III.1- Définition et propriétés fondamentales de la CMH
III.2- Générateur markovien et équations d’états associées à une CMH III.3- Résolution des équations d’états III.4- Quantification des paramètres de fonctionnement/dysfonctionnement des systèmes Conclusion
Pr. Mébarek DJEBABRA – IHS – Univ. Batna 2
1 III.1- Définition et propriétés fondamentales de la CMH
MEE Vs CMH : définition d’une CMH
La Méthode Espace d’Etats (MEE), présentée dans le chapitre précédent, est
connue également sous différentes appellations : Graphe d’Etats ou Graphe de Markov. MEE est cadrée par une classe particulière des processus stochastiques dits « processus markoviens ». Dans ce chapitre nous nous focalisons sur le cas le plus simple des processus markoviens : il s’agit des processus markoviens homogènes dont le graphe correspondant s’appel « Chaines de Markov Homogène -CMH- ». Une chaîne de Markov est dite homogène lorsque les taux de transitions entre les états sont constants. Autrement-dit, dans une CMH la transition du système d’un état (Ei) vers un autre état (Ei+1) ne dépend pas du passé du système (occupation antérieure des autres états) mais uniquement du présent état (Ei) dans lequel se trouve le système. Dans une CMH, la connaissance de l’état (Ei) à l’instant « t » résume l’histoire de l’évolution du système. Son évolution future ne dépend que de l’état qu’il occupe et non pas de la trajectoire que le système a décrit pour y parvenir.
2 III.1- Définition et propriétés fondamentales de la CMH
Propriétés d’une CMH (1/2)
λ Etat de Etat de marche panne µ
CMH d’un système mono-composant
Le graphe d’états ci-dessus est une CMH. Car, les taux de transitions (λ et µ) sont constants. De plus, la transition de l’état de marche vers celui de panne à l’instant « t+dt » sachant que le système est dans l’état de marche à l’instant « t » dépend uniquement de cet état de marche et non pas de l’évolution entre ces deux états avant l’instant « t ». D’où la propriété fondamentale d’une CMH : les transitions entre ses états sont « sans mémoires ».
3 III.1- Définition et propriétés fondamentales de la CMH
Propriétés d’une CMH (2/2)
Le processus markovien homogène est parfaitement défini si l’on connait sa
distribution initiale P(t=0) et sa distribution conditionnelle à l’instant « t ». Ces distributions correspondent aux vecteurs d’états aux instants « 0 et t ». Pour l’exemple ci-dessus, ces deux vecteurs d’états sont les suivants :
Ce vecteur des conditions initiales signifie que le système se trouve à
l’instant « 0 » dans l’état de marche. Ce vecteur d’états signifie que le système se trouve à l’instant « t » dans l’état de marche avec une probabilité « p1(t) » et dans l’état de panne avec une probabilité « p2(t) ». Evidemment, p1(t)+ p2(t) = 1. Car, le système se trouve obligatoirement et à tout moment dans l’un de ces deux états.
4 III.2- Générateur markovien et équations d’états d’une CMH
Générateur markovien (ou matrice de transitions)
Une autre propriété fondamentale d’une CMH est que la matrice des transitions « M » associée à la CMH est dite stochastique. Pour l’exemple de la CMH ci-dessus, M est la suivante :
5 III.2- Générateur markovien et équations d’états d’une CMH
Soient : Ei = Etat caractérisant le nombre de composants en état de marche En = Etat de marche initial (tous les composants sont bons) E0 = Etat de panne final (tous les composants sont défaillants) Pij(t) = Prob. conditionnelle de passer de Ei à Ej entre t et t+dt λi(t)dt = Prob. de transiter de Ei à Ei-1 entre t et t + dt (défaillance d’un composant) µi(t)dt = Prob. de transiter de Ei à Ei+1 entre t et t + dt (réparation d’un composant)
6 III.2- Générateur markovien et équations d’états d’une CMH
Pi(t+dt) = [(Système est dans Ei à l’instant t et y reste pendant l’intervalle dt)
ou (Système est dans Ei+1 à l’instant t et un composant est tombé en panne pendant dt et aucun autre composant n’a été réparé durant ce même intervalle) ou (Système est dans Ei-1 à l’instant t et un composant a été réparé pendant dt et aucun autre composant n’est tombé en panne pendant cette durée)].
Etant donné que le processus est markovien homogène ⇒ λk(t) = λk et µk(t) = µk, (constance des taux de transitions); alors : P’i(t) = Pi+1(t).λi+1 - Pi(t).[λi + µi] + Pi-1(t). µi-1 De la même manière, nous obtenons les probabilités des états initial et final de la CMH : P’n(t) = - P (t).λ + P (t).µ n n n-1 n-1
P’0(t) = P1(t).λ1 – P0(t).µ0
Finalement, nous avons un système d’équations différentielles du premier ordre que nous pouvons mettre sous forme matricielle : P’(t) = M.P(t)
9 III.2- Générateur markovien et équations d’états d’une CMH
Equation d’Etats (sous forme matricielle)
P’(t) = M.P(t) vecteur d’états matrice des transitions
Exemple de la matrice de transitions et du vecteur d’états d’un système à deux composants :
2
10 III.2- Générateur markovien et équations d’états d’une CMH
Equation d’Etats (sous forme matricielle)
Remarque 1 : Dans le TD n° 3, nous établirons les équations d’états d’un
système simple composé de deux éléments identiques en redondance totale. Cette application permet de mieux clarifier l’expression des équations d’états sous forme matricielle.
Remarque 2 : Dans le TD n° 3 nous établirons également les matrices de
transitions et les vecteurs d’états des Graphes d’états relatifs aux systèmes reconfigurables (suite aux réparations de leurs éléments ou bien aux éventuels refus de démarrage de leurs composants).
11 III.3- Résolution des équations d’états d’une CMH
Pour la résolution des équations d’états d’une CMH, il est important de
rappeler qu’une CMH peut est représentée sous deux formes :
Suivant cette représentation, les Suivant cette représentation, les
taux de transition correspondent aux taux de transition correspondent à taux de défaillances et de réparation des probabilités de défaillances et du composant de réparation du composant
12 III.3- Résolution des équations d’états d’une CMH
Suivant la forme de présentation (1), plusieurs méthodes permettent de
résoudre l’équation d’états. Leurs principes consistent à substituer l’écriture matricielle « P’(t) = M.P(t) » par d’autres écritures plus conviviales : - Transformation de Laplace qui permet d’obtenir : P(s) = [s.I – M]-1.P(0) - Méthodes basées sur le calcul des valeurs et vecteurs propres : P(t) = eM,t.P(0) = G.e-Dt.G-1.P(0) - Méthodes basées sur le développement exponentiel de la matrice des transitions : ∞ P(t) = eMt.P(0) = {I + ∑ [(Mntn)/n!]}.P(0) i=1
P(t) = {lim [I + (t.M)/h]h}.P(0)
Remarques : h∞ Chacune de ses méthodes a des avantages et des limites. Dans leTD n°3, nous appliquerons la méthode des transformations de Laplace pour déduire l’expression de la disponibilité instantanée d’un système mono- composant.
13 III.3- Résolution des équations d’états d’une CMH
Suivant la forme de présentation (2), l’équation
matricielle d’états est résolue comme suit :
P’(t) = M.P(t) P (t+dt) - P (t) ⇒ P(t+dt) = [I +M.dt].P(t) P’(t) = dt
P(t+dt) = [I +M.dt].P(t) àt=0: P(dt) = [I +M.dt].P(0) à t = dt : P(2dt) = [I +M.dt].P(dt) … … à t = (h-1)dt : P(hdt) = [I +M.dt].P((h-1)dt)
Par multiplication membre à membre des égalités ci-dessus, nous obtenons :
P(hdt) = [I +M.dt]h.P(0)
14 III.3- Résolution des équations d’états d’une CMH
Nous avons : P(hdt) = [I +M.dt]h.P(0)
Supposons que h.dt = t ⇒ dt = t/h ⇒ P(t) = [I +(M.t)/h]h.P(0)
Cette forme matricielle est identique à celle obtenue par les méthodes de développement exponentielle de la matrice des transitions (cf. diapo. 13)
Les deux formes de présentation de la CMH sont identiques et conduisent à
la même équation d’états.
15 III.4- Quantification des paramètres de fonctionnement/dysfonctionnement des systèmes
Il s’agit des paramètres (fiabilité, disponibilité et maintenabilité) ainsi que
leurs indicateurs respectifs (MTTF, MUT, MDT et MTTR)
Le calcul de ces paramètres nécessite le partitionnement de la matrice des
transitions « M » en quatre sous-matrices :
La sous-matrice « Mmm » représentent uniquement les
transitions entre les états de marche. Mmm Mpm La sous-matrice « Mpm » représentent uniquement les transitions entre les états de panne vers les états de marche. M= La sous-matrice « Mmp » représentent uniquement les transitions entre les états de marche vers les états de Mmp Mpp panne.
La sous-matrice « Mpp » représentent uniquement les
transitions entre les états de panne.
16 III.4- Quantification des paramètres de fonctionnement/dysfonctionnement des systèmes Illustration du partitionnement de « M » sur le cas d’une CMH relatif à un système à deux composants en redondance totale
17 III.4- Quantification des paramètres de fonctionnement/dysfonctionnement des systèmes Le partitionnement de « M » conduit inévitablement au partitionnement du vecteur d’états. D’où la nouvelle forme d’équations matricielle d’états sous forme partitionnée :
P’(t) = M.P(t)
Mmm Mpm P’m (t) = Pm (t) P’p (t) . Pp (t)
Mmp Mpp
⇒ P’m (t) = Mmm.Pm(t) + Mpm.Pp(t)
P’p (t) = Mmp.Pm(t) + Mpp.Pp(t)
18 III.4- Quantification des paramètres de fonctionnement/dysfonctionnement des systèmes
P’m (t) = Mmm.Pm(t) + Mpm.Pp(t) (1)
P’p (t) = Mmp.Pm(t) + Mpp.Pp(t) (2)
La disponibilité du système est obtenue en résolvant l’équation (1)
Pour la fiabilité et compte tenu de la clause « fonctionnement en continue sur un intervalle de temps », son obtention se limite à la résolution de l’équation matricielle suivante : P’m (t) = Mmm.Pm(t) Pour la maintenabilité, elle est obtenue de l’équation (2) tout en se limitant qu’aux états de panne du système : P’p (t) = Mpp.Pp(t)
19 III.4- Quantification des paramètres de fonctionnement/dysfonctionnement des systèmes
Expression de la MTTF des systèmes dynamiques
20 III.4- Quantification des paramètres de fonctionnement/dysfonctionnement des systèmes
Expression de la MTTR, MUT, MDT et MTBF des systèmes dynamiques
MTBF = MUT + MDT
A(∞) = MUT / MTBF
21 Conclusion
Ce qu’il faut retenir :
La « CMH » est une méthode intéressante pour la quantification des
performances des systèmes dynamiques (disponibilité, fiabilité, MTTF, MUT, …).
Parallèlement aux « CMH » dits classiques, d’autres modèles de
chaînes de Markov ont fait l’objet de développement récents : chaines de Markov floue , chaines de Markov multi-phases, chaines de Markov cachée …
L’avantage majeur de la « CMH » est sa simplicité pour étudier les
systèmes évolutifs. En effet, toutes les évaluations (disponibilité, fiabilité, MTTF, MUT, …) se résument en produits matriciels et inversions de matrices déduites des équations d’états du système étudié. Evidemment, ces opérations sont supportées par des logiciels informatiques qui simplifient la tâche aux usagers des « CMH ».
22 Conclusion
Ce qu’il faut retenir :
Malgré l’appui des outils informatiques pour rendre l’usage de la
« CMH » plus conviviale, cette méthode souffre des limites majeures : - Constance des taux de transitions ; - Explosion des états du système (pour un système de 5, 6, 7 et 8 composants, la CMH correspondante est, successivement de 32 états, 64 états, 128 états et de 256 états ; - Difficultés d’étudier d’autres phénomènes qui caractérisent l’évolution des systèmes tels que : les mises hors services des composants des systèmes pour causes de tests périodiques ou d’indisponibilité des réparateurs.
Pour surmonter ces limites, une autre méthode dédiée aux systèmes dynamiques est d’usage courant. Il s’agit des réseaux de Petri qui feront l’objet du chapitre suivant.
