Académique Documents
Professionnel Documents
Culture Documents
APPLIQUEES A LA
MAINTENANCE
LA LOI NORMALE
Une variable aléatoire x de moyenne (m) et
d’écart-type (σ) suit une loi normale si sa
fonction d.p est:
( xm)2
1
f ( x) .e 2 2
2
*E(X)= m f(x)
*variance = σ2 > 0
*représentation graphique:
0
m x
Cette fonction est symétrique/moyenne:
f(m-x) = f(m+x).
D’autre part, on connaît le % de la population
compris entre -kσ et +kσ autour de la moyenne
k Є IN
désignation: X N(m, σ)
f(x)
68 26%
95 45%
99 73%
x
m
σ σ
2σ 2σ
3σ 3σ
Fonction de répartition
F(x)
0,5
m x
x
= variance:
f(X) F(X)
m=0 1
σ=0,5
0 X 0 X
Le calcul de F(X) s’effectue en changeant
une variable en centrée réduite:
U= (LnX-m)/σ
Exercice:
La loi exponentielle
Cette loi s’applique pour la période à taux de défaillance
constant. Tous les matériels sont concernés pendant une
partie de leur vie (période de vie utile) et les matériels
électriques pendant toute leur vie.
Caractéristiques
x
*Densité de probabilité: f(x) = .e
*Fonction de répartition: F(x) = 1-e-λx
*Fonction fiabilité : R(x) = e- λx
*Espérance mathématique:
E( X ) x. f ( x)dx
_
1
x
x.e dx
Rq: Si T = V.A représentant TBF alors
E(T) = MTBF = 1/λ
• Variance V(X) = 1/ λ2
Exercice
Loi de Weibull
C’est un modèle statistique particulièrement bien
adapté à l’étude statistique des défaillances.
Weibull a donné au taux de défaillance λ(x) une
formule générale dépendant de 3 paramètres
γ,η,β,qui modélise avec une bonne précision
dans une gamme étendue.
*Densité de probabilité:
• Taux de défaillance:
λ(x) = f(x) /R(x) = β/η[(x- γ )/ η]β-1
• Espérance mathématique:
E(X)= γ + A.η A:Coefficient lié à β
Rq: Si x = t
E(T) = γ + A.η = MTBF ou MUT
V(X) = .[ B. ]
• Variance 2
x
2
B:Coefficient lié à β
β=1
β=1 β=0,5
x
γ<0 γ>0
x
c) Paramètre d’échelle η
Détermination de γ,η, β
fiches historiques
tableau
∑ni
si N > 20
N+1
γ,η, β
MTBF ou MUT
i 1 N. p
i
r: nombre de classes
ni: nombre d’individus par classe
N: nombre d’individus total dans l’échantillon
Npi: nombre d’individus attendu théoriquement dans la
classe i
Pi: probabilité de se trouver dans la classe
E suit( ) approximativement 1loi de χ2 à v
degrés de liberté avec:
v=r–k–1
k: nombre de paramètres estimé par le
modèle théorique.
P[E> χ2ν ; 1-α]
Si E ≥ χ2ν ; 1-α on rejette l’hypothèse
du modèle théorique comme bonne
Exemple:
On a les résultats suivants regroupés par
classe:
TBF(h) ni
0- 500 7
500 - 1000 8
1000 -1500 9
1500 -2000 10
2000 -2500 12
2500 -3000 8
On fait l’hypothèse d’une loi exponentielle de paramètre
1
λ= déf/h avec α = 5%
1600
Dire si le modèle exponentiel est accepté?
TEST DE
KOLMOGOROV- SMIRNOV
Aucune restriction n’est nécessaire; pour
tout N, on peut l’appliquer.
Cependant, si N est grand, il est préférable
de regrouper les valeurs en classes et
ainsi utiliser le test de χ2
Idée: comparer la fonction réelle de
répartition à la fonction de répartition
théorique
F(t)
Fe(t)
Modèle théorique
t
On mesure l’écart point par point entre ces 2
fonctions. D N,i=|F(ti)-Fe(ti)|
Fe(t): Fonction de répartition réelle.
Obtenue par: -méthode des rangs moyens:
Fe(ti) = ∑ni/N +1
- méthode des rangs médians:
Fe(ti) = (∑ni – 0,3)/(N +0,4)
F(t) : fonction de répartition théorique.
REMARQUE:
En pratique, l’essai est soit censuré, soit tronqué:
-censuré à la rème défaillance: N = r
- tronqué au temps T: N = k+1
Ici : k = nombre de défaillances
On montre que D N =Max |Fe(ti)-F(t)| suit une loi ne
dépendant que de N et on écrit que:
P [ Max |Fe(ti)-F(ti)| < D N, α]= 1- α
La valeur de D N,α est donnée par la table de K.S
D Nmax ≥ D N, α on refuse l’hypothèse du
modèle théorique.
Application:
Au cours d’un essai, on a relevé les temps
suivants entre défaillances: 23,16h,56h,
71h, 4h, 25h, 51h, 30h.
Peut-on admettre un modèle Normal de
paramètres:
m = 34h, σ = 22h
Avec α = 0,05?