Vous êtes sur la page 1sur 120

FIABILITÉ

INDUSTRIELLE
Préparé par : AIT HADDOUCHANE Zineb

3ème année GSM

Année Universitaire : 2021 - 2022


Contexte industriel de la fiabilité
■ Aujourd’hui, la fiabilité est devenue un paramètre clé de la qualité et d’aide à la décision, dans
l’étude de la plupart des composants, produits et processus (Transport, énergie, bâtiments,
composants électroniques, composants mécaniques...).
■ Les évolutions technologiques de ces dernières années imposent des cycles de développement
des nouveaux produits toujours plus courts.
■ Dans ces conditions, il s'avère complexe de garantir la fiabilité d'un produit qui représente
pourtant un avantage compétitif crucial sur le long terme.
■ En effet, en plus de réduire les coûts de garantie, la fiabilité renforce l'image de marque d'une
entreprise et instaure un lien de confiance avec le client.
■ La fiabilité est devenue un élément essentiel pour les enjeux de sécurité et de performances des
entreprises.
■ L’analyse de la fiabilité dans le domaine de la mécanique est un outil très important pour
caractériser le comportement du produit dans les différentes phases de vie, mesurer l’impact
des modifications de conception sur l’intégrité du produit, qualifier un nouveau produit et
améliorer ses performances tout au long de sa mission.
2
PLAN
➢ Définition des concepts

➢ Fonction de défaillance et fonction de fiabilité

➢ Indicateurs de fiabilité : taux de défaillance (taux d’avarie) et MTBF

➢ Courbe baignoire

➢ Estimation de la fiabilité par les lois de probabilité

➢ Fiabilité d’un système

➢ Méthodes non paramétriques de détermination de lois de fiabilité

➢ Arbres de défaillances

3
Définition des concepts
■ La défaillance
D’après la norme AFNOR NF X600-10

Une défaillance est l’altération ou la cessation de l’aptitude d’un ensemble à accomplir sa ou


ses fonctions requises avec les performances définies dans les spécifications techniques.

Remarque :
➢ La cessation de l’aptitude conduit l’entité à être dans un état appelé «panne».
➢ L’entité est donc indisponible suite à la défaillance.
défaillance

Fonctionnement
Panne
Normal
(opérationnel)
remise en service
4
Définition des concepts
■ La défaillance
Classification des défaillances

➢ En fonction de la vitesse d'apparition :

❖ Défaillance progressive : par dérive

Défaillance due à une évolution dans le temps


de certaines caractéristiques d'une entité.

❖ Défaillance soudaine

Défaillance brutale due à une évolution quasi


instantanée des caractéristiques d'une entité.

5
Définition des concepts
■ La défaillance
Classification des défaillances (Suite)

➢ En fonction du degré d'importance ➢ En fonction de la vitesse d'apparition et du

❖ Défaillance complète degré d'importance


❖ Défaillance par dégradation
Défaillance qui entraîne l'inaptitude totale de
Défaillance qui est à la fois progressive et
l'entité à accomplir toutes les fonctions requises.
partielle (usure mécanique, augmentation de
❖ Défaillance partielle
frottements, …)
Défaillance qui entraîne l'inaptitude d'une ❖ Défaillance catalectique
entité à accomplir certaines fonctions requises, Défaillance qui est à la fois soudaine et
mais non toutes. complète (rupture d’une pièce mécanique, court-
circuit,…) 6
Définition des concepts
■ La défaillance
Classification des défaillances (Suite)
➢ En fonction des causes (circonstances liées à la conception, la fabrication ou l’emploi, ayant entraîné la
défaillance) :

❖ Défaillance première : résulte d’une cause interne de l’entité défaillante.

❖ Défaillance secondaire : résulte de la défaillance d’une autre entité ayant entraîné des conditions excessives.
❖ Défaillance de commande : résulte de signaux incorrects de contrôle/commande.
➢ En fonction des effets (utilise échelle de gravité relative au niveau de dégradation du fonctionnement du
système) :
❖ Défaillance mineure : dommage négligeable/sans risque pour l’homme.
❖ Défaillance significative : pas de dommage notable/ risque peu important pour l’homme.
❖ Défaillance critique : perte de fonctions essentielles/dommages importants au système/environnement
mais risque négligeable de mort.
❖ Défaillance catastrophique : perte de fonctions essentielles/dommages importants; entraîne mort
d’hommes ou dommages corporels. 7
Définition des concepts
■ La panne
La panne est l’inaptitude d’une entité à accomplir sa ou ses fonction(s) requise(s).
Remarque :
➢ Après apparition d’une défaillance, on considère donc que l’entité est en panne.
➢ Une panne résulte toujours d’une défaillance.

Disponibilité Indisponibilité

Figure : Les états d’une entité

8
Définition des concepts
■ Le mode de défaillance

Un mode de défaillance est l’effet par lequel une défaillance est observée.

■ A chaque défaillance d’une entité, on associe des modes de défaillance et des causes de
défaillances.

■ Difficulté de distinguer cause (en général, défaillances de pièces du composant (événement

initiateur)) et mode (manière dont la défaillance apparaît).

Causes de défaillance Modes de défaillances Effets sur les fonctions

9
Définition des concepts

10
Définition des concepts
■ La sûreté de fonctionnement
La Sûreté de Fonctionnement (SdF) peut être considérée comme la science des défaillances.

Remarque :
➢ Définition quelque peu excessive car la SdF est a priori loin d’être une science exacte.
➢ Définition quelque peu réductrice car la SdF aborde les systèmes et processus en
considérant d’autres aspects que leurs défaillances.
➢ Pris au sens large, la SdF consiste à :
Connaître
Evaluer Les défaillances des systèmes technologiques et les
Prévoir défaillances humaines.
Maîtriser

11
Définition des concepts
■ La sûreté de fonctionnement
Définition (norme CEI 50 (191)(1990))
La sûreté de fonctionnement est l’aptitude d’une entité à satisfaire une ou plusieurs fonctions
requises dans des conditions données.

Autre Définition (par J.C. Laprie) [contexte informatique]

La sûreté de fonctionnement d’un système est la propriété qui permet à ses utilisateurs de placer
une confiance justifiée dans le service qu’il leur délivre.

Définition de la norme européenne EN 13306 (2001)

Sûreté de fonctionnement : ensemble des propriétés qui décrivent la disponibilité et les facteurs qui
la conditionnent : fiabilité, maintenabilité et logistique de maintenance.

12
Définition des concepts
■ La sûreté de fonctionnement au sens strict
Il ressort de ces définitions précédentes que la SdF peut être perçue à travers quatre attributs
principaux :

❖ Fiabilité

❖ Maintenabilité On parle de FMDS

❖ Disponibilité

❖ Sécurité

(En Anglais, on parle de RAMS : Reliability, Availability, Maintenability and Safety)

13
Définition des concepts
■ La sûreté de fonctionnement au sens strict

Pas d’arrêts de
Production ! Pas de Pannes !
FIABILITE

SURETE DE
FONCTIONNEMENT

MAINTENABILITE
Remise en Service Pas d’événements
immédiate! Critiques ou
Catastrophiques ! 14
Définition des concepts
■ La Fiabilité
Aptitude d’une entité à accomplir une fonction requise, dans des conditions données, pendant un
intervalle de temps donné.

C’est le maintien de la qualité dans le temps, sans discontinuité.


Indicateurs :
➢ Probabilité qu'une entité E accomplisse une fonction requise, dans des conditions données,
pendant l'intervalle de temps (0,t).
R(t) = P [ E non défaillant sur (0,t) ]
➢ MTTF (Mean Time to Failure) : C’est le temps moyen de fonctionnement jusqu’à l’occurrence de
la première défaillance.
➢ MTBF (Mean Time Between Failures) : Représente le temps moyen entre deux défaillances.
Remarque :
L’aptitude contraire est dénommée défaillance, sa mesure est :
F(t) = 𝑹(𝒕)= 1 - R(t)
15
Définition des concepts
■ La Maintenabilité
Dans des conditions données, la maintenabilité est l’aptitude d’une entité à être maintenu
(maintenance préventive) ou rétablie (maintenance corrective) dans un état où elle peut accomplir
une fonction requise, lorsque la maintenance est accomplie dans des conditions données, en
utilisant des procédures et des moyens prescrits.
Commentaire :
➢ La maintenabilité caractérise la facilité à remettre ou à maintenir un bien en bon état de
fonctionnement. Cette notion ne peut s'appliquer qu’à du matériel maintenable, donc réparable.

La maintenabilité d’une entité dépend


étroitement des moyens et compétences
mis en œuvre

16
Définition des concepts
■ La Maintenabilité
Indicateurs :
➢ Probabilité que la maintenance d’une entité E accomplie dans des conditions données avec des
moyens prescrits, soit achevée au temps t sachant que E est défaillante au temps t=0.

M(t) = P [ la maintenance de E est achevée au temps ]


= 1 – P [ E non réparée au temps t ]
= P [E réparée sur l’intervalle (0,t) ]

➢ MTTR (Mean Time To Repair) : c’est le temps moyen de réparation

17
Définition des concepts
■ La disponibilité
Aptitude d’une entité à être en état d’accomplir une fonction requise, dans des conditions données
et à un instant donné.

Indicateurs :
➢ Probabilité qu'une entité E soit en état d’accomplir une fonction requise dans des conditions
données et à un instant t donnée.
A(t) = P [ E non défaillant à l’instant t ]

➢ MUT (Mean Up Time) : moyenne des temps de bon fonctionnement après réparation
➢ MDT (Mean Down Time) : moyenne des temps pendant lesquels le système est fonctionnellement
hors service
Remarque :
➢ Le fonctionnement à l’instant t ne nécessite pas forcément le fonctionnement sur [0, t], pour un
système réparable ; c’est là que se situe la différence fondamentale avec la fiabilité.
18
Définition des concepts
■ La sécurité
Aptitude d’une entité à éviter de faire apparaître, dans des conditions données, des
événements critiques ou catastrophiques (i.e; événements redoutes)

Mesure :
Elle est mesurée par la probabilité qu'une entité E évite de faire apparaître, dans des
conditions données, des événements critiques/catastrophiques

19
Définition des concepts
Etapes successives d’un système réparable au cours de son usage

Mise Première Début Remise Deuxième


en service défaillance d ’intervention en service défaillance

Bon fonctionnement Attente Réparation Bon fonctionnement

Durée
MTTR d ’usage

MDT MUT

MTTF MTBF

20
Définition des concepts
■ La sûreté de fonctionnement

21
Phases de l’étude de la fiabilité d’un système

■ L’étude de la fiabilité d’un système comprend trois phases importantes :

➢ Une phase d’analyse :

Débute par un diagramme de fonctionnement qui fait apparaître les différents


constituants du système susceptibles de compromettre (exposer, risquer) la fonction du
système. Pour chaque composant on détermine les modes de défaillances et on
recense toutes les causes.

➢ Une phase d’estimation des probabilités d’apparition des défaillances.

➢ Une phase de prévision ou d’estimation de la fiabilité du système.

22
Deux types de fiabilité
➢ La fiabilité opérationnelle
■ Elle résulte de l’observation et de l’analyse du comportement d’un certain nombre de
dispositifs identiques, en conditions de fonctionnement réelles.
➔ Il s’agit d’un traitement statistique d’un retour d’expérience. La probabilité moyenne issue
de ce retour d’expérience n’a de sens qu’en considérant un nombre important de dispositifs. La
fiabilité opérationnelle est donc définie par :

𝑁𝑜𝑚𝑏𝑟𝑒 𝑚𝑜𝑦𝑒𝑛 𝑑 ′ 𝑒𝑛𝑡𝑖𝑡é𝑠 𝑛𝑜𝑛 𝑑é𝑓𝑎𝑖𝑙𝑙𝑎𝑛𝑡𝑒𝑠 à 𝑙 ′ 𝑖𝑛𝑠𝑡𝑎𝑛𝑡 ′𝑡′


𝑅 𝑡 =
𝑁𝑜𝑚𝑏𝑟𝑒 𝑡𝑜𝑡𝑎𝑙 𝑑 ′ 𝑒𝑛𝑡𝑖𝑡é𝑠 [0, 𝑡]

■ Le système est supposé être sans défaillance à t = 0, on parle alors de système “cohérent”.

23
Deux types de fiabilité
➢ La fiabilité prévisionnelle
Elle estime la fiabilité future d’un système à partir de considérations sur la conception du
système et la fiabilité opérationnelle (supposée connue) de ses composants.

Cette estimation repose très souvent sur l’évaluation du “taux de défaillance” probable et du
“temps moyen de non défaillance”.

Mathématiquement la fiabilité nommée R(t) d’un système S est donnée comme suit :
R(t) = P ( S non défaillant sur [0,t] )

24
Estimation de la fiabilité à partir des observations

Pour nos études de fiabilité, nous disposons d’un nombre de données expérimentales ou réelles sur
les Temps de Bon Fonctionnement (TBF). Nous voulons étudier la fonction de répartition de ces TBF.

Nombre de données N 0 à 20 20 à 50 50 à …
Prise en charge des Données ti classées par ordre croissant (un rang Données rangées par
données i est affecté à chaque donnée) classe ti
Estimation de Fti σ 𝑛𝑖 − 0,3 σ 𝑛𝑖 σ 𝑛𝑖
𝑁 + 0,4 𝑁+1 𝑁
Méthodes des rangs Méthode des rangs Méthode des rangs
médians moyens bruts

σ 𝑛𝑖 : Nombre de défaillants de [0 à t] (fin de la classe i)

25
Estimation de la fiabilité à partir des observations

Application
On a relevé pour 21 moteurs électriques du même type le temps en heures écoulé avant la
première panne (Temps de Bon Fonctionnement (TBF)). On obtient :

130 155 166 180 225 230 450 504 603 715
918 1105 1210 1315 1506 1800 2150 2415 2550 3410 3490

26
Estimation de la fiabilité à partir des observations
■ Création de k intervalles identiques : k = 𝑁 avec N le nombre de TBF
■ Estimation de la fiabilité

Plage
d’intervalle [0 ; 700] ]700 ; 1400] ]1400 ; 2100] ]2100 ; 2800] ]2800 ; 3500]
Δt
ni nombre
9 5 2 3 2
de moteurs
Estimation 9/(21+1) = (9+5)/(21+1)
0,72 0,86 0,95
Fti 0,4 = 0,63
Rti = 1 - Fti 0,6 0,37 0,28 0,14 0,05

27
Fonction de défaillance et fonction de
fiabilité
■ Considérons un dispositif unique ou des groupes de dispositifs identiques de même provenance
et utilisés dans des conditions semblables.
■ Ces dispositifs ont des propriétés susceptibles de se modifier au cours du temps.
■ Au bout d’un temps appelé durée de vie, le dispositif cesse de satisfaire aux conditions
d’utilisation
■ Cette
H durée de vie associée à chaque dispositif
permet de définir une variable aléatoire continue T

■ X(t) = variable d’état


➔ X(t) = 1 si le dispositif fonctionne à l’instant t
0 si le dispositif est en panne à l’instant t

28
Fonction de défaillance et fonction de
fiabilité
■ Cette variable aléatoire T Є [0,∞[ possède donc une densité de probabilité f(t).
Remarque :
➢ f(t) est appelée aussi densité de probabilité des durées de vie ou densité de défaillance.

■ La fonction de répartition F(t) de la variable aléatoire T est appelée fonction de défaillance et


représente donc la probabilité pour que le dispositif soit en panne avant l’instant t.
𝑡

F(t) = P(T<t) = න 𝑓 𝑥 𝑑𝑥
0


■ Le complément de F(t) à l’unité, i.e., R(t) = 1 – F(t) = 1 – P(T < t) = P(T ≥ t) = ‫ 𝑥𝑑 𝑥 𝑓 𝑡׬‬est
appelée fonction de survie ou fonction de fiabilité et représente la probabilité pour que le
dispositif fonctionne après un temps d’utilisation t.
29
Fonction de défaillance et fonction de
fiabilité
La figure montre les deux fonctions associées

30
Indicateurs de fiabilité
■ Taux de défaillance (Taux d’avarie)

■ Le taux de défaillance moyen entre les instants t et t1 est :

𝑁𝑜𝑚𝑏𝑟𝑒 𝑑 ′ é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑡𝑜𝑚𝑏é𝑠 𝑒𝑛 𝑝𝑎𝑛𝑛𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑖𝑛𝑠𝑡𝑎𝑛𝑡𝑠 𝑡 𝑒𝑡 𝑡1


𝑁𝑜𝑚𝑏𝑟𝑒 𝑑 ′ é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑒𝑛 é𝑡𝑎𝑡 𝑑𝑒 𝑚𝑎𝑟𝑐ℎ𝑒 à 𝑙 ′ 𝑖𝑛𝑠𝑡𝑎𝑛𝑡 𝑡

■ Le taux de défaillance moyen par unité de temps est donné par :

𝑁𝑜𝑚𝑏𝑟𝑒 𝑑 ′ é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑡𝑜𝑚𝑏é𝑠 𝑒𝑛 𝑝𝑎𝑛𝑛𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑖𝑛𝑠𝑡𝑎𝑛𝑡𝑠 𝑡 𝑒𝑡 𝑡1


𝑁𝑜𝑚𝑏𝑟𝑒 𝑑 ′ é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑒𝑛 é𝑡𝑎𝑡 𝑑𝑒 𝑚𝑎𝑟𝑐ℎ𝑒 à 𝑙 ′ 𝑖𝑛𝑠𝑡𝑎𝑛𝑡 𝑡 × 𝑙 ′ 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑙𝑒 𝑑𝑒 𝑡𝑒𝑚𝑝𝑠

31
Indicateurs de fiabilité
■ Taux de défaillance (Taux d’avarie)
■ Considérons un ensemble de dispositifs identiques tous mis en service à l’instant t=0.
■ A chaque instant t, on peut relever le nombre N(t) de dispositifs en état de marche.
➔ Le taux de défaillance moyen dans l’intervalle [t,t1] rapporté au nombre de dispositifs encore
en vie au début de cet intervalle est :

𝑁 𝑡 −𝑁(𝑡1) 1 1 𝑁 𝑡 −𝑁(𝑡1)
× = ×
𝑡1 −𝑡 𝑁(𝑡) 𝑡1 −𝑡 𝑁(𝑡)

■ Ainsi, le taux instantané d’avarie ou le taux de défaillance est défini par la fonction λ(t) tel que :

32
Relations entre les expressions des lois de fiabilité

𝑑𝐹(𝑢)
On a : f(u) =
𝑑𝑢
−𝑅′(𝑢) −𝑑(1−𝐹 𝑢 ) 𝑑𝐹(𝑢)
Et λ(u) = = =
𝑅(𝑢) 𝑑𝑢.(1−𝐹 𝑢 ) 1−𝐹 𝑢 .𝑑𝑢
𝑑𝐹(𝑢)
Donc λ(u).du =
1−𝐹(𝑢)

En intégrant les 2 membres entre 0 et t :


𝑡 𝑡 𝑑𝐹(𝑢) 𝑡 𝑡 −𝑑𝐹(𝑢)
‫׬‬0 λ u . du = ‫׬‬0 ➔ − ‫׬‬0 λ u . du = ‫׬‬0
1−𝐹(𝑢) 1−𝐹(𝑢)
𝑡
➔ − ‫׬‬0 λ u . du = [ln(1 − 𝐹 𝑢 ]0t = [ln 1 − 𝐹 𝑡 − [ln(1 − 𝐹 0 ]
A t=0, F(0) = 0 parce qu’il n’y a pas de de défaillance
𝑡
Ainsi : − ‫׬‬0 λ u . du = [ln(1 − 𝐹 𝑡 ]
𝑡
− ‫׬‬0 λ u .du
➔𝑒 = 1 − 𝐹 𝑡 = 𝑅(𝑡)
33
Estimation de la fiabilité par les lois de probabilité
t
−   ( u ) du
F (t ) = 1 − e 0

t
−   ( u ) du
R(t ) = 1 − F (t ) = e 0

t
dF (t ) −   ( u ) du
f (t ) = =  (t )e 0

dt

f (t )
 (t ) =
R(t )
34
Estimation de la fiabilité par les lois de probabilité
Résumé des relations entre R(t), F(t), f(t) et λ(x)

35
Indicateurs de fiabilité
■ Courbe en baignoire
La courbe en baignoire est une représentation classique de la probabilité d’incidents pour des
équipements ou des systèmes.
La figure de la courbe en baignoire explique les différentes causes et remèdes de défaillances liées
aux trois phases de la durée de vie du matériel.

36
Indicateurs de fiabilité
■ Courbe en baignoire
Pour la majorité des produits industriels, les variations de λ(t) au cours du temps (courbes dites en
baignoire) présentent trois zones typiques.

Courbe de défaillance en baignoire pour des modules et composants


du domaine électronique 37
Indicateurs de fiabilité
■ Courbe en baignoire pour les composants électroniques

■ Phase 1 : Elle définit la période de jeunesse, caractérisée par une décroissance rapide du taux de
défaillance. Cette décroissance s’explique par l’élimination progressive des défauts dus aux
processus de conception ou de fabrication mal maîtrisés ou à un lot de composants mauvais. Cette
période peut être minimisée pour les composants électroniques vendus aujourd’hui car les
fabricants se sont engagés à vérifier la qualité de leurs produits en sortie de fabrication.

■ Phase 2 : La deuxième phase définit la période de vie utile généralement très longue. Le taux de
défaillance est approximativement constant. Le choix de la loi exponentielle, dont la propriété
principale est d’être sans mémoire, est tout à fait satisfaisant. Les pannes sont dites aléatoires et
leur apparition n’est pas liée à l’âge du composant mais à d’autres mécanismes
d’endommagement. Les calculs prévisionnels de fiabilité se font presque souvent dans cette
période de vie utile.

■ Phase 3 : La dernière phase est la période de vieillissement, elle est caractérisée par une
augmentation progressive du taux de défaillance avec l’âge du dispositif. Ceci est expliqué par des
phénomènes de vieillissement tels que l’usure, l’érosion, etc. Cette période est très nettement au-
delà de la durée de vie réelle d’un composant électronique. 38
Indicateurs de fiabilité
■ Courbe en baignoire

Courbe du taux de défaillance en mécanique


39
Indicateurs de fiabilité
■ Courbe en baignoire pour les composants mécaniques

■ Phase 1 : La première phase définit la période de mortalité infantile. C’est une durée de vie en
principe très courte. Elle est décrite par une décroissance progressive du taux de défaillance avec le
temps dû à une amélioration des caractéristiques internes (caractéristiques de défauts) et des
interfaces, par un rodage préalable des pièces. Par conséquent, il n’est pas souhaitable de tester
les composants mécaniques dans cette période de leur vie.

■ Phase 2 : La dernière phase définit la période de vieillissement qui comporte la majorité de la vie du
dispositif. Elle est caractérisée par une augmentation progressive du taux de défaillance. Les pièces
mécaniques sont soumises à des phénomènes de vieillissement multiples qui peuvent agir en
combinaison : corrosion, usure, déformation, fatigue, et finalement perte de résilience ou
fragilisation. Contrairement aux composants électroniques, les calculs de la fiabilité pour des
composants mécaniques se font essentiellement dans la période de vieillissement, en utilisant des
lois de Probabilité dont le taux de défaillance est fonction du temps telles que la loi Log-normale,
Weibull, … etc.

40
Indicateurs de fiabilité
■ MTBF
Le MTBF (Mean Time Between Failure) est souvent traduit comme étant la moyenne des temps
de bon fonctionnement mais représente la moyenne des temps entre deux défaillances. En
d’autres termes, Il correspond à l’espérance de la durée de vie t.

 
MTBF = E (T ) =  tf (t )dt =  R(t )dt
0 0

Physiquement le MTBF peut être exprimé par le rapport des temps :

𝑠𝑜𝑚𝑚𝑒 𝑑𝑒𝑠 𝑡𝑒𝑚𝑝𝑠 𝑑𝑒 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑛𝑒𝑚𝑒𝑛𝑡 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑛 𝑑é𝑓𝑎𝑖𝑙𝑙𝑎𝑛𝑐𝑒𝑠


𝑀𝑇𝐵𝐹 =
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑 ′ 𝑖𝑛𝑡𝑒𝑟𝑣𝑒𝑛𝑡𝑖𝑜𝑛𝑠 𝑑𝑒 𝑚𝑎𝑖𝑛𝑡𝑒𝑛𝑎𝑛𝑐𝑒 𝑎𝑣𝑒𝑐 𝑖𝑚𝑚𝑜𝑏𝑖𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛

41
Indicateurs de fiabilité
■ MTBF
Exemple :

Un compresseur industriel a fonctionné pendant 8000 heures en service continu avec 5 pannes
dont les durées respectives sont : 7 ; 22 ; 8,5 ; 3,5 et 9 heures. Déterminer son MTBF.

8000 −(7+22+8,5+3,5+9)
𝑀𝑇𝐵𝐹 = = 1590 heures
5

42
Estimation de la fiabilité par les lois de probabilité
■ Loi à un seul paramètre : loi exponentielle
La courbe en baignoire relative à la durée de vie d’un système, fait apparaître une période de
maturité plus ou moins longue pendant laquelle le taux de défaillance d’un système ou d’un
composant est sensiblement constant; c’est le champ d’application de la loi exponentielle, qui
repose sur l’hypothèse λ = constante.

Une variable aléatoire T suit une loi exponentielle de paramètre  si sa densité de probabilité f(t)
est donnée par : f (t ) = e −t

D’où : Fonction de répartition F (t ) = 1 − e − t

Fonction fiabilité R(t ) = 1 − F (t ) = e −t


1
MTBF =  R(t )dt =
0

43
Estimation de la fiabilité par les lois de probabilité
■ Loi à un seul paramètre : loi exponentielle
La distribution exponentielle s’applique aux systèmes opérants en continu (systèmes électroniques)
c’est ce qu’on appelle distribution sans mémoire.
𝒆−λ.(𝒕+Δ𝒕)
P(T ≥ t+Δt / T ≥ t) = = 𝒆−λ.Δ𝒕 = P(T ≥ Δt)
𝒆−λ.𝒕

Remarque : la loi conditionnelle de la durée de vie d’un


dispositif qui a fonctionné sans tomber en panne
jusqu’à l’instant t est identique à la loi de la durée de
vie d’un nouveau dispositif. Ceci signifie qu’à l’instant
t, le dispositif est considéré comme neuf, de durée de
vie exponentielle de paramètre λ.

44
Estimation de la fiabilité par les lois de probabilité
■ Loi à un seul paramètre : loi exponentielle
La représentation linéaire de la loi exponentielle s’obtient sur un simple papier semi-logarithmique.
L’anamorphose permet une représentation linéaire de la fiabilité, la droite ayant pour pente λ /2,3. En
effet, si R(t) = 𝑒 −𝜆𝑡 ,
ln R(t) = –λ t en logarithmes népériens
λ
ou log R(t) = − 𝑡 en logarithmes décimaux.
2,3

45
Estimation de la fiabilité par les lois de probabilité
■ Loi à un seul paramètre : loi exponentielle

Application 1 :

Un dispositif a un taux de défaillance constant de λ= 0.03/h


a) Calculer la probabilité qu’il tombe défaillant pendant 10 premières heures d’opération
b) En supposant que le dispositif a bien fonctionné pendant 100 h, calculer la probabilité qu’il
tombe défaillant pendant 10 prochaines heures.

46
Estimation de la fiabilité par les lois de probabilité
■ Loi à un seul paramètre : loi exponentielle

Application 2 :

Un composant électronique de puissance a un taux de panne constant de 0,07 pour 1000 heures
de fonctionnement.
a) Quelle est la probabilité pour qu’il survie 5000, 1000, 2000 h. L’unité de temps est 1000h à
5000 h correspond t=5
b) Quelle est la probabilité que le composant dure entre 2000 et 5000 heures
c) Quelle est la probabilité pour que le composant dure 1000 h de plus après 5000h de
fonctionnement ?

47
Estimation de la fiabilité par les lois de probabilité
■ Loi à un seul paramètre : loi exponentielle
Application 2 :

Remarque : Lorsque le taux de panne est constant, les chances d’avoir une défaillance restent toujours les
mêmes. Que le composant soit neuf ou non, qu’il ait déjà servi longtemps ou non, sa fiabilité reste la même.
48
Estimation de la fiabilité par les lois de probabilité
■ Loi à deux paramètres : loi normale
■ Cette loi est utilisée pour représenter la distribution des durées de vie des dispositifs en fin de
vie (usure) où le taux de défaillance est croissant.
■ La densité de probabilité d’une loi normale de moyenne µ et d’écart-type σ s’écrit :

■ Sa fonction de répartition est donnée par :

■ Si t suit une loi normale Normale (µ, σ), u = (t−µ)/σ suit une loi normale centrée réduite dont la
fonction de répartition, notée φ, est donnée par :

49
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull

■ La plus populaire des lois, utilisée dans plusieurs domaines (électronique, mécanique,..).

■ Elle permet de modéliser en particulier de nombreuses situations d’usure de matériel. Elle


caractérise le comportement du système dans les trois phases de vie : période de jeunesse,
période de vie utile et période d’usure ou vieillissement.
■ Dans sa forme la plus générale, la distribution de Weibull dépend des trois paramètres suivants :
β, η et γ. La densité de probabilité d’une loi de Weibull a pour expression :

Où : β est le paramètre de forme (β>0)


η est le paramètre d’échelle (η>0)
γ est le paramètre de position (-∞<γ<+∞)
50
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull

■ La fonction fiabilité s'écrit : ■ Suivant les valeurs de β, le taux de défaillance est


soit décroissant (β < 1) soit constant (β=1), soit
croissant (β > 1). La distribution de Weibull permet
donc de représenter les trois périodes de la vie d'un
dispositif décrites par la courbe en baignoire.

■ Le taux de défaillance est donnée par :

51
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
■ β : appelé paramètre de forme (β>0), souvent il est égal, inférieur ou supérieur à 1. La loi de
"Weibull" correspond à un taux de défaillance instantané, constant, décroissant ou croissant.

a) Si 0 < β < 1 : Le taux de défaillance est décroissant. Pour améliorer la fiabilité, on procède à un
pré vieillissement (rodage).
b) Si β = 1, λ(t)=1/η, c’est le cas de la loi exponentielle de MTBF = η.
c) Si β > 1, le taux de défaillance est croissant. Pour améliorer la fiabilité on procède à des
améliorations de construction ou on pratique une politique de maintenance préventive plus
rigoureuse.
d) Si 1,5 < β < 2,5 : exprime un phénomène de fatigue
e) Si 3 < β < 4 : exprime un phénomène d’usure

52
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
Le graphe de la fonction de densité f(t) illustre ce polymorphisme sous la seule influence du
paramètre de forme β (γ=0, η=1).

53
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
Le graphe de la fonction du taux de défaillance λ(t) illustre ce polymorphisme sous la seule influence
du paramètre de forme β (γ=0, η=1).

54
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de
Weibull
■ η : est appelé paramètre d’échelle (η>0)
parfois nommé « caractéristique de vie »
car il indique l’ordre de grandeur de la
durée de vie moyenne. Il contrôle
l’étirement de la distribution sur l’axe du
temps (x).

55
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
■ γ : est appelé paramètre de position (-∞<γ<+∞), il définit un changement d’origine dans l’échelle
de temps.

➢ γ>0 : survie totale sur l’intervalle de temps [0, γ]

➢ γ=0 : les défaillances débutent à l’origine des


temps

➢ γ<0 : les défaillances ont débuté avant l’origine


des temps ; ce qui montre que la mise en service
de l’équipement étudié a précédé la mise en
historique des TBF.

56
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
■ Structure du papier de Weibull
■ Description du papier fonctionnel de Weibull
Ce papier « log-log » porte quatre axes :
– l’axe A est l’axe des temps sur lequel nous
porterons les valeurs ti de durées de bon
fonctionnement ;

– l’axe B porte F(t) sur lequel nous porterons


les valeurs F(i) calculées par approximation
(rangs moyens ou médians). Nous
estimerons la fiabilité en prenant le
complément : R(t) = 1 – F(t) ;

– l’axe a correspond à ln t ;

– l’axe b correspond à ln ln (1/1 – F(t)). Cet


axe permettra d’évaluer la valeur de β. 57
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
■ Justification mathématique de la structure du L’équation devient :
papier de Weibull

Nous pouvons prendre le log népérien des deux


membres car R(t)≤1

qui est de la forme : Y = βX + C

58
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi
de Weibull
- Nous obtenons une relation
linéaire entre X et Y telle que la
droite D de régression du nuage de
points (Fi , ti) a pour pente le
paramètre β.
- Au point t = η = 1, origine du
repère (X, Y ), ln η = 0, donc C = 0.
- La droite D’ parallèle à D passant
par l’origine de (X,Y) a pour équation
Y = βX. Elle permet de déterminer la
valeur de β sur l’axe b.

Y = βX + C 59
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
■ Modèle de Weibull : réalisation de l’ajustement graphique
1. Préparation des données : Recueillir d’après les historiques les TBF de l’équipement étudié et
classer ces temps par ordre croissant. Soit N leur nombre.
2. Tracé du nuage de points (ti , Fi). (Fi peut être calculée par les méthodes des rangs).
3. Tracé de la droite dite « de Weibull » D.
4. Détermination des valeurs des trois paramètres β, η, γ :
- Le paramètre β est la pente de la droite D, c’est-à-dire l’intersection de D’ avec l’axe b.
- Le paramètre η est l’intersection de D avec l’axe des temps X.
- Le paramètre γ est lié à la forme du nuage.
5. Détermination de l’expression de la loi de Weibull.
6. Détermination du MTBF.
7. Exploitation des résultats.
60
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
■ Ajustement graphique : détermination du paramètre η : les techniques de redressement
Si le nuage des points (ti , Fi) fait apparaître une courbure convexe ou concave, alors le paramètre γ a
une valeur non nulle à déterminer après avoir effectué un « redressement ». Ce redressement peut se
faire « au jugé » ou par application d’une formule de redressement.

Redressement au jugé

Il faut translater tous les points


d’une même valeur γ dont on
augmente la valeur de proche en
proche : la concavité (ou convexité)
diminue progressivement jusqu’à
l’obtention d’une droite : la valeur
de translation finale est γ.

61
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
■ Ajustement graphique : détermination du paramètre η : les techniques de redressement

■ Redressement par la formule

Prenons trois points A1, A2 et A3 sur la courbe C1


tels que (a1, a2) = (a2, a3) = Δ. Il est conseillé de
prendre des points espacés mais non extrêmes.
Nous lisons les valeurs t1, t2 et t3 sur l’axe des t
(axe A). Il reste à appliquer la formule ci-dessus pour
trouver γ et pour tracer la droite D1. L’intersection
de D1 avec l’axe η donne la valeur du paramètre η.
Mode opératoire du redressement
62
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
■ Exemple
Soit un nuage de points, approximé par la courbe C1. Choisissons A1, A2 et A3. Nous lisons t1 = 2,5,
t2 = 3, t3 = 4,

D’où les trois paramètres de Weibull : γ = 2, η = 2, β = 2,1

et l’équation de la fiabilité :

63
Estimation de la fiabilité par les lois de probabilité

■ Loi à trois paramètres : loi de Weibull

■ Modèle de Weibull : recherche de la MTBF et de la variance

Dans un contexte de gestion de la maintenance, la connaissance de la MTBF d’un système, d’un


module interchangeable ou d’un composant sensible est indispensable pour optimiser un plan de
maintenance systématique (période d’intervention T = k×MTBF).

Comment estimer le MTBF à partir d’une étude de Weibull ?

64
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull
■ Modèle de Weibull : recherche de la MTBF et de la variance

dans laquelle Γ est le symbole d’une fonction eulérienne de seconde espèce.

D’où : MTBF = A η + γ et l’écart type σ=Bη


Notons que la recherche numérique du MTBF et de l’écart-type σ se fait à partir des valeurs des tables
numériques pour une loi de Weibull.
65
Estimation de la fiabilité par les lois de probabilité
■ Loi à trois paramètres : loi de Weibull

■ Modèle de Weibull : recherche de la MTBF et de la variance

Exemple d’une table numérique pour une loi de Weibull


66
Estimation de la fiabilité par les lois de probabilité
■ Récapitulation

67
Fiabilité d’un système
■ La détermination de la fiabilité d’un système électronique, mécanique ou autre nécessite tout
d’abord de connaître la loi de la fiabilité (ou la loi de défaillance) de chacun des composants
intervenant dans le système.

■ Pour un système électronique, chaque composant a un poids important dans la fiabilité du


système, la fiabilité du système est donc calculé en fonction de la fiabilité de tous ses composants.
Les calculs sont effectués sous l’hypothèse que les taux de défaillance sont constants dans le
temps, une hypothèse acceptable pour la plupart des composants, ce qui rend les calculs
beaucoup plus simple. La détermination des taux de défaillance des composants est effectuée soit
à partir des modèles développés dans des bases de données disponibles, soit à partir d’essais
effectués sur les composants ou bien à partir des résultats d’exploitation des produits.

■ La fiabilité d’un système mécanique, contrairement à l’électronique, repose sur la fiabilité de


quelques composants élémentaires responsables de son dysfonctionnement, dits composants
“responsables “ou “critiques” (parfois un seul). 68
Fiabilité d’un système
■ En série
■ On dit qu’un système est un système série d’un point de vue fiabilité si le système tombe en panne
lorsqu’un seul de ses éléments tombe en panne.
■ La fiabilité RS d’un ensemble de n constituants connectés en série est égale au produit des
fiabilités respectives RA, RB, RC, …, Rn de chaque composant.
RS = RA × RB × RC × … × Rn
RS = ς𝑛𝑖=1 𝑅𝑖
■ Si les “n” composants sont identiques avec une même fiabilité R la formule sera la suivante :
R(s) = Rn

Composants en série 69
Fiabilité d’un système
■ En série

■ Si les taux de défaillances sont constants au cours du temps, la fiabilité sera calculée suivant la
formule :

■ Si en plus, les composants sont identiques: λA= λB = λC = …..= λn

70
Fiabilité d’un système
■ En parallèle
■ On dit qu’un système est un système parallèle d’un point de vue fiabilité si, lorsqu’un ou plusieurs
de ses éléments tombent en panne, le système ne tombe pas en panne.
■ La fiabilité d’un système peut être augmentée en plaçant les composants en parallèle.
■ La fiabilité RS d’un ensemble de n constituants connectés en parallèle est :
Rs = 1 - ς𝑛𝑖=1 1 − 𝑅𝑖

Composants en parallèle 71
Fiabilité d’un système
■ En parallèle : Cas du taux de défaillance constant


En intégrant chacun des termes de R(t) dans **, le MTBF = ‫׬‬0 𝑅 𝑡 . 𝑑𝑡 est alors :

72
Fiabilité d’un système
■ Systèmes mixtes
➢ Systèmes parallèle série

Fiabilité d’un ensemble j

Fiabilité du système
73
Fiabilité d’un système
■ Systèmes mixtes
➢ Systèmes série parallèle

Fiabilité d’une branche série

Fiabilité du système

74
Méthodes non paramétriques de détermination de
lois de fiabilité
Les données de survie
Pour déterminer une loi de fiabilité et ajuster ses paramètres, il faut constituer des échantillons de
temps t.

Types de données

Les échantillons sont formés de deux grands types de données :

➢ Les temps de défaillance : le dispositif x a une défaillance à la date t (référencée par rapport à
une origine), t sera une donnée de défaillance de l’échantillon.
➢ Les temps de censure (temps de troncature) : ce sont des valeurs qui ne fournissent pas des
renseignements précis sur l’instant où le seuil de défaillance est atteint.

75
Méthodes non paramétriques de détermination de
lois de fiabilité
➢ Les temps de censure (temps de troncature) : il existe trois types de données censurées : les
données censurées à droite, à gauche ou par intervalle.

✓ Les données censurées à droite : On décide d’arrêter l’observation à la date d. A cette date,
le dispositif n’a pas eu de défaillance. La date d sera une donnée censurée à droite.
✓ Les données censurées à gauche : On décide d’observer l’état du dispositif x à partir de la
date g. On constate que le dispositif est défaillant mais on ne sait pas à quelle date t a eu
lieu cette défaillance. On a seulement l’information t<g.
✓ Les données censurées par intervalle : Le dispositif x a eu une défaillance entre deux dates
g et d connues ; il s’agit d’une donnée censurée par intervalle.

Remarque : Dans le cas du retour d'expérience, on a le plus souvent affaire à des données
censurées à droite : à la date d'observation, le matériel n'a pas eu de défaillance. Remarquons que
les opérations de maintenance préventive qui consistent à remplacer un composant non défaillant
(mais pouvant être dégradé) génèrent des données censurées à droite.
76
Méthodes non paramétriques de détermination de
lois de fiabilité
1 – Méthode de Wayne-Nelson

Elle ne s'applique qu'à du matériel non réparable. Elle consiste à calculer l'évolution de la fonction
de hasard cumulé H(t). Les événements ti (défaillances ou censures) sont classés par ordre
chronologique.

N(t) = nombre d’éléments en service à la date t.

k(t) = nombre d’éléments défaillants à l ’instant t.

k(t)/N(t) = taux de hasard observé.

Construire le tableau
77
Méthodes non paramétriques de détermination de
lois de fiabilité
1 – Méthode de Wayne-Nelson
temps de
nombre d ’éléments nombre de estimation
fonctionnement Taux de hasard estimation
ayant atteint l ’âge t défaillances
jusqu’à observé de H(ti) de R(ti)
à la date t
défaillance

k (t i ) i
k (t i )
ti N (t i ) k (t i ) N (t i ) 
k 1 N (t i )

Le taux de hasard n’est calculé que pour des temps de défaillance ti


78
Méthodes non paramétriques de détermination de
lois de fiabilité
1 – Méthode de Wayne-Nelson

Application au modèle de Weibull : (Si mélange données censurées et non censurées)

De la relation on tire : (γ = 0)

Ou encore :

Cette équation est représentée par une droite dans un papier dont les échelles sont :
❖ en abscisse : log t
❖ en ordonnée : log H(t)
Conséquence : Si H(ti) est issu d’une loi de mortalité suivant un modèle de Weibull, alors les points
expérimentaux s’alignent dans ce papier à échelles fonctionnelles.
79
Méthodes non paramétriques de détermination de
lois de fiabilité
1 – Méthode de Wayne-Nelson

Application au modèle de Weibull : (Si mélange données censurées et non censurées)

■ Détermination des paramètres du modèle.


➢ Facteur de forme β
De la relation (*), on déduit que la droite a pour pente le facteur de forme β

➢ Vie caractéristique η
Dans la relation (*) si t = η, on a log H(t) = 0 d’où H(t) = 1.
Par conséquent, le point de la droite (si elle existe) d’ordonnée H(t) = 1 a pour abscisse t = η.
80
Méthodes non paramétriques de détermination de
lois de fiabilité
2 – Méthode de Kaplan-Meier ou « Product limit »
Il est considéré comme l’estimateur non-paramétrique le plus direct de la fonction de fiabilité en
tenant compte des données censurées.

On note :
di : nombre de défaillants au temps ti considéré
ri : nombre d’équipements en fonction juste avant la date ti (matériels ni défaillants ni
censurés)

𝑖 d dj
La fonction de fiabilité s’écrit alors : R(ti) = ς𝑗=1(1 − j) avec
r
λj =
j rj

On se contente généralement de calculer cet estimateur pour les temps correspondants aux instants de
défaillance observés. R(ti) est donc constant entre deux temps de défaillance.

81
Méthodes non paramétriques de détermination de
lois de fiabilité
2 – Méthode de Kaplan-Meier ou « Product limit »

Exemple : Estimation non paramétrique de Kaplan-Meier de la fiabilité 82


Méthodes non paramétriques de détermination de
lois de fiabilité
2 – Méthode de Kaplan-Meier ou « Product limit »

Exemple d’application de la méthode de l’estimateur de Kaplan-Meier


II s'agit du clapet principal des vannes de décharge au condenseur. Son comportement est observé
sur une installation à vannes. L'échantillon est composé de 44 données dont 37 sont censurées,
l'unité de temps est le jour calendaire.
Cette table donne les temps collectés (temps de défaillance et temps censurés à droite).

365*

83
Méthodes non paramétriques de
détermination de lois de fiabilité
2 – Méthode de Kaplan-Meier
Exemple d’application de la méthode de l’estimateur de
Kaplan-Meier

84
Méthodes non paramétriques de détermination de
lois de fiabilité
– Exemple de comparaison entre les estimateurs de Kaplan Meier et de Nelson

Le jeu de données considéré dans cet exemple est le suivant en unités de temps (ut) :

Les * correspondent à des observations censurées.

Comparez entre les estimateurs de Kaplan-Meier et Nelson en comparant les fiabilités calculées
avec chacun des estimateurs.

85
Méthodes non paramétriques de détermination de
lois de fiabilité
1 - Méthode de Wayne-Nelson
temps de
nombre d ’éléments nombre de estimation
fonctionnement Taux de hasard estimation
ayant atteint l ’âge t défaillances
jusqu’à observé de H(ti) de R(ti)
à la date t
défaillance

k (t i ) i
k (t i )
ti N (t i ) k (t i ) N (t i ) 
k 1 N (t i )

Le taux de hasard n’est calculé que pour des temps de défaillance ti


86
Méthodes non paramétriques de détermination de
lois de fiabilité
2 – Méthode de Kaplan-Meier ou « Product limit »
Il est considéré comme l’estimateur non-paramétrique le plus direct de la fonction de fiabilité en
tenant compte des données censurées.

On note :
di : nombre de défaillants au temps ti considéré
ri : nombre d’équipements en fonction juste avant la date ti (matériels ni défaillants ni
censurés)

𝑖 d dj
La fonction de fiabilité s’écrit alors : R(ti) = ς𝑗=1(1 − j) avec
r
λj =
j rj

On se contente généralement de calculer cet estimateur pour les temps correspondants aux instants de
défaillance observés. R(ti) est donc constant entre deux temps de défaillance.

87
Méthodes non paramétriques de détermination de
lois de fiabilité
– Exemple de comparaison entre les estimateurs de Kaplan Meier et de Nelson

88
Méthodes non paramétriques de détermination de
lois de fiabilité
– Exemple de comparaison entre les
estimateurs de Kaplan Meier et de
Nelson
On peut constater que la fiabilité calculée par
l’estimateur de Nelson donne des résultats
majorés par rapport à la fiabilité déduite de
l’estimateur de Kaplan-Meier.

Bien que les résultats soient tout de même


assez proches, on peut considérer que la
fiabilité calculée par la méthode de Nelson
est un majorant de la fiabilité déduite de la
méthode de Kaplan-Meier.

89
Méthodes non paramétriques de détermination de
lois de fiabilité
3 – Méthode de Johnson ou des rangs médians
Cette méthode calcule l'ordre d'apparition des défaillances en donnant un certain incrément de
l'ordre en fonction du nombre de données censurées entre deux défaillances.
L'ordre d'apparition d'une défaillance est calculé de la manière suivante :

Si I est l'incrément et N l'effectif de l'échantillon, on a :

90
Méthodes non paramétriques de détermination de
lois de fiabilité
3 – Méthode de Johnson ou des rangs médians

Si θi est l'ordre d'apparition de la défaillance (ordre effectif + incrément), le rang médian s'écrit :

et la fiabilité est estimée par :

R(t) = 1 – Rang médian

91
Méthodes non paramétriques de détermination de
lois de fiabilité
2 – Méthode de Johnson

Exemple d’application de la méthode de Johnson


II s'agit du clapet principal des vannes de décharge au condenseur. Son comportement est observé
sur une installation à vannes. L'échantillon est composé de 44 données dont 37 sont censurées,
l'unité de temps est le jour calendaire.
Cette table donne les temps collectés (temps de défaillance et temps censurés à droite).

365*

92
Méthodes non paramétriques de détermination de lois
de fiabilité
3 – Méthode de Johnson ou des rangs
médians
Exemple d’application de la méthode de
Johnson

93
Méthodes non paramétriques de détermination de
lois de fiabilité
3 – Méthode de Johnson ou des rangs médians

Exemple d’application de Johnson


■ II s'agit du même exemple que celui utilisé pour l'estimation par la méthode de Kaplan Meier
(diapositives 83 et 84).

■ Un grand nombre des données de retour d'expérience traitées sont des données censurées à
droite. Il faut donc faire un choix entre la méthode dite de « Johnson » et l'estimateur de Kaplan-
Meier. Les deux estimateurs donnent des résultats comparables sur les (n-1) premières
défaillances. Par contre, l'estimation de la fonction de survie à l'instant de la dernière
défaillance est quelque peu différente (RKP(7ème déf)=0,3816). La méthode de Johnson a
tendance à surestimer cette valeur.

■ Par sa structure non paramétrique indépendante du modèle, l'estimateur de Kaplan-Meier est


devenu un outil classique et universel d'estimation (Droesbeke et al, 1989).
94
Arbres de défaillance
1 – Principe

L’arbre de défaillance est une représentation statique du système. Elle consiste à considérer une
défaillance donnée du système et à construire d’une manière arborescente (descendante)
l’ensemble des combinaisons de défaillances des composants mises en jeu (comportement
binaire des événements élémentaires). L’événement indésirable ou non souhaité est au sommet
de l’arbre d’où la dénomination “ d’événement-sommet ”, les événements indésirables
intermédiaires ou de base étant reliés en cascade à l’aide de symboles correspondant à des
opérations logiques. Une branche se termine toujours par un événement de base (ou événement
élémentaire).

95
Arbres de défaillance
1 – Principe

L’événement non désiré (ou indésirable ou redouté)

L’événement redouté est l’événement indésirable pour lequel on fait l’étude de toutes les causes
qui y conduisent. Cet événement est unique pour un arbre de défaillance et se trouve au “sommet”
de l’arbre. Avant de commencer la décomposition qui permet d’explorer toutes les combinaisons
d’événements conduisant à l’événement redouté, il faut définir avec précision cet événement ainsi
que le contexte de son apparition.

Pour l’analyse de fiabilité : le système tombe en panne (défaillance)

Pour l’étude de la sécurité : l’événement catastrophique à éviter

Pour l’analyse de disponibilité : le système n’est pas disponible


96
Arbres de défaillance
1 – Principe

L’événement intermédiaire

Les événements intermédiaires sont des événements à définir comme l’événement redouté. La
différence avec l'événement redouté est qu'ils sont des causes pour d'autres événements. Par
exemple c’est la combinaison d'événements intermédiaires qui conduit à l’événement redouté.

97
Arbres de défaillance
1 – Principe

L’événement élémentaire

Les événements élémentaires sont des événements correspondants au niveau le plus détaillé de
l’analyse du système. Dans un arbre de défaillance, ils représentent les défaillances des
composants qui constituent le système étudié. Pour fixer le niveau de détail de l’étude, on
considère en général que les événements élémentaires coïncident avec la défaillance des
composants qui sont réparables ou interchangeables.

98
Arbres de défaillance
1 – Principe
➢ Rechercher toutes les combinaisons possibles d’événements entraînant la réalisation de
l’événement non désiré (redouté).
➢ Représenter graphiquement ces combinaisons au moyen d’une structure arborescente dont
l’événement non désiré est le tronc.
➢ Le processus de construction de l’arbre est déductif. Il est construit jusqu’à l’obtention des
causes premières pouvant entraîner l’événement redouté. Ces événements de base doivent
être indépendants.
➢ L’arbre des causes est constitué des combinaisons d’événements conduisant à l’événement
indésirable.
➢ Les combinaisons sont construites à l’aide de portes logiques.
➢ Chaque événement est présenté par un rectangle dans lequel est inscrite la description.

99
Arbres de défaillance
1 – Principe
Un arbre de défaillance est généralement présenté de haut en bas.

100
Arbres de défaillance
Exemple :

Une installation d’éclairage de pièce

Evénement redouté : pas de lumière dans la pièce

Causes directes : la lumière est fournie par les lampes. L’absence de lumière est donc due au fait
que les lampes ne sont pas alimentées ou les lampes sont défectueuses.

✓ Les lampes ne sont pas alimentées ➔ Causes directes : panne secteur ou fusible H.S. ou
interrupteur H.S.

✓ Les lampes sont défectueuses : lampe 1 H.S. et lampe 2 H.S.

➔ Causes directes : température trop élevée ou vibrations ou vieillesse 101


Arbres de défaillance
Arbre de défaillance pour l’exemple proposé

102
Arbres de défaillance

2 – Objectifs

L’arbre de défaillance est une méthode d’analyse qui peut s’appliquer à plusieurs objectifs :

➢ Aide au calcul de fiabilité (vis-à-vis de l’événement non désiré) si on connaît les probabilités
d’occurrence des événements de base

➢ Aide à la détection des dysfonctionnements d’un système

➢ Aide à la conception de la maintenance

➢ Aide à la détermination des causes d’accidents en vue de leur prévention

103
Arbres de défaillance
3 – Représentation symbolique
3-1 - Principales portes logiques
❖ Porte OU
Le système S sera défaillant si les composants A ou B sont défaillants.
C’est le modèle « série ».

❖ Porte ET
Le système S sera défaillant si A et B sont défaillants (modèle « parallèle »
dit redondant).

Remarque : Les portes ET et OU peuvent être associées à des conditions

104
Arbres de défaillance
3 – Représentation symbolique
3-1 - Principales portes logiques
❖ Si condition X :
❖ Outre les opérateurs logiques (OU, ET, …), on peut
- Alors : {Occurrence de S} = {occurrence de
rencontrer d’autres :
E1}
L’évènement de sortie (S) est généré si tous les - Sinon : pas d’occurrence de S
événements d’entrée (ici E1 et E2) sont présents et
si la condition (E1 est présent avant E2) est réalisée.

Exemple d’opérateur Exemple d’opérateur Si


105
Arbres de défaillance
3 – Représentation symbolique
3-1 - Principales portes logiques
❖ Combinaison de m/n
Il y a occurrence de S si m événements sont présents sur n attendus.
Par exemple si m=2 et n=3 alors il suffit que deux des événements élémentaires E1 et E2 soient
présents pour que l’événement S se réalise.

106
Arbres de défaillance
3 – Représentation symbolique
3-2 – Représentation des événements de base
❖ Evénements indésirable ou intermédiaire résultants de la combinaison d’autres événements par
l’intermédiaire d’un opérateur

❖ Evénement élémentaire ou événement de base : il est inutile d’en chercher les causes, on en
connaît la probabilité d’occurrence. Exemple : la défaillance première d’un composant – une
erreur humaine élémentaire – un sous-système indisponible pour cause de maintenance
préventive

107
Arbres de défaillance
3 – Représentation symbolique
3-2 – Représentation des événements de base
❖ Evénement non élémentaire mais dont on ne cherche pas les causes. L’analyste ne peut pas
poursuivre l’étude faute de connaissances suffisantes sur la structure du système.

❖ Evénement non élémentaire qu’on ne peut pas provisoirement le détailler. L’étude peut être
poursuivie ultérieurement.

108
Arbres de défaillance
3 – Représentation symbolique
3-3 – Transferts de sous arbre

109
Arbres de défaillance
4 – Construction d’un arbre de défaillance
❑ La première étape consiste à définir l'événement sommet, c'est-à-dire la défaillance, de façon
explicite et précise afin que l'arbre construit réponde bien aux attentes de l'étude (par exemple les
événements suivants ne sont pas équivalents : défaillance de la stabilité d'un bâtiment, ruine
d'un bâtiment sous l'action d'un séisme, rupture d'un bâtiment sous l'action de la neige, etc.).

❑ La deuxième étape consiste à décrire l'ensemble des événements, par des combinaisons
logiques, pouvant engendrer l'événement sommet. Il apparaîtra donc des événements moins
globaux que l'événement sommet, que l'on nommera événements intermédiaires, et un
connecteur logique qui les relie à l'événement sommet.

❑ Les étapes suivantes consistent à décrire successivement l'ensemble des lignes permettant
d'expliquer les lignes supérieures (par des événements et des connecteurs logiques) jusqu'à avoir
écrit l'ensemble des causes connues. Il s'agit de répéter la deuxième étape jusqu'à l'obtention
des événements de base qui sont des événements qui ne se décomposent plus en événements
plus fins.
110
Arbres de défaillance
5 – Règles de construction d’un arbre de défaillance

➢ Élaboration horizontale
Il est tentant de rechercher en cascade les évènements d’une même branche, depuis l’évènement
indésirable jusqu’à la limite de l’étude.
Cependant il est absolument nécessaire de mener l’analyse horizontalement.
Pour un événement, il faut chercher toutes les causes immédiates, nécessaire et suffisantes (CINS)
de son niveau avant de passer au niveau inférieur.
Si l’élaboration ne se fait pas comme cela, vous risquez de générer des décalages dans le graphique
qui rendront sa lecture et sa compréhension difficile.

➢ Liaisons et désignation des évènements


Vous ne devez pas avoir deux opérateurs logiques qui se suivent. Il faut absolument enchainer sur
des évènements.
111
Arbres de défaillance
Exemple d’application

112
Arbres de défaillance
Exemple d’application
La suite de l’arbre est alors :
Le début de l’arbre est le suivant

113
114
Arbres de défaillance
6 – Analyse quantitative des arbres de défaillance
Hypothèses préalables :
- On utilisera le taux de défaillance élémentaire λi , estimé pour chaque composant et supposé
constant.
– Les événements élémentaires seront supposés indépendants.
– On se placera dans le cas des systèmes « non réparables » : la défaillance subsiste jusqu’à la fin de
la mission sans intervention de la maintenance.

115
Arbres de défaillance
6 – Analyse quantitative des arbres de défaillance
Exemple de quantification
La figure représente un exemple d’arbre de défaillance dont les taux de défaillance des quatre
composants élémentaires sont connus.

116
Arbres de défaillance
6 – Analyse quantitative des arbres de défaillance
Exemple de quantification

117
Arbres de défaillance

Exercice : Unité de production de vapeur


- Le schéma de principe d’une unité de production de vapeur (UPV) est donné par la figure de la
diapositive suivante.
- L’UPV comporte deux chaudières alimentées en combustible et en eau. Elle possède également un
système de rejet des produits de combustion permettant de respecter l’environnement. La vapeur
produite par les deux chaudières alimente deux utilisateurs : U1 et U2.
- On définit deux niveaux de performance :
➢ Niveau de performance 1 : avec deux chaudières en fonctionnement nominal, les deux
utilisateurs U1 et U2 sont alimentés.
➢ Niveau de performance 2 : si une seule des deux chaudières fonctionne, seul l’utilisateur U1
est alimenté. En effet, cet utilisateur est considéré prioritaire, et en cas de défaillance d’une
chaudière, l’utilisateur U2 est délesté (déconnecté du réseau de distribution) en faveur de
l’utilisateur U1.

118
Arbres de défaillance
Exercice : Unité de production de vapeur

Combustible
Chaudière 1
(charbon + fuel)
Déchets
Eau Chaudière 2

Vanne
d’admission

U1 U2

Construire l’arbre de défaillance pour l’événement redouté « non alimentation de l’utilisateur U1 »


119
Arbres de défaillance
Exercice : Unité de production de vapeur
non alimentation utilisateur U1

pas de vapeur en sortie chaudières pas de distribution vapeur

chaudière 1 HS chaudière 2 HS rupture fermeture intempestive


réseau de distribution vanne admission

chaudière1
défaillance non alimentée
défaillance système
chaudière1 d’évacuation
des déchets

manque manque
eau combustible 120

Vous aimerez peut-être aussi