FMD3

Chapitre 3
Modélisation de la fiabilité
La fiabilité : pour qui ?
Le terme fiabilité s’applique aussi bien :

à de grands nombres de dispositifs identiques (résistances,
transistors, lampes, joints par exemple)
qu’à un dispositif unique (on suppose alors que le dispositif,
même réparé, conserve ses propriétés initiales)
On trouvera donc deux sortes de dispositifs :

les dispositifs non réparables (résistances, transistors, batteries,
goupilles, joints, etc..) dont on effectuera le changement standard
les dispositifs réparables qui feront l’objet d’une maintenance
corrective
Le temps
La base :
temps jusqu’à défaillance pour un
système non réparable
ou temps entre 2 défaillances
consécutives pour un système réparable
s’exprime en secondes ou bien en « unités
d’usage » (heures, distances, cycles ou
toutes grandeurs appropriées : 1 heure, 3
mois, 1000 km, etc...)
définit une variable aléatoire T que l’on
traite selon les méthodes usuelles du
calcul des probabilités
Le temps
Pour les dispositifs non réparables, on relève le temps jusqu’à

défaillance
Fonctionnement
TTF
Arrêt
t
TTF = Time To Failure (temps jusqu'à la défaillance irréversible)

Pour les dispositifs réparables, on relève le
temps entre deux défaillances successives
TBF
Fonctionnement
UT
Arrêt
TTR TTR
DT DT
TBF = Time Between Failure (temps s’écoulant entre
deux défaillances)
UT = Up Time (temps de fonctionnement après
réparation ou temps de disponibilité)
DT = Down Time (temps d’arrêt sur défaillance, y
compris le temps de diagnostic de la panne, la
réparation et le temps de remise en service, donc temps
d’indisponibilité)
TTR = Time To Restoration (temps de réparation)
Attention : TBF ne signifie pas « temps de bon

fonctionnement » comme on a tendance trop souvent à le
dire en France
1 – Expression mathématique
Soit T la durée de vie sans avarie d’un équipement

(TTF) ou l’intervalle entre deux défaillances (TBF)
T est une variable aléatoire continue
Sa fonction de répartition F(t) est appelée fonction de
défaillance : c’est la probabilité pour que l’équipement
tombe en panne avant l’instant t, donc F(t) = Pr(T < t)
On appelle fiabilité ou fonction de survie l’expression
R(t) = Pr(T > t)
T est souvent exprimé en heures mais aussi en unité d’usage
1 – Expression mathématique
Exemple R(100) = 0,92 : cela signifie que le matériel a

92 chances sur 100 de fonctionner pendant les 100
premières heures ou unités d’usage
On a aussi la relation : F(t) = Pr(T < t) = 1 – R(t)
où F(t) est la fonction de défaillance
La fréquence d’apparition des défaillances entre t et
t+dt (ou densité de probabilité de défaillance) est :
dF(t)
f(t) 
dt
2 – Estimation statistique
Les valeurs vraies des paramètres précédents ne

sont pas faciles à calculer directement
Le maintenancier n’aura à sa disposition qu’un
historique des défaillances d’où il pourra extraire la
distribution des temps (TTF et TBF)
Pour estimer R(t), F(t) et f(t), on va passer par une
étude statistique des historiques
Remarques sur le calcul de F(t)
l’estimation de F(t) est le rapport i/N(0) avec i = cumul
des défaillants à la fin de l’intervalle de temps
considéré
c’est la méthode des rangs bruts
en fait, quand l’échantillon est i
inférieur à 50, on prend la méthode F( t ) 
N( 0 )  1
des rangs moyens
i  0,3
quand l’effectif de l’échantillon F( t ) 
est inférieur à 20, on utilise la N(0)  0,4
méthode des rangs médians
Différentes formes des courbes
de fiabilité
R(t)
1
1
Défaillances
aléatoires Défaillance par
vieillissement ou usure
5
4 3
2
Défaillance de
jeunesse t
3 – Taux de défaillance
Le taux de défaillance est

une caractéristique de
fiabilité couramment
utilisée dans l’industrie
Il caractérise la vitesse de
variation de la fiabilité au
cours du temps
Exemples de taux de défaillances
Composants électroniques
Composant Taux de défaillance

Résistance 10-8 def/h
Condo céramique 10-8 def/h
Transistor petit signal 10-7 def/h
Exemples de taux de défaillances
Composants électromécaniques
Composants Taux de défaillance

Lampe incandescence 8,3.10-6 def/h
Lampe néon 4,8.10-7 def/h
Vanne pneumatique 3.10-6 def/h
Pompe centrifuge 1,2.10-5 def/h
Réservoir 1,4.10-5 def/h
A – Expression théorique
Considérons maintenant N(0) équipements identiques

à l’instant t = 0
A chaque instant t, on peut relever le nombre
d’équipements survivants N(t)
Dans ces conditions, le taux de défaillance moyen
pendant un intervalle de temps dt, rapporté au nombre
de survivants à l’instant t, s’écrit :
S( t )  S( t  dt )

S( t ).dt
Exemple
On teste un lot de 50 électrovannes en les

soumettant à une suite de 10 impulsions
A la 50ème heure, il en reste 35
Il n’en reste plus que 30 à la 60ème
Le taux de défaillance moyen entre la 50 et 60ème
heure vaut :
  35 - 30  0,014 def/h
35x10
B – Taux de défaillance instantané
Le taux moyen de défaillance peut encore s’écrire :

S( t )  S( t  dt )
S( t )  S( t  dt ) N(0).dt
 
S( t ).dt S( t )
N(0)
Le rapport S(t)/N(0) représente la fiabilité R(t) = 1 – F(t),

donc :
R(t)  R(t dt) 1  F(t)  1  F(t dt) F(t dt)  F(t)
  
dt.R(t) dt.R(t) dt.R(t)
B – Taux de défaillance instantané
Si on suppose la fonction de défaillance F dérivable sur

[0,+[, alors :
F( t  dt )  F( t ) F'(t) f(t)
limdt 0  
dt.R( t ) R(t) R(t)
f(t) est la fréquence d’apparition des défaillances

On appelle taux de défaillance instantané à l’instant t, le
rapport :
f(t) f(t)
(t)  
R(t) 1  F(t)
C - Evolution du taux de défaillance dans le temps
De nombreuses observations ont montré que les matériels

présentaient un taux de défaillance dont l’allure, en fonction
du temps, est « une courbe en baignoire »

1 2 3
Composant
mécanique
Composant
électronique
Composant
électrique
t
La courbe en baignoire fait apparaître 3 zones :

Zone 1
c’est la période de jeunesse ou de défaillance précoce, période
initiale d’un matériel pendant laquelle le taux instantané de
défaillance décroît rapidement, jusqu'à un minimum
les défaillances sont le plus souvent catalectiques
Elles sont dues à des anomalies ou imperfections de montage
cette période devrait, pour des matériels corrects, être éliminée
par un rodage pour la mécanique ou par un pré-vieillissement
(« déverminage ») pour des composants électroniques
à noter que cette phase est plus lente pour un composant
mécanique
Zone 2
c’est la période, dans la vie d’un matériel, pendant laquelle le
taux instantané de défaillance est pratiquement constant pour le
composant électronique, moins pour le composant mécanique
elle peut être de durée plus ou moins importante (plus pour
l’électronique que pour la mécanique)
les défaillances sont aléatoires et liées le plus souvent à la
dérive des composants
on appelle aussi cette période « période de maturité »
en maintenance, c’est la période où l’on met en place du
préventif, même si le correctif reste nécessaire
Zone 3
c’est la période de défaillance par vieillissement (ou période
d’usure ou « fin de vie »)
pendant cette période, le taux de défaillance croît rapidement
à un certain point de (t), le matériel est « mort »
on peut éliminer cette période par des politiques appropriées de
déclassement ou de remplacement systématique
la tendance est toutefois d’effectuer une maintenance
conditionnelle, ce qui permet de prévoir les défaillances et
d’exploiter le matériel au maximum de ses possibilités
Aujourd’hui, pour éviter les pannes de jeunesse, certains

fournisseurs d’équipements n’hésitent pas à « vieillir » ceux-ci
avant de les vendre au client
C’est le cas des constructeurs automobiles, le client ne
« rodant » plus le moteur de sa voiture comme cela se faisait
encore il y a une vingtaine d’année
D’autre part, des équipements identiques ne travaillent pas
obligatoirement de la même manière, et donc, la réalité des
défaillances est toute autre
Dans ces conditions, on ne va pas toujours obtenir une courbe
en baignoire

Sur cet exemple, les pannes de
jeunesse ont été éliminées
Les défaillances
n’apparaissent que lorsque
l’équipement est âgé
t
Exemple : équipements
mécaniques et
Modèle B électromécaniques simples

Cet exemple indique qu’on
ne sait pas dire à quel
moment vont commencer
les ennuis, puis on a un
t taux croissant lié à l’usure
Exemple : vannes de
Modèle C pressurisation

Cette courbe montre des
systèmes sans défaut au
départ
t Cas des moteurs
électriques achetés neufs
Modèle D
cette courbe est typique

 des défaillances aléatoires
la défaillance n’a aucun
lien avec l’âge
c’est le cas des
t
équipements mécaniques
et électromécaniques
complexes
Modèle E le préventif n’a pas
d’impact dans ce cas

Cette courbe montre des
systèmes souffrant de
défaillances précoces
t
C’est le signe, le plus
souvent, d’une mauvaise
conception
Modèle F
La connaissance de l’évolution du taux de

défaillance doit aider à mettre en place une
politique de maintenance
C’est la notion de MBF, c’est à dire
« Maintenance Basée sur la Fiabilité »
En anglais RCM : « Reliability Centered
Maintenance »
Exemple 1 : roulement à billes
on a changé une première fois Conclusion :

un roulement à billes sur un les roulements suivent en
équipement 3 ans après sa pratique le modèle E et il est
mise en service donc ridicule de pratiquer du
une seconde fois 1 ans après préventif systématique !..
le premier échange la solution passe par le
enfin une troisième fois 5 ans conditionnel : on entend du
après bruit, on change le roulement
sa durée de vie moyenne est encore faut-il avoir un signal
donc de 3 ans, mais on ne peut qui nous prévienne
pas prédire à quel moment il suffisamment avant, d’où
va « lâcher » pour la quatrième l’utilité de l’analyse vibratoire
fois.
Exemple 2 : éclairage d’un lieu
une ampoule électrique a un Conclusion :

taux de défaillance aléatoire,
mais de plus, la défaillance est
il y a peu de chances que
catalectique les deux lampes grillent
on se retrouve dans le noir !.. en même temps
il est clair que le systématique on ne sera donc jamais
et le conditionnel ne marchent dans le noir = sécurité
pas dans ce cas
par contre, on change les
la solution passe par la conséquences : le coût
mise en parallèle de 2 est plus élevé
lampes (redondance)
4 - Modèle mathématique de la fiabilité
On a défini précédemment, par passage à la

limite, le taux de défaillance instantané :
F( t  dt )  F( t ) dF( t )
( t ).dt  
R( t ) 1  F( t )
On intègre les deux membres de l’expression
précédente, avec comme condition initiale F(0) = 0 ,
donc R(0) = 1
0 ( x ).dx  0 1  F(x)   ln(1  F( x ))0

t t dF(x) t
4 - Modèle mathématique de la fiabilité
Soit encore :
 (x).dx   lnR(x)
t
  lnR(t)  lnR(0)
t
0
0
t
Mais comme R(0) = 1, il vient : lnR(t)   (x).dx
0
t
ou encore : 
 (x).dx
R(t)  e 0
Conclusion : si l’on connaît la loi d’évolution du taux de

défaillance d’un équipement, on saura calculer sa fiabilité
3.3 - Paramètres fiabilistes de type
« moyenne »
On va obtenir, avec M = Mean (moyenne) :

le MTBF (Mean Time Between Failures)
le MUT (Mean of Up Times)
le MTTF (Mean Time To Failure)
Parmi ces indicateurs, le MTBF a un très grand
intérêt
MTBF
C’est l’espérance mathématique du temps de bon
fonctionnement entre deux défaillances
Son expression est donc :
 
MTBF  
t.f(t).dt  
t.dF(t)
En intégrant l’expression précédente par parties, on
obtient finalement :

MTBF R(t).dt
0
Remarques sur le MTBF
1. Le MTBF s’exprime le plus souvent en heures, mais

on peut utiliser une autre unité d’usage
2. Si les DT soient très petits devant les UT, alors une
bonne approximation du MTBF est donnée par :
MTBF 
 UT
Nombre de défaillanc es
Exemple
Une pompe de relevage a fonctionné pendant 8000

heures en service continu
Elle a subi 6 pannes de durées respectives 2 h, 4,5 h,
3 h, 1 h, 6 h et 3 h
On en déduit que :
 UT  8000  (2  4,5  3  1  6  3,5) 7980 h
Et donc :
7980
MTBF   1330h
6
3.4 - Cas typiques de calcul de fiabilité
La fiabilité est directement liée au taux de

défaillance
Or, la loi de variation de celui-ci n’est pas
toujours simple
Une première approche est de ne considérer
que la période de maturité
Dans ce cas  peut être constant ou évoluer
linéairement
1 - Cas d’un taux de défaillance constant
C’est le cas des composants électriques et

électroniques n particulier t
 (t).dt
t
.dt
La loi de fiabilité s’écrit : R(t)  e 0 e 0
t
Ici  est constant donc :  .dt  .t
0
Dans ces conditions : R( t )  e  t
La fiabilité suit une loi exponentielle

Calcul du MTBF

On sait que MTBF
0 R(t).dt
donc MTBF
0


et.dt   1.et


et enfin MTBF  1  constante


avec  = 1/
Le MTBF s’exprime en unité d’usage

Exemple d’un téléviseur
Son taux de défaillance moyen est  = 1,2.10-5/h

au bout de 1000h de fonctionnement, sa fiabilité est :
1,2.10 5.1000
R(1000)  e  0,988
son MTBF vaut 1/ = 8,33.104 heures
a priori, il a donc encore un bel avenir devant lui !
Question : a t-on une chance de le faire durer encore 1000

heures de plus?
Exemple d’un téléviseur
La probabilité de réussite d’une mission de durée t,

après un temps t de bon fonctionnement, s’exprime par :
R(t  t)
R(t)
1,2.10 5.2000
On calcule d’abord R(2000)  e  0,976
R(2000 ) 0,976
On en déduit que :   0,99
R(1000 ) 0,988
Donc on a 99 chances sur 100 pour que le téléviseur
continue à remplir sa mission
Attention
Ne pas confondre le MTBF avec la « durée de vie » d’un matériel
Dire qu’un matériel a un MTBF de 1000h ne signifie pas qu’à t =
999h, ce matériel fonctionne et qu’à t = 1001h, le matériel est
défaillant
Le MTBF représente une moyenne
Exemple
Considérons un seuil de fiabilité de 0,9 pour le téléviseur
précédent
On a Ln[R(t)] = - .t, donc la durée de vie estimée sera égale à :
105
t  1.Ln 1  .Ln 1  8780 heures
 R 1,2 0,9
2 - Cas d’un taux de défaillance non constant
Le phénomène d’usure commence dés la mise

en service d’un composant mécanique
Il ne peut donc pas avoir un taux de défaillance
constant
Si le taux de défaillance est de la forme
(t)  at  b
t at 2
R(t)  e 0
 (at b)dt
alors e
(
2
bt)
Si l’on connaît les paramètres a et b, on n’aura aucun

mal à calculer R
Par contre, le calcul du MTBF ne sera pas simple
at 2
 ( bt )
MTBF   e 2
.dt
0
Il est nécessaire de connaître des méthodes

de calcul numérique pour effectuer ce calcul
Pour aller plus vite, on préfère trouver directement la

fonction de fiabilité en essayant divers modèles, puis
en vérifiant leur validité par un test d’adéquation
 Dans le cas de taux de défaillance croissant,

ce qui est la réalité, on peut utiliser deux lois :
 La loi log-normale
 La loi de Weibull
La loi log-normale s’applique dans le cas de fatigue ou

d’usure mécanique :
2
1  ln t m 
  
1 t1 2  
R( t )  1 


2 0 t
e .dt
 On lui préfère la loi de Weibull qui est un

modèle plus général
Modèle de Weibull
Cette loi est la plus utilisée en maintenance

C’est une loi à trois paramètres, très souple, qui couvre
les cas de taux de défaillance décroissants ou croissants
Son exploitation fournit :
 une estimation du MTBF
 les équations de la fiabilité R(t) et du taux de
défaillance (t)
 le paramètre de forme  qui peut orienter le
diagnostic
Modèle de Weibull

 t 
  si t > 
  
R( t )  e
La fiabilité vaut 1 si t  
 Pour  = 0 et  = 1, on retrouve la loi
exponentielle
 Celle-ci est donc un cas particulier de la loi
de Weibull
Paramètre 
C’est un nombre sans dimension qui détermine la

forme de la distribution f(t) des défaillances :
si  = 1, le taux de défaillance est constant
si 0 <  < 1, le taux de défaillance est décroissant
(période de jeunesse)
si  > 1 le taux de défaillance est croissant
Il peut servir d’indicateur de diagnostic :

si 1,1 <  < 1,6 on un phénomène de fatigue ( cas des
roulements à billes dont la valeur normale est  = 1)
Paramètre 
 Il est appelé paramètre de position

 Il fixe l’origine de l’étude et définit donc un
changement d’origine dans l’échelle des temps
 Il s’exprime dans la même unité que t (temps absolu
ou unité d’usage) :
 si  > 0, cela signifie qu’il n’y a pas eu de défaillance dans
l’intervalle [0, ]
 si  = 0, il peut y avoir une panne dès la mise en route (panne de
jeunesse par exemple)
 si  < 0, la construction de l’équipement est défectueuse (panne
avant la mise en route) ou alors l’étude a débuté après les
premières défaillances (pas d’historique)
Paramètre 
Il est appelé paramètre d’échelle ou

« caractéristique de vie »
C’est un nombre positif permettant un
changement de l’échelle des temps
Il s’exprime dans la même unité que t
2 – Expressions mathématiques
A - Fonction de défaillance
Par définition, F(t) = 1 – R(t)

F(t)  1  
t  
e    si t > 
F(t)  0 si t  
2 – Expressions mathématiques
B – Densité de probabilité
C’est la dérivée de F(t)
C’est aussi la fréquence d’apparition d’une
défaillance entre 2 instants
1
  t 

t  

f(t)  .   si t > 
   
e   
f(t)  0 si t  
B – Fonction de répartition des défaillances
f(t)
  
   
  
t
Quand  > 1, la fréquence de défaillance passe par un
maximum
3 – Application à la maintenance
A - Taux de défaillance
f(t)
Par définition, (t) 
1 - F(t)
1
  t 
(t)  .  si t > 
   
L’expression n’a pas de sens si t  

A – Taux de défaillance
f(t)

1
 = 0,5
Quand  > 1, le taux de défaillance est croissant

B - MTBF
C’est l’espérance mathématique de la durée de vie T
   1 
  t   t 
E(T)   t.f(t).dt   t. .   .e 
 

 .dt
 
   
MTBF  .1  1     : fonction eulérienne

  tabulée
Le calcul pratique du MTBF
s’effectue par la formule
MTBF  .A  
C – Variance et écart-type
On montre que :
  2   .1  1  
2
V(T)   (T)   .1 
2 2

 
   
Le calcul pratique de l’écart-

(T)  B.
type s’effectue par la formule
 A B  A B  A B
0,2 120 1901 1,7 0,8922 0,540 4,4 0,9114 0,235
0,25 24 199 1,75 0,8906 0,525 4,5 0,9126 0,230
0,3 9,2605 50,08 1,8 0,8893 0,511 4,6 0,9137 0,226
0,35 5,0291 19,98 1,85 0,8882 0,498 4,7 0,9149 0,222
0,4 3,3234 10,44 1,9 0,8874 0,486 4,8 0,9160 0,218
0,45 2,4786 6,46 1,95 0,8867 0,474 4,9 0,9171 0,214
0,5 2 4,47 2 0,8862 0,463 5 0,9182 0,210
0,55 1,7024 3,35 2,1 0,8857 0,443 5,1 0,9192 0,207
0,6 1,5046 2,65 2,2 0,8856 0,425 5,2 0,9202 0,203
0,65 1,3663 2,18 2,3 0,8859 0,409 5,3 0,9213 0,200
0,7 1,2638 1,85 2,4 0,8865 0,393 5,4 0,9222 0,197

D – Durée de vie associée à un seuil de fiabilité


t  
 
On a R(t)  e   

 t  
donc ln[R(t)]   
  
1
T    .ln 1 

et
 R(t) 
Si l’on connaît les 3 paramètres de la loi de

Weibull, on en déduira T
4 - Détermination graphique des
paramètres de la loi de Weibull
L’étude d’un historique d’équipement permet

d’obtenir une estimation de la fonction de
défaillance F(t)
Le problème est donc de déterminer les
paramètres ajustant cette fonction
Pour cela, on emploie un papier à échelle « log-
log », imaginé par Allen PLAIT et appelé encore
« papier de Weibull »
A – Justification théorique

 t  
On a écrit précédemment que ln[R(t)]   
  

1 1  t  
soit ln[ ]  ln[ ] 
R(t) 1  F(t)   
ou encore

lnln[ 1 
]  . ln(t)  ln
 1  F(t) 
On pose 
Y  lnln[ 1 
] X ln(t)
 1  F(t) 
A – Justification théorique
On en déduit que Y   X   ln

C’est l’équation d’une droite de pente 
Elle est tracée à partir du nuage de points

[ti , F(ti)]
On l’appelle droite de régression D du nuage de points

B – Description du papier de Weibull
F(t)
99,9
1 a lnt
0,2 0,3 1 A 10
t
63,21
2
Origine du repère
B
3
b
4
Axe A : axe des temps (TBF ou TTF)
5
Axe B : axe des F(t) en %
Axe a : axe gradué en lnt
Axe b : axe ln[ln (1/R(t))]
C – Méthodologie de l’ajustement
graphique
1) Préparation des données : tableau des TBF (ou
TTF), i et F(ti)
2) Tracé du nuage de points [ti, F(ti)]
3) Tracé de la droite D dite « de Weibull »
4) Détermination des valeurs des paramètres ,  et

5) Détermination de l’expression de la loi de
Weibull
6) Détermination du MTBF
7) Exploitation des résultats
Détermination des valeurs des paramètres , 
et 
F(t)
1
99,9 lnt
0,2 0,3 1 10
63,21 t

1 D’
2
D
3

4
5

D – Forme du nuage de points
Le nuage de points n’est pas toujours ajustable par une droite

il est alors ajustable par une courbe dont la concavité reste
constante
il suffit pour cela d’observer le signe de la dérivée seconde de
.[ln(t-) -ln]
 On montre que:
 si le nuage est ajustable par une droite alors  = 0
 si la concavité du nuage est tournée vers le bas, alors  > 0
 si la concavité du nuage est tournée vers le haut, alors  < 0
D – Forme du nuage de points
t1 t2 t3 A
 Pour obtenir une bonne

précision, il faut que les
points P1 et P3 soient P3
a
suffisamment éloignés et
b
non extrêmes P2
a
P1
 On les choisit aussi de
manière que les
projections de P1P2 et
P2P3 sur l’axe b soient
égales t22  t1t3

2t2  t1  t3
E – Redressement de la concavité
A

 On translate tous les 
points de  D' 
b
 Si cette régression 
donne une droite D’
alors on a bien une loi
de Weibull
3.6 – Amélioration de la fiabilité
Lorsque le taux de défaillance est constant, il est

facile de vérifier qu’une maintenance préventive
n’améliore pas la fiabilité d’un composant
En effet, nous avons vu que la probabilité de réussite
d’une mission de durée t, après un temps t de bon
fonctionnement, s’exprime par :
-(t  t)
R(t  t) e
 -t  e-t
R(t) e
Remplacer un composant à l’identique, c’est à dire de même ,

c’est prendre le risque de le remplacer par un composant plus
mauvais
A chaque instant, quel que soit le temps, on a la même
probabilité de défaillance
Donc, calculer la fiabilité d’un équipement, c’est bien, mais
rechercher les causes c’est mieux
Un des aspects essentiels de l’activité des fiabilistes va être
d’établir la répartition des causes de défaillances en fonction de
leur fréquence d’apparition
Pour cela, on dispose d’outil comme le diagramme de Pareto
Mais il y a plusieurs autres façons d’améliorer

la fiabilité tout en allant dans le sens de la
sécurité intrinsèque de l’équipement
On appelle sécurité intrinsèque la propriété
d'un bien qui a été conçu de telle manière que
ses défaillances n'entraînent pas de pannes
graves
Exemple : redondance
6.2 - Systèmes redondants
Trois catégories de redondance:

la redondance active de type 1/n ou k/n
la redondance passive
la redondance majoritaire
Hypothèse : l’étude est effectuée pour des composants
électriques seulement, le cas des composants
mécaniques donnant des calculs qui dépassent le
cadre de ce cours
1 – Redondance active
La redondance active est un cas fréquent de système

parallèle
Tous les composants sont identiques et fonctionnent
tous normalement, alors qu’une partie seulement est
nécessaire ( k éléments parmi n)
Que les éléments soient réparables ou non, on montre
que :
R( t )   Ckn .R k .(1  R)nk

Exemples :
1. Redondance 1/2
R1 2  2R  R 2  2e  t  e 2t
2. Redondance 1/3
R1 3  R 3  3R 2  3R  e 3 t  3e 2t  3e  t
3. Redondance k/n avec k = n-1
R( t )n1 n  n.R n1  (n  1)R n

MTBF (éléments non réparables)

n

MTBF  1 1  1 1  1  1  1  ....  1
 k1 k  2 3 4 k

Disponibilité
D( t )  R( t )   Ckn .Dk .(1  D)nk

2 – Redondance passive
Le fonctionnement du système ne
nécessite que le fonctionnement d’un
seul élément, les autres pouvant être à E1
l’arrêt ou en attente (« stand by »)
DC
Avantages : supprime le
vieillissement des éléments qui ne
travaillent pas
E2
Inconvénients : il est nécessaire de
disposer d’un organe de
détection/commutation (DC) très fiable
a) Redondance passive à 2 éléments

Deux possibilités de fonctionnement :
l’organe normal E1 fonctionne sans panne jusqu'à t
-1.t
R1(t)  e
E1 fonctionne jusqu'à x < t ; E2 prend alors le relais
R2(t)  e .1.dx.e
-1.x -2.(tx)
 1.e -2.t

-(12).x
e dx
(probabilité conditionnelle)
Si E1 et E2 sont identiques alors   

Si de plus la fiabilité de l’organe DC vaut 1, alors :
R1(t)  e -.t R2(t)  .t.e-.t
D’où : R(t)  R1  R2  (1   .t).et
On montre que MTBF = 2/ 

Si la fiabilité de l’organe DC  1, cet élément est

considéré en série avec l’ensemble précédent
-DC.t
R(t)  e (1   .t).e  (1   .t).e
 t
(  
DC
)t
b) Redondance passive 1/n éléments

E1
DC
E2
En
On généralise les formules précédentes

n1(  . t)i
R(t)  e DC 
(   )t
MTBF  n
i0 i! 
 ( . t)i
Si i 
i0 i!
 e .t (développement en série entière)
On a alors : R(t)  e (   )t

DC
.e  e DC
 . t  .t
La fiabilité du système ne dépend plus que de la

fiabilité de l’élément DC !....
3 – Redondance majoritaire
Ce type de redondance
concerne essentiellement les
systèmes « à grande sécurité », E1
comme en aéronautique ou dans

le domaine du nucléaire E2
2
D
D est ici un organe de décision

E
qui ne validera la sortie que si une 3
majorité d’éléments Ei fonctionne

cela signifie que le nombre i
d’éléments est impair
On observe une redondance 2/3 de fiabilité :

R( t ) 2 3  3R 2  2R 3  3e 2t  2e 3t
D est en série avec la redondance, donc la fiabilité de
l’ensemble s’écrit :
2 t 3 t  D t
R( t ) 2 3  (3e  2e )e
En étendant le système à n éléments, avec n impair,
on obtient : n
R( t )  R D . C kn .R k .(1  R )nk
n 1
2
(application)
Dans un dispositif « embarqué » sur un avion, on
dispose de 3 composants identiques montés en redondance
majoritaire et de taux de défaillance  = 5.10-5 def/h
Le dispositif D a un taux de défaillance D = 3.10-7 def/h
La fiabilité de l’ensemble au bout de 1000h s’écrit :
2.5.105.1000 3.5.105.1000 3.107.1000
R(1000 )2 3  (3e 2e )e  0,993
Avec un seul composant, on aurait eu une fiabilité

de 0,95

FMD3

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

FMD3

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 3

Le terme fiabilité s’applique aussi bien :

On trouvera donc deux sortes de dispositifs :

Pour les dispositifs non réparables, on relève le temps jusqu’à

TTF = Time To Failure (temps jusqu'à la défaillance irréversible)

Attention : TBF ne signifie pas « temps de bon

Soit T la durée de vie sans avarie d’un équipement

Exemple R(100) = 0,92 : cela signifie que le matériel a

Les valeurs vraies des paramètres précédents ne

Le taux de défaillance est

Composant Taux de défaillance

Composants Taux de défaillance

Considérons maintenant N(0) équipements identiques

On teste un lot de 50 électrovannes en les

Le taux moyen de défaillance peut encore s’écrire :

Le rapport S(t)/N(0) représente la fiabilité R(t) = 1 – F(t),

Si on suppose la fonction de défaillance F dérivable sur

f(t) est la fréquence d’apparition des défaillances

De nombreuses observations ont montré que les matériels

La courbe en baignoire fait apparaître 3 zones :

Aujourd’hui, pour éviter les pannes de jeunesse, certains

cette courbe est typique

La connaissance de l’évolution du taux de

on a changé une première fois Conclusion :

une ampoule électrique a un Conclusion :

On a défini précédemment, par passage à la

0 ( x ).dx  0 1  F(x)   ln(1  F( x ))0

Conclusion : si l’on connaît la loi d’évolution du taux de

On va obtenir, avec M = Mean (moyenne) :

1. Le MTBF s’exprime le plus souvent en heures, mais

Une pompe de relevage a fonctionné pendant 8000

La fiabilité est directement liée au taux de

C’est le cas des composants électriques et

Dans ces conditions : R( t )  e  t

La fiabilité suit une loi exponentielle

et enfin MTBF  1  constante

Le MTBF s’exprime en unité d’usage

Son taux de défaillance moyen est  = 1,2.10-5/h

Question : a t-on une chance de le faire durer encore 1000

La probabilité de réussite d’une mission de durée t,

Le phénomène d’usure commence dés la mise

Si l’on connaît les paramètres a et b, on n’aura aucun

Il est nécessaire de connaître des méthodes

Pour aller plus vite, on préfère trouver directement la

 Dans le cas de taux de défaillance croissant,

La loi log-normale s’applique dans le cas de fatigue ou

 On lui préfère la loi de Weibull qui est un

Cette loi est la plus utilisée en maintenance

C’est un nombre sans dimension qui détermine la

Il peut servir d’indicateur de diagnostic :

 Il est appelé paramètre de position

Il est appelé paramètre d’échelle ou

L’expression n’a pas de sens si t  

Quand  > 1, le taux de défaillance est croissant

MTBF  .1  1     : fonction eulérienne

Le calcul pratique de l’écart-

0,2 120 1901 1,7 0,8922 0,540 4,4 0,9114 0,235

0,25 24 199 1,75 0,8906 0,525 4,5 0,9126 0,230

0,3 9,2605 50,08 1,8 0,8893 0,511 4,6 0,9137 0,226

0,35 5,0291 19,98 1,85 0,8882 0,498 4,7 0,9149 0,222

0,4 3,3234 10,44 1,9 0,8874 0,486 4,8 0,9160 0,218

0,45 2,4786 6,46 1,95 0,8867 0,474 4,9 0,9171 0,214

0,5 2 4,47 2 0,8862 0,463 5 0,9182 0,210