Vous êtes sur la page 1sur 80

Fiabilité des Structures

Dr H. Bournine

1
Chapitre 1: Generalités

2
Introduction :

Les défauts, les


défaillance, les catastrophes
Les causes?

3
La solution

Analyse des risques et de la fiabilité des


structures

4
Engineering cycle

5
Causes de défaillance des structures

c) Erreurs humaines

 à la conception

 à la fabrication

 à l'exploitation

6
Causes de défaillance des structures

a) Conditions de fonctionnement normal


– Surcharge : Le poids, la vitesse etc.

– Problèmes de matériaux:
• Les contrainte résiduelles des processus de traitement,
• Les imperfections …etc.

– Vieillissements dus à des mécanismes de dégradation physiques


• Corrosion,
• Fatigue…

7
Causes de défaillance des structures

b) Conditions irrégulière (accidentelles)

– Causes accidentelles
• incendie
• explosion…

– Événements naturels
•Séisme
•tempête…

8
Origine des incertitudes

Quatre sources majeures d'incertitudes peuvent être identifiées :


 les éléments d'environnement (vent, courant, charges d'exploitation)
 les données géométriques et mécaniques caractérisant la structure ;
 les données géotechniques (caractéristiques du sol et interaction avec
la structure) ;
 le caractère imparfait des modèles théoriques utilisés pour
représenter les phénomènes (idéalisations, imperfections, mauvaise
compréhension des problèmes, etc..)

9
Mesures a prendre

il y a deux types de mesures permettant de réduire le risque ou les effets de


défaillance :

A. Mesures préventives, destinées à diminuer la probabilité de défaillance :


 prise en compte à la conception,
 facteurs de sécurité,
 ...

B. Méthode d’optimisation de la maintenance par la fiabilité ou reliability


centered maintenance

10
Retour d'expérience
insuffisant

analyse de fiabilité
des structures

11
Objectif de l'analyse de fiabilité des structures

déterminer la probabilité d'un événement indésirable pouvant


se produire sur une période horizon spécifiée

l'événement indésirable peut être


ola défaillance
ole non-respect des critères d'acceptabilité
ola rupture ou un état limite.

12
Objectif de l'analyse de fiabilité des structures

Evolution des coûts en fonction de la fiabilité

13
Définition de la fiabilité

the science and technology of the margin between safety and disaster_ Pr
Roberts
Les méthodes d'analyse de la fiabilité sont basées sur les analyses de
sensibilité aux variables et d'incertitudes qui affectent ces variables.

L’ objet de déterminer le degré de sécurité d'une structure en contexte


aléatoire, c'est à dire de calculer sa probabilité de défaillance, en tenant
compte des incertitudes du problème.

14
Définition de la fiabilité

La fiabilité (reliability) peut être définie comme le complémentaire de la


probabilité de defaillance (Unreliability) . C’est un moyen de mesurer du
degré de sécurité de l'ouvrage.

U(t)=1-R(t)

15
Probabilité de défaillance Pf

La probabilité de défaillance est calculée à un horizon fixé (ex: 10 ou 20 ans)

Un calcul ne concerne qu'un seul mécanisme de vieillissement, or une


structure connaît généralement plusieurs mécanismes de dégradation. Il faut
donc réaliser plusieurs analyses de fiabilité des structures pour une même
structure.

16
Chapitre 2: Analyse des Risques

17
Introduction

le danger est une propriété intrinsèque d’une substance, d’un


équipement, d’une situation, d’un système susceptible de causer des
dommages aux personnes, aux biens ou à l’environnement

le risque résulte de la probabilité d’occurrence d’un dommage résultant


d’une exposition à un danger. C’est la résultante de deux paramètres :
la probabilité et gravité.

18
Le risque

Un risque est un événement dont l’occurrence est incertaine


et dont la réalisation affecte les objectifs de l’entreprise qui le
subit.

– le risque résulte de la probabilité d’occurrence d’un dommage


résultant d’une exposition à un danger. C’est la résultante de deux
paramètres : la probabilité et gravité.

Risque = f( Probabilité ∗ Gravité)

Plus la probabilité et la gravité sont élevées, plus le risque l’est


Aussi.

19
La gravite

La gravité de l’incident C est valorisée celons les conséquence


engendrées

Par exemple:
•Economique: une devise,
•Humaine: fatalité humaine,
•Environnemental émission de carbone, contamination possible …etc

20
Le bute de l’analyse du risque

La gestion du risque va consister à prendre toutes les dispositions


possibles pour minimiser le risque. Pour cela, on peut soit
supprimer l’exposition au danger, soit agir sur la gravité et/ou la
probabilité, composantes du risque.

21
Le cumule du risque

Si la probabilité d’occurrence d’un dommage P et la gravité de l’incident C, le


risque R est défini comme

R=P⋅C

Mais dans le cas de plusieurs incident (événement) probable Le risque devient

n: le nombre d’évènement probable

22
Le cadre de travail dans l’analyse du risque

L’identification des Modélisation Evaluation des


risques et probabiliste des conséquence et de
incertitudes événement leur acceptation

La réduction du
risque ou sa
mitigation

Amélioration du
savoir

23
Le bute de l’analyse du risque
Évaluation du risque en fonction de la probabilité et de la gravité

24
Le but de l’analyse du risque

La défaillance
mécanique
Risque de fatalité

Echec Risque
opérationnel économique Décision

Risque
environnemental

La défaillance
structural

25
Définition de
critères
Implémentation de
Identification du
l’analyse du risque système

Identification des scénarios


d’évènement: Que peut il
arriver?
Les raisons et Les remèdes

Analyse des Analyse de


conséquences probabilité

Identification des Analyse de


scénarios de risque sensibilité

Analyse des
risques

Surveillance et Traitement des


26
itération risques
Implémentation de l’analyse du risque

Identification du système:
Le système doit être décrit et toutes les simplifications adoptées dans l’analyse
identifiées et clairement listées

Identification des scénarios d’évènement:


3 étapes sont établies:

1. Décomposition du système en un nombre de components et sous systèmes


2. Identifier touts les risque qui existe avec chaque component
3. L’identification des causes et conséquences de chaque risque

Les méthodes d’identification


• Preliminary Hazard Analysis (PHA)
• Failure Mode and Effect Analysis (FMEA)
• Failure Mode Effect and Criticality Analysis (FMECA)
• Hazard and Operability Studies (HAZOP)
27
Implémentation de l’analyse du risque

Analyse des conséquences:


Les conséquences typique sont:
économiques, perte de vie et environnementales.
Une bonne analyse des conséquences demande une bonne compréhension du
système et ses relation avec son entourage et la on sollicite l’avi des experts

Analyse de probabilité:
L’évaluation de la probabilité pour chaque component ou est en général basée sur
l’analyse de fiabilité des structures
L’information est primordiale mais les incertitudes sont très courantes

Identification des scénarios de risque:


Quand les conséquences et les probabilités sont identifiées le risque peut être
calculé et les scenarios peuvent être listés par ordre de contribution

28
Implémentation de l’analyse du risque

Traitement des risques


Le risque calculé est donc comparé a ce qui est accepté dans les critères déclaré
initialement. Si 4 méthodes pour agir

Mitigation du risque: Le système est modifié de manière a éradiquer le risque


entièrement : les routes, un pond pour éviter les collisions au intersection ou moins
drastique, les feux de circulation

Réduction du risque: soit en réduisant les conséquences et/ou la probabilité. On


général sa demande une modification physique du système en question

Transfère du risque: Une assurance par exemple

Acceptation du risque: dans le cas ou rien ne peut être fait, l’acceptation peut être
une option

29
Les outils d’analyse : Quantitative Risk Analysis
(QRA)

L’arborescence d’analyse des événements: Event Tree Analysis (ETA)

Un outil de définition des conséquences d’un événement

L’arborescence d’analyse des défaillances: Fault Tree Analysis (FTA)

Un outil de définition des causes d’une faute (défaillance)

La matrice des risques: Risk matrix

Un outil de d’évaluation des conséquences d’un événement et prise de decision

30
Event Tree Analysis (ETA)

L’arborescence d’analyse des défaillances: Fault Tree Analysis (FTA)


La matrice des risques: Risk matrix

31
Event Tree Analysis (ETA)
Initialisation Arrosage Humains
Propagation
d’évènement défaillant coincés

Fatalités

Perte de
matériel

Début Feu éteint


Incendie

Pas de feu

32
Fault Tree Analysis (FTA)

33
Fault Tree Analysis (FTA)
Glissement Pane de Pneus usés
Vitesse Santé Obscurité
P=0.01 freins P=0.0001
P=0.1 P=0.01 P=0.01
P=0.001

OU P=0.12 OU P=0.0111

Le conducteur de la Le conducteur de la
ruelle ne s’est pas ruelle ne pouvait pas
arrêté s’arrêté

OU P=0.131
P=0.01
Un véhicule a Le véhicule de la ruelle
l’intersection ne s’arrête pas

ET P=0.001

Accident
34
Exercice
Elaborer un exemples d’analyse des risques sur un système de votre choix ( ca sera votre
mécanisme du mini projet),
1. Lister tous les mécanismes de défaillances possibles
2. Elaborer des FTA pour définir les causes de chaque défaut
3. Elaborer des ETA pour définir les conséquences possibles de chaque défaut

35
Chapitre 3: Initiation à la FMD des
Structures
Sureté de fonctionnement (Dependability)

 Fiabilité. la probabilité d’un système à accomplir une fonction dans des


conditions d’utilisation requise (par le cahier de charge) et pendant un temps
donné.

R(t) = P(Entité non défaillante sur la durée [0 t])

 Maintenabilité. Aptitude d’un système à être remis dans un état de


fonctionnement donné, dans des limites de temps spécifiées, lorsque le travail est
effectué selon des procédures prescrites et des conditions données.

M(t) = P(Entité en panne a t=0 et réparé sur [0 t])

 Disponibilité. Aptitude d’un système à accomplir une fonction requise dans des
conditions d’utilisation données, à un instant un temps donné (instantanée).

A(t) = P(Entité non défaillante a l'instant t)


Sureté de fonctionnement (Dependability)

 Disponibilité. A(t) = P(Entité non défaillante a l'instant t)

Lorsque l'entité n'est pas réparable, on a A(t) = R(t).


lorsque l'entité est réparable, le théorème des probabilités totales donne

A(t + dt) = P(entité en fonctionnement a t et sans défaillance entre t et


t+dt) +P(entité en panne a t et réparée entre t et t+dt)
Dans le cas de distribution exponentielle

 Sécurité. Propriété d’un système de présenter, pour son environnement et pour


lui même, un risque, déterminé en fonction des dangers potentiels inhérents à sa
réalisation et à sa mise en œuvre, qui ne soit pas supérieur à un risque convenu.
Fiabilité Vs disponibilité

Zone de calcul de
la Fiabilité
Système non
maintenable

Zone de calcul de la Disponibilité

Système
maintenable

Zone de calcul de la
maintenabilité
Fiabilité des composants irreparables

Fiabilité. la probabilité d’un système à accomplir une fonction dans des


conditions d’utilisation requise (par le cahier de charge) et pendant un temps
donné.

– R(t) = P(Entité non défaillante sur la durée [0 t])

– Valeur comprise entre 0 et 1

– Trois types
• Prévisionnelle (architecture du système et fiabilité des composants)
• Expérimentale (essais en laboratoire)
• Opérationnelle (utilisation, retour d’expérience)
Durée de vie utile d'un équipement

L’expérience montre que l’on peut définir trois périodes dans la vie d’un
équipement :

le début de vie, qui voit survenir des pannes précoces liées le plus souvent à une
malfaçon d'origine, pannes qui sont normalement éliminées par un rodage
(wear-in) ;

le milieu de vie, ou vie utile, qui comporte peu de pannes, de taux


constant, dont l'apparition reste imprévisible et inéluctable, et pour lesquelles il
n'y a donc pas de mesures préventives possibles ;

la fin de vie , qui voit une recrudescence du nombre de pannes dues à l'usure
(wear-out), et dont l'apparition peut-être évitée par remplacement préventif des
pièces usées (maintenance préventive).
Durée de vie utile d'un équipement

λ(t) Jeunesse vie utile usure

période de défaillance période de période de


précoce (faute t
défaillance a défaillance
production, d’exploita taux constant d’usure
tion …)

λ(t) est la fonction de panne par rapport au temps


Durée de vie utile d'un équipement

A. en mécanique.
B. en électromécanique.
C. en électronique.

43
Taux de défaillance de composants mécanique

Les composants mécaniques sont soumis, dès le début de leur vie, au phénomène
d’usure ou de vieillissement. Si on trace la courbe du taux de défaillance, en fonction
du temps, on obtient une courbe qui ne présente pas le plateau (en milieu de vie d’un
taux de défaillance constant) est réduit. Le taux de défaillance du dispositif est
une fonction non linéaire du temps et ceci dans chaque phase de sa vie

44
Taux de défaillance de composants mécanique
Exemple: 10 000 Taux de
heures defaillance
Une société de production de composants électroniques 1 0,165
surveille la durée de vie de ses composants irréparables, les 2 0,11
données récoltées (par paliers de 10000 heures d’utilisations 3 0,044
est comme suit dans le tableau adjacent: 4 0,022
5 0,0275
0,3
6 0,0198
7 0,0231
8 0,0264
0,25
9 0,0187
Taux de defaillance
10 0,0231
Taux de defaillance

0,2
11 0,0198
12 0,0209
0,15
13 0,055
14 0,066
0,1 15 0,088
16 0,11
0,05 17 0,132
18 0,187
0 19 0,198
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 20 0,22
Temps (10000h)

45
Probabilité de Fiabilité

La fiabilité (reliability) est la 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. Donc, si on exprime la
probabilité que la durée de vie T dépasse le temps t (Ou
R(t ) est la probabilité d'être encore en ordre de marche au bout du temps t).

R(t ) = P ( T > t )

En probabilité, cette fonction est une répartition d’une densité qui définit la
proportion des pièces qui ont exactement une durée de vie de T

f(t) = P( t=T)
f(t) correspond à la fonction densité de probabilité

Et donc la fiabilité R(t) peut être écrite comme


Probabilité de fiabilité Loi exponentielle
La fiabilité (reliability) est la 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. Donc, si on exprime la
probabilité que la durée de vie T dépasse le temps t (Ou
R(t ) est la probabilité d'être encore en ordre de marche au bout du temps t).

R(t ) = P ( T > t )

En probabilité, cette fonction est une répartition d’une densité qui définit la
proportion des pièces qui ont exactement une durée de vie de T

f(t) = P( t=T)

Dans le cas d’une distribution exponentielle:

R(t ) = et
Calcul du taux de panne

Le taux de pannes:
C’est la proportion des pièces qui succombent à la défaillance sur le nombre de
pièces fonctionnels en temps réel. Mathématiquement, il s’écrit comme suit :
Taux de pane = f(t)/R(t)
Ou
•f(t) est la densité de la défaillance, i.e. Le pourcentage de pièce qui succombe à
la défaillance à l’instant t et
•R(t) est la fonction de fiabilité

•Remarque:

Quand vous calculez f(t) faite le à partir de la probabilité de defaillance i.e


Calcul du taux de panne d’une loi exponontielle

Le taux de pannes:
C’est la proportion des pièces qui succombent à la défaillance sur le nombre de
pièces fonctionnels en temps réel. Mathématiquement, il s’écrit comme suit :
Taux de pane = f(t)/R(t)
Pour une distribution exponentielle
f(t)/R(t)=(λ )taux de panne (proportion de pannes par unité de temps)

Cette remarque est très importante : la fonction exponentielle n'implique, en


aucune façon, une notion d'usure de matériel ou de diminution d'une
grandeur, et il faut garder présent à l'esprit que la probabilité de panne entre t
et t+dt reste constante et égale à ldt quel que soit t (ce processus n'a pas de
"mémoire").
Taux de défaillance de composants mécanique
Exemple:
Une société de production de composants (irréparables) 10 000 N° de composants
heures defaillants
électroniques surveille la durée de vie de 1000 composants 1 165
mis en service, les données récoltées (par paliers de 10000 2 92
heures d’utilisations est dans le tableau adjacent: 3 33
4 16
180 5 19
6 13
160
7 15
140
8 17
9 12
Nombre de piece defaillante

120 N° de composants defaillants dans 10 14


l'interval de temps 11 12
100 12 12
13 20
80
14 20
60 15 18
16 57
40 17 61
18 75
20
19 69
0
20 72
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Temps (10000h) 50
Taux de défaillance de composants mécanique
Exemple ( analyse): 10 000 N° de composants
Dans le tableau des données récoltées on a le nombre de heures defaillants
1 165
pièce qui échouent durant chaque intervalle de 10000h. Le 2 92
nombre de pièces initiales est 1000 pièces 3 33
Pour comprendre un peu les différents concepts : 4 16
5 19
1. Calculer La densité de défaillance: 6 13
2. Calculer La répartition de défaillance 7 15
3. Calculer La fiabilité 8 17
4. Calculer le taux de défaillance 9 12
10 14
11 12
12 12
13 20
14 20
15 18
16 57
17 61
18 75
19 69
20 72

51
Calcul du temps moyen de fiabilité
Le temps moyen de fiabilité d’une distribution exponentielle se calcule comme suit

1/λ =temps moyen avant panne (MTF)

Remarque importante : lorsque la fonction fiabilité est une somme de fonctions


exponentielles, λ
Les montages: en "série"

On désigne ainsi tout montage dont chacun des éléments n le constituant est
essentiel à son bon fonctionnement (aucune redondance). On dira que ces
éléments sont " en série " du point de vue de la fiabilité. Comme dans Circuit
électrique en série, la défaillance d’un élément engendre la défaillance du
système

Si les composants qui le constituent sont indépendants, sa fiabilité sera donc le


produit des fiabilités élémentaires
Rt = R1 *R2…*Rn
Si les composent ont une fiabilité exponentielle:
Les montages: en «parallèle »

le système est fonctionnel dès qu’un seul composant est fonctionnel.

Dans le cas de sous systèmes indépendants


Ft= F1*F2…*Fn
En termes de fiabilité

(1-Rt )= (1-R1) (1-R2)… (1-Rn )


Taux de panne d'un montage

Le taux de panne d’un montage série est la somme des taux de panne élémentaires
:

De même le temps moyen avant panne d’un montage série sera :

En parallèle: c’est une autre question, le taux de défaillance doit se calculer au cas
par cas:
Calculez le a partir des principes de bases
Les montages

Exemple1:
Soit un système constitué de quatre composants , une alimentation electrique
RA=exp(-0.001t), un moteur électrique RB=exp(-0.003t) ; une pompe RC=exp(-0.0015t)
et un vérin RD= exp(-0.00087t) ;
•Déterminer la fiabilité R de l’appareil.
•Calculer le Temps moyen de fonctionnement
•Calculer le taux de défaillance

Exemple2:
Une système de protection anti-incendie comptent 3 détecteurs de fumée identiques
et indépendants d’une fiabilité d RD= exp(-0.0002t) et le système est fonctionnel tans
que un détecteur est fonctionnel
•Déterminer la fiabilité R de l’appareil.
•Calculer le Temps moyen de fonctionnement
•Calculer le taux de défaillance
Notion de maintenabilité (maintainability)

Aptitude d’un système à être remis dans un état de fonctionnement dans des limites de
temps spécifiées,

M(t) = P(Entité en panne a t=0 et réparé sur [0 t])

L’expérience pratique montre qu’en matière de recherche et réparation des pannes, les plus
nombreuses sont les plus courtes, avec une durée qui s’allonge avec la complexité de la panne
(et aussi parce que le personnel de maintenance maîtrise moins bien les pannes qu’il
rencontre rarement).

En classant les pannes par nature et en relevant leur durée, on voit que l’on peut
approximativement assimiler la distribution des durées de réparation à une exponentielle.

On définira la maintenabilité par la probabilité d’avoir terminé la réparation avant l’instant t

mest le nombre moyen de réparations par unité de temps .


Notion de maintenabilité (maintainability)

La probabilité d'être encore en réparation à l'instant t sera donc égale à

La durée moyenne de réparation MTR sera donc donnée par :


Disponibilité (availability)

Lorsqu’un système en fonctionnement continu peut-être réparé une fois tombé en panne, des
nouvelles notions apparaissent :

la durée moyenne de la panne système : MTRs qui est égale au MTR unitaire lorsque l'on
ne dispose que d'un seul réparateur pour l'ensemble des unités redondantes ;

le temps moyen (stationnaire) entre pannes :

l'indisponibilité moyenne :
Disponibilité (availability)

la disponibilité moyenne :

le temps moyen avant la première panne du système :


Améliorer la fiabilité
Une bonne fiabilité s'obtient par :
l'emploi des composants les plus fiables, donc en général les plus chers
des temps de réparation les plus courts possibles, donc une réalisation modulaire plus
coûteuse, mais simplifiant le diagnostic des pannes et permettant le dépannage par
substitution d'un sous-ensemble (qui sera ou non réparé ensuite en atelier)
une formation plus poussée du personnel de maintenance
l'utilisation d'architectures redondantes lorsque les efforts précédents ne suffiront pas à
obtenir le temps moyen entre pannes (MTBF) et la disponibilité recherchés.

•Ce qui entraîne des surcoûts.

Mais les pannes ont aussi un coût très élevé, voire dans certains cas inacceptable: la
décision finale quant aux spécifications de fiabilité d'un équipement en projet ne sera donc
pas seulement technique, mais aussi financière, voire même politique.
Quoiqu'il en soit, un préalable nécessaire est de savoir calculer la fiabilité des solutions
concurrentes, afin de disposer de toutes les données nécessaires à la décision : c'est l'objectif
de ce résumé.
Les lois de fiabilité

62
Lois de Fiabilité discrètes
Les lois de probabilités les plus utilisées dans le calcul de la fiabilité des systèmes
sont:

A. Les lois discrètes dans le cadre de la collecte et analyse des données


La loi binomiale
La loi de poisson

B. Les lois continues sont plus utilisées dans la prédiction du comportement des
structures et phénomènes complexes
La loi exponentielle
La loi normale
La loi Weibull

63
Lois de Probabilité discrètes
Une loi est dite discrète si elle prend ses valeur dans N c’est à dire des valeurs entières
comme par exemple celle qui compte le nombre de pannes.
Parmi les lois discrètes on peut citer :

1. Loi Uniforme
La fonction de fiabilité est définie par l’expression suivante :

n : est le nombre de valeurs différentes prises par la variable aléatoire.

2. Loi de Bernoulli
Soit un univers constitué de deux éventualités, 1 pour succès et 0 pour échec = {0, 1} sur
lequel on construit une variable aléatoire discrète, « nombre de succès »
L’expression de la fonction s’écrit :
P (X = 0) = q
P (X =1) = p (II.2)
(p + q = 1)

64
Lois de Fiabilité discrètes
3. Loi Binomiale
une loi binomiale de paramètres n et p est une loi de probabilité qui correspond à une
expérience aléatoire à deux issues possibles, généralement dénommées respectivement
« succès » et « échec », la probabilité d'un succès étant p.

(n  0) : Nombre d’épreuves et (0  p  1): probabilité de succès

La moyenne et la variance d’une


loi Binomiale est comme suit:

E(Y) = np et Var(Y)= np(1-p)

La figure adjacente montre la


distribution d’une loi binomiale

65
Lois de Fiabilité discrètes
3. Loi Binomiale
Exemple
La probabilité de réussite d ’une mission d ’un système est égale à 0,95
• Quelle est la probabilité que 8 systèmes sur 10, identiques au précédent, accomplissent
leur mission
Lois de Fiabilité discrètes
4. Loi de Poisson
Une variable aléatoire x suit une loi de « Poisson » si elle peut prendre les valeurs
entières 0, 1, 2, 3…..n. La probabilité pour que x soit égal à n est :

Avec λ le paramètre de la poisson ( différent du taux de défaillance)

La moyenne et la variances
de la distribution de poisson
E(X)= λ and Var(X)= λ .

67
Lois de Fiabilité discrètes
Loi de Poisson
Exemple:
– Un dispositif a un taux de défaillance λ=0,0005 pannes/heure.
– Sur une durée de fonctionnement cumulée de t=1000h, quelle est la probabilité
d’observer deux défaillances.

68
Comprendre les lois discrètes
•Plus la probabilité p est petite, plus la loi binomiale se rapproche de poisson
•Le calcul de la loi Binomiale est impossible pour des échantillons large ( sur matlab,
si n>170, le factoriel n’est pas calculable

69
Lois de fiabilité continues
Répartition exponentielle
Elle est caractérisée par une densité

La probabilité d'apparition de l’événement avant t est donc

et la probabilité de non-apparition de l'événement avant t est

L’intégrale est donc le temps moyen de la loi

Cette loi s'applique pour la durée de vie utile représentée dans la courbe en
baignoire. S’applique sur: Files d’attentes, Durée de vie de dispositifs
électroniques, désintégration radioactive.
Lois de fiabilité continues
loi exponentielle: Densité

Répartition
Lois de fiabilité continues
Exemple (Loi exponentielle):
Un dispositif a un taux de défaillance constant de λ= 0.02/h
a) Calculer la probabilité qu’il défaille pendant les 20 premières heures d’opération
b) Si le dispositif fonctionné pendant 20 h, calculer la probabilité
qu’il tombe en panne pendant les 10 prochaines heures.
c) Calculer sa fiabilité après 30h

72
Lois de fiabilité continues
Loi normale:
la loi normale ou de Gauss a deux paramètres N(m, σ ) avec m la moyenne et σ
l‘écart type.

La densité de probabilité est

La fonction de répartition (La probabilité d'apparition de l’événement avant t) est


donc

F(t)=

Cette loi s'applique a de nombreux phénomènes (incertitude sur les mesures ou les
fabrications par exemple).
Lois de fiabilité continues
Loi normale: Densité

Répartition
Lois de fiabilité continues
Loi Log-normale
une variable aléatoire est distribuée suivant une loi log-normale si son
logarithme est distribue selon une loi normale. La densité de probabilité est

f(t) =

La fonction de répartition (La probabilité d'apparition de l’événement avant t) est


donc

Cette loi est souvent utilisée pour représenter les durées de réparation des
composants ou les incertitudes dans la connaissance d'une donnée de sureté de
fonctionnement.
Lois de fiabilité continues
La loi de Weibull
cette loi dépend de 3 paramètres et permet de représenter un grand nombre de
distributions expérimentales.

η : paramètre d ’échelle (ou de durée de vie)


β : paramètre de forme (ou de distribution)
γ : origine des temps Loi normale
Les conditions suivantes s’appliquent dans les cas de fiabilité
η > 0, β > 0 et t > γ .
et une densité

Donc sa répartition est de la forme suivante


Lois de fiabilité continues
La loi de Weibull
La loi de Weibull
La loi de Weibull

Le taux de défaillance de la loi de Weibull est:

En fonction des valeurs prises par β, on peut retrouver des lois classiques
– De plus:

. β = 1 ⇒loi exponentielle ⇒ λ constant


. β < 1 ⇒λ(t) décroissant ⇒ période de jeunesse
. β > 1 ⇒λ(t) croissant ⇒période d’usure
Résumé des lois de fiabilités
Il y a un nombre de distribution qu’on adopte dans l’analyse de fiabilité
Loi application loi loi normale loi de Weibull
aléatoire fiabilité exponentielle

Fonction Densité de
de défaillance
densité
f(t)
Fonction Probabilité
de de
répartitio défaillance
n

Taux de λ f(t)/R(t)
défaillance
Références

https://books.google.dz/books?id=qI2-BfcdQfcC&redir_esc=y
http://www.weibull.com/hotwire/issue26/relbasics26.htm
http://www-pub.iaea.org/MTCD/publications/PDF/te_1590_web.pdf
http://www1.eere.energy.gov/femp/pdfs/omguide_complete.pdf
https://books.google.dz/books?id=QlnOBQAAQBAJ&pg=PR19&lpg=PR19&dq=Maintena
nce,+Replacement,+and+Reliability:+Theory+and+Applications.+Andrew+K.S.+Jardine,+A
lbert+H.C.+Tang&source=bl&ots=nuiTLBhWlh&sig=J-
pH4vyQjo0kt6d8Py8UzrHQxp8&hl=fr&sa=X&ved=0CCkQ6AEwAWoVChMIvq_O8YWXyAI
VxlgUCh20SAUx#v=onepage&q&f=false
Maintenance, Replacement, and Reliability: Theory and Applications,

80

Vous aimerez peut-être aussi