Vous êtes sur la page 1sur 23

Chapitre III : Chaînes de Markov Homogènes –CMH-

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

Equation d’Etats
λi+2(t)dt λi+1(t)dt λi(t)dt λi-1(t)dt
… Ei+1 Ei Ei-1 …

µi+1(t)dt µi(t)dt µi-1(t)dt µi-2(t)dt

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

Equation d’Etats
λi+2(t)dt λi+1(t)dt λi(t)dt λi-1(t)dt
… Ei+1 Ei Ei-1 …

µi+1(t)dt µi(t)dt µi-1(t)dt µi-2(t)dt

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)].

Pi(t+dt) = Pi(t).[1 – λi(t)dt].[1 – µi(t)dt]


+ Pi+1(t). λi+1(t)dt].[1 – µi+1(t)dt]
+ Pi-1(t). µi-1(t)dt].[1 – λi-1(t)dt]

7
III.2- Générateur markovien et équations d’états d’une CMH

Equation d’Etats
λi+2(t)dt λi+1(t)dt λi(t)dt λi-1(t)dt
… Ei+1 Ei Ei-1 …

µi+1(t)dt µi(t)dt µi-1(t)dt µi-2(t)dt

Pi(t+dt) = Pi(t).[1 – λi(t)dt].[1 – µi(t)dt]


+ Pi+1(t). λi+1(t)dt].[1 – µi+1(t)dt]
+ Pi-1(t). µi-1(t)dt].[1 – λi-1(t)dt]

En négligeant les termes du second ordre, nous obtenons :

Pi(t+dt) = Pi+1(t). λi+1(t).dt + Pi(t).[1 - λi(t)dt – µi(t)dt] + Pi-1(t). µi-1(t)dt


Pi(t+dt) - Pi(t)
= P’i(t) = Pi+1(t). λi+1(t) - Pi(t).[λi(t) + µi(t)] + Pi-1(t). µi-1(t)
dt

8
III.2- Générateur markovien et équations d’états d’une CMH

Equation d’Etats
λi+2(t)dt λi+1(t)dt λi(t)dt λi-1(t)dt
… Ei+1 Ei Ei-1 …

µi+1(t)dt µi(t)dt µi-1(t)dt µi-2(t)dt

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.

23

Vous aimerez peut-être aussi