Un enfoque alternativo para mejorar la calidad de los procesos productivos es la llamada metodología del Sistema Shainin (SS), desarrollada por Dorian Shainin. Esta es utilizada en procesos operativos de volumen medio a alto; principalmente en operaciones de piezas y ensamblajes donde los datos están disponibles a bajo costo. El SS considera dos principios en la mejora de procesos: el primero se asocia a la existencia de causas dominantes de variación, y el segundo principio se basa en el llamado algoritmo del SS.

Un principio fundamental del SS es que, en cualquier problema, hay una causa dominante de la variación. Esta es llamada Red X. Para puntualizar este principio, esta se calcula como la raíz cuadrada de la suma de los cuadrados de cada causa que contribuye a la variación. En el SS ha quedado establecido que podría haber una segunda o tercera causa importante que contribuye a la variación total, estas son denominadas Pink XT y Pale Pink XT.

En el SS se utiliza un sistema de eliminación, llamado búsqueda progresiva para identificar las causas dominantes de variación. Para la implementación del proceso de eliminación, el SS utiliza las llamadas familias de causa de variación. Una familia de variación es un grupo de entradas de proceso variables que actúan en el mismo lugar o en el mismo periodo de tiempo. La idea principal es que, si podemos atribuir a una familia la mayor parte de la variación, entonces se podría eliminar todas las variables que actúan en otras familias.

Una forma de encontrar las causas dominantes es comparar unidades con valores extremos: “mejor de lo mejor” (BOB) vs “peor de lo peor” (WOW). Dentro del SS, no existe una consideración explícita sobre si las causas dominantes o cualquier otra causa son comunes o especiales.

Por otro lado, el algoritmo SS se divide en dos partes llamadas: viaje de diagnóstico y de recuperación. En la jornada de diagnóstico se busca primero un enfoque para cuantificar la magnitud del problema a través de un plan de muestreo que permita determinar la causa dominante. Posteriormente, el algoritmo SS cuantifica y establece un adecuado sistema de medición. En la siguiente etapa, el algoritmo SS genera pistas sobre la causa dominante. El objetivo de las siguientes dos etapas del algoritmo SS es confirmar la causa dominante mediante la aplicación de un Diseño de Experimentos (DOE).

En la jornada remedial del algoritmo SS se asume que la causa dominante ha sido identificada y verificada. Primero se busca explicar la variación de la causa dominante como una variación conjunta de dos variables insumo. Si se encuentra una interacción se puede explotar esta relación optimizando el proceso con experimentos de dos factores. Ya sea que se encuentre la interacción o no, en la siguiente etapa del algoritmo SS se definen tolerancias para la entrada correspondiente a la causa dominante. Posteriormente se toman medidas correctivas irreversibles para que la variación de la causa pueda eliminarse. Las últimas dos etapas consisten en monitorear los resultados obtenidos y comunicar los resultados al cliente.

El Sistema Shainin es más adecuado para la resolución de problemas en procesos operativos de volumen medio a alto donde los datos están disponibles a bajo costo, los métodos estadísticos se utilizan ampliamente y la intervención en el proceso es difícil. En resumen, el algoritmo es muy fuerte para el recorrido de diagnóstico, pero débil e incompleto para el recorrido de recuperación. Sin embargo, el SS puede beneficiarse de las llamadas metodologías híbridas, que son la integración con otros enfoques, y robustecer las partes de la metodología que no son estadísticamente sólidas.