Chapitre 1 : Maintenance et notions de fiabilité

L'objectif de ce cours

Objectifs :

familiariser les étudiants(es) avec les principes de base et les

techniques d'analyse de fiabilité des machines et des systèmes de
production,

leur permettre d'acquérir des éléments de base pour l'organisation

et le contrôle de la maintenance en industrie.

donner à l'étudiant les outils de base pour diagnostiquer un

problème de machines.

apporter à l'étudiant une connaissance des principes et des

équipements de mesure.
À la fin du cours, l'étudiant(e) devra être en mesure de :

connaître les méthodes de maintenance.

connaître les différentes phases de durée de vie d'un produit,

équipement ou service.

connaître les différentes techniques d'analyse de fiabilité.

estimer la durée de vie utile d'un produit.

connaître les différents éléments d'un programme de fiabilité et de

gestion de la maintenance.
 établir des planifications d’entretien de machines par surveillance
vibratoire des machines.

 faire le diagnostic des défauts de machines.

 utiliser les équipements de mesure.

 PLAN DU COURS
1. Taux de défaillance
2. Estimation de fiabilité des équipements par la loi exponentielle
3. Estimation de fiabilité des équipements par la loi de Weibull.
4. Organisation des opérations de maintenance
5. Maintenance corrective
6. Maintenance préventive et techniques de surveillance
7. La maintenance conditionnelle par surveillance des vibrations
8. Traitement du signal
9. Diagnostic de l'état de fonctionnement d'une machine.
10. Diagnostic des défauts de machines.
 Chapitre 1
Objectifs de l'étude de fiabilité
 Définition de la fiabilité : Probabilité pour qu'un dispositif accomplisse
une fonction
 dans des conditions de fonctionnement spécifiées
 pendant une durée donnée.

 Objectifs de l’étude de la fiabilité :

 La durée de vie d’un produit est une variable aléatoire.
 Répondre aux questions suivantes:

− Quelle est la durée de vie d’un produit pour fonctionner sans

pannes?
− quelle proportion du produit va faire défaillance avant la fin de la
garantie?
− Quelle période de garantie peut on donner à un nouveau
produit?
− Quand doit-on effectuer les travaux de maintenance ou
remplacer une pièce?
 Définitions
Notation de base :

 No:nombre de composants initiaux

 Ni: nombre de survivants au temps ti
 ni: nombre de composants qui vont faillir entre les
instants ti et t i+1
 ∆t: intervalle de temps observé
 ∆ t = t i+1 - ti
 Fonction de défaillance f(t)
La fonction de défaillance f(t) est représentée par le quotient du
nombre de défaillants ni par intervalle de temps sur le nombre
d’éléments initiaux No :
( ) = /( ∆ )

Fonction de défaillance

0,07

0,06

0,05

0,04
f(t) (%)

0,03

0,02

0,01

0
0 500 1000 1500 2000 2500 3000 3500
heures
 Fonction de défaillance cumulée F(t)

 La fonction de défaillance cumulée F(t) est représentée par le quotient du

nombre de défaillants à l’instant t par rapport au nombre de composants
initiaux No.

Fonction cumulée de défaillance

1
0,9
0,8
0,7
0,6
F(t)

0,5
0,4
0,3
0,2
0,1
0
0 500 1000 1500 2000 2500 3000 3500
Heures
 Fonction de fiabilité R(t) (probabilité de survie)

 La fiabilité R(t) est la probabilité P pour que le système remplisse sa

mission entre l'instant 0 (P=1) et l'instant t. C'est une fonction
décroissante du temps qui tend vers 0.
 La durée de vie t peut s'exprimer en heures, semaines, cycles, km,
etc..

Loi de fiabilité
0,8
0,6
R(t)

0,4
0,2
0
0 500 1000 1500 2000 2500 3000
heures
 La loi de distribution R(t) représente la proportion de survivants
N(t) par rapport au nombre initial No à chaque instant.
 R(t) = N(t)/No
 R(t) = 1 - F(t)
 Elle doit être établie:
 soit empiriquement à partir d'échantillons (laboratoires ou
conditions d'utilisation) ou bien
 Semi-analytiquement à partir d'hypothèses sur le profil de
vie, basées sur l'historique (par exemple, la durée de vie
suit une loi exponentielle; les mesures d'inspection suivent
une loi normale,etc.)
 Taux de défaillance
 C'est la probabilité, par unités de temps ou d'usage, de voir le système
tomber en panne dans les instants qui suivent ∆t. C’est une prédiction faite
à l’instant t.
 Il dépend par conséquent du temps t où on se trouve.
 Il s'exprime comme le quotient du nombre d'unités défaillantes n(∆t) par
unités de temps ∆t par le nombre de survivants au temps t considéré N(t)
 λ(t)= n(∆t)/(∆t x N(t)).
 Le taux de défaillance moyen est utilisé comme une mesure de la fiabilité
d'un produit.

 Il peut augmenter, être constant ou diminuer dans le temps. C'est un indice

de qualité de la maintenance.
 Si la loi est exponentielle, le taux de défaillance est constant et suffit à lui
seul à définir la fiabilité du système.
 Le taux de défaillance s ’exprime comme le quotient de la fonction de
défaillance f(t) sur la fonction de fiabilité R(t):
 λ(t) = f(t+ ∆t) /R(t)
Détermination expérimentale du taux de défaillance

• La détermination expérimentale du taux de défaillance nécessite un

grand nombre de données sur une période très longue (toute la plage
de durée de vie).

• Ceci est impossible pour des mécanismes nouveaux ou lorsque il y a un

manque d ’information statistique.

• La méthode de l ’actuariat permet de déterminer le taux de

défaillance en cas de données partielles, sous hypothèse que le
nombre d ’éléments mis en fonctionnement soit suffisant.
 Méthode de l’actuariat

• Il n ’est pas utile de commencer l ’observation au temps 0 pour

appliquer la méthode.
• Le taux de défaillance est calculé par intervalle de temps comme
précédemment.
• L ’intervalle de temps est définit comme le temps maximal
d ’observations divisé par le nombre de classe.
• Le nombre de classes est calculé comme la valeur maximale entre =
ou = 1 + 3.3 log
• Il est recommandé de regrouper les données pour avoir au moins 5
défaillances par classes.
 Catégories de défaillances

Défaillances catalectiques
• complètes et soudaines
• rupture brusque
• Difficile d’observer la dégradation
• impossible d’utiliser une maintenance conditionnelle.
Défaillances par dérives
• On voit progresser la dégradation
• usure, frottement
• adaptées aux techniques de surveillance en maintenance
conditionnelle (prédictive).
 Taux de défaillance décroissant
On retrouve ce type de défaillance sur des équipements qui vont durer
après avoir réglé tous les problèmes, comme, par exemple, les logiciels
(dont on règle les problèmes au fur et à mesure), les structures (dont la
conception est révisée jusqu’à ce que la résistance soit mise au point), etc.
Taux de défaillance

Temps
 Taux de défaillance croissant
On retrouve ce type de défaillance dans les pièces d’usure, les freins, les
amortisseurs d’impact, les caoutchoucs et toute pièce sujette à la
dégradation.
défaillance
Taux de

Temps
Taux de défaillance
Courbe en baignoire

Temps
 Période de jeunesse

A titre de prévention, on pratique un déverminage: consiste à mettre en

fonctionnement pendant un certain temps (168 h par exemple) les
composants que l’on veut livrer au client (période de rodage).
• suite au déverminage, le taux de défaillance diminue en fonction
du temps (composants viciés au départ, malfaçon lors de la
fabrication, élimination des faiblesses).
• défauts de fabrication ou de matériaux
• Les produits sont réparés ou jetés.
• Si cette période est trop longue, le contrôle de qualité est déficient.
• La durée de cette période indique la durée d’ essais destructifs
 Période de vie utile (maturité)

le taux de défaillance λ(t) est constant (matériel

électronique) ou légérement croissant (matériel mécanique).
la loi de fiabilité R(t) est exponentielle décroissante.
Les défauts proviennent d'accidents (catalectiques) ou de
charges excessives.
Le type de maintenance peut être préventif, systématique
ou correctif.
 Période de vieillissement

Dégradation importante par dérives.

le taux de défaillance augmente à cause du
vieillissement (usure, fatigue)
période où il faut surveiller le matériel, on applique la
maintenance préventive conditionnelle.
La période de transition permet de déterminer les
dates de remplacement des pièces et de maintenance.
Durant cette période, on peut définir un taux de défaillance
limite définissant un seuil d’usure à ne pas dépasser, afin de
prévoir les dates d’entretien préventif et d’arrêt de
l’équipement.
PRINCIPE DE MAINTENANCE
CONDITIONNELLE
Taux de défaillance

Taux de défaillance limite

Date de
Temps maintenance
 TEMPS MOYEN AVANT (OU ENTRE)
DÉFAILLANCES (MTTF OU MTBF)
MTTF= moyenne de durée de vie (pour les produits non
réparables).
Pour les produits réparables, on utilise MTBF (temps
moyen entre les défaillances ou espérance
mathématiques des défaillances)
MTBF = Somme (ti x ni) / No
MTBF représente la surface totale sous la courbe de
R(T).
Égal à la réciproque du taux de défaillance (lorsque
celui-ci est constant).
 TEMPS MOYEN ENTRE LES DÉFAILLANCES
(MTBF)
Notion essentielle quand le durée de vie est exponentielle.
Notion insuffisante pour les autres profils de vie.
Définitions lorsque le matériel est réparable
MTTR: temps moyen pour réparer
MDT: temps d’arrêt total
MUT: Temps de fonctionnement
MTBF = MDT+MUT
Très souvent, on supposera que MTBF = MUT
CHAPITRE 2
ESTIMATION DE LA FIABILITÉ
Objectif : Estimer la fiabilité à partir de modèle mathématiques de la
distribution de vie.
Plan de la présentation
Fonction de défaillance exponentielle
Types de données
Estimation des paramètres pour une distribution exponentielle.

22/10/2019 24
LOI EXPONENTIELLE

Une des lois les plus utilisées en fiabilité (période de maturité)

S ’applique à tous les appareils convenablement mis au point
(après le rodage et avant l ’usure)
Elle est défini par un seul paramètre: λ le taux de défaillance
(constant).
Sa moyenne représentera très souvent le temps de bon
fonctionnement (MTBF) ou l ’inverse du taux de défaillances
(1/ λ).

22/10/2019 25
LOI EXPONENTIELLE
Correspond à un dispositif possédant un grand
nombre de composants et de modes de défaillances.

L o i d e f ia b ilit é

1
0 ,9
0 ,8
0 ,7
0 ,6
R(t)

0 ,5
0 ,4
0 ,3
0 ,2
0 ,1
0
0 5 0 0 1 0 0 0 1 5 0 0 2 0 0 0 2 5 0 0 3 0 0 0
h e u r e s

22/10/2019 26
 LOI DE FIABILITÉ EXPONENTIELLE R(T)

C’est l’aptitude d’un dispositif à accomplir une fonction

requise, dans des conditions données, pendant une durée
donnée entre un instant 0 et un instant t.

t
−  λ (t )dt
R (t) = e 0 = e−λ t

22/10/2019 27
 FONCTION DE DÉFAILLANCE EXPONENTIELLE f(T)

t
−  λ (t ) dt
f (t ) = λ(t ) R(t ) = λ(t ) e 0
= λ × e−λt
On constate que le taux de défaillance λ s’exprime comme la
fonction de défaillance à l’instant initial
L’espérance mathématique E(t) de cette fonction de densité f(t)
représente le temps moyen de bon fonctionnement MTTF :
E(t) = 1 / = MTTF

22/10/2019 28
 FONCTION DE DÉFAILLANCE EXPONENTIELLE F(T)

L’aire sous la courbe à partir d’un instant t représente la

proportion des composants qui survivront après l’instant t.
C’est la fiabilité R(t) à l’instant t.

Fonction défaillance f(t)

0,01
λ
0,008

0,006

0,004

0,002 F(t) R(t)

0
Temps

22/10/2019 29
 FONCTION CUMULÉE DE DÉFAILLANCE
EXPONENTIELLE F(T)

t
− λ(t )dt
t

F(t) =  f (t) dt =1− R(t) =1−e 0 =1−e−λt
0
La probabilité pour qu’un système tombe en panne entre deux
instants t1 et t2 se calcule comme la surface sous la courbe de la
fonction de densité de probabilité entre ces 2 instants F(t2)-F(t1)
La fonction LOI.EXPONENTIELLE dans EXCEL permet de calculer les
fonctions de densité et cumulées de défaillance.

22/10/2019 30
TEMPS MOYEN DE BON FONCTIONNEMENT
MTBF
Le temps moyen de bon fonctionnement peut s’exprimer comme la
surface sous la courbe de fiabilité. C’est l’inverse du taux de
défaillance

∞ ∞

 R (t ) dt =  e
−λt 1
MTBF = dt =
0 0
λ

22/10/2019 31
RÉSUMÉ SUR LA LOI EXPONENTIELLE
L'aire sous la courbe de la fonction de défaillance f(t), à partir d'un
instant t, représente la proportion des composants qui survivront
après cet instant. C'est la fiabilité R(t) à l'instant t.
Le taux de défaillance est constant dans la période de maturité.
La fonction de défaillance est exponentielle durant cette période.
Le taux de défaillance est égal à la fonction de défaillance f(t) divisé
par la fiabilité R(t).
La durée de vie moyenne MTTF (ou MTBF) est la réciproque du taux
de défaillance dans la période de maturité.
Le taux de défaillance suffit à déterminer tous les autres paramètres.
La fiabilité estimée à l'instant de la durée de vie moyenne R(MTTF)
est de 36.7%. C'est une constante.

22/10/2019 32
 RÉSUMÉ SUR LA LOI EXPONENTIELLE

Si on veut que la durée de vie prévue lors de la conception procure

une bonne fiabilité, cette durée de vie doit être nettement inférieure à
MTTF.
En général, on établit la durée de la garantie pour une fiabilité de
90%.
Pour connaître R(t), on doit déterminer le taux de défaillance.
Le fait que le taux de défaillance soit constant signifie que les
défaillances sont aléatoires (indépendantes du temps).

22/10/2019 33
OBSERVATIONS EN EXPLOITATION
Les données expérimentales disponibles pour estimer les durées de vie
consistent dans la connaissance plus ou moins complètes des instants
de défaillance.
Le suivi en exploitation aura deux objectifs:
Collecter les données événementielles afin de trier les défaillances
souhaitées (en fonctionnement, à l ’arrêt, par mode, par
conséquence)
mesurer le paramètre d ’observation correspondant aux
défaillances choisies.

22/10/2019 34
TYPES DE DONNÉES
Données complètes:
tous les échantillons sous test ont été observés (contrôle de qualité) et
ont subi une défaillance.
Données incomplètes: (essais de durée de vie)
Au moment de l’analyse, certaines unités sont encore en fonctionnement.
Elles ont le même age.
Type 1( données tronquées dans le temps): Les survivants sont retirés du
test en même temps.
Type 2 (données tronquées à partir d'un nombre de défaillances pré-
déterminées): On attribue aux survivants le taux de défaillance du
dernier échantillon défectueux.
Composants réparables: On continue les essais après avoir réparé.
Intervalle de temps: on inspecte les échantillons à des temps spécifiés et
on note leur condition.
22/10/2019 35
DONNÉES COMPLÈTES

Si les données sont complètes, le taux de défaillance

peut être estimé comme le rapport du nombre
d'échantillons n sous test par le temps total d'essais.

n
λ = n

i = 1
ti

22/10/2019 36
ESSAI TRONQUÉ EN TEMPS T
Le taux de défaillance est estimé comme étant le quotient du nombre r
d ’éléments défectueux par la somme des temps de défaillance ti et du
produit du nombre de survivants (n-r) par le temps T:

r
λˆ = r
 t i + (n − r ) T
i =1

22/10/2019 37
 INTERVALLE DE CONFIANCE (RAPPEL)

Si, pour avoir un estimé µ d’un lot N, on choisit une valeur X d ’après
un échantillon n du lot, alors
Prob(X−k <μ<X+k) = 1−α
1- α est le coefficient de confiance de µ.
X-k, X+k est l ’intervalle de confiance.
La valeur de k est déterminée selon la loi de probabilité.

22/10/2019 38
 INTERVALLE DE CONFIANCE DONNÉE À
L’ESTIMÉ
Après avoir déterminé un estimé du taux de défaillance, il est nécessaire
d’établir l’intervalle de confiance à l'intérieur duquel se situe l’estimé afin de
pouvoir porter un jugement sur la variabilité du résultat obtenu, car l’estimé
obtenu à partir d’un ensemble d’échantillons peut être différent d’un autre
ensemble d’échantillons extrait de la même population.
L’intervalle de confiance permet de définir la probabilité pour que l’estimé
soit compris entre des bornes. Ce pourcentage de chance est représenté par
la surface sous la courbe du khi-deux.
On peut définir des bornes inférieures, supérieures ou extrêmes. L’intervalle
de confiance est obtenu à l’aide d’un test de χ2 .
L’intervalle de confiance dépend du type de données (tronquée en temps, en
défaillances).

22/10/2019 39
 INTERVALLE DE CONFIANCE POUR DES DONNÉES
TRONQUÉES EN TEMPS

Les bornes attribuées à l’estimation du taux de défaillance

pour des données tronquées en temps sont, pour une marge
de confiance de 100 (1 - α)% :
 ˆ χ 2 (2 r , 1 − α 2 ) ˆ χ 2 (2 r + 2, α 2 ) 
λ , λ 
 2 r 2r 

limite inférieure limite supérieure

χ 2 (2n, 1 − α 2 ) χ 2 (2n + 2, α 2 )

22/10/2019 40
CALCUL DU KHI-DEUX ( 2)

Les valeurs de Khi-deux peuvent être calculées à l’aide de la fonction

Khideux.inverse (α,ν ) dans Excel ou en utilisant les tables.
ν représente le nombre de degrés de liberté.
α représente une probabilité associée à la distribution khi-deux.
Attention : l’écriture de (α,ν ) est inversée par rapport aux notes de
cours.

22/10/2019 41
DONNÉES TRONQUÉES EN NOMBRE DE
DÉFAILLANCES r
On attribue le temps tr à la dernière défaillance.
Le taux de défaillance est estimé comme étant le quotient du nombre r
d ’éléments défectueux par la somme des temps de défaillance ti et du produit
du nombre de survivants (n-r) par le temps tr:
r
λ =
ˆ
r

t i + (n − r ) tr
i =1
Dans le cas d’un taux de défaillance estimé à partir d’une troncation en nombre
de défaillances, les bornes de l’estimé, sont établies avec un intervalle de
confiance de 100 ( 1-α) % par :
# #
,!" ,
∈ ,

22/10/2019 42
  ˆ χ 2 (2 r ,1−α 2 ) χ 2 (2 r ,α 2 )
 λ × 2r
< λ < λˆ ×
2r 

22/10/2019 43
 TAUX DE DÉFAILLANCE MAXIMAL
Parfois, il suffira de déterminer la valeur maximale du taux de défaillance
( ou minimale du MTTF), avec un intervalle de confiance de (1- α) %

χ 2 (2 r ,α )
λ ≤ λˆ ×
2r

22/10/2019 44
 COMPOSANTS RÉPARABLES

Si les échantillons sont réparables, réparés , puis remis sous test, le taux de
défaillance est estimé comme le rapport du nombre de réparations par le
temps total des essais.

nombre de réparations
λˆ =
nombre d ' heures totales d ' essais

22/10/2019 45
DONNÉES OBTENUES PAR INTERVALLES DE
TEMPS ∆T
Le taux de défaillance à chaque intervalle de temps est estimé comme le
quotient du nombre de défectueux dans l ’intervalle ∆t divisé par le
produit de ∆t et du nombre de survivants à l ’instant d’avant Ni.
Il est recommandé de regrouper les données pour avoir au moins 5
défaillances par classes
Le taux de défaillance moyen est estimé d’après la moyenne de ces
résultats.

λ (t )=
( N (t )− N (t + ∆ t )) ∆ t
N (t )
22/10/2019 46
DÉFAILLANCE NULLE
Ce cas arrive quand:
le matériel est très fiable
les événements attendus sont rares
les durées d ’essai sont insuffisantes
les populations de matériels sont réduites.
On peut déterminer un taux de défaillance maximal avec une confiance (1-
α)% où N0 représente le nombre de composants testés et t le temps de
l’essai.
,%
<
&' (

22/10/2019 47
TAUX DE DÉFAILLANCE λ(T) LINÉAIREMENT
CONSTANT
Un taux de défaillance linéaire se retrouve dans certains
phénomènes d’usure en mécanique en fin de période de
maturité.
(T) = aT + b
1 21
" ./3
) * =+ " ,' -(./ 0(
=+

 at 2 
+ ∞ − + bt 
 2 
MTBF =  e   dt
0

22/10/2019 48
 FIABILITÉ SUIVANT UN MODÈLE LOG-
NORMAL
On retrouve le modèle log-normal dans des phénomènes de
fatigue ou d’usure en mécanique (période de vieillesse).
! 3 ! "8 9: ; <=
) * =1− , + > ?
5 6 7 (
@A ( "B
= C la variable centrée réduite
5
F(t) = LOI.NORMALE.STANDARD(U)
 σ 2
m + 
 2 
MTBF = e 

22/10/2019 49
LOI DE WEIBULL
formulation adaptable à de nombreuses distributions empiriques
grâce à trois paramètres:
Couvre la presque totalité des comportements de matériel.
E<G I
"
D E =F H

β est le paramètre de forme. Plus le paramètre de forme est

élevé, plus le matériel est simple technologiquement (nombre
limité de composants et de modes de défaillances)
θ est le paramètre d’échelle ( en temps);
G est le paramètre de position ( en temps).
22/10/2019 50
 EXEMPLES DE LOI DE WEIBULL EN FONCTION DE β

22/10/2019 51
 LOI DE WEIBULL
La formulation se trouve simplifiée lorsque le paramètre de
position est nul (début des observations au temps zéro).
Si le paramètre de forme = 1, on obtient une loi exponentielle.
Si le paramètre de forme = 3.25, le paramètre d ’échelle égal à 1
et le paramètre de position nul, on obtient une loi normale.
La moyenne (temps de bon fonctionnement) est fonction d ’une
loi Gamma.

22/10/2019 52
MODÈLE DE WEIBULL

Si β = 1 et mu = 0, ce modèle correspond à une loi

exponentielle avec 1/λ = θ et un taux de défaillance λ
constant. (période de maturité)
Si β = 2, on a un taux de défaillance linéairement constant
(usure normale en période de maturité)
Si β plus grand que 3, on tend vers une loi normale (taux de
défaillance croissant dans le temps, période de vieillesse).

22/10/2019 53
 MODÈLE DE WEIBULL
Modèle le plus souvent rencontré comme distribution
alternative à la loi exponentielle.
Le taux de défaillance est fonction du temps.
Si le taux de défaillance est décroissant dans le temps, β est
inférieur à 1 (période infantile).

β −1
f(t) β  t − γ 
λ(t) = =  
R(t) θ  θ 

22/10/2019 54
TAUX DE DÉFAILLANCE EN FONCTION DE LA
PÉRIODE DE VIE

22/10/2019 55
 CALCUL DE WEIBULL AVEC EXCEL

LOI.WEIBULL(t,β,θ,Vrai) dans Excel calcule la fonction de défaillance cumulée

F(t)
t représente la variable avec laquelle la fonction doit être calculée.
β est un paramètre de forme pour la distribution.
θ est un paramètre de temps pour la distribution.
ν=0
Vrai pour obtenir la fonction cumulée des défaillances et Faux pour obtenir la
fonction de défaillance instantanée.
R(t) = 1- F(t)
LOI.WEIBULL(105;20;100;VRAI) égale 0,929581 et représente
F(105).
la fiabilité est de R(105) = 1- 0.929 =0.071.

22/10/2019 56
FIABILITÉ MINIMALE ESTIMÉE À PARTIR
D’UNE LOI BINOMIALE
Lorsque les temps de défaillance de chaque échantillon ne
sont pas connus, mais qu’on connaît la proportion de
composants f qui ont failli dans un intervalle de temps, on
peut appliquer une loi binomiale pour déterminer la limite
inférieure de la fiabilité en admettant un pourcentage de
chances donné.

22/10/2019 57
Si f(t) est le nombre d’unités ayant failli après un temps t et
n le nombre total d’échantillons, la limite inférieure de la
fiabilité RL peut être déterminée avec un intervalle de
confiance α, en utilisant la formule suivante :
n − f −1
RL ≥
n + Zα n ( f + 1) ( n − f − 2 )

où Zα est la variable standard normale pour

P(Z < Zα) = α.
On peut calculer dans Excel la valeur Zα d’après:
LOI.NORMALE.STANDARD.INVERSE(α).
CHAPITRE 3 : ÉTUDE DES MODÈLES
DE FIABILITÉ.

59
PLAN : ÉTUDE DES MODÈLES DE FIABILITÉ.

Méthodes analytiques pour vérifier la validité d’une loi.

Test d'adéquation
Test sur la moyenne, écart-type connu
Test sur la moyenne, écart-type inconnu
Test du khi-deux
Application du test du Khi-deux à une loi exponentielle
Méthodes graphiques pour déterminer la loi des modèles
Loi exponentielle
Tracé de hasard
Loi de Weibull
Tracé de hasard
Fonction de répartition

60
TEST D'ADÉQUATION
Les modèles établis sont issus d’un échantillon, puis à partir d’une
hypothèse qu’ils suivent une loi particulière.
Objectif: vérifiez l'hypothèse que la loi choisie pour traiter les
données est valide.
On définit la probabilité de se tromper, en utilisant une loi, par le
niveau de signification Alpha (risque d’erreur faible).

61
TEST D'ADÉQUATION
Une hypothèse Ho (appelée hypothèse nulle) est proposée sur la
valeur d’un paramètre ou sur la relation entre les paramètres de
plusieurs populations.
En se basant sur des échantillons extraits de la population, on vérifie
si l ’hypothèse Ho est vraie.
Si l ’hypothèse Ho ne s ’avère pas vraie, on acceptera une hypothèse
alternative H1.

62
 PROCÉDURE DU TEST
D'ADÉQUATION
 Formuler Ho et H1
 Sélectionner un test statistique approprié
 Choisir un niveau de signification (ou risque d’erreur)
 Spécifier la région critique à éviter
 Calculer les valeurs du test statistique à partir d’un échantillon.
 Rejeter Ho si les valeurs tombent dans la région critique.

63
TEST SUR LA MOYENNE, ÉCART- TYPE CONNU
On suppose que la population suit la loi normale N(0,1) avec un écart
type connu σ.
On fait le changement de variable :

X −m
Z=
σ n

où m caractérise la moyenne théorique

σ représente l’écart type connu,
X est la moyenne observée sur n échantillons et
n est le nombre d’échantillons.

64
 TEST SUR LA MOYENNE, ÉCART- TYPE CONNU
L’hypothèse Ho est formulée afin de vérifier que la moyenne des
observations est égale à une valeur hypothétique de la moyenne m.
L’hypothèse H1 peut être formulée de différentes façons. Les différents cas
sont les suivants :
 la moyenne observée est inférieure à la valeur prédéterminée m
 On rejette alors Ho si Zobservation < -Zα , α étant le niveau de signification et Zα
étant défini par P(Z< Zα) = α.

 la moyenne observée est supérieure

 On rejette alors Ho si Zobservation > Zα

 la moyenne observée est différente

 On rejette alors Ho si Zobservation < -Zα/2 ou si Zobservation > Zα/2. Zα peut être
calculé avec LOI.NORMALE.STANDARD.INVERSE (α)

65
TEST SUR LA MOYENNE, ÉCART-TYPE
INCONNU.
La moyenne X et l’écart type sont calculés à partir des observations.
L’hypothèse H0 est définie pour vérifier que la moyenne des
observations est égale à la valeur hypothétique de m.
On applique la loi de Student avec le changement de variable :

X −m
t =
o b s e r v a tio n
σ n

66
 TEST SUR LA MOYENNE, ÉCART-TYPE
INCONNU.
L’hypothèse H1 peut être choisie de différentes façons :
 la moyenne observée est inférieure à la valeur prédéterminée m
 On rejette alors Ho si tobservation<-tα , α étant le niveau de signification et tα étant
défini par P( tn-1> tα) = α.

 la moyenne observée est supérieure

 On rejette alors Ho si tobservation > tα

 la moyenne observée est différente

On rejette alors Ho si tobservation < -tα/2 ou si tobservation > tα/2. tα peut être calculé avec
Loi.Student.Inverse (α,n-1)

67
TEST DU KHI-DEUX
Ce test est basé sur l'écart E au sens des moindres carrés entre les valeurs
observées des défaillances et celles du modèle théorique.
LM − 7 NM LM − JM
J=K == K
7 NM JM
MO! MO!
r le nombre de classe
LM le nombre observé de défaillances par classe
7 le nombre d’individues totale de l’échantillon
NM la probabilité de se trouver dans la classe
JM le nombre théorique de défaillances dans la classe.
E suit une loi khideux à ν ddl : ν = ρ− γ−1
(γ =1 loi exp, γ =2 loi norm et γ =3 loi Weibull)
Si E > χ2(α,ν ), on rejette l'hypothèse que le modèle théorique est bon, en
considérant un risque de se tromper (α).
Le nombre d'échantillons doit être supérieur à 50 : n > 50
68
TEST DU KHI-DEUX
On définit des classes i (le nombre d'observations doit être Ai > 5 par
classe).
Le χ2(α,ν ) est défini par son niveau de signification α et par ses
degrés de liberté.
Le nombre de degrés de liberté ν du test est (r étant le nombre de
classes):
pour une loi exponentielle ν = r-2
pour une loi normale ν = r-3
pour une loi de Weibull ν = r-4

69
 APPLICATION DU TEST KHI-DEUX À UNE
LOI EXPONENTIELLE
1. On estime le taux de défaillance d'après les données (chapitre 2).
2. On rassemble les données (nombre de défaillances) par classe (Ai >5)
3. On calcule le nombre de défaillances théorique Ei par classe:
J = ()( ) − )( + 1))
4. On calcule l'écart par classe = (L − J )2 /J
5. On calcule E= somme des écarts par classe
6. On calcule le χ2(α,ν ), correspondant au niveau de signification α
considéré et au degré de liberté (ν = r-2)
Si E > χ2(α,ν ), on rejette l’hypothèse H0

70
DÉTERMINATION DE LA LOI DU MODÈLE MÉTHODES GRAPHIQUES.

Les données sur les défaillances proviennent d’essais ou de l’observation en

service.
Des méthodes graphiques peuvent aider pour vérifier le type de distribution
des données.
Deux type de méthodes graphiques :
 Graphe de fonction de répartition
 Graphe de hasard

Calcul du
pourcentage cumulatif de défaillances (fonction de répartition) ou
de la fonction cumulative de hasard (évolution du taux de défaillance)
L'application de l'une de ces fonctions sur des papiers graphiques à échelle
fonctionnelle, appropriés à chaque loi donne une droite si la loi est la bonne.

71
TRACÉ DE HASARD D'UNE LOI EXPONENTIELLE

Méthode pouvant être utilisée quelque soit le type de données.

Tracé du taux de défaillance dans le temps
Méthodologie:
1. Classer les échantillons par ordre croissant de durée de vie (TBF).
2. Attribuer des rangs k à chaque échantillon correspondant à ces TBF
dans l'ordre inverse.
3. Calculer la valeur de hasard = 100/k pour chaque rang k des
éléments défaillants seulement
4. Calculer les valeurs de hasard cumulatif.
5. Si l’essai a été arrêté pour certains échantillons, mais qu’ils n’ont
pas brisé, on tiendra compte de leur rang, mais pas du hasard
cumulatif dans le calcul.

72
TRACÉ DE HASARD D'UNE LOI EXPONENTIELLE

6. Tracer ces valeurs de hasard cumulatif en fonction des TBF sur un

papier de loi exponentielle.
7. Si on obtient une droite, la loi est exponentielle.
8. Le MTTF correspond au temps correspondant à un hasard
cumulatif de 100% (ou % de défaillance de 63.2%).
9. L'échelle de pourcentage cumulatif peut être utilisée pour
déterminer le temps avant qu'un certain % de population ne
fasse défaut.
Question : si l’ensemble des points s’aligne en une droite à quoi donc
correspond la pente de cette droite ?

73
TRACÉ DE HASARD D'UNE LOI EXPONENTIELLE
Si une droite ne peut être interpolée sur le graphe exponentiel à partir
des données. Alors. Il faut considérer une autre loi.

1600
1400 Taux de défaillance
croissant
1200
Hasard cumulatif

1000 Taux de
800 défaillance
constant ( loi
600 exponentielle)
400
Taux de défaillance
200 décroissant
0
0 200 400 600 800 1000
Durée
74
TRACÉ DE HASARD D'UNE LOI DE WEIBULL (CAS DU FACTEUR DE FORME
NUL)

La technique du traçage est la même que pour la loi exponentielle.

β est la pente de la courbe. On obtient sa valeur en faisant passer
une droite par le point de référence parallèle à celle obtenue. On lit
sa valeur sur l'échelle de forme.
On peut tirer du graphe d'autres informations telles que le % de
défectueux après un certain temps (établissement des garanties).
θ correspond au temps pour 63.2% de défaillances ou 100% de
hasard cumulatif, ce n'est pas MTBF.

75
 ; <Q
On a : R(t)=1−F(t)= + P

1 ( Q V
→ ln = ln + T =
)( ) U
1
→W W =X W −W U
)( )

La dernière équation est une droite Y = LZ + [ de pente A = X.

On trace les données de la façon suivante :
!
En ordonnée on trace : W W et en abscisse W
](()
ESTIMATION DU PARAMÈTRE D’ÉCHELLE

À Y= 0  W =W U  =U
!
On a également : Y = W W =0⇒` = 0,632
](()

Le paramètre d’échelle se lit sur l’axe des temps correspondant à

63,2% de défaillance ou à 100% de la valeur du hasard cumulatif.
 CALCUL DE MTBF
 1
Il se calcule en utilisant une loi Gamma E (t ) = MTBF = θ × Γ 1 + 
Loi gamma
 β
1000000
100000
10000
1000
100
10
1
0 2 4 6 8 10
0,1

Application : En considérant les résultats de l’exercice précédent,

calculez l ’espérance de vie.
Réponse: MTBF = 115 mois.
78
MODÈLE DE WEIBULL CALCULÉ PAR FONCTIONS DE RÉPARTITION
DE DÉFAILLANCES

On trouve les papiers graphiques sur le site www.weibull.com

Les données sont rangées par ordre croissant de durée de vie.
La fonction de répartition de défaillances est estimée soit
par la méthode des rangs médians (échantillons de petites tailles)
par la méthodes des rangs moyens (plus couramment utilisée).

79
MÉTHODE DES RANGS MOYENS ET
MÉDIANS.
- Méthode des rangs médians :
− 0.3
` M = 100
( + 0.4)
où n est le nombre d ’échantillons considérés et i le rang considéré.
- Méthode des rangs moyens :
M
` M = 100
(c.!)

80
 Détermination des valeurs des paramètres β, θ et γ

F(t)
1
99,9 lnt

0,2 0,3 1 10
63,21 t
θ=5
1 D’

2
D
3 β=3
4

5 γ=0
 ESTIMÉ DU PARAMÈTRE DE POSITION (G) DE LA LOI DE WEIBULL
d représente l’instant initial pour lequel F(t) = 0.
Si d est différent de 0, les données ne se linéarisent plus dans les graphiques
de Weibull.
Lorsque d est positif, on identifie facilement celui-ci d ’après l ’asymptote.
0 1 2 3 4 5

% défaillances
10
0.01 0.1 1 20 30 40 50 60 70
90 99
Durée

0,01 0,1 1 10 100 1000

22/10/2019 82
ESTIMÉ DU PARAMÈTRE DE POSITION (d POSITIF)
Lorsque on a identifié ν, on fait le changement de variable, pour
linéariser:
’ = −d
Le temps de bon fonctionnement doit être révisé
J( ) = d + (f*[`) +g hé
On peut répéter l ’opération 2 à 3 fois.
Si cela ne fonctionne pas, cela signifie que la loi ne répond pas à
Weibull, ou bien qu’on a un mélange de lois.

22/10/2019 83
ESTIMÉ DU PARAMÈTRE DE POSITION (d NÉGATIF)

La courbe dans ce cas ne coupe pas l’échelle des temps.

On cherche l ’asymptote qui la coupe.
On fait le changement de variable
’ = − d = +d
On itère jusqu’à trouver une droite.

22/10/2019 84
EXEMPLE
On a mis en fonctionnement un mécanisme et obtenu les temps de bon
fonctionnement suivants (heures): 200, 900, 1500, 1800, 1900, 2000,
2100, 2200, 2300, 2400,2500, 2600, 2800 et 3000
Calculez les paramètres du modèle.

85
 10000

Itération 0
TBF

1000
Itération 1

Itération 2

Itération 3
100
1,00 10,00 100,00 1000,00
Hasard cumulatif

On rajoute 875h à la première itération ensuite 1500h à la deuxième

et finalement 3000h à la troisième.
Réponse: β = 3.6, ν= -2000 h, θ = 6 000h.
 DISTRIBUTIONS MÉLANGÉES

Lorsque les données couvrent une période très longue, il peut arriver
que les lois soient mélangées.
Plusieurs lois sont nécessaires pour couvrir plusieurs périodes
(jeunesse, maturité, vieillesse).

22/10/2019 87
DONNÉES PROVENANT DE LA PÉRIODE
MATURITÉ ET DE VIEILLESSE.
On fait l ’hypothèse que la loi observée dans la période de maturité
et continue d ’exister dans la période de vieillesse.

22/10/2019 88
 tf I
a%
tMVt(f) Loi MV
Loi M (vieillesse)
t(MV) Loi MV
(maturité)
Durée

Loi M

1 % de défaillances F(t) 10

La fin de la loi de vieillesse MV arrive à l ’instant tf lorsque F(tf) = 100% de

défaillances.
La population répondant à la loi de maturité M aura également fini de vivre à cet
instant.
On trouve a%, le pourcentage de population répondant à la loi M par rapport à
la population totale (MV).

22/10/2019 89
et MV(t) avec j + k = 1.
On détermine alors les pourcentages a% et b% des deux lois M(t)

On trace F1(t) et F2(t)

`1( ) = f( ) /j
`2( ) = (fl( ) − f( ))/(1 − j)
On calcule les paramètres de F1(t) et de F2(t), selon la loi de
Weibull
On calcule : `( ) = j `1( ) + (1 − j) `2( )
  β   β

t−γ  1 
t−γ  2
   
−  1 
−  2 
   

 θ 


 θ 

R (t ) = a e  1 
+ (1 − a ) e  2 

22/10/2019 90
 TBF i F(ti)
200 1 5
Pour l’étude des lois mélangées, il est conseillé d ’utiliser la 400 2 10
méthode des rangs médians, si le nombre d ’échantillons par 550 3 15
loi est restreint. 650 4 20
710 5 25
740 6 30
770 7 35
Exercice : Données provenant de la période maturité et 820 8 40
de vieillesse 850 9 45
880 10 50
On a les TBF suivants: 900 11 55
950 12 60
200, 400, 550, 650, 710, 740, 770, 820, 850, 880, 900, 970 13 65
950, 970, 1000, 1020, 1040, 1060, 1080, 1100 h. 1000 14 70
1020 15 75
Déterminez les paramètres de la loi. 1040 16 80
1060 17 85
1080 18 90
1100 19 95

22/10/2019 91
PÉRIODE DE REMPLACEMENT DES PIÈCES

La loi normale est utilisée pour décrire les temps

d’usure des pièces et équipements (période de
vieillesse).
Le temps de transition entre la période de maturité et
de vieillesse est d’un grand intérêt pour planifier la
maintenance (période remplacement des pièces).

22/10/2019 92
 FIABILITÉ DURANT LA PÉRIODE DE VIEILLESSE: LOI
NORMALE
Le temps TR correspondant à la transition est d’un grand intérêt pour
planifier les maintenances.

Période Période de maturité :

infantile Loi exponentielle ou Loi de
Weibull (β = 1 à 2)
Taux de défaillance

Détection
souhaitée

Période de vieillesse :
Loi normale ou Loi de
Weibull (β > 3)

Te m ps
TU
TR
22/10/2019 93
TEMPS DE REMPLACEMENT DES PIÈCES
Le temps de remplacement des pièces est calculé d’après la
moyenne et l’écart type des temps d’usure selon un intervalle de
confiance donné (1 - α ) et une probabilité de dépassement
donnée.
TU et σU sont respectivement des estimés de la moyenne et de
l’écart type des temps d’usure obtenus d’un échantillonnage n
TR est le temps de début d’usure et donc de remplacement.
Un estimé de la moyenne et de l’écart type du temps d’usure TU
est nécessaire pour déterminer le temps de remplacement TR.

22/10/2019 94
TEMPS MINIMAL MOYEN D’USURE
TUm = TU − Kα σU ( n )
Kα est défini par P(Z < Kα) = 1 - α
Loi normale

Kα×σU/ n

TUm
TU

22/10/2019 95
DÉTERMINATION DU TEMPS DE
REMPLACEMENT DES PIÈCES
le temps d’usure minimal TUm répond à une loi
normale avec le même écart type σU, alors
TR = TUm - Kν σU
où Kν est tel que moins de ν % de la
population sera usée avant TR. Kν est défini par P
(Z < Kν) = 1 - ν et peut être extrait de la
courbe standard normale ou avec
loi.normale.standard .inverse de Excel.

22/10/2019 96
DÉTERMINATION DU TEMPS DE
REMPLACEMENT DES PIÈCES
Loi normale

Kν ×σ U

TR TUm

22/10/2019 97
CHAPITRE 4 : AMÉLIORATION DE LA FIABILITÉ
PAR LES REDONDANCES
 PLAN

Systèmes en série
Systèmes parallèles
Systèmes en attente
Redondance majoritaire
Systèmes complexes.
Amélioration de la fiabilité

Pour améliorer la fiabilité, on peut :

jouer sur la technologie du composant, ou bien
agencer les sous-systèmes de manière à les rendre plus
fiable.
La plupart des systèmes peuvent être modélisés:
en série
en parallèle
en attente
ou une combinaison de ces configurations.
Redondance active
Système série
La fiabilité de chaque sous système a été déterminée pour une
mission donnée.
Un système est monté en série si le système tombe en panne
lorsque un seul de ses éléments tombe en panne.

R1 R2 R3 Rn

Rs
Redondance active, systèmes en série

La fiabilité d’un système en série est égale au produit de

la fiabilité de chaque sous-système si les défaillances sont
indépendantes.
Dm = ∏ Do , o = p à r
La fiabilité du système est plus petite que la plus petite
des fiabilités des composants.
Le taux de défaillance du système est égal à la somme
des taux de défaillance de chaque composant (quelque
soit la loi)

m = K o
 Redondance active, système parallèle
Dans un système monté en parallèle, le R1
système faillit lorsque toutes les
composantes tombent en panne. R2
Si les défaillances sont indépendantes entre
elles, la fiabilité du système est égale à:
Dm p 4 ∑roOp to
Ri

où `M 1 4 )M est la fonction de Rn
défaillance cumulative du système i.
La fiabilité du système est plus grande que la plus grande des
fiabilités des composants.
l'étude de l'agencement des systèmes permet d'améliorer leur
fiabilité.
Redondance passive (système en attente)
Un seul élément fonctionne, les autres sont en attente.
a l'avantage de supprimer le vieillissement des éléments qui
ne travaillent pas.
a l'inconvénient de nécessiter un organe de détection de
panne et de commutation.
La variable temps doit intervenir.
Le taux de défaillance de chaque composant doit être connu.

R1

R2
 Redondance passive (système en attente)

La fiabilité R(t) se calcule selon une loi de poisson de

moyenne λt (voir annexe B) . Elle est égale à la probabilité
que tous les systèmes défaillent sauf 1.
La moyenne de la loi de poisson λt est égale au nombre
moyen de défaillants au temps t

r  "  p
x
uE
D E F "uE
    w
x!
x  O  z
 Système r/n (défaillance partielle ou redondance
majoritaire) R1

R2

Système à n composants identiques, montés

Rr
en parallèle, dont au moins r d'entre eux
doivent fonctionner : > ( + 1)/2 Rn

 La fiabilité du système Rr/n se calcule selon une loi binomiale

ayant pour fonction de probabilité la fiabilité du composant, qui
donne la probabilité que r ou plus composants tirés des n
composants fonctionnent.
 La fiabilité de chaque élément doit être supérieure à 0.5 pour
obtenir un gain de fiabilité.
c
!
) =w   )~    1   −   )
c"~
⁄c
}! −} !
~  O  
 Systèmes liés
• Lorsque le système S est lié, on doit déterminer une
composante critique C et déterminer la fiabilité conditionnelle
avec ou sans cette composante.
• On doit modéliser les systèmes lorsque
• la composante critique fonctionne (en considérant que la composante
critique a une fiabilité de 1)
• et lorsque elle ne fonctionne pas.

• On applique le théorème des probabilités totales.

€•‚rƒ. €•‚rƒ.
Dz • Dƒ + • p 4 Dƒ
„•‚rƒ. „•‚rƒ. …†m.
où Dƒ est la fiabilité de la composante critique.
 CHAPITRE 5
TECHNIQUES DE MAINTENANCE, L’AMDEC
AMDEC
Un système se compose de plusieurs processus. Un processus se
compose de plusieurs procédés. Un procédé se compose de plusieurs
tâches.
L ’AMDEC consiste à prévoir tout ce qui pourrait ne pas fonctionner
dans le système, d’en déterminer les causes probables de défaillances
et à prendre des actions À PRIORI.
L ’AMDEC est l ’Analyse des Modes de Défaillance, de leurs Effets et
de leur Criticité.
Criticité signifie Risk priority number
Ces études permettent de mieux appréhender les risques de
défaillance, et de les éviter en mettant en place:
des éléments de secours
des technologies plus performantes
des méthodes de surveillance mieux adaptées
une maintenance préventive efficace
un diagnostic de pannes plus rapide.
AMDEC
L ’AMDEC est une méthode efficace:
pour l ’analyse prédictive et l ’optimisation de la fiabilité des produits, des équipements de
production, de leur maintenabilité et la maîtrise de la disponibilité opérationnelle des
machines en exploitation.
L ’AMDEC est un outil de base pour le bureau d ’études, le service Qualité et le service
maintenance.

L ’AMDEC se rapporte à des systèmes complexes (unité de production,

usine, équipement spécialisé)
Un système complexe se décompose en:
Fonction de l ’équipement
Sous-ensemble, sous-systèmes
Éléments maintenables
Spécialités, composants.
TYPES D ’AMDEC
Il existe plusieurs types tels que:
- AMDEC-organisation : s ’applique au système de gestion, d ’information,
de production, de personnel, de marketing, finance et organisation du
travail
- AMDEC-produit (ou projet ou composants) : analyse de la conception
d ’un produit pour en améliorer la fiabilité.
- AMDEC-processus : analyse des opérations de production pour améliorer
la qualité de fabrication du produit. Peut être utilisé pour les postes de
travail.
- AMDEC- machine (moyen) : analyse de la conception ou de
l ’exploitation d ’un moyen ou équipement de production pour améliorer la
disponibilité et sa sécurité.
- AMDEC-service : vérifie si la valeur ajoutée par les travaux d ’un service
correspond aux attentes du client.
- AMDEC-sécurité : s ’applique pour assurer la sécurité des opérateurs.
MÉTHODOLOGIE DE L ’AMDEC
La méthodologie est établie pour le système dans son entier:
Chaque composant est pris séparément.
On en envisage divers modes de défaillance (rupture, corrosion)
On en analyse les conséquences au niveau du système dans son
entier.
On fournit des recommandations pour améliorer la maintenabilité.
La méthode comprend des aspects:
Qualitatifs : recensement des défaillances potentielles, identification
des causes et identification des effets sur les clients, utilisateurs et
l ’environnement.
Quantitatif : estimation du risque ( impact sur le client) associé à la
défaillance afin de hiérarchiser les défaillances potentielles par
ordre décroissant. Définir les actions correctives prioritaires.
ORGANIGRAMME AMDEC
La définition du Analyse qualitative des
problème et Décomposition causes, modes et effets des
constitution de fonctionnelle défaillances.
l’équipe de travail. Collecte des Recherche des défaillances
Champ et délai de données potentielles.
l’étude
Réévaluation
des résultats.
Suivi de mise en
place des
actions Analyse
Planification quantitative de la
et mise en criticité.
œuvre des
actions Évaluation des
correctives risques de
Hiérarchisation défaillances
et des actions par
préventives criticité
ÉTAPE 1 DE LA MÉTHODE AMDEC: INITIALISATION
Elle est menée par le responsable avec l ’aide d ’un animateur, puis
précisée avec le groupe de travail.
Elle consiste à poser le problème, en définir le contenu et les limites, puis à
réunir les documents nécessaires:
- Définition du système à étudier
machine complète ou sous-ensemble
on doit se procurer la documentation (plans, descriptif du processus,
notices de fonctionnement, procédures d ’utilisation)
- Définition de la phase de fonctionnement
Définir la phase de travail (mission à accomplir) la plus pénalisante
définition des objectifs à atteindre
amélioration de la fiabilité, maintenabilité, disponibilité, sécurité,
maintenance
Constitution du groupe de travail multidisciplinaire (service des études,
achats, marketing, maintenance, qualité, méthodes et fabrication). Les
équipes formées de 4 à 6 personnes sont les plus efficaces:
analyser les expériences d ’avaries
analyser l ’expérience des individus
décomposer le produit
établir des critères de décision
définir des procédures.
 EXEMPLE TYPE D’ÉQUIPE DE TRAVAIL
Responsable: ingénieur de produit qui prépare les fiches de
documentation avant la réunion (no pièce, fonction, défaillances
potentielles, causes possibles, effets potentiels.
Coordonnateur: Ingénieur de Qualité qui détermine les défaillances
potentielles
Ingénieur des ventes fournit les informations concernant les besoins
des clients
Ingénieur de fabrication qui s’occupe des procédés de fabrication
Ingénieur de conception qui s’occupe des aspects conceptuels et des
historiques
 Choix des équipements à étudier
établissement du planning
échéancier de l ’étude, calendrier de réunions, durée de chaque réunion limitée
à 2 heures.
Mise au point des supports de l ’étude.
Préparer les grilles et méthodes de quotation de la criticité
préparer les tableaux de saisie des données et de synthèse (à l’aide d’Excel
par exemple).

Commencer avec les équipements à problèmes (Pareto, Analyse ABC)

défaillances répétitives
coûts des défaillances
équipements critiques
Définir les modes de défaillances (FMEA) de ces machines.
Définir le coûts associé à chaque défaillances.
PRIORISATION DES DÉFAILLANCES

Défaillance qui cause un arrêt de production

Défaillance qui met en danger le personnel
Défaillance qui cause des dommages importants à l’appareil
Défaillance qui affecte directement la qualité du produit
Défaillance qui ne rencontre pas les règlements
Défaillance coûteuses
Défaillance causant l’arrêt d’un appareil critique
 ANALYSE ABC
% cumulatif des coûts
de pannes
100 L ’analyse ABC permet d ’effectuer un classement des
coûts par rapport au type de panne et par
95 conséquent donne des priorités d ’intervention.
Méthodologie
80 Classer les pannes par ordre décroissant de coût (
C ou d ’heures d ’arrêt)
Établir un graphique faisant correspondre le % de
B
coûts cumulés au % du nombre de pannes cumulé
par machine.
A

% cumulatif du nombre
20 50 100
de pannes
ANALYSE ABC
Zone A (zone de priorité)
20% des pannes représentent 80% des coûts.
On organise pour ces machines une maintenance préventive
systématique ou conditionnelle avec une surveillance permanente des
points clefs.
On améliore la fiabilité de ces machines
On prévoit des stocks de pièces de rechange.
Zone B
les 30% de pannes suivantes coûtent 15% supplémentaires
On sera moins exigeant sur les méthodes de prévention.

Zone C
Les 50% de pannes restantes ne reviennent qu ’à 5% des coûts.
Ces machines n ’exigent pas (ou peu) de maintenance préventive.
 ÉTAPE 2 : DÉCOMPOSITION FONCTIONNELLE

Cette analyse est faite par la personne qui connaît la machine, puis validée avec
l ’équipe.
Le but de l ’analyse fonctionnelle est de déterminer:
les fonctions principales pour lesquelles le système a été conçu.
les fonctions contraintes qui répondent aux interrelations avec le milieu extérieur
les fonctions élémentaires des différents composants élémentaires du système.
On doit définir les besoins à satisfaire:
décrire le besoin,
la façon dont il est satisfait et
comment il pourrait ne pas l ’être.
On doit définir les fonctions qui correspondent au besoin
Définir à quoi ça sert? La réponse doit contenir un sujet et un verbe: (ex: un
rasoir rase)
Déterminer la défaillance potentielle (ex: le rasoir ne rase pas)
On doit établir l ’arbre fonctionnel:
Bloc-diagramme définissant les sous-fonctions ou l ’ensemble des fonctions
élémentaires .
BLOCS FONCTIONNELS

Machine Mi

Unités fonctionnelles Ufij

Sous-ensemble Seijk

Organes

Composants élémentaire
 ARBRE FONCTIONNEL

L ’arbre fonctionnel définit les fonctions de niveau A (fonctions principales)

jusqu ’au niveau Z (fonctions élémentaires des composants)
L’AMDEC consiste à travailler sur le composant élémentaire pour améliorer
le système global.
Pour un processus, la décomposition fonctionnelle se fait en procédés.
Pour un procédé, la décomposition fonctionnelle se fait en opérations
Pour une opération, la décomposition fonctionnelle se fait en tâches.
ENSEMBLE SOUS-ENSEMBLE ÉLÉMENT FICHE AMDEC

AIR CLIMATISÉ SYSTÈME DE CONTRÔLE COMMANDES MANUELLES FICHE

COMMANDES ÉLECTRIQUES FICHE

SYSTÈME DE REFROIDISSEMENT RADIATEURS FICHE

COMPRESSEUR FICHE

TUYAUTERIE FICHE

LIQUIDE DE REFROIDISSEMENT FICHE

VENTILATION VENTILATEUR FICHE

MOTEUR FICHE

FILTRE FICHE

CONDUITE D'ALIMENTATION EN AIR FICHE

VOLET DE SORTIE D'AIR FRAIS FICHE

ALIMENTATION ÉLECTRIQUE CÂBLAGES & CONNECTIONS FICHE

ORDINOGRAMME D ’UN PROCESSUS
Un processus se décompose en procédés, un procédé en opérations, une
opération en tâches.
La décomposition fonctionnelle du processus est l ’ordinogramme. Ce
processus est un ensemble d ’opérations élémentaires qui se déroulent à
partir du besoin à satisfaire jusqu’à son accomplissement.
Exemple :
Concevez l ’ordinogramme répondant au besoin de prendre un café dans
une distributrice.
 Besoin de prendre un café

Aller à la distributrice

Faire la sélection de la boisson désirée

Placer un verre

Insérer la monnaie

Appuyer sur le bouton marche

La distributrice remplit le verre

Prendre le verre

Consommer le café
ÉTAPE 3 : ÉTUDE QUALITATIVE
Cette étape consiste:
à identifier toutes les défaillances possibles
à déterminer les modes de défaillance
à identifier leurs effets
à en trouver les causes.
À partir des fonctions définies lors de l ’analyse fonctionnelle, on
définit les modes de défaillance possibles.
Ensuite on en définit les effets et les causes.
MODES DE DÉFAILLANCE
Un mode de défaillance est la façon dont un produit, un composant, un
ensemble, un processus, une organisation s ’écarte des spécifications.
Un mode de défaillance s ’exprime par la manière dont un équipement vient
à ne plus remplir sa fonction:
Perte de fonction
Rupture, blocage, grippage, coincement, composant défectueux,
obstruction de circuit hydraulique, flambage.
Fonctionnement intempestif
coup de bélier
Refus d ’arrêter au moment prévu
Refus de démarrer au moment prévu
Absence de jeu, fuite, circuit hydraulique bouché, court-circuit, connexion
desserrée, rupture, blocage, grippage, composant défectueux, absence
de jeu.
 Fonctionnement dégradé
Mauvaise portée, jeu, désolidarisation, déformation, vibration,
desserrage, corrosion, perte de performance, perte d’étanchéité,
usure.

On doit spécifier:
l ’impact sur la sécurité, la production et la qualité
la fréquence
La difficulté de détection de la défaillance
les effets induits (sur la sécurité, le coût)
 TABLEAU AMDEC: MODES DE DÉFAILLANCES.
Le tableau AMDEC est constitué de plusieurs colonnes.
Les premières colonnes décrivent l ’organe considéré et sa fonction
Une colonne décrit les modes de défaillance potentielles (rupture, fatigue,
desserrage, corrosion).
Une colonne indique l ’effet de la défaillance sur le système.
L ’effet d ’une défaillance est la concrétisation de la conséquence de cette
défaillance sur le client de l ’équipement étudié (client satisfait ou non).
Cet effet permet d ’évaluer la gravité de la défaillance de l ’équipement
et donc sa criticité.
 EFFET D ’UNE DÉFAILLANCE
L ’effet peut avoir un impact sur:
la sécurité
sans influence, influence mineure sans blessure, influence moyenne avec
blessure, influence importante avec risque de mort
la fiabilité
mineures, significatives, critiques, catastrophiques.
la disponibilité
en fonction du temps d’arrêt de fonctionnement
la maintenabilité.
En fonction du temps de réparation.
L ’effet peut se manifester sous la forme de:
dégradation, perte de performance, panne, arrêt, ralentissement, non
conformité, rebut, coût de maintenance, accident, pollution.
 CAUSES DE DÉFAILLANCES.
La cause est l ’anomalie susceptible de conduire au mode de défaillance. Elle
s ’exprime en termes d ’écart par rapport à une norme fixée d ’avance.
Une colonne indique les causes possibles de défaillance.
On définit et décrit les causes de chaque mode de défaillance pour pouvoir en
estimer la probabilité, en déceler les effets et prévoir les actions correctives.
Les causes possibles sont par exemple de nature
Techniques ( matériel) : contraintes, fatigue, états de surface, vieillissement,
colmatage, fuite, sous-dimensionnement, matière.
Humaines (et outils) : conception, montage, réglage, contrôle, outils, utilisation,
défaut de graissage, manque d’énergie, fabrication.
Organisation
Environnement : température, eau, huile, poussières, copeaux, échauffement, chocs,
vibrations.
Documentation
ANALYSE DES MODES DE DÉFAILLANCE, DE LEURS EFFETS ET DE LEURS CRITICITÉ

SYSTÈME VENTILLATEUR DE RECIRCULATION DU FOUR E-COAT

SOUS-SYSTÈME VENTILLATEUR

ÉLEMENT FONCTION MODE DE DÉFAILLANCE CAUSES

FAIRE CIRCULER L'AIR
ROUE DANS LE FOUR VIBRATION EXCESSIVE UTILISATION NON-CONFORME

INSTALATION DÉFECTUEUSE

MAUVAIS DESIGN
JEU MÉCANIQUE DES BOULONS DE
MONTAGE, ROULEMENTS OU ACCOUPLEMENT
MISALIGNEMENT DES ACCOUPLEMENTS
OU DES ROULEMENTS
USURE EXCESSIVE DES
ACCOUPLEMENTS OU DES ROULEMENTS
MISALIGNEMENT OU MAUVAIS BALANCEMENT DU
MOTEUR
ARBRE TORDU DU A UN IMPACT OU UNE MAUVAISE
MANIPULATION
ACCUMULATION DE MATERIEL SUR LE ROUE
USURE EXCESSIVE DE LA ROUE
PRESSION EXCESSIVE DU SYSTÈME OU RESTRICTION
DU DÉBIT D'AIR DÛ A DES VOLETS FERMÉS
SUPPORT STRUCTURAUX INADÉQUAT
VIBRATIONS EXTERNE TRANSMISE PAR LE SOL
AUBES SALES

DIMINUTION DU DÉBIT D'AIR MAUVAIS DESIGN

ENTRETIEN NON RÉGULIER

MAUVAISE INSTALATION
VENTILATEUR TOURNE LENTEMENT
VENTILATEUR TOURNE À L'ENVERS OU INSTALLÉ À
L'ENVERS SUR L'ARBRE
ROUE DU VENTILATEUR PAS CORRECTEMENT CENTRÉ
PAR RAPPORT À L'ENTRÉE D'AIR
DIVERGENT ENDOMMAGÉ OU MAL INSTALLÉ
FUITE D'AIR
OBSTRUCTION OU COUDE ABRUPTS À L'ENTRÉE
SORTIE ABRUPTE, COUDE A 90º PRES DE LA SORTIE
FILTRES SALES

BRUITS EXCESSIFS UTILISATION NON-CONFORME

BRIS PRÉMATURÉS DE COMPOSANTES
(AUBES, ROUE)
MAUVAISE MAINTENANCE
SYSTEME EN RÉSONANCE OU EN PULSATION
MAUVAISE EMPLACEMENT OU ORIENTATION DE
L'ENTRÉE OU DE LA SORTIE DU VENTILATEUR
VIBRATION DU SYSTEME
STRUCTURES INADÉQUATE
SURFACE RÉFLECTRICE DU SON PRES DU VENTILATEUR
JEU ENTRE LES ACCESSOIRES OU COMPOSANTES DU
VENTILATEUR
JEU ENTRE LES COURROIES
ROULEMENTS USÉS
INADÉQUATE OU MAUVAISE MAINTENANCE
 MÉTHODES DE DÉTECTION DES DÉFAILLANCES
Définir les méthodes et les techniques par lesquelles ces défaillances peuvent
être découvertes.
Définir les capacités de chaque méthode et chaque technique à prédire les
défaillances.
Une colonne indique les symptômes observables pour aider la maintenance
conditionnelle
Phénomène ou paramètre physique, anomalie, symptôme pouvant être observé
ou mesuré de manière précoce et traduisant l ’apparition d ’une défaillance.
Elle se manifeste par: visuel, dimension, forme, état de surface, vibrations,
échauffement, dégradation des lubrifiants, traces d ’usure, fissures, coloration,
bruit, odeur, aspect.
 Effet sur la
disponibilité du
moyen de
CAUSE-MODE-EFFET production Effet sur la
qualité du
produit
fabriqué
Conception
Mode
•Dégradation Effet sur le
Fabrication Cause de la fonction fonctionnement et
l’état de la
•Perte de la machine
fonction

Exploitation Effet sur le

coût de la
maintenance
Détection Détection Effet sur la sécurité des
opérateurs et sur
l’environnement
 TABLEAU CAUSE-MODE-EFFET
Identificati Étude Étude qualitative
on du fonctionnelle
problème

Composant Fonction Mode Cause Effet Détection

Indiquer le Lister toutes Lister tous les Lister toutes Pour chaque Trouver
composant les fonctions modes de les causes cause, lister pour chaque
devant être défaillance pour pour chaque les effets les effet, les
assurée par le chaque fonction mode plus graves moyens de
composant Estimer le détection
considéré temps possibles
d’intervention
 Exemple d’application : Déterminez les modes de défaillance , les effets et
les causes de la fonction: La distributrice de café remplit le verre.

Composant Fonction Mode de Cause Effet Détection

défaillance
La distributrice La Client Voyant
ne remplit pas le distributrice insatisfait d’alimentation
verre et ne prend est en panne électrique
pas la monnaie Opérateur
Il n’y a pas Client Détecteur de débit
d’eau insatisfait
Distributrice La distributrice La distributrice Manque de Client très Détecteur de dosage
de café remplit de café le remplit le verre café insatisfait Opérateur
verre, après avec de l’eau et
insertion de ne rend pas la
l’argent monnaie
Il y a un Client très Opérateur
blocage insatisfait
La concentration Manque de Client Détecteur de dosage
de café est trop café insatisfait Opérateur
faible
Mauvais café Client Qualité de l’achat
insatisfait
 ÉTAPE 4 : ÉTUDE QUANTITATIVE
Il s ’agit d ’une estimation de l ’indice de criticité du trio cause-mode-effet de la
défaillance potentielle étudiée selon certains critères à définir.
On peut se baser sur l ’historique d ’avarie, le retour d ’expériences, les données
de fiabilité. Une défaillance est importante si:
ses conséquences sont graves
elle se produit souvent
on risque de ne pas la détecter
Dans la pratique, on attribue une note à chacun des trois critères sur 3 échelles
possibles ( on doit appliquer la même échelle pour tous les critères, ne jamais
utiliser la côte 0)
Échelle sur 4, ( lorsque les indices sont flous)
Échelle sur 5 ou
Échelle sur 10. (lorsque les indices de défaillance sont clairs)
TABLEAU AMDEC: DÉTECTION

Une colonne indique la probabilité de non-détection D de la défaillance.

évidente 1: dispositif (alarme) automatique, détection sure de la cause
possible: 2 détection nécessitant l ’opération d ’un opérateur
improbable 3: détection nécessitant un démontage ou un appareillage
impossible 4: aucun signe avant-coureur de la défaillance.
 DÉTECTION (ÉCHELLE DE 1 À 10)
Rang Détection Possibilité
10 Absolument On ne peut détecter aucune cause potentielle de défaillance.
improbable
9 Très improbable Il est très improbable de détecter une cause potentielle de
défaillance.
8 Improbable Il est improbable de détecter une cause potentielle de
défaillance .
7 Très bas Il y a très peu de chances de détecter une cause potentielle de
défaillance.
6 Bas Il y a peu de chances de détecter une cause potentielle de
défaillance.
5 Modéré Il y a une chance modérée de détecter une cause potentielle de
défaillance.
4 Modérément Il y a une chance modérément élevée de détecter une cause
élevé potentielle de défaillance.
3 Haut Il y a de grandes chances de détecter une cause potentielle de
défaillance.
2 Très haut Il y a de très grandes chances de détecter une cause potentielle
de défaillance.
1 Presque certain Il est certain de pouvoir détecter une cause potentielle de
défaillance.
TABLEAU AMDEC: FRÉQUENCE
Une colonne établit la probabilité d ’occurrence O de
cette défaillance, par exemple, sur une échelle de 1 à 4:
1: événement quasi impossible P inférieur à 10-9
2 événement très improbable P compris entre 10-9 et 10-6
3 événement improbable P compris entre 10-6 et 10-3
4: événement possible P inférieur à 10-3
ou bien:
1:rare: moins de 1 défaillance par an
2: possible: moins de 1 défaillance par trimestre
3: fréquente: moins de 1 défaillance par semaine
4: très fréquente : plusieurs par semaine
 FRÉQUENCE ( ÉCHELLE DE 1 À 10)
Rang Probabilité de défaillance Fonction de
défaillance F(t)
10 Très élevée, défaillance inévitable 63 %

9 30 %

8 Élevée, défaillances répétées 15 %

7 10 %

6 Modérée, défaillances occasionnelles 5%

5 2%

4 1%

3 Basse : relativement peu de défaillances 0.5 %

2 0.2 %

1 Pas du tout : défaillances improbables 0.1 %

TABLEAU AMDEC:GRAVITÉ
Une colonne indique le niveau de gravité G sur le système, par
exemple, sur une échelle de 1à 4:
4 très critique ou bris
3 critique ou arrêt de production et rebut
2 pas critique ou arrêt de production sans rebut
1 sans influence
 GRAVITÉ (ÉCHELLE DE 1 À 10)
Rang Effet Sévérité

10 Dangereux sans Affecte la sécurité de l’opération sans avertissement

avertissement
9 Dangereux avec Affecte la sécurité de l’opération avec avertissement
avertissement
8 Très élevé Article inutilisable avec perte des fonctions primaires

7 élevé Article utilisable à un niveau réduit de performance. Client insatisfait

6 Modéré Article utilisable malgré l’insatisfaction. Client pas entièrement satisfait.

5 Bas Article utilisable avec satisfaction réduite. Client insatisfait

4 Très bas Non-conformité observée par la plupart des clients

3 mineur Non-conformité observée par le consommateur moyen

2 Très mineur Non-conformité observée par les clients minutieux

1 Aucun Sans effet

 TABLEAU AMDEC: GRAVITÉ ET CRITICITÉ
Le temps d ’intervention de maintenance corrective T est un élément
pour évaluer la gravité:
mineure 1: arrêt de production < 1 h, aucune dégradation
significative 2: 1 h < T < 8 h, petites réparations, déclassement du produit
moyenne 3: 8 h< T < 48 h: changement du matériel défectueux, rebut
majeure 4: 2 j< T < 7 j: pièces non conformes, intervention importante.
Catastrophique 5: T> 7 j, intervention lourde et coûteuse, problème de sécurité
ou d ’environnement.

Une colonne évalue la criticité du système: C= G x O x D.

MATRICE DE CRITICITÉ
La clef de l ’analyse critique se fait en fonction de la gravité et de la
probabilité d ’occurrence.
On s ’occupera en priorité des éléments présentant une classe de
gravité très critique et une grande probabilité d ’occurrence.
On peut également considéré dans l ’analyse, les critères de
maintenabilité (temps de bon fonctionnement) et de disponibilité (
temps d ’arrêts de fonctionnement)
 EXEMPLE
Composant Fonction Mode Cause Effet Détection D O G C

La distributrice La Client Voyant 2 6 8 96

ne remplit pas le d’alimentation
verre et ne distributri insatisfait
électrique
prend pas la ce est en
monnaie Opérateur
panne

Il n’y a Client Détecteur 7 3 8 168

pas d’eau insatisfait de débit

Distributrice La La distributrice Manque Client très Détecteur 5 8 8 320

distributrice remplit le verre
de café remplit de avec de l’eau et de café insatisfait de dosage
café le verre, ne rend pas la Opérateur
après monnaie
insertion de
l’argent

Il y a un Client très Opérateur 5 3 8 120

blocage insatisfait

La Manque Client Détecteur 1 8 7 56

concentration insatisfait de dosage,
du café est
de café
Opérateur
trop faible
Mauvais Client Achats 2 6 7 84
café insatisfait
ÉTAPE 5 DE LA MÉTHODE AMDEC :
HIÉRARCHISATION

On a besoin de hiérarchiser afin de classer les modes de défaillance

par ordre d ’importance et de décider des actions prioritaires.
Lorsque on a fait un classement sur une échelle de 10, on regroupe les
criticités selon 4 catégories :

très critique C > 100

critique: 50 < C < 100
moyennement critique: 20 < C < 50
peu critique C < 20
TABLEAU DE DÉCISION DES ACTIONS À PRENDRE
Échelle de Échelle de Échelle de Actions
1 à4 1à5 1 à 10

C<4 C<6 C < 25 maintenance corrective;

• aucune modification de conception.

4<C< 8 6 < C < 12 25 < C < 50 •Maintenance préventive systématique

•amélioration des performances.
•Limite du seuil résiduel à ne pas
dépasser

8 < C < 16 12 < C < 25 50< C < 100 • maintenance prédictive

• Révision de la conception.
Seuil de criticité Seuil de criticité Seuil de criticité
maximale à maximale à maximale à
atteindre atteindre atteindre

C > 16 C > 25 C > 100 •Seuil critique

•Remise en cause de la conception
 ÉTAPE 6 DE LA MÉTHODE AMDEC :
RECHERCHE DES ACTIONS PRÉVENTIVES

Un groupe de travail sera formé pour réduire la criticité (

brainstorming, analyse de Pareto):
réduire la probabilité d ’occurrence (modification de la conception)
réduire la probabilité de non détection (modification du système de
contrôle)
réduction de la gravité (modification de la conception)

Une colonne indique la méthode de prévention

Une colonne indique les recommandations.
ACTIONS CORRECTIVES
Ce sont des moyens, dispositifs, procédures permettant de diminuer le
niveau de criticité.
Elles sont de trois types:
actions de prévention pour éviter l ’apparition des causes et
améliorer la fiabilité dès la conception (fiabilité, sécurité à la
conception, calculs, essais, contrôles, limites d ’utilisation,
documentation, maintenance préventive ou conditionnelle)
ACTIONS CORRECTIVES
actions de détection pour détecter une anomalie ( système de
surveillance conditionnelle, inspection permanente, contrôle, visite
périodique, suivi des paramètres de dérive)
action de réduction des effets pour limiter les temps
d ’indisponibilités, réduire les non-conformités, réduire les coûts de
maintenance corrective, réduire les impacts sur la sécurité
(Redondances, systèmes d ’alarme et de protection, assurance
qualité, pièces de rechange, magasin, procédures de maintenance
corrective, historique des interventions).
ACTIONS CORRECTIVES
La décision d ’engager ou non une action dépendra du niveau
de criticité (calculé sur une échelle de 10):
1 < C < 20 criticité négligeable  maintenance corrective; aucune
modification de conception.
20 < C < 50 criticité moyenne  Maintenance préventive systématique;
amélioration des performances.
50< C < 100 criticité élevée  maintenance préventive conditionnelle;
Révision de la conception.
C> 100 criticité interdite  Remise en cause de la conception.
 ÉTAPE 7 : SUIVI DES ACTIONS ET RÉÉVALUATION
DE LA CRITICITÉ
Une colonne indique les actions préventives prises
Les 4 dernières colonnes sont similaires aux 4 colonnes d ’évaluation pour
évaluer la criticité du résultat en tenant compte des actions prises et des
nouveaux temps de bons fonctionnement. Cette valeur s ’appelle le risque
résiduel. Ce seuil de criticité devrait être réduit à la moitié du seuil
critique (50 pour une échelle de 10 par critère).
ÉTAPE 8 PRÉSENTATION DES RÉSULTATS
Les résultats sont présentés sous forme de tableaux.
 EXEMPLE
Proposez des actions correctives et ré-évaluer la criticité des effets et
causes de la fonction: La distributrice de café remplit le verre.
Mode
Cause Effet D O G C Actions D O G C
préventives
Inscrire le No de
La La Client 2 6 8 96 1 3 7 21
téléphone de
distributrice distributrice insatisfait l’entretien sur la
ne remplit pas est en
distributrice
Vérifier
le verre et ne
panne mensuellement l’état
prend pas la
monnaie. Il n’y a Client 7 3 8 168 3 1 7 21
pas d’eau insatisfait
La distributrice Client 5 8 8 1 1 8 8
remplit le verre
Manque 320 Remplir la
très distributrice
avec de l’eau et de café
ne rend pas la insatisfait chaque
monnaie
Client 5 3 8 matin
Vérifier 3 2 7 42
Il y a un 120
très mensuelleme
blocage
insatisfait nt l’état
La concentration Manque Client 1 8 7 56 Remplir la 1 1 6 6
du café est trop
faible. de café insatisfait distributrice
chaque matin
Client 2 6 7 84 Sélectionner les 1 1 6 6
Mauvais marques et les
insatisfait
café délais de livraison