Académique Documents
Professionnel Documents
Culture Documents
t1 0 0
Différentes lois de probabilité ou distributions sont utilisées qui se différentient par leurs
formes mathématiques et le nombre de paramètres utilisés. On étudie dans ce chapitre la loi
exponentielle, la loi de Weibull, la loi Normale et la loi Log-normale. On choisit une loi
particulière en se basant sur son aptitude à représenter des données historiques ou d’essais de
fiabilité en utilisant par exemple, le coefficient de corrélation comme critère de choix.
7
2.3 Moyenne de temps de bon fonctionnement (MTBF)
La Moyenne de temps de bon fonctionnement MTBF est égale à l’espérance mathématique de
la variable aléatoire T définie par l’expression suivante
MTBF E (T ) t f (t ) dt
0
Cette dernière expression peut être plus facile à utiliser que l’expression précédente.
La moyenne n’est que l’un des indicateurs de la tendance centrale de la variable aléatoire. Un
deuxième indicateur est la valeur médiane tmed de la variable aléatoire T est définie par
l’expression suivante :
R(tmed ) 0.5 Pr t tmed
Le troisième indicateur de la tendance centrale d’une loi de probabilité est le mode qui
correspond à la valeur de la variable aléatoire pour laquelle la densité de probabilité présente
un maximum ; soit
f (tmod e ) max f (t )
0t
La probabilité de défaillance dans un intervalle centré à tmod e est plus grande que celle
correspondante à un autre intervalle de même largeur centré à une autre valeur de la variable
aléatoire.
Pour la loi Normale
MTBF tm ed tmod e
La figure montre la valeur moyenne, la valeur médiane et le mode d’une distribution désaxée
vers la droite.
8
2.4 Le taux de défaillance
Le taux de défaillance qu’on le note (t ) est souvent utilisé dans l’étude de fiabilité. On
l’introduit ci-après en étapes.
La probabilité conditionnelle de défaillance dans l’intervalle t , t t à condition que le
système a survécu jusqu’au temps t (a fonctionné sans subir une défaillance jusqu’au temps t)
F (t t ) F (t ) R(t ) R(t t )
Pr t T t t T t
R(t ) R(t )
La probabilité conditionnelle de défaillance dans l’intervalle t , t t par unité de temps est
R(t ) R(t t )
R(t )t
Le taux de défaillance permet de quantifier le risque en termes de probabilité qu'une entité qui
fonctionne correctement depuis la durée t tombe en panne subitement à l'instant suivant t + dt.
9
Intégrons cette équation entre t 0 et t ;
t dR( )
R (t ) R ( t ) dR( )
0
( )d
R (0) R( )
1 R( )
ln R(t )
D’où
R (t ) exp ( ( ) d )
t
dF (t )
Une fois R(t ) est déterminée, on peut trouver F (t ) 1 R (t ) et f (t ) .
dt
La fonction cumul du taux de défaillances pour un temps t est
t
H (t ) ( ) d ln R (t )
0
1 t2 ln R(t1 ) ln R(t2 )
(t1 , t2 )
t2 t1 1
t
( )d
t2 t1
La fonction fiabilité R(t ) peut être exprimée en termes de la fonction cumul de taux de
défaillance
R (t ) exp( H (t ))
La fiabilité conditionnelle est la fiabilité d’un système après un temps de bon fonctionnement,
sans défaillance, T0 (sachant qu’il a fonctionné sans défaillance un temps T0 )
Pr T T0 t R (T0 t )
R (t T0 ) Pr T T0 t T T0
Pr T T0 R (T0 )
période de bon fonctionnement T0 qui correspond par exemple à une période de déverminage
ou une période de garantie. R(t0 T0 ) peut aussi être utilisée pour déterminer la probabilité de
10
A partir de R (t T0 ) , on peut déterminer la moyenne du temps de bon fonctionnement
résiduelle MTBF (T0 ) après une période de fonctionnement sans défaillances T0 , qu’on
Cette équation permet de déterminer la moyenne de la durée de vie restante des unités qui ont
fonctionnés sans subir une défaillance jusqu’au temps T0 .
On introduit dans la suite du chapitre les lois de probabilité les plus utilisées suivantes pour
modéliser la probabilité de défaillances :
‐ Loi exponentielle ;
‐ Loi de Weibull
‐ Loi Normale
‐ Loi Log-normal
Dans les chapitres suivants, on présente les méthodes permettant de déterminer les paramètres
de ces lois et comment choisir la loi qui représente le mieux un ensemble des données des
tests de durées de vie ou des données historiques de défaillances.
R (t ) e 0
( ) d )
(
e t ,
la probabilité de défaillance
F (t ) 1 R (t ) 1 e t ,
et la densité de probabilité
dF (t )
f (t ) e t
dt
11
Les figures ci-dessous présentent les fonctions R (t ) , F (t ) et f (t ) pour un ensemble de
valeur du taux de défaillance constant .
0 0
Donc, l’écart type
1
MTBF
Cette équation montre que la dispersion augmente avec la MTBF. La fiabilité à un temps
t MTBF est indépendante de la valeur du taux de défaillance
1 1
R(MTBF) R e 1 0.368
e
12
Pour une fiabilité désirée R0 , on peut résoudre l’équation ci-dessus pour déterminer le temps
de bon fonctionnement correspondant à cette valeur de la fiabilité d’un système non
réparable :
1
t0 ln R0
1 1
tmed ln 0.5 0.693 0.693MTBF
R(t T0 ) e (t T0 )
R(t T0 T0 ) T0 e t R(t )
R(T0 ) e
Une période de fonctionnement antérieure T0 n’a pas d’influence sur la fiabilité. La période
T0 peut correspondre par exemple à une période de déverminage qui ne permet pas
13
La loi exponentielle ne permet pas de modéliser les systèmes mécaniques qui subissent des
dégradations et qui ont par conséquent un taux de défaillance croissant au cours du temps. Les
lois qui seront étudiées dans les paragraphes suivants ont un taux de défaillance non constant
au cours du temps et peuvent ainsi être utilisées pour les systèmes ayant un taux de
défaillance croissant.
Dans la page suivante, on présente un résumé qui comprend dans la colonne à gauche les
expressions des différentes fonctions utilisées et leurs propriétés lorsque la durée de vie est
modélisée par une loi de probabilité. La colonne à droite du tableau présente ces expressions
dans le cas de la loi exponentielle dans laquelle le taux de défaillance est constant.
Dans la page d’après, un tableau présente les valeurs moyennes des taux de défaillance d’un
ensemble de composants électroniques. La colonne à gauche donne les valeurs utilisées en
Grande Bretagne alors que la colonne à droite donne les valeurs des moyennes des taux de
défaillance utilisées aux Etats Unis.
14
Tableau récapitulatif
15
Exemple de tableau des valeurs moyennes des taux de défaillances des composants
électroniques
16
Exemple : cas d’un taux de défaillance constant
Réponses
R (t ) e t e 0.00034t
1 1
MTBF 2941 heures
0.00034
0.69315
tmed 0.69315MTBF 0.69315 2941 2039 heures
17
2.7 La loi de Weibull
La loi de Weibull est fréquemment utilisée pour modéliser la fiabilité car il peut avoir un taux
de défaillance croissant ou décroissant en fonction des paramètres du modèle. La forme de sa
fonction de densité de probabilité subit une modification significative en variant l’un des deux
paramètres de la loi (le paramètre de forme).
1
t t
(
t
d )
R (t ) e 0
( ( ) d )
e 0 e
t
F (t ) 1 R (t ) 1 e
1 t
dF (t ) t
f (t ) e
dt
Les figures de la page suivante montrent l’effet du paramètre sur les fonctions f (t ) , F (t ) ,
(t ) et R(t ) .
18
19
Le taux de défaillances (t ) est une fonction décroissante si 1 ; constante si 1 et
croissante si 1 .
1
Dans le cas où 1 , (t ) cste ; la loi de Weibull est réduit à une loi exponentielle
1 1
de taux de défaillance et représente dans ce cas la MTBF.
MTBF
Le taux de défaillance (t ) peut accroitre avec un taux décroissant donnant une allure
concave à la fonction (t ) si 1 2 . L’accroissement a un taux constant si 2 et un taux
croissant avec une courbe convexe de (t ) si 2 . Le tableau suivant résume l’effet du
paramètre de forme sur le taux de défaillance (t ) .
Il faut constater aussi que pour t , R(t) e 0.368 et F (t ) 1 0.368 0.632 ; ainsi
1
toutes les courbes de R (t ) correspondantes aux différentes valeurs de passent par le point
( , 0.368 ) et toutes les courbes F (t ) passent par le point ( , 0.632). La probabilité de
défaillance avant t est de 0.632 soit 63.2% des défaillances se produisent avant t
quelque soit la valeur de .
20
et la variance 2 est
2 1
2
= 1 1
2 2
où ( x) est la fonction Gamma. Un tableau est utilisé pour déterminer la valeur de ( x) pour
une valeur donnée de x . La relation suivante peut aussi être utilisée pour calculer ( x)
connaissant ( x 1)
( x ) ( x 1) ( x 1)
Les équations ci-dessus montrent que la moyenne et l’écart type sont proportionnels au
paramètre d’échelle . La variation de la valeur du paramètre affecte aussi bien la
moyenne que l’écart type. Au contraire, la loi Normale utilise deux paramètres, et , qui
affectent la moyenne et l’écart type de manière indépendante. La figure ci-dessous montre
l’effet du paramètre , noté , dans la figure, sur les fonctions f (t ) , R (t ) et ( t ) pour
21
Remarque : les courbes de f(t) pour les valeurs de alpha = 1 et 2 à corriger
Durée de vie
La durée de vie t0 associée à une valeur donnée R0 de la fonction de fiabilité peut être
déterminée en utilisant la relation suivante
tR
0
R(tR0 ) e
R0
Soit
tR0 ( ln R0 )1/
Pour les roulements à billes, on utilise la durée de vie nominale L10 correspondante à une
fiabilité de 90% qui signifie que 90% de roulements d’un lot de roulements atteignent cette
durée de vie
L10 ( ln0.9)1/
La durée de vie B1 qui correspondant à une fiabilité de 99% est aussi utilisés dans certains
domaines.
La valeur médiane représente mieux la tendance centrale quand la densité de probabilité est
asymétrique. Cette valeur est obtenue en remplaçant dans l’équation ci-dessus R0 0.5, soit
t0.5 ( ln0.5)1/
f (tmod ) max f (t )
t 0
22
qui donne
(1 1 / )1/ si 1
t mod
0 si 1
Exemple
Réponses
t 1/3
R(t ) exp
16000
1
3. MTBF 16000 1 16000 3! 96000 heures .
1/ 3
Puisque la distribution est fortement désaxée vers la droite, la valeur médiane donne une
meilleure indication de la tendance centrale.
2 2
2
4. (16000) (7) (4) 17510410 (heures)2
6
7. La durée de vie B1 est t0.99 16000 ( ln0.99) 0,0162 heure indiquant un pourcentage
3
La variable aléatoire T d’une loi normale peut prendre des valeurs t et ne peut donc
pas représenter un temps de bon fonctionnement qui est positif. Cependant, pour les valeurs
fréquemment observées de la moyenne et de l’écart type , la probabilité que la variable
aléatoire prend des valeurs négatives est négligeable et il est donc raisonnable d’utiliser la loi
normale pour modéliser le temps de bon fonctionnement.
Pour la loi normale, la probabilité cumulée de défaillances F(t)
1 ( ) 2
1
F (t ) Pr T t
t t
f ( ) d
2
e 2 2
d
Cette intégrale qui n’a pas une solution analytique peut être déterminée numériquement.
Cependant l’approche utilisée pour calculer cette probabilité est d’utiliser des tableaux (ou
une application informatique) en termes de la variable aléatoire centrée et réduite
T
Z
La densité de probabilité peut s’écrire en termes de cette variable
2
1 z2
( z) e
2
et la probabilité cumulée
1 2 T t
2
z
( z) e d Pr
2
24
Cette probabilité cumulée est donnée dans des tableaux dans les références de statistique. Ce
tableau peut être utilisé quelques soient les valeurs de la moyenne et de l’écart type lorsqu’on
utilise la relation suivante
T t t
F (t ) Pr T t Pr Pr Z z z
25
Exemple 1
La défaillance par usure d’un outil de forage est modélisée par une loi normale de moyenne
120 heures et d’écart type 14 heures de forage. Le forage dure 12 heures chaque jour.
Combien de jour de forage continu peut-on avoir avant de remplacer l’outil. Une fiabilité de
95 % est désirable.
Réponse
Exemple 2
5 % d’un type de pneu s’usent avant 25 000 km, 5 % des pneus dépassent 35 000 km.
Déterminer la fiabilité à 24 000 km si l’usure de ce type de pneu est modélisée par une loi
normale.
Réponse
On dispose de la donnée suivante :
Pr 25000 T 35000 0.90
25000 35000
ou, 1.645 et 1.645
24000 30000
Donc, R(24000) 1 1 1.97 0.9756
3039.5
26
Théorème de limite centrale
Le théorème de limite centrale offre une forte motivation à plusieurs applications de la loi
normale. Ce théorème spécifie que la somme de n variables aléatoires s’approche d’une
distribution normale lorsque n .
Soit
Yn X 1 X 2 X n ,
Ce théorème peut être utilisé pour déterminer la fiabilité d’un système dont la défaillance est
due au cumul des plusieurs petits effets. L’étude de la loi normale est aussi motivée par son
utilisation dans l’étude de la loi log-normale décrite dans la partie suivante du chapitre.
Un temps de bon fonctionnement représenté par une variable aléatoire T a une distribution
log-normale de paramètres et 2 si X ln(T ) a une distribution normale de moyenne
et de variance 2 . La densité de probabilité de la loi log-normale est
1 (ln t ) 2
1
f (t ) e 2 2
pour t 0
2 t
E X E ln(T)
Cette loi est définie uniquement pour des valeurs positives de t et convient mieux que la loi
normale pour modéliser les temps de bon fonctionnement. Des expressions analytiques de la
probabilité cumulée et du taux de défaillances ne sont pas disponibles. Cependant, ces
fonctions peuvent être déterminées en utilisant la relation entre cette loi avec la loi normale.
27
La figure ci-dessous montre la densité de probabilité et la fonction taux de défaillances pour
Source : AlSayed
28
La moyenne du temps de bon fonctionnement et la variance sont données par les expressions
suivantes
MTBF e(
2
var (T ) (e(2 ) )(e 1)
/2) 2 2
et
La valeur médiane est
tmed e
et le mode de la distribution est
tmod e(
2
)
ln T ln t ln t
R(t ) Pr T t Pr ln T ln t Pr 1
ln t
f (t )
La fonction taux de défaillances (t )
R(t ) t R(t )
Exemple
La défaillance d’un composant obéit à la loi log-normale de paramètres 6 et 2 .
Déterminer la fiabilité du ce composant et le taux de défaillance pour une durée de 200 unité
du temps.
Réponse
ln 200 6
R (200) Pr Z Pr Z 0.350 0.6386
2
Le taux de défaillance
ln 200 6
(200)
f (t )
2 0.350 0.00147 défaillance / unité de temps.
R(t ) 200 2 0.6386 200 2 0.6386
29
Chapitre III : Fiabilité de systèmes de composants
3.1 Introduction
Les lois de probabilité étudiées au chapitre 2 peuvent être aussi utilisées pour modéliser les
défaillances de systèmes de composants en plus de la modélisation de composants. Une autre
approche à modélisation d’un système de composants consiste à définir une loi de probabilité
pour chaque composant et de trouver ensuite la fiabilité du système de composants en se
basant sur la configuration de l’association de ces composants dans le système. C’est cette
dernière approche qui sera traitée dans ce chapitre.
Un système est un ensemble de composants assemblés pour assurer une fonction spécifique.
‐ La configuration en série
‐ La configuration en parallèle
Dans une configuration en série, tous les composants doivent être fonctionnels pour que le
système puisse fonctionner. Par contre, pour une configuration en parallèle, au moins un
composant doit être fonctionnel pour que le système puisse fonctionner.
On utilise des diagrammes en blocs pour modéliser l’association des composants d’un
système.
Dans un système structuré en série, la défaillance d’un seul composant entraîne la défaillance
du système.
30
La fiabilité d’un système de composants est une probabilité qu’on peut la calculer en utilisant
les lois de probabilité de la façon suivante :
n
Rs (t ) R1 (t )R2 (t )Rn (t ) Ri (t )
i 1
La fiabilité du système ne dépasse pas la fiabilité du composant qui a la plus faible fiabilité.
Donc, un composant de faible fiabilité pénalise l’ensemble du système. L’amélioration de la
fiabilité du système nécessite en premier lieu d’améliorer la fiabilité de composants de faibles
valeurs de fiabilité.
Considérons le cas où tous les composants ont des défaillances de distribution exponentielles.
où
31
n n
1
s i
i 1 i 1 MTBFi
est le taux de défaillances du système qui a aussi un taux de défaillances constant.
Exemple 1
Un système est constitué de quatre composants identiques de distributions indépendantes avec
Réponses
Dans le cas où la fiabilité de chaque composant du système est modélisée par la loi de
Weibull, la fiabilité du système est
i i
t
n
t
n n i
Rs (t ) Ri (t ) e i
e i 1
i 1 i 1
Le taux de défaillance du système
i
i 1
1 d Rs (t ) n i t
t n
1
e
s (t ) i 1 i
i 1 i i
i
Rs (t ) d t n
t
i
i 1
e
i 1
n
t
i
i 1 i i
s (t) n’a pas la forme d’un taux de défaillance de la loi de Weibull. On peut ainsi conclure
que la défaillance d’un système dont les défaillances de ses composants sont modélisées par la
loi de Weibull ne suit pas nécessairement la loi de Weibull.
Exemple 2
Un système est composé de quatre composants associés en série dont les défaillances de
chaque composant suivent la loi de Weibull de paramètres présentés au tableau ci-dessous.
Exprimer la fiabilité du système en déduire la fiabilité à t = 10.
32
Composant Paramètre d’échelle Paramètre de forme
1 100 1.2
2 150 0.87
3 510 1.80
4 720 1.00
Réponses
La fiabilité du système est donc
t 1.2 t 0.87 t 1.8 t 1.0
Rs (t ) exp
100 150 510 720
0.172827
et Rs (10) e 0.8415 .
La défaillance d’un système de composants associés en parallèles n’a lieu que si tous les
composants soient défaillants, soit
n
Fs (t ) Fi (t )
i 1
33