Chapitre Vi

Télécharger au format docx, pdf ou txt
Télécharger au format docx, pdf ou txt
Vous êtes sur la page 1sur 10

CHAPITRE VI - NOTIONS THEORIQUES ET LOIS DE BASE

1. Objectifs
 Aborder l’aspect théorique et le fondement de la fiabilité.
 Introduire la loi de Poisson et le rôle qu’elle exerce.
 Traiter la loi exponentielle.
 Développer la loi de Weibull.

2. Introduction
Dans ce chapitre sont abordées quelques notions théoriques liées à l’étude de la fiabilité et les principales
lois statistiques utilisées.
La loi normale, souvent utilisée, n’est pas abordée dans la mesure où elle est très connue. Elle est supposée
acquise.
La loi log-normale, la loi telle que le logarithme de la variable temps t suit la loi normale, ne sera pas
abordée pour les même raisons. Cette loi caractérise certaines distributions de durée de vie ou de temps de
réparation.

3. Défaillance F(t) et fiabilité R(t) fonction du temps t


Si F(t) est la probabilité (fonction mathématique du temps t variant entre 0 et 1) qu’a un dispositif d’avoir
une défaillance entre les instants 0 et t, alors la fiabilité R(t) est son complément. Autrement dit :
R(t) = 1 – F(t)
R(t) est appelée la «fonction fiabilité» (fonction mathématique du temps t, variant elle aussi entre 0 et 1 et
définissant les chances de survie entre les instants 0 et t).
Soit No le nombre total des composants testés en fiabilité entre les instants 0 et t.
NS(t) est le nombre de composants encore en marche ou survivants à l’instant t.
Nd(t) est le nombre de composants ayant une défaillance entre les instants 0 et t, alors :

R(t) = NS(t)/No = No – Nd(t)/No et F(t) = Nd(t)/No

Soit maintenant f(t) la fonction définissant la probabilité de défaillance à un instant précis t de l’intervalle de
temps précédent [0, t]. f(t) indique la probabilité qu’a le produit d’avoir une défaillance entre les instants (t)
et (t+dt) ; dt étant un intervalle de temps très petit ; f(t) est encore appelée «densité de probabilité de
défaillance».
t
La relation entre F(t) et f(t) est donnée par : F(t) = ∫ f ( t ) . dt
0
dF (t) dR(t )
Inversement : f(t) = =-
dt dt
Si le temps devient infini (t = ∞), F(t) devient :

F(∞) = ∫ f ( t ) . dt = 1
0
Ce qui signifie que, pour une durée de temps variant entre 0 et ∞, la probabilité d’avoir une défaillance est
égale à 1, c'est-à-dire 100%. Autrement dit, sur une durée suffisamment longue, on est certain de tomber en
panne. Il en résulte que :
t ∞
R(t) = 1 - ∫ f ( t ) . dt = ∫ f ( t ) . dt
0 t

4. Taux instantané de défaillance λ(t) fonction du temps t

Etude générale
Définition : λ(t), c’est la probabilité qu’un produit en bon état à l’instant t ait une défaillance entre les
instants (t) et (t+dt).
Si on reprend le raisonnement abordé au paragraphe 3, λ(t) en tant que fonction du temps est défini par :

f (t) f (t ) 1 dR(t ) dLnR(t )


λ(t) = = = [- ]=- avec LnR(t) le logarithme népérien de R(t).
1−F (t) R (t) R (t) dt dt

Comme R(t) = 1 – F(t) alors : dR(t)/dt = d(1)/dt – dF(t)/dt = 0 – dF(t)/dt = - f(t)


t
La relation entre λ(t) et R(t) devient : R(t) = exp[- ∫ λ (u ) . du ]
0
t
Il en résulte notamment que : f(t) = λ(t).R(t) = λ(t). exp [- ∫ λ (u ) . du ]
0
λ(t) est une fonction du temps et plusieurs modèles statistiques sont utilisables à ce niveau pour la
représenter.
Dans le cas de la zone 2 (fig.1 et 2), le taux de panne λ est constant ou sensiblement constant, et les
formules précédentes se simplifient. La fiabilité R(t) qui en résulte a alors une forme exponentielle
(R(t) = e-λt), voir paragraphe 6.

Définition
λ=
Le taux de défaillance a également été défini par :
nombre total de défaillances pendant≤service
durée totale
La durée de bon fonctionnement, c’est la période de temps pendant delebon
laquelle fonctionnement
dispositif, en activité ou en
service, est exposé à des défaillances.

Exemple 1: supposons 8 composants identiques testés sur une durée de 550 heures dans les mêmes
conditions. Le premier composant tombe en panne, de manière irréparable, après 65 heures de
fonctionnement, le deuxième après 115 heures, le troisième après 135 heures, le composant 4 après 340
heures, le composant 5 après 535 heures, les trois autres composants continuent de fonctionner
normalement.
5 5
λ= = .
65+115+135+ 340+535+550+550+550 2840

Exemple 2 : considérons une machine automatisée fonctionnant pendant un cycle opératoire de 155 heures.
Pendant cette période, le système subit 5 défaillances à des moments différents, suivie d’une réparation, puis
d’une remise en activité. Les durées respectives des défaillances sont 2,5 heures ; 8,3 heures ; 3,7 heures ;
1,8 heure et 7,5 heures.
5
λ= = 0,0381.
155−(2 ,5+ 8 ,3+3 ,7+1 , 8+7 ,5)

Allures typiques du graphe λ(t) en fonction du temps t


En pratique, le taux de pannes λ peut être constant, mais aussi croissant ou décroissant au cours du temps,
avec changement graduel, sans discontinuités.
Pour la majorité des produits industriels, les variations de λ(t) au cours du temps («courbes dites en
baignoire» fig. 1 et 2) présentent trois zones typiques :
■ Zone 1. Période de défaillance précoce (ou période de jeunesse) : c’est le début de la vie du produit et les
défaillances sont dites «de jeunesse» (composants neufs présentant des défauts de fabrication…). Le taux de
défaillance λ décroit rapidement au cours du temps. Préventions possibles : déverminage, rodage, contrôles
et tests renforcés avant livraison, etc. La loi de Weibull (avec β<1 et t o = 0 ;) est utilisable pour décrire ce
type de défaillance.
■ Zone 2.période de défaillance à taux constant (ou sensiblement constant) : c’est la zone de maturité ou
de pleine activité du produit pour laquelle le taux de défaillance λ est sensiblement constant. C’est
également le domaine des défaillances imprévisibles se produisant de façon aléatoire. En étude de
probabilité, la loi de fiabilité adaptée à cette zone (λ = λ(t) = constante) est la distribution exponentielle,
-λt
forme R = e , voir paragraphe 4. Le phénomène d’arrivée des pannes dans le temps est dit «poissonnien»
ou encore appelé «processus de Poisson».
■ Zone 3. Période de défaillance par vieillissement : c’est la période de fin de vie du produit caractérisée
par des défaillances dues à l’âge ou à l’usure des composants. Le taux de défaillance λ croit rapidement avec
le temps, du fait de la dégradation du matériel (usures mécaniques, phénomènes de fatigue, dérive des
composants électroniques…). Les lois de fiabilité adaptées à cette zone sont : les lois normales, Gamma,
log-normale ou encore Weibull (avec β>2 et to>0).

Remarque : la courbe «en baignoire» (fig.1) est typique des équipements électroniques. Dans le cas des
équipements mécaniques ou électromécaniques, λ(t) est légèrement croissant dans la zone 2 (fig.2).

λ(t) :taux de défaillance

Temps

Zone 1 Zone 2 Zone 3


0 t
Défaillance Défaillance de maturité Défaillance
de jeunesse λ=constant d’usure

fig. 1

λ(t)

Zone 1 Zone 2 Zone 3


0 t

fig. 2

5. La loi de Poisson

Définitions
La loi de Poisson utilise des variables discrètes pour représenter les individus et les populations étudiées.
Variable discrète : variable qui ne peut prendre qu’un nombre fini de valeurs (même si ce nombre est très
grand). Il est toujours possible de faire la liste de toutes les valeurs (x 1, x2, …, xn).
Variable continue : variable qui peut prendre n’importe quelle valeur dans un intervalle donné entre une
valeur minimale et une valeur maximale (x mini ≤ x ≤ xmaxi). La loi exponentielle et la loi de Weibull des
paragraphes suivants utilisent des variables continues.

Le principe de la loi de Poisson


L’arrivée de véhicules sur une autoroute, d’avions sur un petit aérodrome, l’explosion d’atomes radioactifs,
l’étalement des communications téléphoniques à un standard obéissent «en gros» à la loi de Poisson.
En fiabilité, lorsque λ est constant (λ(t) = λ), le processus d’arrivée des pannes est exprimée par la loi de
Poisson. La loi détermine la probabilité P(k) de constater k pannes sur un temps ou une durée t par :
( λt )k -λt
P(k) = e
k!
La fiabilité correspond à la probabilité qu’il n’y ait pas de défaillance au bout du temps t, soit :
R(t) = P(0) = e-λt

Cette relation peut se traduire directement de la relation du paragraphe 4-1 dans laquelle on suppose λ
constant.
La fonction fiabilité est le complément à la fonction répartition des défaillances : F(t) = 1 – e-λt
Dont la dérivée, la densité de probabilité de défaillances f(t) est :
f(t) = λ.e-λt
Remarque : 1/λ = MTBF, on retrouve les propriétés générales de la loi exponentielle du paragraphe 6
suivant.
P(k) λ(t)

k t
0 1 2 3 4 5

6. Modèle exponentielle de fiabilité


Ce modèle est régulièrement utilisé lorsque le taux de défaillance λ est constant (cas courant des
composants électroniques) ou sensiblement constant. Il est à rapprocher de la loi de Poisson du paragraphe
précédent en utilisant une variable continue à la place d’une variable discrète.

Distribution exponentielle
Reprenons les raisonnements abordés aux paragraphes 3 et 4. Dans le cas de la zone 2 (fig.1 et 2), le taux de
panne λ est constant ou sensiblement constant, les expressions se simplifient et R(t) prend une forme
exponentielle.
En remarquant que : t t t
t
∫ λ (u ) du=¿ ∫ λ . du=λ .∫ du=λ . t= MTBF ¿
0 0 0

t t
R(t) = −∫ λ ( u) du
= exp[- ∫ λ (u ) du] = e-λt
e 0

Distribution exponentielle : propriétés


Equation générale (t≥0) Taux de défaillance
f(t) = λ.e− λt = λ.R(t) λ(t) = λ = constante
(voir allure fig.4)

Fiabilité Fonction défaillance


R(t) = e− λt = e−t / MTBF F(t) = 1 – R(t) = 1 - e− λt
(voir allure fig5) (voir allure fig.6)
Fig.7

L’abaque proposé figure 7 permet de déterminer R(t) connaissant t et λ (ou le MTBF).


Le MTBF, temps moyen entre défaillances, correspond à une moyenne de vie arithmétique.

Exemples

Exemple 1 : quelle est la fiabilité d’un dispositif travaillant pendant une période de temps égale au MTBF ?
Dans ce cas, la probabilité de survie est :
R(t) = R(MTBF) = e-MTBF/MTBF = e-1 = 1/e = ½,718 = 0,3679 (environ 37%)

Exemple 2 : un composant électronique de puissance à un taux de panne constant de 0,07 pour 1000 heures
de fonctionnement.

Quelle est la probabilité pour qu’il survive 5000, 1000 et 2000 heures ?
L’unité de temps est 1000 heures. A 5000 heures correspond t=5
P(t<5000) = R(t) = R(5) = e-λt = e-(0,07).t = e-(0,07).(5) = 0,705 (environ 70,5%)
pour 1000 heures (t = 1) : R(1) = e-0,07.1 = 0,932 (93,2%)
pour 2000 heures (t = 2) : R(2) = e-0,07.2 = 0,869 (86,9%)

Quelle est la probabilité que le composant dure entre 2000 et 5000 heures ?
P(2000 ≤ t ≤ 5000) = F(5) – F(2) = R(2) – R(5) = 0,869 – 0,705 = 0,164 (16,4%)

Quelle est la probabilité que le composant dure 1000 heures de plus après 5000 heures de
fonctionnement ?
C’est une probabilité conditionnelle de forme générale :
P(t > b / t > a) = P(t > b – a)
P(t > 6 / t > 5) = P(t > 6-5) = P(t > 1) = R(1) = 0,932 (93,2%)

Remarque : lorsque le taux de panne est constant, les chances d’avoir une défaillance restent toujours les
mêmes. Que le composant soit neuf ou non, qu’il ait déjà servi longtemps ou non, sa fiabilité reste la même.

Exemple 3 : soit quatre composants connectés en série, dont les taux de panne pour 1000 heures sont
respectivement : 0,052 ; 0,056 ; 0,042 et 0,047. Quelle est la probabilité pour que le dispositif fonctionne
sans défaillance jusqu’à 5000 heures ?
R(5) =e-(0,052+0,056+0,042+0,047).t = e-0,197.5 = e-0,985 = 0,373
Le taux de panne de l’ensemble est : λ = 0,052+0,056+0,042+0,047 = 0,197
Soit un taux de défaillances de 19,7% pour 1000 heures.
Le MTBF de l’ensemble est : MTBF = 1/λ = 1/0,197 = 5,08
Soit un temps moyen entre défaillances d’environ 5000 heures.

7. La loi de Weibull
Pour un grand nombre de composants (mécaniques et électromécaniques, notamment), λ n’est pas constant
dans la zone 2 figure 2, même remarque pour les zones 1 et 3 des figures 1 et 2. La distribution
exponentielle précédente n’est pas applicable.
La manière la plus pratique est de considérer que la défaillance est distribuée d’après la loi de Weibull.
Cette loi est, en effet, bien adaptée à l’étude statistique des défaillances, en particulier de jeunesse et
d’usure.
La distribution de Weibull est une sorte de loi caméléon, très souple, qui, grâce à ses trois paramètres (t o, β,
T), peut s’ajuster à un grand nombre de données statistiques : elle peut suivre une distribution non
symétrique, faire l’approximation de la loi normale, devenir une distribution exponentielle, etc. elle est
également utilisée pour décrire des phénomènes de fatigue, des durées de vie (roulements…), des
probabilités de rupture sous charge, etc.

Loi de Weibull à trois paramètres : propriétés

Equation générale : ( t ≥ to ≥ o ) Ecart-type

(densité de probabilités)

[ ( ) ( )]
1 /2
2 1
T= Г +1 −Г 2 + 1

[ ] [ ( )]
β −1
t−t 0
β β β
f(t)=
β t−t 0 exp −
T T T Г est la fonction gamma, fonction tabulée, voir

tableau ci-dessous
allure générale fig.8

Paramètres Valeur moyenne

( 1β +1)
to (ou γ) : paramètre de position
(0 ≤ to ≤ ∞) μ = to + T.Г
T ( ou η ) : paramètre d’échelle (T > 0) ou vie
caractéristique.
β : paramètre de forme (β>0), sans unités

Fonction Г(t)
t 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0
Г(t) 1,000 0,951 0,918 0,897 0,887 0,886 0,893 0,908 0,931 0,961
t 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
Г(t) 1,000 1,046 1,101 1,166 1,242 1,329 1,429 1,544 1,676 1,827 2,00
Si k est un nombre entier (k = 1, 2,…, N) alors : Г(k) = (k – 1) ! (avec k ≥1)

Remarque : le paramètre β donne la forme


générale de la courbe f(t) ; T (ou η) permet
«d’étaler» plus ou moins le graphe selon
l’abscisse des temps t ; to (ou γ) positif, to < 0 n’a
pas de sens physique, correspond à une
apparition retardée des défaillances, autrement
dit, entre 0 et t0 il n’y a pas de défaillance du
dispositif.

Distribution cumulative F(t)


C’est sous cette forme que la loi de Weibull est la
plus utilisée. F(t) la fonction défaillance, ou fonction
de répartition, est définie par :

[ ( )] [ ( )]
β
t−t 0 −
t −t 0 β

F(t) = 1 – exp − = 1- T
T e
Fiabilité R(t)
Celle-ci est donnée par :

[ ( )] [ ( )]
β
t−t 0 −
t −t 0 β

R(t) = 1 – F(t) = exp − = T


T e
avec :

t : durée de temps jusqu’à la défaillance


to : instant pour lequel f(t) =0

Taux de défaillance λ(t)

f (t )
λ(t) = =
R (t)
On constate, figure 9, que les défauts de jeunesse indiqués correspondent à l’allure β < 1 et que les
défaillances dues à l’usure β > 2.
Remarques et exemples
Lorsque to =0 et β = 1, on retrouve la distribution exponentielle du paragraphe précédent avec : T=μ=
(MTBF-to).
Lorsque β=3,2, la distribution de Weibull devient une bonne approximation de la loi normale.
Lorsque β < 1, alors λ(t) décroît lorsque t croît.
Lorsque 1< β < 2, alors λ(t) croît lorsque t croît.
Exemple : un composant mécanique possède une durée de vie qui suit la loi de Weibull avec t o = 0 ; β=0,25
et T = 120 heures.
 Déterminons le temps moyen entre défaillances.
MTBF = μ = to + T.Г (1/β +1)
= 0 + 120.Г (1/0,25 + 1) = 120.Г (4+1) = 120.(4!) = 2880 heures
 Quelle est la probabilité que le composant tombe en panne avant 3600 heures ?
F(t) = F(3600) = 1 – exp [- (3600/120)0,25] = 1 – e-2,34 = 1 – 0,0963 = 0,9037 (soit 90,37%)

Loi de Weibull à deux paramètres


C’est la loi précédente avec t 0 = 0, on est dans le cas où l’origine est connue. Les expressions se simplifient
et deviennent :
Fonction défaillance :

F(t) = 1 – exp [- (t / T) β]

Remarque : si t = α, F(t) = 0,632

Loi de Weibull à deux paramètres : propriétés

Equation générale (t ≥ 0) Ecart-type


(densité de probabilité)

[ ] [ ( )] [ ( ) ( )]
β −1 β 1 /2
β t t 2 1
f(t)= exp − T= Г +1 −Г 2 + 1
T T T β β
Paramètres Valeur moyenne
T : paramètre d’échelle (T > 0)
β est le paramètre de forme (β > 0),

( 1β +1)
sans unités.
μ = T.Г

Fiabilité Taux de défaillance

[ ( )] [ ( )]
β
t 1
β

[]
R(t) = 1 – F(t) = exp − = −
T f (t ) β t β −1
T e λ(t) = =
R (t) T T

Vous aimerez peut-être aussi