Professional Documents
Culture Documents
1.1
INTRODUCTION
La qualit dun produit est caractrise par sa conformit aux spcifications de sa dfinition.
La fiabilit dun produit est caractrise par le maintien de sa conformit dans une priode donne
correspondant son utilisation pour une mission.
Fiabilit intrinsque: fiabilit ne dpendant que de la qualit du matriel.
Fiabilit extrinsque: dpend des conditions dexploitation du systme ( production, maintenance...)
1.2
FIABILITE : GENERALITES
La fiabilit est la science des dfaillances base sur l'exprience. Elle est indissociable de la qualit.
La fiabilit d'une machine a tendance diminuer avec le nombre de ses composants. Lorsque les composants
sont trop nombreux ou trop complexes il arrive frquemment un moment o la matrise de la fiabilit n'est plus
possible et l'hypothse d'une dfaillance trs probable.
Pour un ensemble, une trs haute qualit pour chacun des composants n'implique pas ncessairement une
grande fiabilit, aprs assemblage. Les interactions qui se produisent entre les composants diminuent la capacit
de l'ensemble.
De mme, une grande fiabilit sous certaines conditions n'entrane pas forcment une grande fiabilit sous
d'autres conditions. Par exemple, une huile moteur prvue pour des climats temprs ne conviendra pas
ncessairement sous des climats trs froids.
La meilleure connaissance de la fiabilit provient de l'analyse des dfaillances lorsque les produits sont en
service. Il est ainsi possible d'tablir des lois statistiques sur une population importante et sur un temps long
partir de donnes collectes en aprs- vente.
L'exprimentation en laboratoire sur des chantillons est la deuxime voie possible pour faire des analyses de
fiabilit, notamment au stade de la conception.
Remarque : la non-fiabilit d'un produit ou d'un bien augmente les cots de l'aprs-vente (applications des
garanties, frais judiciaires, etc.). Construire plus fiable augmente les cots de conception et de production. Le cot
total du produit prend en compte ces deux tendances.
1.3
La fiabilit R, c'est la probabilit qu'a un bien (produit ou systme) d'accomplir, de manire satisfaisante, une
fonction requise, sous des conditions donnes et pendant une priode de temps donn.
Remarque : dans la dfinition propose de la fiabilit, les quatre points suivants sont mettre en vidence :
"probabilit", "de manire satisfaisante", "en un temps donn" et "sous des conditions donnes".
Probabilit : c'est une quantit indiquant, sous forme de fraction ou de pourcentage, le nombre de fois ou de
chances qu'a un vnement de se produire sur un nombre total d'essais ou de tentatives.
Remarque 1 : R est un nombre compris entre 0 et 1 (0 R 1).
Par exemple, une fiabilit R = 0,92 aprs 1 000 heures signifie que le produit a 92 chances sur 100 (92% de
chances) de fonctionner correctement pendant les 1 000 premires heures.
Remarque 2 : pour des produits identiques, fonctionnant dans les mmes conditions, les dfaillances peuvent se
produire des moments diffrents. La rpartition des dfaillances au cours du temps est le plus souvent dcrite
partir des lois statistiques suivantes : loi normale, loi log normale, loi de Poisson, loi exponentielle, loi de Weibull.
"De manire satisfaisante" : cette proprit suppose que des critres prcis (fonctions, etc.) et spcifiques
soient tablis pour dfinir et dcrire ce qui peut tre considr comme satisfaisant.
Pa g e 1 sur 26
"En un temps donn" : dans les tudes de fiabilit, le temps est la mesure ou la variable de rfrence
permettant d'valuer les performances et d'estimer les probabilits : probabilit ou chance de survie sans
dfaillance pendant une priode de temps donne, etc.
"Sous des conditions donnes" : regroupe l'ensemble des paramtres dcrivant l'environnement du produit et
ses conditions d'utilisation : mode opratoire, procdures de stockage et de transport, lieux gographiques, cycles
des tempratures, humidit, vibrations, chocs, etc.
1.4
Remarques : la dure de bon fonctionnement est gale la dure totale en service moins la dure des
dfaillances.
Les units utilises sont : le nombre de dfaillances par heure, le pourcentage de dfaillances pour 1 000 heures,
etc.
-7
-5
-4
-2
Par exemple, un produit ayant 10 < < 10 pour 1 000 heures (ou 10 < < 10 par heure) prsente un bon
niveau commercial de fiabilit.
MTBF =
Pa g e 2 sur 26
Exemple : un compresseur industriel a fonctionn pendant 8 000 heures en service continu avec 5 pannes dont
les dures respectives sont : 7 ; 22 ; 8,5 ; 3,5 et 9 heures. Dterminons son MTBF.
MTBF =
7950
= 1590 heures
5
1
1
=
= 0,0006289 = 6,289x10-4 dfaillances / heure
MTBF
1590
Soit environ 0,0007 dfaillance par heure ou 0,7 dfaillance pour 1 000 heures.
1.5
Exemple : pour le circuit lectrique propos, la dfaillance de n'importe quel composant (A, B, C, D, E ou F)
entrane la dfaillance du systme. Les probabilits de dfaillance des composants sont indpendantes les unes
des autres.
Thorme : La fiabilit RS d'un ensemble de n composants A, B,..., N monts ou connects en srie est gal au
produit des fiabilits respectives RA, RB,..., RN de chacun des composants. Autrement dit :
R S = (R A ).( R B )...( R N )
Remarque 1 : d'une manire gnrale, la procdure en srie est utilise lorsque chaque bloc, composant ou
sous-systme appartenant un mme systme doit fonctionner pour que l'ensemble "fonctionne" correctement.
Remarque 2 :
Si les n composants sont identiques avec une mme fiabilit R alors
RS = Rn
Remarque 3 :
Si, pour les composants prcdents, les taux de dfaillances sont constants au cours du temps et nots A, B, ...,
N alors la fiabilit s'crit :
R S = (e - A .t ).(e B .t )...(e N .t )
avec :
MTBFS =
1
A + B + ... + N
RS = e
- n. .t
et
MTBFS =
1
n.
Exemple 1 : soit un poste de radio constitu de quatre composants connects en srie ; une alimentation RA =
0,95 ; une partie rcepteur RB = 0,92 ; un amplificateur RC = 0,97 et un haut-parleur RD = 0,89. Dterminons la
fiabilit RS de l'appareil :
RS = RA.RB.RC.RD = 0,95.0,92.0,97.0.89 = 0,7545 (soit une fiabilit de 75% environ)
Exemple 2 : soit une imprimante constitue de 2 000 composants monts en srie supposs tous de mme
fiabilit, trs leve, R = 0,9999. Dterminons la fiabilit de l'appareil.
211 - fia b ilite 1 et 2 .DOC
Pa g e 3 sur 26
2000
RS = R = 0,9999
= 0,8187 (soit une fiabilit globale de 82% environ)
Si on divise par deux le nombre des composants, la fiabilit devient :
RS = 0,99991000 = 0,9048 (environ 90,5%)
Si on souhaite obtenir une fiabilit de 90% pour l'ensemble des 2 000 composants monts en srie, dterminons
la fiabilit R que devrait avoir chaque composant :
RS = 0,9000 = R2000
Expression que l'on peut encore crire, partir des logarithmes npriens, sous la forme :
Ln RS = Ln 0,9 = 2 000.Ln R
d'o, R = 0,999945
Exemple 3 : une machine de production, dont la dure totale de fonctionnement est de 1 500 heures, se
compose de quatre sous-systmes A, B, C et D monts en srie et ayant les MTBF respectifs suivants : MTBFA =
4 500 heures ; MTBFB = 3 200 heures ; MTBFC = 6 000 heures et MTFD = 10 500 heures. Dterminons les taux
de pannes et le MTBF global (MTBFS).
a)
Taux de panne et fiabilit de l'ensemble
A = 1/MTBFA = 1/4500 = 0,000222 dfaillance par heure = 0,222 dfaillance pour 1 000 heures.
B = 1/MTBFB = 1/3200 = 0,000313 dfaillance par heure = 0,313 dfaillance pour 1 000 heures.
C = 1/MTBFC = 1/6000 = 0, 000167 dfaillance par heure = 0,167 dfaillance pour 1 000 heures.
D = 1/MTBFD = 1/10500 = 0,000095 dfaillance par heure = 0,095 dfaillance pour 1 000 heures.
Taux de dfaillance global : S = A +B + C + D = 0,000797 (par heure).
La fiabilit globale RS de la machine pour les 1 500 heures s'crit :
R S = e S .t
RS = e - 0,000797.t = e - 0,000797.(1500) = e - 1,196 = 0,303 (30,3%)
Remarque : si on divise par deux la dure de fonctionnement de la machine (750 heures) :
RS(750) = e- 0,000797.750 = 0,550 (55%)
b)
MTBF de l'ensemble
MTBFS = 1/S = 1/ 0,000797 = 1 255
Soit un temps de 1255 heures entre deux dfaillances.
Quelle est la probabilit pour que le systme parvienne sans panne jusqu' 5 000 heures ?
c)
RS(5000) = e - 0,000797.5000 = 0,0186 (environ 2%)
1.6
La fiabilit d'un systme peut tre augmente en plaant des composants, identiques ou non, en parallle. Un
dispositif constitu de n composants en parallle ne peut tomber en panne que si les n composants tombent tous
en panne au mme moment.
Lorsque les composants sont identiques les systmes sont galement dits redondants.
D'une manire gnrale, la procdure en parallle s'utilise lorsque la dfaillance d'un, ou de plusieurs blocs,
composants ou sous-systmes, d'un mme systme doit rester sans consquence sur le fonctionnement ou la
mission de l'ensemble.
Exemples :
dispositif de ventilation utilisant quatre ventilateurs identiques qui tournent en permanence alors que deux
ventilateurs sont ncessaires pour assurer une ventilation suffisante.
Pa g e 4 sur 26
Fi = 1 - R i
avec Ri la fiabilit associe.
La probabilit de pannes FS de l'ensemble des n composants en parallle est gal au produit des Fi entre eux :
R S = 1 - (1 - R 1 ).(1 - R 2 )...(1 - R n )
R S = 1 - (1 - R) n
Cas particulier de deux dispositifs en parallle : si est constant, RS est obtenu par :
R S = 1 - (1 - R A ).(1 - R B ) = R A + R B - R A .R B = e -A .t + e -B .t - e -( A + B ).t
Exemple : trois dispositifs A, B et C de mme fiabilit RA = RB = RC = 0,75 sont connects en parallle.
a)
Dterminons la fiabilit de l'ensemble.
RS = 1 - (1 - 0,75)3 = 1 - (0,25)3 = 1 - 0,0156 = 0,984.
2
Si on rduit deux le nombre de dispositifs : RS = 1 - (0,25) = 0,9375.
4.
Pa g e 5 sur 26
1.7
1.7.1
Pour le systme propos, le composant A est en service actif et le composant B en attente. Si A tombe en panne,
B est immdiatement active pour remplacer A.
Si on suppose que A et B sont identiques et ont un taux de dfaillance constant, la fiabilit du systme est
donne par l'expression :
R(t) = e
- .t
+ . t.e
- .t
= e
- ;t
. [1 + . t
R(t) =
A
B - A
(e - A .t - e - B .t ) + e - A .t
R(t) = e
- .t
(
(
.t ) 2
.t )n
. 1 + .t +
+ ... +
2!
n!
1.7.3
Si on suppose que le systme se compose de n composants K, tous de mme fiabilit R, et qu'il doit y avoir au
moins m composants en tat de fonctionner, la fiabilit de l'ensemble est donne par la relation :
n
RS =
i=m
n!
n-i
R i (1 - R )
i!(n - i)!
Exemple 1 : cas avec trois composants K et avec un minimum de deux composants actifs sur les trois
disponibles au dpart.
On tolre pour le systme la dfaillance d'un seul composant sur les trois. Il doit y avoir au moins deux
composants en fonctionnement ou en activit pour accomplir la mission.
La relation prcdente donne, avec n = 3 et m = 2 :
R S = R 3 + 3R 2 (1 - R) = 3R 2 - 2R 3
Exemple 2 : cas avec quatre composants K en parallle et avec un minimum de deux composants actifs sur les
quatre disponibles au dpart.
On tolre pour le systme la dfaillance de deux composants sur les quatre. Il doit y avoir au moins deux
composants en fonctionnement ou en activit pour accomplir la mission.
A partir de la relation initiale, on obtient avec n=4 et m=2 :
R S = R 4 + 4R 3 (1- R) + 6R 2 (1- R) 2 = 3R 4 - 8R 3 + 6R 2
211 - fia b ilite 1 et 2 .DOC
Pa g e 6 sur 26
1.8
INTRODUCTION
Variabilit et probabilit ont un rle dterminant dans la fiabilit des produits. Dimensions, masses, coefficients de
frottements, rsistances, contraintes et autres sont des paramtres rarement constants. La variabilit peut aussi
rsulter du processus de fabrication, de la variation des matriaux, des facteurs humains, des applications, etc.
Comprendre les lois, les causes et les effets de cette variabilit est ncessaire l'laboration de produits fiables.
Les principales lois de probabilit (ou statistiques) rgulirement utilises en fiabilit sont abordes dans ce
chapitre. La loi normale, souvent employe, est suppose parfaitement acquise et ne sera pas dveloppe. De
mme, pour les mmes raisons, la loi log-normale, loi telle que le logarithme de la variable temps t suit la loi
normale, ne sera pas aborde (cette loi caractrise certaines distributions de dure de vie ou de temps de
rparation).
2.2
R(t) =
N S (t)
N (t)
= 1 - d
N0
N0
F(t) =
N d (t)
N0
Pa g e 7 sur 26
F(t) =
f(t).dt
0
Inversement :
f(t) =
dF(t)
dR(t)
= dt
dt
f(t).dt
= 1.
Ce qui signifie que pour une dure de temps variant entre 0 et la probabilit d'avoir une dfaillance est gale 1,
c'est--dire 100%. Autrement dit, sur une dure suffisamment longue on est certain de tomber en panne. Il en
rsulte que :
t
2.3
2.3.1
Dfinition : (t) est la probabilit pour qu'un produit en bon tat l'instant t
ait une dfaillance entre les instants (t) et (t + dt).
Si on poursuit le raisonnement abord au paragraphe prcdent, (t), en tant que fonction du temps, est dfini
par :
(t) =
f(t)
f(t)
1
dR(t)
=
=
1- F(t)
R(t)
dt
R(t)
= -
dLnR(t)
dt
dR(t)
d(1)
d(F(t)
d(F(t)
d(F(t)
=
= 0 = = - f(t)
dt
dt
dt
dt
dt
La relation entre (t) et R(t) devient :
t
- (u)du
0
- (u)du
0
Pa g e 8 sur 26
(t) est une fonction du temps et plusieurs modles statistiques sont utilisables ce niveau pour la reprsenter.
Dans le cas de la zone 2 (fig.1et 2) le taux de panne est constant ou sensiblement constant et les formules
- .t
prcdentes se simplifient. La fiabilit R(t) qui en rsulte a alors une forme exponentielle : R(t) = e (voir
paragraphe 2.7).
2.3.2 Dfinition
Le taux de dfaillance a galement t dfini dans le chapitre prcdent "Fiabilit 1" par :
La dure de bon fonctionnement est la priode de temps pendant laquelle le dispositif, en activit ou en service,
est expos des dfaillances.
Exemple 1 : supposons 8 composants identiques tests sur une dure de 550 heures dans les mmes
conditions. Le premier composant tombe en panne, de manire irrparable, aprs 65 heures de fonctionnement,
le deuxime aprs 115 heures, le troisime aprs 135 heures, le composant 4 aprs 340 heures, le composant 5
aprs 535 heures, les trois autres composants continuent de fonctionner normalement. Alors :
5
5
=
= 0,00176
2840
65 + 115 + 135 + 340 + 535 + 550 + 550 + 550
Exemple 2 : considrons une machine automatise fonctionnant pendant un cycle opratoire de 155 heures.
Pendant cette priode le systme subit 5 dfaillances des moments diffrents, suivies d'une rparation puis
d'une remise en activit. Les dures respectives des dfaillances sont 2,5 heures ; 8,3 heures ; 3,7 heures ; 1,8
heures et 7,5 heures.
2.3.3
5
5
=
= 0,0381
155 - (2,5 + 8,3 + 3,7 + 1,8 + 7,5)
131,2
Pa g e 9 sur 26
En pratique, le taux de pannes peut tre constant mais aussi croissant ou dcroissant au cours du temps, avec
changement graduel, sans discontinuits.
Pour la majorit des produits industriels, les variations de (t) au cours du temps ("courbes dites en baignoire"
voir figures 1 et 2) prsentent trois zones typiques :
Zone 1 : Priode de dfaillance prcoce (ou priode de jeunesse) : c'est le dbut de la vie du produit
et les dfaillances sont dites de jeunesse (composants neufs prsentant des dfauts de fabrication...). Le taux de
dfaillance dcrot rapidement au cours du temps. Prventions possibles : dverminage, rodage, contrles et
tests renforcs avant livraison, etc. La loi de Weibull (avec <1 et t0=0 ; voir paragraphe 2.8) est utilisable pour
dcrire ce type de dfaillance.
Zone 2 : priode de dfaillance taux constant (ou sensiblement constant) : c'est la zone de maturit
ou de pleine activit du produit pour laquelle le taux de dfaillance est sensiblement constant. C'est galement
le domaine des dfaillances imprvisibles se produisant de faon alatoire. En tude de probabilit, la loi de
-.t
fiabilit adapte cette zone ( = (t) = constante) est la distribution exponentielle, forme R = e , voir
paragraphe 2.6. Le phnomne d'arrive des pannes dans le temps est dit Poissonien ou encore appel
"Processus de Poisson".
Zone 3 : priode de dfaillance par vieillissement : c'est la priode de fin de vie du produit caractrise
par des dfaillances dues l'ge ou l'usure des composants. Le taux de dfaillances crot rapidement avec le
temps du fait de la dgradation du matriel (usures mcaniques, phnomnes de fatigue, drive des composants
lectroniques...). Les lois de fiabilit adaptes cette zone sont : les lois normale, Gamma, log-normale ou
encore Weibull (avec >2 et t0>0).
Remarque : la courbe "en baignoire" (figure 1) est typique des quipements lectroniques. Dans le cas
des quipements mcaniques ou lectromcaniques (t) est lgrement croissant dans la zone 2 (figure 2).
Pa g e 10 sur 26
2.4
LOI DE SURVIE .
Soit un groupe de 300 matriels identiques, utiliss de la mme manire et mis en service la mme date.
2.4.1
Notations :
R(t ) =
F (t ) = 1 R (t )
f (t ) =
N (t )
N (0)
N (t ) N (t 1) N (t )
=
N (0)
N (0)
Z (t ) =
N (t 1) N (t )
N (t 1)
survivants
N(t)
300
260
235
205
160
115
75
40
15
0
mortalit
absolue
N(t)
0
40
25
30
45
45
40
35
25
15
mortalit
relative
f(t)
0.000
0.133
0.083
0.100
0.150
0.150
0.133
0.117
0.083
0.050
probabilit
de survie
R(t)
1.000
0.867
0.783
0.683
0.533
0.383
0.250
0.133
0.050
0.000
taux
d'avarie
Z(t)
0.000
0.133
0.096
0.128
0.220
0.281
0.348
0.467
0.625
1.000
Pa g e 11 sur 26
2.4.3
Reprsentation graphique:
N(t)
N(t) 300
50
350
300
40
250
200
30
150
20
100
10
50
N(t) 300
0
0 1 2 3 4 5 6 7 8 9
0 1 2 3 4 5 6 7 8 9
f(t)
R(t)
0.160
0.140
0.120
0.100
0.080
0.060
0.040
0.020
0.000
Z(t)
1.200
1.200
1.000
1.000
f(t)
0.800
R(t)
0.600
0.400
0.800
0.600
0.400
0.200
0.200
Z(t)
0.000
0.000
0 1 2 3 4 5 6 7 8 9
2.4.4
DN(t)
0 1 2 3 4 5 6 7 8 9
0 1 2 3 4 5 6 7 8 9
Calcul de la M.T.B.F.
Dans la 3me colonne du tableau de la page prcdente, on remarque que 40 matriels sont morts au terme d'1
priode, puis 25 au terme de 2 priodes, puis
La MTBF peut donc s'crire :
MTBF = [(40x1)+(25x2)+(30x3)+(45x4)+(45x5)+(40x6)+(35x7)+(25x8)+(15x9)] /300
MTBF = 4,68
2.4.5
priodes
Remarque :
t.f(t) = 4,68
donc :
MTBF =
R(t) = 4,68
1
(
)
(
)
t
.
N
t
=
t
.
f
t
=
1
1 R(t )
N (0 ) 1
N (t t ) N (t )
f (t )
N (0 )
=
N (t )
R (t )
N (0 )
Z (t ) =
f (t )
R(t )
quand
Pa g e 12 sur 26
priode
t
K
survivants
N(t)
mortalit
absolue
N(t)
calcul de
MTBF
t x N(t)
priode
t
K
survivants
0
1
2
3
4
5
6
7
8
9
300
260
235
205
160
115
75
40
15
0
300
1
2
3
4
5
6
7
8
9
300
260
235
205
160
115
75
40
15
0
N(t)
mortalit
absolue
N(t)
mortalit
relative
f(t)
0
40
25
30
45
45
40
35
25
15
0.00
0.13
0.08
0.10
0.15
0.15
0.13
0.12
0.08
0.05
300
40
25
30
45
45
40
35
25
15
/0
40 appareils sont HS
au bout de 1 priode
temps total = 40 x 1
40
50
90
180
225
240
245
200
135
1405
4.68
somme
des
t x f(t)
ici t=K
0.00
0.13
0.17
0.30
0.60
0.75
0.80
0.82
0.67
0.45
4.68
Calcul de MTBF
MTBF = (40x1 + 25x2 + 30x3 + 45x4 + 45x5 + 40x6 + 35x7 + 25x8 + 15x9) / 300
MTBF = 4,68 priodes
priode
t
K
survivants
N(t)
mortalit
absolue
N(t)
mortalit
relative
f(t)
F(t)
0
40
25
30
45
45
40
35
25
15
0.000
0.133
0.083
0.100
0.150
0.150
0.133
0.117
0.083
0.050
0.000
0.133
0.217
0.317
0.467
0.617
0.750
0.867
0.950
1.000
300
0
1
2
3
4
5
6
7
8
9
300
260
235
205
160
115
75
40
15
0
probabilit
de survie
R(t)
1 - F(t)
1.00
0.87
0.78
0.68
0.53
0.38
0.25
0.13
0.05
0.00
4.68
Pa g e 13 sur 26
2.5
LOI BINOMIALE :
Soit une "preuve" dont le rsultat se rduit une alternative (succs, chec), par exemple "casse ou pas" ;
Soit une rptition de n preuves identiques ;
Si on appelle X la variable alatoire "nombre de succs dans n preuves" ;
Si la probabilit de succs p est la mme dans toutes les preuves ;
Si les preuves successives sont indpendantes ;
On dit que suit une loi binomiale B (n,p)
Pr[X = k ] = p (k ) = C nk . p k .(1 p )
nk
n
essais
5
5
5
6
6
6
6
7
7
7
7
8
8
8
8
9
9
9
9
10
10
10
10
k
dfaillances
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
p probabilit
0.0500
0.1000
0.2036
0.3281
0.0214
0.0729
0.0011
0.0081
0.7351
0.5314
0.2321
0.3543
0.0305
0.0984
0.0021
0.0146
0.6983
0.4783
0.2573
0.3720
0.0406
0.1240
0.0036
0.0230
0.6634
0.4305
0.2793
0.3826
0.0515
0.1488
0.0054
0.0331
0.6302
0.3874
0.2985
0.3874
0.0629
0.1722
0.0077
0.0446
0.5987
0.3487
0.3151
0.3874
0.0746
0.1937
0.0105
0.0574
0.2000
0.4096
0.2048
0.0512
0.2621
0.3932
0.2458
0.0819
0.2097
0.3670
0.2753
0.1147
0.1678
0.3355
0.2936
0.1468
0.1342
0.3020
0.3020
0.1762
0.1074
0.2684
0.3020
0.2013
0.3000
0.3602
0.3087
0.1323
0.1176
0.3025
0.3241
0.1852
0.0824
0.2471
0.3177
0.2269
0.0576
0.1977
0.2965
0.2541
0.0404
0.1556
0.2668
0.2668
0.0282
0.1211
0.2335
0.2668
0.4000
0.2592
0.3456
0.2304
0.0467
0.1866
0.3110
0.2765
0.0280
0.1306
0.2613
0.2903
0.0168
0.0896
0.2090
0.2787
0.0101
0.0605
0.1612
0.2508
0.0060
0.0403
0.1209
0.2150
Pa g e 14 sur 26
2.6
2.6.1
LOI DE POISSON
Dfinitions
La loi de Poisson utilise des variables discrtes pour reprsenter les individus et les populations tudies.
Variable discrte : variable qui ne peut prendre qu'un nombre fini de valeurs (mme si ce nombre est trs
grand). Il est toujours possible de faire la liste de toutes les valeurs (x1, x2,..., xn).
Variable continue : variable qui peut prendre n'importe quelle valeur dans un intervalle donn entre une valeur
mini et une valeur maxi (xmini x xmaxi). La loi exponentielle et la loi de Weibull des paragraphes suivants
utilisent des variables continues.
2.6.2 Loi de Poisson
L'arrive de vhicules sur une autoroute, d'avions sur un petit arodrome, l'explosion d'atomes radioactifs,
l'talement des communications tlphoniques un standard obissent "en gros" la loi de Poisson.
En fiabilit, lorsque est constant ((t) = ), le processus d'arrive des pannes est exprim par la loi de Poisson.
La loi dtermine la probabilit P(k) de constater k pannes sur un temps ou une dure t par :
P(k) =
( t) k - .t
e
k!
La fiabilit correspond la probabilit qu'il n'y ait pas de dfaillance au bout du temps t soit :
R(t) = P(0) = e - .t
F(t) = 1 - e - .t
f(t) = .e - .t
Pa g e 15 sur 26
Remarque : 1/=MTBF, on retrouve les proprits gnrales de la loi exponentielle du paragraphe 2.7
suivant.
Exemple
e . k
Pr ob( X = k ) =
k!
La MTBF d'un systme est de 41,2 jours
Le temps requis est de 24 jours par mois, 10 mois par an,
1 / Calcul du taux d'avarie
=1/41.2 =
0.02427
240
p(k)
P(k)
1.20000
0
0.00295
0.00295
1.00000
1
0.01720
0.02015
0.80000
2
0.05009
0.07024
3
0.09726
0.16750
0.60000
4
0.14164
0.30913
0.40000
5
0.16501
0.47415
6
0.16021
0.63436
0.20000
7
0.13332
0.76767
0.00000
8
0.09708
0.86475
9
0.06283
0.92758
10
0.03660
0.96418
Quelle est la probabilit d'avoir jusqu'a 5 pannes
Quelle est la probabilit d'avoir 5 pannes
10 11
p(0)+p(1)+p(2)+p(3)+p(4)+p(5)
p(5)
Pa g e 16 sur 26
2.7
LOI EXPONENTIELLE
Ce modle est rgulirement utilis lorsque le taux de dfaillance est constant (cas courant des composants
lectroniques) ou sensiblement constant. Il est rapprocher de la loi de Poisson du paragraphe prcdent en
utilisant une variable continue la place d'une variable discrte.
2.7.1 Distribution exponentielle
Reprenons les raisonnements abords au paragraphe 2.3. Dans le cas de la zone 2 (fig.1et 2), le taux de panne
est constant ou sensiblement constant, les expressions se simplifient et R(t) prend une forme exponentielle.
En remarquant que :
t
t
0 (u)du = 0 .du = . 0 du = . t = MTBF
-.t
(t) = = constante
f(t) = .e = .R(t)
(voir allure figure 4)
moyenne : = 1/ = MTBF
cart type : = 1/
Figure4
- (u)du
R(t) = e
= exp -
(u)du
= e- t
Fiabilit:
-.t
-t/MTBF
R(t) = e = e
(voir allure figure 5)
Figure5
Fonction dfaillance:
-.t
F(t) = 1 - R(t) = 1 - e
(voir allure figure 6)
Figure6
Le MTBF, temps moyen entre dfaillances, correspond une moyenne de vie arithmtique.
Exemple 1 : Quelle est la fiabilit d'un dispositif travaillant pendant une priode de temps gale au MTBF ?
Pour ce cas la probabilit de survie est :
R(t)= R(MTBF) = e-MTBF/MTBF = e-1 = 1/e = 1/2,718 = 0,3679 (environ 37%)
Pa g e 17 sur 26
Exemple 2 : un composant lectronique de puissance a un taux de panne constant de 0,07 pour 1 000 heures de
fonctionnement.
a)
Quelle est la probabilit pour qu'il survive 5000, 1000 et 2000 heures ?
L'unit de temps est 1000 heures. A 5000 heures correspond t = 5
-.t
- (0,07).t
- (0,07).(5)
b) Quelle est la probabilit pour que le composant dure entre 2 000 et 5 000 heures ?
P(2000 t 5000) = F(5) - F(2) = R(2) - R(5) = 0,869 - 0,705 = 0,164 (16,4%).
c) Quelle est la probabilit pour que le composant dure 1 000 heures de plus aprs 5 000 heures de
fonctionnement ?
C'est une probabilit conditionnelle de forme gnrale : 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 dfaillance restent toujours les
mmes. Que le composant soit neuf ou non, qu'il ait dj servi longtemps ou non, sa fiabilit reste la mme.
Exemple 3 : soit quatre composants connects en srie dont les taux de panne pour 1000 heures sont
respectivement : 0,052 ; 0,056 ; 0,042 et 0,047. Quelle est la probabilit pour que le dispositif fonctionne sans
dfaillance jusqu' 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 :
= 0,052+0,056+0,042+0,047 = 0,197.
Soit un taux de dfaillances de 19,7% pour 1000 heures.
Le MTBF de l'ensemble est :
MTBF = 1/ = 1/0,197 = 5,08
Soit un temps moyen entre dfaillances d'environ 5000 heures.
Pa g e 18 sur 26
Exemple 4 :
LOI EXPONENTIELLE
Un quipement d'atelier de mcanique a subi 10 pannes sur 1 an,
Les temps de bon fonctionnement sont les suivants:
55 26 13 80 14 21 124 35 18 26 jours
2 / Calculer la MTBF
MOYENNE(55;26;13;80;14;21;124;35;18;26)
41.2
MTBF=
lambda = 1/41,2
lamda =
0.02427184
1
MTBF
R(t ) = e.t
3/ Calcul de R(t)
Temps entre
avaries
R(t)
13
0.72939929
14
0.71190854
18
0.64604042
21
0.60067051
26
0.53202332
26
0.53202332
35
0.42762247
55
0.26317095
80
0.14345304
124
0.04930604
R(t)
1.00
0
50
100
150
200
250
300
350
400
450
0.8
0.7
0.6
0.5
0.10
0.4
R(t)
0.3
0.2
0.1
0
0.01
20
40
60
80
100
120
140
Pa g e 19 sur 26
2.8
LOI DE WEIBULL
Pour un grand nombre de composants (mcaniques et lectromcaniques notamment) n'est pas constant dans
la zone 2 figure.2, mme remarque pour les zones 1 et 3 des figures 1 et 2. La distribution exponentielle
prcdente n'est pas applicable.
La manire la plus pratique est de considrer que la dfaillance est distribue d'aprs la loi de Weibull. Cette loi
est en effet bien adapte l'tude statistique des dfaillances, en particulier de jeunesse et d'usure.
La distribution de Weibull est une sorte de loi camlon, trs souple, qui, grce ses trois paramtres (t, , T),
peut s'ajuster un grand nombre de donnes statistiques. Elle peut suivre une distribution non symtrique, faire
l'approximation de la loi normale, devenir une distribution exponentielle, etc. Elle est galement utilise pour
dcrire des phnomnes de fatigue, des dures de vie (roulements...), des probabilits de rupture sous charge,
etc.
2.8.1
f(t) =
T
t - t0 - 1
e
T
t - t0
T
= T.
1
2
+ 1 - 2
+1
1/2
Paramtres:
t0 (ou ): paramtre de position (0 t0 )
T (ou ): paramtre d'chelle (T > 0) ou vie
caractristique.
: paramtre de forme ( > 0), sans units
Valeur moyenne:
= t 0 + T.
1
+ 1
1,7
0,908
2,7
1,544
1,8
0,931
2,8
1,676
1,9
0,961
2,9
1,827
2,0
3,0
2,00
Figure 7
211 - fia b ilite 1 et 2 .DOC
Pa g e 20 sur 26
Remarques :
le premier paramtre (dit paramtre de forme) donne la forme gnrale de la courbe f(t),
le deuxime paramtre T (paramtre d'chelle), encore appel , permet "d'taler" plus ou moins le graphe selon
l'abscisse des temps t,
le troisime paramtre t0 (paramtre de position), encore appel , positif (t0 < 0 n'a pas de sens physique),
correspond une apparition retarde des dfaillances, autrement dit entre 0 et t0 il n'y a pas de dfaillance du
dispositif.
t - t0
F(t) = 1 - exp T
= 1 - e
t - t0
T
t - t0
T
= e
t - t0
T
avec :
t : dure de temps jusqu' la dfaillance
t0 : instant pour lequel f(t) = 0
f(t)
(t) =
=
T
R(t)
t - t0
T
-1
Figure 8
On constate, figure 8, que les dfauts de jeunesse indiqus figure 1 correspondent l'allure <1 et que les
dfaillances dues l'usure >2.
Pa g e 21 sur 26
2.8.1.5 Remarques
2.8.1.6 exemples
Exemple : un composant mcanique possde une dure de vie qui suit la loi de Weibull avec :
t0 = 0 ; = 0,25 et T = 120 heures.
Dterminons le temps moyen entre dfaillances :
MTBF = = t0 +T.(1/ + 1)
= 0 + 120. (1/0,25 + 1) = 120. (4+1) = 120.(4!) = 2880 heures
Quelle est la probabilit que le composant tombe en panne avant 36000 heures ?
F(t) = F(3600) = 1 - e
3600
120
0,25
t
F(t) = 1 - exp T
= 1 - e
t
T
t -1
e
T
t
T
Paramtres:
T : paramtre d'chelle (T > 0)
est le paramtre de forme ( > 0), sans units
Fiabilit:
t
T
= e
t
T
Pa g e 22 sur 26
2.8.3 Mthode pour vrifier qu'un ensemble de donnes suit la loi de Weibull
La mthode, base sur des rsolutions graphiques ( partir du graphe ou papier de Weibull), permet de
dterminer en mme temps les paramtres , t0 et T.
Figure 9
2.8.3.1 Principe
Raliser la linarisation de F(t) en utilisant les logarithmes npriens (Ln) puis faire la vrification graphiquement
partir d'un graphe ou papier de Weibull. Soit au dpart :
t
F(t) = 1 - exp T
= 1 - e
t
T
on en dduit :
1
= e
1 - F(t)
t
T
Ln Ln
1
1 - F(t)
= .[ Ln(t) - Ln(T)]
X = Ln(t) et Y = Ln Ln 1 - F(t)
Pour vrifier que l'ensemble de donnes collectes suit la loi de Weibull, il suffit de tracer celles-ci sur un papier
graphique adapt (appel papier ou graphe de Weibull). Aprs trac, l'ensemble des donnes doit s'aligner, ou
tre trs proche, d'une droite de pente b.
Si c'est le cas, les paramtres et T peuvent tre mesurs directement sur le graphe.
211 - fia b ilite 1 et 2 .DOC
Pa g e 23 sur 26
Y = Ln Ln
1
1 - F(t) .
La graduation de F(t) est indique en pourcentage (chiffres de 0,1 99,9). Une graduation linaire en Y, en fait en
(-Y) ; chiffres 0, 1,...,6 ; est indique dans le graphe au droit de X= -1.
Point particulier : la droite horizontale parallle l'axe des t et passant par F(t)=0,632 correspond [1 - F(t) = e
= 0,368] et Y=0.
-1
-1
Si, dans l'expression de Weibull, on remplace t par T : F(t) = 1 -e = 0,632. Le paramtre T correspond
l'abscisse du point d'intersection entre la droite de Weibull et la ligne horizontale de probabilit 63,32% (0,6322).
2.8.3.3 Exemple
Les dfaillances d'un lot de roulements tests sous charge donne les rsultats suivants :
t /heures
F(t) %
65 80 100 140 190 260 310 400 500 660 820 1040 1250 1600
1,5 2,1 3
5
8
13 17 24 33 46 58 72
82
92
Dterminons T et de la distribution.
Etapes de rsolution
En abscisse, choix d'une chelle des temps t : 1 correspond t=100 ; 10 correspond t=1000.
correspondante.
Dterminer graphiquement la valeur de T ; T est gal la valeur de l'abscisse du point situ l'intersection
Tracer une parallle la droite de Weibull passant par un point de coordonnes [t=1(ou 100), Y=63,2].
Dterminer graphiquement la pente de la droite : lire celle-ci sur l'chelle de mesure verticale indique.
Rsultat : =1,6.
t
890
1,6
Pa g e 24 sur 26
Figure 10
Remarque : dans le cas d'une quation de Weibull trois paramtres, il est judicieux de remplacer T par
(T' - t0), autrement dit de faire un changement de paramtre. Le travail suivant consistera dterminer t0
graphiquement. Une fois t0 connue on se ramne au cas prcdent.
Pa g e 25 sur 26
3 EXERCICES
Exercice 1 : un dispositif se compose de cinq composants monts en srie dont les MTBF respectifs sont de
9540, 15220, 85000, 11200 et 2600heures. Calculer la probabilit de survie de l'ensemble pour une dure de
1000 heures.
Exercice 2 : reprendre l'exercice 1 avec quatre composants et 8540, 11450, 5650 et 7300 heures.
Exercice 3 : le systme de rservation d'une agence de voyage se compose de trois micro-ordinateurs connects
en parallles. Quelle doit tre la fiabilit de chaque appareil si l'on souhaite obtenir une fiabilit globale de 0,999
(99,9%) pour l'ensemble du systme.
Exercice 4 : une photocopieuse se compose de 3000 composants, connects en srie et ayant tous la mme
fiabilit, trs leve, de 0,9998 (99,98%). Calculer la fiabilit de l'appareil. Que devient cette fiabilit si le nombre
des composants est divis par 2 ?
Exercice 5 : un systme de production se compose de 4 machines connectes en srie et dont les taux de
dfaillances, pour 1 000 heures, sont respectivement : 0,052 ; 0,059 ; 0,044 et 0,048. Quelle est la probabilit
pour que le systme arrive sans dfaillance 4000 heures. Dterminer le MTBF du systme.
Exercice 6 : reprendre l'exercice 5 avec 0,051 ; 0,058 ; 0,043 ; 0,048.
Rponse : R(4) = 0,449 : MTBF = 5 (5 000 heures)
Exercice 7 : reprendre l'exercice 5 avec quatre machines connectes en parallle.
Exercice 8 : soit un systme de n composants identiques monts en parallle et ayant tous le mme taux de
dfaillances de 0,05 pour 1000 heures. Calculer le MTBF du systme lorsque n varie de 1 8. Conclusions ?
Exercice 9 : un composant lectronique de puissance un taux de panne constant de 0,333 pour 1000 heures de
fonctionnement (une dfaillance chaque 3000 heures).
a) Quelle est la probabilit pour qu'un composant survive aprs 3000 heures ?
b) Quelle est la probabilit que le composant dure entre 1000 et 3000 heures ?
c)Quelle est la probabilit que le composant dure 1000 heures de plus aprs 3000 heures de fonctionnement ?
Rponse : 0,368 ; 0,349 ; 0,7168
Exercice 10 : reprendre l'exercice 9 avec = 0,25 et 4000 heures.
Exercice 11 : soit quatre composants connects en srie dont les taux de panne pour 1 000 heures sont
respectivement : 0,042 ; 0,046 ; 0,052 et 0,057. Quelle est la probabilit pour que le dispositif fonctionne sans
dfaillance jusqu' 4 000 heures ? Dterminer le MTBF de l'ensemble.
Exercice 12 : un composant lectronique a une dure de vie qui suit la loi de Weibull avec t0=0 ; T=150 heures et
=1/3. Dterminer le MTBF et la probabilit que le composant tombe en panne avant 1500 heures.
Rponse : MTBF=900 heures ; F(1500)=0,882
Exercice 13 : les dfaillances d'usure d'un composant mcanique suivent la distribution suivante :
t en heures
200 280 370 490 580 670 760 850 940 1050 1300
F(t)en %
2
5
10
20
30
40
50
60
70
80
95
Vrifier si la distribution suit la loi de Weibull. Si c'est le cas dterminer les paramtres de la distribution.
Rponse : oui, T=870 heures, =2,6
Exercice14 : reprendre l'exercice 13 avec un lot de 100 composants test pendant 250 heures. Huit composants
subissent une dfaillance aux instants : 11, 32, 61, 91, 101, 141, 190 et 245 heures.
Rponse: oui, =0,9 ; T=3605 heures ; MTBF=3791 heures.
Pa g e 26 sur 26