Fiabilité

I Fiabilité d’un matériel

1. Introduction

La fiabilité est l’étude de la durée de vie d’un matériel.

Ce chapitre étudie la variable aléatoire qui à chaque matériel, associe son temps de bon fonctionnement. Son
espérance mathématique et la moyenne des temps de bon fonctionnement ou MTBF.

L’analyse d’un échantillon permet de justifier que cette variable aléatoire suit une loi exponentielle ou une loi de
Weibull.

T désigne la variable aléatoire qui, à tout dispositif tiré au hasard, associe son temps de bon fonctionnement (Time
Between Failures) ou sa durée de vie avant une défaillance.
Pour simplifier, nous choisissons comme origine des temps l'instant t = 0 où le dispositif choisi est mis en marche, soit pour
la première fois, soit après une réparation qui l’a remis à neuf.
Alors T mesure ainsi l'instant où apparaît la première défaillance d'un dispositif pris au hasard dans la population considérée,
à partir de l'instant t = 0.

2. Fonction défaillance. Fonction de Fiabilité.

T est une variable aléatoire continue à valeurs positives et possédant une densité de probabilité f.
t
Définition 1 : La fonction défaillance est définie par : F (t ) = P(T ≤ t ) = ∫ f (t )dt pour t ≥ 0.
0
F(t) est la probabilité qu’un dispositif prélevé au hasard dans la population considérée ait une défaillance avant l’instant t.

Définition 2 : La fonction de fiabilité est définie par : R(t ) = P(T > t ) = 1 − F (t ) pour t ≥ 0. R(t) est la probabilité qu’un
dispositif prélevé au hasard dans la population considérée n’ait pas de défaillance avant l’instant t.

F est la fonction de répartition de la variable aléatoire T.

En anglais fiabilité est traduit par reliability.

Estimation de F(t) et de R(t) :

n
2.1 Méthode des rangs bruts F ( t i ) = i
n
ni
2.2 Méthode des rangs moyens F ( t i ) =
n +1
ni − 0,3
2.3 Méthode des rangs médians F (t ) =
n i +0, 4
EXERCICE : Une usine produit des machines. On étudie la fiabilité de 25 de ces machines dès leur mise en service.
Pour cela on relève leur temps de bon fonctionnement (TBF) en l’absence de toute réparation.

TBF en [0;100] ]100,200] ]200,300] ]300,400] ]400,500] ]500,600] ]600,700] ]700,800]

jours
Nombre de 6 6 5 3 0 1 2 1
défaillances
TBF en ]800,900] ]900,1000]
jours
Nombre de 0 1
défaillances

Notons Ni le nombre de machines non défaillantes jusqu’à l’instant ti ;

Ni
Ri = (avec la méthode du rang brut) est la proportion de machines non défaillantes jusqu’à l’instant ti ;
25
Fi =1 – Ri est la proportion de machines défaillantes à l’instant ti .
On obtient le tableau suivant :

Fiabilité 1
 i 0 1 2 3 4 5 6 7 8 9 10
ti (en 0 100 200 300 400 500 600 700 800 900 1000
jours)
Ni 25 19 13 8 5 5 4 2 1 1 0
19 13 8 5 5 4 2 1 1 0
Ri 1
25 25 25 25 25 25 25 25 25
6 12 17 20 20 21 23 24 24
Fi 0 1
25 25 25 25 25 25 25 25 25
Définition 3 : MTBF : Soit T la variable aléatoire qui, à chaque matériel, associe son temps de bon fonctionnement.
La MTBF ( Moyenne des Temps de Bon Fonctionnement) est l’espérance mathématique de T : E(T) = MTBF.

3. Taux d’avarie ( ou taux de défaillance )

Dans l’exemple précédent, le taux d’avarie de l’intervalle [200,300] est la proportion de machines qui tombent en panne dans
cet intervalle de temps, par rapport à celles qui étaient en état de bon fonctionnement au début de la période. C’est à dire :
N 2 − N 3 13 − 8
= ≈ 0.38 .
N2 13
0,38
L’unité du temps est le jour, on trouve le taux d’avarie moyen dans l’intervalle [200,300] : = 0,0038 . On dit
300 − 200
que 0,38% des machines tombent en panne par jour.

Définition 4 Taux d’avarie moyen entre les instants t et t+h est égal à :

nombre d'éléments tombés en panne entre les instants t et t + h

nombre d'éléments en état de marche à l'instant t

C’est la probabilité pour qu’un dispositif en état de marche à l’instant t, tombe en panne entre les instants t et t+h. Donc
P(t < T < t + h) F (t + h) − F (t ) (1 − R(t + h)) − (1 − R(t )) R (t ) − R(t + h)
= = = .
P(T > t ) R (t ) R(t ) R(t )

R(t ) − R (t + h)
Définition 5 Taux d’avarie moyen par unité de temps : On divise par h :
R(t ) × h
Taux d’avarie instantané λ (t ) à l’instants t : On calcule la limite lorsque h tend vers 0
R (t ) − R (t + h ) R (t + h ) − R (t ) 1 − R '(t )
lim = lim − × = , d’où :
h→0 R (t ) h h→0 h R (t ) R (t )

Définition 6 Le taux d’avarie instantané à l’instant t d’un matériel est la fonction λ éfinie par : λ (t ) = −
R '(t )
R (t )
où R est la fonction fiabilité de ce matériel.
Conséquences : Si la fonction λ est connue, la résolution de l’équation différentielle linéaire du premier ordre sur un
intervalle convenable : R' (t ) + λR(t ) = 0 donne la fonction de fiabilité R du matériel.
On peut alors en déduire la fonction de défaillance F, puisque F(t) = 1 - R(t) , qui est la fonction de répartition de la
variable aléatoire T ; puis la densité de probabilité f de la variable aléatoire T : F’(t) = f(t).

Remarque: Expérimentalement λ(t) est une courbe en baignoire.

Pannes pannes
précoces Vie utile d'usure

Fiabilité 2
4. MTBF : Moyenne des temps de bon fonctionnement

C'est l’espérance mathématique de la variable aléatoire T définie au départ

+∞ x
MTBF = E ( t ) = ∫ tf ( t )dt = lim∫ tf ( t )dt .
0 x →+∞ 0

Elle représente l'espérance de vie du dispositif.

II Loi exponentielle
La loi exponentielle est la loi suivie par la variable aléatoire T lorsque le taux d'avarie est constant.
Pour tout t ≥ 0 on a λ(t) = λ constante strictement positive.

Pour tout t ≥ 0 :
Fonction de fiabilité: R( t ) = e − λt

Fonction de défaillance: F ( t ) = 1 − e − λt
Densité de probabilité: f ( t ) = λe − λt

1 λ

y = R(t) y = f(t)

1 t
F(t) R(t)

1
MTBF : E(T) = 1 Ecart type : σ (T ) =
λ λ

ln R (t ) = ln(e − λt ) ; lnR(t) = -λt.

L’ égalité R( t ) = e − λt est équivalente à
Posons Y = lnR(t), on obtient Y = −λt .
Donc les points de coordonnées (t ; Y) tracés dans le même repère orthogonal sont alignés sur une droite passant par O(0 ;0).

On estime que T suit une lois exponentielle si, pour un grand échantillon, les points connus de coordonnées
(ti ; lnRi) construit dans un repère orthogonal sont approximativement alignés avec l’origine.

L'utilisation de papier semi-logarithmique pour représenter R(t) permet de déduire si une loi est exponentielle ou non. S'il
1
s'agit d'une loi exponentielle, la MTBF = est l'antécédent de e−1 ≈ 0,368
λ
Utilisation du papier semi-logarithmique
Reprenons l'échantillon des 25 machines observées au premier paragraphe, pour savoir si T suit une loi exponentielle. :
Les la couples (ti ; Ri) obtenus sont les suivants.

ti 0 100 200 300 400 500 600 700 800 900

Ri 1 0,76 0,52 0,32 0,20 0,20 0,16 0,08 0,04 0,04

Pour savoir si les points de coordonnées (ti ; ln Ri) construits dans un repère, orthogonal sont alignés, on utilise du papier
semi-logarithmique. Sur un tel papier, les ordonnées marquées y ont en réalité pour valeur Y = lny.
Le papier semi-logarithmique est constitué de bandes ou modules identiques de hauteur ln10 (de ln 1 = à ln 10 ) .
Soit a ≥ 1 et p un entier quelconque. Puisque ln(a .10 ) = lna + p ln 10, on passe du point de coordonnées (t; ln(a .10 ))
p p

au point de coordonnées (t ; lna) par une translation de p modules.

Fiabilité 3
 p p
De sorte que chaque module contient les points dont les ordonnées varient de ln(1. 10 ) à ln(10.10 )
Le tableau précédent s’écrit :

ti 0 100 200 300 400 500 600 700 800 900

Ri 100. 10-2 76. 10-2 52. 10-2 32. 10-2 20. 10-2 20. 10-2 16. 10-2 8. 10-2 4. 10-2 4. 10-2

Portons les points de coordonnées marquées (ti; Ri) sur le papier semi-logarithmique; deux modules suffisent, car la
plus grande valeur prise par a est 100. Le nuage de 10 points obtenu est presque rectiligne, ce qui autorise à estimer
que T suit une loi exponentielle.
La droite D à tracer a pour équation Y = - λ t . Elle passe donc par l'origine 0 du repère. Notons que les
coordonnées de O sont t = 0, Y = 0. C'est donc le point marqué (0; 100. 10- 2), car ln(100 . 10- 2) = ln(1)= 0.

Construisons une droite passant au plus près des points du nuage de points et par O.
1 1
Pour t= 
, on obtient
 .  1. Donc la MTBF = est l’abscisse du point D dont l’ordonnée est
λ 
λ
100 − 2 100 − 2
marquée .10 ≈ 36,8.10 − 2 , car ln( .10 ) = −1.
e e
1
On obtient ≈ 280 , d’où λ ≈ 0,0036 .
λ
.

Utilisation de la calculatrice
On peut également calculer une équation de la droite d’ajustement des 10 points de coordonnées (ti ; lnRi ) et du
point (0 ; 0) , par la méthode des moindres carrés. On vérifie que le coefficient de corrélation est r = - 0,99. Ce qui
confirme que les points sont presque alignés.

Fiabilité 4
 ln R = −0,0037t + 0,056
On trouve : R = e − 0 , 0037 t + 0 ,56 R = e −0 , 0037 t × e 0 , 056 or e 0 , 056 ≈ 1

1
Donc R = e −0 , 0037 t , donc λ = 0,0037 et MTBF = = 270 jours.
λ
III Loi de Weibull (mathématicien suédois )

Weibull a choisi une loi sous forme de puissance avec 3 paramètres qui permettent d'obtenir les diverses situations :
décroissante, constante et croissante.
Définition : On dit que la variable aléatoire T suit la loi de Weibull lorsque son taux d’avarie est :
β −1
β  t −γ 
λ( t ) =   pour t > γ ; β, γ, η sont des constantes avec β > 0; η > 0;
η  η 
γ est le paramètre de repérage qui fixe l’instant à partir duquel on étudie la fiabilité.
Si γ = 0 : on étudie la fiabilité dès la première utilisation de la machine.
Si γ > 0 : on étudie la fiabilité un certain temps après la première utilisation de l’appareil.
Conséquences :
On retrouve, pour tout t > γ
  t −γ β

Fonction de fiabilité: R ( t ) = exp −  
  η  
 
  t −γ β 
Fonction de défaillance: F ( t ) = 1 − exp−   
  η  
 
β −1   t −γ β 
β  t −γ 
Densité de probabilité: f ( t ) =   exp−    car F’(t) = f(t).
η  η    η  
 

On retrouve la MTBF et l'écart type à l'aide de tables (voir formulaire)

MTBF : Aη + γ et σ = Bη

L'utilisation du papier imaginé par Weibull pour représenter F(t) permet de déceler une loi de Weibull. Les points de
coordonnées (ti ; F(ti) ) sont alignés lorsque γ = 0. on retrouve alors graphiquement les valeurs de β et de η

Exercice ( BTS maintenance)

On étudie la durée de vie d’un certain type de composants électriques fabriqués par une usine.
On désigne par T la variable aléatoire qui, à chaque composant , prélevé au hasard dans la population, associe sa
durée de vie exprimée en mois.
Après une étude statistique, on admet que T suit la loi de Weibull de paramètres :
γ = 0, β = 2,4 η = 50
Déterminer MTBF = E(t) et σ (T ) .

Fiabilité 5
Déterminer graphiquement les paramètre de la loi de Weibull :

Fiabilité 6