Professional Documents
Culture Documents
Rsum
Pratiquement, les paramtres des lois statistiques de fiabilit sont dduites des
temps de dfaillance recueillis in situ et sont entachs d'une incertitude qu'il est
important d'valuer. L'incidence de cette incertitude sur des grandeurs comme la
fiabilit R(t) et la moyenne des temps de bon fonctionnement MUT est galement
tudie.
Introduction
Dans la plupart des cas, les lois de dfaillance utilises dans les calculs de
fiabilit sont obtenues par analyse statistique des dfaillances observes in situ. C'est
pourquoi la littrature regorge de nombreux dveloppements probabilistes ([CAR
72], [DHI 99], [GER 00], [LEW 94], [LYO 92], [LYO 00], [MAR 74] et [PRO 96])
parfois complts par une tude de l'incidence sur les grandeurs utilises en fiabilit
de l'incertitude affectant les paramtres des lois de distribution. Par exemple,
Ebeling [EBE 97] nous fournit quelques dveloppements afin d'estimer l'incertitude
sur la moyenne des temps jusqu' dfaillance (MTTF) dans le cas d'une loi
exponentielle. Une approche plus thorique de l'estimation de l'incertitude lie
l'estimation des fonctions de dfaillance a t introduite dans [ZHA 01] et applique
pour un essai de fatigue.
1. Reliabilitix
Reliabilitix [BAS 01] est une librairie MATLAB destine calculer la fiabilit
de systmes complexes, c'est--dire des systmes dont la description fonctionnelle
peut tre traduite par un schma-blocs qui associe, en srie ou en parallle, des
composants (ou des modes de dfaillance) pour lesquels la loi de fiabilit doit tre
connue a priori. Les caractristiques des composants (nom du composant, loi de
dfaillance, temps de travail dj accompli, contrle du composant, loi de
dfaillance en stock), sont sauvegardes dans une bibliothque. Le lien entre le
schma-blocs et la bibliothque est le nom du composant.
Feuille de style 3
Qui plus est, Reliabilitix peut tenir compte de certaines situations particulires
rencontres dans la pratique et les intgrer dans le calcul de la fonction de fiabilit;
citons le changement d'un composant dfectueux, ou encore le contrle du systme
lors d'inspections de maintenance, le vieillissement du systme, de ses composants
et du stock.
2. Simulatrix
Les donnes relatives aux composants du systme tudier sont encodes dans
un fichier au format texte. Cette bibliothque contient :
- le nom du composant,
- le fichier dans lequel sont sauvegards ses temps de dfaillance ou sa loi de
dfaillance,
- le type de maintenance dont il fait l'objet : aucune, corrective ou prventive
(dans ce dernier cas, on spcifiera une priode de remplacement
systmatique),
- le nombre de composants similaires en stock,
- la loi de dgradation en stock,
Figure 4. Systme modlis dans Simulatrix
Aprs avoir modlis le systme sous forme d'un schma-blocs (fig. 4) et encod
les donnes relatives aux composants, nous allons dduire l'historique des temps de
dfaillance du systme. Pour cela, nous devons connatre l'historique des temps de
dfaillance de chaque composant qui peuvent tre :
- rels : dans ce cas, les temps de dfaillance seront encods dans un fichier
texte qui sera spcifi dans les proprits du composant,
- simuls : pour cela nous utiliserons la mthode de simulation de Monte
Carlo. L'algorithme utilis est le suivant :
supposons que nous ayons gnrer N temps de dfaillance; appelons F la
distribution des dfaillances du composant.
1. On tire N nombres au hasard dans la distribution uniforme (0,1).
2. On assimile chaque nombre une probabilit de dfaillance (l'axe des
p=F(t)).
Feuille de style 7
3. On recherche les temps correspondants ces probabilits (t1, t2, ... tn);
ce sont les temps de dfaillance recherchs : t=F-1 (p).
Modle de Weibull
Pour estimer les paramtres (paramtre de forme), (paramtre d'chelle) et
(paramtre de position) de la loi de Weibull, Simulatrix utilise une forme numrique
drive de la mthode du papier de Weibull ou du graphique d'Allen Plait [LYO 00]:
t
R(t ) 1 F (t ) exp [1]
1 t
ln [2]
1 F (t )
1
ln ln ln t ln [3]
1 F (t )
i 0,3
Rangs mdians : F (ti ) [5]
n 0,4
i
Rangs moyens : F (ti ) [6]
n 1
Dans le modle prcdemment dvelopp, nous identifions les ti aux x et les F(ti)
aux y. Ensuite, par une mthode des moindres carrs, nous calculons une droite de
rgression pour ces points, caractrise par sa pente A et l'ordonne l'origine B (fig.
7). Enfin, nous pouvons dduire les paramtres A et exp( B / ) .
3. Illustration et comparaison de Reliabilitix et Simulatrix
[heures] [heures]
Pompe1 1,2 35000 0
Pompe2 1,2 100000 0
Pompe3 2 35000 0
Les lois de dfaillance utilises dans les calculs de fiabilit sont dans la plupart
des cas obtenues par une analyse statistique de dfaillances observes sur le terrain.
C'est la raison pour laquelle nous avons dvelopp Simulatrix. ce stade du
dveloppement, deux questions se posent. partir de combien de dfaillances la loi
obtenue convergera-t-elle de manire significative vers la loi relle? Quelle sera
l'incidence de ces carts sur les grandeurs de fiabilit, citons par exemple des
estimations de temps de bon fonctionnement?
Feuille de style 11
Nous constatons que et se distribuent suivant une loi normale dont les
paramtres sont la moyenne m et l'cart-type que nous pouvons estimer. Pour cela,
pour chaque cas considr, calculons la moyenne x , l'cart-type s, ainsi qu'un
intervalle de confiance pour la moyenne m (7) et l'cart-type (8) (Tab. 2) [MON
99]. Les relations utilises sont les suivantes :
t / 2, n 1s t / 2, n 1s
x mx [7]
n n
avec t / 2, n 1 la loi de Student n-1 degrs de libert et 100(1-) le degr de
confiance.
(n 1) s 2 (n 1) s 2
2 [8]
2 / 2, n 1 12 / 2, n 1
N N [heures]
5
x 1,39 0,47 m 2,31 x 43612 33012 m 54212
s = 0,74 0,27 6 ,12 s = 8536 3064 70486
10
x 1,30 0,77 m 1,83 x 49142 39288 m 58995
s = 0,43 0,15 3,53 s = 7935 2848 65519
20
x 1,44 0,97 m 1,90 x 40873 35622 m 46124
s = 0,38 0,22 1,08 s = 4228 2533 12151
5
50
x 1,26 1,03 m 1,49 x 39807 36622 m 46992
s = 0,19 0,11 0,53 s = 5786 3466 16626
100
x 1,32 1,11 m 1,53 x 40164 36845 m 43484
s = 0,17 0,10 0,49 s = 2673 1601 7681
1000
x 1,31 1,26 m 1,36 x 40741 39421 m 42061
s = 0,04 0,01 0,30 s = 1063 381 8777
5
x 1,80 0,75 m 2,86 x 42077 32791 m 51363
s = 1,48 1,01 2,69 s = 12980 8928 23697
10
x 1,25 0,92 m 1,59 x 40310 33278 m 47342
s = 0,47 0,22 1,57 s = 9830 4651 32763
20
x 1,40 1,21 m 1,58 x 40784 36013 m 45556
s = 0,26 0,18 0,47 s = 6670 4588 12177
10
50
x 1,25 1,12 m 1,39 x 41693 38932 m 44453
s = 0,19 0,13 0,35 s = 3859 2654 7045
100
x 1,28 1,16 m 1,40 x 40104 38559 m 41649
s = 0,16 0,11 0,30 s = 904 1486 3943
1000
x 1,28 1,25 m 1,31 x 40176 39526 m 40823
s = 0,04 0,02 0,14 s = 2160 428 3015
5
x 1,61 0,81 m 2,41 x 40441 32082 m 48799
s = 1,71 1,30 2,50 s = 17860 13582 26085
10
x 1,21 1,04 m 1,37 x 45943 39755 m 52131
s = 0,35 0,27 0,51 s = 13221 10055 19310
20
x 1,21 1,03 m 1,38 x 40241 37083 m 43399
s = 0,38 0,29 0,55 s = 6747 5131 9854
20
50
x 1,16 1,08 m 1,24 x 41092 38892 m 43293
s = 0,17 0,13 0,25 s = 4702 3576 6868
100
x 1,24 1,16 m 1,32 x 41512 40068 m 42056
s = 0,16 0,13 0,24 s = 3085 2346 4506
1000
x 1,29 1,27 m 1,32 x 40439 39933 m 40943
s = 0,05 0,03 0,12 s = 1078 623 2300
Feuille de style 15
5
x 1,47 1,27 m 1,67 x 44426 40082 m 48770
s = 0,71 0,59 0,88 s = 15286 12769 19051
10
x 1,16 1,07 m 1,26 x 41689 38250 m 45129
s = 0,32 0,27 0,40 s = 12103 10120 15084
20
x 1,26 1,17 m 1,35 x 42087 40011 m 44162
s = 0,32 0,26 0,39 s = 7302 6099 9100
50
50
x 1,25 1,19 m 1,30 x 41662 40429 m 42896
s = 0,19 0,16 0,24 s = 4341 3626 5410
100
x 1,24 1,20 m 1,28 x 40734 39648 m 41819
s = 0,14 0,11 0,17 s = 3819 3190 4759
1000
x 1,29 1,28 m 1,30 x 40132 39802 m 40463
s = 0,05 0,03 0,07 s = 1162 810 1805
La loi thorique que nous cherchons identifier est une loi de Weibull avec
=1,3 ; =40000 et =0. La moyenne des temps de bon fonctionnement (MUTtheo)
relative cette loi vaut 36943 heures. Au paragraphe 4.1, nous avons montr que
et suivaient une loi normale dont les paramtres sont repris dans le tableau 4.
De ces rsultats, nous concluons qu'il faut tre prudent lorsqu'on estime une loi
de fiabilit sur base d'un historique de dfaillances de taille rduite. L'erreur
commise peut tre considrable. Dans le cas simple que nous avons tudi, une
erreur admissible de 10% sur le temps est constate pour un historique de 20
dfaillances et une fiabilit R de 99%. Si maintenant, pour une mme erreur, le
niveau de fiabilit requis est de 90%, la taille de l'historique doit tre multiplie par
Figure 10. Reprsentation du domaine de variation de la loi de fiabilit
dduite de simulations de dfaillances
5. Nous voyons aussi que les estimations de la MUT et de la fiabilit R(t) deviennent
acceptables partir d'une centaine de dfaillances.
MUTmax /
N Rmax
MUTtheo
R=90% R=95% R=98% R=99%
5 / 0,64 0,51 0,37 0,28 63% t= 19500 h
10 / 0,50 0,40 0,29 0,23 52% t= 3000 h
20 1,03 0,27 0,20 0,13 0,10 25% t= 11300 h
50 0,54 0,16 0,12 0,07 0,05 18% t= 14400 h
100 0,29 0,10 0,075 0,048 0,033 11% t= 15800 h
1000 0,08 0,035 0,023 0,014 0,009 4% t= 19440 h
5. Conclusion
Cette tude simple nous a permis de montrer que l'estimation d'une loi de
fiabilit sur base d'un historique de temps de dfaillance pourrait conduire des
erreurs d'apprciation importantes. De ce fait, dans la pratique, il serait intressant
d'accompagner les estimations ralises d'un intervalle de confiance.
Bibliographie