LOI DE WEIBULL

 t  
 1
 t  

  t  


f (t )    exp     F (t )  1  exp    
             
   

 t  


R(t )  exp    
    
 

 1
f (t )   t   
 (t )    
R(t )    

 1
MTBF  E (T )    1      A x
   x    t x 1e t dt
0
2
 2   1 
T   1     1     B
     

"E(t )"=" (1+" 1/" " ) =

  A
  t  


1  exp    
    
 

 e dt
x 1  t
t
0
 Exercice 1 :
Le dépouillement des différents fichiers historiques concernant des tubes à rayons X d’un équip
fonctionnant dans des conditions identiques a permis de constater 21 avaries.
Les TBF en heures ont été relevés et classés par ordre croissant : 570, 600, 640, 670, 700, 730, 7
1100, 1150, 1220, 1280, 1380, 1570.
Estimer la fonction de répartition.
Tracer les couples de points (TBF, F(t)) sur Excel avec les changements de variable qui s’impose
Déterminer par calcul la valeur de ϒ.
Effectuer alors la translation des points afin d’obtenir une droite.
En déduire les paramètres β et η.
Déterminer enfin la MTBF.
Sachant qu’un arrêt de cette équipement engendre un manque à gagner de 25.000 dhs et un ch
refroidissement de ce dernier coute 1500 dhs, calculer une période optimale de la maintenance
adopter pour cet équipement de radiologie.

t RANG TBF ln(t-ϒ) F(i) Rt) ln(ln(1/R(t)) λ(t)

1 570 4.16417425 4.55% 95.45% -3.06787261524
2 600 4.54690032 9.09% 90.91% -2.35061865551
3 640 4.90037042 13.64% 86.36% -1.92002379137
4 670 5.1019346 18.18% 81.82% -1.60609004549
5 700 5.26960679 22.73% 77.27% -1.35545828057
6 730 5.41316067 27.27% 72.73% -1.14427808574
7 770 5.57723438 31.82% 68.18% -0.9597405191
8 800 5.68473397 36.36% 63.64% -0.79410601176
9 830 5.78179091 40.91% 59.09% -0.64227709351
10 870 5.89808621 45.45% 54.55% -0.50065121972
11 900 5.97721229 50.00% 50.00% -0.36651292058
12 930 6.05053392 54.55% 45.45% -0.23767695094
13 960 6.11884479 59.09% 40.91% -0.11225324266
14 1000 6.20322259 63.64% 36.36% 0.01153413704
15 1050 6.29957319 68.18% 31.82% 0.13552017994
16 1100 6.38745076 72.73% 27.27% 0.26181256164
17 1150 6.46822581 77.27% 22.73% 0.39312564978
18 1220 6.57135838 81.82% 18.18% 0.53341735333
19 1280 6.65201045 86.36% 13.64% 0.68935508198
20 1380 6.77346878 90.91% 9.09% 0.87459138292
21 1570 6.97010973 95.45% 4.55% 1.12850839756
ubes à rayons X d’un équipement de radiologie de même type et
1 avaries.
, 600, 640, 670, 700, 730, 770, 800, 830, 870, 900, 930, 960, 1000, 1050,

s de variable qui s’impose pour cette loi.

gner de 25.000 dhs et un changement systématique de l’huile de

optimale de la maintenance préventive systématique qu’on envisagerait à

1.5
f(x) = 0.003790412168205 x − 4.08460107833344
1 R² = 0.87022078161946 1.5

0.5 1 f(x) = 1.474503460578

R² = 0.9990751411312
0 0.5
400 600 800 1000 1200 1400 1600 1800 0
-0.5
Axis Title

4 4.5 5 5.5 6
-1 -0.5

Axis Title
ln(ln(1/R(t))
-1.5 -1
Linear (ln(ln(1/R(t)))
-2 -1.5

-2.5 -2

-3 -2.5

-3.5 -3

Axis Title -3.5

Axis Title
"E(t )"=" (1+" 1/" " ) =
  A

MTBF
β 1.474 1
η 495.93508815
ϒ(calculé) 505.66046802
R^2 0.999075141131299
MTBF 954.34667265

1.5
1 f(x) = 1.47450346057844 x − 9.14826044896705
R² = 0.999075141131299
0.5
0
4 4.5 5 5.5 6 6.5 7 7.5
-0.5
Axis Title

-1
Column G
-1.5 Linear (Column G)
-2
-2.5
-3
-3.5
Axis Title
(1+" 1/" " ) =
 β
η
ϒ

t (t-ϒ)/η)^β (t-ϒ)/η R(t) λ(t)

Exercice 2 :
On dispose d’un échographe dont on désire faire l’étude par Weibu
suivants : 432, 335, 244, 158, 77, 535, 646, 766, 897, 4494, 3454, 28
1374, 1374, 1198.
 
Déterminer les paramètres de la loi.
De quelle loi peut alors se rapprocher cette loi de Weibull ?
Quel est alors la partie concernée de la courbe en baignoire ?
Calculer la MTBF de l’équipement.
Déterminer la fiabilité au bout de 500 heures.

t RANG TBF ln(t-ϒ) F(i) Rt)

0 1 77 4.49658 4.76% 95.24%
100 2 158 5.13997 9.52% 90.48%
200 3 244 5.54795 14.29% 85.71%
300 4 335 5.85137 19.05% 80.95%
400 5 432 6.09742 23.81% 76.19%
500 6 535 6.30575 28.57% 71.43%
600 7 646 6.49028 33.33% 66.67%
700 8 766 6.65764 38.10% 61.90%
800 9 897 6.81313 42.86% 57.14%
900 10 1040 6.95912 47.62% 52.38%
1000 11 1198 7.09896 52.38% 47.62%
1100 12 1374 7.23469 57.14% 42.86%
1200 13 1374 7.23469 61.90% 38.10%
1300 14 1574 7.36942 66.67% 33.33%
1400 15 1806 7.50588 71.43% 28.57%
1500 16 2079 7.64574 76.19% 23.81%
1600 17 2414 7.79429 80.95% 19.05%
1700 18 2846 7.95813 85.71% 14.29%
1800 19 3454 8.15096 90.48% 9.52%
1900 20 4494 8.41332 95.24% 4.76%
e l’étude par Weibull. Pour cela on dispose de TBF
897, 4494, 3454, 2846, 2414, 1040, 2079, 1806, 1574,

e Weibull ?
en baignoire ?

ln(ln(1/R(t))λ(t) 1.5

-3.0202265 4.15559462302546E-08
1 f(x) = 1.05853672064956 x − 7
-2.3017509 3.47380829039944E-06 R² = 0.999001006890428

-1.8698247 1.25944694048841E-05
0.5
-1.5544333 2.75152528310878E-05
-1.3021969 4.83007687407008E-05
0
-1.0892396 7.49973616278042E-05 4 4.5 5 5.5
-0.9027205 0.000107641334961
-0.5
-0.734859 0.000146262591422
-0.5805048 0.000190886582697
Axis Title

-1
-0.4359854 0.000241535480369
-0.2984905 0.000298228935791
-1.5
-0.165703 0.000360984601882
-0.0355434 0.000429818507244
-2
0.0940478 0.000504745333686
0.2253515 0.000585778627882
-2.5
0.3612238 0.000672930966539
0.5057496 0.000766214087785
-3
0.6657298 0.000865638997435
-3.5
 -3

0.8550004 0.000971216056178
-3.5
1.1133441 0.001082955051987
 β 1.028
η 1517.62626247
ϒ(calculé) -12.71
R^2 0.999001006890429
MTBF 1487.90124272

ln(ln(1/R(t))

f(x) = 1.05853672064956 x − 7.76210533240241

R² = 0.999001006890428

4.5 5 5.5 6 6.5 7 7.5 8 8.5 9

ln(ln(1/R(t))
Linear (ln(ln(1/R(t)))

Axis Title
Axis Title
R(t))
n(ln(1/R(t)))
 Exercice 3 :
Le service qualité désire étudier ses pompes installées sur des CEC et com
 
N° de la pompe 3 2 8 5 9 Durée de vie en heures de fonctionnement 330
 
Vérifier que la durée de vie suit une loi de Weibüll dont on déterminera le
Donner la durée de vie moyenne d’une pompe.
Donner la probabilité que la durée de vie soit supérieure à 10000 heures d

N° de la
3
pompe
Durée de vie
en heures
de 3300
fonctionnem
ent

t RANG TBF ln(t-ϒ) F(i)

1 1670 7.28980845 12.96%
2 2,250 7.62329487 31.48%
3 3300 8.03763688 50.00%
4 5600 8.59328163 68.52%
5 7720 8.92469489 87.04%
allées sur des CEC et comptabilise les défaillances issues d’expériences observées sur 10 POMPES qui ont pu être suivis durant 5 ans  :

de fonctionnement 3300 1670 2250 7720 5600

ll dont on déterminera les paramètres.

périeure à 10000 heures de fonctionnement.

2 8 5 9 β 1.5084

1670 2250 7720 5600

η 4534.71
ϒ(calculé 204.71
R^2 0.9569893926
MTBF 12213.3

Rt) ln(ln(1/R(t)) Colonne1 λ(t) Chart Title

87.04% -1.97445869438 0.0587912736 1.9556E-05 1
68.52% -0.97268614121 0.13570871072 4.51413E-05
f(x) = 1.50844569506858 x − 12.6998592797712
50.00% -0.36651292058 0.38369434535 0.00012763 0.5 R² = 0.95698939259624
31.48% 0.14476739634 1.5463081801 0.00051435
0
12.96% 0.71445548626 3.55085100689 0.00118113 7.2 7.4 7.6 7.8 8 8.2 8.4 8.6 8.8 9 9.2
Axis Title

-0.5

-1

-1.5

-2

-2.5
Axis Title
ont pu être suivis durant 5 ans  :

N° de la
3 2 8 5
pompe
Durée de vie
en heures
de 3300 1670 2250 7720
fonctionnem
ent

Chart Title

569506858 x − 12.6998592797712
39259624

8.2 8.4 8.6 8.8 9 9.2

Column I
Linear (Column I)

Title
 9

5600
Exercice 4 :
Le service de maintenance préconise, pour les armoires de contrôle, des interventions préventives (
La période de ces interventions sera déterminée à partir d'un historique de pannes d'une armoire de
Les neuf premiers temps de bon fonctionnement (en jours) de cette armoire de contrôle sont les sui
89 ; 95 ; 122 ; 144 ; 173.
Soit T la variable aléatoire qui, à toute armoire de contrôle, associe son temps de bon fonctionneme
Weibull.
Déduire des informations précédentes les résultats ci-dessous :
Les paramètres de la loi de Weibüll qui correspond au comportement de ces armoires ;
Les courbes de :R(t),F(t) et λ (t) ,conclure ;
2. Déterminer, par le calcul, la périodicité d'intervention préventives basée sur une fiabilité de 80%.

t RANG TBF ln(t-ϒ) F(i) Rt)

 des interventions préventives (par changement de certains éléments électroniques).
que de pannes d'une armoire de contrôle choisie au hasard.
armoire de contrôle sont les suivants (rangés en ordre croissant) : 31 ; 42 ; 67 ; 77 ;

on temps de bon fonctionnement. On cherche à ajuster la loi de T à une loi de

nt de ces armoires ;

basée sur une fiabilité de 80%.

ln(ln(1/R(t)) λ(t)