Fiabilté Des Systèmes-1ère AM-MI

UNIVERSITÉ FRÈRES MENTOURI – CONSTANTINE 1
FACULTÉ DES SCIENCES DE LA TECHNOLOGIE

DÉPARTEMENT DE GÉNIE MÉCANIQUE
Fiabilité des systèmes

Cours et TD
Pour les étudiants de 1ère année Master spécialité

Maintenance Industrielle
Année Universitaire : 2019/2020
Prof. Smail BENISSAAD

Département de Génie Mécanique. Faculté des Sciences de la Technologie. Université Frères Mentouri – Constantine 1 i
Fiabilité des systèmes Présentation
PRÉSENTATION
La fiabilité est la discipline qui étudie les risques de défaillance d’un dispositif
quelconque : c’est un peu la science des défaillances, qui fait appel { la fois { des théories
mathématiques se perfectionnant sans cesse, { des connaissances d’ordre technologique
et { l’expérience. En effet, il est certain que la fiabilité est née de l’introduction, dans des
études de pannes autrefois menées de façon trop empirique, des théories de statistiques
et de probabilités ; mais on ne doit pas perdre de vue que la fiabilité est fondée sur
l’expérience et qu’elle doit toujours s’appuyer sur la technologie.
Pour l’exploitant comme pour l'ingénieur de production il faut que les mécanismes,
les machines et les équipements qui constituent la chaîne de production acceptent qu'on
leur impose des tâches très précises qui doivent être exécutées sans aucune défaillance
durant toute la période de fonctionnement, car toute défaillance dans ce dispositif se
traduit non seulement par une mauvaise qualité du produit mais aussi par un
abaissement de la production et peut être par des incidents très graves touchant à la fois
le matériel et le personnel.
L'un des principaux problèmes de la théorie de la fiabilité réside dans l'étude des
possibilités de prévision des défaillances, en élaborant les lois ou les modèles de leurs
apparitions, et dans la recherche des méthodes permettant d'améliorer, de vérifier et de
contrôler la qualité des produits et de la préserver à travers un suivi rigoureux des
moyens de production. Ces défaillances sont dues à la variation des paramètres
déterminant le fonctionnement normal du système de production.
Les premiers travaux en fiabilité ont été faits dans le domaine militaire, vers la fin
de la seconde guerre mondiale, ensuite c'était le tour de l'aviation civile et des industries
de l'automobile et en fin le domaine grand public, l'électroménager par exemple, où la
notion de fiabilité est introduite à travers des indices quantitatifs, permettant
d'apprécier la qualité de la production et de négocier peut-être un contrat commercial.
Le présent cours a pour objectif d’inculquer aux étudiants concernés les éléments
essentiels de la théorie de fiabilité des systèmes. Il est composé de six chapitres répartis
comme suit. Le premier chapitre est consacré aux définitions, vocabulaires et modèles
mathématiques utilisés en fiabilité. Les chapitres deux et trois sont réservés aux lois
exponentielle et de Weibull, successivement. Le quatrième chapitre expose l’exploitation
pratique de la fiabilité de matériels dans les problèmes liés aux défaillances. Les
chapitres cinq et six sont consacrés aux méthodes de calcul de fiabilité des systèmes et
aux prévisions de la fiabilité. Différents exercices et exemples d’applications sont
exposés à la fin de chaque chapitre.
1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

Département de Génie Mécanique. Faculté des Sciences de la Technologie. Université Frères Mentouri – Constantine 1 ii
Fiabilité des systèmes Contenu
CONTENU
1. INTRODUCTION À LA FIABILITÉ ..................................................................................... 1
1.1 GÉNÉRALITÉS ........................................................................................................................ 1

1.1.1 Définition de la fiabilité ..................................................................................................... 1
1.1.2 Conséquence d’une mauvaise fiabilité ......................................................................... 1
1.1.3 Quelques termes utilisés en fiabilité ............................................................................ 1
1.2 MODÈLE MATHÉMATIQUE POUR LA FIABILITÉ ........................................................ 2
1.2.1 Variable aléatoire ................................................................................................................ 2
1.2.2 Fiabilité .................................................................................................................................. 2
1.2.3 Probabilité de défaillances (défiabilité) ..................................................................... 2
1.2.4 Densité de probabilité de défaillance........................................................................... 3
1.2.5 Taux de défaillance instantané ...................................................................................... 3
1.2.6 Expression générale de la fiabilité ................................................................................ 4
1.2.7 MTBF ........................................................................................................................................ 4
1.3 CLASSEMENT DES MATÉRIELS SELON LE TAUX DE DÉFAILLANCES................... 5
1.4 NOTIONS DE PROBABILITÉ DE SURVIE AVEC CONDITIONS .................................. 7
1.4.1 Loi de probabilité de survie d’un matériel non neuf .............................................. 7
1.4.2 Loi de probabilité de survie avec limite de fonctionnement................................ 7
1.5 LES MODÈLES DE FIABILITÉ ............................................................................................. 8
1.5.1 Fiabilité des composants et des systèmes mécaniques et électroniques ........ 8
1.5.2 Expressions générales des lois de fiabilité ................................................................. 9
1.6 EXERCICES D’APPLICATIONS ........................................................................................ 10
1.7 SOLUTIONS .......................................................................................................................... 11
2. LA LOI EXPONENTIELLE .................................................................................................... 12
2.1 DÉFINITION ......................................................................................................................... 12

2.2 LINÉARISATION DE LOI EXPONENTIELLE ................................................................ 12
2.3 TRAITEMENT STATISTIQUE DES DONNÉES ............................................................. 13
2.4 EXERCICE D’APPLICATION ............................................................................................. 25
3. LA LOI DE WEIBULL ............................................................................................................ 27
3.1 CARACTÉRISTIQUES......................................................................................................... 27
3.2 SIGNIFICATION DES PARAMÈTRES DU MODÈLE DE WEIBULL.......................... 28

Département de Génie Mécanique. Faculté des Sciences de la Technologie. Université Frères Mentouri – Constantine 1 iii
3.2.1 Allure du taux de défaillance en fonction du paramètre .................................... 28

3.2.2 Analyse et propriétés du taux de défaillance.......................................................... 29
3.3 DÉTERMINATION DES PARAMÈTRES , et ........................................................ 30
3.4 LINÉARISATION DU MODÈLE DE WEIBULL. CONSTRUCTION DU PAPIER
GRAPHIQUE DE WEIBULL ....................................................................................................... 30
3.4.1 Cas où = 0 .......................................................................................................................... 30
3.4.2 Cas où  0 ........................................................................................................................ 39
3.5 EXERCICES D’APPLICATION .......................................................................................... 44
3.5.1 Exercice 1............................................................................................................................. 44
3.5.2 Exercice 2............................................................................................................................. 47
4. EXPLOITATION DE LA FIABILITÉ D’UN MATÉRIEL : PROBLÈMES LIÉS AUX

DÉFAILLANCES ..................................................................................................................... 50
4.1 DÉTERMINATION DU NIVEAU MINIMAL D’UN STOCK AU MOMENT DE LA

COMMANDE ................................................................................................................................. 50
4.2 DÉTERMINATION DE LA PÉRIODICITÉ OPTIMALE DE LA MAINTENANCE
PRÉVENTIVE ................................................................................................................................ 53
4.2.1 Toutes les pièces sont changées avec la même périodicité t0=Cte quelque
soit l’âge de la pièce. ....................................................................................................... 53
4.2.2 L’âge de chaque pièce est connu et on change la pièce dès que son âge
atteint la valeur t0 . ........................................................................................................... 57
4.2.3 Cas où les remplacements se font à des instants aléatoires t1, t2, .., tn choisies
de telle sorte que ces remplacements soient pratiques et économiques . ... 62
4.3 CHOIX ENTRE RÉPARATION ET REMPLACEMENT AVANT TERME .................. 66
4.3.1 Introduction ....................................................................................................................... 66
4.3.2 Résolution du problème ................................................................................................. 67
5. FIABILITÉ DES SYSTÈMES................................................................................................. 70
5.1 RAPPELS ............................................................................................................................... 70

5.2 FIABILITÉ DES SYSTÈMES. CAS GÉNÉRAL ................................................................. 70
5.2.1 Défaillance primaire. Définition.................................................................................. 70
5.2.2 Système série. Définition ............................................................................................... 70
5.2.3 Système parallèle. Définition ....................................................................................... 71
5.2.4 Système à configuration mixte symétrique : montage parallèle-série ......... 72
5.2.5 Système à configuration mixte symétrique série-parallèle ............................. 73
5.2.6 Remarques .......................................................................................................................... 73
5.3 LOIS DE DURÉE DE VIE ET M.T.B.F. D’UN SYSTÈME ............................................... 74

Département de Génie Mécanique. Faculté des Sciences de la Technologie. Université Frères Mentouri – Constantine 1 iv
5.3.1 Système série à défaillances primaires .................................................................... 74

5.3.2 Cas d’un système parallèle à défaillances primaires ........................................... 74
6. PRÉVISIONS DE FIABILITÉ ............................................................................................... 77
6.1 BUT ........................................................................................................................................ 77

6.1.1 Évaluation des possibilités ............................................................................................ 77
6.1.2 Comparaison de solutions concurrentes .................................................................. 77
6.1.3 Répartition des objectifs de fiabilité.......................................................................... 77
6.1.4 Exemple ................................................................................................................................ 78
6.2 RÉPARTITION DE LA FIABILITÉ À L’INTÉRIEUR D’UN SYSTÈME...................... 78
6.2.1 Répartition sans contrainte dans le cas d’un système série .............................. 79
6.2.2 Répartition avec contrainte dans le cas d’un système série.............................. 84
6.3 ANALYSE DES PARAMÈTRES DE FIABILITÉ ............................................................. 88
6.3.1 Problèmes de fiabilité ..................................................................................................... 88
6.3.2 Compromis .......................................................................................................................... 88
6.3.3 Suivi des progrès ............................................................................................................... 88
6.3.4 Prévision de maintenance ............................................................................................. 88
7. ANNEXES...................................................................................................................................... 89
ANNEXE 1 : TEST DE KOLMOGOROV-SMIRNOV............................................................... 89

ANNEXE 2 : LOI DE WEIBULL ................................................................................................. 90
RÉFÉRENCES BIBLIOGRAPHIQUES .......................................................................................... 90

Département de Génie Mécanique. Faculté des Sciences de la Technologie. Université Frères Mentouri – Constantine 1
1
Fiabilité des systèmes 1. Introduction à la fiabilité
1. INTRODUCTION À LA FIABILITÉ
1.1 GÉNÉRALITÉS
1.1.1 Définition de la fiabilité
La définition adoptée par la plupart des spécialistes s’énonce en ces termes : « la

fiabilité est la caractéristique d’un dispositif exprimée par la probabilité que ce dispositif
accomplisse une fonction requise dans des conditions d’utilisation prévues et pour une
période de temps déterminée ». Aussi, la notion de fiabilité correspond à la confiance de
l’usager dans l’appareil qu’il utilise ou qui lui est proposé.
1.1.2 Conséquence d’une mauvaise fiabilité

D’une manière générale une fiabilité insuffisante peut avoir des conséquences :
 sur les coûts :
 le coût de la pièce hors d’usage,
 le coût des dégradations secondaires : un exemple limite peut être le coût
occasionné par la destruction d’une fusée par une simple panne d’un transistor
ou par la défaillance d’un joint d’étanchéité (comme c’était le cas en 1987 de la
navette spatiale américaine Challenger).
 Les frais occasionnés par la nécessité d’avoir un stock de pièces détachées
important : coût de stockage, coût des dégradations des pièces en stock.
 sur la sécurité du personnel et des utilisateurs.
1.1.3 Quelques termes utilisés en fiabilité

 Fiabilité estimée : c’est la fiabilité d’un produit déterminé au cours d’une
séquence d’essai précise.
 Fiabilité prédite : c’est la fiabilité déterminée { partir d’un modèle mathématique
reposant lui-même sur des données réelles ou estimées.
 Fiabilité opérationnelle : c’est la fiabilité d’un produit en période d’utilisation
normale.
 Fiabilité intrinsèque : elle est fonction de la fiabilité des éléments, du projet ou de
la conception, et enfin de la réalisation technique du système.
 Probabilité de survie : c’est la probabilité de ne pas avoir de défaillance jusqu’{
un temps fixé.
 Défaillance soudaine : défaillance d’un équipement qui n’était pas prévisible par
examen de l’équipement.
 Défaillance progressive : défaillance d’un équipement qui était prévisible.
 Défaillance partielle : c’est une défaillance d’une ou plusieurs parties d’un
système n’entraînant pas l’arrêt du système.

2
 Défaillance complète : défaillance d’une ou plusieurs parties d’un système

entraînant l’arrêt du système.
 Défaillance catalectique : c’est une défaillance soudaine et complète.
 Défaillance par dégradation : c’est une défaillance progressive et partielle.
 Sûreté : un système est sûr s’il est apte { satisfaire une mission donnée dans un
contexte donné.
 Sécurité : un système est en sécurité s’il est dans un état dans lequel il ne peut pas
porter atteindre { l’homme, aux biens ou { l’environnement.
 Composant : il est composé d’un élément géométrique (composant physique) et
de son comportement mécanique ou autre.
 Système : c’est un ensemble d’éléments reliés entre eux d’une manière bien
déterminée. Il a pour objectif d’assurer une fonction très précise.
 MTBF : moyenne des temps de bon fonctionnement, c’est encore l’espérance de vie
ou l’espérance de la durée de vie.
 Défaillance, avarie, panne et défaut sont des termes synonymes.
1.2 MODÈLE MATHÉMATIQUE POUR LA FIABILITÉ

1.2.1 Variable aléatoire
On appelle variable aléatoire une variable telle qu’{ chaque valeur de on
puisse associer une probabilité. La correspondance entre une variable aléatoire et la
probabilité qui lui est associée établit une loi de probabilité.
On distingue deux types de variables aléatoires : continues et discrètes.
 Exemple de variable aléatoire continue : intervalle de temps entre défaillances
consécutives.
 Exemple de variable aléatoire discrète : nombre de défaillances d’un matériel sur
une période donnée ou pour une quantité fabriquée
1.2.2 Fiabilité ( )
La durée de vie d’un système est une variable aléatoire notée . La fiabilité du
système (ou probabilité de bon fonctionnement) au temps t est donnée par :
( ) ( ) (1.1)
Où est l’instant d’apparition de la première défaillance et , - est la durée de
fonctionnement de l’équipement.
1.2.3 Probabilité de défaillances (défiabilité) ( )
C’est la probabilité de défaillance dans l’intervalle de temps , -.
Elle est définie par la relation :
( ) ( ) ( ) (1.2)
Qu’on peut aussi écrire sous la forme suivante :
( ) ( ) (1.3)

3
1.2.4 Densité de probabilité de défaillance ( )

La densité de probabilité de défaillance ( ) est la probabilité de voir le système
cesser de fonctionner entre et . Elle est définie par :
( )
( ) (1.4a)
( ) ( )
( ) (1.4b)
1.2.5 Taux de défaillance instantané ( )
Il représente la probabilité de défaillance d’un système entre deux instants et
, sachant que le système considéré est en fonctionnement { l’instant t. Il s’agit donc
d’une densité de probabilité conditionnelle de défaillance.
Les éléments d’un système ne sont pas en général spécifiée par leur fiabilité, mais
par leur taux de défaillance instantané ou risque de panne, qui est la probabilité
ramenée { l’unité de temps, pour que l’élément tombe en panne entre les instants et
, sachant qu’il a fonctionné jusqu’{ l’instant . Autrement dit, comme le système est
composé d’éléments, son taux de défaillance sera la probabilité de tomber en panne au
cours de l’unité de temps qui suit la durée de bon fonctionnement. Ceci est défini en
procédant comme suit :
Soient : le nombre de dispositifs (systèmes) fonctionnant { l’instant ,
( ) le nombre de dispositifs fonctionnant { l’instant ,
( ) le nombre de dispositifs fonctionnant { l’instant .
( )
: est un estimateur de la fiabilité.
( ) ( ) (1.5a)
Le signe moins ; car ( ) décroit. À l’instant il reste :
( ) ( ) (1.5b)
Si tend vers 0, l’estimateur tend vers une limite qui est le taux de défaillance
instantanée. En effet, en divisant la relation (1.5b) par ( ) , on obtient :
( ) ( )
(1.5c)
Le terme ( )
n’est autre que le taux de défaillance instantané. On obtient donc :
( ) ( )
(1.5d)
( ) est une probabilité conditionnelle de défaillances sur , -, car elle ne
s’applique qu’aux survivants { l’instant .
On applique le théorème des probabilités conditionnelles :
(d’avoir une panne entre et )= (de survivre à ). ( )
( )
( ) ( ) ( ) ( ) (1.6a)
( )
( )
Ou encore : ( ) (1.6b)
( )

4
L’analyse des valeurs numériques du taux de défaillance des différents éléments

donnera à la maintenance une idée sur les éléments qui sont susceptibles de tomber en
panne en premier, ce qui leur fera gagner du temps pour la recherche de pannes.
L’évolution de ( ) en fonction du temps conduit à la courbe en baignoire (fig. 1.1).
1.2.6 Expression générale de la fiabilité
On intègre l’expression ( ) ( )
(éq. 1.5d) entre et :
∫ ( ) ( ) (1.7a)
( )
( ) ∫
(1.7b)
( )
Pour , ( ) d’où ( ) ∫
(1.7c)
( ) ( )
∫
(1.7d)
( )
( ) ∫
(1.7e)
C’est la relation fondamentale de la fiabilité que nous retrouverons adaptée aux

lois exponentielle de paramètre et de Weibull avec trois paramètres ( ).
En combinant les relations (1.4), (1.6b) et (1.7e) on obtient l’expression :
.∫ ( ) /
( ) ( ) ( ) ( ) (1.8a)
Le terme entre parenthèses est défini comme étant le taux de défaillance cumulé :
( ) ∫ ( ) (1.8b)
On aura donc : ( ) ( )
(1.9)
1.2.7 MTBF
La MTBF (Mean Time Between Failure) est défini comme étant le temps moyen
entre deux défaillances. C’est l’espérance mathématique de la variable aléatoire , qui a
pour expression :
( ) ∫ ( ) (1.10a)
Sachant que : ∫ ( ) (1.10b)

On rappelle que l’espérance de est la moyenne pondérée des valeurs que peut
prendre, donc :
- Dans le cas d’une variable discrète : ∑ ( ) (1.11)
- Dans le cas d’une variable continue : ∫ ( ) (1.12)
Si le taux de défaillance instantané est constant et égal à alors :
(1.13)

5
 Exemple
La densité de probabilité de défaillance d’un composant suit une loi exponentielle :
.
1- Calculer la probabilité de survie au temps .
2- Calculer la valeur de la fiabilité au temps t égale à la du composant.
 Réponse
1- ( ) ( ); ( ) ( ) ( )
∫ ( ) ∫
, ( )- [ ] . Donc : ( )
2- ( ) ∫ ( ) ∫ 0 1
, ( )- ( )
1.3 CLASSEMENT DES MATÉRIELS SELON LE TAUX DE DÉFAILLANCES

D’une manière générale, le taux de défaillance ( ) d’une variable aléatoire
représentant la durée de vie d’un matériel a la forme suivante (dite en baignoire)
(fig1.1).
l (t)
(défaillance précoce)
Période de jeunesse
(défaillance d’usure)
Période de vieillesse
Période de bon fonctionnement (taux de

défaillance constant ou légèrement croissant)
I II III
0 t1 tv t
 Zone de défaillances de jeunesse I : défaillances de réglages et de mise au point.

 Zone de défaillances aléatoires II : défaillances accidentelles ne dépendant pas de
l’âge du système.
 Zone de défaillances d’usure III : les défaillances dépendent du temps, le processus de
détérioration pour cause d’usure est commencé.
Figure 1.1. Allure du taux de défaillance en fonction du temps (courbe en baignoire).

6
La première période correspond à la période des « maladies infantiles ». On a un

taux de défaillance décroissant. Dans la pratique et afin que cette période se produise
avant la vente du matériel, le fabricant procèdera à un rodage de son matériel.
La deuxième période est la période de bon fonctionnement. Les défaillances
surviennent de manière aléatoire et ne peuvent être prévues par un examen
technologique du matériel.
La troisième période est la période d’usure du matériel. Elle est constaté par un
examen technologique simple.
 Remarque : Si on excepte la période de jeunesse, les matériels se répartissent en
deux classes :
- Les matériels à taux de défaillance constant : c’est un matériel de fatigue. Dans ce
cas la durée de vie suit une loi exponentielle ( ) . C’est le cas de beaucoup
d’élément simple en électronique et électricité (fig1.2).
1
R(t)
λ0
0 t
Figure 1.2 : Loi exponentielle
- Les matériels à taux de défaillance croissant. La durée de vie suit en général une loi
( )
de Weibull ( ) . C’est le cas de nombreux
composants simples (ou pris comme tels) en mécanique : engrenages, roulements
à billes, etc. (fig. 1.3).
𝜆(𝑡)
1
R(t)
0
t
Figure 1.3 : Loi de Weibull

7
1.4 NOTIONS DE PROBABILITÉ DE SURVIE AVEC CONDITIONS

1.4.1 Loi de probabilité de survie d’un matériel non neuf (fig. 1.4)
Soit ( ) la probabilité de survie d’un matériel de durée de vie . La probabilité de
survie de ce même matériel lorsqu’il a déj{ survit pendant une durée est donnée par :
( )
( ) (1.14)
( )
C’est la probabilité que la durée de vie soit supérieure à ( ) sachant qu’elle est
supérieure à ( ).
Graphiquement, le graphe de ( ), s’obtient d’après la relation (1.14), en décalant
la courbe de ( ) d’une valeur et en le multipliant par (fig. 1.4).
( )
1
𝑅(𝑡)
𝑅𝑎 (𝑡)
0 a t
Figure 1.4 : Allure de la probabilité de survie d’un matériel non neuf.
 Exemple
La durée de vie d’un composant suit une loi exponentielle : ( ) .
Déterminer la probabilité de survie lorsque ce composant a déjà fonctionné
jusqu’au temps .
 Réponse
( ) ( )
( ) ; ( ) ∫ ( ) , ( )- [ ]
( )
( )
( ) ( )
( ) ∫ ( ) ; ( )
( )
Donc : ( ) ( )
En conséquence, un matériel qui suit une loi exponentielle ne vieillit pas, mais il se
fatigue.
1.4.2 Loi de probabilité de survie avec limite de fonctionnement (fig. 1.5)

On se donne une limite de fonctionnement  et on remplace le matériel
systématiquement { l’âge  s’il a atteint cet âge.
La durée de vie a une probabilité de survie définie par :

( ) ( )
} (1.15)
( )

8
La densité de probabilité de défaillance :

( ) ( )
} (1.16)
( ) ( ) ( )
( ) est la fonction de Dirac.
𝑅(𝑡) 𝑓(𝑡)
0 t 0 t
Figure 1.5 : Probabilité de survie et densité de probabilité de défaillance avec limite de
fonctionnement.
1.5 LES MODÈLES DE FIABILITÉ

1.5.1 Fiabilité des composants et des systèmes mécaniques et électroniques
La durée de vie des composants se traduit par des lois de probabilité, on distingue,
les modèles de lois continues pour les variables continues tels que le temps, les durées
de fonctionnement, les distances parcourues ; les modèles de lois discrètes pour des
variables discrètes tels que le nombre de pièces fabriquées, le nombre de défaillance, le
nombre d’intervention. Les modèles ci-après correspondent à la majorité des cas
rencontrés dans les domaines industriels.
 Pour les variables aléatoires continues :

 La loi Exponentielle (à taux de défaillance constant).
 La loi de Weibull (à taux de défaillance décroissant, constant et croissant).
 La loi Log-normale (à taux de défaillance croissant).
 La loi Gamma (à taux de défaillance décroissant, constant et croissant).
 Pour les variables aléatoires discrètes :

 La loi géométrique.
 La loi de Weibull discrète de type I.
 La loi de Poisson.
 La loi Binomiale.
 La loi d’Erlang

9
Les deux premières lois continues résolvent la plupart des problèmes industriels.
Elles sont d’un maniement aisé et universellement utilisées.
1.5.2 Expressions générales des lois de fiabilité
Les expressions générales des lois de fiabilité à retenir sont donc :

( )
 La fiabilité : ( ) ∫
(1.17)
( )
 La probabilité de défaillance : ( ) ( ) ∫
(1.18)
( ) ( )
 La densité de probabilité de défaillance : ( ) (1.19)
( ) ( )
 Le taux de défaillance : ( ) (1.20)
( ) ( )
 La MTBF : ( ) ∫ ( ) ∫ ( ) (1.21)
 Démonstration de la relation (1.21) : ∫ ( ) ∫ ( )

( ) ( )
( ) ( ) ( ) ∫ ( ) ; par conséquent :
∫ ( ) ∫ (∫ ( ) ) ; en changeant l’ordre d’intégration :
∫ ( ) ∫ (∫ ) ( ) ∫ ( ) ; en utilisant la variable :
∫ ( ) ∫ ( ) ( )
Empiriquement, on peut estimer la fiabilité, la probabilité de défaillance, la densité

de probabilité de défaillance et le taux de défaillance de la manière suivante :
 () (1.22a)
 () (1.22b)
 () (1.22c)
 () (1.22d)
Où est un intervalle de temps donné.

10
1.6 EXERCICES D’APPLICATIONS

 Exercice 1
Le taux de défaillance d’un récepteur TV est de 0.002 défaillances par heure.
Quelles sont son MTBF et sa probabilité de défaillance en 04 heures de
fonctionnement en supposant que sa durée de vie suit une loi exponentielle ?
 Exercice 2
Une pièce électrique a une durée de vie utile de 1000 heures. Son taux de
défaillance est de 0.0001 défaillances par heure. On suppose qu’elle suit un modèle
exponentiel. Quelles sont sa fiabilité pour un fonctionnement de 10 heures et sa
probabilité de ne pas tomber en panne durant sa vie utile ?
 Exercice 3
Sur une machine de production on a enregistré en moyenne 10 défaillances par
semaine. Quelles sont les probabilités pour que cette machine ne tombe pas en
panne lors d’une journée de travail et d’une heure de travail en supposant que sa
durée de vie suit une loi exponentielle ?
 Exercice 4
Un matériel présente un taux de défaillance de 01 défaillance pour 1000 heures de
fonctionnement. Quelle est sa fiabilité pour 200 heures de fonctionnement ainsi
que sa fiabilité pour une durée égale à son MTBF en supposant que sa durée de vie
suit une loi exponentielle ?
 Exercice 5
Sur un système on a observé 05 pannes pour une durée d’observation de 900
heures. Quel est la MTBF de ce système en supposant que le taux de défaillance suit
le modèle exponentiel ?
 Exercice 6
Un matériel électronique a une durée de vie moyenne de 3200 heures. On a tout
lieu de penser que sa fiabilité suit une loi exponentielle.
- Déterminer sa fonction de fiabilité.
- Quelle est la probabilité pour qu’il fonctionne encore au bout de 2000 heures ?
au bout de 4000 heures ?

11
1.7 SOLUTIONS
 Exercice 1
⁄ .
( ) Soit 99,20%.
( ) ( ) Soit 0,8%.
 Exercice 2
( ) Soit 99,90%.
( ) Soit 90,48%.
 Exercice 3
é ⁄ e .
⁄ e .
( ) Soit 13,5%.
( ) Soit 77,8%.
 Exercice 4
é ⁄ e
( ) Soit 81.8%.
⁄
( ) Soit 36.7%.
 Exercice 5
⁄
 Exercice 6
é ⁄ e
( )
( ) Soit 53,5%.
( ) Soit 28,6%.

Département de Génie Mécanique. Faculté des Sciences de la Technologie. Université Frères Mentouri – Constantine 1 12
Fiabilité des systèmes 2. La loi exponentielle
2. LA LOI EXPONENTIELLE
2.1 DÉFINITION
Cette loi est applicable pour la période à taux de défaillance constant. Tous les
matériels sont concernés pendant une partie de leur vie (vie utile) et les matériels
électroniques pendant toute leur durée de vie.
Si la durée de vie d’un matériel suit une loi exponentielle on a :
a- La probabilité de survie (fiabilité) est :
( ) ( ) ; (2.1)
: est le paramètre de la loi exponentielle.
b- La densité de probabilité de défaillance est :
( ) ; (2.2)
c- La probabilité de défaillance (défiabilité ou fonction de réparation) est :
( ) ; (2.3)
d- L’espérance mathématique de T (ou M.T.B.F.) est :
( ) ∫ ( ) ∫ (2.4)
e- Le taux de défaillance est :
(2.5)
f- Graphiquement on a (fig. 2.1) :
R(t)
e-1=0,37
λ0
0 1/ λ0 t
Figure 2.1 : Représentation graphique de la loi exponentielle
2.2 LINÉARISATION DE LOI EXPONENTIELLE
On a : ( ) , ( )- (2.6)
Sur papier semi logarithmique népérien, on obtient une droite comme
représentation graphique de la relation entre ( ) et t (fig. 2.2).

R(t) Ln [R(t)]
1 0
e-1 –1
e-2 –2
0 1/ λ0 t
Échelles linéaires
Figure 2.2 : Linéarisation de la loi exponentielle

 Remarque
La loi de survie exponentielle ( ) est la plus utilisée, puisqu’elle rend
compte des cas très général où le taux de défaillance est constant ; c'est-à-dire du palier
de la courbe en baignoire. C’est le seul cas où la moyenne des temps de bon
fonctionnement sans défaillances ait une signification car elle ne dépend pas alors de
l’intervalle considéré (étant égale { l’inverse du taux de défaillance constant).
2.3 TRAITEMENT STATISTIQUE DES DONNÉES

2.3.1 Cas des données complètes
2.3.1.1 Estimation la probabilité de défaillance (défiabilité)
Soit la variable aléatoire représentant la durée de vie d’un type de pièce. On
considère un échantillon de taille et soient les dates de défaillance
des éléments de l’échantillon classées en ordre croissant. Soit ( ) la probabilité de
défaillance de la variable aléatoire (défiabilité) et ( ) ( ).
Dans la pratique :
 Si , on utilise une approximation par les rangs médians qui est :
̃( ) (2.7)
 Si , on utilise l’approximation par les rangs moyens qui est :
̃( ) (2.8)
 On aura une estimation de la fiabilité :
̃( ) ̃( ) (2.9)
 Définition
L’ensemble des couples ( ̃ ( )) est appelé modèle expérimental.

2.3.1.2 Exemple d’application de loi exponentielle

 On considère un échantillon de 25 bobines électriques. Les durées de vie
mesurées en heures sont les suivantes : 253 – 530 – 121 – 428 – 40 – 749 – 355 –
226 – 199 – 485 – 282 – 96 – 1170 – 316 – 392 – 78 – 148 – 170 – 600 – 57 –
1484 – 664 – 18 – 983 – 850.
3- Vérifier que la loi de durée de vie de ce type de bobines est exponentielle.
4- Déterminer la MTBF de ces bobines.
5- Calculer et tracer la fonction ( ).
 Solution
Les valeurs du modèle expérimentale sont données sur le tableau 2.1 La
représentation graphique (fig. 2.2) de ces données statistiques sur papier semi-
logarithmique donne une droite. On en déduit que le modèle théorique est la loi
exponentielle de paramètre tel que .
Tableau 2.1 : Détermination des valeurs expérimentales.
par ordre ̃( )
̃( ) ̃( ) , ̃ ( )-
N° du rang croissant
1 18 0,038 0,961 -0,039
2 40 0,077 0,923 -0,080
3 57 0,115 0,884 -0,122
4 78 0,153 0,848 -0,167
5 96 0,192 0,807 -0,213
6 121 0,230 0,769 -0,262
7 148 0,269 0,731 -0,313
8 170 0,307 0,692 -0,367
9 199 0,346 0,653 -0,424
10 226 0,384 0,615 -0,485
11 253 0,423 0,577 -0,55
12 282 0,461 0,538 -0,619
13 316 0,5 0,5 -0,693
14 355 0,538 0,461 -0,773
15 392 0,577 0,423 -0,86
16 428 0,615 0,384 -0,955
17 485 0,653 0,346 -1,061
18 530 0,692 0,307 -1,148
19 600 0,730 0,269 -1,312
20 664 0,769 0,230 -1,46
21 749 0,807 0,192 -1,648
22 850 0,846 0,154 -1,872
23 983 0,884 0,115 -2,16
24 1170 0,923 0,077 -2,56
25 1484 0,961 0,038 -3,258

Tableau 2.2 : Valeurs de ( ).

0 18 40 57 78 96 121 148 170
( ) 1.0 0.9616 0.9167 0.8834 0.8440 0.8116 0.7687 0.7248 0.6910
195 226 253 282 316 355 392 438 485
( ) 0.6544 0.6118 0.5769 0.5416 0.5031 0.4622 0.4264 0.3859 0.3484
530 600 664 749 850 983 1170 1484 1600
( ) 0.3159 0.2713 0.2361 0.1962 0.1575 0.1180 0.0785 0.0397 0.0308
𝐿𝑛,𝑅̃ (𝑑𝑖 )- 0,5
0,0
-0,5
-1,0
-1,5
-2,0
-2,5
-3,0
-3,5
0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600
di
𝜆
Figure 2.2 : Représentation graphique du modèle expérimental.
Donc : ( ) dont les valeurs sont données dans le tableau 2.2 et

son allure est représentée sur la figure 2.3 et la .
1,1
- t / 460
1,0
0,9
R(t) = e
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0 200 400 600 800 1000 1200 1400 1600
T en heure
Figure 2.3 : Allure de la fiabilité ( ).

2.3.2 Ajustement numérique

La méthode graphique montre qu’il existe une relation linéaire entre , ( )- et .
Si on veut obtenir un ajustement numérique, on calcule la droite de régression de
, ( )- en .
2.3.2.1 Méthode générale

Soient et deux variables liées par la relation du type :
(2.10)
Soient ( ) ( ) ( ), les valeurs expérimentales prises par le
couple ( ). On détermine donc la droite de régression de et c'est-à-dire on
cherche à minimiser la somme de carrés des écarts en entre les points expérimentaux
et la droite (fig. 2.4). C’est la méthode des moindres carrées.
Y
● ● Y = aX + b
● ●
0 x2 X
x1
Figure 2.4 : Ajustement numérique par la méthode des moindres carrées.
On appelle l’image de par la droite :

(2.11)
On définit :
(2.12)
On a alors : ∑ ∑ ( ) ∑ ( )
∑ ∑ ( )
∑ ∑ ∑ ∑ ∑
On pose : ∑ ; ∑ ; ∑ ; ∑
∑

D’où : ( ) (2.13)
On obtient alors : (2.14)
( )
(2.15)
2.3.2.2 Remarque
On peut parfois avoir à calculer la droite de régression de en . dans ce cas on
cherche une relation du type et on va minimiser la somme des carrées des
écarts en entre la droite cherchée et les points expérimentaux.
On remplace par et on obtient alors :
(2.16)
( )
(2.17)
2.3.2.3 Exemple
Application { l’exemple précédent (§ 2.3.1.2).
On trouve :
;
Donc :
Pour ; h MTBF = h.
2.3.3 Test d’ajustement : Test de Kolmogorov Smirnov
On considère un échantillon de taille et soient les durées de vie
de chacun des éléments de l’échantillon. On montre que : ̃
| ( ) ( )| suit une
loi de probabilité ne dépendant que du nombre de défaillances . En particulier, on a :
( | ̃( ) ( )| ) (2.18)
est donnée par la table de Kolmogorov Smirnov (Annexe 1).
Le test se construit de la manière suivante :
𝑯 : le modèle théorique ajuste Contre 𝑯′ : le modèle expérimental n’est

le modèle expérimental. pas ajusté par le modèle
théorique.
Si | ̃ ( ) ( )| * + (2.19)
On accepte l’ajustement au seuil de .
S’il existe au moins une défaillance telle que :
| ̃( ) ( )| (2.20)
On rejette l’ajustement avec une probabilité d’erreur égale { (fig. 2.5).
 Application : Faire un test de Kolmogorov dans le cas de l’exercice précédent au
sein de   5% . On prendra comme modèle théorique : ( ) , on a alors :
 Conclusion : Le modèle expérimental est ajusté par le modèle théorique (tab. 2.3).

𝑅(𝑡)
0 t 0 t
Figure 2.5 : Test d’ajustement.
Tableau 2.3 : Test d’ajustement.

Rang F (di ) F ( di ) F (di )  F (di )
1 0,038 0,038 0,0002
2 0,077 0,082 0,005
3 0,115 0,115 0
4 0,153 0,154 0,001
5 0,192 0,186 0,005
6 0,230 0,229 0,001
7 0,269 0,272 0,003
8 0,307 0,306 0,001
9 0,346 0,342 0,002
10 0,384 0,384 0
11 0,423 0,419 0,003
12 0,461 0,454 0,006
13 0,5 0,493 0,06
14 0,538 0,533 0,004
15 0,577 0,569 0,007
16 0,615 0,611 0,004
17 0,653 0,617 0,005
18 0,692 0,680 0,011
19 0,730 0,724 0,005
20 0,769 0,760 0,008
21 0,807 0,800 0,006
22 0,846 0,839 0,0002
23 0,884 0,879 0,004
24 0,923 0,919 0,003
25 0,961 0,958 0,002

2.3.4 Cas des données incomplètes : Méthode de Johnson
Dans la pratique, il arrive souvent que l’on ne connaisse pas la durée de vie de tous
les éléments de l’échantillon. Les causes sont diverses ; la pièce peut n’avoir jamais été
défaillante depuis sa mise en service, ou bien la pièce appartient à un système complexe
qui est en panne ou bien encore le remplacement de ce type de pièce est automatique
dès qu’une autre catégorie de composant est défaillante.
On considère l’exemple suivant (fig. 2.6) : on veut étudier la durée de vie d’un type
de pièce présent sur cinq systèmes complexes identiques et travaillant dans des
conditions semblables. Après étude des fiches historiques de chacun des systèmes,
l’historique pour la pièce étudié est le suivant.
Temps de service de la pièce Achevé par une défaillance

Systèmes
(en heure) Non défaillant pendant la durée étudiée
A 180 290 490
B 100 220 130 170
C 420 60 560
D 600 40 340
E 800
Figure 2.6 : Exemple de données incomplètes.

2.3.4.1 Définition
Si le temps de service d’une pièce n’est pas limité par une défaillance, on
conviendra de dire que c’est un retrait. En ordre croissant on notera : les
durées de service des éléments de l’échantillon ; les durées des
défaillances et les durées des retraits.
Les formules données au § 2.3.1.1 pour la détermination de ̃ sont toujours

valables, cependant la détermination de ̃ se faisait avec le rang de la défaillance
considérée. Il va se poser le problème du rang de (tableau 2.4) et des défaillances
suivantes. Affecter le rang 5 à la 5ème défaillance, c’est ne pas tenir compte du retrait et
donc des autres retraits. Or l’élément (800) apporte un renseignement non
négligeable. Par contre considérer comme une défaillance c’est préjuger la durée de

vie de la pièce correspondante à . Pour tenir compte de cet état choisi, on élimine les
retraits, mais en corrigeant le rang des défaillances.
è
On donne à la défaillance un rang corrigé ( ) donnée par la formule suivante :
( ) ( )
( ) ( ) ( ) ( )
(2.21)
( ) : est le nombre d’individu précédent.

è
 La répartition estimée par les rangs médians de la défaillance, si , sera :
()
̃( ) (2.22)
è
 La répartition estimée par les rangs moyens de la défaillance, si , sera :
()
̃( ) (2.23)
En appliquant la formule des rangs moyens on construit le tableau 2.4.
2.3.4.2 Exemple d’application à loi exponentielle

Voyons si le modèle expérimental peut être ajusté par la loi exponentielle. Le
modèle expérimental est ( ̃ ( ) ).
La représentation obtenu sur papier semi logarithmique (fig. 2.7) fait apparaître
un ajustement du modèle expérimental par une droite ; le modèle théorique est donc un
modèle exponentiel (suit une loi exponentielle).
Graphiquement la MTBF = 420 h, donc : ( ) .
, Rang brut Rang corrigé ( ) ̃( ) ̃( ) , ̃( )-
t1 40 d1 1 1 0,048 0,951 -0,049

t2 60 d2 2 2 0,118 0,882 -0,125
t3 100 d3 3 3 0,187 0,812 -0,207
t4 130 d4 4 4 0,257 0,743 -0,297
t5 170 r1 5 -- -- -- --
t6 180 d5 6 5,1 0,333 0,666 -0,405
t7 220 d6 7 6,2 0,409 0,591 -0,527
t8 290 d7 8 7,3 0,486 0,514 -0,666
t9 340 d8 9 8,4 0,562 0,437 -0,826
t10 420 d9 10 9,5 0,639 0,361 -1,018
t11 490 r2 11 -- -- -- --
t12 560 r3 12 -- -- -- --
t13 600 d10 13 11,33 0,766 0,234 -1,452
t14 800 r4 14 -- -- -- --

0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
-1,2
-1,4
-1,6
0 50 100 150 200 250 300 350 400 450 500 550 600 650
di en heure
Figure 2.7 : Représentation graphique du modèle expérimentale.
2.3.5 Cas des données regroupées en classes

 Exemple
Une société de transport fait une étude sur les pare-brises. On considère 150 pare-
brises ; les fiches historiques fournissent les renseignements suivants (tableau 2.5),
classés par intervalle de 1 000 km parcourus.
Le centre de classe jouera ici le rôle des défaillances . Si on désigne par
è
l’effectif de la classe, on aura :
∑
̃( ) (2.24)
étant la taille de l’échantillon sur lequel porte l’étude ( ).

 On construit le tableau suivant (tableau 2.6) dans lequel les centres des classes
sont classés en ordre croissant.
Tableau 2.5 : Données expérimentales groupées en classes.

Classes (en km) : nombre de pare-brises hors usage
5x103 à 6x103 15
6x103 à 7x103 6
7x103 à 8x103 12
8x103 à 9x103 12
9x103 à 10x103 15
10x103 à 11x103 12
11x103 à 12x103 15
12x103 à 13x103 15
13x103 à 14x103 12
14x103 à 15x103 9
15x103 à 16x103 9
Rang des classes Centres des classes ∑ ̃( ) ̃( ) , ̃ ( )-

1 5,5x103 15 15 0,099 0,901 - 0,104
2 6,5x103 6 21 0,139 0,861 - 0,149
3 7,5x103 12 33 0,218 0,782 - 0,246
4 8,5x103 12 45 0,298 0,702 - 0,353
5 9,5x103 15 60 0,397 0,603 - 0,505
6 10,5x103 12 72 0,476 0,524 - 0,646
7 11,5x103 15 87 0,576 0,424 - 0,858
8 12,5x103 15 102 0,675 0,315 - 1,124
9 13,5x103 12 114 0,755 0,245 - 1,406
10 14,5x103 9 123 0,814 0,186 - 1,682
11 15,5x103 9 132 0,874 0,126 - 2,071
Le modèle expérimental trouvé (fig. 2.8) montre que nous n’avons pas { faire { une
loi exponentielle (la représentation graphique donne une courbe). Or, le pare-brise d’un
véhicule est un matériel de fatigue et la loi devrait être exponentielle. Les résultats
obtenus montrent qu’il faut remettre en cause soit la qualité du pare brise ou bien son
montage.

0,00
-0,25
-0,50
-0,75
-1,00
-1,25
-1,50
-1,75
-2,00
-2,25 di
6000 8000 10000 12000 14000 16000
Figure 2.8 : Représentation graphique des données expérimentales.
 Remarque : dans le cas d’un regroupement en classes on n’effectue jamais le test de

Kolmogorov-Smirnov, car le regroupement en classes provoque une perte
d’information importante. On doit alors utiliser d’autres types de test.
2.3.6 Cas particuliers

2.3.6.1 Cas où deux défaillances correspondent à des durées égales
Dans un premier temps, on suppose que l’une des défaillances a une durée
légèrement supérieure { l’autre et on détermine les rangs corrigés (tableau 2.7).
Tableau 2.7 : Détermination des rangs corrigés.

Rangs corrigés Remarque
d1 c1
d2 c2 On ne tient pas compte de
r1 -- ce point (c4) pour le
d3 c3 modèle expérimental et
d4 = d5 c4 pour le test de
d5 c5 Kolmogorov Smirnov.
2.3.6.2 Cas où un retrait et une défaillance correspondent à des durées égales

On place toujours le retrait après la défaillance.

2.4 EXERCICE D’APPLICATION
Un type de pièce monté sur diverses machine d’un atelier mécanique a subi 22
pannes dans la période du 15-11-2001 au 15-11- 2003. Les temps de bon
fonctionnement entre défaillances sont les suivants (en heures) : 152 ; 360 ; 430 ; 550 ;
12 ; 45 ; 120 ; 18 ; 172 ; 215 ; 275 ; 310 ; 78 ; 65 ; 105 ; 35 ; 190 ; 135 ; 28 ; 240 ; 90 ; 55.
On pense, que la loi de distribution est exponentielle, car on dispose d’un matériel
similaire fonctionnant à peu près dans les mêmes conditions dont la distribution est
exponentielle.
1) Vérifier que la loi de distribution est bien exponentielle.
2) Déterminer le taux d’avarie et la MTBF.
3) Calculer et tracer ( ).
 Solution :
Détermination des valeurs expérimentales (tableau 2.8).
La représentation graphique (figure 2.9) de ces données statistiques sur papier
semi-logarithmique donne une droite. On en déduit que le modèle théorique est bel et
bien la loi exponentielle de paramètre tel que ( ). Donc :
( ) dont l’allure est représentée sur la figure 2.10 et la

.
Tableau 2.8 : Calcul des données expérimentales.
ordre croissant ̃( ) ( )
̃( ) , ̃ ( )-
0 1
1 12 0,043 0,956 -0,044 0,935
2 18 0,087 0,913 -0,091 0,905
3 28 0,130 0,869 -0,139 0,856
4 35 0,174 0,826 -0,191 0,823
5 45 0,217 0,782 -0,245 0,779
6 55 0,261 0,739 -0,302 0,737
7 65 0,304 0,695 -0,363 0,697
8 78 0,348 0,652 -0,427 0,648
9 90 0,391 0,608 -0,496 0,606
10 105 0,434 0,565 -0,570 0,558
11 120 0,478 0,522 -0,650 0,513
12 135 0,522 0,478 -0,737 0,472
13 152 0,565 0,435 -0,832 0,430
14 172 0,608 0,391 -0,938 0,384
15 190 0,652 0,347 -1,056 0,348

16 215 0,695 0,304 -1,189 0,303
17 240 0,739 0,261 -1,344 0,263
18 275 0,782 0,217 -1,526 0,217
19 310 0,826 0,174 -1,749 0,178
20 360 0,869 0,130 -2,037 0,135
21 430 0,913 0,087 -2,442 0,091
22 550 0,956 0,043 -3,135 0,047
600 0,035
[ (Title
)]
0,0
Y Axis
-0,5
-1,0
-1,5
-2,0
-2,5
-3,0
-3,5
0 100 200 300 400 500 600
𝑀𝑇𝐵𝐹
𝜆 Durées de service (en heure)
Figure 2.9 : Représentation graphique des données expérimentales.

1,1
R(t)
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0 100 200 300 400 500 600
Temps de service en heure
Figure 2.10 : Allure de la probabilité de survie ( ).

Fiabilité des systèmes 3. La loi de Weibull
3. LA LOI DE WEIBULL
La loi de Weibull est un modèle statistique particulièrement bien adapté { l’étude
statistique des défaillances. Waloddi Weibull (mathématicien suédois) a donné au taux
de défaillance ( ) une formule générale dépendant de trois paramètres , et .
3.1 CARACTÉRISTIQUES
Si la durée de vie T d’un type de pièce suit une loi de Weibull, on a :
a- La probabilité de survie (fiabilité) est :
. /
( ) ( ) si : et ( ) ; si : (3.1)
 : est le paramètre de position (ou paramètre de décalage de l’origine du temps).
 : est le paramètre d’échelle homogène { un temps.
 : est le paramètre de forme.
On remarque que pour et , on a une loi exponentielle de paramètre .
b- La densité de probabilité de défaillance est :
. /
( ) . / si : et ( ) ; si : (3.2)
c- La probabilité de défaillance (la défiabilité) est :
. /
( ) ( ) si : et ( ) ; si : (3.3)
d- L’espérance mathématique de T est :
( ) . / (3.4)
: Fonction gamma de la forme ( ) avec .
La fonction est calculée par intégration numérique :
. / ∫ . / (3.5)
Les valeurs de sont aussi données par des tables (annexe 2).
e- Le taux de défaillance est :
( ) . / si : et ( ) ; si : (3.6)
f- Le taux de défaillance cumulé est :
( ) . / pour : (3.7)

3.2 SIGNIFICATION DES PARAMÈTRES DU MODÈLE DE WEIBULL

a) Paramètre de forme β : C’est un nombre sans dimension. Il définit l’allure de la
distribution de Weibull (figures. 3.1 et 3.2).
b) Paramètre de position : Ou paramètre de décalage, il a la dimension d’un temps,
souvent il est égal à zéro, cela correspond à la loi de Weibull à deux dimensions. Ce
paramètre indique une survie totale du lot entre 0 et ainsi qu’une fréquence ou
densité de probabilité de défaillance nulle durant cette période. Lorsque est négatif
cela signifie que, dès l’origine des temps, des éléments sont déj{ détruits ; il faut faire
un changement d’origine. Lorsque est positif cela signifie que la distribution des
défaillances a son origine après t = .
c) Paramètre d’échelle réelle η : Il a la dimension d’un temps. Ce paramètre exprime
l’échelle de l’abscisse des temps d’une distribution de Weibull. Il donne l’ordre de
grandeur de la durée de vie moyenne.
R(t) β=3
1 β=2
β=1,5
β=1
β=0,5
γ=0
η=1
e-1
0
η + γ =1 t
Figure 3.1 : Allure de R(t) en fonction de  .
3.2.1 Allure du taux de défaillance en fonction du paramètre  (fig. 3.2)
λ(t)
γ=0
1 η=1
β=3
β=2
β=1,5
β=1
β=0,5
0 t
Figure 3.2 : Allure de λ (t) en fonction de  .

3.2.2 Analyse et propriétés du taux de défaillance (fig. 3.3)

 β < 1 : correspond { la zone de décroissance rapide. C’est la période de mise en place
et du rodage de l’installation. Les défaillances sont dues à des anomalies ou des
imperfections de montage ou à la méconnaissance de la conduite du matériel de la
part des opérateurs.
 β = 1 : correspond à la zone où le taux de défaillance est constant. En effet :
( ) . / . / ( ) . / (3.8)
C’est la période des défaillances aléatoires qui ne présentent généralement aucun
symptôme de dégradation préalable. C’est la période la plus longue, ce
fonctionnement à taux de défaillance constant ou légèrement croissant correspond
au rendement optimal de l’équipement.
 β > 1 : correspond { la zone de croissance rapide. C’est la période du vieillissement
provoqué par l’usure mécanique, les vibrations répétées, les chocs ou les érosions
qui modifient la structure des métaux. Tous ces effets étant amplifiés par la variation
des contraintes.
 Remarque : la vieillesse existe aussi pour les matières plastiques. Celles-ci sont très
utilisées en électronique et évoluent lentement avec le temps : elles se transforment
chimiquement ou absorbent l’humidité. Les transformations chimiques sont
accélérées par la chaleur au cours du fonctionnement. L’humidité, par contre,
intervient au stockage et des précautions sont nécessaires pour que la fiabilité ne se
dégrade pas.
l (t)
Maintenance Maintenance
corrective corrective
Matériel
électronique
Maintenance préventive
Matériel mécanique
Matériel
électrique
Pannes catalectiques Pannes par dérive Pannes progressives
0 Jeunesse t1 Age adulte (bon fonctionnement) t2 Vieillesse t
β<1 β=1 β>1
Figure 3.3 : Variation du taux de défaillance (courbe en baignoire).

3.3 DÉTERMINATION DES PARAMÈTRES , et

Un des problèmes essentiel de la loi de Weibull est l’estimation des paramètres ,
et de cette loi. Pour cela, nous disposons de deux méthodes :
 Une entièrement par le calcul, qui fait intervenir les équations différentielles
difficiles à résoudre, de ce fait elle est peu utilisée.
 L’autre graphique, qui utilise un papier à échelle fonctionnelle dit papier « loi de
Weibull » ou graphique d’Allen Plait. Cette méthode est la plus utilisée. Weibull
propose alors :
1) De calculer, d’après l’historique des pannes survenues sur un lot d’équipement, la
fréquence cumulée de défaillance ̃ ( ) ou la fiabilité ̃ ( ) ̃ ( ).
2) De porter ces valeurs de ̃ ( ) ou de ̃ ( ) sur un papier graphique spécial de
Weibull gradué comme suit :
 en abscisse : ( )
 en ordonnée : 0 . ̃( )
/1 0 . ̃ ( )/1 (3.9)
Le graphique nous donne les valeurs de , et .
3) De rechercher le coefficient lié à (la fonction ) par l’intermédiaire d’une table
(annexe 2) pour calculer la M.T.B.F. si nécessaire.
 Remarque : La valeur de est trouvée par tâtonnement ou par le calcul lorsque
celle-ci est différente de zéro.
4) De calculer ( ) ; ( ) ; ( ) et ( ) si nécessaire.
3.4 LINÉARISATION DU MODÈLE DE WEIBULL. CONSTRUCTION DU PAPIER

GRAPHIQUE DE WEIBULL
Le graphique à échelle fonctionnelle utilisé est gradué de la façon suivante :
 En abscisse, on a : ( )
 En ordonnée, en partant de la relation ( ) ( ), on a :
( ) ( )
( ) ( )
( ) ( )
[ ( )] [ ( )] * ( )+ [( ) ]
( ) ( ) . /
0 . ( )
/1 ( ) ( ) (3.10)
3.4.1 Cas où = 0
L’équation (3.10) devient :
0 . ( )
/1 ( ) ( ) (3.11)

Si on pose :
( ) (3.12.a)
0 . ( )
/1 (3.12.b)
La relation entre X et Y est celle d’une droite (fig. 3.4) :
( ) (3.13)
On remarque que pour :
( ) ( ) (3.14)
En considérant la droite translatée (fig.3.4) on a :
(3.15)
En plus de la connaissance de t et de ( ) il est nécessaire de calculer ( ) et
0 . ( )
/1 pour obtenir un ajustement par une droite. Pour éviter d’avoir { faire ce
calcul, on change la graduation de chacun des axes.
𝑌 𝐿𝑛 [𝐿𝑛 ( )]
𝐹(𝑡)
𝑌 𝛽𝑋
𝑌 𝛽𝑋 𝛽𝐿𝑛(𝜂)
𝐿𝑛(𝑡)
0
-3 -2 -1 1 2 3 4 5 𝑋 𝐿𝑛(𝑡)
𝛽 -1
-2
Figure 3.4 : Linéarisation de la loi de Weibull.
 Pour l’axe des abscisses :
D’après l’équation (3.12.a) :

( )
Donc (fig. 3.5) :

(3.16)

𝑋 𝐿𝑛(𝑡)
-3 -2 -1 0 1 2 3 4 5
t
-3 -2 -1 1 2 3 4 5
e e e 1 e e e e e
Figure 3.5 : Changement de graduation pour l’axe X
 Pour l’axe des ordonnées :

D’après l’équation 0 . ( )
/1 (3.12.b) :
( ) , ( )- , ( )-
( )
, ( )- ( )
Donc (Fig. 3.6) :
( ) (3.17)
 Conclusion
Si les données expérimentales correspondent à une loi de Weibull de paramètre
, elles doivent s’aligner suivant une droite dans le graphique d’Allen Plait (fig.3.7).
Un exemple d’un modèle commercial du papier de la loi de Weibull est donné à la

page 34 (fig. 3.8).
3.4.1.1 Démarche pour calculer la M.T.B.F. et les différents paramètres

1) Classer, par ordre croissant, les durées de service ti.
2) Cumuler les rangs des défaillances k et éventuellement ceux des retraits j.
3) Rechercher les fréquences relatives cumulées et corrigées (probabilité de
défaillance). Deux méthodes, selon la taille de l’échantillon, peuvent être
employées :
 Si ; méthode des rangs médians :
̃( ) (3.18.a)
( )
Ou : ̃ ( ) (3.18.b)
 Si , on utilise l’approximation par les rangs moyens qui est :
̃( ) (3.19.a)
( )
Ou : ̃ ( ) (3.19.b)
( ) ( )
Avec : ( ) ( ) ( ) ( )
(3.20)
4) Reporter les valeurs sur le papier graphique de Weibull.
5) Trouver , , et la M.T.B.F.

𝐹(𝑡)
𝑌 𝐿𝑛 [𝐿𝑛 ( )]
𝐹(𝑡)
4 1–
3 1–
2 1–
1 1–
0 1 – e-1 63,2%
-1 1–
-2 1–
Figure 3.6 : Changement de graduation pour l’axe Y.
𝐹(𝑡) en % 𝐹(𝑡) en %
99,9% 99,9%
e-1
63,2% η
β = 1,5 1
η = 2,7
β
0,1 t
0,1 0,3 0,4 1
Figure 3.7 : Construction du papier graphique d’Allen Plait.

Figure 3.8 : Papier graphique « loi de Weibull ».

3.4.1.2 Exemple d’application de la loi de Weibull dans le cas où =0
L’examen des fiches historiques de quatre systèmes complexes identiques et

travaillants dans des conditions semblables a donné les durées de service
suivantes, exprimées en heure, (tableau 3.1).
Tableau 3.1 : Exemple de l’historique des défaillances et des retraits.
Durées relatives aux défaillances Durées relatives aux

retraits
3900, 5300, 4170, 2500, 6400, 5600, 3380, 1290, 4700, 7400, 3750, 2600, 6920,
5000, 2170, 3600, 4430, 3090, 5960, 2800, 1800, 7400, 8730 5300
a) Identifier le modèle mathématique de la durée de vie de ce matériel et faire un test

d’ajustement de Kolmogorov-Smirnov au sein de α = 5%.
b) Déterminer la MTBF et l’écart type.
c) Calculer et tracer ( ) et ( ).
 Solution (tableau 3.2) :
On trouve les résultats suivants (fig. 3.9) :

2,3
 t 
 
 = 0 ; β = 2,3 ; η = 5500 ; le modèle théorique est : R(t)  e  5500 
; (fig. 3.10).
 1
 MTBF =     1    0   x  5500  0,8859  4872 h.
 
   y   0, 4085  5500  2247 h.

 1
  t  
1, 3
2,3  t 
 l (t )       ; (fig. 3.11).
   5500  5500 
 D’autre part, D19, 5% = 0,301 ; donc le modèle expérimental est ajustée par le
modèle théorique (tableau 3.2).
 β > 1 : donc nous avons { faire { un matériel d’usure, le taux de défaillance est
faiblement croissant au départ puis fortement par la suite (β = 2,3).

Tableau 3.2 : Détermination des valeurs expérimentales et théoriques.
ti dk, rj i J(k) ( ) ( ) ( ) | ( ) ( )| ( )
1290 d1 1 1 0,04 0,965 0,035 0,005 0,6348
1800 d2 2 2 0,08 0,926 0,074 0,006 0,9789
2170 d3 3 3 0,12 0,888 0,112 0,008 1,2482
2500 d4 4 4 0,16 0,849 0,151 0,009 1,5004
2600 r1 5 -- -- -- -- -- --
2800 d5 6 5,05 0,202 0,809 0,191 0,011 1,7386
3090 d6 7 6,1 0,244 0,766 0,234 0,010 1,9762
3380 d7 8 7,15 0,286 0,721 0,279 0,007 2,2206
3600 d8 9 8,2 0,328 0,685 0,315 0,013 2,4103
3750 r2 10 -- -- -- -- -- --
3900 d9 11 9,32 0,372 0,635 0,365 0,007 2,6747
4170 d10 12 10,44 0,417 0,589 0,411 0,006 2,9179
4430 d11 13 11,56 0,462 0,544 0,456 0,006 3,1566
4700 d12 14 12,78 0,511 0,498 0,501 0,010 3,4089
5000 d13 15 13,80 0,552 0,447 0,553 0,001 3,6945
5300 d14 16 14,92 0,596 0,399 0,601 0,005 3,9852
5300 r3 17 -- -- -- -- -- --
5600 d15 18 16,18 0,647 0,352 0,648 0,001 4,2809
5960 d16 19 17,44 0,697 0,300 0,700 0,003 4,6421
6400 D17 20 18,70 0,748 0,242 0,758 0,010 5,0924
6920 r4 21 -- -- -- -- -- --
7400 d18 22 20,28 -- -- -- -- --
7400 d19 23 21,86 0,874 0,138 0,862 0,012 6,1502
8730 d20 24 23,44 0,937 0,055 0,945 0,008 7,6245

Échelle : 1 / 1000
Figure 3.9 : Représentation graphique.

R(t)
1,0
0,8
0,6
0,4
0,2
0,0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
t (en heure)
Figure 3.10 : Allure de la probabilité de survie R(t).
0,0008
0,0006
l(t)
0,0004
0,0002
0,0000
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
T (en heure)
Figure 3.11 : Allure du taux de défaillance l(t) .

3.4.2 Cas où  0
  1 
On constate que la relation précédente entre Ln  Ln    et Ln(t) n’est pas
  1  F(t)  
une relation affine, car :
  1 
Y  Ln  Ln      Ln  t     Ln    (3.21)
  1  F(t)  
3.4.2.1 Cas où > 0
La représentation sur papier graphique de Weibull fournit une courbe à concavité

tournée vers le bas. Si on pose :
t'  t   (3.22)
Et : F(t)  F1 (t ') (3.23)
La relation précédente devient :
  1 
Ln  Ln      Ln  t '   Ln   (3.24)
  1  F1 (t ') 
  1 
L’équation qui relie Ln  Ln    et Ln(t ') est celle d’une droite de la forme :
  1  F1 (t ')  
Y'  A X'  B (3.25)
Graphiquement, cela se traduit comme suit : en translatant les points vers la
gauche d’une valeur égale { on obtient une droite (fig.3.12).
F(t) en %
99,9
%
e-1 γ η
1
Figure 3.12 : Représentation graphique : cas où > 0

 Détermination d’une valeur approchée pour (fig.3.13)
Soit R(t) la probabilité de survie.

 
t   t  
   
     
Dans le cas de , sachant que R(t)  e et F(t)  1  e ; on a alors :
Pour : t    F(t)  0 (3.26)
Pour : t  x  F(t)  F(x)  0,1%  0,001 (3.27)
On a donc (fig. 3.13) : x   (3.28)
F(t) en % F(t) en %
99,9% 99,9%
e-1
1
η
0,1 x t
Figure 3.13 : Détermination d’une valeur approchée pour
 Exemple : Les temps de service (en heure) d’un matériel sont les suivants.
Défaillances : 2000, 2300, 2800, 8100, 4800, 4000, 10700, 3400, 6500, 5600.
Retraits : 7000, 3000. Identifier le modèle théorique, déterminer la MTBF.
 Solution (tableau 3.3).
On trouve (fig. 3.14) :

 = 1400.
 = 4800.
 = 1,1.
Donc :
1,2
 t 1400 
 
R(t)  e  4800 
pour t  1400 h.
MTBF = 1400 + 4800 x 0,9649 = 6032 h.

ti dk , rj i j ̃( ) t'  t   ( )
2000 d1 1 1 0,056 600
2300 d2 2 2 0,137 900
2800 d3 3 3 0,218 1400
3000 r1 4 -- -- --
3400 d4 5 4,11 0,307 2000
4000 d5 6 5,22 0,396 2600
4800 d6 7 6,33 0,486 3400
5600 d7 8 7,44 0,576 4200
6500 d8 9 8,55 0,665 5100
7000 r2 10 -- -- --
8100 d9 11 10,03 0,784 6700
10700 d10 12 11,51 0,904 9300
 Remarque
Si la valeur de  déterminée graphiquement est sensiblement différente de la

véritable valeur de , nous obtiendrons après translation (t’ = t –  ) un graphe qui ne
sera pas celui d’une droite. Dans ce cas on effectue une nouvelle translation pour obtenir
une droite.
 Signification de > 0 pour un matériel


t  
 
On a R(t)  e   
pour t   et R(t)  1 pour 0  t   .
Le matériel ne peut pas avoir de défaillance durant la période 0,   puisque R(t) = 1.

η = 4,8 x 1000 = 4800

γ = 1,4 x 1000 = 1400
Échelle : 1 / 1000
ß = 1,1
Figure 3.14 : Représentation graphique :

cas où γ > 0.

3.4.2.2 Cas où < 0

La représentation graphique sur papier Weibull fournit une courbe à concavité
tournée vers le haut.
F(t) en % F(t) en %
99,9% 99,9%
e-1 γ
η
1
0,1 t
Figure 3.15 : Représentation graphique : cas où < 0.
 Détermination de (fig. 3.15)
Il n’existe pas de méthode réellement avantageuse pour déterminer

graphiquement qui soit comparable à la méthode utilisée pour > 0.
Dans la pratique, on procède de la manière suivante. On choisit 3 ou 4 points
équidistants de la courbe vers la droite. Lorsque ces points paraissent alignés on trace
une droite et on translate tous les autres les points. Si les points ne sont pas
suffisamment alignés on recommence l’opération (fig. 3.15).
Une translation d’une valeur égale { vers la droite redresse la courbe et on
obtient le graphe d’une droite.
 Signification de < 0 pour un matériel


t  
 
On a R(t)  e   
pour t   et R(t)  1 pour t   .
A l’instant t = 0, le matériel a une fiabilité < 1.
Dans la pratique, cela se traduit soit par une mauvaise conception, soit une
mauvaise utilisation, soit un mauvais stockage du matériel qui au moment de sa mise en
marche a une fiabilité <1.

3.5 EXERCICES D’APPLICATION

3.5.1 Exercice 1
L’examen des fiches historiques d’un type de pièce monté sur 5 systèmes
complexes identiques et travaillant dans des conditions semblables a donné les durées
de service suivantes :
 Durées relatives aux défaillances en heures : 3910 5280 4200 2500 6430
5570 3390 1290 4720 7500 5010 2180 3650 4420 3100 5970
2810 1790 7500 8750
 Durées relatives aux retraits en heures : 3760 2620 6910 5280
Nous pensons, que la loi de distribution est une loi de Weibull, car nous disposons
d’un matériel similaire fonctionnant { peu près dans les mêmes conditions dont la
distribution est de type Weibull
a) Vérifier que la loi de distribution est bien une loi de Weibull et déterminer son MTBF.
b) Faire un test d’ajustement de Kolmogorov-Smirnov au sein de  = 5%.
c) Quelle est la signification des valeurs des paramètres ,  et  pour ces systèmes.
d) Calculer et tracer la fiabilité R(di) et le taux de défaillance λ(di).
 Solution :
Détermination des valeurs expérimentales et théoriques (tableau 3.4).

2,3
 t 
 
 = 0 ; β = 2,3 ; η = 5400 ; Le modèle théorique est : R(t)  e  5400 
;
 1
 MTBF =     1    0   x  5400  0,8859  4784 h.
 
1
 t  l
1,3
2,3  t 
 l(t)       ;
    5400  5400 
 D’autre part, D20, 5% = 0,294 ; donc le modèle expérimental est ajustée par le
modèle théorique.
 β > 1 : donc nous avons { faire { un matériel d’usure, le taux de défaillance est
faiblement croissant au départ puis fortement par la suite (β = 2,3).

ti dk, rj i J ̃( ) R(d k ) F(d k )  1  R(d k ) F(d k )  F(d k ) ( )
1290 d1 1 1 0,04 0,962 0,038 0,002 0,634

1790 d2 2 2 0,08 0,920 0,080 0 0,978
2180 d3 3 3 0,12 0,880 0,12 0 1,248
2500 d4 4 4 0,16 0,837 0,16 0 1,500
2620 r1 5 -- -- -- -- -- --
2810 d5 6 5,05 0,202 0,794 0,206 0,04 1,738
3100 d6 7 6,1 0,244 0,748 0,251 0,011 1,976
3390 d7 8 7,15 0,286 0,701 0,299 0,019 2,220
3650 d8 9 8,2 0,328 0,663 0,336 0,016 2,410
3760 r2 10 -- -- -- -- -- --
3910 d9 11 9,32 0,372 0,610 0,389 0,019 2,674
4200 d10 12 10,44 0,417 0,562 0,437 0,017 2,917
4420 d11 13 11,56 0,462 0,515 0,484 0,024 3,156
4720 d12 14 12,78 0,511 0,468 0,531 0,021 3,408
5010 d13 15 13,80 0,552 0,417 0,582 0,022 3,694
5280 d14 16 14,92 0,596 0,367 0,63 0,02 3,985
5280 r3 17 -- -- -- -- -- --
5570 d15 18 16,18 0,647 0,321 0,678 0,128 4,281
5970 d16 19 17,44 0,697 0,270 0,730 0,030 4,642
6430 d17 20 18,70 0,748 0,213 0,786 0,086 5,092
6910 r4 21 -- -- -- -- -- --
7500 d18 22 20,28 -- -- -- -- --
7500 d19 23 21,86 0,874 0,116 0,884 0,014 6,150
8750 d20 24 23,44 0,937 0,042 0,957 0,017 7,624
𝛾
𝜂
𝛽
Échelle : 1/100

1,1
V (t)
R(d k)
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
dk en heure
Temps en H
Figure 3.17 : Allure de la probabilité de survie R(di).
0,0009
λ (dk)
0,0008
0,0007
0,0006
0,0005
0,0004
0,0003
0,0002
0,0001
0,0000
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Temps en heure
dk en heure
Figure 3.18 : Allure du taux de défaillance l (di) .

3.5.2 Exercice 2
Les temps de service (en heure) d’un type de pièce sont les suivants.
 Défaillances : 1350 ; 1500 ; 1700 ; 1950 ; 2300 ; 2800 ; 3400 ; 4000 ; 4900 ; 5800 ;
6700 ; 8200 ; 12000 ; 18000 ; 35000.
 Retraits : 6800, 3300, 9400.
Nous pensons, que la loi de distribution est une loi de Weibull, car nous disposons
d’un matériel similaire fonctionnant à peu près dans les mêmes conditions dont la
distribution est de type Weibull
a) Vérifier que la loi de distribution est bien une loi de Weibull et déterminer son MTBF.
b) Quelle est la signification des valeurs des paramètres ,  et  pour ces systèmes.
c) Calculer et tracer la fiabilité R(di) et le taux de défaillance λ(di).
 Solution :
Détermination des valeurs expérimentales et théoriques (tableau 3.5).
0,7
 t 1300 
 
 = 1300 ; β = 0,7 ; η = 6000 ; Le modèle théorique est : R(t)  e  6000 
.
 1
 MTBF    . 1    1300  .x  1300  6000 1, 2608  8865 h.
 
1 0,3
 t  l 0, 7  t  1300 
 l(t)       .
    6000  6000 
 >0 : ce type de matériel ne tombera pas en panne entre 0 et 1300 h puisque il a
une fiabilité égale à 1.
 β< 1 : nous avons à faire à un matériel de jeunesse, le taux de défaillance est
fortement décroissent au départ puis in deviendra constant par la suite (β = 0,7).
 η : est le paramètre d’échelle (1/1000 dans ce cas).

ti dk, rj i j ̃( ) R(dk) ( )
1350 d1 1 1 0,038 0.96 0,00049057
1500 d2 2 2 0,092 0,91 0,00032365
1700 d3 3 3 0,146 0,86 0,00026289
1950 d4 4 4 0,201 0,80 0,00022725
2300 d5 5 5 0,255 0,75 0,00019970
2800 d6 6 6 0,309 0,68 0,00017683
3300 r1 7 -- -- -- --
3400 d7 8 7,08 0,368 0,62 0,00015985
4000 d8 9 8,16 0,427 0,56 0,00014824
4900 d9 10 9,24 0,485 0,49 0,00013598
5800 d10 11 10,32 0,544 0,44 0,00012718
6700 d11 12 11,40 0,603 0,39 0,00012041
6800 r2 13 -- -- -- --
8200 d12 14 12,66 0,672 0,33 0,00011187
9400 r3 15 -- -- -- --
12000 d13 16 14,24 0,757 0,22 0,000098079
18000 d14 17 15,83 0,844 0,13 0,000085817
35000 d15 18 17,41 0,929 0,03 0,000069518
𝛾
𝜂
𝛽
Échelle : 1/1000

R(dk) 1,0
0,8
0,6
0,4
0,2
0,0
5000 10000 15000 20000 25000 30000 35000
dk en h
Figure 3.20 : Allure de la probabilité de survie R(dk).
0,0005
ldk
0,0004
0,0003
0,0002
0,0001
5000 10000 15000 20000 25000 30000 35000

dk en h
Figure 3.21 : Allure du taux de défaillance l (dk ) .

Fiabilité des systèmes 4. Exploitation de la fiabilité d’un matériel : problèmes liés aux défaillances
4. EXPLOITATION DE LA FIABILITÉ D’UN MATÉRIEL :

PROBLÈMES LIÉS AUX DÉFAILLANCES
4.1 DÉTERMINATION DU NIVEAU MINIMAL D’UN STOCK AU MOMENT DE LA
COMMANDE
On considère n systèmes travaillant dans des conditions semblables et un type de

pièce présent sur chaque système. Le problème est donc de déterminer le niveau
minimal du stock de la pièce détachée au moment de la commande pour limiter la
probabilité de rupture de stock (fig. 4.1).
Date d’approvisionnement
t=0 d11 d12 t t+τ
t11 t12 ……………
S1
S2
S3
di1 di2
ti1 ti2 ……………
Si
Sn
Période vécue τ
Période à prévoir
S1, S2, …, Sn : n systèmes

t11, t12, …, tnn : durées de vie de la pièce Date de commande
d11, d12, …, dnn : dates de changement de la pièce
t : périodicité de la commande de la pièce
τ : délai de réapprovisionnement
Figure 4.1 : Schéma représentative de la consommation d’un type de pièce.
En pratique, on approvisionne un stock à date fixe et à quantité variable ou à date

variable et à quantité fixe. Cependant, dans les deux cas, il faut tenir compte du délai de
réapprovisionnement  , de la consommation moyenne prévisible et éventuellement des
contraintes économiques.

La consommation moyenne dépend du type de la maintenance appliqué au

système. Dans le cas d’une maintenance préventive, les changements sont planifiés à
l’avance ; les pièces étant en bon fonctionnement au moment du changement. Dans le
cas d’une maintenance corrective, on attend la défaillance de la pièce pour la changer.
Dans le cas de la maintenance préventive, le niveau du stock est aisé à prévoir

puisque les opérations sont planifiées { l’avance.
Dans le cas d’une maintenance corrective le nombre de défaillances pendant le

délai de réapprovisionnement peut, en théorie, être infini. Il faut donc en théorie un
stock infini. Cependant, dans la pratique on est conduit à avoir un stock faible en raison
d’impératifs économiques (prix d’achat des pièces, coût du stockage, risque de
détérioration des pièces en stock, etc.). Pour régler le problème, on est amené à
admettre une probabilité p de rupture de stock pendant une durée de
réapprovisionnement.
Dans ce dernier cas, le niveau minimal du stock va dépendre des paramètres

suivants :
- la fiabilité R(t) du type de pièce ;
- la durée  nécessaire au réapprovisionnement (délai de réapprovisionnement) ;
- la probabilité p de rupture de stock.
Enfin, on notera r  le nombre global de défaillances pouvant survenir pendant le

délai de réapprovisionnement et c le niveau minimum du stock (appelé stock d’alerte).
 Cas d’une loi exponentielle
Lorsque la durée de vie de la pièce suit une loi exponentielle de paramètre l 0 , on

peut démontrer que :
n l 0 k
Pr    k   e  nl 0 (4.1)
k!
Le nombre global de défaillance pendant la durée  suit une loi de Poisson de

paramètre m 0  nl 0  , (n représente le nombre de systèmes). La probabilité d’être en
rupture de stock sera donc donnée par :
P  r    c   p (4.2)
 
n l 0 k
d’où :  Pr  k   p
k  c 1
 
k  c 1 k!
e  nl 0  p (4.3)

La valeur de p ne correspond pas forcément à une valeur entière pour c. La valeur

entière de c sera fixée par :

n l 0 k c
n l 0 k
Ep  e  nl 0
  e  nl 0  1  p  (4.4)
k  c 1 k! k 0 k!
Avec E minimum et E > 0.
 Exemple
Un garage comprend un parc moyen de 500 véhicules d’un même type. On

considère un type de pièce et on admet pour cette pièce une probabilité p > 10 % de
rupture de stock.
La durée de réapprovisionnement est de 15 jours et le taux de défaillance constant

1
de ce type de pièce est : l 0  km 1 . Enfin on estime à 12000 km en moyenne le
36794
kilométrage parcouru pour ce type de véhicule durant un an (365 jours).
Déterminer le niveau minimal de stock, pour ce type de pièce, au moment de la

commande.
 Solution
12000
  15  ;
365
1 12000
m 0  n l 0   500   15   6,7
36794 365
c
n l 0  k
E  e  nl 0  1  p 
k0 k!
1 – p = 0,9 ; on prend : 0,9332 pour avoir E > 0, et on trouve c = 10, (voir annexe 2).
 Cas d’une loi de Weibull
Il n’existe pas de formule générale lorsque   1. Cependant { l’instant t= 0, on

observe en général n système qui sont en marche depuis très longtemps (nettement
supérieur à la MTBF de la pièce). Sous cette condition, il a été montré que le nombre de
panne r  durant la période de réapprovisionnement  suivait une loi de paramètre :
n n
 (4.5)
MTBF E (T )
On a alors des résultats semblables au cas précédent :

k n
 n  1 
Pr    k      e MTBF (4.6)
 MTBF  k!
Le niveau minimal du stock c au moment de la commande est donné par l’entier c

vérifiant :
k n k n
 n   1  MTBF
c 
 n   1  MTBF
E  e  1  p   p     e (4.7)
k  0  MTBF  k! k  c  1  MTBF  k!
4.2 DÉTERMINATION DE LA PÉRIODICITÉ OPTIMALE DE LA MAINTENANCE

PRÉVENTIVE
Il s’agit de déterminer la périodicité t 0 avec laquelle on doit effectuer une

maintenance préventive, pour minimiser le coût de l’opération.
Considérons un type de pièces présent sur n systèmes. On notera C 1 le coût de

remplacement d’une pièce en bon état et C 2 le coût de remplacement d’une pièce
défaillante.
Trois cas peuvent être envisagés.
4.2.1 Toutes les pièces sont changées avec la même périodicité t0=Cte quelque
soit l’âge de la pièce (fig. 4.2).
Le cas limite étant celui d’une pièce changée { t0   pour défaillance (  t0 ) et

remplacée à t 0 pour maintenance préventive.
0 R R d R R d R
S1
t0 t0 t0 t0-ε ε
S1 : système 1
R : remplacement
d : défaillance
t0 : périodicité de remplacement
Figure 4.2 : Remplacement à période fixe t0.
Le coût de l’opération sera C 1 auquel s’ajoute le coût de remplacement éventuel dû

à une défaillance de la pièce pendant la durée t 0 , c'est-à-dire :
C2 × P(T < t 0 ) = C2 × F (t 0 ) (4.8)

Le coût global est : C1  C2  1  R (t0 )  (4.9)
On a un calcul optimiste car nous n’avons considéré qu’une seule défaillance

durant la période t 0 (cas le plus courant en pratique).
Le coût par pièce et par unité de temps sera :
C1  C2  1  R(t0 ) 
C (t )  (4.10)
t0
La périodicité de changement préventif sera la valeur t 0 de t pour laquelle C(t) est

minimum. Cherchons à annuler la dérivée première de C(t) (t0  t ) :
f (t).C2 × t -  C1 + C2 × 1 - R(t)  
C' (t) = (4.11)
t2
d 1-R(t)  dF (t) -d R(t)
Car : = = = f (t) : qui est la densité de probabilité de t.
dt dt dt
C1
C' (t) = 0  C2  t. f (t) + R(t)  = C1 + C2  t. f (t) + R(t) =1+ (4.12)
C2

t
 
 
Si R (t )  e (loi de Weibull avec = 0), l’équation précédente (4.12) devient :
 
 1 t t
 t    

 

C1
t   .e e 1 (4.15)
  C2
 
 t t
 t      
C
Ou bien :    . e     e     1  1 (4.16)
  C2

t C
On pose :     . On obtient alors : βμ e-μ + e-μ = 1 + 1 (4.17)
  C2
C1
 e-μ (β μ + 1) - 1 = (4.18)
C2
C1
On pose : y()  e  (   1)  1  (4.19)
C2
 Étude de y (μ)
y (0)  0 , y()  1 et y' (μ) = -e-μ (βμ + 1) +βe-μ = e-μ (-βμ +β -1)
β -1
y ' (μ) = 0  μ = (4.20)
β

a) Cas de : 0    1 (fig. 4.3)
C1
Pour 0    1 l’équation y()  0 n’a pas de solution, puisque pour
C2
0      . Ce cas n’a pas d’intérêt pratique puisque le matériel est en période de

jeunesse car   1 .
μ - 0 +
y’(μ) + 0 -
0
y(μ)
-1
Figure 4.3 : Cas de 0    1 .
b) Cas de :   1
Ce cas correspond à une loi exponentielle de paramètre λ 0 = 1 η ; il s’agit d’un
matériel de fatigue. Ce type de maintenance préventive n’a pas d’intérêt car la seule
C1
solution de l’équation : y()  e  (   1)  1  est : μ = 0 et C1  0 .
C2
c) Cas de :   1 (fig. 4.4)
En remplaçant μ par son expression (éq. 4.20) dans y(μ) (éq. 4.19), on aura :
 β-1 
- 
 β  C1
y(μ) = β e -1 = (4.21)
C2
 β-1 
-  C1
C
Alors pour : 0 < 1 < β e  β 
- 1 ; l’équation y()  a deux solutions  0
C2 C2
et 1 (fig. 4.5). D’où :
1
t 0  0  (4.22.a)
1
t 1   1  (4.22.b)

μ 0 +
y’(μ) + 0 -
y(μ)
0 -1
Figure 4.4 : Cas de   1 .
y(μ)
C1/C2
0
μ0 μ1 μ
-1
Figure 4.5 : Allure de y (μ) dans le cas de   1 .
 C1 
 t.f(t) + R(t) -1- 
C 2  t.f(t) + R(t)  -  C 2 + C1   C2 
Or : C' (t) = = C2 (4.23)
t2 t2
 C1 
 y(μ) - 
D’après l’expression de y(μ) on a : C (t) = C 2
'  C2 
(4.24)
t2
On constate alors que (fig. 4.5) :
Pour : 0     0 : C' (t)  0 (4.25.a)
C1
Lorsque : 0    1 ; y()  : C' (t)  0 (4.25.b)
C2
C1
Et si :   1 ; y()  : C' (t)  0 (4.25.c)
C2
On obtient le graphe suivant de C(t) (fig. 4.6).

1
La solution sera donc d’après (4.22.b) : t 0    0  .
  1 
C1  
 
Dans le cas ou est égal au maximum de y()   e   1 , (éq. 4.19), la
C2
solution n’est pas un extremum pour C(t) et ce cas de maintenance n’a pas d’intérêt.
C(t))
0
t1 t
t0
Figure 4.6 : Allure de C(t) dans le cas de   1 .
4.2.2 L’âge de chaque pièce est connu et on change la pièce dès que son âge
atteint la valeur t0 (fig. 4.7).
Les différences par rapport au cas précédent sont les suivants :
- Le nombre de pièces à changer est réduit car on ne risque pas de changer une
pièce qui vient d’être défaillante et remplacé.
- Il faut connaître l’âge de chaque pièce, ce qui nécessite une organisation spéciale.
- Les échanges préventifs sont plus onéreux car ils ne portent que sur une pièce à
chaque fois.
Ce cas se place dans le cas d’une durée de vie avec limite de fonctionnement (§
1.2.9.2).
0 R d R R d R
S1
t0 t0 t0
S1 : système 1
R : remplacement
d : défaillance
t0 : âge de la pièce
Figure 4.7 : Remplacement lorsque l’âge de la pièce t0 est atteint.
Si R(t) est la probabilité de survie de la pièce sans limite de fonctionnement, nous

aurons dans notre cas :

R(t, t 0 )  R(t) ; pour : 0  t  t 0 et R(t, t 0 )  0 ; pour : t  t 0 . (4.26.a)

f (t, t 0 )  f (t) ; pour : 0  t  t 0 et f (t, t 0 )  R(t 0 ). (t  t 0 ) ; pour : t  t 0 . (4.26.b)
(  est la fonction de Dirac).
Le coût moyen par dispositif et par unité de temps sera :

E(C)
C(t 0 )  (4.27)
E(T)
Avec E(C) espérance du coût et E(T) espérance de la durée de vie.
 t0 
E(C)   C.f (t, t 0 ) dt   C.f (t) dt   C.R(t 0 ). (t  t 0 ) dt (4.28)
 0 t0
t0 
E(C)  C 2  f (t) dt  C1  R(t 0 ). (t  t 0 ) dt (4.29.a)
0 t0
On pose : u  t  t 0 donc dt = du ; donc :


E(C)  C2 1  R(t 0 )   C1  R(t 0 ). (u) du (4.29.b)
0
 
Or : 0
g(t). (t) dt  g(t) et a
g(t). (t  a) dt  g(a)
Donc : E(C)  C 2 1  R(t 0 )   C1 .R(t 0 ) (4.30)
( C1 .R(t 0 ) est le coût de l’opération et C 2 1  R(t 0 )  est le coût de remplacement

éventuelle dû à une défaillance de la pièce pendant la durée t 0 ).
 t0 
E(T)   t .f (t, t 0 ) dt   t .f (t) dt   t .R(t 0 ). (t  t 0 ) dt (4.31)
 0 t0
t .f (t) dt   t  R(t) 00   R(t) dt   t 0 R(t 0 )   R(t) dt

t0 t0 t0

t
(4.32.a)
0 0 0
 
 t0
t .R(t 0 ). (t  t 0 ) dt   (u  t 0 ) R(t 0 ) (u) du  t 0 R(t 0 )
0
(4.32.b)
t0
Donc : E(T)   R(t) dt (4.33)
0
C 2 1  R(t 0 )   C1 .R(t 0 )
Donc : C(t 0 )  t0
(4.34.a)

0
R(t) dt
Donc, la valeur t 0 qui correspond à la périodicité de maintenance préventive est
celle qui minimise C(t) .

C 2 1  R(t)   C1 .R(t)
C(t)  t
(4.34.b)

0
R(u) du
 C2 f (t)  C1 f (t)  0 R(u) du  C 2 1  R(t)   C1 R(t)  R(t)

t
C (t) 
'
(4.35.a)
  R(u) du 
t 2

C' (t)  0  f (t)  R(u) du   C2  C1   R(t) C 2  R(t)  C2  C1   0

t
(4.35.b)
 0 
C2 R(t)   C2  C1  f (t)  R(u) du  R(t) 2 

t
(4.35.c)
 0 
t
1 f (t)  R(u) du  R(t) 2 1 t
 0
  l (t)  R(u) du  R(t) (4.35.d)
C1 R(t) C 0
1 1 1
C2 C2

t
 
 
Considérons le cas d’une loi de Weibull (avec = 0) : R(t)  e
 
1 u t
1  t  t    
   e  
du  e  
(4.36.a)
1 1  
C 0
C2
 
1 u t
 t  t    
On pose : y(t)   
  e
0
 
du  e  
(4.6.b)
  
 2 u 1 t 1 t
 (  1)  t  t  
 t  
t  
y (t)  e  
du   
    
(4.36.c)
'
    e e
   0    

 2 u
(  1)  t  t  
y ' (t)    
2    e 0

du (4.36.d)
a- Cas de : 0   1
Pour t > 0 ; y' (t)  0 et pour 0   1 ; 0  y(t)  1 .
1 C
L’équation y(t)  n’a pas de solution car 1  0, 1 (fig. 4.8).
C C2
1 1
C2
Pour un matériel en période de jeunesse (   1 ) ce type de maintenance préventive
n’a pas d’intérêt pratique.
t 0 +
y’(t) -
1
y(t)
Figure 4.8 : Cas de 0    1 .

b- Cas de :   1
t
u
1 t  η 
t
    u   t
 
y(t) =  e du + e  η
=  e η
 + e  η = 1 (4.37.a)
η 0
 
0
1 1 C1
L’équation : y(t)  est équivalente à : 1   0 (4.37.b)
C1 C C2
1 1 1
C2 C2
Pour β = 1, ce type de maintenance préventive n’a pas d’intérêt.
c- Cas de :   1
y' (t)  0 ;  t  0 (fig. 4.9)
t 0 +
y’(t) +
+
y(t)
1
Figure 4.9 : Cas de   1 .
1 C
L’équation : y(t)  a une solution unique pour 0  1  1 . (4.38)
C C2
1 1
C2
Vérifions que la solution de l’équation correspond { un minimum pour le coût.
On étudie la limite de : lim C(t) quand t  0 et lim C(t) quand t   .
 
 C 2 1  R(t)  C1 R(t) 
lim C(t)  lim  t (4.39.a)
t 0  t 
t 0
  R(u) du 0 R(u) du 
 0
1  R(t) f (t)
lim t
 lim 0 (4.39.b)

t 0 t 0 R(t)
R(u) du
0
R(t)
lim t
  (4.39.c)

t 0
R(u) du
0
Donc : lim C(t)    (4.39.d)

t 0

 
 C 2 1  R(t)  C1 R(t) 
lim C(t)  lim  t (4.40.a)
t    t 
t  
  R(u) du 0 R(u) du 
 0
1  R(t)  1
lim  (4.40.b)
t
 1

t  
R(u) du  1  

0

R(t)
lim t
0 (4.40.c)

t  
R(u) du
0
C2
Donc : lim C(t)  (4.40.d)
t    1
  1  
 
 
1 t t 
1 t  t0    0 
et on a :   0  e  
dt  e 
(4.41)
1 1   
C 0
C2
Dans ce cas, le coût moyen C(t) a l’allure qui est représentée sur la figure 4.10.
Dans le cas d’un matériel d’usure (β>1), ce type de maintenance préventive
C1
possède un intérêt    0, 1  .
C2
0 t0 t
Figure 4.10 : Allure de C(t) dans le cas de   1 .

4.2.3 Cas où les remplacements se font à des instants aléatoires, t1, t2, ..........., tn
choisies de telle sorte que ces remplacements soient pratiques et
économiques (fig. 4.11).
0 d R d R
S1
a1 a2 a3 a4
S1 : système 1
R : remplacement
d : défaillance
a1, a2, …ai : âges de la pièce
Figure 4.11 : Remplacement à des périodicités favorables.
t 1 : Première instant favorable au remplacement.

t 2 : Deuxième instant favorable au remplacement.
t i : ième instant favorable au remplacement. Etc.
Notons ai l’âge de la pièce lorsque arrive l’instant ti favorable au remplacement et
déterminons les causes favorable au remplacement :
- immobilisation du matériel pour panne ;
- immobilisation du matériel pour maintenance préventive (1er et 2ème cas) ;
- période d’inutilisation du matériel, par exemple durant le congé annuel on
procèdera { l’échange de toutes les pièces ayant dépassé un certain âge.
La condition à déterminer pour savoir si on doit changer la pièce au temps ti est
complexe. On va utiliser une approximation construite à partir du raisonnement suivant.
Prenons une pièce parmi celles susceptible d’être changées { l’instant ti. La durée
de vie est alors ai et sa probabilité de survie est donnée par :
R(a i  t)
R a i (t)  (probabilité de survie d’un matériel non neuf) (4.42)
R(a i )
f ai  t 
La densité de probabilité de durée de vie est : f ai (t)  (4.43)
R(a i )
Enfin, la MTBF d’un matériel ayant déj{ vécu jusqu’{ l’âge ai va être donnée par :
  t .f (a i  t)  (x  a ).f (x)
MTBFai   t .f ai (t) dt   dt   i
dx
0 0 R(a i ) 0 R(a i )
(4.44)
(avec : x = a i + t )
A l’instant ti on aura l’évènement favorable { un remplacement, on aura alors le
problème suivant :

- changer la pièce et alors payer C1 coût d’un remplacement préventif pour une
durée de vie moyenne égale à : MTBF  MTBFai .
- Ne pas changer la pièce et payer alors C2 coût d’une défaillance pour une durée de
vie moyenne égale à : MTBF.
Dans le premier cas, le coût moyen par pièce et par unité de temps sera alors :
C1
MTBF  MTBFai
C2
Dans le deuxième cas, le coût moyen par pièce et par unité de temps sera :
MTBF
On procèdera au remplacement préventif dès que :
C1 C2  C 
  MTBFa i  MTBF  1  1  (4.45)
MTBF  MTBFai MTBF  C2 
 Étude de l’inégalité

t
 
 
Cas de la loi de Weibull avec   0 : R(t)  e

1 x
 f (x) 1  x  
MTBFai    x  ai . dx    x  ai .   .e  
dx (4.46)
ai R(a i ) R(a i ) ai  
L’inégalité donne l’expression suivante :
 
1 x a 
 x    i   1  C 
  x  ai .   .e 
dx  e 
 1   1  1  (4.47.a)
ai      C2 
  
 x 1 x a 
  x     x     i   1  C 
ai
   .e    dx   a i  
 ai
 
. .e    dx  e     1   1  1 
    C2 
(4.47.b)

  x  
  
 x a 
x  
  e     1  1  1  C1 
    i 
    .e  
dx  a i e    (4.47.c)
ai
       C2 
  ai
 
 x  ai 
  x        1  C1  
    .e    dx  e   

  1   1 
 
  ai  (4.47.d)
  C2  
ai
  
 x  x  x
  x      x    ai  x   
ai
   .e    dx      .e    dx      .e    dx 
  0
  0
 
 
(4.47.e)
 x  x
ai  x     1 ai  x   
MTBF      .e  
dx   1        .e  
dx
0
    0
 
 
 x a 
 i   
 x    
ai  1  C1   1
0   
 .e dx   e 
   1    1 
 
  a i     1  

(4.47.f)
  C2   
x a
On pose : k  ; k i  i  (4.48.a)
 

ki    1  C    1


 k  .e k dk   e  ki  1   1  1   k i    1    (4.48.b)
0
    C2    
ki  1   C  k  
0  k .e dk   1    1  1  C12  e i   k i e i
  k k 
(4.48.c)
 
u  1   C  
On pose : y(u)    k  .e  k dk   1   1  1  1  e  u   u e  u
 
(4.48.d)
0
   C2  
Et on étudiera les solutions de : y(u)  0
a- Cas de : 0 1 (fig. 4.12)
   1  C 
y' (u)  e  u 1   1   u 1 1  1   (4.49.a)
    C2  
1
y' (u)  0  u11  (4.49.b)
 1  C 
  1   1  1 
   C2 
Pour : 0  u  u1 ; u11  u 1 , car 0 1 et y' (u)  0 (4.49.c)
Pour : u  u1 ; u 1  u11 , et y' (u)  0 (4.49.d)
u 0 u1 +
y’(u) - 0 +
0
y(u)
Figure 4.12 : Cas de 0 1.
L’inégalité y(u)  0 n’a pas de solution si 0 1. Ce type de maintenance

préventive n’a pas d’intérêt dans le cas d’un matériel en période de jeunesse.
b- Cas de :   1
 C 
On considère l’inégalité : MTBFai  MTBF 1  1  (4.50.a)
 C2 
R(a i  t)
Dans le cas d’une loi exponentielle, on a vu que R ai (t)   R(t) (4.50.b)
R(a i )
donc MTBFai  MTBF (4.50.c)
C1 C1
L’inégalité implique : 1  1   0  (4.50.d)
C2 C2

Ce type de maintenance préventive n’a pas d’intérêt dans le cas d’un matériel de
fatigue.
c- Cas de : 1 (Fig. 4.13 et 4.14)
1
y' (u)  0  u11  (4.51.a)
 1  C 
  1   1  1 
   C2 
1 1
Pour : 0  u  u1  u  u1 , donc : y' (u)  0 (4.51.b)
Pour : u1  u ;  u11  u 1 , donc : y' (u)  0 (4.51.c)
 Remarque
L’approximation utilisée dans ce 3ème cas est excellente { condition que l’intervalle
de temps t i  t i 1 entre deux aléatoires propices au changement soit notablement
supérieure à la MTBF de la pièce.
u 0 u1 +
y’(u) + 0 -
y(u1)
y(u)
Figure 4.13 : Cas de  1 .
y(u)
0 u0 u1 u
Changement préventif car :
Figure 4.14 : Allure de y(u) dans le cas de  1 .

4.3 CHOIX ENTRE RÉPARATION ET REMPLACEMENT AVANT TERME

4.3.1 Introduction
Pour tout système complexe, il existe une date limite appelée date L de réforme du
système. Cette date L résulte des phénomènes de fatigue agissant sur l’ensemble du
système. Elle est déterminée par des essais au banc de fatigue et à partir de statistiques
effectuées en temps réel sur un échantillon. Il intervient également dans la
détermination de L des facteurs de sécurité et des considérations économiques.
Les défaillances relevées au cours d’utilisation du système conduiront { la
réfection du système ou à sa réforme avant terme. La réfection (remise en état ou
réparation) se présente sous les deux aspects suivants :
 Les réparations mineures : se sont des retouches ou remplacements d’éléments
simples.
 Les réparations majeures : elles conduisent à reconstruire complètement les
éléments autour de l’élément pour lequel la durée de vie est fixée { L.
La réforme se présente sous les aspects suivants :
 Dans le cas du matériel surchargé au-delà des tolérances permises ou accidenté et
reconnue irréparable après expertise.
 Dans le cas où la milite L est arrivée.
 Dans le cas d’un système qui pourrait être réparé mais dont le temps restant à
utiliser est trop faible pour qu’économiquement l’opération soit rentable.
Le problème est alors de déterminer t1 et t2 c'est-à-dire l’âge auquel il convient de
ne plus effectuer de réparation majeure et mineure pour que le prix de revient majeur
par système et par unité de temps soit mineur (fig. 4.15).
Mise en
service L
d1 d2 di di+1
(S) 0
t2
Nature des Mineures
x x x
opérations
effectuées sur
le système
t1
Majeures
x
1 2 i i+1
d1, d2, …..di : dates des réparations Durée de vie supplémentaire

mineures et majeures, respectivement incompatible avec les impératifs
économiques
Figure 4.15. Schéma représentatif d’un remplacement avant terme pour un système (S).

4.3.2 Résolution du problème

Nous notons Tm la durée de vie aléatoire du système entre deux réparations
mineurs, TM la durée de vie aléatoire du système entre deux réparations majeurs, Tr la
durée de vie du système jusqu’{ réforme.
Les relevés statistiques d’exploitations des réparations mineures, majeures et des
réformes, obtenues à partir des fiches historiques, conduisent à la détermination des lois
de probabilité de Tm, TM et Tr. Ces lois seront, en général, des lois de Weibull (ou
approchées par des lois de Weibull).
 Remarque
La détermination de la loi de probabilité de Tr est effectuée en ne considérant que
les avaries pour lesquelles la réparation est impossible.
On notera :
- R m (t)  P  t  Tm  et  m (t) : la probabilité de survie et le taux d’avarie cumulé pour
les réparations mineures, respectivement.
- R M (t)  P  t  TM  et  M (t) : la probabilité de survie et le taux d’avarie cumulé pour
les réparations majeures, respectivement.
- R r (t)  P  t  Tr  et  r (t) : la probabilité de survie et le taux d’avarie cumulé pour les
réformes, respectivement.
(Rappel : le taux d’avarie cumulé d’une variable aléatoire T lorsque R(t) est
t
continue est défini par :  (t )   l (t ) dt et on a donc : R(t)  e t ).

0
- l m (t) , l M (t) et l r (t) les taux d’avarie des réparations mineurs, majeures et
réformes, respectivement.
La détermination de t1 et t2 peut se faire { l’aide d’une formule établi { partir du
raisonnement suivant :
Pour le système (S) :
- 0  t  t1 : la réforme arrive au taux l r (t) , le taux de réparation sera l m (t) + l M (t) .
- t1  t  t 2 : les réformes surviennent aux taux l r (t) + l M (t) , le taux de réparation est
alors l m (t) .
- t 2  t  L : les réformes surviennent aux taux d’avarie l r (t) + l M (t) + l m (t) .
- Nous aurons donc pour R(t) probabilité de survie du système l’expression suivante :
t1
  r (t1 )   r (0) 
  0 lr (t)dt
- 0  t  t1 : R(t)  e e (4.52.a)
t1 t2
  r (t1 )   r (0)     M (t 2 )   M (t1 ) 
  0 lr (t )dt   t1 lM (t )dt
- t1  t  t 2 : R(t)  e e (4.52.b)

- t 2  t  L : R(t)  e   r (t1 )   r (0)    M (t 2 )   M (t1 )    m (L)   m (t 2 )  (4.52.c)

t1 t2 L
  0 lr (t )dt   t1 lM (t )dt   t2 lm (t )dt
R(t)  e (4.52.d)
Si on note Pm (respectivement PM) le prix d’une réparation mineure
(respectivement le prix de réparation majeure) et PA le prix d’achat d’un système, alors
le prix de revient moyen Pr d’un système est donné par la formule suivante :
t1 t2
Pr (t1 , t 2 )  PA  PM  l M (t).R(t) dt  Pm  l m (t).R(t) dt (4.53)
0 0
La MTBF sera donnée par :

L t1    r ( t )   r (0)  t2    r ( t )   r (0)     M ( t )   M ( t1 ) 
MTBF(t1 , t 2 )   R(t) dt   e dt   e dt 
0 0 t1
(4.54)
L    r ( t )   r (0)     M ( t )   M ( t1 )     m ( t )   m ( t 2 ) 
 t2
e dt
Le prix de revient par système et par unité de temps est donnée par :
Pr  t1 , t 2 
Pr (t1 , t 2 )  (4.55)
MTBF  t1 , t 2 
Les valeurs de t1 et t2 sont celles qui minimisent l’expression : Pr (t1 , t 2 ) .

Fiabilité des systèmes 5. Fiabilité des systèmes
5. FIABILITÉ DES SYSTÈMES
5.1 RAPPELS
a- Théorème : soient A et B deux évènements :
PA  B = P(A) + P(B) – PA  B
b- Définition 1 : probabilité conditionnelle de deux événements
On appelle probabilité conditionnelle de A sachant B et on note P(A/B) :
P  A  B
P(A/B) = , avec P(B)  0 ; B s’appelle l’évènement conditionnel.
P B
c- Remarque : on note parfois cette égalité : P(A/B) x P(B) = P(A  B).

d- Généralisation : soient A1, A2, ……, An ; n évènement. On a la formule suivante :
P(A1  A2  … An) = P(A1) x P(A2/A1) x P(A3/A1  A2) x…x P(An/A1  A2 ….  An-1)
e- Définition 2 : indépendance de deux événements
On dit que deux évènements A et B sont indépendants si :
P(A  B) = P(A) x P(B)  P(A/B) = P(A) ; (P(B)  0).
5.2 FIABILITÉ DES SYSTÈMES. CAS GÉNÉRAL

5.2.1 Défaillance primaire. Définition
On appelle défaillance primaire toute défaillance qui n’est pas la conséquence
d’autres défaillances.
Les défaillances primaires seront des évènements indépendants.
5.2.2 Système série. Définition
Considérons un système S composé d’au moins deux éléments simples S1 et S2. S’il
est nécessaire que tous les éléments simples fonctionnent pour que le système
fonctionne, le système est un système série (fig. 5.1).
(S) S1 S2 S3 Sn
Figure 5.1 : Représentation schématique d’un système série.
On désignera par TSi la durée de vie du ième élément Si, par R Si (t) sa fiabilité au
temps t et par FSi (t) sa probabilité de défaillance au temps t.
R(t)  P(t  T)  P (t  TS1 )  (t  TS2 )  ..........  (t  TSn 

5.2.2.1 Cas des défaillances primaires

Les évènements sont indépendants et on a :
P  (t  TS1 )  (t  TS2 )  ..........  (t  TSn   P(t  TS1 )  P(t  TS2 )  ................. P(t  TSn )
n
Donc : R(t)   R Si (t)
i 1
La fiabilité d’un système série est inférieure à la fiabilité des éléments qui le
composent.
5.2.2.2 Cas des défaillances non primaires

R(t)  P(t  TS1 )  P(t  TS2 t  TS1 ) ........ P(t  TSn t  TS1  t  TS2  ........  t  TSn 1 )
5.2.3 Système parallèle. Définition

Considérons un système S formé de n éléments simples. S’il suffit qu’un élément
fonctionne pour que le système fonctionne, le système est dit parallèle (fig. 5.2) et on a :

R(t)  P(t  T)  P t  TS1  t  TS2  ..........  t  TSn 
S1
S2
(S)
Sn
Figure 5.2 : Représentation schématique d’un système parallèle.
5.2.3.1 Cas des défaillances primaires

Cas où n = 2 :
R(t)  P(t  T)  P(t  TS1  t  TS2 )
 P(t  TS1 )  P(t  TS2 )  P(t  TS1  t  TS2 )
 R S1 (t)  R S2 (t)  R S1 (t).R S2 (t)

F(t)  1  R(t)  1  R s1 (t)  R S2 (t)  R s1 (t) . R S2 (t)
 
 1  R s1 (t) 1  R S2 (t)   Fs1 (t) . FS2 (t)
n
Dans le cas général on montre qu’on a : F(t)   FSi (t)
i 1
La fiabilité d’un système parallèle est supérieure { celle des éléments qui le
composent.
5.2.3.2 Cas des défaillances non primaires

Il n’existe pas de formule simple.
5.2.4 Système à configuration mixte symétrique : montage parallèle-série (fig. 5.3)
(j, m)
(S1) S11 S12 S1m
(S2) S21 S22 S2m
(S) R(t) = ?
(i, n)
(Sn) Sn1 Sn2 Snm
Figure 5.3 : Configuration mixte symétrique ; montage parallèle-série.
Dans le cas de défaillances primaires on a :

n
F(t)   FSi (t) ; FSi (t)  1  R Si (t)
i 1
m n  m 
R Si (t)   R Si j (t) ; F(t)   1   R Si j (t ) 
j1 i 1  j1 
n  m 
 R(t)  1   1   R Si j (t ) 
i 1  j1 

5.2.5 Système à configuration mixte symétrique série-parallèle (fig. 5.4)
S11 S12 S1m
S21 S22 S2m

(S)
(i, n)
Sn1 Sn2 Snm
(S1) (S2) (Sm)
(j, m)
Figure 5.4 : Configuration mixte symétrique : système série-parallèle
Dans le cas de défaillances primaires on a :

m n
R(t)   R Si j (t) ; R Sj (t)  1  F S j (t) ; F Sj (t)   FSi j (t)
j1 i 1
m
 n

 R(t)   1   Fi j (t) 
j1  i 1 
5.2.6 Remarques
Un système parallèle est encore dit système redondant.
On distinguera la redondance active et la redondance passive.
La redondance active est la redondance dans laquelle certains éléments participent
activement { la marche du système alors que l’un deux pourrait le faire seul.
La redondance passive est la redondance dans laquelle certains éléments
participent de manière successive à la marche du système alors que l’un d’eux peut le
faire seul.
 Exemple
Un système S est composé de trois sous-systèmes en série. Chaque sous-système
comprend deux éléments en parallèle (fig. 5.5).
Tous les éléments ont même fiabilité au temps t. Cette fiabilité étant Rsi(t) = 0,9.
Calculer la fiabilité du système avec redondance et sans redondance.

On trouve : sans redondance R(t) = 0,729 ; avec redondance R(t) = 0,97.
S11 S21 S31

(S)
S1 S2 S3
Sans redondance S12 S22 S32
Avec redondance
Figure 5.5 : Système sans et avec redondance.
5.3 LOIS DE DURÉE DE VIE ET M.T.B.F. D’UN SYSTÈME

5.3.1 Système série à défaillances primaires
n n
R(t)   R Si (t) ; F(t)  1   R Si (t)
i 1 i 1
5.3.1.1 Cas où la durée de vie des éléments Si suit une loi exponentielle
 n 

  li  t 1
R Si (t)  e li t ; R(t)  e  i 1 
; MTBF  n
l
i 1
i
5.3.1.2 Cas où la durée de vie des éléments Si suit une loi de Weibull
i i
 t  i  n
 t  i  i

 i 
    i 
  t  i 
R Si (t)  e ; R(t)  e ; avec la convention :    0 si : t   i
i 1
 i 
 Cas particulier
n
   
 1
 t    .
Si  i : i   et  i   ; alors : R(t)  e i 1 i
On a alors une loi de Weibull.

 1 1 n
1
MTBF     1   ; avec :  
   i 1  i 
5.3.2 Cas d’un système parallèle à défaillances primaires

n n
F(t)   FSi (t) ; R(t)  1   FSi (t)
i 1 i 1
5.3.2.1 Cas où la durée de vie des éléments Si suit une loi exponentielle
n
1 1 1
R Si (t)  e li t : MTBF     ...............   1
n 1
l i 1i1 i2  n l i1  l i2 n
i 1
l
i 1
i

 Cas particulier
Si  i : l i  l ; alors : R(t)  1  1  e lt 

n
n
R(t)     1
k 1
.e lkt . C kn
k 1
n
Ckn 1 n 1
MTBF    1  
k 1
.
k 1 k l l k 1 k
1 n 1
MTBF  .  . (si k   alors la MTBF   )
l k 1 k
5.3.2.2 Cas où la durée de vie des éléments Si suit une loi de Weibull
i
 t  i 
 
 i 
R Si (t)  e
 Cas particulier
On considère le cas particulier :
n
 

 t 
 
 i   ; i   ; i   ; R(t)  1  1  e    
 
 

 t 
n k  
R(t)    1
k 1   
. C kn .e
k 1
n
   1 
MTBF     1
k 1
. C kn .    .  1   
k 1  k .1    
5.3.2.3 Exemple
On considère les trois systèmes suivants (fig. 5.6).
B C
A
B C
S1
S2
C
S3
Figure 5.6 : Exemple de calcul.

La durée de vie des éléments A, B et C suit une loi exponentielle de paramètre :

A : l A  104 / h ; B : l B  1, 2.10 4 / h ; C : l C  1, 7.10 4 / h
Trouver la M.T.B.F. de chacun des trois systèmes.
1
- (S1) : MTBF   10 4 h
lA
1  1
- (S2) : MTBF  1    1, 25.10 h
4
lB  2
1  1 1 1
- (S3) : MTBF  1      1, 225.10 h
4
lC  2 3 4

Fiabilité des systèmes 5. Prévisions de fiabilité
6. PRÉVISIONS DE FIABILITÉ
6.1 BUT
Les prévisions de la fiabilité ne contribuent pas essentiellement { la fiabilité d’un
équipement, mais elles doivent constituer un élément de jugement pour apprécier les
actions { mener pour l’amélioration et elles doivent également servir { évaluer l’état
actuel de la fiabilité d’un équipement vis-à-vis des objectifs fixés.
6.1.1 Évaluation des possibilités

Lorsqu’un nouvel équipement doit être étudié, les spécifications fonctionnelles
qu’il doit remplir contiennent des clauses de fiabilité, avant d’entreprendre toute étude
détaillée, il est nécessaire de vérifier que les objectifs de fiabilité concordent avec les
prévisions.
6.1.2 Comparaison de solutions concurrentes

Les prévisions de fiabilité servent à évaluer les différentes solutions qui se
présentent lors de l’évaluation du projet. Cette évaluation entraine un choix qui doit être
effectué aussitôt que possible.
6.1.3 Répartition des objectifs de fiabilité

Dans un projet, on spécifie la fiabilité de l’ensemble du produit. Afin de pouvoir
conduire l’étude de la fiabilité de ce produit, on sera amené, { partir de cette
spécification globale, à déterminer les objectifs de fiabilité de chaque sous-ensemble,
voire de chaque élément, pour satisfaire la spécification globale du produit.
D’une façon générale, ( ) est la fiabilité spécifiée du système et ( ) la fiabilité
allouée au sous-ensemble i, on devra résoudre :
( ( ) ( ) ( )) ( )
Cette inégalité, dans laquelle ( ( ) ( ) ( )), représente la relation

fonctionnelle entre la fiabilité du système et les fiabilités des sous-ensembles.
Dans le cas d’un système série : ∏ ( ) ( )
Et si ce système est composé de sous-ensembles à taux de défaillance constants,

(comme dans le cas de la loi exponentielle), la répartition se fera sur les taux de
défaillance et s’exprimera par :
( ( ))
∑ (Avec : ( ) )
étant le taux de défaillance maximal spécifié des systèmes et le taux maximal

du sous-ensemble i.

6.1.4 Exemple
Soit un système dont la spécification de fiabilité est d’obtenir une M.T.B.F. de 500
heures. Il sera composé de quatre sous-ensembles similaires à des modèles de version
antérieure dont les taux de défaillance sont constants, connus et égaux à :
Quels sont les taux de défaillance à allouer aux nouveaux sous-ensembles ?
 Taux de défaillance spécifié pour le système nouveau :
 Taux de défaillance spécifié pour le système antérieure (estimé) :
( )
- Contribution des sous-ensembles (poids des sous-ensembles) :
- Répartition :
6.2 RÉPARTITION DE LA FIABILITÉ À L’INTÉRIEUR D’UN SYSTÈME
Lors de l’élaboration d’un système, un paramètre qui serait fixé pour ce système
est sa fiabilité. Le problème est alors le suivant : quelle doit être la fiabilité au temps t,
des différents sous-ensembles (ou des composants) pour que le système ait une fiabilité
fixée { l’avance correspondant au temps t. Le problème n’est pas simple et l’étude n’est
faite que dans le cas des systèmes série.

6.2.1 Répartition sans contrainte dans le cas d’un système série
6.2.1.1 Cas des sous-ensembles à taux de défaillance constants
6.2.1.1.1 Méthode des poids
a- On suppose connus les taux de défaillances observés ou estimés pour des sous-
éléments de même nature que ceux des systèmes à étudier.
Soit λi taux de défaillance connu du sous-ensemble i (système antérieur).
Une estimation du taux de défaillance global du système est : ∑
L’importance relative « poids » du sous-ensemble i dans la fiabilité du système

précédent sera donné par : ⁄∑ ⁄
La part du taux de défaillance du système qui sera allouée au nouveau sous-

ensemble i sera :
b- Cas des utilisations différentes des sous-ensembles : en a), il est supposé pour le
système ancien et le système nouveau, que le temps de fonctionnement de
chaque sous-ensemble par rapport au temps de fonctionnement du système
global est resté constant.
Dans le cas où ces rapports sont différents, on devra en tenir compte. Le rapport
entre temps ti de fonctionnement du sous-ensemble i et le temps t de fonctionnement du
système est appelé facteur d’utilisation Ui du sous-ensemble : ⁄
Le taux de défaillance global de l’ancien système devient : ∑
Le taux de défaillance spécifié du nouveau système sera : ∑
Pour faire une répartition proportionnelle on devra avoir :
6.2.1.1.2 Méthode des modules
Cette méthode a pour principe de tenir compte de la complexité du système, de

l’emplacement de chaque sous-système dans le bon fonctionnement du système et du
temps relatif de fonctionnement de chaque sous-système. On considère un système série
S à p composants. Le principe de la méthode est le suivant.
i) On évalue la complexité de chacun des sous-ensembles en le décomposant en un
certain nombre de modules (fig. 6.1).
ii) L’importance de chaque sous-ensemble est caractérisée par un coefficient
d’importance Ei et qui sera entre 0 et 1. Un coefficient égal à 1 correspond au cas
où une défaillance du sous-système entraine une indisponibilité totale du

système. Un coefficient égal à 0 correspond au cas où le sous-système peut être

défaillant sans que les possibilités du système soient modifiées.
iii) On tient compte aussi dans cette méthode du facteur d’utilisation Ui qui
correspond à la durée de fonctionnement du ième sous-ensemble pendant la durée
totale de fonctionnement du système.
iv) Le principe est d’affecter une part égale { chaque module dans la fiabilité du
système.
On notera donc ni le nombre de module du ième sous ensemble.
v) Si on note ti la durée de vie du ième sous-ensemble pendant la durée de
ti
fonctionnement ou de mission t du système ; on notera U i  , le facteur
t
d’utilisation du ième sous-ensemble.
vi) On répartit la fiabilité en affectant une part égale de celle-ci à chaque module.
vii) Soit R*(t) la fiabilité désirée ou spécifiée pour le système au temps t. On a :
, ( )-
On montre alors que le taux de défaillance à fixer ou à allouer pour chacun des
sous-ensembles est :
, ( )-
; avec ∑ : caractérise la complexité du système.
n1 modules n2 modules np modules
S1 S2 Sp
(S)
Figure 6.1 : Décomposition des sous-ensembles en modules.
 Exemple
On veut répartir les objectifs de fiabilité pour obtenir un système de traitement

d’information composé d’une unité centrale (U), d’une imprimante (I), d’un disque dur
(D) et d’un scanner (S). L’objectif du système est de 95 % pour 10 heures si on admet
que chaque élément de ce système série suit une loi exponentielle.

Déterminer le taux de défaillance à affecter à chacun des sous-ensembles, si les

facteurs d’utilisation et les coefficients d’importance sont les suivants (tableau 6.1) :
Tableau 6.1 : facteurs d’utilisation et coefficients d’importance.
Sous-système Nombre de Facteur Coefficient

modules : ni d’utilisation : Ui d’importance : Ei
U 85 1 1
I 130 0,7 1
D 185 0,3 1
S 100 0,05 0,5
; R*(10) = 95% ; on trouve alors :
- ; MTBFU = 1149 h.
- ; MTBFI = 526 h.
- ; MTBFD = 158 h.
- ; MTBFS = 24 h.
6.2.1.2 Cas des sous-ensembles à taux de défaillance quelconques
Les deux méthodes précédentes supposent que les taux de défaillance des
composants du système étaient constants. S’il n’en est pas ainsi, on doit fixer la durée de
mission t du système correspondant à la fiabilité spécifié. Cette durée étant fixée, deux
méthodes pouvant s’appliquer sont exposées ci-dessus.
6.2.1.2.1 Méthode générale
On désigne par R(t) et Ri(t) la fiabilité du système et des sous-systèmes,

respectivement, au temps t, par R*(t) l’objectif de fiabilité du système et par Ri*(t) la
fiabilité à imposer au ième sous-ensemble pour que le système ait la fiabilité R*(t).
La fiabilité du système série étant égale au produit des fiabilités des n différents
sous-ensembles, on a alors la relation suivante :
( ) ∏ ( )
( ) ∏ ( )
k est le facteur d’amélioration de la fiabilité spécifiée ( ) par rapport à la fiabilité

( ) du système connu, donc :

( )
∏ . /
( )
Il est possible d’effectuer une répartition harmonique des fiabilités comme suit :
( )
( ) à condition que : ( )
( ) ( )
La formule de répartition est la suivante :
( ) ( )
( ) ( ). / ; ; avec la condition : . /
( ) ( ) ( )
 Exemple 1
Soit un système composé de deux sous-ensembles en série. La fiabilité du système

pour une durée de mission fixée est de R(t) = 0,63, celle du 1er sous-ensemble étant R1(t)
= 0,7 et celle du 2ème sous-ensemble étant R2(t) = 0,9.
On désire faire la répartition pour obtenir une fiabilité R*(t) = 0,75. Quelle est la
fiabilité de chaque sous-ensemble ?
On obtient : ( ) ; ( )
 Exemple 2
On considère un système série composé de trois sous-ensembles. La fiabilité du

système pour une durée de mission fixée t est R(t) = 0,63. Celle du 1er sous-système au
même temps t est 0,7 ; celle du 2ème est 0,85 et celle du 3ème est 0,9.
On désire faire la répartition en vue d’obtenir pour le système une fiabilité R*(t) =
0,8 au temps t. Quelle est la fiabilité de chaque sous-ensemble ?
On obtient : ( ) ; ( ) ; ( )
 Exemple 3
Que donne cette méthode dans le cas ou chacun des sous-systèmes suit une loi
exponentielle ( ) ?
Cela revient à la détermination des .
- ( ) ; ( ) ; ( ) ; ( )
( )
. /
- ( )
 Remarque
Dans le cas d’un système { taux de défaillance constant et si la méthode des

modules est délicate à appliquer, on pourra alors appliquer cette méthode.

6.2.1.2.2 Méthode simplifiée
Lorsque les fiabilités du système sont voisins de 1 et en pratique supérieures à 0,9,

on peut écrire :
∏ ( ) ∏ ( ( )) ∑ ( )
C'est-à-dire en désignant par ( ) la probabilité de défaillance du système, on a :

( ) ∑ ( )
On peut alors effectuer une répartition proportionnelle des probabilités de

défaillance, d’autant plus approchées que R(t) est voisin de 6.
Si ( ) est la probabilité de défaillance correspondant à la fiabilité spécifiée R*(t)

du système, on fera la répartition suivante :
( )
( ) ( )
( )
 Remarque
Cette méthode est applicable aussi au système à taux de défaillance constant,

correspondant à la méthode des poids.
Dans le cas d’une loi exponentielle, on a :
( )
Si R(t) est voisin de l’unité ( ) est faible et on a : ( )
La formule en ( ) devient : ;
Cette formule est équivalente à celle de la méthode des poids
6.2.1.2.3 Remarque générale

Les méthodes suscitées sont applicables pour les systèmes dont la répartition est
sans contraintes (techniques ou économique), de plus il n’existe pas de limite { la
fiabilité qu’on peut atteindre pour les composants du système. Seulement, il peut arriver
que les fiabilités de certains sous-ensembles ne puissent dépasser, dans l’état actuel de
la technique, certaines valeurs limites. Si les résultats des méthodes sus exposées
conduisent, pour certains sous-ensembles, { dépasser les limites de fiabilité qu’on peut
actuellement atteindre, ou qui sont déjà atteint, il sera nécessaire de refaire une
répartition en introduisant ces valeurs limites comme données pour la répartition avec
contraintes et comme objectifs à atteindre pour les sous-ensembles.

6.2.2 Répartition avec contrainte dans le cas d’un système série
Dans la pratique il arrive souvent que l’on ne puisse pas augmenter

considérablement, la fiabilité de chacun des sous-systèmes. Des contraintes d’ordre
économique (coût d’une modification, coût de l’étude, coût de la maintenance) ou bien
des contraintes d’ordre technologiques (état actuel de la technologie) peuvent limiter la
fiabilité de chacun des sous-ensembles. Afin de tenir compte de ces contraintes, on
procède de la manière suivante.
6.2.2.1 Cas des sous-ensembles à taux de défaillance constants
Soit un système composé de n sous-ensembles dont m ont un taux de défaillance

limite. On les partages en deux groupes (fig. 6.8).
 Un premier groupe dont le taux de défaillance est limite est atteint lors de la
répartition sans contrainte.
Soit l L j le taux défaillance des sous-ensembles j pour 1 j  m .
m
Le taux de défaillance global de ce groupe sera donc : l
j1
Lj .
 Un second groupe de (n – m) sous-ensembles dont le taux de défaillance limite

n’est pas atteint et pour lequel on désire faire une répartition de taux de
défaillance alloué.
m n-m
m+1 m+k n
1 2 j m
1 k n-m
Figure 6.8 : Système série à taux de défaillance constants.
Soient l *k le taux de défaillance affecté au sous-ensemble k, pour n  m  k  n , l k

le taux de défaillance observé sur l’ancien sous-ensemble k et l * le taux de défaillance
souhaité pour le système.
La répartition sera faite proportionnellement au taux de défaillance globale

disponible en appliquant la formule suivante :

 * m 
 l   lL j 
l*k  l k   , avec : n  m  k  n
j1
 m

 l  lj 
 j1 
 Exemple 1
On reprend l’exemple du § 6.6.4 en précisant que les taux de défaillance limites des
sous-ensembles 3 et 4 sont :
Alors que : ; ; et
Le taux de défaillance spécifié pour le système est : .
Le taux de défaillance estimé de l’ancien système est : .
Déterminer le taux de défaillance à affecter à chacun des sous-ensembles.

∑ ∑
∑
; ∑
;
∑ ; ∑
On vérifie bien que :

∑ ( )
 Exemple 2
On considère le système série à taux de défaillance constant dont la spécification de
la fiabilité est d’obtenir une M.T.B.F. de 500 h. il est composé de 4 sous-ensembles à taux
de défaillance constants caractérisés par : l1  103 / h ; l 2  1,5.10 3 / h ;
l3  0, 7.10 3 / h ; l 4  0,5.10 3 / h . Les taux de défaillances limites de 1 et 2 étant
respectivement : l L1  0, 6.10 3 / h ; l L 2  10 3 / h
Déterminer la répartition des fiabilités pour répondre à ces spécifications.
 Solution
- l  l1  l 2  l 3  l 4  1  1,5  0, 7  0,5  .10 3  3, 7.10 3 / h
1 1
- l*    2.103 / h
MTBF 500

En appliquant la formule précédente, on obtient :
- l L1  0, 6.10 3 / h ; l L 2  10 3 / h
 l*   l L1  l L2   
 2.103  0, 6.10 3  10 3    0, 233.10
  0, 7.10 . 
3 3
- l  l3 
*
/h
3
 l   l1  l 2  
3 3
 3, 7.10  10  1,5.10 3
 
 l*   l L1  l L2  
l*4  l 4   3


 2.103  0, 6.103  10 3    0,166.10 3
-  0,5.10 . /h
 l   l1  l 2  
3 3

 3, 7.10  10  1,5.10
3
 
On vérifie bien que :
- ∑ ( )
 Remarque
Cette méthode est applicable aux systèmes série composés de sous-ensembles à

taux de défaillance variable dans le cas ou de la fiabilité du système tend vers 6.
Dans ce cas, la répartition sur les probabilités de défaillance ( ) a pour

expression :
( ) ∑ ()
( ) ( ) ( ) ∑ ()
6.2.2.2 Cas de n sous-ensembles à taux de défaillance quelconques

( )
On partira à partir du principe de la répartition harmonique = , mais on
( )
séparera les sous-ensembles en deux groupes :
- Le premier pour lequel les fiabilités limites ont été atteintes.
- Le second sur lequel portera la répartition.
On désigne par R(t) la fiabilité du système observée (calculée) au temps t, R*(t)

l’objectif de fiabilité au temps t pour le système, RLj(t) la fiabilité limite au temps t pour
le jème composant et R *k (t) la fiabilité à fixer au temps t (fig. 6.9).
La fiabilité spécifiée devra être (pour le système) :
( ) ∏ ( ) ∏ ( )∏ ( ) ;
( ) ( ) ( )
∏ . / . / ∏ ( )
( ) ( ) ( )

m n-m
1 2 m m+1 m+2 n
Fiabilité
allouée
……… ……………
Fiabilité ……… ……………

observée
Figure 6.9 : Système série à taux de défaillance quelconques.
On a alors la formule suivante :

1
 R * (t) m R j (t)  n  m
R *k (t)  R k (t)  .  , avec : n  m  k  n
 R(t) j1 R L j(t ) 
 Exemple
On considère un système série A, B, C, D, E et F participant au fonctionnement

d’une automobile. On veut passer { un système amélioré de fiabilité égale à 0,95 pour 50
000 km, sachant que les fiabilités observées des différents blocs sont de : 0,971 ; 0,954 ;
0,978 ; 0,992 ; 0,980 et 0,990, respectivement.
Dans le cas où la fiabilité limite du bloc D est de 0,998 et celle du bloc F est de
0,995 ; donner les objectifs de fiabilité pour les autres blocs.
( ) ( )
( ) ( )[ ∏ ]
( ) ( )
( )
( ) ∏ ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
∏
( ) ( ) ( )
( ) ( )
[ ∏ ] . /
( ) ( )
( )
( )

( )
( )
Vérification : on vérifie bien que ( )
( ) ∏ ( ) ( ) ( ) ( ) ( ) ( ) ( )
6.3 ANALYSE DES PARAMÈTRES DE FIABILITÉ
6.3.1 Problèmes de fiabilité
La mise en évidence des problèmes concernant un projet se fait à deux niveaux :
- Au niveau de la prévision détaillée : analyse fine de la constitution de

l’équipement, évaluation des contraintes, utilisations des pièces, etc.
- Au niveau de l’ensemble du projet : les prévisions permettent également de

mettre en évidence les problèmes plus généraux qui peuvent nécessiter des
éléments complémentaires ou un remplacement du programme général de
fiabilité. Exemple : programme d’amélioration des pièces détachées.
6.3.2 Compromis
La fiabilité n’est qu’un des nombreux facteurs déterminants la valeur globale d’un
équipement. Le choix doit se faire en tenant compte des performances, du prix de
revient et de l’entretien de la fiabilité. Un compromis le plus satisfaisant doit être pris
entre les différents critères (au minimum). Exemple : choix d’un équipement en fonction
d’un autre existant (nouvel investissement).
6.3.3 Suivi des progrès
Les prévisions de fiabilité remise à jour périodiquement au fur et à mesure du

développement de l’étude ou de l’exploitation de l’équipement permettent d’évaluer la
situation vis-à-vis des objectifs de la politique de maintenance. De plus, le suivi permet
d’estimer que l’équipement répond aux spécifications prévues.
6.3.4 Prévision de maintenance
Les prévisions de fiabilité permettent d’évaluer la charge de maintenance

corrective (curative : dépannage) et le volume des pièces de rechanges à prévoir pour
faire face aux défaillances aléatoires d’un parc d’équipement. D’autre part, au cours des
ces prévisions, la désignation des pièces subissant des dégradations progressives et
nécessitant un remplacement systématique permet de préciser les charges de
maintenance programmée (préventive systématique).

Fiabilité des systèmes Annexes
7. ANNEXES
ANNEXE 1 : TEST DE KOLMOGOROV-SMIRNOV
Soient d1, d2, d3,………., dP les durées de vie de l’échantillon, F (d i ) la fonction de
répartition (probabilité de défaillances) correspondant au modèle expérimental : F (d i )
= 1  R (d i ) et F (t ) la fonction de répartition correspondant au modèle mathématique.
On a alors :
P ( Max F (d i )  F (d i )  D P , )  1   .
1i  P
Valeurs de DP ,
Erreur de 1ère espèce 

P
0,20 0,15 0,10 0,05 0,01
1 0,900 0,925 0,950 0,975 0,996

2 0,684 0,726 0,776 0,842 0,929
3 0,565 0,597 0,642 0,708 0,828
4 0,498 0,525 0,564 0,624 0,715
5 0,446 0,474 0,510 0,565 0,669
6 0,410 0,436 0,430 0,521 0,610

7 0,381 0,405 0,432 0,486 0,577
8 0,358 0,381 0,411 0,457 0,543
9 0,339 0,360 0,388 0,432 0,511
10 0,322 0,342 0,368 0,410 0,490
11 0,307 0,326 0,352 0,391 0,468

12 0,295 0,313 0,338 0,375 0,450
13 0,284 0,302 0,325 0,361 0,433
14 0,274 0,292 0,314 0,349 0,418
15 0,266 0,283 0,304 0,338 0,401
16 0,258 0,274 0,295 0,328 0,392

17 0,250 0,266 0,286 0,318 0,381
18 0,244 0,259 0,278 0,309 0,371
19 0,237 0,252 0,272 0,301 0,363
20 0,231 0,246 0,254 0,294 0,356
25 0,21 0,22 0,24 0,27 0,32
30 0,19 0,20 0,22 0,24 0,29
35 0,18 0,19 0,21 0,23 0,27
>35 1,07 1,14 1,22 1,36 1,63

P P P P P

Fiabilité des systèmes Annexes
ANNEXE 2 : LOI DE WEIBULL

Table des valeurs de x et de y
MTBF = E(T) =    x
Ecart type :   y
2
 1  2   1 
x    1   y   1      1  
       
 x y  x y  x y
1,50 0,9027 0,6129 4,0 0,9064 0,2543
1,55 0,8994 0,5925 4,1 0,9077 0,2490
1,60 0,8966 0,5737 4,2 0,9089 0,2440
1,65 0,8942 0,5564 4,3 0,9102 0,2392
0,20 120,0000 1901,2000 1,70 0,8922 0,5402 4,4 0,9114 0,2345
0,25 24,0000 199,3600 1,75 0,8906 0,5252 4,5 0,9126 0,2301
0,30 9,2605 50,0780 1,80 0,8893 0,5112 4,6 0,9137 0,2258
0,35 5,0291 19,9760 1,85 0,8882 0,4981 4,7 0,9149 0,2217
0,40 3,3234 10,4380 1,90 0,8874 0,4858 4,8 0,9160 0,2178
0,45 2,4786 6,4601 1,95 0,8867 0,4742 4,9 0,9171 0,2140
0,50 2,0000 4,4721 2,0 0,8862 0,4633 5,0 0,9182 0,2103

0,55 1,7024 3,3453 2,1 0,8807 0,4431 5,1 0,9192 0,2070
0,60 1,5046 2,6451 2,2 0,8856 0,4249 5,2 0,9202 0,2034
0,65 1,3663 2,1789 2,3 0,8859 0,4085 5,3 0,9213 0,2001
0,70 1,2608 1,8512 2,4 0,8865 0,3935 5,4 0,9222 0,1969
0,75 1,1930 1,6108 2,5 0,8873 0,3797 5,5 0,9232 0,1938
0,80 1,1380 1,4282 2,6 0,8882 0,3670 5,6 0,9241 0,1908
0,85 1,0880 1,2854 2,7 0,8893 0,3552 5,7 0,9251 0,1879
0,90 1,0522 1,1711 2,8 0,8905 0,3443 5,8 0,9260 0,1851
0,95 1,0234 1,0777 2,9 0,8917 0,3341 5,9 0,9269 0,1824
1,00 1,0000 1,0000 3,0 0,8930 0,3245 6,0 0,9277 0,1798

1,05 0,9808 0,9344 3,1 0,8942 0,3156 6,1 0,9286 0,1772
1,10 0,9649 0,8783 3,2 0,8957 0,3072 6,2 0,9294 0,1747
1,15 0,9517 0,8297 3,3 0,8970 0,2993 6,3 0,9302 0,1723
1,20 0,9407 0,7872 3,4 0,8984 0,2918 6,4 0,9310 0,1700
1,25 0,9314 0,7498 3,5 0,8997 0,2847 6,5 0,9318 0,1677
1,30 0,9236 0,7164 3,6 0,9011 0,2780 6,6 0,9325 0,1655
1,35 0,9130 0,6866 3,7 0,9025 0,2710 6,7 0,9333 0,1633
1,40 0,9114 0,6596 3,8 0,9038 0,2656 6,8 0,9340 0,1612
1,45 0,9067 0,6352 3,9 0,9091 0,2656 6,9 0,9347 0,1592
=

Fiabilité des systèmes Références bibliographiques
RÉFÉRENCES BIBLIOGRAPHIQUES
1. Techniques de l'ingénieur, volume A.
2. Encyclopedia Universalis France (1998).
3. La maintenance mathématiques et méthodes, Patrick LYONNET (1992).
4. LYONNET P., « La maintenance : mathématiques et méthodes ». Technique et
documentation – Lavoisier, 1992.
5. PISKONOV N. « Calcul différentiel et intégral ». Editions de Moscou, 1980.
6. LETHIELLEUX M., « Probabilités. Estimation statistique ». Dunod, 2006.
7. BOITEL D., HAZARD C., « Guide de la maintenance ». Nathan Technique, 1987.
8. PAGES A., GONDRAN M., « Fiabilité des systèmes ». Eyrolles, 1980.
9. THIVENT C., BERLIN C., « Processus stochastiques et fiabilité des systèmes ».
Springer, 1997.
10. SMITH D. J., « Reliability, maintainability and risk ». Butterworth-Heinemann,
2001.
11. BERREHAL Ryma, « Détermination de la périodicité optimale pour le
remplacement préventif » Thèse de doctorat. Université Frères Mentouri –
Constantine 1 (2017).
12. BERREHAL Ryma, BENISSAAD Smail, « Determining the optimal periodicity for
preventive replacement of mechanical spare parts », Mechanika, Volume 22(2), pp
156-161 (2016).
13. BERREHAL Ryma, BENISSAAD Smail, « Maintenance préventive dans le cas de
remplacement basé sur l'âge de la pièce», Revue des Sciences et Technologie B,
Université Frères Mentouri – Constantine 1, Algérie, N°44, pp 75-81 (2016).

Fiabilté Des Systèmes-1ère AM-MI

Transféré par

Informations du document

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Fiabilté Des Systèmes-1ère AM-MI

Titre original :

Transféré par

Droits d'auteur :

UNIVERSITÉ FRÈRES MENTOURI – CONSTANTINE 1

FACULTÉ DES SCIENCES DE LA TECHNOLOGIE

Fiabilité des systèmes

Pour les étudiants de 1ère année Master spécialité

Année Universitaire : 2019/2020

Prof. Smail BENISSAAD

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

1. INTRODUCTION À LA FIABILITÉ ..................................................................................... 1

1.1 GÉNÉRALITÉS ........................................................................................................................ 1

2. LA LOI EXPONENTIELLE .................................................................................................... 12

2.1 DÉFINITION ......................................................................................................................... 12

3. LA LOI DE WEIBULL ............................................................................................................ 27

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

3.2.1 Allure du taux de défaillance en fonction du paramètre .................................... 28

4. EXPLOITATION DE LA FIABILITÉ D’UN MATÉRIEL : PROBLÈMES LIÉS AUX

4.1 DÉTERMINATION DU NIVEAU MINIMAL D’UN STOCK AU MOMENT DE LA

5. FIABILITÉ DES SYSTÈMES................................................................................................. 70

5.1 RAPPELS ............................................................................................................................... 70

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

5.3.1 Système série à défaillances primaires .................................................................... 74

6. PRÉVISIONS DE FIABILITÉ ............................................................................................... 77

6.1 BUT ........................................................................................................................................ 77

ANNEXE 1 : TEST DE KOLMOGOROV-SMIRNOV............................................................... 89

RÉFÉRENCES BIBLIOGRAPHIQUES .......................................................................................... 90

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

La définition adoptée par la plupart des spécialistes s’énonce en ces termes : « la

1.1.2 Conséquence d’une mauvaise fiabilité

1.1.3 Quelques termes utilisés en fiabilité

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

 Défaillance complète : défaillance d’une ou plusieurs parties d’un système

1.2 MODÈLE MATHÉMATIQUE POUR LA FIABILITÉ

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

1.2.4 Densité de probabilité de défaillance ( )

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

L’analyse des valeurs numériques du taux de défaillance des différents éléments

1.2.6 Expression générale de la fiabilité

C’est la relation fondamentale de la fiabilité que nous retrouverons adaptée aux

En combinant les relations (1.4), (1.6b) et (1.7e) on obtient l’expression :

Sachant que : ∫ ( ) (1.10b)

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

1.3 CLASSEMENT DES MATÉRIELS SELON LE TAUX DE DÉFAILLANCES

Période de bon fonctionnement (taux de

 Zone de défaillances de jeunesse I : défaillances de réglages et de mise au point.

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

La première période correspond à la période des « maladies infantiles ». On a un

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

1.4 NOTIONS DE PROBABILITÉ DE SURVIE AVEC CONDITIONS

Figure 1.4 : Allure de la probabilité de survie d’un matériel non neuf.

1.4.2 Loi de probabilité de survie avec limite de fonctionnement (fig. 1.5)

La durée de vie a une probabilité de survie définie par :

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

La densité de probabilité de défaillance :

1.5 LES MODÈLES DE FIABILITÉ

 Pour les variables aléatoires continues :

 Pour les variables aléatoires discrètes :

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

1.5.2 Expressions générales des lois de fiabilité

Les expressions générales des lois de fiabilité à retenir sont donc :

 Démonstration de la relation (1.21) : ∫ ( ) ∫ ( )

∫ ( ) ∫ (∫ ( ) ) ; en changeant l’ordre d’intégration :

Empiriquement, on peut estimer la fiabilité, la probabilité de défaillance, la densité

Où est un intervalle de temps donné.

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD

1.6 EXERCICES D’APPLICATIONS

1ère Année Master – Maintenance industrielle Pr. Smail BENISSAAD