Académique Documents
Professionnel Documents
Culture Documents
Introduction
Les échantillons utilisés pour déterminer une loi de fiabilité et ajuster ses paramètres sont
constitués de deux grands types de données:
- les temps de défaillance: la date t référencée par rapport à une origine est considérée comme
une donnée de défaillance;
- les temps de censure (ou de troncature): il existe trois types de données de censure: les données
censurées à droite, les données censurées à gauche et les données censurées par intervalle:
dF( t ) dR ( t )
f ( t) = =− (2)
dt dt
elle représente la probabilité de défaillance d’un élément à l’instant t.
Le taux de défaillance instantané λ(t) désigne la proportion des dispositifs qui, ayant survécu à
un instant t, ne sont plus en vie à l’instant t+dt, parmi les dispositifs en vie à l’instant t.
f ( t) f ( t)
λ( t ) = = (3)
1 − F( t ) R( t )
∫0
t
− λ( u ) du
R( t ) = e (4)
d
h( t ) = −log R( t ) (5)
dt
h(t): probabilité (conditionnelle) d’une défaillance entre t et t + dt sachant que le dispositif est en
vie à l’instant t. On peut également définir la fonction de hasard cumulée H(t),
H( u) = ∫ h( u) du
t
0
(6)
La courbe en baignoire (fig. 4), donne l’évolution du taux de défaillance λ(t) en fonction de l’âge
t du matériel. On y distingue trois périodes différentes selon l’âge du matériel:
- période de vie utile qui correspond à la maturité du matériel durant laquelle les
défaillances sont aléatoires et le taux de défaillance sensiblement constant;
λ(t)
taux de
défaillance période de période de période de
instantanée jeunesse vie utile vieillesse
Age t du dispositif
Ces trois phases de la vie d’un dispositif sont communes en mécanique et en électronique, mais
n’ont pas la même durée.
- Moyenne des temps de bon fonctionnement (MTBF): c’est l’espérance mathématique de la
variable aléatoire t,
MTBF = E( t ) = ∫ uf ( u) du
t
0
(7)
Les lois les plus couramment utilisées en fiabilité sont: la loi exponentielle, la loi normale, la loi
de Weibull et la loi Gamma.
Les caractéristiques d’une variable aléatoire T distribuée suivant une loi exponentielle sont:
f (t)
0 t
Figure n° 6: fonction de densité de probabilité - Loi exponentielle
2.1.2. La loi de Weibull
La loi de Weibull correspond à l’hypothèse d’un taux instantané de défaillance, qui est une
fonction puissance du temps. D’autre part, elle est aussi un des types de lois asymptotiques des
valeurs extrêmes. Elle prend une place de plus en plus importante dans le domaine mécanique.
D’un emploi très souple, elle couvre un grand nombre de distributions et permet notamment de
modéliser alternativement les trois phases de la vie d’un dispositif (fig.4).
Les caractéristiques d’une variable aléatoire T distribuée suivant une loi de Weibull sont:
t − γ β
- fonction de fiabilité: R( t ) = exp − ∀t≥γ
η
β −1
β t − γ t − γ β
- densité de probabilité: f ( t ) = * exp − ∀t≥γ
η η η
β −1
β t − γ
- taux instantané de défaillance: λ( t ) =
η η
β, η et γ sont les paramètres de la loi de Weibull.
- β est le paramètre de forme. Il est le plus important car il joue sur la variation du taux de
défaillance et permet ainsi de modéliser alternativement les trois phases de la courbe en
baignoire (fig. 7)
λ (t)
Age t du dispositif
Figure n° 7: Variation de l’évolution du taux instantané en fonction de β - Loi de Weibull
β=3 β=3
β=1 β=1
β = 0.5 β = 0.5
t t
Figure n° 8: Influence du paramètre β sur la densité de probabilité et le taux de défaillance
Si l’échantillon (t1 , ..., tn ) est censuré, la fonction empirique sera obtenue par un équivalent
tenant compte de la censure. Trois méthodes seront exposées dans ce qui suit.
Cette méthode consiste à modifier le rang de la défaillance qui suit une censure. Elle permet de
calculer l’incrément de l’ordre en fonction du nombre de données censurées entre deux
défaillances. On a:
N + 1 − Ordre de la dé faillance
I= (10)
1 + Nombre d ' individus vivants après le dernier suspendu
Lorsque l’on souhaite ajuster un modèle paramétrique sur un échantillon de données de survie,
nous devons choisir le modèle approprié. Une fois que la forme du modèle est choisie, sur la
base de considérations physiques et de connaissance à priori, il reste l’identification du modèle
par l’estimation de ses paramètres. Pour le faire, plusieurs méthodes sont à notre disposition.
Soit le t eme
moment de f (T, θ1 , θ2 , ..., θi ), on a: µ′t = ∫ Tt f ( T, θ1 , θ2 ,..., θi ) dt , avec f(T,θ1 , θ2 ,
−∞
..., θi ) la fonction de densité de probabilité de la variable aléatoire T et θi les paramètres de la
fonction.
Les premiers moments m′t à partir de l’échantillon (t1 , t2 , ..., tn ) sont donnés par:
1 n
m′t = ∑ Tit
n i =1
µ′1 = m1′
µ = m
′2 ′2
µ′3 = m′3
µ′4 = m′4
Cette méthode utilise des papiers à échelles fonctionnelles dits « papier de Weibull » ou
graphique « d ’Allen-Plait » (Annexe 1) pour la loi de Weibull.
Un point de graphique de Weibull a pour coordonnées:
en abscisse: Ln t;
en ordonnées: Ln Ln [ 1/ 1 - F (t)].
i =1
Les estimateurs du maximum de vraisemblance sont ceux qui vérifient:
∂L( t, θ) ∂2 log L( t , θ)
=0 et <0
∂θ ∂θ2
Si on a plusieurs paramètres (θ1 , θ2 ,..... θn ) à estimer alors on va résoudre le système suivant:
∂L( t, θ1 ) ∂L( t, θ2 ) ∂L( t , θn )
=0, = 0 , ...... =0
∂θ1 ∂θ2 ∂θn
Ce test est basé sur l’écart entre les valeurs observées et le modèle théorique. Une fonction
indicatrice des écarts est établie de la manière suivante:
r
(n − np i )
2
E= ∑ i
np i
(16)
i =1
E suit approximativement pour n grand une loi de Khi-deux à ν degrés de liberté, avec ν = r-k-
1, où k est le nombre de paramètres estimés pour le modèle théorique.
Les tests classiques se basent sur une mesure de l’écart type entre la fonction cumulative de
distribution empirique (EDF: « Empirical Distribution Function ») et la fonction de répartition
théorique choisie. Soient: Fn (t) la fonction cumulative de distribution, définie par:
Fn (t) = 1 pour t ≥ tn .
et F0 (t) la fonction de répartition de la variable aléatoire T qui est une fonction généralement
continue. Une statistique mesurant l’écart entre Fn (t) et F0 (t) est appelée statistique E.D.F. Les
tests classiques utilisés sont: le test de Kolmogorov-Smirnov, le test de Cramer-von-Mises, et le
test d’Anderson-Darling.
La statistique de Kolmogorov-Smirnov
+ i
D n = Sup[ Fn ( t ) − F0 ( t ) ] = max − F0 ( t i )
T 1≤ i ≤ n n
(17)
D− = Sup F ( t ) − F ( t ) = max F ( t ) − i − 1
n [0 n ] 1≤ i ≤ n 0 i n
T
Autrement, il s’agit de calculer les écarts entre le fonction de répartition théorique et la fonction
de répartition empirique, ensuite on compare l’écart maximal obtenu (en valeur absolue) avec la
valeur critique tirée de la table de Kolmogourov-Smirnov (fonction de n et de niveau de
signification). Si l’écart maximal est inférieur à la valeur critique on accepte le modèle théorique.
Si non il est rejeté.
E2
E1 E2 En
En
E1 E1
E2 OU E2 ET
E3 E3
On dit qu’un système est en série du point de vue de la fiabilité, si la défaillance de l’un
quelconque des éléments le constituant causerait la défaillance du système. La fiabilité R(t) d’un
matériel (système), dans le cas de composants (éléments) non réparables et indépendants entre
eux, s’écrit:
n
R( t ) = ∏ R i ( t ) (22)
i =1
La loi de fiabilité d’un matériel à configuration en série est le produit des lois de fiabilité de ses
composants.
On dit qu’un système est en parallèle du point de vue de la fiabilité, si sa défaillance n’est
engendrée que par la défaillance de la totalité des éléments le constituant. La fiabilité d’un
matériel, dans le cas de composants non réparables et indépendants, s’écrit:
R( t ) = 1 − ∏ ( 1 − R i ( t ) )
n
(23)
i =1
La fiabilité d’un matériel configuré en parallèle est supérieure à la fiabilité du composant le plus
fiable. Cette propriété est exploitée pour l’amélioration de la fiabilité des systèmes par les
redondances. La redondance est l’une des méthodes principales pour augmenter la fiabilité du
système. Elle consiste à la mise en parallèle d’éléments ayant la même fonction. On distingue
trois catégories de redondances: la redondance active, la redondance passive (en stand-by) et la
redondance majoritaire,
- la redondance active est réalisée par la mise en parallèle d’éléments assurant les mêmes
fonctions et travaillant en même temps;
- la redondance passive est obtenue lorsqu’un élément (ou un groupe d’éléments) fonctionne; les
autres éléments (ou groupes d’éléments) n’intervenant qu’en cas de défaillance du précédent.
- la redondance majoritaire est réalisée lorsque la défaillance du système a lieu si K éléments
parmi N sont défaillants.