Estimation de la fiabilité

 Exemple

On a relevé pour 21 moteurs électriques du même type, le temps en heures écoulé avant la 1er
panne (TBF), on obtient :

130 155 166 180 225 230 450 504 603 715 918
1105 1210 1315 1506 1800 2150 2415 2550 3410 3490

La première chose à faire est de créer un K intervalles identiques, selon la taille des données.

Dans certains cas, on peut utiliser la relation suivante pour déterminer le nombre d’intervalle à
considérer : = √ avec N le nombre de TBF. Si on applique cette relation pour notre
exemple, on va avoir = √ = √21 . Donc il faut au minimum 4 intervalles. Mais on peut
par exemple prendre plus que 4. Supposons qu’on a pris 7 intervalles, Donc on aura le tableau
suivant :

Tableau 1 : Nombre de moteurs pour chaque intervalle

Intervalle :
[0,500] ]500,1000] ]1000,1500] ]1500,2000] ]2000,2500] ]2500,3000] ]3000,3500]
∆
Nombre de
moteurs : 7 4 3 2 2 2 1
ni

Ensuite, selon la taille des données, on peut estimer la fiabilité par les relations suivantes
(tableau 2) :

Tableau 2 : Estimation de la fiabilité selon le nombre de données.

Nombre de données
0 à 20 20 à 50 Supérieur à 50
N
Prise en charge des Données ti classées par ordre croissant (un Données rangées par
données rang i est affecté à chaque données) classe ti
∑ − 0,3 ∑ ∑
Estimation de de Fti + 0,4 +1
Méthodes des rangs Méthodes des rangs Méthodes des rangs
médians moyens bruts

Rang i 1 2 3 4 5 6 7
Plage [0,500] ]500,1000] ]1000,1500] ]1500,2000] ]2000,2500] ]2500,3000] ]3000,3500]
Ni nombre
de 7 4 3 2 2 2 1
moteurs
Estimation 7 7+4 14
0 ,73 0,82 0,86 0,95
de Fti 21 + 1 21 + 1 21 + 1
Rti=1-Fti 0,68 0,50 0,36 0,27 0 ,18 0,14 0,05

Il faut remarquer que la Fti est croissante et ne dépasse pas 1, alors que la fonction est
décroissante.

Tableau 3 : Détermination du taux de défaillance :

Plage [0,500] ]500,1000] ]1000,1500] ]1500,2000] ]2000,2500] ]2500,3000] ]3000,3500]

Ni nombre
de 7 4 3 2 2 2 1
moteurs
Estimation 7 4 3 2 2 1 2
de λi 21 ∗ 500 14 ∗ 500 10 ∗ 500 7 ∗ 500 5 ∗ 500 3 ∗ 500 2 ∗ 500

Ces tableaux vont me permettre de tracer la loi de survie (la loi caractéristique de la fonction
Rti). On voit bien que cette loi est bien décroissante et on peut même dire qu’elle est
exponentielle.

Figure 1: Probabilité de survie

L’intérêt de calculer le taux de défaillance, est de remarquer que par exemple pour cette
application, on a un taux de défaillance qui est un peu près constant jusqu’à 3000 heures, donc
on est sur une phase de vie utile des moteurs, suivi d’une phase de vieillissement (voir figure
suivante)

Figure 2 : Taux de défaillance

I. Analyses par les lois de probabilité

1- Analyse de la fiabilité à partir du modèle exponentiel

- Domaine d’utilisation de la loi exponentielle en fiabilité

La courbe en baignoire, relative à la durée de vie d’un système, fait apparaître une période de
vie utile (maturité) plus ou moins longue pendant laquelle le taux de défaillance d’un système
ou d’un composant est sensiblement constant :

C’est le champ d’application de la loi exponentielle, qui repose sur l’hypothèse λ = constante.
Dans ce cas, les défaillances « aléatoires » émergent sous l’action de causes diverses et
indépendantes – par opposition à la période suivante, dite « de vieillesse », pendant laquelle
un ou plusieurs modes de défaillance prédominants apparaissent (fatigue, corrosion, etc.).
L’électronique se prête bien à l’utilisation de la loi exponentielle, dès lors que les composants
sont déverminés. La plupart des analyses prévisionnelles de fiabilité et de maintenabilité
reposent sur les hypothèses exponentielles : λ taux de défaillance constant en fiabilité, donc
MTBF = 1/λ .

- Loi exponentielle (loi continue) : caractéristiques

 Figure : Fonctions de défaillance de la distribution exponentielle

Complément de cours

Un dispositif mis en marche pour la première fois à t0 tombera sans doute en panne à un
instant T non connu a priori. T, date de la panne, est une variable aléatoire de fonction de
répartition F(t).

 F(t) est la probabilité d’une défaillance avant ti.

 R(t) est la probabilité de bon fonctionnement à ti. C’est une fonction monotone
décroissante.
 R(t) et F(t) sont des probabilités complémentaires, telles que :

R(t) + F(t) = 1
Figure : Probabilités complémentaires F(t) et R(t)