Dorian Shainin, né le à San Francisco (Californie) et mort le à Manchester (Connecticut), est un ingénieur qualité-fiabilité et consultant américain.
Il est l'inventeur de la méthode de résolution de problèmes Shainin.
Biographie Pionnier du paradigme de la qualité, consultant, ingénieur, auteur et professeur universitaire, Dorian Shainin est reconnu pour ses contributions dans les domaines de la résolution des problèmes industriels, la fiabilité des produits et la gestion de la qualité. Il est peut-être surtout connu pour la création et le développement du concept « Red X »Ingle, Sud, In Search of Perfection: How to Create/maintain/improve Quality, Prentice-Hall, 1985, p. 47, .
On doit à Shainin, fondateur de l’entreprise internationale de consultants Shainin, l’élaboration de plus de 20 techniques d’ingénierie statistique qui constituent désormais l’essence du « Système Shainin » visant à l’amélioration de la qualité et de la fiabilitéIPC Business Press, Quality Today: Measurement & Inspection Technology, IPC Industrial Press, 1994, p. 25.
Au cours de son existence, Dorian Shainin a œuvré à l’amélioration de la qualité et de la fiabilité d’une kyrielle de produits issus de plus de 200 secteurs différents, notamment dans le papier, l’imprimerie, les textiles, le caoutchouc, l’énergie nucléaire, les avions, l´automobile, les lecteurs à cassettes, les engins spatiaux, les ampoules et les couches jetablesRath & Strong Management Consultants, from In This Issue, 1957 Harvard Business Review, "Dorian Shainin", au profit de clients parmi lesquels le ministère américain de la Défense, Rolls Royce Ltd., Exxon, Polaroid, Hewlett-Packard, AT&T et Ford Motor. Au total, Shainin a conseillé plus de 800 entreprises, dont 43 figuraient au classement Fortune 100Bhote, Keki, The Power of Ultimate Six SIGMA, Amacom, New York, 2003, p. 15, .
Jeunesse Dorian Shainin est né le à San Francisco. Il a grandi à San Francisco, Shanghai et New York. Il a fréquenté la Erasmus Hall High School à Brooklyn, New YorkAmerican men & women of science: physical and biological sciences, Bowker, 1986,p. 643, .
Débuts professionnels Après avoir décroché son diplôme en ingénierie aéronautique au Massachusetts Institute of Technology (MIT) en 1936, Shainin devint ingénieur-concepteur à la Hamilton Standard Division de United Aircraft Corporation (aujourd’hui United Technologies Corporation)ASQ, December 18, 2007,“Dorian Shainin: A professional approach to problem solving” .
En 1939, l’industrie américaine avait commencé à se concentrer sur l’effort de guerre, et Shainin devint Licensee coordinator, chargé d’aider les nouveaux employés de Hamilton Standard dans la résolution de problèmes. À la fin de la guerre, Shainin était responsable de la qualité et de la fiabilité chez Hamilton Standard, et l’invention du Hamilton Standard Lot Plot lui avait valu une notoriété nationaleGrant, Eugene Lodewick, Statistical Quality Control, McGraw-Hill Book Company, New York, 1964, p. 444.
Lot Plot L’expression « Lot Plot » désigne une méthode statistique de contrôle d’acceptation par échantillonnage, mise au point par Dorian Shainin dans les années 1940. Cette technique statistique utilise l’analyse graphique de données variables échantillonnées afin de déterminer si un lot composé de pièces potentiellement défectueuses doit être accepté ou écarté en vue d’un contrôle intégralJohnstone, Dudley, Statistical Methods in Quality Control, Prentice-Hall, 1957, pp. 621-624.
Le développement par Walter A. Shewhart de la méthode des cartes de contrôle démontra l’application des techniques statistiques à l’industrie manufacturière et illustra l’efficacité de la présentation et de l’analyse graphiques. Shainin intégra ces notions dans le développement du Lot PlotGrant, Eugene Lodewick, Leavenworth, Richard S., Statistical Quality Control, McGraw-Hill Book Company, New York, 1988, pp. 574-575, .
En 1946, Shainin put démontrer au Bureau of Aeronautics de l’U.S. Navy que la méthode Lot Plot était plus efficace qu’un contrôle 100 %. À la suite de cette démonstration, la Navy accepta de normaliser la méthode Lot Plot. Cette dernière fut bientôt érigée en norme dans de nombreuses industriesAmerican Statistical Association (ASA), Journal of the American Statistical Association, American Statistical Association, 1954, p. 341.
Sur le conseil de son ami et mentor Joseph M. Juran, Shainin se tourna vers le monde du conseil. En 1952, Shainin rejoignit Rath & Strong, Inc., une société de conseil en gestion basée à Lexington, Massachusetts, au poste de vice-président directeurRath & Strong, Rath & Strong's Six Sigma Pocket Guide: New Revised Edition, Rath & Strong, Incorporated, Aon Consulting, 2006, p. 10, .
Big Red X et Pareto L’élaboration par Dorian Shainin du concept « Red X » découla de sa collaboration avec Joseph Juran. Dans les années 1940, Juran inventa et popularisa la notion de « the vital few and trivial many », (les quelques composantes prioritaires et les nombreuses composantes secondaires) également connue sous le nom de « Principe de Pareto », reconnaissant que l’incidence inégale des problèmes sur les performances économiques relevait du même phénomène que Vilfredo Pareto avait relevé à propos de la répartition des richesses (voir distribution of wealth)Stephens, Kenneth S., Juran, Quality, and a Century of Improvement, American Society for Quality, 2004, p. 188, . Comme le suggérait Juran, « 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. » ”Juran, J.M., "The Non-Pareto Principle; Mea Culpa"
Dans les années 1950, Shainin reconnut que le principe de Pareto pouvait effectivement 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 « Big Red X » Vinas, Tonya, Industry Week, November 1, 2003 “Best Practices -- The Hunt For Red X” et démontra que la cause pouvait exister sous la forme d’une interaction entre des variables indépendantes. L’effet du Red X est alors magnifié par la loi de la racine carrée de la somme des carrés, isolant de ce fait la cause première.
Shainin soutint que son application des méthodes statistiques était plus rentable et plus simple que les méthodes Taguchi. Afin de déterminer le « Red X », Shainin échangeait des paires de pièces provenant d’un équipement opérationnel et d’un équipement défectueux jusqu’à ce que soit trouvée la pièce à l’origine de la panne. Shainin affirmait pouvoir souvent trouver la principale pièce défectueuse moyennant une douzaine d’échangesMain, Jeremy, Langan, Patricia A., August 18, 1986, "Under the Spell of the Quality Gurus" Fortune Magazine, pp. 22-23.
La principale caractéristique qui distinguait la méthode de Shainin de celle de Taguchi était le principe consistant à « parler aux pièces ». Dans les plans d´expériences classiques ou Taguchi (voir Plan d'expériences), les ingénieurs se remuent les méninges pour formuler des hypothèses quant aux causes possibles d’un problème. Les méthodes de Shainin réfutent cette étape théorique, exigeant au préalable le diagnostic des causes en passant par une ou plusieurs des quatre techniques de génération d’indices conçues pour déterminer, par l’investigation empirique des pièces concernées, la cause première, ou « Red X »Bhote, Keki, World Class Quality: Using Design of Experiments to Make It Happen, 2nd edition, 2000, Amacom, New York, pp. 79-82 .
Dans les années 1940, Leonard Seder, camarade de classe au MIT et ami de Shainin, développa le graphique Multi-Vari (voir Multi-vari chart), une méthode graphique d’analyse de la variance. Figurant parmi les premiers adeptes de cette méthode, Shainin découvrit qu’avec les graphiques Multi-Vari, il pouvait rapidement converger vers la cause première d’un problèmeTraver, Robert W., Manufacturing Solutions For Consistent Quality and Reliability, 1995, Amacom, New York, p. 7, . Les graphiques Multi-Vari ont également grandement influencé le développement du concept de Red X par ShaininLangan, Patricia A., 1986, "Under the spell of the quality gurus", FORTUNE Magazine, August 18, p. 23.
Influences Ronald Fisher, John Tukey, and Waloddi Weibull figurent au nombre des statisticiens et des mathématiciens qui ont influencé la pensée de Shainin. Les techniques de convergence de Shainin permettent de réduire le nombre de possibilités de Red X à quelques-unes. Les plans d'expériences de Ronald Fisher isolent alors le Red X, en révélant les interactions potentielles tout en confirmant l’identité du Red X avec une confiance statistiqueBhote, Keki R., The Ultimate Six Sigma: Beyond Quality Excellence to Total Business, Amacom, 2001, p. 176, .
John Tukey, partisan de techniques statistiques simples, a également influencé Shainin. Dans la foulée des travaux de Tukey, Shainin a échafaudé un test de confirmation simple appelé « test Six Pack ». Non paramétriques (voir non-parametric) et ayant un ensemble de règles basiques, les tests Six Pack étaient réputés beaucoup plus simples que les tests d´hypothèses. Shainin affina ces travaux en une analyse de la variance, ou ANOVA, permettant ainsi l’analyse non paramétrique des plans d´expériences factoriels complets de Fisher (voir factorial experiment)Sleeper, Andrew D., Design for Six Sigma Statistics, McGraw-Hill Book Company, New York, 2005, p. 79, .
À l’instar des graphiques Multi-Vari de Seder, la désormais célèbre loi de distribution de probabilité continue (voir continuous probability distribution) de Waloddi Weibull fascinait Shainin. La distribution de Weibull, ainsi que les expériences menées par Shainin chez Hamilton Standard, jetèrent les bases de ce qui allait devenir le système Shainin pour la fiabilité des produitsCarter, A.D.S., Mechanical Reliability, Wiley, 1986, pp. 156-157, . Ce système fut utilisé pour le développement du module lunaire Grumman ainsi que de la production initiale du système ABS de General Motors’.
NASA/Apollo 13 Au cours des années 1960, Shainin travailla comme consultant en fiabilité pour Grumman Aerospace dans le cadre du projet de module lunaire Apollo de la NASA. Afin de garantir une certaine marge de sécurité statistique, Shainin élabora une approche totalement nouvelle de l’estimation de la fiabilité, qui fut appliquée aux essais empiriques des éléments et systèmes du prototype de module lunaire de GrummanASQ, Spring, 2000, "Shainin Stamp of Quality", p. 9. L’approche prônée par Shainin en matière d’essai de fiabilité joua un rôle crucial dans la participation de Grumman au développement du module lunaire. L’absence de défaillances lors de onze missions habitées, dont six avec alunissages, démontra l’efficacité de son approche. Lorsque le module de commande devint inhabitable lors de l’échec de la mission Apollo 13, le module lunaire devint le canot de sauvetage qui ramena les astronautes d’Apollo 13 en orbite lunaire et sur la TerreShainin, Dorian, Reliability: Managing a reliability program. "Apollo lunar module engine exhaust products." Science 166, 1969, pp. 733-38.
Durant les années au cours desquelles Shainin servit de consultant en fiabilité pour Pratt & Whitney Aircraft, il travailla sur la pile à combustible à hydrogène qui, outre le moteur-fusée à fluide cryogénique RL-10 alimenta l’équipement de vie d’Apollo. Le RL-10 devint rapidement le moteur spatial américain le plus fiable, permettant 128 allumages dans l’espace sans une seule défaillanceShainin website.
Autres contributions