Vous êtes sur la page 1sur 11

1/11

Fiabilité des systèmes

Introduction

La mise en œuvre d’une politique de maintenance nécessite une parfaite connaissance du


comportement opérationnel du matériel, ceci est obtenu par la détermination des lois de survie
(de fiabilité) les plus réalistes possibles. Pour cela, il faut constituer des échantillons de
« temps » t de défaillance à partir de l’analyse des données du retour d’expérience. Le jugement
sur ces échantillons se trouve confronté à deux contraintes. Celle de l’estimation, où on doit
chercher à trouver les valeurs des paramètres dont dépendent la distribution d’origine, les plus
convenables possibles. La seconde contrainte est relative aux tests d’hypothèse, où on doit
s’assurer, avec un risque consenti, que la distribution choisie est représentative des données
d’exploitation. Avant leur utilisation, ces données doivent faire l’objet d’une validation par
expertise, sans quoi les résultats seront faussés.

Chapitre 1. Rappels sur la fiabilité


Avant de constituer les échantillons de données, il y a lieu d’abord de définir le type de
données de survie ainsi que l’effet des opérations de maintenance.

1.1. Données de survie

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:

1.2. Recensement des données nécessaires et effet de la maintenance préventive


Pour les études de fiabilité à partir des données du retour d’expérience, on assimile souvent
l’exploitation du matériel à un plan d’essais multi-censurés. Eu égard à la double nature des
données de survie, il est indispensable de distinguer trois types de maintenance: la maintenance
préventive et deux types de maintenance corrective.

1.3. Principales fonctions statistiques utilisées en fiabilité


Le temps d’apparition de la défaillance d’un élément est imprévisible et possède un caractère
aléatoire. Nous dirons que c’est une variable aléatoire. On appelle variable aléatoire T une
variable telle qu’à chaque valeur t de T, on puisse associer une probabilité. La correspondance
entre une variable aléatoire et la probabilité qui lui est associée établit une loi de probabilité.

1.3.1. Fonctions de répartition et de fiabilité

En fiabilité, la fonction de répartition F(t) représente la probabilité d’avoir au moins une


défaillance avant le temps t, la fonction de fiabilité (ou de survie) notée R(t), représente la
probabilité de fonctionnement sans défaillance pendant la période [0, t]

R(t) = 1 - F(t) = P (T > t) (1)

LAGGOUNE R. Université de Béjaia 2019/2020


2/11
Fiabilité des systèmes

1.3.2. Densité de probabilité

Elle est notée f(t), c’est la fonction dérivée de la fonction F(t),

dF( t ) dR ( t )
f ( t) = =− (2)
dt dt
elle représente la probabilité de défaillance d’un élément à l’instant t.

1.3.3. Taux de défaillance

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 )

La connaissance de λ(t) permet de connaître R(t) ou F(t). En effet,

∫0
t
− λ( u ) du
R( t ) = e (4)

λ(t) peut être également appelé « fonction de hasard » et noté h(t)

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)

1.3.4. Courbe en baignoire

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 jeunesse (ou période de mortalité infantile ou période des défaillances


précoces), pendant laquelle le taux de défaillance décroît;

- période de vie utile qui correspond à la maturité du matériel durant laquelle les
défaillances sont aléatoires et le taux de défaillance sensiblement constant;

- période de vieillesse pendant laquelle le taux de défaillance croît.

LAGGOUNE R. Université de Béjaia 2019/2020


3/11
Fiabilité des systèmes

λ(t)
taux de
défaillance période de période de période de
instantanée jeunesse vie utile vieillesse

Age t du dispositif

Figure n° 4: Allure de l’évolution du taux de défaillance « courbe en baignoire »

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)

LAGGOUNE R. Université de Béjaia 2019/2020


4/11
Fiabilité des systèmes

Chapitre 2 : Modèles de fiabilité


2.1. Principales lois de probabilités utilisées en fiabilité

Les lois les plus couramment utilisées en fiabilité sont: la loi exponentielle, la loi normale, la loi
de Weibull et la loi Gamma.

2.1.1. La loi exponentielle

La loi exponentielle est fréquemment utilisée en fiabilité, notamment dans le domaine de


l’électronique. Elle est applicable pendant la période de vie utile du dispositif pendant laquelle le
taux instantané de défaillance λ(t) = λ est constant et les défaillances sont aléatoires.

Les caractéristiques d’une variable aléatoire T distribuée suivant une loi exponentielle sont:

- fonction de répartition: F( t ) = 1 − R( t ) = 1 − e− λt t≥0

- densité de probabilité: f ( t ) = λe − λt t≥0

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  

LAGGOUNE R. Université de Béjaia 2019/2020


5/11
Fiabilité des systèmes

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)

β< 1 β=1 β>1

Age t du dispositif
Figure n° 7: Variation de l’évolution du taux instantané en fonction de β - Loi de Weibull

Comme le montre la figure 8:


- si β < 1, le taux de défaillance décroît;
- si β = 1, le taux de défaillance est constant, on retrouve la loi exponentielle;
- si β > 1, le taux de défaillance croît;
- si β → 3.6, la loi de Weibull a une allure voisine mais distincte de la normale.
- η est un simple paramètre d’échelle de temps appelé aussi durée de vie caractéristique.
Lorsque t - γ = η, alors F (t) = 63 %.
- γ est le paramètre de localisation. Il est dans la même unité que le temps; très souvent, on
choisit γ = 0 et la loi de Weibull est ramenée à deux paramètres.
- Si γ < 0, on peut dire que le matériel a subi une dégradation avant sa mise en service
industrielle (usure lors des essais, du rodage ou problème de montage).
- Si γ > 0, on peut dire que le matériel n’a commencé à se dégrader qu’à la date t = γ.
f(t) λ(t)

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

LAGGOUNE R. Université de Béjaia 2019/2020


6/11
Fiabilité des systèmes

2.2. Estimation non paramétrique de la fonction de survie

La fonction de répartition représente la probabilité d’avoir au moins une défaillance avant le


temps t, soit:
F( t ) = Pr ( T ≤ t ) (8)
Pour un échantillon non censuré (t1 , t2 , ... , tn ) de défaillances, la fonction de répartition
empirique Fn (t) est définie par:
1 n
Fn ( t ) = ∑ I (ti ≤ t) (9)
n i =1
où I désigne le rang des défaillances. Fn (t) converge vers F(t), elle représente son estimateur.

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.

Méthode de « Jhonson » ou des rangs médians

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

où I est l’incrément et N l’effectif de échantillon.


Si θi est l’ordre d’apparition de la défaillance (ordre effectif + incrément), le rang médian s’écrit:
θ − 0.3
Fn ( t ) = i (11)
N + 0.4

et la fiabilité est estimée par:


θi − 0.3
R n ( t ) = 1 − Fn ( t ) = 1 − (12)
N + 0.4

2.3. Estimation paramétrique (choix à priori de la loi)

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.

2.3.1. Méthode des moments


+∞

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

LAGGOUNE R. Université de Béjaia 2019/2020


7/11
Fiabilité des systèmes

Les valeurs des paramètres θi sont la solution du système d’équations:

 µ′1 = m1′
 µ = m
′2 ′2

 µ′3 = m′3
 µ′4 = m′4

2.3.2. Méthode graphique

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)].

2.3.3. Méthode de maximum de vraisemblance (MDV)

Soit f (t, θ1 , θ2 ,..... θn ) la fonction de densité où θi , i = 1....n, sont inconnus. La vraisemblance


des observations s’écrit:
L( t1 , t 2 ,.... t n , θ) = ∏ f ( t i , θ)
n

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

LAGGOUNE R. Université de Béjaia 2019/2020


8/11
Fiabilité des systèmes

Chapitre 3 : Tests d’hypothèse (Validation des modèles)


Les modèles que l’on établit en fiabilité sont issus d’un échantillon de population. On fait
l’hypothèse qu’ils suivent une loi particulière, puis on doit vérifier la validité de cette loi. Cette
vérification est réalisée à l’aide d’un test d’adéquation.

3.1. Test de Khi-deux

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

où: r est le nombre de classes, r = 1 + 3,3log ∑n i (règle de sturges);


ni est le nombre d’individus par classe;
n est le nombre d’individus total de l’échantillon;
npi est le nombre d’individus attendus théoriquement dans la classe i;
pi est la probabilité de se trouver dans la classe i, pi = R(ti ) - R(ti+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.

3.2. Les tests classiques (Tests E.D.F.)

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) = 0 pour t < t1 ,

Nombre d ' observations < t


Fn ( t ) = pour t1 ≤ t ≤ tn ,
n

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

LAGGOUNE R. Université de Béjaia 2019/2020


9/11
Fiabilité des systèmes

 + 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

D n = Sup Fn ( t ) − F0 ( t ) = max( D+n , D−n ) (18)

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.

LAGGOUNE R. Université de Béjaia 2019/2020


10/11
Fiabilité des systèmes

Chapitre 4 : Méthode classique d’évaluation de la fiabilité des systèmes


La fiabilité d’un matériel dépend des conséquences de la défaillance d’un (ou de plusieurs)
composant(s) sur son bon fonctionnement. Le lien entre la défaillance d’un composant et celle du
matériel est le plus souvent décrit par le diagramme de fiabilité (fig. 13) ou l’arbre de défaillance
(fig. 14).
E1

E2
E1 E2 En

En

a- Configuration en série b- Configuration en parallèle


Figure n° 13: Diagramme de fiabilité d’un système

Ces représentations traduisent l’effet du comportement de chaque élément sur le comportement


global du matériel.

E1 E1

E2 OU E2 ET

E3 E3

a- Configuration en série b- Configuration en parallèle

Figure n° 14: Arbre de défaillance d’un système

4.1. Configuration en série

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

Ri (t) étant la loi de fiabilité du composant i.

La loi de fiabilité d’un matériel à configuration en série est le produit des lois de fiabilité de ses
composants.

LAGGOUNE R. Université de Béjaia 2019/2020


11/11
Fiabilité des systèmes

4.2. Configuration en parallèle

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.

LAGGOUNE R. Université de Béjaia 2019/2020

Vous aimerez peut-être aussi