Académique Documents
Professionnel Documents
Culture Documents
Chapitre 2
Fiabilité - Analyse par
les lois de probabilité
La fiabilité
On appelle:
• fonction de défaillance F(t) = P(T ≤ t)
• fonction de fiabilité R(t) = 1 − F(t)
Estimation
Dans la pratique, on ne connait pas (en général) les fonctions F et R. Dans ce cas, on peut, à partir
d’études
statistiques, obtenir des estimations de F(t) et R(t) pour des valeurs de t données.
1- Modèle de Weibull
2- Modèle exponentielle
3- Modèle Normale
4 -Modèle log normal
1- Modèle de Weibull
La distribution de Wei bull est une loi continue à trois paramètres permet donc de représenter les trois périodes
de la vie d’un dispositif (courbe de baignoire).
1. le paramètre de position γ qui représente le décalage pouvant exister entre le début de l’observation ) qui
s’exprime dans l’unité de temps :
• γ>0 : La probabilité de défaillance est nulle dans les premières utilisations du système
• γ=0 : Une probabilité de défaillance sera présente dès la mise en service du système
• γ<0: Une probabilité de défaillance est déjà présente au moment de l’installation du système
• Fiabilité :
• Taux de défaillance :
• Pour= 0 et β = 1, on retrouve Ia distribution exponentielle, cas particulier de la loi de Weibull. Dans ce cas,
a : Ln (t)
A : Axe de
t(TBF)
Réalisation de l’ajustement graphique
Méthodologie de l’analyse de fiabilité:
I . Préparation des données:
- Calcul des Temps de bon fonctionnement.
- Classement des temps de bon fonctionnement en ordre croissant.
- Recherche des données F(i), d’où : F(i) représente la probabilité de panne au temps
correspondant au temps de bon fonctionnement de l’ième défaillant.
2. Tracé des nuages de points (ti,Fi).
3. Tracé de la droite dite ( de Weibull ) D.
4. Détermination des valeurs des trois paramètres β, ,
- le paramètre β est la pente de la droite D, c’est a dire l’intersection de D’ avec l’axe b
- le paramètre η est l’intersection de D avec l’axe des temps X,
- le paramètre γ est lie a la forme du nuage.
5. Equation de Ia loi de Weibull ( et représentation graphique éventuelle).
β
−(
t−γ
) t−γ β 1
R ( t )=e η l n( R ( t ))=−( ) T =η ( − ln R ( t )) + γ
β
η
2- Modèle exponentielle
• La loi exponentielle est la loi suivie par la variable aléatoire T lorsque le taux de défaillance
est constant et strictement positif.
λ(t)= λ
• Cette loi concerne tous les matériels pendant une durée de leur vie (vie utile) et les
matériels électroniques pendant presque toute leur vie.
1- Propriété:
• Portons sur le papier semi-logarithmique les N points formés des couples( ti,Fi)
• Traçons la droite D de régression de N points; si les points sont sensiblement alignés, alors la loi
exponentielles s’applique.
• Soit un « module » à approvisionné en magasin comme pièce de rechange, donc nous avons
déterminé la MTBF par le modèle exponentiel. Sa consommation dépend de la maintenance
préventive programmée (consommation connue) et de la maintenance corrective( actions de
fréquences aléatoires).
• Dans le cas de la seule maintenance corrective, le problème est de calculer le nombre r de modules
de rechange au point de commande, de façon à éviter la rupture de stock avec un risque admis de 5
à 10 % en général. Nous adopterons les notations suivantes:
• P : probabilité de non-rupture= probabilité qu'il n'y ait pas plus de r défaillance pendant T :
• sous ensemble A (MTBF = 5 000 h) et une pièce a (MTBF = 12 500 h). Si la période
d'approvisionnement est T: 800h , le tableau ci-dessous nous donne le nombre r de rechanges à
stocker
Module MTBF λ λT r
Sous-ensemble A 5000 2x 0,16 2
Piéce a 12500 8x 0,06 1
- m : est la moyenne
- σ : l'écart type
• La densité de probabilité d’une loi normale s’écrit :
2
− 1 t −𝑚
1 ( )
f ( t )= e 2 σ
σ √2 π
• La fonction de répartition s’écrit :
2
𝑡 − 1 t −𝑚
1 ( )
∫e
2
2 2σ
F ( t )= 𝑑𝑡
σ √2 π −∞
• La fiabilité est donnée par R(t)=1-F((t-m)/σ) où "F" est la fonction de répartition de la loi normale
centrée (m=0) réduite (σ=1).
1 2❑
1 − 𝑡
F ( t )=
σ √2 π
∫ e
2
𝑑𝑡
−∞
Estimation des paramètres de la loi normale
La pente de la droite est inversement proportionnelle à l'écart type σ : donc plus l’angle avec une
parallèle à l'axe des abscisses est grand, plus la dispersion est faible. Pratiquement, on obtient
comme différence entre les valeurs X(83,14) et X(50)
𝝈
m
4 -Modèle log normal
• On a pu voir que les valeurs possibles d’une variable aléatoire normale étaient L’ensemble des
nombres réels. Pour une situation réelle ne pouvant prendre des Valeurs négatives, on peut
malgré tout utiliser une loi normale lorsque la Moyenne et l’écart type sont tels que la probabilité
théorique d’avoir une valeur Négative est à toute fin pratique nulle. En probabilité et statistique,
une variable aléatoire X est dite suivre une loi log-normale de paramètres m et σ si la variable
Y=ln (X) suit une loi normale de paramètres μ et σ. Une variable peut être modélisée par une loi
log-normale si elle est le résultat de la multiplication d'un grand nombre de petits facteurs
indépendants. Sa fonction de probabilité est:
2
− 1 log (t ) −𝑚
1 ( )
f ( t )= e 2 σ
σ √2 π