Fiabilité des composants industriels:

enjeux, besoins, méthodes et

difficultés rencontrées

André Lannoy, V1.3, 31 05 2009

 Résumé
La fiabilité est devenue un élément essentiel pour les enjeux de sécurité et
de performances des entreprises. L’exposé montre que la fiabilité est
multiforme, fonction des différentes phases du cycle de vie d’un bien. De
nombreuses difficultés se posent aux industriels qui veulent estimer la
fiabilité d’un composant : la nature du composant (actif ou passif), la taille
du retour d’expérience et sa nécessaire validation avant tout usage, l’effet
perturbateur de la maintenance préventive qui vise à réduire la probabilité
de défaillance. L’exposé cite quelques méthodes actuellement utilisées
dans l’industrie pour estimer une fiabilité opérationnelle ou une fiabilité
prévue, en mettant en évidence la controverse existant entre méthodes
dites fréquentielles et celles bayesiennes. En conclusion, l’estimation d’une
fiabilité permet à la fois de comprendre le passé et de préparer le futur. Le
fiabiliste se doit d’être pragmatique et de toujours juger et mesurer ses
résultats à l’aune du bon sens physique. Les pistes de R&D à développer
dans un proche avenir sont évoquées.
 Sommaire
– 1 De la terminologie et de ses implications
– 2 Cycle de vie et enjeux industriels
– 3 Les différentes fiabilités
comparée, allouée, prévue, mesurée
– 4 Les difficultés rencontrées
nature du composant, retour d’expérience, impact de la
maintenance préventive, controverse fréquentiel /
bayesien
– 5 Les méthodes utilisées en fiabilté
opérationnelle
– 6 Quelques méthodes pour la fiabilité prévue
– 7 Conclusions et perspectives de R&D
1 De la terminologie et des effets
qui en résultent (1)
[Définitions extraites de la norme EN13306 (2001)]

– Fiabilité: aptitude d’un bien à accomplir une

fonction requise, dans des conditions données,
durant un intervalle de temps donné – notion
qualitative, également utilisée pour désigner la valeur de la
probabilité d’être en état de bon fonctionnement, confiance
technique
– Durabilité: aptitude d’un bien à accomplir une
fonction requise, dans des conditions données
d’usage et de maintenance, jusqu’à qu’un état
limite soit atteint – sous-entend l’existence d’une limite,
réglementaire, technico-économique, maintenabilité...
Une définition de la fiabilité
1 De la terminologie et des effets
qui en résultent (2)
– Défaillance: cessation de l'aptitude d'un bien à
accomplir sa fonction requise – perte de fonction, “tout
ou rien”, vieillissement fiabiliste

– Dégradation: évolution irréversible d'une ou

plusieurs caractéristiques d'un bien liée au
temps, à la durée d'utilisation ou à une cause
externe – altération de fonction, phénomène continu,
vieillissement physique
1 De la terminologie et des effets
qui en résultent (3)
– Maintenance corrective: maintenance exécutée
après détection d'une panne et destinée à remettre un
bien dans un état dans lequel il peut accomplir une
fonction requise – remise en état de bon fonctionnement,
aspect technologique - SLI, réactivité
– Maintenance préventive: maintenance exécutée à
des intervalles prédéterminés ou selon des critères
prescrits et destinés à réduire la probabilité de
défaillance ou la dégradation du fonctionnement d’un
bien – éviter la perte de fonction, notion probabiliste, anticipation,
prévision
2 Cycle de vie et enjeux industriels
(1)
Le contexte en conception
• Innovation
• Coût de production bas
• Délai court de développement
• Qualité totale
• Zéro défaut
2 Cycle de vie et enjeux industriels
(2)
Objectif en conception: atteindre les
exigences de fiabilité
• Elimination des points faibles
• Aide à la décision pour les choix
technologiques
• Démonstration de l’exigence de fiabilité
• Qualité
2 Cycle de vie et enjeux industriels
(3)

Le contexte en exploitation
• Sûreté et performances, compétitivité
• Prolongation de la durée d’exploitation
• Coût d’exploitation-maintenance faible
• Risque zéro
2 Cycle de vie et enjeux industriels
(4)
Objectif en exploitation: maintenir et
améliorer les exigences de SdF
• Vérification des clauses de fiabilité
• Calcul de la fiabilité opérationnelle
• Données EPS
• OMF, efficacité de la maintenance
• Surveillance des paramètres de SdF
• Estimation de la durabilité
• Valorisation technico - économique
 Exemple 1: la démarche OMF – RCM-
les données de fiabilité nécessaires

• Tâche 1 - Hiérarchiser les composants par leur

contribution à la sûreté, à la disponibilité et aux coûts.
Taux d'occurrence de chaque mode - Criticité.
• Tâche 2 - Identifier le mécanisme de dégradation.
Retour d'expérience - Historique de maintenance.
• Tâche 3 - Elaborer les tâches de maintenance.
Optimisation - Efficacité des tâches de maintenance préventive.
• Tâche 4 - Surveiller (voir les recueils de données)
Calcul des paramètres de fiabilité et de leurs incertitudes.
 Évaluation des enjeux
Recherche des matériels et
modes de défaillance
significatifs Évaluation des
(AMDE) performances
Matériels et Analyse du retour
modes de d’expérience
défaillance évènements - coûts
significatifs
Recherche des matériels et modes Fiabilité,
de défaillance critiques(AMDEC) coûts de
maintenance
non critiques Maintenan
Matériels et ce
défaillances
critiqu Corrective
es
Analyse et sélection Orientations de maintenance
des (criticité, REX)
tâches de maintenance

Tâches de
maintenance
Regroupement des Choix final de maintenance
tâches de maintenance Programme de maintenance préventive
Optimisation de la
maintenance

La méthode OMF appliquée aux

composants actifs
 Évaluation des enjeux Évaluation des performances

Analyse évènementielle
Analyse fonctionnelle du système
et économique du retour
d’expérience
Recherche des Composants et Modes
Analyse de la pertinence
De Défaillance Significatifs (Utilisation
(modèles de dégradation)
des EPS, AMDE)

Recherche des Composants et Modes Évaluation des indicateurs de fiabilité

de Défaillance Critiques (AMDEC) (Modèles de fiabilité et avis d’experts)

Analyse et sélection des tâches de maintenance Optimisation de

la maintenance
(tâches, périodicités, sous-ensemble de composants)

Choix final de maintenance et groupement des tâches

La méthode OMF appliquée aux

composants passifs
 Exemple 2: les données EPS
Validation et analyse Données élaborées EPS
Modes de défaillance
Taux de défaillance en
fonctionnement,
Probabilité de défaillance à la
Examen du retour sollicitation
d’expérience Durée de réparation
par rapport aux critères Durée d’indisponibilité des matériels
de défaillance critique EPS Profil de fonctionnement
Défauts de cause commune
Intervalles de confiance
Taille de l’échantillon
Exemple 3 – Surveillance des indicateurs
de SdF (le recueil EIReDA 2000)
 Exemple 4: la démarche LCM
(Life Cycle Management)
Intégration de l’ingénierie, de l’exploitation, de la
maintenance, de la réglementation, de
l’environnement et de la planification économique
pour :

• maîtriser le vieillissement,

• valoriser les actifs industriels,

• optimiser la durée d’exploitation,

• maximiser le retour d’investissement,

tout en maintenant la sûreté (Sliter, 2003).

 Sûreté
Maîtrise du vieillissement
physique Optimisation économique

État physique de Maximiser la

l’installation LCM valeur
• Fiabilité
• Maintenance
• Maîtrise du vieillissement

Optimiser la durée
d’exploitation
• Arrêt prématuré
• Prolongation de l’exploitation

Maîtrise du vieillissement Ingénierie,

et de l’obsolescence Économie
Maintenance, Valorisation
Réévaluation de et
des actifs
sûreté Finance

Le processus LCM de
gestion du cycle de vie
 3 Les différentes fiabilités

La fiabilité est multiforme.

– “comparée”
– allouée
– prévue (ou prévisionnelle)
– mesurée
 La fiabilité “comparée”

C’est une fiabilité opérationnelle.

– Phases du cycle de vie: avant-projet, études
préliminaires
– Données utilisées:
 Retour d’expérience du bien de la génération précédente
 Recueils de données de fiabilité
 Données de fournisseur ou de constructeur
 Données d’essai
 Résultats de modèles physiques déterministes
 Dires d’experts
 Veille technologique
 La fiabilité allouée
Exigence de fiabilité dans un Cahier des Charges,
valeur seuil de référence.
– Phase du cycle de vie: spécification
– Méthode: résultat d’une décision fonction de la
fiabilité “comparée” et des efforts
d’amélioration; méthodes sur les facteurs
d’importance et de pondération du retour
d’expérience ou d’optimisation d’efforts (coûts,
poids, ...)
– Données utilisées:
 Données précédentes
 Fiabilité “comparée”
 Etudes de marketing
 Arborescence fonctionnelle - matérielle
 La fiabilité prévue
(lors de la conception)

Elle est calculée et comparée à la fiabilité allouée

(exigence de fiabilité).
– Phases du cycle de vie: conception, fabrication,
essais de développement
– Données utilisées:
 Données précédentes
 Fiabilité allouée
 Retour d’expérience analogue
 Calculs déterministes
 Données d’essais de développement
 Opinions d’ experts
 La fiabilité prévue
(lors de l’exploitation)

Elle est calculée et comparée à un seuil (par

exemple: taux de défaillance critique EPS)
– Phase du cycle de vie: exploitation, avec
l’intention de la prolonger au delà de la durée de
vie prévue à la conception
– Données utilisées:
 Retour d’expérience du bien exploité
 Retour d’expérience analogue
 Calculs physiques
 Expertise sur les impacts dus au changement des conditions
d’exploitation - maintenance – environnement
 La fiabilité mesurée

C’est une fiabilité opérationnelle.

– Phase du cycle de vie: exploitation
– Données utilisées:
 Retour d’expérience du bien exploité
 Expertise sur la maintenance et son efficacité
4 Les difficultés rencontrées

– Le type de composant (réparable ou non

réparable, actif ou passif)
– Le retour d’expérience
– L’effet “perturbateur” de la maintenance
préventive
– La controverse fréquentiel / bayesien
 Le type de composant
Actif
– Composants complexes
– Multiples mécanismes de
dégradation et multiples modes de
défaillance
– Modélisation physique difficile
– Fiabilité classique et fiabilité
bayesienne généralement adaptées
– Fiables et bien maintenus (ils font
l'objet de programmes OMF,
surveillance), défaillances donc peu
nombreuses
– Évolution fréquente des procédures
d’exploitation-maintenance
– Données incomplètes
– Modélisation par une loi
exponentielle ou une loi de Weibull
Passif
– Un faible nombre de mécanismes
de dégradation
– Dégradation lente et progressive
– Défaillances rares (voire aucune
défaillance)
– Fiabilité classique souvent non
adaptée
– Modélisation physique de la
dégradation : initiation, propagation
– Méthodes numériques nécessaires
– Mais si des données de défaillance
sont disponibles, on peut utiliser
l’approche bayésienne
 Le retour d’expérience
•Maigre à la conception
•Incomplet en exploitation
•Le problème du zéro défaillance
•La nécessité de le valider avant toute utilisation, avant tout
calcul: l’analyse physique précéde toujours la quantification
fiabiliste.
•Généralement un faible nombre de défaillances
•Et une forte proportion de données censurées (souvent
censurées à droite, tronquées type I dans le cas d’un retour
d’expérience industriel)
 RETOUR D’EXPERIENCE (DONNEES
DEFAILLANCES (DONNEES BRUTES) ELABOREES
POTENTIELLES

Mécanisme de Analyse de Données de

Analyse des Modes Défaillance
dégradation défaillance sûreté de
de Défaillance et Cause de Mode de fonctionnement
de leurs Effets défaillance défaillance
(AMDE) Effet mesurable - dégradation - cause
- défaillance - cause origine

Modèle de
{
- Défaillance critiq
Mode commun
Cause commune

maintenance, Circonstance : Processus - Perte de fonction Effet par lequel - Circonstance - Constance
arborescence - conception physique - Altération de la se manifeste la - Cause origine :
fonctionnelle- - fabrication fonction défaillance . matérielle - Evolution
matérielle. - exploitation . humaine
- vieillissement . environnement - AMDEC
- maintenance et exploitation
. externe
Critères de
défaillance

Le retour d’expérience technique

 RETOUR D’EXPERIENCE

N Temps de fonctionnement
Défaillance Dégradation Fin d’observatio de l’échantillon

Perte de Altération de Bon fonctionnement

fonction la fonction

Maintenance Maintenance
corrective préventive

Donnée complète Donnée censurée Donnée

censurée

Expertise VALIDATION
(justesse et pertinence)

Analyse des défaillances

et des dégradations

Estimation d’un modèle

de durée de vie

Le processus de validation, d’estimation

 L’effet de la maintenance préventive
•Une notion probabiliste
•La question d’un âge virtuel, d’un rajeunissement
•Quelle hypothèse pour l’efficacité de la maintenance?
–AGAN
–ABAO
–Généralement entre ces deux extrêmes
Dépendant de la criticité du composant, de sa position dans
l’arborescence, de son usage, de la difficulté de la tâche de
maintenance,...
•Détermination de la fiabilité intrinséque vraie du bien,
donnée indispensable pour la conception, l’optimisation
de la maintenance, ...
Impact (ici positif) de la maintenance
préventive
 La controverse fréquentiel / bayesien –
Le point de vue fréquentiel
•Un point de vue de physicien, les conditions
expérimentales d’obtention des données sont bien connues.
•L’analyse fréquentielle repose sur les seules données
objectives; elle est en défaut lorsque les données sont en
nombre insuffisant, le processus non répétitif, le nombre de
paramètres à estimer important.
•Le fréquentiel refuse d’introduire un a priori dans l’analyse.
•Il effectue une analyse complète préalable suivie d’une
interprétation physique.
•Une volonté d’objectivité.
•Utilisation: analyse descriptive, analyse de données, fiabilité
opérationnelle, qualité,...
La controverse fréquentiel / bayesien –
Le point de vue bayesien
• Un point de vue d’ingénieur, une philosophie
séduisante, une démarche d’apprentissage
• L’analyse intégre toutes les informations disponibles, en
particulier l’expertise
• Nécessité d’introduire une a priori (souvent subjective),
mais l’impact doit être réduit le plus possible par le retour
d’expérience (considéré aussi essentiel).
• Un outil d’aide à la décision par excellence, on peut
exprimer des préférences
• Utilisation: fiabilité prévisionnelle, incertitudes, aide à la
décision,...
 5 Les méthodes utilisées pour le calcul
d’une fiabilité opérationnelle(secteur nucléaire)
(données de défaillance, historique de maintenance, temps de fonctionnement)
Type de composant Absence de données
(0 défaillance)
Actif Khi-2
Actif, en attente Khi-2
Passif Analyse de fiabilité des
structures : probabilisation
d’une équation de
défaillance, code ou
outils spécifiques3
Retour d'expérience
Quelques données Plus de 20 données de
défaillance
• Non paramétrique : Johnson, • Non paramétrique : "life
K-M , TTT table", K-M , TTT
• Paramétrique, classique : SEM • Paramétrique, classique :
EMV, SEM, Rexpert,
• Bayésien BRM, Fiabayes1, IBW,
Cox2
PMC, Rexpert
• Bayésien BRM, IBW ,
• .Détection d’un vieillissement:
PMC, Rexpert
IBTV
• Bayésien : IBS, Rexpert, • Paramétrique, classique :
Fiabayes1, EMV, SEM, Cox2
• Bayésien, Rexpert, IBS
Fiabilité des structures , code • Paramétrique, classique :
fiabiliste ou mécanofiabiliste ou EMV, SEM, Rexpert,
des outils spécifiques3 Cox2
• Bayésien BRM, IBW
 Les méthodes utilisées pour le calcul d’une
fiabilité opérationnelle
• Khi 2: cette méthode est retenue dans le cas du zéro défaillance, s’il
n’est pas possible d’enrichir un échantillon, sur la base de la médiane
(approche acceptée par les autorités).

• Généralement les recueils de données de fiabilité sont actualisés

périodiquement par la méthode de réactualisation bayesienne (appelée
aussi approche bayesienne empirique; logiciels Fiabayes, Rexpert).

• Modèle de Cox: méthode utilisée pour une modélisation explicative de la

fiabilité; elle nécessite un retour d’expérience important; les techniques
de data mining, de régression (logistique, ...), les réseaux bayesiens
peuvent être également utilisés.

• Des outils fiabilistes adaptés aux composants passifs existent, par

exemple : cuve, générateur de vapeur, coudes moulés, tuyauteries, …
Ou également des outils adaptés à des mécanismes de dégradation, par
exemple l’érosion-corrosion...
Ce qu’on observe dans la pratique
Composant non
taux de
réparable
défaillance Loi intrinsèque
Composant
échangeable

âge
Composant
réparable
taux de
Composant actif, taux de
défaillance
cas le plus souvent défaillance
Composant actif,
constant
observé, effet positif constant dont un sous-
de la maintenance composant vieillit
constant
âge
âge

taux de
défaillance Plutôt composant
passif, légère
évolution
défavorable
âge
Ce qu’on observe dans la pratique

- Dans la plupart des cas, un comportement

exponentiel
- Qui reflète une bonne conception initiale et
une bonne qualité du bien
- Ou qui traduit l’impact positif de la
maintenance préventive
- Cependant la maintenance n’est peut-être
pas optimisée
 6 Quelques méthodes utilisées en fiabilité
prévisionnelle

- en phase de conception: AMDEC, méthode de Bazovsky,

méthode de Johnson, pondération des informations,
inférence bayesienne pour une modification - efficacité
d’une action (IBM), Fides, …
- en phase de fabrication, de développement: méthodes de
croissance de fiabilité (Duane, AMSAA, ...)
- en phase d’exploitation: utilisation et extrapolation du
retour d’expérience, méthodes déterminant l’ efficacité
d’une action de maintenance
7 Conclusion et perspectives de R&D (1)
•Plusieurs fiabilités: il faut donc bien spécifier le
problème posé, le contexte, les hypothèses, les données
disponibles
•Toujours s’appuyer sur les données réelles du retour
d’expérience et les conditions de leur collecte
•Le retour d’expérience est donc stratégique mais il faut
le valider avant tout usage. Toute donnée est précieuse.
•Recueillir et intégrer l’expertise disponible, même si elle
est vague
•L’analyse qualitative précède toujours l’analyse
quantitative, déterministe et probabiliste
•Le fiabiliste doit être pragmatique, le contexte détermine
toujours l’approche, fréquentielle ou bayesienne, la
mieux appropriée
•Quelle que soit l’approche, pratiquer l’analyse de
sensibilité et ne pas perdre le bon sens physique
7 Conclusion et perspectives de R&D (2)

La fiabilité pour comprendre le passé

•De nombreuses défaillances / dégradations ne peuvent

être expliquées par les modèles déterministes.
•Compréhension du vieillissement, des mécanismes de
dégradation, des modèles, du retour d’expérience, ...
•La fiabilité permet de mettre en évidence les
composants et sous-composants critiques, les variables
importantes où il faut faire un effort de retour
d’expérience pour réduire les incertitudes.
7 Conclusions et perspectives de R&D (3)

La fiabilité pour anticiper et prévoir le futur

• Toujours améliorer le niveau de sûreté
• Augmenter les performances (pour répondre aux
besoins du marché)
• Optimiser les stratégies d’exploitation – maintenance
• Besoins:
–Estimations plus précises, compréhension des marges
–Réduction des incertitudes et des pessimismes
–Modélisation du vieillissement et analyse des dégradations, afin
d’optimiser les évaluations technico - économiques
7 Conclusions et perspectives de R&D (4)

•Cependant la fiabilité ne peut suppléer la

compréhension physique.
•Elle a des limites: qui peut (sait) définir une fiabilité
acceptable?
•Il faut toujours respecter les exigences déterministes de
sûreté.
•En conclusion: penser “fiabiliste”, agir “déterministe”
7 Conclusion et perspectives de R&D (5)
Quelques thèmes prioritaires de R&D en
fiabilité – maintenance
Les objectifs cibles de fiabilité
L’étude de la transition jeunesse – vie utile d’un bien
L’optimisation du retour d’expérience: taille du rex
nécessaire pour vérifier une clause de fiabilité...
L’analyse des dégradations, les lois de dégradation
La détection du vieillissement d’un bien maintenu
L’efficacité de la maintenance
La fiabilité à long terme d’un bien, les incertitudes
associées
...
Quelques références pour en savoir plus...
Ouvrages généraux
Meeker W., Escobar L.(1998), Statistical methods for reliability data, Wiley.
Nikulin M., Bagdonavicius V.(2002), Accelerated life and degradation models, modelling and
statistical analysis, Monogrpaphs onstatistics and applied mathematics, Chapman&Hall CRC, 94.
Robert C. (1992), L’analyse statistique bayesienne, Economica, Paris.
Méthodes fréquentielles
Bacha M., Celeux G., Idée E., Lannoy A., Vasseur D.(1998), Estimation de modèles de durées de
vie fortement censurées, collection de la direction des études et recherches d'Electricité de France,
Eyrolles, 99.
Ligeron Jean-Claude, Marcovici Claude (1974), Utilisation des techniques de fiabilité en
mécanique, Éditions Tec & Doc Lavoisier, Paris.
Moss T.R. (2005), The reliability data handbook, Professional Engineeering Publishing.,
Méthodes bayesiennes
Bousquet N., Analyse bayesienne du vieillissement de la durée de vie de composants industriels,
Thèse de l'Université Paris-Sud, 19 décembre 2006.
Clarotti Carlo (1998). Fondements et applications des approches fréquentielle et bayesienne dans
le domaine de la sûreté de fonctionnement, ISdF, projet 8/96, juin 1998.
Procaccia Henri (2009), Introduction à l’analyse probabiliste des risques, Collection Sciences du
risque et du danger, Editions Tec&Doc, Lavoisier.
Quelques références pour en savoir plus...

Retour d’expérience
Lannoy A., Procaccia H.(1994), Méthodes avancées de traitement et d'analyse des bases de
données de retour d'expérience, collection de la direction des études et recherches d'Electricité
de France, Eyrolles, 86.
Anticipation, détection
Bouzaïene-Marle Leïla, (2005), AVISE, anticipation des défaillances potentielles dues au
vieillissement par analyse du retour d’expérience, thèse de l’Ecole Centrale Paris, 4 avril 2005.
Clarotti C., Lannoy A., Odin S., Procaccia H.(2004), Detection of equipment aging and
determination of the efficiency of a corrective measure, Reliability Engineering and System
Safety, Volume 84, Issue 1, Avril 2004, 57-64.
Di Piazza S., Gaudoin O., Le Garrec C (2000), Constance des paramètres de sûreté de
fonctionnement en exploitation, projet ISdF 5/97, Congrès λμ 12, Montpellier, 28-30 mars
2000.
Maintenance
Bérenguer C., Dieulle L., Grall A., Roussignol M. (2003), Maintenance policy for a
continuously monitored deteriorating system, Probability in the Engineering and Information
Science, 17, 235-250, 2003.
Celeux Gillles (2000), Situations de maintenance à structure de données incomplètes, Journal
de la Société Française de Statistique, 141 (3), 43-59.
Quelques références pour en savoir plus...
Efficacité de la maintenance
Clarotti C, Lannoy A, Procaccia H, Villain B. (1994). ARCS : outil logiciel pour la quantification
de l’effet de la maintenance sur la durée de vie, Colloque λμ 9, ESREL’94, La Baule
Doyen L. (2004), Modélisation et évaluation de l'efficacité de la maintenance des systèmes
réparables, Thèse de l'INPG, Grenoble, 22 novembre 2004.
Fiabilité des structures
ESReDA (2004), Lifetime management of structures, coordonnateur: André Lannoy, Det
Norske Veritas.
Lemaire Maurice (2005). Fiabilité des structures, couplage mécano – fiabiliste statique, en
collaboration avec Alaa Chateauneuf et Jean-Claude Mitteau, Hermès Lavoisier
Aspects industriels de la fiabilité
Celeux G., Müller S., ISdF, projet 2/96 (1997), Estimation de la fiabilité d’un produit (nouveau
ou existant) à améliorer à partir de retours d’expérience multiples et d’expertises.
EIReDA 2000, Recueil de données de fiabilité 1998, Procaccia H., Arsenis S., Aufort P.,
Université de Crete, Heraklion, 1998, et EIReDA PC, 2000, Siadcom, 2000.
Lannoy A., Procaccia H. (2005), Evaluation et maîtrise du vieillissement industriel, Lavoisier,
Editions Tec&Doc, 2005.
Lannoy A., Procaccia H. (2006), Evaluation de la fiabilité prévisionnelle, outil décisionnel pour
la conception et le cycle de vie d'un bien industriel, Lavoisier, Editions Tec&Doc, 2006.