Méthode
SHAININ
Plan
I. Quoi : définition, origine de la méthode.
1. Définition
2. Origine de la méthode
II. Pourquoi :objectifs, motifs de la méthode.
1. Objectifs
2. Motifs de la méthode
III. Comment : démarche et outils
1. Démarche
2. Outils
I. Quoi : définition,
origine de la
méthode.
A-Définition
SHAININ est une méthode américaine d’amélioration de la compétitivité, axée sur
le client.
Son objectif est de maîtriser la variabilité des produits et converger plus rapidement
vers la source du problème.
Fondée sur des outils visuels, elle permet grâce à des essais simples de trouver le
facteur responsable de la non qualité d’un produit
B-Origine
Dorian Shainin:
● 1946: Membre de l’ASQC ( American Society for Quality
Control) avec Len Sender,Joe Juran,Warren Purecell.
● 1963: Consultant en fiabilité chez Grumman Aerospace
pour le L.E.M ( lunar excursion module) de la NASA
● La méthode Shainin en termes de fiabilité garantissait
statistiquement la plus faible marge de risque.
II. Pourquoi:
objectifs, motifs de la
méthode
A-objectif
Trouver les causes racines vite et efficacement que possible
Réduire les causes possibles par élimination de larges groupes de causes en une seule fois
(séries de recherches binaires).
B-MOTIFS DE LA MÉTHODE SHAININ
L’enthousiasme du client: la
méthode vise la satisfaction de
la clientèle.
Déceler la cause d’un Faire parler les pièces:
problème: elle cherche cela revient à générer des
détecter l’origine d’un indices en observant la
problème.Déceler variation du processus
III. Comment : démarche
et outils
A-Démarche
Le Système SHAININ propose 6 phases pour chercher Red X :
Définir le problème 2 Etablir un système de mesure adapté
1
Générer des 3 4 Isoler le Red X
indices
Etablir une cible 5 6 Implémenter la maîtrise
et des tolérances statistique des procédés
1-Définir le problème:
• un défaut spécifique à À une
éliminer caractéristique
Il faut relier spécifique
le problème • une caractéristique à mesurable
améliorer
2-Etablir un système de mesure adapté:
4 indicateurs doivent être vérifiés:
La justesse La précision
Le biais Le discriminat
3. Générer des indices :
L’élimination
des causes
L’interprétation
potentielles par
des indices par
collecte de
les experts
données bien
planifiée
4-Isoler le Red X : Le nombre de causes suspectes est:
:
si il est supérieur ou égal à 5
Recherche par inversion de variables
compris entre 2 et 4: Une seule :
l’outil B versus C(Better
un plan complet peut être conduit
versus Current)
5- Etablir une cible et des tolérances
❖ Les tolérances doivent être établies avec preuves:
o Par validation statique.
o Par tests empiriques.
❖ Le véritable travail d’un professionnel de la Qualité est
o D’assurer que les tolérances sont correctes.
o Tous les produits / services sont à l’intérieur de ces
tolérances.
6-Implémenter la maîtrise statistique des procédés :
Il faut ensuite veiller au maintien du Red X sur
sa cible.
✔ Si cette maîtrise du Red X ne peut être
réalisée par une action irréversible:
✔ alors un plan de contrôle statistique des
procédés est requis
B-Outils
La méthode de SHAININ utilise principalement des outils
de statistique simples et parfois d’autres plus complexes,
parmi les plus utilisés on note :
• L’arbre de définition du problème
• Isoplot℠
• Le Diagramme Multi-Vari
• La Recherche par inversion de composant
• La Recherche par inversion de variables
L’arbre de définition du problème
Schématise la situation
problématique.
Facilite l’analyse des
causes/conséquences.
Offre une image de synthèse du
problème.
Meilleur maîtrise du projet.
Isoplot℠
Isoplot est une fonctionnalité d’Excel .
Permet de séparer la variations du
produit .
Élimine l’erreur de mesure.
Détermination du discriminant.
Le Diagramme Multi-Vari :
Examine la variation des données à
travers d’une représentation graphique .
Affiche les relations entre
causes/conséquences.
La Recherche par inversion de
composant
Permet d'étudier la famille de variation
des produits démontables.
En identifiant les composants à l’origine
des problèmes à travers des tests sur
les composants .
La Recherche par inversion de
variables
Analogue à la Recherche par inversion de
composants.
Des tests sur les variables qui nous
donnent celles les plus critiques.
étude de cas : Microfusions
Symptôme : Bandes d’aluminium
fusionnées.
Machine : bâti de gravure plasma
Mesure : nombre de circuits touchés
sur 5 zones de test des plaques
(contrôle visuel). Taux de rebut :
entre 0% et 5% de la production : par
période de crise.
Carte de contrôle : nombre moyen de
circuit touché par lot.
Choix des variables : Sélectionner les variables
suspectes et les classer dans un ordre
décroissant d’influence supposée
A : Puissance
B : Pression
C : Débit de gaz 1
D : Température refroidissement
support E : Distance inter électrode
2. Sélection des modalités : Définir les modalités de chacune
des variables suspectes.
Permutations : Identifier la ou les variables perturbatrices
Identifier la ou les variables perturbatrices
Test de bouclage : S’assurer que toutes les variables ont
bien été identifiées
Les deux facteurs influents sont :
A : Puissance
E : Distance inter électrode
Conclusions :
Le paramètre A : la puissance.
Actions : ¾ Mise en application d’une recette de gravure avec
une puissance optimum
Le paramètre E : Distance inter électrode (DIE).
Actions : ¾ Un suivi particulier entre la consigne et la réelle DIE a
été mis en place.
Ce suivi a démontré une dérive du système mécanique de la DIE
dans le temps. ¾ Rajout dans la check liste de début de poste : le
contrôle de la DIE. ¾ Rajout dans la maintenance préventive : la
vérification du système mécanique de la DIE.
