[Total : 1    Moyenne : 5/5]

Peu répandu en France, la méthode Shainin est une approche statistique pour résoudre les problèmes, au même titre que le 6 Sigma.

Introduction

Créée par Dorian SHAININ (1914 – 2000), la méthode Shainin est une méthodologie de résolution de problème.

De formation ingénieur aéronautique, Dorian SHAININ travailla pour de nombreuses sociétés aéronautiques : ingénieur conception pour United Aircraft Corporation, consultant fiabilité pour Grumman Aérospace et pour Pratt & Whitney. Mentoré par Joseph M. JURAN, il développa au total une vingtaine d’outils statistiques pour résoudre les problèmes et améliorer la fiabilité. En 1984, il créa la société Shainin consultants.

En 1996, il fut le 15ème membre d’honneur de l’ASQ (American Society for America) et la première à en gagner les 4 médailles majeures. En 2004, l’ASQ créa la médaille Dorian SHAININ pour l’exceptionnelle utilisation d’application unique ou créative de techniques statistiques dans la résolution de problème en relation avec la qualité des produits et des services.

La philosophie Shainin

Dans la philosophie Shainin, l’amélioration continue est une fausse idée. En réalité, elle évolue par palier, projet après projet. Sa stratégie propose de choisir judicieusement les projets sur lesquelles travailler et d’utiliser un système de résolution de problèmes basé sur l’ingénierie statistique applicable partout : conception, production, service1… Shainin développé ainsi 5 principes2.

La qualité est l’enthousiasme du client

La satisfaction du client est le niveau minimum à atteindre pour être compétitif ou plutôt pour « exister ». Pour être de « classe mondiale », l’enjeu est de viser l’enthousiasme du client, autrement dit, lui apporter un atout compétitif générant l’achat du produit. Le principe est de se focaliser sur la ou les caractéristiques qui génèrent cet enthousiasme et de réduire leur variation.

Il n’y a pas de variation aléatoire

Pour toute sortie Y d’un système, il y a un nombre de facteurs d’entrée X qui causent la variation. Avec des ressources infinies, on pourrait trouver tous les X. Néanmoins, rechercher tous ces paramètres serait du gaspillage car selon le principe de Pareto, la découverte de toutes les petites causes et le contrôle de celles-ci seraient trop complexes et trop couteux.

Le Red X

Le concept du Red X de Shainin découle de sa collaboration avec Joseph M. JURAN. Dans les années 1940, celui-ci démocratisa le Pareto : « J’ai observé (comme beaucoup avant moi) que les défauts qualité sont de fréquence inégale, c’est-à-dire que lorsqu’une longue liste de défauts est classée par ordre de fréquence, relativement peu de défauts constituent la majeure partie des problèmes. »3

Dans les années 1950, Shainin reconnut que le principe de Pareto pouvait s’appliquer à la résolution des problèmes de variation. Shainin en conclut que, parmi les milliers de variables qui pouvaient provoquer un changement de la valeur d’une donnée de sortie, une relation de cause à effet devait être plus forte que les autres. Shainin appela cette cause majeure le « Red X » et démontra que la cause pouvait exister sous la forme d’une interaction entre des variables indépendantes. La seconde cause étant la « Pink X », la troisième la « Pale Pink X »…

Le principe de combinaison des causes indépendantes

Lorsque des causes indépendantes sont combinées, la variance de la distribution résultante est la somme des variances des causes indépendantes (principe d’additivité des variances). Ainsi la seule façon d’obtenir une amélioration majeure dans la réduction de la variation du procédé est de trouver le Red X et de le contrôler.

σsortie  = √(σredX2 + σpinkX2 +…)

Faire parler les pièces

La principale caractéristique qui distinguait la méthode de Shainin de celle de Taguchi était le principe consistant à « faire parler les pièces ». Dans les plans d´expériences classiques ou Taguchi, les ingénieurs se remuent les méninges pour formuler des hypothèses quant aux causes possibles d’un problème. La méthode de Shainin réfutent cette étape théorique, exigeant au préalable le diagnostic des causes en passant par une ou plusieurs techniques (Ishikawa…) de génération d’idées conçues pour déterminer, par l’investigation empirique des pièces, la cause première, ou « Red X ».

La méthodologie SHAININ

Plus accès sur la recherche terrain des causes et moins sur la mesure que la méthode 6 Sigma, la méthode Shainin suit une logique assez proche et se compose d’une suite logique d’outils statistique.

On note que cette méthode s’appuie sur des outils statistiques non paramétriques. Certes moins précis, ils ont l’avantage de fonctionner même avec des petits échantillons et sont robustes aux données non normales.

1 – Focus

Dans le processus Shainin, la première étape est de définir le problème. On va comme dans la plupart des méthodologies de résolution de problèmes (PDCA8DDMAIC…) utiliser le QQOQCCP. Cela permet de décrire le problème et le background de celui-ci : Pareto, taux de défaut…

2 – Approach

Cette seconde phase vise à cibler le Green Y et à valider les moyens de le mesurer. Le Green Y représente le défaut que nous souhaitons éliminer et mettre sous contrôle. Pour s’assurer que statistiquement, notre étude sera « viable » et valider nos améliorations, Shainin propose dès cette étape de vérifier si le moyen de mesure est capable. Il s’appuie sur un outil qu’il a développé : l’Isoplot.

A partir de cette étape, nous allons suivre le processus suivant :

3 – Converge

La phase Converge est l’étape où l’on va rechercher réellement les causes de notre défaut, en utilisant une logique systématique de comparaison entre des bonnes pièces et des mauvaises4. La méthode Shainin propose une investigation en 2 temps. Une première pour énumérer l’ensemble des hypothèses et effectuer un premier filtre, et une seconde pour identifier la cause réelle.

Les outils de la phase Converge

Graphique Multi Vari

Recherche de composants ou de produits

Comparaison par paire

Il s’agit d’une technique graphique permettant de visualiser la variabilité des pièces vis-à-vis de 3 facteurs généraux.

Par démontage / remontage puis permutation des pièces, on va situer le ou les éléments qui sont à l’origine du défaut.

Ayant la même fonction que la recherche de composant ou de produit, cette technique s’utilise dans le cas où les pièces ne peuvent se démonter ou si le démontage les endommages.

Recherche de variable

La recherche de variables consiste à resserrer encore un peu plus le nombre de facteur ayant une influence. Le but étant d’en sélectionner 4 au maximum.

Plan factoriel complet

A ce stade, nous n’avons plus que 4 facteurs au maximum. Via un plan factoriel complet standard, nous allons valider leur influence et la quantifier.

4 – Test

Nous avons identifié le Red X et des solutions. L’enjeu de l’outil B vs C et de comparer la situation actuelle (Current), avec la nouvelle situation (Better).

5 – Understand

La relation entre le Green Y et le Red X est désormais connus. On va l’optimiser  pour déterminer avec précisions la relation entre les différentes causes et le Green Y. Pour cela, on utilisera des plans d’expériences pour surface de réponse (RSM).

6 – Apply

Cette phase a pour enjeu de mettre en œuvre les outils pour maintenir les améliorations obtenues.

Posicontrol

Le plan Posicontrol est un plan de contrôle du processus. Pour le mettre en place, on va devoir répondre aux questions suivantes :

  • Quelle est la variable à mettre sous contrôle suite aux optimisations mesurées dans l’expérience précédente ?
  • Qui devra effectuer la mesure et la surveillance et l’enregistrement du contrôle ?
  • Comment faire la mesure : moyen de mesure… ?
  •  effectuer la mesure pour avoir un résultat fiable et représentatif ?
  • Quand la mesure doit être faite ? : tout d’abord évalué par expérience puis optimiser au fur et à mesure.

Precontrol

Pour manager et valider les améliorations obtenues, on va mettre en place le Precontrol. C’est une méthode très similaire à la SPC.

Certification de processus

Cette étape vise à s’assurer que des causes annexes ne puissent pas perturber la mesure et générer de la variation : problème d’organisation, mauvaise maintenance, erreur humaine… Le plus souvent, on met en place du 5S, des Poka-Yoké, des standards,…

Certification des opérateurs

C’est une étape qui demande à mettre en place des formations et un suivi de formation.

7 – Leverage

On suit le processus au travers le contrôle du Red X. Pour cela, on utilise le Lot Plot.

Source

1 – D. Shainin (1995) – A common sense approach to quality management

2 – D. Shainin (1993) – Strategies for technical problem solving

3 – J. Butman (1997) – Juran : a lifetime of influence

B. Maxson, H. Dao (2009) – A convergent approach to problem solving

J. Kosina (2005) – Quality improvement methods for identification and solving of large and complex problem

D. Johnstone (1957) – Statistical quality control

J. H. Ellington (2003) – The optization of General Motor’s warranty, system by reducing mean time to discover failure

S. H. Steiner, R. J.MacKay (2009) – An overview of the Shainin System for quality improvement

Share This