पारेतो विश्लेषण इंजीनियरिंग की समस्याओं को हल करने में कैसे मदद कर सकता है?


11

अटैच एक पारेटो आरेख है जिसमें इंजन की अधिकता वाली समस्या के लिए X- अक्ष में Y- अक्ष बनाम कारणों की संख्या में दोष हैं । यह Pareto आरेख एक इंजीनियर को इंजन की ओवरहीटिंग समस्या को हल करने में कैसे मदद कर सकता है?

इंजन ओवरहीटिंग का कारण

संदर्भ:


यह एक कृत्रिम रूप से उत्पन्न प्रश्न जैसा लगता है। क्या आपको वास्तव में यह समस्या है, या आप केवल साइट ट्रैफ़िक को कृत्रिम रूप से बनाने की कोशिश कर रहे हैं? यह कल्पना करना मुश्किल है कि किसी को परेतो डायग्राम के साथ सामना करना नहीं जानता है कि यह क्या है या आसानी से पता लगा सकता है। एक बार जब आप जानते हैं कि यह क्या है, तो यह दिखता है कि इसका उपयोग कैसे किया जाए।
ओलिन लेथ्रोप

जवाबों:


12

यह आपको निवेश गणना पर वापसी के लिए शुरुआती बिंदु देता है। यह आपको प्रत्येक समस्या को ठीक करने में मूल्य बताता है कि कितने दोषों को रोका जाएगा। विचार यह है कि वक्र कुल मुद्दों बनाम संचयी प्रतिशत को दर्शाता है। मैंने एक लाल क्रॉस-बाल खींचा है जहां पर वक्र 56.8 अंक को पार करता है - 56.8 71 मुद्दों का 80% है। इसका मतलब है कि यदि आप उस बिंदु के बाईं ओर "महत्वपूर्ण" मुद्दों को ठीक करते हैं, तो आपको 80% समस्याएं हल हो जाएंगी, इसलिए वे अधिक मूल्यवान हैं।

यहां छवि विवरण दर्ज करें

अभियंता को तब बाईं ओर उन महत्वपूर्ण मुद्दों के लिए कार्रवाई के प्रत्येक संभावित पाठ्यक्रम के लिए प्रयास / लागत का अनुमान लगाना चाहिए। अनुमान केवल एक दूसरे के सापेक्ष होने की आवश्यकता है, किसी भी पूर्ण शब्दों में नहीं। आप निवेश पर सापेक्ष रिटर्न प्राप्त करने के लिए मूल्य से मूल्य को विभाजित कर सकते हैं।

उदाहरण के लिए यदि मैंने अनुमान लगाया कि रेडिएटर कोर का मुद्दा कठिनाई / लागत की लगभग 90 इकाई है, तो प्रशंसकों को ठीक करने के लिए 20 है, और थर्मोस्टैट को ठीक करने के लिए 15 है, मेरा आरओआई गणना निम्नानुसार होगी:

Fix Radiator Core ROI=3190=0.34444

Fix Faulty Fans ROI=2020=1

Fix Faulty Thermostat ROI=815=0.53333

यह इस बात का एक अच्छा विचार देता है कि जहाँ से संभव हो, जहाँ आप इन मुद्दों को ठीक करने पर काम करते हैं, अगर आप समय के साथ जोड़े गए कुल मूल्य के विरुद्ध साजिश रच रहे हैं (तो आप वक्र के नीचे के क्षेत्र को अधिकतम कर सकते हैं। जैसा कि आप देख सकते हैं, यह पहले वाले के साथ शुरू करने जितना आसान नहीं है क्योंकि यह सबसे अधिक मुद्दों को ठीक करेगा - इस प्रयास के कारण एक लंबा समय लग सकता है और इस बीच आप सरल प्रशंसकों और थर्मोस्टैट मुद्दों को ठीक कर सकते हैं। आरओआई आपको इन मुद्दों पर काम करने का आदेश देता है, प्रशंसकों को ठीक करना आपको सबसे अच्छा रिटर्न देता है, फिर थर्मोस्टैट, फिर रेडिएटर कोर। तब आपने 80% समस्याओं को ठीक कर लिया है और आप अन्य 20% पर काम करने के लिए फिर से वही कर सकते हैं।

बेशक अन्य कारक हो सकते हैं जो 'मान' घटक को जोड़ते हैं - जैसे कि एक अंक के आसपास नकारात्मक प्रेस। इसी तरह प्रयास के अनुमान में समय बनाम वित्तीय लागतों के लिए अलग-अलग भार हो सकते हैं, इस पर अपने संसाधनों का उपयोग करने की अवसर लागत, जैसे कुछ और के विपरीत, इन सभी कारकों को 'मूल्य' और 'लागत' के घटकों में माना जाना चाहिए। ROI गणना। यह निर्भर करता है कि आप कितना विस्तृत होना चाहते हैं।

ध्यान दें कि आप सोच सकते हैं कि आप कम महत्वपूर्ण लोगों सहित सभी मुद्दों के लिए आरओआई पर काम कर सकते हैं, लेकिन व्यवहार में अनुमानों को स्वयं करना काफी काम हो सकता है, खासकर यदि बहुत सारे मुद्दे हैं (यह उदाहरण केवल 6 है) । तो पेरेटो विश्लेषण आपको सबसे महत्वपूर्ण मुद्दों पर बहुत तेज़ी से काम करने की अनुमति देता है ताकि आप पहले उन अनुमान लगा सकें।


2
यह उल्लेखनीय है कि डाउनटाइम डेटा में पेरेटो विश्लेषण के बाद जैकनाइफ विश्लेषण एक बहुत ही उपयोगी अगला कदम हो सकता है। यह विशेष रूप से अच्छा है अगर आप विश्वसनीयता बनाम रखरखाव की समस्याओं या यहां तक ​​कि उपलब्धता के मुद्दों में तल्लीन करना चाहते हैं। प्रो। पीटर नाइट्स ने इस स्थान पर कुछ उत्कृष्ट अग्रणी कार्य किए और आप यहां एक काम किया हुआ उदाहरण पा सकते हैं: पुस्तकालय-
resources.cqu.edu.au/ejournals/protected/emj/…
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.