Comportement de système ADN, MTTF et estimation d’écart

Dans cette paragraphe on va étudier le comportement de l’écart entre la consommation rapportée

par le système et celle mesurée réellement. Le but de cette étude et d’essayer de prédire l’écart dans
le future et définir l’intervalle de confiance.

L’étude sera faite sur des données de 800 jours à partir du 01/02/2016 ou on a relevé la
consommation du carburant et les distances parcourues journalière.

Pour les ajustements utilisés dans cette étude an accepte un niveau de risque de 5%.

-On défini l’écart par la formule :

𝑪𝑹𝒋−𝑪𝑨𝑫𝑵𝒋
δCj=
𝑪𝑹𝒋

𝑲𝑹𝒋−𝑲𝑨𝑫𝑵𝒋
δKj=
𝑪𝑹𝒋

Avec : CRj=Consommation réelle de carburant de total des bus travaillés au jour j

KRj=Distance parcouru réelle par le total des bus travaillés au jour j

CADNj= Consommation de carburant de total des bus travaillés au jour j rapporté par ADN

KADNj= Distance parcouru par le total des bus travaillés au jour j rapporté par ADN

Cet écart provient initialement d’un manque d’envoi du au pannes du système dans certains bus.
On définit le pourcentage de panne de système ADN au jour j par :

∑𝑵𝒑𝒋 𝑪𝒊𝒋
ΔCj= ∑
𝑵𝒋 𝑪𝒊𝒋

∑𝑵𝒑𝒋 𝑲𝒊𝒋
ΔKj= ∑
𝑵𝒋 𝑲𝒊𝒋

Avec : Cij=Consommation de carburant de bus i au jour j

Kij=Distance parcouru par le bus i au jour j

Npj=Nombre de bus dont l’ADN en panne au jour j

Nj=Nombre de bus qui ont travaillé au jour j

Si on admet que lorsque le système ADN est en état de marche il envoie des valeurs égales aux
valeurs réelles (c’est-à-dire pas de perte de données appart des pannes) donc on aura :

H1 : δCj = ΔCj

δKj = ΔKj
 Pour vérifier cette hypothèse on va faire une régression linéaire pour les valeurs obtenues sur 800
jours pour les deux variables : (voire les données en Annexe) :

Les deux figures suivantes donnent les résultats de la régression :

Fig1 : Droite d’ajustement δCj ,ΔCj pour les données de la consommation

 Fig2 : Droite d’ajustement δKj ,ΔKj pour les données de Kilométrage

Analyse des résultats :

-Le R² des deux ajustements sont supérieurs à 70% ce qui prouve la relation linéaire entre les variables
proposée par l’hypothèse H1.

-les droites d’ajustements : δj =cts+α*Δj

δCj = 9,776+0,9255*ΔCj

δKj =10,70+0,9325*ΔKj

Les valeurs de coefficient α dans les deux ajustements sont 0,9255 et 0,9325 cette valeur est proche de la
valeur proposée par l’hypothèse H1 (α=1). Cependant les deux ajustements montrent l’existence d’une
constante différente de 0 qui montre l’existence d’un écart du au faite que les valeurs envoyées par l’ADN ne
coïncident pas avec les données réelles même pour les bus ou le système est en bon état.

Ainsi on doit corriger le modèle de l’hypothèse H1 par les équations suivantes :

H2 : δCj = ΔCj + ξ1(t)

δKj = ΔKj + ξ2(t)

ξ1,2(t)=Ecart résiduelle à l’instant t (dû au faite que les valeurs envoyées par l’ADN ne coïncident pas avec les
données réelles même pour les bus ou le système est en bon état.)

Etude de variation ξ(t) dans le temps :

Dans la partie suivante on prend l’axe de temps en jours avec t0=0 coïncide avec la date 01/02/2016.

On va réaliser une régression linéaire des deux fonctions ξ1(t), ξ2(t) en fonction du temps pour essayer de
trouver la tendance de ces fonctions :

Fig3 : Ajustement de ξ1(t) en fonction de t

 Fig4 : Ajustement de ξ2(t) en fonction de t

Le R² des deux ajustements est entre 65,6 et 71% nous permet d’accepter les équations linéaires trouvé
comme moyen de prédire les valeurs de ξ1(t) et ξ2(t) pour une valeur de t donnée. D’autre part ces
ajustements rendent légitime l’introduction du temps comme une variable indépendante dans les équations
de δCj et δKj.

Ainsi pou récapituler les résultats précédents on va procéder à une régression multiple pour prendre en
compte la simultanéité des effets des variables :

Fig 5 : Régression multiple de δCj en fonction de ΔC et t

 Fig 6 : Régression multiple de δKj en fonction de ΔK et t

Les deux équations suivantes expliquent plus de 91% de la variation de δCj et δKj en fonction des variables
simultanément selon les équations :

1) δCj= 0,453 + 0,9297 ΔCj + 0,022908 t

2) δKj= 2,376 + 0,93415 ΔKj + 0,020548 t

t : représente l’indice du jour j sur l’axe du temps en comptant t=1 pour le jour 01/02/2016.

Le R² de ce modèle varie de 91 à 94 % ce qui montre que ces équations seront efficaces pour estimer les
valeurs de δCj et δKj.

Analyse des équations 1 et 2 :

-Les équations montrent l’existence d’un écart résiduelle initial même a t=0 qui est <2,5 %.

-Il existe une composante d’écart qui s’augmente avec le temps avec un coefficient de 0.023%/jour pour les
mesure de consommation et 0,020%/jour pour les mesures de distance parcourue ce qui représente la
dégradation de système avec le temps.

-Un bus dont le système ADN n’a pas envoyé des données malgré que le bus a effectivement travaillé crée un
écart au niveau journalière égale à sa contribution soit à la consommation ou à la distance parcouru.

Notion de Temps moyen de bon fonctionnement MTTF:

On prend le coefficient de dégradation temporelle global θ du système ADN comme le moyen des deux
coefficients trouvé pour les deux types de mesures :

θ=(0.020+0.023)/2 =0.0215%/jour

Le coefficient θ représente la dégradation du système ADN indépendamment des pannes. L’existence de ce

coefficient provient du fait que les composantes mécaniques et électronique dans les bus s’altère avec temps
ce qui influence les mesures réalisées par le système ADN et par conséquence crée un écart qui dépend du
temps.

On propose le temps moyen de bon fonctionnement comme la durée nécessaire pour que la composante
temporelle de l’écart arrive à 2,5% :

θ*MTTF=2,5%==>
 MTTF=2,5/θ=117 jours =3,87 mois

Ainsi il est nécessaire de faire un check up pour les bus tous les 4 mois pour évaluer la qualité d’envoie des
données dans tous les bus.

Comment peut-on exploiter les équations 1 et 2 pour contrôler les données envoyées par le système ADN ?

Dans cette paragraphe on suppose que les recommandations du paragraphe précédente sont pris en compte
on peut réduire les équations 1 et2 sous la forme :

3) δCj= 3%+ΔCj

4) δKj= 5%+ΔKj

Le terme 5% et 3% seront les écarts résiduels estimatifs si on prend en compte les recommandations du
paragraphe précédente.

Les ΔCj, ΔKj sont les écarts dus au bus qui ont un système ADN ne marche pas au jour j.

Donc pour utiliser les équations 3 et 4 il suffit d’estimer ΔCj, ΔKj pour déduire les écarts δCj et δKj pour cela
on va utiliser deux approche :

 Première approche : stabilité de la contribution d’un bus dans le temps

Dans les conditions normales la consommation d’un bus en terme de carburant et le kilométrage parcouru
varie très peu d’un jour à l’autre car le bus ne change pas la ligne tous les jours et donc les valeurs restent
plus ou moins stable sauf dans les changements saisonniers, et cela s’applique aussi pour les bus qui ont un
problème dans le système ADN. D’autre part le nombre de ces bus ne varie pas d’un jour à l’autre sauf dans
le cas des réparations majeurs ou des pannes imprévus. Ainsi pour des raison d’estimations on peut
admettre ΔCj+1= ΔCj et δKj+1= δKj. Les équations deviennent :

5) δCj= 3%+ΔCj-1

6) δKj= 5% +ΔKj-1

Ainsi pour estimer l’écart au jour j il suffit de savoir la contribution des bus (qui on le système ADN ne
marche pas) dans la somme journalière de la consommation et la distance parcouru du jour j-1 et ajouter 5%
d’écart estimatif. Cette estimation est valable pour une durée D<MTTF à partir de dernier date de check up
de système.

 Deuxième approche : Contribution uniforme des bus

Dans cette partie on veut approcher ΔCj et ΔKj par le nombre Npj des bus avec système ADN en panne au
jour j, mais cette approximation suppose que la contribution des bus est uniforme. Pour tester cette
hypothèse on va chercher la corrélation entre les deux variables : On a trouvé les résultats suivants :
 Fig7 : ΔCj en fonction de Npj

Fig8 : ΔKj en fonction de Npj

Les équations d’ajustements représentent 97,6 % de la variation donc les deux variables sont très fortement
liées statistiquement par les équations :

ΔCj=0,7244+0,9980*Npj

ΔKj=0,6264+0,9963*Npj

En remplaçant ΔCj et ΔKj dans les équations 3 et 4 on aura :

7) δCj= 3,72+Npj en (%)

8) δKj= 5,63 +Npj en (%)

D’après ces équations il suffit de savoir le nombre Npj des bus qui ont une panne de système ADN dans un
jour j pour déduire les écarts prévus pour ce jour.

Comment on peut diminuer l’écart entre les données réelles et celles envoyés par le système ADN ?

-Assurer la réparation immédiate des bus qui ont une panne dans le système ADN et éviter l’accumulation
des pannes.
-Réaliser un check up périodique de tous les bus qui ont le système ADN installé au moins tous les 4 mois
pour stabiliser la qualité d’envoie des données.