La probabilité qu’une défaillance se produise dans l’intervalle du temps t1 , t2 

Pr t1  T  t2    f ( )d   f ( )d   f ( )d  F (t2 )  F (t1 )  R(t1 )  R(t2 )

t2 t2 t1

t1 0 0

Source : Référence [Ebeling]

Remarque
La variable aléatoire T peut représenter, au lieu du temps, le nombre de kilomètres ou le
nombre de cycles, etc.

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

En effet, pour un système non réparable, il s’agit de la durée de vie moyenne.

Il est possible de monter que

MTBF   R(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 

Il faut remarquer que

F (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 )
0t 
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  (t ) est défini par l’expression suivante :

R(t )  R(t  t ) 1 dR(t ) 1 f (t )
 (t )  lim  
t R(t ) dt R(t ) R(t )
t  0
Soit
f (t )
 (t ) 
R(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.

Le taux de défaillance  (t ) constitue une autre alternative à f (t ) pour décrire la distribution

des défaillances. La fonction  (t ) peut être monotone ou non monotone. Si  (t ) est
monotone, on considère trois cas :
‐  (t ) est constante qui correspond à un taux de défaillance constant ;
‐  (t ) est une fonction croissante qui correspond à un taux de défaillance croissant ;
‐  (t ) est une fonction décroissante qui correspond à un taux de défaillance décroissant.

On démontre dans la suite comment déterminer la fonction fiabilité R(t ) à partir de

l’expression de la fonction taux de défaillance  (t ) .
dR(t ) 1
 (t )  
dt R(t )
dR(t )
ou  (t )dt  
R(t )

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

et le taux moyen de défaillance dans un intervalle du temps entre t1 et t2

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 ))

2.5 Fiabilité conditionnelle

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 )

Cette expression peut être exprimée en fonction du taux de défaillance  (t ) :

T0  t
R (T0  t ) exp ( 0  ( )d )
 exp  (   ( )d ) 
T0  t
R(t T0 )  
R (T0 ) T0
exp  (   ( )d )  T0 
0

La fiabilité conditionnelle R (t T0 ) permet de déterminer la fiabilité d’un système après une

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

bon fonctionnement à un instant t après une période de fonctionnement sans défaillances T0 .

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

l’appelle aussi durée de vie résiduelle moyenne

  R (t  T0 ) 1 
MTBF (T0 )   R (t  T0 T0 )dt  
R (T0 ) T0
dt  R ( ) d où   t  T0
0 0 R (T0 )

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.

2.6 La loi exponentielle

La loi exponentielle correspond au cas où le taux de défaillances  (t ) est constant :

 (t )  
La loi exponentielle est la loi la plus simple à utiliser dans l’analyse de la fiabilité. Cette loi
est utilisée pour modéliser les défaillances qui se produisent d’une manière aléatoire par
exemple les défaillances de certains composants électroniques ou les défaillances des certains
systèmes de composants qui ont des modes de défaillance différentes.
On peut ainsi déterminer la fonction fiabilité connaissant le taux de défaillances
t

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  .

La moyenne de temps de bon fonctionnement MTBF est déterminée en utilisant l’équation de

R(t ) ci-dessus, soit

  e  t 1
MTBF   R(t ) dt   e  t
dt   
0 0  0


et on utilise la définition ci-dessus pour déterminer la variance, soit

 
1 1
   (t   ) f (t ) dt   (t  ) 2  e  t dt  2
2 2

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


La valeur médiane du temps de bon fonctionnement correspond à R0  0.5 ; soit

1 1
tmed   ln 0.5  0.693  0.693MTBF
 

La loi de probabilité exponentielle a la propriété de « perte de mémoire » ou « l’absence de

mémoire » qu’on la démontre par l’équation suivante

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

d’améliorer la fiabilité dans le cas d’une loi exponentielle.

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

Un émetteur micro-onde a un taux de défaillance constant égal à 0.00034 défaillance par

heure de fonctionnement. Caractériser le processus de défaillance.

Réponses

1. La fonction fiabilité est

R (t )  e  t  e 0.00034t

2. La moyenne de temps de bon fonctionnement est

1 1
MTBF    2941 heures
 0.00034

3. La valeur médiane de la durée de vie est

0.69315
tmed   0.69315MTBF  0.69315  2941  2039 heures


4. La fiabilité correspondante à une période de fonctionnement continu de 30 jours est

R(30  24)  0.78286

5. La durée de vie nominale correspondante à une fiabilité de 0.95 est

t0.95  ( ln 0.95) / 0.00034  150.86 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).

Le taux de défaillance de la loi de Weibull a la forme d’une loi de puissance ; soit

 (t )  at b
où a  0 pour que  (t )  0 .
Si b  0 ,  (t ) est une fonction croissante ;
si b  0 ,  (t ) est une fonction décroissante
et si b  0 ,  (t ) est une constante.

Il convient d’écrire  (t ) sous la forme suivante

 1
t 
 (t )   
  
Le paramètre  est appelé paramètre d’échelle qui a la même unité que t ; le paramètre  est
appelé paramètre de forme qui est sans unité.

A partir de la fonction  (t ) , on peut déterminer les fonctions R(t ) , F (t ) et f (t ) :

 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 ) .

La densité de probabilité f (t ) est une fonction strictement décroissante si   1 . Pour   1 ,

elle est non monotone et admet un maximum. En particulier, pour   2 , la loi de Weibull se
réduit à la loi de Rayleigh qui présente une densité de probabilité asymétrique désaxée vers la
droite. Pour les valeurs 3    4 , la densité de probabilité est approximativement symétrique
et s’approche de celle de la loi Normale.

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  .

La MTBF de la variable aléatoire T pour la loi de Weibull est

1
MTBF     (1 )


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

une valeur de   2 . Pour une valeur fixe de  , l’augmentation de la valeur de 

augmente la valeur de R (t ) à une valeur donnée de t. Par contre, la pente de  (t ) décroit avec
 .

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/ 

Le mode est obtenu à partir de la solution de l’équation

f (tmod )  max f (t )
t 0

22 
 
qui donne
 (1  1 /  )1/  si   1
t mod  
 0 si   1

La fiabilité conditionnelle après une période de survie T0 est


 T t   
 0    T0  t   T0  
      
R (t  T0 ) e 
       
R (t  T0 T0 )    e
R (T0 ) T 
 0 
e  

Exemple

Soit une loi de Weibull de paramètre de forme   1 / 3 et de paramètre d’échelle   16000

heures. Caractériser complètement le processus de défaillance.

Réponses

1. La fonction fiabilité est

  t 1/3 
R(t )  exp    
  16000  

2.   1 / 3 correspond à un taux de défaillances décroissant qui correspond à une mortalité

infantile.

 1 
3. MTBF  16000  1    16000  3!  96000 heures .
 1/ 3 

tmed =16000  0.69315   5328 heures

3

Puisque la distribution est fortement désaxée vers la droite, la valeur médiane donne une
meilleure indication de la tendance centrale.

Le mode est égal à zéro car   1 .

2 2
 2

4.   (16000) (7)   (4)  17510410 (heures)2
6

soit   4.18105 heures

5. La durée de vie caractéristique est de 16000 heures. Donc, 63 % des défaillances se

produisent au cours de cette durée de vie caractéristique.
23 
 
6. Si une fiabilité de 90 % est requise, la durée de vie nominale correspondante est

t0.9  16000 ( ln0.90)3  18,71 heures

7. La durée de vie B1 est t0.99  16000 ( ln0.99)  0,0162 heure indiquant un pourcentage
3

élevé des défaillances précoces.

2.8 La loi normale

La loi normale est une loi de probabilité qui dépend de deux paramètres : la moyenne  et
l’écart type  . Cette loi a été utilisée pour modéliser les défaillances dues à la fatigue et à
l’usure. La densité de probabilité de la loi Normale a la forme d’une cloche renversée et
présente une symétrie par rapport à la moyenne. L’expression mathématique de la densité de
probabilité de la loi normale est
1 ( t   )2
1 
f (t )  e 2 2
pour    t  
2 

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
      

La fiabilité R(t) peut ensuite être déterminée à partir de F(t)

R (t )  1  F (t )
La fonction taux de défaillance  (t ) ne peut pas s’écrire sous une forme analytique.
Cependant, cette fonction est strictement croissante pour la loi normale et peut donc être
utilisée dans le cas des défaillances par dégradation.

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

L’objectif est de déterminer t 0.95 tel que Pr T  t 0.95   0.95 . Standardisons,

 T   t0.95     T   t0.95  120   t0.95  120 

Pr T  t0.95   Pr     Pr     1     0.95  
      14   14 
Utilisons un tableau de la loi normale, on trouve
t0.95  120
 1.645  
14
d’où, t0.95  96.97 heures  8 jours.

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  

Utilisons des valeurs standards,

 25000   35000   
Pr  Z   0.90
   
Utilisons une table de la loi normale et la propriété de symétrie de sa densité de probabilité,
on trouve,
Pr 1.645  Z  1.645  0.90  

25000   35000  
ou,    1.645    et    1.645  
 

La résolution de ces deux équations donne,   30000  km, et    3039.5  km. 

 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 ,

où X i , i  1, , n sont des variables aléatoires indépendantes (et pas nécessairement de

distribution normale) de moyennes finies E ( X i ) et de variances finies V ( X i ) . Pour une

valeur suffisamment élevée de n , Yn a approximativement une distribution normale dont la

moyenne et la variance ont les expressions suivantes
n n
E (Yn )   E ( X i ) et V (Yn )   V ( X i )
i 1 i 1

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.

2.9 La loi log-normale

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)  

Var  X Var  ln(T) 2

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

une série des valeurs des paramètres (,  2).

La loi log-normale peut prendre diverses formes comme la loi de Weibull. Dans plusieurs cas
les deux lois peuvent représenter convenablement des données de défaillances.

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
)

On peut établir la relation suivante entre la MTBF, la médiane et le mode

tmod  tmed  MTBF

La fonction fiabilité R (t ) peut être calculée en utilisant la relation suivant avec la loi normale

 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.

Il existe deux configurations de base d’un système de composants :

‐ 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.

3.2 Configuration série

La figure ci-dessous montre le diagramme en blocs d’un système constitué de n composants

associés en série.

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 :

Soit E1 l’évènement que le composant 1 ne subit pas une défaillance ;

et E2 l’évènement que le composant 2 ne subit pas une défaillance ;

R1  Pr(E1) et R2  Pr(E2 )
La fiabilité du système de deux composants est

Rs  Pr(E1 E2 )  Pr(E1)Pr(E2 )  RR

1 2

Cette équation est valable si lesévénementssont indépendants ; c’est-à-dire la défaillance de

l’un des deux composants n’a pas d’effet sur la défaillance de l’autre composant.
L’association en série implique que le système ne peut fonctionner que si les deux
composants soient en état de fonctionnement.

Pour un système à n composants associés en sérieet en prenant en considération la

dépendance de la fiabilité du temps, la fiabilité du système a l’expression suivante

n
Rs (t )  R1 (t )R2 (t )Rn (t )   Ri (t )
i 1

Sachant que Ri (t) 1, i 1,, n ,

Rs (t )  min Ri (t )
i  1,..., n

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.

Si chaque composant i du système a un taux de défaillances constant i , la fiabilité du

système est
n
n n  it
Rs (t )   Ri (t )  eit  e i1
 est
i 1 i 1

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

un taux de défaillances constant. Si la fiabilité désirée est Rs (100)  0.95 ; déterminer la

valeur de MTBF d’un composant.

Réponses

Rs (100)  e100s  e100(4)  0.95

 ln 0.95
donc   0.000128
400
1
et MTBF   7812.5
0.000128

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 .

3.3 Configuration parallèle

Une configuration moins fréquente que la configuration en série consiste à disposer deux
composants ou plus en parallèle de façon que le système peut fonctionner si au moins un
composant est en état de fonctionnement. La figure ci-dessous présente le diagramme en blocs
d’une configuration parallèle d’un système constitué de n composants.

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

La fiabilité du système peut alors être déterminée à partir de la relation suivante

n
1  Rs (t )   (1  Ri (t ))
i 1
ou
n
Rs (t )  1   (1  Ri (t ))
i 1
D’où on déduit que
Rs (t )  max Ri (t )
i

33