Fiabilité & Maintenabilité

1
 Fiabilité: « la probabilité pour qu’un élément remplisse une fonction
requise dans des conditions définies et pendant une
période définie » ( selon la norme ISO 8927 )

Maintenabilité: s’intéresse à tout ce qu’il faut faire pour qu’un

produit soit ramené des conditions aussi proches
que possible de celles prévues au début
fonctionnement.

Le but de la fiabilité et de la maintenabilité:

garantir au client un prévu au coût total minimal pendant la
période spécifiée, dans des conditions d’entretien et de
réparation précises.

2
 Principales raisons au manque de fiabilité

 Raisons technique

Évolution technique rapide

Complexité des produits

Durée de développement trop court

Complexité des organisations

Attrait des techniques de pointe

3
 Raisons économiques

Elles affectent plus particulièrement les produits civils

dans une économie de marché.

 Importance accordée au profit immédiat

 Compression des budgets d’étude

 Réduction des coûts de fabrication

4
 Objectifs du produit industriel

 Objectif final de l’entreprise

 Pour la Harvard School of Business Administration, l’entreprise

a pour but de créer des objets satisfaisants en faisant un profit.

satisfaisant : créer des objets de qualité et de fiabilité convenables

pour l’usage annoncé à des prix compétitifs.

 L’entreprise, pour survivre, a besoin d’un marché qu’elle

ne conserve qu’en satisfaisant ses clients régulièrement et au
meilleur coût total.

5
 Traduction de cet objectif

Pour donner aux techniciens les moyens de réaliser leurs projets,

il faut leur fournir en termes mesurables les définitions précises des
missions satisfaisant le besoin du client :
 la durée de vie acceptable
(une automobile peut être conçue pour durer 50 000 ou 200 000 Km),
 le temps moyen entre défaillances,
 la durée et le coût de réparation,
la fréquence et le coût des entretiens préventifs, etc.

Toutes ces données traduisent ce qu’il faut obtenir pour satisfaire le client. Elles
doivent être fixées dès l’origine dans le cahier des charges, au même
titre que les performances et les coûts.

6
 Conséquences d’une mauvaise fiabilité

 Pour l’utilisateur : selon le produit et la défaillance, il peut

y avoir inconfort, dépenses ou accident.
 Inconfort quand l’interrupteur de l’éclairage intérieur d’une
voiture fonctionne mal à l’ouverture des portes,
 dépenses quand les réparations sont fréquentes
et nécessitent un personnel spécialisé,
accident lorsque la pièce maîtresse d’un véhicule casse et
met en danger la vie des occupants

7
Pour l’entreprise : dans de nombreux cas, les pertes sont
sans commune mesure avec les économies faites au cours de
l’étude.

 Si des défaillances importantes se produisent pendant

la période de garantie, des dépenses apparaissent rapidement
et risquent d’être très importantes si la sécurité des utilisateurs
est en cause.

 Pour des incidents mineurs, généralement hors garantie,

les conséquences sont plus lointaines mais plus imprévisibles,
comme l’abandon de fidélité à la marque et la mauvaise
réputation

8
 Quelques définitions

 Qualité
Degré (ou mesure) avec lequel un produit convient aux besoins
du client. La qualité totale est fonction de la qualité du projet, qui
mesure la valeur intrinsèque du projet par rapport aux besoins du
client, et de la qualité de fabrication, qui mesure la fidélité avec
laquelle le produit fabriqué est conforme au projet.
 Fiabilité
Caractéristique d’un dispositif mesurée par la probabilité qu’il
accomplisse une fonction requise dans des conditions données,
pendant un temps donné.

9
 Maintenabilité
Caractéristique d’un système réparable mesurée par la
probabilité qu’un système en panne soit remis en état dans un
délai maximal donné, lorsque l’entretien et la réparation sont
faits dans des conditions spécifiées.
 Disponibilité
Caractéristique d’un système réparable mesurée par la
probabilité que le système fonctionne correctement à un instant
quelconque, lorsqu’il est utilisé et entretenu dans les conditions
spécifiées

10
 Éléments théoriques

 Loi de survie et taux de défaillance

 Théorèmes principaux du calcul des probabilités
 Mécanisme de défaillance et distribution des durées de vie.
 Fiabilité des systèmes sans réparation
 Fiabilité et disponibilité des systèmes réparables

11
 Loi de survie et taux de défaillance

Pour évaluer la fiabilité d’un produit, il est

nécessaire de savoir comment il devient
défaillant dans le temps :
 la loi de survie le précise.
Le taux de défaillance indique le
comportement d’un dispositif d’un âge
donné dans le futur immédiat.

12
 Exemple de loi de survie

Les résultats ( Le tableau 1) suivants concernent

un essai de N0 = 200 lampes à incandescence placées sur un
banc d’essai. Toutes les 100 h, on note le nombre N (t ) de
lampes qui fonctionnent encore.
Pour chaque durée de fonctionnement t, on calcule la fiabilité
R (t ) du lot de lampes essayées :

R (t ) = N (t )/N0 Exemple3

13
14
15
 Densité de probabilité des durées de
vie
Prenons une pièce neuve. La probabilité qu’elle tombe en panne
entre l’âge t et l’âge (t + dt ) est égale à :
f (t ) dt
avec f (t) densité des probabilités des durées de vie.
On montre que f (t) est la dérivée de la probabilité de défaillance
avant l’âge t :

F (t ) est appelé fonction de répartition des durées de vie ou des

temps jusqu’à défaillance. C’est le complément à 1 de la probabilité
de survie (ou fiabilité) R (t ), d’où :

il en résulte que

16
On calcule approximativement la densité de probabilité, pour
l’intervalle de durée de vie s’étendant de t i – 1 à t i par :

soit, en désignant par N (ti) le nombre de survivants pour une

durée de vie ti :

Les valeurs des densités de probabilité correspondant à l’exemple

précédent (§ 2.1.1) sont portées dans le tableau 1
17
 Taux de défaillance
Prenons maintenant une pièce ayant servi pendant une durée t
et encore survivante. La probabilité qu’elle tombe en panne entre
l’âge t qu’elle a déjà et l’âge t + dt est représentée par la probabilité
conditionnelle qu’elle tombe en panne entre t et t+ dt , sachant
qu’elle a survécu jusqu’à t . D’après le théorème des probabilités
conditionnelles cette probabilité est égale à :

avec z(t) taux de défaillance de la pièce d’âge t s’exprime par l'inverse

d’un temps . Alors:

Donc

18
On calcule approximativement le taux de défaillance, pour l’intervalle
de durée de vie s’étendant de ti-1 à ti en divisant la densité
de probabilité

par la fiabilité moyenne

donc

19
 Moyen des temps de bon fonctionnement
(MTBF) et durée de vie moyenne

Le temps moyen jusqu’à défaillance (ou moyenne des temps de

bon fonctionnement) est :

Cette moyenne est aussi égale à :

Pour calculer la MTBF, il suffit de calculer le temps total de

fonctionnement T de toutes les pièces et de le diviser par le nombre
de pièces défaillantes Nd . Dans l’exemple, Nd = N.

Le temps moyen jusqu’à défaillance s’applique aux pièces

non réparables. Dans le cas de systèmes réparables, on calcule un temps
moyen entre défaillances. 20
 Mécanisme de défaillance
et distribution des durées de vie
2.3.1 Courbe en baignoire
La courbe du taux de défaillance en fonction de l’âge est généralement
semblable à celle de la figure suivante

21
 On distingue trois périodes
 La première (I) correspond à la jeunesse du produit.
Causes de défaillances :
défauts de fabrication
phénomènes à évolution rapide
Taux de défaillance décroît avec l ’âge.
 Durée variable suivant le produit.
Entre quelques heures et quelques centaines d’heures.
La deuxième (II) Cette période correspond à la vie utile
Causes de défaillances : très diverses
Taux de défaillance sensiblement constant.
Durée s’étend de quelques milliers d’heures pour les pièces mécaniques
à plusieurs centaines de milliers d’heures pour les
composants électroniques.
 La dernière (III) correspond à la fin de vie
Causes de défaillances :
L’ usure
La fatigue
Taux de défaillance croissant.

22
 Vie utile et distribution
exponentielle
[Link] Caractéristiques
Durant la vie utile, le taux de défaillance est constant.
La fiabilité est solution de :

La MTBF est :

Remarquons que, pour une mission de durée égale à la MTBF, on a :

La médiane des temps de bon fonctionnement Me :

23
Exemple : un dispositif a une MTBF de 10 000 h. Quelle est sa
fiabilité pour une mission de durée t = 2 000 h et quelle est sa durée
de vie médiane ?
Solution :

Les propriétés principales de la distribution exponentielle sont

— densité de probabilité :

— fonction de répartition(probabilité de défaillance) ;

— fiabilité :
— taux de défaillance:

— moyenne :

— écart type: 24
 Estimation
Estimation ponctuelle
Désignons par Tf la durée de fonctionnement totale d’un ensemble
de dispositifs en essais et par k le nombre de défaillances observées.
On a :

Remarque si k = 0, on peut prendre pour estimation de la valeur

correspondant à une probabilité de 0,5 et l’on a alors

Si l’essai est réalisé avec remplacement des pièces défaillantes

et a porté sur n pièces pendant une durée T, on a Tf=nT .

Si l’essai est réalisé sans remplacement des pièces défaillantes,

on doit distinguer deux cas:

25
essais censurés
(c’est-à-dire arrêtés après un nombre de défaillances r fixé)

en désignant par ti la durée d’essai jusqu’à la i eme défaillance ;

essais tronqués (c’est-à-dire arrêtés après une durée d’essai T fixée

au cours de laquelle on a observé k défaillances)

26
Exemples :
Essai censuré, n= 10 ;r= 3 ;t1= 100 h ;t2= 200 h ;t3 = 300 h :
Tf=[(10 + 1 – 3)×300] + (100 + 200)=2 700 h

 Essai tronqué, n = 10 ; T = 250 h ; k = 2 ; t 1 = 100 h ; t 2 = 200 h :

Tf=[(10 – 2)×250]+ (100 + 200)=2 300 h

[Link].2 Intervalle de confiance

Essais censurés : niveau de confiance :

27
Essais tronqués :
Exemples :
reprenons les 2 exemples précédents et calculons
l’intervalle de confiance symétrique au niveau de confiance 90 %, d’où

 essais censurés :

 essais tronqués :

28
[Link] Graphique à échelle fonctionnelle

Pratiquement, on utilisera du papier semi-logarithmique en procédant

comme suit :
— on classera les durées de fonctionnement jusqu’à défaillance
des dispositifs en ordre croissant ;
— pour chaque durée ti (i représentant le rang de la défaillance)
on calcule la fiabilité estimée :

(n étant le nombre de dispositifs essayés) ;

— on porte ensuite les points sur du papier semi-logarithmique
et on ajuste une droite passant par le point origine (R= 1 ;t = 0) à
ces points.
L’intersection de cette droite avec l’ordonnée correspondant à
R= 0,368 donne la MTBF estimée Ô.

29
Exemple :
9 dispositifs essayés sans remplacement. L’essai est
arrêté après la 5e défaillance. Les durées de fonctionnement jusqu’à
défaillance sont : t1= 50 h ; t2= 100 h ;t3= 200 h ;t4= 250 h ;t5= 300
Sur le graphique on relève :

Remarquons que : Tf=2 350 h ;r=5

l’estimation ponctuelle donne :

30
31
 [Link] Tests d’ajustement
On exposera deux tests spécifiques de la distribution
exponentielle : le test de Kolmogorov-Smirnov linéaire et le test des
durées cumulées.

Pour le test du , voir les cours de Statistiques

[Link].1 Test de Kolmogorov-Smirnov linéaire

— Classer les durées jusqu’à défaillance en ordre croissant ti.
— Pour chaque défaillance prise dans l’ordre, calculer la durée
d’essai cumulée jusqu’à défaillance tci
de la façon suivante :
tc,1= nt1 ( n = nombre de dispositifs en essai )
tc,2=tc,1+(n-1)(t2-t1)
…

tc,i =tc ; i- 1 + (n+1-i ) (t i -t i -1 )

Tf= tc,r si l' essai est censuré à r défaillances
Tf= tc,k+(n- k)T si l ' essai est tronqué au bout de la durée T

32
— Sur un papier graphique cartésien, on porte en abscisse les
durées d’essai cumulées tci et en ordonnée les valeurs de i/r pour
un essai censuré et de i/(k+ 1) pour un essai tronqué.
— Tracer un graphique en marche d’escalier en reliant verticalement
les points d’abscisse tc,i et d’ordonnée :
(i– 1)/r et i/r [ou (i– 1)/(k+ 1) et i/(k+ 1)]
et horizontalement les points d’ordonnée i/r [ou i/(k+ 1)] et
d’abscisse tc,i et tc;i+ 1.
— Tracer la droite reliant le point origine et le point d’abscisse
Tf et d’ordonnée 1.
-Tracer de part et d’autre de la droite précédente deux parallèles

dont les ordonnées sont distantes de est donné

tableau 2; α est le niveau significatif du test; N est égal à

r si l’essai est censuré et à k+ 1 si l’essai est tronqué.

33
34
— Si le graphique en escalier est entièrement à l’intérieur de la
bande délimitée par les droites tracées en f, on ne peut infirmer l’hypothèse
que la distribution des durées de vie est exponentielle.

Exemple :
reprenons l’exemple précédent. On obtient le graphique
de la figure7. L’essai étant censuré, on a N=r= 5.
En adoptant un niveau significatif α= 0,1 on trouve :
D5 ; 0,1 = 0,510 (faire une interpolation linéaire en ).
Le graphique en escalier étant entièrement dans la bande, on ne
peut infirmer l’hypothèse d’une distribution exponentielle.

35
36
[Link].2 Test des durées cumulées
Ce test s’applique lorsque le nombre de défaillances est supérieur
à 10. On procède comme suit :
— classer les durées jusqu’à défaillance ti en ordre croissant ;
— calculer les durées d’essai cumulées tc,i et la durée totale
d’essai Tf;
— calculer la somme des durées cumulées

k étant le nombre de défaillances pour un essai tronqué et

k=r– 1 pour un essai censuré ;
— choisir un niveau significatif α et relever la variable normale
réduite u1 –α/2 dans le tableau ci-dessous

37
 — si Tc est compris dans l’intervalle :

on infirmer l’hypothèse d’une distribution exponentielle.

Exemple : on essaie n = 10 pièces et on arrête l’essai lorsque la
dernière pièce tombe en panne (essai censuré). Les durées jusqu’à
défaillance sont : 330 h ; 390 h ; 430 h ; 460 h ; 490 h ; 510 h ; 540 h ;
580 h ; 610 h ; 660 h :
Tf = 5 000 h et T c= 39 480 h

pour un niveau significatif α = 0,05, l’intervalle est :

22 500 (+ - )1,96 x 4 330 soit [14 013 ; 30 987]
Comme Tc = 39 480 est extérieur à cet intervalle, on ne retiendra
pas l’hypothèse d’une distribution exponentielle.

38
2.3.3 Distribution à taux de défaillance variable
Les distributions de durées de vie pour des taux de défaillance
variables les plus utilisées en fiabilité sont les distributions normales
(ou de Laplace-Gauss), log-normales (ou de Galton), de Weibull et
des valeurs extrêmes. Pour des missions commençant avec
des pièces neuves et pour des essais complets, c’est-à-dire pour
lesquels les durées de vie de toutes les pièces essayées ont été relevées.
2.3.4 Distribution normale (Laplace-Gauss)
[Link] Application à la fiabilité
La distribution normale est utilisée pour représenter la distribution
des durées de vie de dispositifs en fin de vie (usure) car le taux de
défaillance est toujours croissant. On ne l’utilisera que si la moyenne
des durées de vie est supérieure à 3 fois l’écart type.

39
Exemple :
la durée de vie d’un dispositif suit une loi normale de
moyenne μ= 1 000 h et d’écart type σ= 200 h. Pour une mission
t= 700 h, sa fiabilité sera:

À la fin de cette mission, le taux de défaillance sera:

40
 [Link] Estimation
Estimation ponctuelle :

Intervalle de confiance bilatéral symétrique au niveau de

confiance 1-α:
pour la moyenne:

pour la variance:

41
Remarque : les tables statistiques donnent la
probabilité que les variables soient inférieures ou
égales à la valeur de la table.
Pour la variable de Student, on devra donc prendre la
valeur correspondant à n – 1 degrés de liberté et à une
probabilité p = 1 –α /2. Pour la variable de Khi 2, on
devra prendre la valeur correspondant à une
probabilité f = 1 – α /2 pour la limite inférieure
et p = α /2 pour la limite supérieure.

42
Exemple : les durées de vie de n = 10 pièces sont les suivantes :
330 h ; 390 h ; 430 h ; 460 h ; 490 h ; 510 h ; 540 h ; 580 h ; 610 h ;
660 h.
La moyenne estimée est :

La variance estimée est :

Les intervalles de confiance bilatéraux symétriques au niveau de

confiance 1 –α= (90 %) sont:

43
[Link] Graphique à échelle fonctionnelle
On utilise le papier gausso-arithmétique dont l’abscisse est
graduée linéairement et dont l’ordonnée est proportionnelle à la
variable normale réduite. On porte sur ce graphique les points
d’abscisse ti et d’ordonnée :

Si la distribution des durées de vie est normale, ces points seront

sensiblement alignés sur une droite (droite de Henry).

44
2.3.6 Distribution de Weibull
[Link] Caractéristiques générales
Dans sa forme la plus générale, la distribution de Weibull dépend
des trois paramètres suivants :
Υ :décalage à l’origine, Υ >= 0 (homogène au temps) ;
β :paramètre de forme, β >0 (sans dimension) ;
η : paramètre d’échelle (ou de durée de vie), η >= 0(homogène au temps).

— Densité de probabilité :

— Fonction de répartition:

45
— Fiabilité :

— Taux de défaillance :

— Moyenne : avec

-Variance :

Le tableau suivant donne les valeurs de :

46
47
 Si γ=0, ou en faisant le changement de variable, t1=t–γ,
obtient la distribution de Weibull à 2 paramètres, définie pour
t (ou t1) positif ou nul, dont les caractéristiques sont:

[Link] Application à la fiabilité

Suivant les valeurs de ß , le taux de défaillance est soit décroissant
(ß< 1), soit constant (ß= 1), soit croissant (ß> 1). La distribution
De Weibull permet donc de représenter les trois périodes de la vie d’un
dispositif (§ 2.3.1). Le cas γ > 0 correspond à des dispositifs dont
la probabilité de défaillance est infime jusqu’à un certain âge Υ.

48
[Link] Estimation

Estimation ponctuelle: dans le cas d’une distribution à deux

Paramètres ß et η, on pose λ= 1/ßη. Les paramètres estimés sont
alors solution du système:

On peut résoudre le système par approximations successives. En effet, on a :

Partant d’une valeur approchée ßj, on calculera l’approximation suivante par:

On calculera ensuite:

Ces calculs étant assez complexes, on préfère souvent l’estimation graphique.

49
Intervalle de confiance: si le paramètre de forme ß est connu, on peut
déterminer un intervalle de confiance pour η:

[Link] Graphique à échelle fonctionnelle

Si pour la distribution de Weibull à 2 paramètres, on fait la transformation

On obtient une relation linéaire Y=β(X lnη )

Il existe un papier graphique (graphique d’Allan Plait) dont les ordonnées sont
proportionnelles à Y et graduées en F(t), et les abscisses sont proportionnelles
à X et graduées en t. Si l’on porte sur ce graphique des points ti, F(ti) =i/ (n+ 1),
ces points s’aligneront sensiblement sur une droite, si les durées de vie suivent
une distribution de Weibull. La pente de la droite sera proportionnelle à
ß , et l’abscisse du point d’intersection de la droite avec l’ordonnée Y= 0, soit
F(t) = 0,632,correspondra au paramètre d’échelle η.
50
— échelle verticale : à gauche : graduée suivant F(t)
à droite : graduée suivant Y
— échelle horizontale : inférieure : graduée suivant t
supérieure : graduée suivant X. Le rapporteur d’angle permettant de mesurer ß.
La figure suivante donne un exemple d’un tel graphique

51
Si les points obtenus ne s’alignent pas sur une droite et semblent
suivre une courbe ayant une asymptote verticale (figure suivante), la
distribution des durées de vie suit une distribution de Weibull à trois
paramètres et l’abscisse de l’asymptote verticale correspond au paramètre
de décalage Υ. Pour s’en assurer, on refera le tracé à partir des durées de
vie t1=t– Y jusqu’à retrouver une droite.

52
Méthode graphique pour déterminer  :
- Sur l'axe des F(t), choisir trois points (1, 2, 3)

Tels que ab = bc (en longueur sur la feuille,

Sans tenir compte de l'échelle des F(t)).
- En déduire trois temps t1, t2, t3.
- Calculer  avec la formule ci-dessous :

53
Par contre, si les points s’alignent sur une courbe concave vers
le haut comme celle de la figure suivante, on a affaire à un mélange de
deux populations de Weibull ayant des paramètres différents

54
2.3.7 Distribution d’Erlang
[Link] Caractéristiques générales
Lorsque k est entier, la distribution gamma est duale de la distribution
de Poisson. Elle correspond à la distribution des durées
jusqu’à la ke défaillance d’un dispositif à taux de défaillance constant
dont la durée de réparation est considérée nulle (distribution
d’Erlang ). Dans ce cas, on a :
— densité de probabilité : — fiabilité :

— fonction de répartition:
-taux de défaillance:

Taux de défaillance : suivant la valeur de k, on a :

k< 1 :z(t) décroissant avec t de ∞ à λ;
k= 1 :z(t) constant = λ;
k> 1 :z(t) croissant avec t de 0 à λ: 55
[Link] Application à la fiabilité
On utilise la loi d’Erlang (distribution gamma à k entier) dans les
problèmes de redondance séquentielle, ainsi que pour représenter
certains phénomènes de défaillances en chaîne.
Dans sa forme générale (distribution gamma) et en particulier pour k< 1, elle
permet de représenter la période de jeunesse et de vie utile d’un dispositif.

[Link] Estimation

Méthode des moments:

Méthode du maximum de vraisemblance :

Pour On a

Pour On a

et avec 56
Exemple : les durées de vie de n = 7 générateurs électriques sont
les suivantes : 100 h ; 110 h ; 150 h ; 175 h ; 185 h ; 200 h ; 220 h. On
suppose que ces durées de vie suivent une distribution gamma.
— Méthode des moments :

— Méthode du maximum de vraisemblance :

57
2.3.8 Fiabilité d’un dispositif non neuf
Lorsque le taux de défaillance d’un dispositif n’est pas constant,
il faut tenir compte de l’âge du dispositif au début de la mission dont
on veut calculer la fiabilité. Si T est l’âge du dispositif au début de la mission, et
si t est la durée de mission, la fiabilité de ce dispositif devient :

Alors

Le taux de défaillance est alors :

58
Exemple : un dispositif a une durée de vie qui suit une loi de Weibull
de paramètre d’échelle η = 1 000 h et de paramètre de forme β= 2.
Calculer sa fiabilité pour une mission de durée t = 200 h commençant
lorsque le dispositif a déjà fonctionné T = 500 h.

si la pièce avait été neuve, sa fiabilité aurait été

59
 2.3.9 Essais incomplets ou multi censurés
[Link] Principe
Au cours d’un essai, des pièces peuvent être retirées de l’essai
avant d’être défaillantes, soit parce que l’essai est censuré, soit par
retrait pur et simple en cours d’essai.
Dans ce cas on appliquera la méthode suivante (méthode de W. B. Nelson) :
— classer les durées d’essai de chaque pièce en ordre croissant ;
Soit i le rang de chaque durée d’essai ;
— pour chaque durée, calculer le rang décroissant :j=n+ 1 –i;
— pour chaque durée terminée par une défaillance, calculer l’inverse du rang
décroissant : Zi= 1/j (appelé risque)
-calculer la somme H i des Z i ; la quantité H i appelée risque cumulé, est une
estimation de la quantité :

— calculer soit l’estimation de la fiabilité :

soit celle de la fonction de répartition

60
Exemple :
soit un essai de n= 9 pièces. La première défaillance a
lieu après 220 h. À 300 et 310 h, on retire une pièce. Les deux
défaillances suivantes ont lieu à 640 et 780 h, puis on retire une pièce à
800 h, enfin les 3 dernières défaillances se produisent respectivement à 1
130, 1370 et 1 740 h. Les résultats sont donnés dans le tableau suivant

61
 [Link] Utilisation de graphique à échelle fonctionnelle

Distribution exponentielle :

Donc

Le risque cumulé est une fonction linéaire de la durée d’essai. En portant le

risque cumulé Hi en fonction de ti sur un papier cartésien on obtient des
points alignés sur une droite de pente λ .L’intersection de cette droite avec
l’ordonnée H= 1 correspond à la MTBF θ.

Distribution de Weibull :

Donc
En prenant les logarithmes, on obtient : In H(t) = β (Int– In η).
En portant le risque cumulé Hi en fonction de ti sur du papier logarithmique,
on obtient des points alignés sur une droite de pente β et dont l’intersection
avec l’ordonnée H = 1 correspond au paramètre d’échelle η.
62
[Link] Défaillances de modes multiples
Si les pièces en essais présentent plusieurs modes de
défaillances indépendants et que l’on analyse la distribution
des durées de vie correspondant à l’un de ces modes, les
pièces défaillantes par suite des autres modes peuvent être
considérées comme retirées de l’essai à la date de leur
défaillance.

63
2.4 Fiabilité des systèmes sans réparation
2.4.1 Modèle série
[Link] Fonction fiabilité
Dans un modèle de ce type, la défaillance d’un seul composant
provoque la défaillance du système. Si le système comprend n
composants de types différents (i= 1 à n) dont les fiabilités sont Ri .
figure suivante :

la fiabilité Rs du système est :

Lorsque les fiabilités des composants sont voisines de 1, et en

posant Qi= 1 –Ri (probabilité de défaillance), on a :

64
 Si zi(t) est le taux de défaillance du composant de type i, on aura :

Le taux de défaillance du système est alors

et le risque cumulé est :

Ces expressions sont valables pour la première mission qui

commence avec des composants neufs. Lorsque les composants ont déjà été
utilisés dans le système pendant une durée T, on aura :

65
Exemple :
soit un système série comprenant 3 composants ; le
premier a un taux de défaillance constant λ1, le deuxième a une durée de
vie suivant une distribution de Weibull de paramètre η et β ; le troisième a
une durée de vie suivant une distribution gamma de paramètre λ et k=2.
Pour la première mission, on aura :

Pour une mission commençant après un âge T:

66
2.4.2 Modèle parallèle
[Link] Fonction fiabilité
Dans un système de type parallèle, il faut que tous les composants soient
défaillants pour que le système soit défaillant. Dans ce cas,et si les
défaillances des composants sont indépendantes, la fiabilité Rp du système
est donnée en fonction des fiabilités Ri des composants par :

Si l’on pose Qp = 1 – Rp (probabilité de défaillance du système), on a :

En développant l’expression de Rp , on obtient :

67
 Remarques
— La fiabilité d’un système parallèle (série ) est supérieure (inférieure ) à la
fiabilité du composant de plus forte (faible) fiabilité.
— Il n’y a pas de relation directe entre le schéma de montage
d’un système et le modèle de fiabilité. Par exemple, dans un circuit bouchon,
le condensateur et l’inductance sont physiquement en parallèle, alors que le
modèle de fiabilité est en série.
— Si les défaillances des composants ne sont pas indépendantes,
on doit utiliser le théorème des probabilités conditionnelles.
[Link] Cas des composants à taux de défaillance constant
Chaque composant ayant une fiabilité , on a :

Le taux de défaillance n’est plus constant.

68
 Un circuit LC
• Un circuit LC est un circuit électrique contenant
une bobine (auto-inductance) (L) et
un condensateur (Capacité). Un circuit LC est utilisé
dans les filtres, les tuners et les mélangeurs de
fréquences.

LC parallèle

69
 Pour calculer la MTBF, il suffit de se reporter à la formule développée
de Rp (t ) et d’intégrer terme à terme :

[Link] Cas général

On remplacera dans la fonction fiabilité les Ri par les fonctions Ri (t ) pour obtenir
Rp (t ), le temps moyen jusqu’à défaillance étant obtenu en intégrant Rp (t ). Ces
formules sont valables pour une première mission commençant avec des
composants neufs. Pour une mission commençant après une durée de
fonctionnement, on procédera comme suit :
a) si les composants ne sont pas contrôlés avant la nouvelle mission,
calculer :

b) si les composants sont contrôlés et que tous sont en état de fonctionnement,

remplacer dans l’expression de Rp les fonctions Ri(t) par les fonctions :

70
c) si les composants sont contrôlés et que certains sont défectueux
et ne sont pas remplacés, reprendre le modèle en les éliminant, mais
tenir compte de l’âge des composants survivants.

Exemple :
prenons un système de 2 composants en parallèle dont
le taux de défaillance commun est λ= 1 et considérons le après une
durée de vie T= 1 pour une mission t= 0,1.

a: Si le système n’est pas vérifié :

b: Si le système est vérifié et que les 2 composants sont bons, on a :

c: Si le système est vérifié et qu’un seul composant est bon, on a

71
 2.4.3 Redondance
[Link] Différents types de redondance
La redondance consiste à employer plus de composants qu’il n’en
faut strictement pour remplir une fonction. On distingue la
redondance active, dans laquelle tous les composants fonctionnent
en permanence, et la redondance séquentielle (ou de réserve), dans
laquelle les composants surabondants ne sont mis en service qu’au
moment du besoin.
[Link] Redondance active totale
Le système ne devient défaillant qu’avec la défaillance du dernier
composant survivant. En désignant par r la fiabilité d’un composant
et par n le nombre de composants mis en redondance, on a :

Par application de la distribution binomiale, on également :

Dans le cas de composants à taux de défaillance constant, on a

pour la première mission (ou après vérification des composants au
début de mission) :
72
 [Link] Redondance active partielle
On dispose de n composants, mais il faut, pour que le système
fonctionne, que k composants ne soient pas défaillants ; le
système peut donc accepter (n–k) défaillances. Par application de
la distribution binomiale, on a :

On peut obtenir Rk/n par la récurrence

Avec Rn/n (fiabilité de n composants en série).

Dans le cas de composants à taux de défaillance constant, la

MTBF pour la première mission est :

73
[Link] Redondance majoritaire
On dispose de n composants (n généralement impair) en parallèle.
Les signaux de sortie de ces n composants sont comparés dans un
dispositif de décision qui fournit un signal conforme à la majorité
des signaux qui lui sont appliqués (figure suivante)

Dans le cas particulier n= 3, si l’on appelle r la fiabilité d’un composant et

Rd la fiabilité du dispositif de décision, la fiabilité RM du système est :

D’une façon générale, la fiabilité d’un système à redondance majoritaire

est égale à la fiabilité d’un système en redondance active partielle Rk/n multipliée par
74
la fiabilité du dispositif de décision. k est le premier entier supérieur à n /2.
 2.4.4 Redondance séquentielle (ou de stockage ou de réserve)
On exposera les équations générales dans les deux cas suivants :
taux de défaillance nul en stockage (ou réserve), taux de défaillance
non nul en stockage, puis les applications aux composants à taux
de défaillance constant.
[Link] Taux de défaillance nul en stockage.
Équations générales
Dans le cas de deux composants, soit le composant mis en service
initialement remplit la mission, soit il est défaillant au cours de la mission à l’instant
τ < t et est remplacé par le second qui survit jusqu’à la fin de mission. On a alors
en appelant la fiabilité du système, R (t ) la fiabilité d’un composant et f (t ) la

densité de probabilité :

Dans le cas de 3 composants, on aura :

75
[Link] Taux de défaillance non nul en stockage.
Équations générales
Dans le cas de 2 composants, soit le composant mis en service initialement
remplit la mission, soit il est défaillant au cours de la mission et est remplacé par le
second, qui n’est pas tombé en panne pendant le stockage, et qui survit jusqu’à la
fin de la mission. En appelant la fiabilité du système, R0 (t ) et f0 (t ) la fiabilité et
la densité de probabilité en stockage du composant, R1(t ) et f1 (t ) la fiabilité et la
densité de probabilité en service du composant, on a :

Dans le cas de 3 composants, on a

76
[Link] Taux de défaillance nul en stockage.
Composants à taux de défaillance constant
Si λ est le taux de défaillance du composant en service, l’intégration
des équations générales conduit à la distribution gamma. On
a donc, si n est le nombre total des composants :

en particulier, pour n = 2 :

On a approximativement : avec une erreur

inférieure à

On sait que, dans ce cas, la MTBF du système est :

77
 Remarque : redondance séquentielle partielle
Dans le cas où le système nécessite le fonctionnement simultané
de k composants (modèle série) et que l’on dispose en tout de
n > k composants (donc de n – k en réserve ou stockage), la fiabilité
du système devient :

La MTBF étant:

Exemple : la crevaison d’une roue d’automobile peut être

considérée comme suivant une distribution exponentielle avec
La roue de secours constitue une redondance séquentielle partielle
avec k = 4 ; n = 5. Pour un trajet de 1 000 km, la fiabilité, c’est-à-dire la
probabilité de faire le parcours sans être bloqué par une seconde
crevaison, est :

78
[Link] Taux de défaillance non nul en stockage.
Composants à taux de défaillance constant
Soit λ0 le taux de défaillance en stockage et λ1 le taux de défaillance
en fonctionnement. Les équations générales donnent pour n= 2 composants :

79
2.5 Fiabilité et disponibilité
des systèmes réparables
2.5.1 Équations d’état
[Link] États d’un système
Un système redondant comportant n composants se trouve à un instant donné dans
un des (n+ 1) états Ei caractérisés par le nombre i de composants en état de marche.
En est l’état pour lequel tous les composants sont bons, E0 l’état pour lequel tous les
composants sont défaillants.
Dans un système non réparable, l’état du système ne peut évoluer que dans le sens
d’une décroissance d’indice, tandis que dans un système réparable l’indice de l’état
décroît lors d’une défaillance, mais croît lors d’une réparation.
L’évolution des états d’un système peut être représenté par graphe orienté des états.
Les nœuds constituent les états et les arcs représentent les transitions entre états

80
 [Link] Équations générales d’état
On désignera par Pi(t) la probabilité d’être dans l’état Ei à l’instant t, par
di(t) dt la probabilité de passer de l’état Ei l’état Ei– 1entre les instants
t et t + dt (défaillance d’un composant) et par ri (t) dt la probabilité de passer
de l’état Ei à l’état Ei + 1 entre les instants t et t + dt (réparation d’un
composant). En négligeant les termes du 2e ordre, la probabilité d’être dans
l’état Ei à l’instant t + dt est :

La forme différentielle de cette équation est :

associé à la relation :

Les deux équations aux limites étant

81
[Link] Application à la fiabilité
À l’origine des temps, on suppose généralement que tous les
composants sont bons, d’où :

Pn (0) = 1 ; Pi (0) = 0, .i ≠ n

Si par contre on démarre d’un état où seuls k composants sont

bons, on devra avoir comme conditions initiales :

Pk (0) = 1 ; Pi (0) = 0 ; .i ≠ k

Pour calculer la fiabilité d’un système, on recherche l’état Ed d’indice le plus

élevé qui entraîne la défaillance du système (état absorbant) et l’on a :

82
[Link] Application à la disponibilité
On détermine, comme pour la fiabilité, l’état Ed d’indice le plus
élevé entraînant la défaillance du système, mais on conserve dans
le système d’équations tous les termes ri (t ).

La disponibilité est alors :

83
2.5.2 Fiabilité des systèmes à taux de défaillance et de réparation
constants

[Link] Redondance active totale

Dans l’état Ei, il y a i composants en fonctionnement, donc d i(t) =iλ. Soit τ la
moyenne des temps de réparation et μ = 1/ τ le taux de réparation. Si un réparateur
est toujours disponible, on aura : ri(t) = μ.

Les équations d’état pour la redondance active totale sont alors :

Ces équations peuvent être facilement intégrées numériquement

par multiplications matricielles successives. On prend un intervalle Δ t
petit et l’on pose :
84
Ou bien on utilise les transformées de Laplace.

85
 Exemple: Pour n= 2, on aura:

L’équation matricielle sera :

Si l’on utilise la transformation de Laplace, et avec P2(0) = 1 on devra résoudre :

86
 La MTBF du système est alors :

ainsi, pour une durée de réparation de τ= 5 h et une MTBF de

Composant θ= 100 h, la MTBF d’un système de 2 composants
redondants avec réparation est de 1 150 h contre 150 h pour le même
système sans réparation.
[Link] Redondance active partielle
Le schéma sera semblable, mais l’état absorbant (défaillance du système)
correspondra à l’état Ek– 1et la fiabilité sera :

Exemple :
redondance 2 parmi 4 ; l’état absorbant est l’état E1 et la matrice des
probabilités de transitions est alors :

87
[Link] Redondance séquentielle totale
Dans un état Ei, il n’y a qu’un seul composant en service, dont le taux de
défaillance est λ1et (i– 1) composants en réserve dont le taux de défaillance est
λ0 (λ 0 pouvant être nul).Le graphe des états autour de l’état Ei est représenté
figure suivante, si μ par est le taux de réparation des composants en réserve et
qu’une seule réparation est faite à la fois.
L’état absorbant du système est l’état E0.

88
[Link] Redondance séquentielle partielle
Le système nécessite k composants actifs et dans l’état initial
En on dispose de (n–k) composants de réserve. Dans l’état Ei, il y aura
K composants actifs dont le taux de défaillance est λ1 et (i–k) composants
en réserve, de taux de défaillance λ0.

L’état absorbant du système est l’état E(k– 1). Le graphe des états
autour de l’état Ei est représenté figure suivante:

89
2.5.3 Disponibilité des systèmes à taux de défaillance et de réparation constants
[Link] Exemple
Pour illustrer la règle énoncée au paragraphe [Link], prenons le
cas d’un système de 2 composants en redondance active totale. Le
graphe des états est donné figure suivante , d’où l’on tire la matrice des
probabilités de transition :

et le système d’équations transformées de Laplace:

La résolution de ce système permet de calculer l’évolution de la

Disponibilité A(t) = 1 – P0(t) avec le temps.

90
[Link] Valeur d’équilibre
Lorsque le temps croît indéfiniment, la disponibilité tend vers une
valeur d’équilibre qui peut être obtenue directement à partir des
équations transformées dont on annule les premiers membres :

et dont on tire :

91
[Link] Évaluation du temps moyen de réparation d’un système
Soit un système comportant n composants différents dont les taux
de défaillance, dans le système, sont λi (i= 1 à n) et soit τi le temps moyen
nécessaire pour réparer le composant de type i lorsqu’il est
dans le système. Le temps moyen de réparation du système est alors :

92
 4. Étude de la fiabilité d’un projet
4.1 Analyse prévisionnelle
4.1.1 Allocation de fiabilité
Un système existant a une fiabilité R fonction des fiabilités R1, R 2, ... ,Rn de ses
composants :

Si l’on désire étudier un système semblable, mais amélioré de telle façon que la
fiabilité spécifiée du système futur soit R*, il faudra que les fiabilités spécifiées
R *1, R *2, ..., R *n des composants du système futur, satisfassent la relation :

pour que l’objectif R* puisse être atteint.

Dans le cas d’un système de type série ayant des composants à taux de
défaillance constants, cette relation devient :

93
 Plusieurs méthodes ont été proposées pour la résolution de ce
problème . On exposera ci-après la méthode des poids.

Méthode des poids

Connaissant les taux de défaillance λi des composants du
système à améliorer, dont le taux de défaillance est λ=Σλi, on
détermine l’importance relative (ou poids) wi du composant de
type i dans le système : wi= λi/λ. Puis, à partir du taux de
défaillance spécifié λ*pour le système futur, on le répartit entre
les différents composants proportionnellement à leur poids wi:

94
Exemple : sur un système existant comportant 4 composants différents
en montage série, on a relevé, pour 20 000 h de fonctionnement
cumulé du système, les nombres de défaillances suivants :
— composants de type 1 : n1 = 84 défaillances ;
— composants de type 2 : n2 = 52 défaillances ;
— composants de type 3 : n3 = 40 défaillances ;
— composants de type 4 : n4 = 34 défaillances.
soit 210 défaillances pour le système, dont la MTBF est donc :
θ = 20 000/210 = 95,2 h.
On se propose d’étudier un nouveau modèle dont la MTBF devrait être de θ* = 160 h
et d’effectuer une allocation d’objectifs pour les composants. Le taux de défaillance du
système actuel est λ = 210/20 000 = 105 · 10–4, et le taux de défaillance spécifié pour
le futur système est λ* = 1/θ* = 62,5 · 10–4. On dresse alors le tableau d’allocation ci-
après :

95
4.1.2 Prévisions de fiabilité
Il y a deux types de défaillances, les défaillances catalectiques (complètes, soudaines, à
taux de défaillance souvent constant) et les défaillances de dérive (usure, fatigue) qui
provoquent des baisses de performances. La fiabilité intrinsèque RI est le produit de la
fiabilité Rc (défaillances catalectiques) par la fiabilité RD (défaillances de dérive).
[Link] Défaillances catalectiques
On admet généralement que les défaillances catalectiques sont caractérisées par un
taux de défaillance constant, bien que les défaillances mécaniques par rupture de
fatigue, qui sont par essence catalectiques, ne sont pas à taux de défaillance constant
et doivent être traitées comme des défaillances de dérive. Dans le cas général,
le taux de défaillance catalectique d’un composant dépend de son type, des
contraintes appliquées (température, tension électrique, etc.), de son environnement
(vibrations, chocs, humidité, etc.), du niveau de qualité de sa fabrication. Pour effectuer
une prévision, dans un système de type série, on doit dresser une nomenclature fiabilité
des composants, distincte de la nomenclature de fabrication. L’article type de cette
nomenclature doit comporter les informations
suivantes :
— type de composant ;
— classe ;
— environnement ;
— contraintes appliquées ;
— niveau de qualité de fabrication ;
— nombre de composants de ce type utilisé dans les conditions indiquées.
96
 Il existe des données assez complètes permettant, à partir de ces informations,
d’évaluer le taux de défaillance du composant dans ses conditions d’emploi. On
peut citer le Standard MIL-HDBK-217 C de l’administration militaire américaine.

Exemple, prenons le cas d’une diode de redressement au silicium de puissance

utilisée sur un véhicule automobile, de qualité de fabrication grand public et dont les
contacts sont soudés. Cette diode, de tension inverse maximale 50 V, est utilisée
avec une tension inverse maximale de 35 V. Le courant direct maximal spécifié
Est IM= 30 A et le courant direct de fonctionnement I 0p est de 18 A. Le boîtier de
cette diode est maintenu à une température T= 80°C.
En se reportant au Standard MIL-HDBK 217-C, on relève le modèle mathématique
suivant pour le taux de défaillance d’une diode :

Λb est le taux de défaillance de base donné en fonction des

contraintes par :

Pour obtenir b en défaillances, par 10 heures (unité couramment appelée fit),

97
 Les paramètres sont les suivants pour une diode au silicium :

S est le facteur de charge exprimé par S=I0p/IM soit 0,6 dans l’exemple,
T est la température du boîtier, soit 80°C dans l’exemple. On a donc :

ΠE est un facteur correctif lié à l’environnement, variant de 1 à

40, et valant 25 pour du matériel monté sur véhicule automobile.

ΠQ est un facteur correctif lié à la qualité de fabrication, variant de 0,5 pour les
composants répondant aux clauses de fiabilité les plus sévères, à 25 pour les
composants grand public.
ΠA est un facteur correctif lié au type de diode, et variant de 0,6 pour les diodes de
commutation pour ordinateurs, à plus de 2,5 pour les redresseurs de puissance à haute
tension ; il vaut 1,5 pour les redresseurs de puissance à tension moyenne.

ΠS2 est un facteur correctif lié à la contrainte de tension appliquée, variant de 0,7 à 1 en
fonction du rapport : S2 = tension appliquée/tension maximale
98
dans l’exemple S2 = 0,7 et la table donne . ΠS2=0,75
Πc est un facteur lié au type de construction ; il vaut 1 pour les
diodes à contacts soudés et 2 pour celles à contacts par
pression.
Le taux de défaillance prévisionnel de cette diode dans son
application sera donc : λ= 16,4x 25x 25x 1,5x 0,75x 1 = 11 531 fits
soit environ 1 défaillance pour 100 000 h de fonctionnement. Cela
signifie que si l’on équipe une série de voitures automobiles avec
cette diode, il faut s’attendre à 1 panne sur 100 voitures dans les
1 000 premières heures de fonctionnement des véhicules.
Le Standard MIL-HDBK-217-C comporte des tableaux facilitant les calculs.

99
[Link] Défaillances de dérive
Le paramètre utile d’un type de composant (gain d’un transistor, résistance d’une
pièce mécanique, etc.) est caractérisé par une distribution de probabilité dont les
paramètres (par exemple moyenne et écart type) varient avec l’âge. La contrainte à
supporter (puissance de sortie d’un amplificateur, contrainte mécanique sur une
pièce) est soit constante, soit caractérisée par une distribution de probabilité.
Pour chaque âge on calculera la probabilité que la contrainte soit
inférieure à la résistance. Cette probabilité est la fiabilité du
composant à cet âge.
Exemple : un modèle de résistance électrique a sa valeur caractérisée
par une distribution normale de moyenne μ= 1 000 . et d’écart type σ = 50 . au
moment de sa mise en service. Lorsqu’elle vieillit en fonctionnement la moyenne
décroît sensiblement linéairement avec l’âge à raison de 10 % par 1 000 h et l’écart
type croît linéairement et double en 1 000 h pour des âges inférieurs à 4 000 h.
Une résistance de ce type est utilisée dans un montage qui devient défaillant si la
résistance descend au-dessous de rD = 800Ω
La moyenne est donc : μ(t ) = 1 000 – 0,1 t et l’écart type σ(t)= 50+0,05t. Alors

R(t)=1-F(rD )=1-Φ(rD-μ(t)/σ(t))=Φ(μ(t)-rD/σ(t))=Φ((200-0,1t)/(50+0,05t))
Ainsi, pour t= 500h, on trouve: R(500) =Φ(2)=0,977 2
Et pour t=1 000h:
R(1 000)=0,841 3.
100
 Dans les cas plus complexes, on utilisera la méthode des moments lorsque
les distributions statistiques des paramètres suivent des lois normales ou
peuvent y être ramenées, ou la méthode de simulation de Monte-Carlo si l’on
ne dispose que de distributions empiriques (ou si les distributions des
paramètres sont complexes).
[Link] Méthode des moments
Soit un assemblage ou un circuit dont une caractéristique y est fonction des
paramètres x1,x2, ...,xn des n composants de cet assemblage ou de ce circuit :

Soit μ1, μ2…,μn les espérances mathématiques (moyennes) des paramètres x1,x2,
..., xn et σ1, σ2, …, σn leurs écarts types.

La moyenne de y est :

et son écart type est :

Cette expression se réduit à :

si les paramètres sont indépendants. 101

 On admet que la caractéristique y est sensiblement normale et si le fonctionnement de
l’assemblage ou du circuit est correct lorsque cette caractéristique est comprise entre
y1 et y2, la fiabilité sera :

Soit:

Exemple :
soit un circuit électrique de retard comportant une résistance R et un condensateur C
montés suivant le schéma de la figure suivante. La constante de temps de ce circuit
est T=RC. La résistance a une valeur moyenne μr= 10 000 Ω et un écart types σr=
200Ω, tandis que le condensateur a une valeur moyenne μc= 10μF et un écart type
σc= 0,5μF. Quelle est la fiabilité de ce circuit si la constante de temps doit être
comprise entreT1= 0,09 s et T2= 0,11 s et si les dispersions de la résistance et du
condensateur sont indépendantes ?

102
On aura :

Soit:

103
[Link] Méthode de simulation de Monte-Carlo

Soit y = f (x1 , x2 , ..., xn) la caractéristique d’un assemblage ou d’un circuit,

fonction des valeurs x1 , x2 , ..., xn des n paramètres aléatoires X1 , X2 , ..., Xn
. Si nous effectuons un tirage au hasard d’une valeur dans chacune des n
populations, soit x1,1 ; x2,1 ; ... ; xn,1 , nous obtiendrons une valeur y1 = f (x1,1 ;
x2,1 ; ... ; xn,1) tirée
au hasard dans la population des Y.
Si nous répétons cette opération N fois, nous obtiendrons un échantillon
simulé de N valeurs de la variable aléatoire Y à partir duquel il sera possible
de déterminer la forme et les paramètres de la distribution de Y, ou au moins
ses moments.

Pour utiliser cette méthode de simulation, il faut répondre aux

deux questions suivantes :
— combien faut-il effectuer de tirages au hasard ?
— comment effectuer des tirages au hasard dans les populations
X1,X2, ...,Xn?

104
Nombre de tirages nécessaires :
le problème consiste à déterminer, avec un niveau de confiance choisi, le nombre
d’observations nécessaires pour représenter, avec une incertitude donnée, la
fonction de répartition à simuler. En s’appuyant sur la théorie des tests de conformité,
et plus spécialement sur le test de Kolmogorov-Smirnov, on devra avoir :

avec (1 –α) niveau de confiance choisi,

DN,α incertitude maximale pour N tirages.
En prenant les valeurs asymptotiques, on a :
d’où, en désignant par D l’incertitude maximale acceptée (en valeur absolue) :

Les valeurs de Kα sont données dans le tableau suivant:

105
Exemple : si l’on veut limiter à ± 5 % (D = 0,05)
l’incertitude sur la simulation de la fonction de
répartition, et si l’on choisit un niveau de confiance de
95 % (α = 0,05), il faudra au moins :

N = (1,36/0,05)2 = 740 tirages

106
Génération des tirages au hasard: on peut montrer que si l’on sait
tirer au hasard des valeurs ui dans une loi uniforme sur l’intervalle
[0 ; 1[ on peut en déduire des valeurs tirées au hasard xi dont la fonction
de répartition est F(x) en procédant comme suit :
— on tire au hasard une valeur ui dans une loi uniforme sur [0 ; 1] ;
— on lui fait correspondre une valeur xi telle que :
F(xi) =ui
Le problème est donc ramené au tirage au hasard des ui.

Il existe des tables de nombres décimaux au hasard tirés dans une loi
uniforme. Ces nombres ui sont tels que la probabilité de tirer un chiffre entre 0
et 9 est de 1/10, que la probabilité de tirer un nombre de 2 chiffres entre 0 et
99 est de 1/100, etc.

107
Exemple : soit à obtenir 5 tirages au hasard xi dans une distribution de Weibull
de paramètre de forme β= 2 et de paramètre d’échelle η = 100. Appelons ui un
nombre au hasard uniforme ; nous avons :

d’ où

Si les nombres ui (tirés de la table de la Revue de statistique appliquée) sont :

0,54 ; 0,97 ; 0,27 ; 0,20 ; 0,68, on aura comme valeurs tirées au hasard dans la
loi de Weibull : 88,12 ; 187,26 ; 56,10 ;47,24 ; 106,74.

108
[Link] Élément de la théorie de la résistance et de la contrainte
Lorsque la contrainte subie par une pièce est aléatoire et peut être
décrite par une distribution de probabilité des contraintes (variable
ou non en fonction de l’âge de la pièce), que la résistance d’une pièce devant supporter
cette contrainte est elle-même aléatoire (par suite de variabilité du matériau de base, de
variabilité dimensionnelle, variabilité des traitements, etc.) et peut être décrite par une
distribution de probabilité des résistances, généralement variable avec l’âge, on peut
calculer la fiabilité de la pièce en fonction de son âge par la méthode suivante.
Soit, pour un âge t donné, f(x) la distribution de probabilité des résistances et g(x) la
distribution de probabilité des contraintes.
Calculons la probabilité qu’a une pièce de résister à la contrainte.
La probabilité d’avoir une contrainte c au plus égale à x et d’y résister est le produit de

la probabilité que la contrainte soit plus égale à x:

par la probabilité que la résistance R soit juste supérieure à x:

Cette probabilité élémentaire est donc :

Comme la pièce doit supporter la contrainte quelle qu’elle soit, il faut sommer ces
probabilités élémentaires pour toutes les valeurs de x, d’où :

109
Cette intégrale peut être résolue dans le cas de distributions particulières
dont le tableau suivante donne quelques exemples. (0)
Fiabilité d’une pièce
en fonction de sa résistance et de la contrainte appliquée
pour différentes distributions

110
 Dans le cas général, on utilisera la transformée de Mellin soit sous forme
graphique, soit sous forme numérique. Son principe est le suivant.

Appelons :

la fonction de répartition des résistances et :

la fonction de répartition des contraintes.

Ces deux fonctions varient entre 0 et 1 lorsque x varie de -∞ à +∞. La fiabilité s’écrit
alors :

La fiabilité est donc représentée par l’aire comprise sous la courbe Y(X) (figure
suivante). L’aire située au-dessus de la courbe Y(X)et limitée à la droite d’ordonnée
Y= 1 représente le complément = 1 –R de la fiabilité, c’est-à-dire la probabilité de
défaillance qu’il est souvent préférable de calculer. 111
 Représentation graphique de la transformée de Mellin

Cette méthode est assez précise. Par exemple, avec 17 points de

la courbe Y(X) pris sur le cas de deux lois normales de moyenne μc= 50 ;
μρ= 100 ;σc= 20 ;σρ= 25, on calcule une fiabilité de 0,940 4 alors que la valeur
théorique est de 0,940 8.
112
4.2.4 Essais accélérés
[Link] But et principe
Les durées de vie des composants de haute fiabilité sont telles que les essais
effectués dans des conditions normales d’utilisation sont trop longs (ou exigeraient
trop de pièces dans le cas de composants à taux de défaillance constant). Par
exemple, si un composant a un taux de défaillance de 10 fits et que l’essai porte
sur 100 composants, il faudra attendre en moyenne 100 000 h, soit
environ 12 ans, pour que 10 pièces soient en panne, ce qui est un
minimum pour estimer valablement le taux de défaillance.

Sachant que la durée de vie (ou le taux de défaillance) sont fortement modifiés
par les contraintes appliquées, on cherchera à réduire les durées d’essai en
augmentant ces contraintes au-delà des contraintes d’utilisation normale.

113
[Link] Application aux composants de l’électronique
La durée de vie médiane d’un composant électronique soumis à une contrainte de
température est généralement déterminée par la loi d’Arrhenius exprimant la vitesse de
réaction v en fonction de la température absolue T et du potentiel d’activation Va de la
réaction par :

La durée de vie médiane est alors de la forme :

Si l’on prend deux températures de fonctionnement T1 et T2

(T1 < T2), le facteur d’accélération de l’essai sera :

ou en fonction de l’écart de température ΔT = T2 – T1 :

114
Exemple : pour certains mécanismes de défaillance des circuits
intégrés, le potentiel d’activation est de l’ordre de 0,7 V, d’où :
eVa /k = 8 123,5 K (e/k = 11 605 K)
Si la température normale d’utilisation est de 25 °C et qu’un essai
est réalisé à 125 °C, soit un écart de température de 100 °C, on aura un
facteur d’accélération de :

Si l’écart de température T est faible devant T1 , on a approximativement:

ce qui conduit à l’expression souvent entendue : la durée de vie est réduite de moitié
si la température croît de :

Exemple : avec Va = 0,7 V et pour une température initiale de

25 °C, on a x = 7,58 °C, tandis que pour une température initiale de
125 °C, on a x = 13,52 °C.
115
Le tableau ci-après donne quelques valeurs types des potentiels
d’activation Va pour des défauts rencontrés dans les semi-conducteurs.

116
[Link] Application aux condensateurs
Les taux de défaillance des condensateurs sont fonction de la
tension électrique appliquée et de la température. La loi de variation
est de la forme (Standard MIL HDBK 217-B) :

Exemple :
pour un condensateur au papier dont la tension maximale Vm= 100 V et la température
maximale d’utilisation 85°C, on a :

Si le condensateur est normalement utilisé sous une tension V1= 50 V à une

température de 35°C (T1= 308 K) et que l’essai a lieu sous V2= 90 V à une température
de 80°C (T2= 353 K), le facteur
d’accélération de l’essai sera :
117
[Link] Application aux relais électromécaniques
La dégradation des contacts des relais électromécaniques dépend
de la tension appliquée, du courant commuté et de la nature de la
charge. Pour les relais coupant une tension alternative, la durée de
vie t (exprimée en nombre de coupures) est de la forme

Pour les relais coupant une tension continue, la durée de vie tc est de la forme :

Exemple : pour un relais équipé de contacts spécifiés pour un

courant nominal de 3 A, on relève les paramètres suivants :
Ka = 30 · 106 ; ma = – 1,14 ; na = – 0,75 ; qa = 2
Un tel relais utilisé normalement sous une tension de 120 V sur
charge résistive avec un courant de 1,5 A est essayé sous 220 V avec
un courant de 4 A sur un circuit dont le facteur de puissance est de 0,7.
L’accélération de l’essai est :
soit
Pour ce même type de relais, on donne : 118
[Link] Application aux moteurs hydrauliques
La durée de vie d’un moteur hydraulique est
de la forme :

Les exposants a et b étant tous deux négatifs, on pourra accélérer un essai en

augmentant P et N. Le facteur d’accélération de l’essai est alors :

Exemple :
pour le moteur Sperry-Vickers modèle MFD 80, donne a= – 3,2 et b= – 1,09. Si ce
moteur doit être utilisé avec une pression d’huile P 1= 25 MPa à une vitesse N1= 1 500
tr/min et est essayé avec une pression P2 = 50 MPa à une vitesse N2 = 2 400 tr/min, le
facteur d’accélération de l’essai sera :

119