Vous êtes sur la page 1sur 59

© Daoud Ait Kadi 1

Historique de développement des préoccupations de


fiabilité
Le besoin en fiabilité a été particulièrement ressenti au cours de la Seconde Guerre
Mondiale, aux États-Unis, où il a été constaté, par exemple, que 60% des équipements
d’avions expédiés en Extrême-Orient arrivaient endommagés et que 50% des rechanges
étaient inutilisables avant d’avoir servi.
A la même époque, les ingénieurs de l’usine MESSERSCHMIDT avaient choisi une
solution pour la réalisation de chasseurs, tenant compte de considérations de durée de vie.
C’est seulement à partir de 1950 que la fiabilité a commencé à être vraiment considérée
comme une discipline distincte, d’abord aux États-Unis, puis progressivement de 1950 à
1960 dans tous les pays industrialisés.
Dans l’histoire de la fiabilité, on peut relever certains évènements marquants:
 1952 : création aux Etats-Unis, de l’A.G.R.E.E(Advisory Group on Reliability of
Electronic Equipment) par le département de la Défense. La tâche confiée à cet
organisme est de rechercher les causes de non-fiabilité des équipements et d’établir des
règles pour améliorer leur fiabilité. D’autres industriels s’engagent alors activement
dans ces problèmes, particulièrement VITRO, RAND CORPORATION, BELL
TELEPHONE LABORATORIES, RADIO CORPORATION of AMERICA, etc…

© Daoud Ait Kadi 2


Historique de développement des préoccupations de
fiabilité
 1954 : toujours aux États-Unis a lieu le premier symposium sur la fiabilité
 1959 : publication de la première version du document RADC (Reliability Notebook)
universellement connu.
En Europe, la fiabilité, en tant qu’entité propre, commence à faire parler d’elle autour
des années 1955 – 1956, en suède et en U.R.S.S d’abord, puis progressivement en
Allemagne, en Grande-Bretagne et en France. On peut noter:

 1961 : établissement en Grande-Bretagne d’un National Council of Quality and


Reliability, chargé de promouvoir la qualité et la fiabilité dans l’industrie.
 1962 : admission du néologisme « fiabilité » par l’académie des Sciences Françaises.
C’est cette même année qu’est créé le centre de fiabilité du C.N.E.T (Centre National
d’Études des Télécommunications).
L’évolution de la fiabilité est fulgurante. Aux États-Unis, on note en 1966 une
vingtaine de grandes manifestations ayant pour objet la fiabilité ainsi qu’une trentaine de
stages ou séminaires qui l’enseignent, alors qu’en 1952 avait lieu une première
manifestation timide.
© Daoud Ait Kadi 3
Historique de développement des préoccupations de
fiabilité
Avec un décalage de quelques années, un rythme semblable d’évolution se constate en
Europe. En France, le nombre d’ingénieurs qui s’occupent de problèmes de fiabilité
s’accroît. Des groupes de travail s’organisent, publiant plaquettes ou spécifications. De
nombreux stages sont offerts au sein de l’Université et dans l’Industrie.
Aujourd’hui, sous la pression d’une concurrence pour laquelle les critères de fiabilité ont
une importance croissante, toutes les entreprises prennent en compte les questions de
fiabilité. Les plus importantes ont mis en place des moyens spécifiques rattachés à la
direction générale pour promouvoir et organiser dans ces sociétés toutes les actions et les
moyens destinés à améliorer la qualité et la fiabilité des produits et prestations.
Tous les grands projets connus du grand public (AIRBUS, ARIANE, TGV, …) ont été
développés en prenant en compte des exigences de fiabilité sévères qui ont fait progresser
les différentes techniques mises en œuvre.
D’une manière générale, la concurrence internationale incite à un effort de fiabilité pour
tous les produits industriels.

© Daoud Ait Kadi 4


Besoins Étude Fabrication Exploitation
Opérationnels
Performances Conception Prototype Assemblage Essais Fonctionnement
Projet Installation
Optimum économique pour
une mission donnée

Sélection des Sélection


Fiabilité composants des
et des
schémas processus
Gestion
de la
Maintenance
qualité
Contrôle préventive
de la
Disponibilité
qualité Maintenance
corrective

Aptitude à
la
maintenance
Analyse des
défaillances

Disponibilité
Opérationnelle

Prix de revient
Élaboration d’un de la mission
produit
Répercussions des préoccupations de fiabilité et d’aptitude à la maintenance
Répercussions des préoccupations d’aptitude à la maintenance
Retour des informations et répercussions de leur analyse sur les prochains
© Daoud Ait Kadi programme 5
Rappels des probabilités
 Événement - Expérience
– On peut constater un événement comme le résultat d’une
expérience (tirage…), ou comme le résultat d’un état de fait
(fonctionnement ou défaillance).

– L’événement doit être parfaitement défini

– Quand le résultat d’une expérience est régi uniquement par le


hasard, on dit qu’il s’agit d’une expérience ou d’un événement
aléatoire.

– Ω : l’ensemble de tous les événements possibles (espace des


résultats ou espace des épreuves).

© Daoud Ait Kadi 6


Rappels des probabilités
 Événements incompatibles ou mutuellement exclusifs
– Deux événements E1 et E2 sont dits incompatibles ou mutuellement
exclusifs si E1∩E2=∅
– Les deux événements ne peuvent se produire simultanément.
Ex: E1= fonctionnement
E2= défaillance
 Événements indépendants
– Deux événements E1 et E2 sont dits indépendants si l’occurrence de
l’un n’a aucune influence sur l’autre
 Une séquence d’événements E1, E2,…En est exhaustive
dans Ω si E1∪E2…∪En=Ω

© Daoud Ait Kadi 7


Rappels des probabilités
 La probabilité P(E) qu’un événement E se réalise est :

nombre de cas favorables


P (E ) =
nombre de cas possibles

© Daoud Ait Kadi 8


Axiomes

0 ≤ P( E ) ≤ 1

P(Ω) = 1

© Daoud Ait Kadi 9


Règle de complémentarité

En opé
opération E

Systè
Système

Hors d’
d’usage E

{ }
si Ω = E, E
()
P(Ω) = P(E ) + P E = 1
()
P E = 1 − P( E )

© Daoud Ait Kadi 10


Inclusion

E1 E1∩E2 E2

P(E1 ∪ E2 ) = P(E1 ) + P(E2 ) − P(E1 ∩ E2 )

 Si E1 et E2 sont mutuellement exclusifs dans Ω, alors

E1 ∩E2 = ∅ → P(E1 ∪E2 ) = P(E1) + P(E2 )

© Daoud Ait Kadi 11


Inclusion

P(E1 ∪ E2 ∪ E3 ) = P(E1 ) + P(E2 ) + P(E3 )


− P(E1 ∩ E2 ) − P(E1 ∩ E3 )
− P(E2 ∩ E3 ) + P(E1 ∩ E2 ∩ E3 )

E1 E2
n
P(E1 ∪ E2 ... ∪ En ) ≤ ∑ P(Ei )
i =1 E3

© Daoud Ait Kadi 12


Probabilités conditionnelles
 La probabilité qu’un événement Ei se réalise étant donné que
l’événement Ej s’est réalisé :

P (Ei ∩ E j )
P(Ei E j ) = avec P(E j ) ≠ 0
P (E j )

 Si Ei et Ej sont indépendants, alors

P(Ei ∩Ej) = P(Ei)× P(Ej)


 Pour n événements indépendants, on a:

n
P (E1 ∩ E2 ... ∩ En ) = ∏ P (Ei )
i =1
© Daoud Ait Kadi 13
Théorème des probabilités totales
Lorsque la probabilité d’occurrence d’un événement E est
conditionnée par l’apparition d’un ou de plusieurs
événements Ei formant un système complet, i. e.
E1∪E2…∪En = Ω avec P(Ω)=1
et Ei∩Ej=∅ ∀i et ∀j (i≠j)
alors

P(E ) = P(E ∩ Ω ) = P(E ∩ E1 ) + P(E ∩ E2 )... + P(E ∩ En )


n n
= ∑ P(E ∩ Ei ) = ∑ P(E Ei ).P(Ei )
i =1 i =1

© Daoud Ait Kadi 14


Théorème de Bayes

La probabilité que l’événement Ej soit à l’origine de l’occurrence de E


est donnée par :

P(E j ).P(E E j )
P(E j E ) = n

∑ P(E ).P(E E )
i =1
i i

P(Ei) étant la probabilité a priori d’occurrence de l’événement Ei

© Daoud Ait Kadi 15


Fiabilité des systèmes

© Daoud Ait Kadi 16


Système
 Un système : ensemble d’éléments interdépendants
orientés vers la réalisation d’une fonction.

Sous-système n

Composant m

Système Élément k
Sous-système 2

Composant 2 Élément 2

Sous-système 1
Élément 1

Composant 1

© Daoud Ait Kadi 17


La fiabilité d’un système
 La fiabilité est une caractéristique d’un système exprimée
par la probabilité qu’il accomplisse la fonction pour
laquelle il a été conçu, dans des conditions données et
pendant une durée donnée.

0 ≤ R(t ) ≤ 1
 On distingue

– La fiabilité prévisionnelle
– La fiabilité estimée ou intrinsèque
– La fiabilité opérationnelle

© Daoud Ait Kadi 18


Défaillance
 Cessation d’une entité à accomplir la fonction pour laquelle elle a été
conçue.
– Une entité est déclarée défaillante lorsque ses caractéristiques évoluent en
dehors des tolérances définies lors de la conception.
– Une entité est déclarée défaillante si elle ne satisfait pas à une ou à
plusieurs attentes du client.

 On distingue
– La défaillance progressive
– La défaillance soudaine

 Mode de défaillance : l’effet par lequel une défaillance est observée.


– À chaque défaillance on associe un mode de défaillance et des causes de
défaillance. Les modes de défaillance sont générés par les causes qui les
provoquent.

© Daoud Ait Kadi 19


Durée de vie d’un système
 La durée de vie d’un système est une mesure de la quantité
de service rendue.
 D’une manière générale, on mesure la durée de vie d’un
système par le nombre d’heures durant lesquelles il a
effectivement fonctionné.

 Note : si le système s’use même à l’arrêt on peut retenir


comme mesure de durée de vie, l’âge auquel il est tombé
en panne.

© Daoud Ait Kadi 20


 Le systèmes ne peut occuper que l’un des deux états:
 en Opération
 hors usage

Panne
Défaillance

En opération Hors d’usage


Réparation
Action de maintenance

 La transition d’un état à un autre s’effectue selon une loi de


probabilité connue.
 La durée de vie T d’un système est une variable aléatoire non
négative.

© Daoud Ait Kadi 21


Fonction de densité
f(.) : fonction de densité:
f(t)dt : la probabilité que la durée de vie du système soit comprise
entre t et t+dt, ou encore la probabilité qu’il tombe en panne entre
t et t+dt.

f (t )dt = Pr ob{t < durée de vie ≤ t + dt}



0 t t+dt
∫ f (t )dt = 1
0

© Daoud Ait Kadi 22


Distribution des durées de vie
 F(t) = fonction de répartition ou distribution des durées de vie
t
= probabilité {durée de vie T<=t} = ∫ f ( x ) dx
R(t) = fonction de fiabilité
O

= probabilité {durée de vie T>t}

R (t ) + F (t ) = 1

Opération Hors d’usage

© Daoud Ait Kadi 23


Estimation des indices de fiabilité
 Expérience :
– On soumet à l’essais N éléments identiques, dans les mêmes
conditions. Supposant qu’à l’instant to où les essais se terminent, on
ait
» Ns = éléments qui survivent au test
» Nf = éléments qui ne survivent pas au test
» Ns(t)+Nf(t)=N ( pas de remplacement )
Population de taille N

Temps

to
© Daoud Ait Kadi 24
Estimation des indices de fiabilité
N s (t )
R (t ) = lim (théorème de Borel)
N →∞ N
N f (t )
F (t ) = lim
N →∞ N
N (t ) N f (t )
R (t ) + F (t ) = S + =1
N N
N S (t )
: fonction empirique de fiabilité
N

 Allure des courbes F(t) et R(t)


F(t) R(t)
N N

R(t1)

R(t2)

t t
to t1 t2 to

© Daoud Ait Kadi 25


Fonction de densité f(t)
 C’est la probabilité de défaillance par unité de temps.
– Sur un intervalle de temps ∆

N f (t + ∆ ) − N f (t )
f (t ) =
N .∆

 Relation entre f(t) et F(t)

N f (t + ∆ ) N f (t )

f (t ) = N N = F (t + ∆ ) − F (t )
∆ ∆
dF (t )
d ' ou f (t ) =
dt

© Daoud Ait Kadi 26


Taux de panne r(t)
 On s’intéresse au système ayant survécu jusqu’à l’instant t.
 r(t) = probabilité conditionnelle de défaillance par unité de
temps d’un système ayant survécu jusqu’à t.

Nf(t) Nf(t+∆)

t
t t+∆
Ns(t)

© Daoud Ait Kadi 27


Taux de panne

N f (t + ∆ ) − N f (t )
r (t ) =
N s (t ).∆
or
r (t ) N f (t + ∆ ) − N f (t ) N .∆
= ×
f (t ) N s (t ).∆ N f (t + ∆ ) − N f (t )
N 1
= =
N s (t ) R (t )
f (t )
d ' ou r (t ) =
R (t )

© Daoud Ait Kadi 28


Récapitulatif

La probabi lité {durée de v ie > t } → R (t ) = ∫ f ( x )dx
t
t
La probabi lité {durée de v ie ≤ t } → F (t ) = ∫ f ( x )dx
0

dF (t )
La fonctio n de densi té → f (t ) =
dt
f (t )
Le taux de panne → r (t ) =
R (t )
 R (t ) + F (t ) = 1
La somme d es probabi lités  ∞
 ∫0 f ( x )dx = 1

La loi de dégradation d’un système est complètement définie par la


connaissance d’une des 4 caractéristiques: f(t), F(t), R(t) ou r(t).

© Daoud Ait Kadi 29


Relations fondamentales entre
f(t), F(t), R(t) et r(t)
 On connaît f(t)

t ∞ f (t )
F (t ) = ∫ f ( x )dx → R(t ) = ∫ f ( x )dx → r (t ) = ∞
0
∫ f (x)dx
t
t

 On connaît F(t)
dF (t )
dF (t ) dt
f (t ) = → R (t ) = 1 − F (t ) → r (t ) =
dt 1 − F (t )

© Daoud Ait Kadi 30


Relations fondamentales entre
f(t), F(t), R(t) et r(t)
 On connaît R(t)

dR(t )

dF (t ) dR(t ) dt = − 1 . dR(t )
F (t ) = 1 − R(t ) → f (t ) = =− → r (t ) =
dt dt R(t ) R(t ) dt

 On connaît r(t)
dR (t
1 )
r (t )= − .
R (t ) dt
dR (t )
− r (t )dt =
R (t )
t
ln R (t )= − ∫ 0
r ( x )dx
t

R (t ) = e ∫0
r ( x )dx

© Daoud Ait Kadi 31


Traitement de données de défaillances
Instant Nbre de survivants Fonction de Fonction de densité Taux de panne r(t)
d’observation (h) Ns(t) fiabilité R(t) f(t) (%/100h)
(en %)
000 10 000

100 8535

200 7790

300 7154

400 6565

500 5979

600 5163

700 3868

800 2297

900 926

1000 162

© Daoud Ait Kadi 32


Traitement de données de défaillances
Instant Nbre de survivants Fonction de Fonction de densité Taux de panne r(t)
d’observation (h) Ns(t) fiabilité R(t) f(t) (%/100h)
(en %)
000 10 000 100,00

100 8535 85,35 14,65 14,65

200 7790 77,90 7,45 8,73

300 7154 71,54 6,36 8,16

400 6565 65,65 5,89 8,23

500 5979 59,79 5,86 8,93

600 5163 51,63 8,16 13,65

700 3868 38,68 12,95 25,08

800 2297 22,97 15,71 40,61

900 926 9,26 13,71 59,69

1000 162 1,62 7,64 82,51

© Daoud Ait Kadi 33


Traitement de données

Nobre de défaillances
12 000 12 000
Nbre de survivants

10 000 10 000
8 000 8 000
6 000 6 000
4 000 4 000
2 000 2 000
0 0
0

0
0

0
0

0
0

0
0

0
40

50

40

50
10

20

30

60

70

80

90

10

20

30

60

70

80

90
10

10
temps (h) temps (h)

© Daoud Ait Kadi 34


Traitement de données

90 18

fonction de densité f(t)


taux de panne r(t) (%)

80 16
70 14
60 12

(%/100h)
50 10
40 8
30 6
20 4
10 2
0 0
0 100 200 300 400 500 600 700 800 900 1000 0 100 200 300 400 500 600 700 800 900 1000
temps de fonctionnement (h) temps de fonctionnement (h)

© Daoud Ait Kadi 35


Traitement de données
fonction de fiabilité R(t) (%)

probabilité de défaillance
100 100
90 90
80 80
70 70

F(t) (%)
60 60
50
50 40
40 30
30 20
20 10
10 0
0

00
0

0
0

0
10

50

90
20

30

40

60

70

80

10
0 100 200 300 400 500 600 700 800 900 1000
temps de fonctionnement (h) temps de fonctionnement (h)

© Daoud Ait Kadi 36


Allure du taux de panne

Taux de panne

Mortalité
infantile Défaillance aléatoire Vieillissement

vie utile

Action de maintenance

Temps

© Daoud Ait Kadi 37


Interprétation locale du taux de panne

f (t )dt probabilit é{mourir entre t et t + dt}


r (t )dt = =
R(t ) probabilit é{survie à t }

Considérations pratiques

– On cherche à  la phase de mortalité infantile


» Conception robuste; CAO/DAO; tests accélérés; qualité; essais
virtuels; etc..

– On cherche à  la phase de vie utile


» Maintenance préventive (formation; exploitation optimale;
RCM; TPM; etc..)

© Daoud Ait Kadi 38


Allure du taux de panne
λ(t)

temps
Causes Causes Causes
•Défauts de fabrication •Environnement •Fatigue
•Contrôle de la qualité •Charges aléatoires •Corrosion
•Conception •Erreur humaine •Age
•Assemblage •Catastrophes naturelles (acts of God) •Frottement
•Contamination •Évènements aléatoires •Les charges cycliques

Remèdes Remèdes Remèdes


•Tests de validation •Redondance •Réduction du taux de panne
•Vérification •Amélioration de la résistance •Maintenance préventive.
•Contrôle de la qualité •Remplacement préventif
•Technologie
© Daoud Ait Kadi 39
Taux de panne moyen et taux de
panne cumulé
 Le taux de panne moyen est défini entre les instants t1 et t2 par :
1 t2
TPM = AFR =
t 2 − t1 ∫t 1
λ (t ) dt
t

=
1 t2 t1
[ ∫ λ (t ) dt − ∫ λ (t ) dt ] si t 1 = 0 et t 2 = t AFR =
∫0
λ ( x ) dx
t 2 − t1 0 0
t
ln R(t 1 ) - ln R (t 2 )
AFR =
t 2 − t1

 Si AFR est une fonction non décroissante alors, la fonction de


distribution des durées de vie F(t), a un taux de panne croissant.
 Si AFR est une fonction non croissante alors, F(t) est une fonction à
taux de panne décroissant.
 C 0
 C 0 − C 1t + λ 0 ≤ t ≤
C 1


Courbe en baignoire ⇒
C 0
λ (t ) =  λ < t ≤ t0
 C 1

 C 2(t − t 0) + λ t > t0


© Daoud Ait Kadi 40
Durée de vie moyenne
 Moyenne des Temps de Bon Fonctionnement « MTBF »
État du système

MTBF

X1 + X 2 + X 3
MTBF ≈
1
3

X1 X2 X3

0
Temps

∞ ∞
MTBF = ∫ xf ( x )dx = ∫ R ( x )dx
0 0

© Daoud Ait Kadi 41


Bornes de la fonction de fiabilité
 Taux de panne constant (CFR)
λ ≤ λ
L ≤ λU
e −λ U t ≤ R ( t ) ≤ e −λ L t
 Taux de panne décroissant (DFR)
 e − t MTTF si t ≤ MTTF

R (t ) ≤  e −1
 MTTF . si t > MTTF
 t
 Taux de panne croissant (IFR)

 e 1
−t
MTTF si t ≤ MTTF
R (t ) ≥ 
si t < MTTF
R ( t ) ≤  −W MTTF
 0 si t ≥ MTTF e si t > MTTF

avec 1 – w.MTTF = e-wt (*)


w doit être calculé pour chaque t en utilisant l’équation (*)
© Daoud Ait Kadi 42
Lois de probabilités utilisées en fiabilité
(Lois discrètes)
– La loi binomiale:
Permet de décrire un phénomène ayant deux occurrences s’excluant
mutuellement. On l’utilise dans l’exploitation d’essais lorsque le nombre
d’échantillons est fixé à l’avance. Elle exprimera alors la probabilité de voir
apparaître « K » fois l’événement « défaillance » en « n » essais, en fonction
de la probabilité d’occurrence « p » d’une défaillance.

– Ex: un lot contenant une proportion p de défectueux. On prélève, au hasard,


un échantillon de n individus; la loi binomiale donne, pour toute valeur de k,
K=0, 1, 2,…n, la probabilité d’avoir exactement K pièces défectueuses dans
l’échantillon de taille n tiré au hasard

n!
P(K ) = CnK p K (1 − p )
n− K
avec C nK =
K ! (n − K )!
© Daoud Ait Kadi 43
Caractéristiques de la loi binomiale

E [X ] = n. p V [X ] = n. p(1 − p )

L’espérance mathématique La variance

La fonction de distribution:

K =c
P(K ≤ c ) = ∑ CnK p K (1 − p )
n−k

K =0

© Daoud Ait Kadi 44


Loi de Poisson
Elle exprime la probabilité d’apparition d’un nombre
d’événements en un temps donné, lorsqu’à tout instant la
probabilité d’occurrence d’un événement est la même. Elle
s’applique lorsqu’un événement peut apparaître de nombreuses
manières, mais avec une faible probabilité. Ainsi le nombre
d’incidents relevés en un temps donné sur un parc d’équipements
important peut être exprimé par une loi de poisson.
La probabilité d’avoir K évènements

P( x = K ) =
(λt )K −λt
e
K!

© Daoud Ait Kadi 45


Caractéristiques de la loi de Poisson

E [X ] = λt V [X ] = λt

L’espérance mathématique La variance

La fonction de répartition:

X
F (X ) = ∑
(λt )K e −λt
K =0 K!

© Daoud Ait Kadi 46


Lois de probabilités utilisées en fiabilité
(Lois continues)
– La loi normale : une variable aléatoire X de moyenne µX et
d’écart-type σX suit une loi normale si sa fonction de densité est

( X − µ X )2
1 −
2σ X2
f (X ) = e
σ X 2π

Caractéristiques:

E[X ] = µ X V [X ] = σ X2

L’espérance mathématique La variance

© Daoud Ait Kadi 47


Variable centrée réduite
Loi Normale N(0,1)
– La variable centrée et réduite µ associée à une distribution normale
N(µx,σx) est donnée par :

X − µX
µ=
σX
– La fonction de densité

1 µ2
f (µ ) = e
2π 2
– Si X suit une distribution normale, de moyenne µx et d’écart type σx, la
variable centrée et réduite µ, définie par:
µ =
X − µ
suit une distribution normale de moyenne 0 et d’écart-type 1.
X
σ X

© Daoud Ait Kadi 48


Loi log-normale
Soit X une variable aléatoire continue positive; si la variable
y=logX est distribuée selon une loi normale alors, la variable X
suit une loi log-normale. Sa densité de probabilité s’écrit

(log X − µ log X )2
1 − 2
2σ log
f (X ) = e X

Xσ log X 2π

Caractéristiques:

E[X ] = e
µ log X +
(σ 2
log X
2
)
V [X ] = e
2
2 µ log X +σ log X
(
.e
2
σ log X
)
−1

L’espérance mathématique La variance


© Daoud Ait Kadi 49
Loi exponentielle
Elle est très utilisée en fiabilité pour décrire la période
durant laquelle le taux de défaillance des équipements est
considéré comme constant. Elle décrit le temps écoulé
jusqu’à une défaillance, ou l’intervalle de temps entre deux
défaillances. Sa densité de probabilité est

f ( X ) = λe − λX

Caractéristiques:

1 1
E[X ] = V [X ] =
λ λ2
L’espérance mathématique La variance

© Daoud Ait Kadi 50


Distribution exponentielle

 f (t ) = λ e − λ t  r (t ) = λ
 
 F (t ) = 1 − e
−λt
 1
 R (t ) = e − λ t  MTBF =
 λ

 La distribution exponentielle est la seule distribution à taux de


panne constant.

 Si la durée de vie d’un système suit une distribution


exponentielle, alors la probabilité conditionnelle de survie au
temps t+τ étant donné que le système a survécu à t est
indépendante de t et inversement.

© Daoud Ait Kadi 51


Loi de Weibull
C’est une loi à trois paramètres. Elle est d’un emploi très souple.
En fonction de la valeur de ses paramètres, elle peut s’ajuster à
toutes sortes de résultats expérimentaux; il faut cependant noter
que son emploi peut se révéler moins avantageux que celui de lois
plus simples, en particulier lors de l’application de tests
statistiques.
Cette loi à été retenue pour ajuster les durées de vie des pièces
mécaniques. Sa densité de probabilité est donnée par:
β
β −1  X −ϕ 
β  X −ϕ  −  
f (X ) =   e  η 
η  η 
X ≥ ϕ
 β = paramètre de forme

avec 
η = paramètre d' échelle
ϕ = paramètre de position
© Daoud Ait Kadi 52
Caractéristiques de la loi de Weibull
 1
E [X ] = ϕ + ηΓ1 + 
 β
L’espérance mathématique

  2 2 1 
V [X ] = η  Γ 1 +  − Γ 1 +  
2

  β  β 
La variance

+∞
Γ( x + 1) = xΓ( x) ; Γ(α ) = ∫ xα −1e − x dx
0

© Daoud Ait Kadi 53


Distribution de Weibull


β

β
β −1  t−γ   t−γ 
 f (t ) = β  t − γ  −   −  
 e  η   R (t ) = e  η 
 η  η  
  β −1
  t−γ 
β
 r (t ) = β  t − γ 

η  η
− 
 F (t ) = 1 − e  η 
t > γ  

β<1 β=1 β>1

© Daoud Ait Kadi 54


Analyse et exploitation des données
Exponentiel
Gamma MTBF

Durée de vie Weibull


observée Normale
Lognormale Fonction de
probabilité F(t)

Fonction de
Progiciels d’analyse Fonction de
Banque de données Données
de données [Experfit] fiabilité R(t)
densité f(t)

Retour d’expérience

Histogramme

Taux de
panne r(t)
© Daoud Ait Kadi 55
Choix de distribution de probabilité

Calculer ∆
N données Ω
∆=
1+ 3,3 log10 N
Formule de STURGES

Faire une analyse préliminaire

Histogramme
n i (t )
f i (t ) =
N .∆

Calculer l’étendue
Ω = Max - Min
Choix de la distribution

© Daoud Ait Kadi 56


Banque de données
Banque de données internes
Sources:
- Fiches d’intervention de service de maintenance
- Fiches du service de production
 Temps de bon fonctionnement
 Le type de panne
 Le temps de réparation
- Retour clients (S.A.V)
- Enquêtes su matériel analogue

© Daoud Ait Kadi 57


Banque de données
But:
- Établir les lois de dégradation de l’équipement
- Établir des stratégies de maintenance
- Mettre au point des check-list d’entretien
- Mettre au point une stratégie de gestion des pièces de
rechange
- Améliorer la fiabilité des composants
(Amélioration de la conception – redondance – etc...)
- Organiser le système logistique

© Daoud Ait Kadi 58


Banque de données

Reliability Standards and


Specifications

Arthur McGill
(APPENDIX C)

© Daoud Ait Kadi 59