Modélisation Markovienne des Systèmes Réparables

F. Bellamine
Octobre 18, 2022

1 Résumé
La première partie de ce cours a traité les systèmes non-réparables ou les systèmes dont
la réparation est idéale. Dans ce chapite, on va étudier les systèmes réparables. Le fonc-
tionnement de ces systèmes suit un processus stochastique. Par stochastique, on veut dire
un processus ayant une distribution ou un modèle de probabilité aléatoire qui peut être
analysé statistiquement mais ne pas être prédit avec précision. Un processus stochastique
est une collection de variables aléatoires indexées par le temps. Une définition alternative
est d’un processus stochastique est:une distribution de probabilité sur un espace de chemins.
Il ya plusieurs théories des processus stochatiques: Markov, Martingale, semi-Markov, etc.
Puisque:

• les taux de transitions sont constants (comme le taux de défaillance et le taux de

réparation).

• Le système est sans mémoire. c.a.d. le fonctionnement du système à un instant futur

donné ne dépend que de son fonctionnement au présent et non pas du passé. En général,
un système sans mémoire n’a pas de mémoire pour stocker des valeurs d’entrée car il
fonctionne uniquement sur l’entrée actuelle.

• le systéme est ergodique. Un processus de Markov est ergodique ou irréductible si tout

état est atteignable depuis tout autre état.

On applique le processus stochastique de Markov. Pour illustrer la technique d’une manière

brève, on procède à appliquer ce type de processus à un système ayant deux états: fonctionnel
(UP), défaillant (DOWN).

Etat 1 Etat 2
𝜆

DOWN
UP
𝜇
Figure 1: Graphe des états du système constituté de deux composants

λ et µ sont des taux de transition. λ est le taux de défaillance et µ est le taux de

réparation. L’inverse de λ est le MTTF, et l’inverse de µ est MTTR qui est la durée moyenne
de réparation. Il y a trois matrices qu’on peut déduire du systéme:

1
 1. Matrice des taux de transition T :
[ ]
0 λ
T =
µ 0
2. Matrice de la probabilité transitoire et stochastique P :
[ ]
1−λ λ
P =
µ 1−µ

On constate que la somme de chaque ligne est égal à 1. De cette matrice, on peut déterminer
respectivement les probabilités asymptotiques P1 et P2 des états 1 et 2 en utilisant le fait
que:
αP = α
[ ]
où α = P1 P2 . On trouve que:
µ
P1 = (1)
λ+µ
λ
P2 = (2)
λ+µ
On note que la somme des probabilités asymptotiques est égal à 1 et donc P1 + P2 = 1.
Il faut souligner que la méthode de la balance des fréquences est aussi une méthode efficace
pour trouver les probabilités asymptotiques des états. On détermine les équations de la
balance des fréquences de cette façon. Pour chaque état (état i), sur la côté gauche, on écrit
la probabilité asymptotique de l’état i multiplié par le taux de départ de cet état i. Par
exemple, on voit que pour la figure 1, on aura P1 λ. Sur la côté droite de l’équation, on écrit
les probabilités asymptiques des états qui communiquent qvec l’état i multiplié par leur taux
d’entré dans l’état i. Par exemple, on on voit que pour la figure 1 que l’état 2 communique
avec l’état 1 à travers µ. Donc les équations de la balance des fréquences pour un système
constituté de deux composants et chaque composant est UP ou DOWN sont:
f 1 = P1 λ = P 2 µ
f 2 = P2 µ = P1 λ
f1 et f2 sont respectivement les fréquences des états 1 et 2. Les durées des états 1 et 2 sont
respectivement l’inverse du taux de départ des états 1 et 2 ou 1/λ et 1/µ. Ces deux équations
sont rédondants, donc on a besoin d’une autre équation qui est la somme des probabilités
asympotiques doit être égal à 1.
P1 + P 2 = 1
et on retrouve que:
µ
P1 =
λ+µ
λ
P2 =
λ+µ
3. Matrice des coefficients différentielles de Kolmogorov C:
On peut construire cette matrice à partir de la matrice des taux de transition T comme suit:
[ ] [ ] [ ]
0 λ −λ λ −λ µ
T = → →C=
µ 0 µ −µ λ −µ

2
 On a donc les équations différentielles de Kolmogorov:
[ ′ ] [ ][ ]
P1 (t) −λ µ P1 (t)
=
P2′ (t) λ −µ P2 (t)

où P1 (t) et P2 (t) sont respectivement les probabilités instantannées des états 1 et 2. La

résolution du systéme des équations différentielles de Kolmogorov en utilisant la transformée
de Laplace ou l’exponentielle d’une matrice donne:
µ λ −(λ+µ)t
P1 (t) = + e = A(t)
λ+µ λ+µ
λ λ −(λ+µ)t
P2 (t) = − e = U (t)
λ+µ λ+µ

où A(t) et U (t) sont respectivement la disponibilité instannée et l’indisponibilité instantan-

née du système. Le système est disponible quand il est à l’état UP (fonctionnel) et est
indisponible quand le Le système est à l’état DOWN (défaillant). La relation entre A(t) et
U (t) est toujours:
A(t) + U (t) = 1
On définit la disponibilité asymptotique A et l’indisponibilité asymptotique U . A = limt→∞ A(t)
et U = limt→∞ U (t). Fréquemment, on appelle A et U la disponibilité et l’indisponibilité
sans le mot asymptotique. Il est à signaler que A + U = 1.
On a vu que le temps moyen de réparation du système est noté M T T R. Le temps d’arrêt
moyen total, M DT , ou temps d’arrêt forcé moyen (”Mean Down-Time”), est le temps moyen
pendant lequel le système est dans un état de non-fonctionnement. Le M DT est générale-
ment beaucoup plus long que le M T T R et inclura le temps de détection et de diagnostic de
la panne, le temps logistique et le temps de test et de démarrage du système. Lorsque le
système est remis en service, il est considéré comme « comme neuf ». Le temps de fonction-
nement moyen, M U T (”Mean Up-Time”), du système est égal à ce que nous avons appelé
au chapitre 1 le temps moyen avant défaillance, M T T F . Les deux concepts peuvent être
utilisés, mais le M U T est plus couramment utilisé dans les applications de maintenance. Le
temps moyen entre des occurrences consécutives de pannes est noté M T BF (Mean Time
Between Failures”).