Ecole Nationale d’Ingénieurs de Monastir

Département de Génie Mécanique

Cours de Maintenance Industrielle

Préparé par :
Mnaouar CHOUCHANE

Niveau : 2ème année Génie Mécanique

Année : 2019-20
 Table de matières

Avant-propos ............................................................................................................................. iii

Chapitre I : Rappels mathématiques........................................................................................... 1

Chapitre II : Modélisation de la fiabilité .................................................................................... 3

2.1 Principales définitions ..................................................................................... 3
2.2 La fonction fiabilité ......................................................................................... 3
2.3 Moyenne de temps de bon fonctionnement (MTBF) ...................................... 5
2.4 Le taux de défaillances .................................................................................... 6
2.5 Fiabilité conditionnelle ................................................................................... 7
2.6 La loi exponentielle ......................................................................................... 8
2.7 La loi de Weibull........................................................................................... 12
2.8 La loi normale ............................................................................................... 18
2.9 La loi log-normale ......................................................................................... 19

ii
 Avant-propos

Ce cours est préparé en se basant essentiellement sur la référence suivante :

Ebeling Ch. E, An Introduction to Reliability and Maintainability Engineering, McGraw-Hill,

1997.

Une grande partie de ce fascicule de cours est adoptée de ce livre. Plusieurs exercices et figures
sont aussi tirés de ce livre.

iii
 Chapitre I : Rappels Mathématiques

Variable aléatoire
On appelle variable aléatoire T une variable telle qu’à chaque valeur t de T , on associe une
probabilité F (t ) .
Une variable aléatoire peut être :
- continue : par exemple, l’intervalle de temps entre deux défaillances consécutives T ;
- discrète : par exemple, le nombre N de défaillances d’un composant dans un intervalle
de temps.

Loi de probabilité
Une loi de probabilité relative à une variable aléatoire continue T est caractérisée par
- sa fonction de distribution ou densité de probabilité f (t ) ;

- sa fonction de répartition ou probabilité cumulée F (t ) = Pr T  t

F (t ) = Pr T  t : est la probabilité que la variable aléatoire T soit inférieure ou égale à t .

La densité de probabilité f (t ) est reliée à la fonction de répartition ou la probabilité cumulée

F (t ) par la relation suivante :

d F (t ) F (t + t ) − F (t ) Pr t  T  t + t
f (t ) = = lim = lim
dt t t
t → 0 t → 0

Propriétés d’une fonction de probabilité cumulée

- F (t ) est une fonction croissante
- 0  F (t )  1
- lim F (t ) = 0
t → −
- lim F (t ) = 1
t →
Loi de probabilité d’une variable aléatoire continue
t

- Pr t  T  = F (t ) =  f ( )d
−

- 0  F (t )  1
dF (t )
- f (t ) =
dt

1
 
- 
−
f (t )dt = 1

t2

- Pr t1  T  t2  =  f (t )dt = F (t2 ) − F (t1 )

t1


- E (T ) =  =
−
 t f (t )dt
où  est la moyenne de la variable aléatoire T qui est égale à l’espérance mathématique E (T )
La variance de la distribution de la variable aléatoire T :

Var (T ) =  =  (t −  )
2 2
f (t )dt
−

n
Pour une combinaison linéaire de variables aléatoires T =  aiTi ; Ti est une variable aléatoire
i =1

de moyenne i et de variance  i2 ,
n n
E (T ) =  ai i et Var (T ) =  ai2 i2
i =1 i =1

Loi de probabilité d’une variable aléatoire discrète

Soit un ensemble de valeurs discrète finies que peut prendre la variable aléatoire discrète T :
t1 , , ti , tk  .

On définit la probabilité de réalisation de toute valeur ti : pi = Pr(T = ti )

0  pi  1; i = 1, ,k
 0 si t  t1
 i

La fonction de probabilité cumulée F (t ) =  p j si ti  t  ti +1
 j =1
 si t  tk
 1
k
- p
j =1
j =1

k
- La moyenne  =  t j p j
j =1
k
La variance  =  (t j −  ) p j
2 2
-
j =1

2
 Chapitre II : Modélisation de la fiabilité

2.1 Principales définitions

Fiabilité
La fiabilité est l’aptitude d’un dispositif à accomplir une fonction requise, dans des conditions
données, pour une période de temps donnée.

Défaillance
La défaillance est la fin de l’aptitude d’un dispositif ou d’un système accomplir la fonction que
l’on attendait de ce matériel.
La défaillance peut être :
- Une défaillance totale qui entraine la fin de la fonction ;
- Une défaillance partielle qui réduise l’aptitude d’accomplir la fonction.

Durée de vie
Pour les dispositifs non réparables, on utilise la notion de durée de vie, qui est la durée de
fonctionnement jusqu’à la défaillance totale.

Temps de bon fonctionnement

Pour les dispositifs réparables, on utilise l’intervalle de temps entre défaillance ou le temps de
bon fonctionnement (TBF) qui est la durée de fonctionnement d’un dispositif réparable entre
deux défaillances successives.

Etats de fonctionnement d’un dispositif

Dans ce chapitre on se le limite à deux états. Soit le dispositif est en état de fonctionnement ou
il est en état de non fonctionnement suite à une défaillance.

2.2 La fonction fiabilité

La fiabilité R (t ) d’un matériel au temps t est la probabilité pour que la variable aléatoire T, non
négative, représentant la durée de vie de ce matériel, soit supérieure à une valeur t :

R(t ) = Pr T  t = 1 − Pr T  t = 1 − F (t )

R (t ) est la fiabilité au temps t du matériel ou la fonction de survie ; en anglais, reliability.

3
F (t ) est la probabilité cumulée des défaillances au temps t , qu’on peut l’interpréter comme le
pourcentage des dispositifs qui ont subi une défaillance avec le temps t.

La fonction fiabilité a les propriétés suivantes :

lim R(t ) = 0
R (t )  0 ; R (0) = 1 ;
t →

La probabilité que le temps de fonctionnement avant la défaillance T soit inférieur à t est

F (t ) = Pr T  t
= 1 − Pr T  t = 1 − R (t )

lim F (t ) = 1
Notons que F (0) = 0 et
t →

La fonction densité de probabilité f (t ) est définie par

d F (t ) d R (t )
f (t ) = =−
dt dt
Cette fonction représente la forme de la distribution des défaillances.
La densité de probabilité f (t ) possède les deux propriétés suivantes :

f (t )  0 et 0
f (t )dt = 1

Les fonctions R (t ) , F (t ) et f (t ) sont présentées dans la figure ci-dessous.

Connaissant la densité de probabilité f (t ) , on peut déterminer les fonctions F (t ) , R (t ) en
utilisant les formules suivantes
t
F (t ) =  f ( )d
0


R(t ) =  f ( )d
t

La probabilité qu’une défaillance se produit dans l’intervalle du temps t1 , t2 

F (t ) = Pr t1  T  t2  =  f ( )d =  f ( ) d −  f ( ) d = F (t2 ) − F (t1 ) = R(t1 ) − R(t 2 )

t2 t2 t1

t1 0 0

4
 Source : Référence [x]
Remarque
La variable aléatoire T peut représenter, au lieu du temps, le nombre de kilomètres, le nombre
de cycles, etc.

2.3 Moyenne de temps de bon fonctionnement (MTBF)

La Moyenne de temps de bon fonctionnement MTBF est égale à l’espérance mathématique de

la variable aléatoire T définie par l’expression suivante

MTBF = E (t ) =  t f (t ) dt
0

5
Il est possible de monter que

MTBF =  R(t ) dt
0

Cette dernière expression peut être plus facile à utiliser que l’expression précédente.
La moyenne n’est que l’un des indicateurs de la tendance centrale de la loi de probabilité. La
valeur médiane tmed de la variable aléatoire T est définie par l’expression suivante :

R(tmed ) = 0.5 = Pr t  tmed 

Il faut remarquer que

F (tmed ) = 0.5 = Pr t  tmed 

Le troisième indicateur de la tendance centrale d’une loi de probabilité est le mode qui
correspond à la valeur de la variable aléatoire pour laquelle la densité de probabilité présente
un maximum ; soit
f (tmod e ) = max f (t )
0t 
La probabilité de défaillance dans un intervalle centré à tmod e est plus grande que celle

correspondante à un autre intervalle de même largeur centré à une autre valeur de la variable
aléatoire.

2.4 Le taux de défaillances

Le taux de défaillance qu’on le note  (t ) est souvent utilisé dans l’étude de fiabilité. On
l’introduit ci-après en étapes.

La probabilité conditionnelle de défaillance dans l’intervalle t , t + t  à condition que le

système a survie jusqu’au temps t (a fonctionné sans incident jusqu’au temps t)

R(t ) − R(t + t )
Pr t  T  t + t T  t =
R(t )

La probabilité conditionnelle de défaillance dans l’intervalle t , t + t  par unité de temps est

R(t ) − R(t + t )
R(t )t

Le taux de défaillance  (t ) est défini par l’expression suivante :

R(t ) − R(t + t ) 1 dR(t ) 1 f (t )
 (t ) = lim =− =
t R(t ) dt R(t ) R(t )
t → 0

6
Soit
f (t )
 (t ) =
R(t )

Le taux de défaillance  (t ) constitue une autre alternative à f (t ) pour décrire la distribution

des défaillances. La fonction  (t ) peut être monotone ou non monotone. Si  (t ) est monotone,
on considère trois cas :
-  (t ) est constante qui correspond à un taux défaillance constant ;
-  (t ) est une fonction croissante qui correspond à un taux défaillance croissant ;
-  (t ) est une fonction décroissante qui correspond à un taux défaillance décroissant.

On démontre dans la suite comment déterminer la fonction fiabilité R (t ) à partir de l’expression

de la fonction taux de défaillances  (t ) .
dR(t ) 1
 (t ) = −
dt R(t )
dR(t )
ou  (t )dt = −
R(t )
Intégrons cette équation entre t = 0 et t ;
t dR( )
R (t ) R ( t ) dR( )
  ( )d = −
0 R (0) R ( )
= −
1 R( )
= − ln R(t )

D’où
t
R(t ) = exp− (  ( )d )
0

dF (t )
Une fois R (t ) est déterminée, on peut trouver F (t ) = 1 − R (t ) et f (t ) = .
dt

2.5 Fiabilité conditionnelle

La fiabilité conditionnelle est la fiabilité d’un système après un temps de bon fonctionnement
T0

Pr t  T0 + t  R(T0 + t )
R(t T0 ) = Pr t  T0 + t T0  = =
Pr t  T0  R(T0 )

Cette expression peut être exprimée en fonction du taux de défaillance  (t ) :

T0 +t
R(T0 + t ) exp− ( 0  ( )d ) T0 +t
R(t T0 ) = = T0
= exp− (   ( )d )
R(T0 )

exp− (  ( )d )
T0
0

7
La fiabilité conditionnelle R(t T0 ) permet de déterminer la fiabilité d’un système après une

période de bon fonctionnement T0 qui correspond par exemple à une période de déverminage

ou une période de garantie. R(t T0 ) peut aussi être utilisée pour déterminer la probabilité de

bon fonctionnement à un instant t après une période de bon fonctionnement T0 .

A partir de R(t T0 ) , on peut obtenir la moyenne du temps de bon fonctionnement résiduelle

MTBF (T0 ) après une période de bon fonctionnement T0

  R(t + T0 ) 1 
MTBF (T0 ) =  R(t T0 )dt = 
R(T0 ) T0
dt = R( )d
0 0 R(T0 )

où  = t + T0

On introduit dans la suite du chapitre les lois de probabilité les plus utilisées suivantes pour
modéliser la probabilité de défaillances :
- Loi exponentielle ;
- Loi de Weibull
- Loi Normale
- Loi Log-normal
Dans les chapitres suivants, on présente les méthodes permettant de déterminer les paramètres
de ces lois et comment choisir la loi qui représente le mieux un ensemble des données des tests
de durées de vie.

2.6 La loi exponentielle

La loi exponentielle correspond au cas où le taux de défaillances  (t ) est constante :

 (t ) = 
La loi exponentielle est la loi la plus simple à utiliser dans l’analyse de la fiabilité. Cette loi est
utilisée pour modéliser les défaillances qui se produisent d’une manière aléatoire par exemple
les défaillances de certains composants électroniques ou les défaillances des certains systèmes
de composants qui ont plusieurs modes de défaillance.
On peut ainsi déterminer la fonction fiabilité connaissant le taux de défaillances
t

R(t ) = e 0
−( ( ) d )
= e − t ,

la probabilité de défaillance
F (t ) = 1 − R(t ) = 1 − e− t ,

8
et la densité de probabilité
dF (t )
f (t ) = =  e − t
dt
La moyenne de temps de bon fonctionnement MTBF est déterminée en utilisant l’équation de
R (t ) ci-dessus, soit

  e − t 1
MTBF =  R(t ) dt =  e − t
dt = − =
0 0  0


et on utilise la définition ci-dessus pour déterminer la variance, soit

 
1 1
 2 =  (t −  ) 2 f (t )dt =  (t − ) 2  e − t dt = 2
0 0
 
et l’écart type
1
= = MTBF


Cette équation montre que la dispersion augmente avec la MTBF. La fiabilité à un temps
t = MTBF est
1 1
R (MTBF) = R   = e −1 = = 0.368
 e

Pour une fiabilité désirée R0 , on peut résoudre l’équation ci-dessus pour déterminer le temps

de bon fonctionnement correspondant à cette valeur de la fiabilité qui correspond à la durée de

vie pour un composant ou un système non réparable :
1
t0 = − ln R0

La valeur médiane du temps de bon fonctionnement correspond à R0 = 0.5 ; soit

1 1
tmed = − ln 0.5 = 0.693 = 0.693MTBF
 
La loi de probabilité exponentielle a la propriété de « perte de mémoire » ou « l’absence de
mémoire » qu’on la démontre par l’équation suivante
R(t + T0 ) e−  (t +T0 )
R(t T0 ) = = − T0 = e− t = R(t )
R(T0 ) e

9
Une période de fonctionnement antérieure T0 n’a pas d’influence sur la fiabilité. La période T0

peut correspondre par exemple à une période de déverminage qui ne permet pas d’améliorer la
fiabilité dans le cas d’une loi exponentielle.
La loi exponentielle ne permet pas de modéliser les systèmes mécaniques qui subissent des
dégradations et qui ont par conséquent un taux de défaillance croissant au cours du temps. Les
lois qui seront étudiées dans les paragraphes suivants ont un taux de défaillance non constant
au cours du temps et peuvent ainsi être utilisées pour les systèmes ayant un taux de défaillance
croissant.

Tableau récapitulatif

10
Exemple

Un émetteur micro-onde a un taux de défaillance constant égal à 0.00034 défaillance par heure
de fonctionnement. Caractériser le processus de défaillance.

Réponses

1. La fonction fiabilité est

R(t ) = e− t = e−0.00034t

2. La moyenne de temps de bon fonctionnement est

1 1
MTBF = = = 2941 heures
 0.00034

3. La valeur médiane de la durée de vie est

0.69315
tmed = = 0.69315MTBF = 0.69315  2941 = 2039 heures


4. La fiabilité correspondant à une période de fonctionnement continu de 30 jours est

R(30  24) = 0.78286

5. La durée de vie nominale correspondante à une fiabilité de 0.95 est

t0.95 = (− ln 0.95) / 0.00034 = 150.86 heures

11
2.7 La loi de Weibull

La loi de Weibull est fréquemment utilisée pour modéliser la fiabilité car il peut avoir un taux
de défaillance croissant ou décroissant en fonction des paramètres du modèle. Le taux de
défaillance de la loi de Weibull a la forme d’une loi de puissance ; soit
 (t ) = at b
où a  0 pour que  (t )  0 .
Si b  0 ,  (t ) est une fonction croissante ;
si b  0 ,  (t ) est une fonction décroissante
et si b = 0 ,  (t ) est une constante.

Il convient d’écrire  (t ) sous la forme suivante

 −1
t 
 (t ) =  
  
Le paramètre  est appelé paramètre d’échelle qui a la même unité que t ; le paramètre  est
appelé paramètre de forme qui est sans unité.

A partir de la fonction  (t ) , on peut déterminer les fonctions R (t ) , F (t ) et f (t ) :

 −1 
t   t 
0    
t
d )
R(t ) = e 0
−(  ( ) d ) −( − 
 
=e =e


t 
− 
 
F (t ) = 1 − R(t ) = 1 − e


 −1 t 
dF (t )   t  − 
 
f (t ) = =   e
dt   

Les figures ci-dessous montrent l’effet du paramètre  sur les fonctions f (t ) , F (t ) ,  (t ) et

R (t )

12
13
Le taux de défaillances  (t ) est une fonction décroissante si   1 ; constante si  = 1 et
1
croissante si   1 . Dans le cas où  = 1 ,  (t ) = =  = cste ; c’est-à-dire que la loi de

1 1
Weibull se réduit à une loi exponentielle de taux de défaillance  = = et  représente
 MTBF
dans ce cas la MTBF.

Un taux de défaillance  (t ) peut accroitre avec un taux décroissant donnant une allure concave
à la fonction pour  (t ) si 1    2 , avec un taux constant si  = 2 et un taux croissant avec
une courbe convexe de  (t ) si   2 .
La densité de probabilité f (t ) est une fonction décroissante si   1 . Pour   1 , elle est non
monotone et admet un maximum. En particulier, pour  = 2 , la loi de Weibull se réduit à la loi
de Rayleigh qui présente une densité de probabilité asymétrique désaxée vers la droite. Pour
les valeurs 3    4 , la densité de probabilité est approximativement symétrique et s’approche
de celle de la loi Normale.
Il faut constater aussi que pour t =  , R(t ) = e−1 = 0.368 et F (t ) = 1 − 0.368 = 0.632 ; ainsi
toutes les courbes de R (t ) correspondantes aux différentes valeurs de  passent par le point
(  , 0.368 ) et toutes les courbes F (t ) passent par le point (  , 0.632). La probabilité de
défaillance pour t =  est de 0.632 soit 63.2% des défaillances se produisent avant t =  quelle
que soit la valeur de  . Le tableau suivant résume l’effet du paramètre de forme  sur le taux
de défaillance  (t ) .

14
La MTBF de la variable aléatoire T pour la loi de Weibull est
1
MTBF =  =  (1 + )


et la variance  2 est

  2    1  
2

 =  1 +  −  1 +   
2 2

       
 
 
où  ( x ) est la fonction Gamma. Un tableau est utilisé pour déterminer la valeur de  ( x ) pour
une valeur donnée de x . La relation suivante peut aussi être utilisée pour calculer  ( x )
connaissant  ( x − 1)
( x) = ( x − 1)( x − 1)

Les équations ci-dessus montrent que la moyenne  et l’écart type  sont proportionnels au
paramètre d’échelle  . La figure ci-dessous montre l’effet du paramètre  sur les fonctions
f (t ) , R (t ) et  (t ) pour une valeur de  = 2. Pour une valeur fixe de  , l’augmentation de la
valeur de  augmente la valeur de R (t ) pour une valeur donnée de t. Par contre, la pente de
 (t ) décroit avec  .

15
Durée de vie
La durée de vie t0 associée à une valeur donnée R0 de la fonction de fiabilité peut être
déterminée en utilisant la relation suivante

 tR 
− 0 

R(tR0 ) = e 
= R0

Soit
tR0 =  (− ln R0 )1/ 

Pour les roulements à billes, on utilise la durée de vie nominale L10 correspondante à une

fiabilité de 90% qui signifie que 90% de roulements d’un lot atteignent cette durée de vie

L10 =  (− ln 0.9)1/ 

La durée de vie B1 qui correspondant à une fiabilité de 99% est aussi utilisés dans certains
domaines.

La valeur médiane représente mieux la tendance centrale quand la densité de probabilité est
asymétrique. Cette valeur est obtenue en remplaçant dans l’équation ci-dessus R0 = 0.5 , soit

t0.5 =  (− ln 0.5)1/ 

Le mode est obtenu à partir de la solution de l’équation

f (tmod ) = max f (t )
t0
qui donne
 (1 − 1/  )1/  si   1
tmod = 
 0 si   1

16
La fiabilité conditionnelle après une période de survie T0 est

 T +t    T + t    T   
− 0 
   −   +  
R(t + T0 ) e
0 0

       
R(t T0 ) = =  =e
R(T0 ) T 
− 0 
e  

Exemple

Soit une loi de Weibull de paramètre de forme  = 1 / 3 et de paramètre d’échelle  = 16000

heures. Caractériser complètement le processus de défaillance.

Réponses

1. La fonction fiabilité est

  t 1/3 
R(t ) = exp  −   
  16000  

2.  = 1 / 3 correspond à un taux de défaillances décroissant qui correspond à une mortalité

infantile.

3. MTBF = 16000 (1 + 1/ 3) = 16000  3! = 96000 heures .

tmed =1600 ( 0.69315) = 5328 heures

3

Puisque la distribution est fortement désaxée vers la droite, la valeur médiane donne une
meilleure indication de la tendance centrale.

Le mode est égal à zéro car   1 .

 
4.  2 = (16000)2 (7) − (4) = 175104 106
2

soit  = 5328 heures

5. La durée de vie caractéristique est 16000 heures. Donc, 63 % des défaillances se produisent
au cours de cette durée de vie caractéristique.

6. Si une fiabilité de 90 % est requise, la durée de vie nominale correspondante est

t0.9 = 16000(− ln 0.90)3 = 18, 71 heures

7. La durée de vie B1 est t0.99 = 16000(− ln 0.99)3 = 0, 0162 heure indiquant un pourcentage
élevé des défaillances précoces.

17
2.8 La loi normale
La loi normale est une loi de probabilité qui dépend de deux paramètres : la moyenne  et
l’écart type  . La densité de probabilité a la forme d’une cloche et présente une symétrie par
rapport à la moyenne. L’expression mathématique de la densité de probabilité de la loi normale
est
1 ( t −  )2
1 −
f (t ) = e 2 2
pour −   t  
2
La variable aléatoire T d’une loi normale peut prendre des valeurs −   t   et ne peut donc
pas représentée un temps de bon fonctionnement qui est positif. Cependant, pour les valeurs
fréquemment observées de la moyenne  et de l’écart type  , la probabilité que la variable
aléatoire prend des valeurs négatives est négligeable et il est donc raisonnable d’utiliser la loi
normale pour modéliser le temps de bon fonctionnement.

Pour la loi normale, la probabilité cumulée de défaillances F (t )

1 ( −  )2
1 −
F (t ) = Pr T  t =  f ( )d = 
t t
e 2 2
d
− −
2
Cette intégrale qui n’a pas une solution analytique peut être résolue numériquement. Cependant
l’approche utilisée pour calculer cette probabilité est d’utiliser des tableaux en termes de la
variable aléatoire centrée et réduite
T −
Z=

La densité de probabilité peut s’écrire en termes de cette variable
2
1 − z2
 ( z) = e
2
et la probabilité cumulée

1 − 2 T −  t −  
2
z
( z ) =  e d  = Pr   
−
2    
Cette probabilité cumulée est donnée dans des tableaux dans les références de statistiques. Ce
tableau peut être utilisé quelques soient les valeurs de la moyenne et de l’écart type lorsqu’on
utilise la relation suivante
T −  t −   t− 
F (t ) = Pr T  t = Pr    = Pr Z  z =    = (z)
      
La fiabilité R (t ) peut ensuite être déterminée à partir de F (t )

18
 R (t ) = 1 − F (t )
La fonction taux de défaillance  (t ) ne peut pas s’écrire sous une forme analytique. Cependant,
cette fonction est strictement croissante pour la loi normale et peut donc être utilisée dans le cas
des défaillances par dégradation.

2.9 La loi log-normale

Un temps de bon fonctionnement représenté par une variable aléatoire T a une distribution log-
normale de paramètres  et  2 si ln(T ) a une distribution normale de paramètre  et  2 . La
densité de probabilité de la distribution log-normale est

1 (ln t −  )2
1 −
f (t ) = e 2 2
pour t  0
2 t

Cette distribution est définie uniquement pour des valeurs positives de t et convient mieux que
la distribution normale pour modéliser les temps de bon fonctionnement. Des expressions
analytiques de la probabilité cumulée et du taux de défaillances ne sont pas disponibles.
Cependant, ces fonctions peuvent être déterminées en utilisant la relation de cette distribution
avec la distribution normale. La figure ci-dessous montre la densité de probabilité et la fonction
taux de défaillances pour une série des valeurs des paramètres (  ,  2 ) .

La distribution log-normale peut prendre diverses formes comme la distribution de Weibull.

Dans plusieurs cas les deux distributions peuvent représenter convenablement des données de
défaillances.

19
 Source : Blischke

La moyenne du temps de bon fonctionnement et la variance sont données par les expressions
suivantes

MTBF = e(  + var(T ) = e (e −1)e2 

2 2 2
/2)
et
La valeur médiane est
tmed = e 

et le mode de la distribution est

tmod = e  −
2

On peut établir la relation suivante entre la MTBF, la médiane et le mode

tmod  tmed  MTBF

La fonction fiabilité R (t ) peut être calculée en utilisant la relation suivant avec la loi normale

 ln T −  ln t −    ln t −  
R(t ) = Pr T  t = Pr ln T  ln t = Pr    = 1−   
      

20