (Pareto Chart)

یکی از انواع خاص نمودار فراوانی به «نمودار پارتو» (Pareto Chart) شهرت دارد. همانطور که می‌دانید این نمودار براساس نام دانشمند بزرگ «ویلفردو پارتو» انتخاب شده است. این نمودار درست به مانند هیستوگرام یا بافت نگار فراوانی است بطوریکه گروه یا طبقه‌ای که بیشترین فراوانی یا فراوانی نسبی را دارد در اولین مقدار محور افقی قرار می‌گیرد. به همین ترتیب مقدارهای بعدی برای متغیر طبقه‌ای، براساس ترتیب فراوانی در نمودار ظاهر می‌شوند. این نمودار نیز توسط جوزف جوران ترسیم و به کار رفت. او قصد داشت که به کمک این نمودار، عیب‌هایی که بیشترین فراوانی را دارند نمایش داده و برای رفع آن‌ها تلاش کند.

فیلم آموزش مدیریت ریسک + نکات کاربردی در فرادرس

کلیک کنید

فرض کنید در شرکتی، علل تاخیر کارکنان مورد بررسی قرار گرفته است. همانطور که در جدول زیر می‌بینید فراوانی، فراوانی نسبی و فراوانی نسبی تجمعی تاخیرات دیده می‌شود. با رسم نمودار پارتو می‌توان تشخیص داد که فقط ۲۰٪ از علت‌ها، باعث ۸۰٪ تاخیرات شده‌اند.

همانطور که در تصویر زیر می‌بینید علاوه بر مستطیل‌های مربوط به هیستوگرام یا بافت‌نگار، یک نمودار خطی نیز به رنگ بنفش دیده می‌شود. خطوط مربوط به این نمودار، فراوانی نسبی تجمعی را نشان می‌دهند و در محور دوم که در سمت راست نمودار دیده می‌شود، درجه بندی شده‌اند. از آنجایی که گروه‌های محور افقی برحسب فراوانی مرتب شده‌اند، نمودار فراوانی نسبی تجمعی هم همیشه صعودی است. در قسمت‌هایی از نمودار که شیب نمودار خطی زیاد است، عوامل تاثیر زیادی دارند ولی با کاهش شیب، می‌توان به عواملی رسید که دارای تاثیر کمتری در فراوانی یا تعداد تاخیرات هستند.

ناحیه‌ای که در سمت چپ خط قرمز عمودی قرار دارد، علت‌هایی را نشان می‌دهد که بیشتر از ۸۰ درصد سهم در تاخیرها را دارند. از طرفی ناحیه‌ای که در سمت راست خط قرمز عمودی دیده می‌شود، علت‌هایی هستند که در تاخیرها سهم زیادی ندارند.

اگر این مطلب برای شما مفید بوده است، آموزش‌های زیر نیز به شما پیشنهاد می‌شوند:

• مجموعه آموزش های SPSS
• مجموعه آموزش های Minitab
• آموزش نمایش داده ها و ترسیم نمودار در اکسل
• آموزش گرافیک و ترسیم نمودار در متلب
• صدک ها – مفاهیم ریاضی به زبان ساده
• توزیع‌ های آماری و رسم نمودار تابع احتمال — با کدهای R

^^