Modèle de Rasmussen: «SHERPA»

La méthode SHERPA (Systematic Human Error Reduction

and Prediction Approach), a été développée par [EMBREY
DE. 1986] c’est une technique qui permet d’évaluer
qualitativement et quantitativement la fiabilité humaine et
d’élaborer des recommandations spécifiques pour réduire
l’erreur humaine, notamment en ce qui concerne les
procédures, les formations ou la conception d’équipement.

1
 Analyse hiérarchique des tâches : cette analyse
hiérarchique consiste à identifier les différentes sous tâches
et leurs buts respectifs ainsi que la manière dont ces buts se
combinent pour atteindre l’objectif global.
 Classification des tâches : les différentes tâches détaillées
à l’étape précédente, peuvent être classifiées en plusieurs
grands types de processus mentaux selon l’approche de
Rasmusen (tâche basée sur les habilitées, tâches basées sur
les connaissances…..).
2
 Identification des erreurs humaines : Après la
classification des tâches selon les types de comportement
associés, l' analyste considère les modes d'erreurs agrégés à
chaque comportement.
 Analyse des conséquences : L'analyste considère les
conséquences de chaque erreur identifiée, et met en
évidence lequel des conséquences a des impacts pour
l'erreur critique.

3
 L'analyse de recouvrement: A ce niveau, il s’agit de
déterminer s’il y a possibilité de récupérer l’erreur pendant
la réalisation d’une tâche, et cette dernière serait l’entrée de
la tâche d’après ; sinon, s’il n’ y a pas possibilité de
récupérer l’erreur, alors la tâche sera arrêtée ;

 Tabulation: L’information obtenue par la méthode

SHERPA est convertie dans une sorte de tableau.

4
La méthode TESEO : (TECNICA EMPIRICA STIMA
ERRORI)
Cette méthode a été développée par BLLO.GC,
COLOMBANI, V, en 1980 au sein de la compagnie
pétrolière Italienne ENI.
Au départ l’objectif de cette technique était
l’établissement d’une quantification de l’erreur humaine
tout en lui associant une probabilité qui se distinguait par
des facteurs liés à :
- La complexité de l’action.
- Le temps réservé à l’exécution de chaque action.
- Le degré de stress de l’opérateur.
- L’expérience et la formation de l’opérateur.

5
Le principe de la méthode TESEO :
Le calcul de la probabilité est exprimé par la formule
suivante :

Les facteurs Ki sont définis comme suit :

K1 : type d’activité – complexité.
K2 : temps disponible – stress temporel.
K3 : caractéristiques de l’opérateur (formation-
expérience).
K4 : anxiété due à l’activité (gravité de la situation).
K5 : caractéristiques ergonomiques des interfaces et
environnement.
Les valeurs de ces facteurs sont données par cinq (05)
tables types propres à cette méthode.
6
Table 1 : Facteur de type d’activité de la méthode TESEO, selon (Fadier et
al, 1994)

Table 2 : Facteurs de stress temporel : activité routinière de la méthode

TESEO, selon (Fadier et al, 1994)

Table 3 : Facteurs de caractéristiques de l’opérateur, propres à

7
la méthode TESEO, selon (Fadier et al, 1994).
Table 4 : Facteurs d’anxiété de l’opérateur, propres à la méthode TESEO,
selon (Fadier et al, 1994).

Table 5: Facteurs ergonomiques de l’activité, propres à la méthode

TESEO, selon (Fadier et al, 1994).

Il à noter que lors du calcul de la probabilité, si ce calcul

donne une valeur supérieure à 1, la probabilité est considérée
comme égale à 1.
8
Laboratoire Ingénierie des Transports et Environnement
Labo.ITE@umc.edu.dz
Introduction
Il est toujours possible d’associer à une variable
aléatoire une probabilité et définir ainsi une loi de
probabilité. Lorsque le nombre d’épreuves augmente
indéfiniment, les fréquences observées pour le
phénomène étudié tendent vers les probabilités et les
distributions observées vers les distributions de
probabilité ou loi de probabilité.
10
2.Les lois de probabilité utilisées en fiabilité
On distingue deux types
Lois discrètes
Lois continues
2.1. Lois discrètes
Une loi est dite discrète si elle prend ses valeur dans N
c’est à dire des valeurs entières comme par exemple
celle qui compte le nombre de pannes. Parmi les lois
discrètes on peut citer :
1. Loi Uniforme
2. Loi de Bernoulli
3. Loi Binomiale
4. Loi Binomiale négative
5. Loi Géométrique
6. Loi Hypergéométrique
11
7. Loi de Poisson
2.2 Les lois continues
• La loi du Khi deux
• La loi de Birnbaum-Saunders
• La loi Gamma
• Loi Inverse Gamma
• La loi logistique
• La loi log-logistique
• La Loi de Cauchy
• La loi de Student
• La loi Bêta
• La loi exponentielle
• La loi de Fisher
• La Loi normal
• La loi Log normale
• La loi de Weibull
12
3.1 Les lois discrètes
3.1.1. Loi binomiale Si une défaillance a une probabilité (P)
de survenir, la probabilité de la voir apparaître k fois en (n)
essais est :

13
2. L’espérance mathématique est = np
3. La variance est
4. L’écart type est
La courbe théorique de répartition de cette loi est présentée à
la figure

Courbe théorique
de la loi binomiale

14
3.1.2 Loi de poisson

La loi de Poisson ou modèle de Poisson permet la modélisation

de l’observation d’un phénomène qui produit des événements à
un rythme connu.
On s’intéresse à l’observation d’événements et on suppose
1. un seul événement arrive à la fois
2. le nombre d’événements se produisant ne dépend que du
temps de l’observation
3. les événements sont indépendant

15
Considérons X la v.a. qui donne le nombre d’événements observés dans une unité de
temps. On a alors un phénomène de Poisson et la variable aléatoire qui donne le nombre
d’événements par unité de temps suit une loi de Poisson, notée X ∼ P (λ), où λ est le
nombre moyen d’événements par unité de temps

16
La courbe théorique de répartitions différentes λ est donnée a la figure
suivante.
On peut remarquer l’influence du paramètre λ

Exemple
Une composante électronique produit en moyenne 1 erreur par 100 000hres.
Quelle est la probabilité d'une erreur si la pi ce fonctionne 20 000 heures
17