Fiabilité

Cours (MI3) : Qualité et Fiabilité ISSI-Gabès
La Fiabilité
1. Introduction
1.1. Système
Ensemble d’éléments interdépendantes orientés vers la réalisation d’une fonction (machine,
usine, etc.). Chaque système peut être décomposé en sous systèmes, composants et en
éléments.
1.2. Principales caractéristiques d’un système
 Fonction : C’est la mission pour laquelle il a été conçu.
 La structure : Les différents composants, leurs rôles, leurs caractéristiques, les

relations entre les composants et leur localisation.
 Les conditions de fonctionnement : Les différentes procédures de conduite du

système et les consignes données aux opérateurs.
 Les conditions d’exploitation (de surveillance) : Les conditions de surveillance

(visuelle, vibration, huiles…), les conditions d’intervention (préventif ou sorrectif).
 L’environnement : le milieu dans lequel baigne le système.
1.3. Défaillance
Une défaillance (en anglais failure) est la cessation du système à accomplir la fonction pour
laquelle il a été conçu. Un système est déclaré défaillant lorsque ses grandeurs caractéristiques
évoluent en dehors des tolérances définies lors de la conception.
Figure 1: Evolution temporelle de l'état d'un système.
SOUISSI Ahmed Saâdeddine Page 1

Deux types de défaillances sont définis :
 La défaillance progressive : due à une évolution dans le temps des caractéristiques

d’un système. Une telle défaillance peut être prévue par un examen ou une
surveillance.
 La défaillance soudaine : purement aléatoire.
2. Fiabilité des systèmes
2.1. Définition
La est une caractéristique d’un système exprimée par la probabilité qu’il accomplisse la
fonction pour laquelle il a été conçu dans des conditions données et pendant une durée
donnée.
La fiabilité est une caractéristique du système au même titre que les caractéristiques
dimensionnelles.
La fiabilité s’exprime par une probabilité, c’est donc une grandeur comprise entre 0 et 1 .
Ceci rend compte du caractère aléatoire de l’accomplissement de la fonction.
On ne peut parler de mesure de fiabilité qu’après avoir acquis une expérience suffisante dans
l’exploitation du système ou éventuellement par des essais appropriés.
On distingue :
a) La fiabilité estimée ou intrinsèque : c’est la fiabilité mesurée au cours d’essais
spécifiques effectués dans le cadre d’un programme d’essai entièrement défini
b) La fiabilité prévisionnelle : elle est obtenue à partir d’un modèle mathématique

connaissant la fiabilité estimée de ces composants (modèles déductifs). Les propriétés
du système complet sont déduites d’une connaissance détaillée des propriétés de ses
composants.
c) La fiabilité opérationnelle : c’est la fiabilité mesurée sur des dispositifs en

exploitation normale. Elle dépend des conditions réelles d’utilisation et du support
logistique. On parlera dans ce cas de « modèles inductifs ».

2.2. Etude de la fiabilité d’un système
L’étude de la fiabilité d’un système comprend trois phases importantes :
 Une phase d’analyse :

 Débute par un diagramme de fonctionnement qui fait apparaître les différents
constituants du système susceptibles de compromettre (exposer, risquer) la
fonction du système.
 Pour chaque composant on détermine les modes de défaillances et on recense
toutes les causes.
 Une phase d’estimation des probabilités d’apparition des défaillances.
 Une phase de prévision ou d’estimation de la fiabilité du système.
Détermination expérimentale de la fiabilité

On soumet à l’essai un échantillon de taille N dans les mêmes conditions. Soit N s t  le
nombre de survivant à l’instant t et N f t  le nombre de défaillant à l’instant t .
 .N t   N t   1
S f

N s t 
Si N tend vers l’infini (∞) alors tend sûrement vers la fiabilité du système.
N
2.3. Durée de vie d’un système
La durée de vie d'un système est une mesure de la quantité de services rendus. D’une façon
générale, on mesurera la durée de vie d’un système par le nombre d’heures durant lequel il a
effectivement fonctionné. On supposera que le système ne peut occuper que l’un des deux
états suivants : état de fonctionnement ou hors d’usage
La transition d’un état à un autre s’opère selon une loi de probabilité. La durée de vie est donc
une variable aléatoire non négative (voir figure 2)
Figure 2: Diagramme d'état.
Soit t une variable aléatoire continue. Cette variable aléatoire représente la durée de vie du
système considéré 0  t   .
t : durée de vie du système considéré, t est une variable aléatoire continue positive.
 Fonction de densité f  t 
Soit f t  sa fonction de densité. Cette fonction peut être obtenue à partir de données de durées
de vie du système observées depuis le début de son exploitation.
 f t   0

  f t   dt  1
0
 f t   dt exprime la probabilité que le système tombe en panne entre t et t  dt

Figure 3: Fonction de densité f(t).
f  t   dt  Prob t  durée de vie  t  dt.
 Fonction de distribution F  t 
Soit F  t  la fonction de distribution (répartition) associée à la variable aléatoire t .
F  t    f  x   dx
t
Figure 4: Fonction de distribution F(t).

F  t  exprime la probabilité que le système tombe en panne avant l’instant t
F  t   Prob 0  durée de vie  t .
 Fonction de distribution R  t 
Soit R  t  la fonction de fiabilité du système.
R  t  exprime la probabilité que le système survive jusqu’à l’instant t .
R  t   Prob durée de vie  t


R  t    f  x   dx  1  F  t 
t
Figure 5: Fonction de fiabilité R(t).

Figure 6: Fonctions de distribution F(t) et de fiabilité R(t).
 Taux de panne instantané   t  (taux de défaillance)
f t 
 t   (le nombre de panne par unité de temps)
R t 
  t  : est une mesure de la disposition du système à briser en fonction de l’âge
f  t   dt Probabilité de panne entre t et t  dt

 dt :   t   dt  
R t  survie jusqu'à t
Donc   t   dt n’est autre que la probabilité conditionnelle que l’équipement qui a survie à
l’instant t , brise (meure) entre t et t  dt .
 Modèle général de la fonction de fiabilité
R  t   e 0
   x dx
 Typologie du taux de panne

Un équipement possède 3 périodes de vie :
 Jeunesse (mortalité infantile, défaillance précoce) : en état de fonctionnement à

l’origine (mise en service), période de rodage (pré usure), présélection des
composants électroniques (déverminage).

 Maturité (période vie utile, de défaillances aléatoires) : période de rendement

optimal du matériel, taux de défaillance constant. Les défaillances apparaissent sans
dégradations préalables visibles, par des causes diverses, suivant un processus
suivant une loi de Poisson (défaillances aléatoires).
 Obsolescence (vieillesse, usure). Un mode défaillance prédominant, généralement

visible, entraîne une dégradation accélérée, à taux de défaillance croissant (pour un
mécanisme). Souvent on trouve une usure mécanique, de la fatigue, une érosion ou
une corrosion. A un certain seuil de   t  , le matériel est « mort ». Il est alors
déclassé, puis rebuté ou parfois reconstruit. La détermination de T (seuil de

réforme), est obtenue à partir de critères technico-économiques.
L’évolution de la durée de vie d’un équipement peut être tracée selon une courbe appelée
courbe en baignoire. Selon que l’équipement, soit de type électronique ou mécanique, les
allures du taux de défaillance sont différentes.
Figure 7: Allure général du taux de panne d'un système.

On peut placer les équipements d’après l’allure de la fonction de taux de panne   t  (figure 6).
On distingue :
 Les équipements à taux de panne croissant (Increase Failure Rate « IFR »). Exemple :
courroie.

 Les équipements à taux de panne constant (Constant Failure Rate « CFR »). Exemple :
Lampe.
 Les équipements à taux de panne décroissant (decrease Failure Rate « DFR »).
Exemple : rodage.
 Durée de vie moyenne (MTBF)
t t t t  ti
MTBF  1 2 3 4  i 1
4 n
y1  y2  y3
MTTR 
3
Pour la durée de vie aléatoire t :
 
MTBF  E t    t  f t   dt   R t   dt
0 0

v   t 2  f t   dt   MTBF 
2
Variance : 0
 Explication de la variance
Lorsqu'on a des données statistiques, l'espérance correspond à la moyenne de ces données.

Supposons par exemple qu'on dispose d'un lot de 20 ampoules d'un même modèle, et que l'on
souhaite connaître la durée moyenne de vie d'une ampoule. On appellera aussi ceci l'espérance
de vie d'une ampoule.

Le tableau qui suit montre le calcule de la moyenne la variance et l’écart type de trois séries
de test pour voir la différence entre les variances.
Numéro de
Série 1 Série 2 Série 3
l'ampoule
1 48 5 100
2 49 95 50
3 50 5 0
4 51 95 99
5 52 5 1
6 48 95 30
7 49 5 70
8 50 95 55
9 51 5 45
10 52 95 60
11 48 5 40
12 49 95 50
13 50 5 33
14 51 95 67
15 52 5 80
16 48 95 20
17 49 5 52
18 50 95 48
19 51 5 75
20 52 95 25
moyenne (MTBF) 50 50 50
variance 2,11 2131,58 762,53
Ecart type 1,45 46,17 27,61
La variance et l'écart-type mesurent eux la dispersion des notes autour de la moyenne (ou
espérance). Par exemple, on sait qu'en moyenne une ampoule aura comme durée de vie
l'espérance, mais quelles peuvent-être les variations moyennes de cette durée. Autrement dit,
y-a-t-il des ampoules qui durent très peu et d'autres beaucoup, ou bien est-ce que toutes les
ampoules ont à peu près la même durée de vie? On appelle aussi cela mesure les caractères de
dispersion d'une série statistique.
Pour la série 1, l'espérance (ou moyenne des notes!) est 50. La variance vaut 2,11. Elle est
assez faible, les durées sont donc très centrées autour de la moyenne.

Pour la série 2, l'espérance vaut toujours 50, mais la variance vaut 2131,17. Cette variance est
beaucoup plus grande que dans le premier cas, ce qui signifie que les notes sont très espacées.
Donc cette série est très différente par rapport à la première.
La troisième série à était faite avec des valeurs quelconques juste pour voir l’évolution de la
variance.
 Exercice 1 :
Soit f  x  , la fonction de densité associé à la durée de vie d’un équipement :
 bx 1  x  si 0  x  1
f  x  
0 sinon
1) Calculer b.
2) Calculer MTBF

 Exercice 2 :
Une variable aléatoire continue a pour fonction de densité :
 1
 si   t  
f  x     
0 sinon
1) Etablir l’expression de F  t  .
2) Trouver la MTBF et la variance

3. Les lois de probabilité
 Distribution exponentielle (ou Loi exponentielle)
La distribution exponentielle prend la forme suivante :

f  t     e   t
F  t   1  e   t
R  t   e   t
  t     Taux de panne constant   0
1
MTBF 

La distribution exponentielle est la seule distribution à taux de panne constant.
Un équipement dont la durée de vie suit une distribution exponentielle ne vieillit pas (pas
d’usure). On dit que la distribution exponentielle n’a pas de mémoire. Cette propriété se
traduit mathématiquement par l'équation suivante :
P T  t  dt T  t   P T  dt  dt , t  0
Imaginons que T représente la durée de vie d'une ampoule électrique avant qu'elle ne brûle:
la probabilité qu'elle dure au moins t  dt heures sachant qu'elle a déjà duré t heures sera la
même que la probabilité de durer dt heures à partir de sa mise en fonction initiale. En
d'autres mots, le fait qu'elle n'ait pas brûlé pendant t heures ne change rien à son espérance de
vie à partir du temps t .
 Démonstration
La probabilité conditionnelle de survie à t     dt  étant donnée la survie à t est
donnée par :
R t   
R t 
R  t     e    t  
R  t   e   t
R t   
  e     R   C.Q.F.D
R t 

Un équipement dont la durée de vie suit une distribution exponentielle ne doit pas faire l’objet
d’une maintenance préventive.
La distribution exponentielle a était ajustée empiriquement à des donnée de durée de vie :

missiles air-air, torpilles navales, calculatrice, carte mère d’ordinateur, outil électrique,
système de contrôle d’incendie…
Figure 8: fonction de densité de la loi exponentielle.
Figure 9: fonction de distribution de la loi exponentielle.

 Distribution Gamma
La distribution Gamma prend la forme suivante :

     X  1  e x  dx
f t  
   1  t 
 t  e avec  0
    1  1
t 
k 1

F  t   1  e  t  
k=1  k  1 !
 
k 1
 t
R  t   e  t  
k=1  k  1 !
avec   0 t  0   0
On peut vérifier que le taux de panne d’une distribution Gamma est croissant pour  1
si   1 alors f  t   e  t

MTBF 


Variance 
2
La distribution Gamma a été ajustée à des durées de vie de moteurs de chasseurs bombardiers.
 Distribution de Weibull
La loi de weibull est d’un emploi très répondu, elle a été largement utilisée pour simuler des
phénomènes de fatigue des matériaux et dans les études de distribution des défaillances des
tubes à vide.
f  t        t  1  e   t 

R  t   e  t 

  t        t  1
 : paramètre de forme   0
 : paramètre de l'échelle   0

 Distribution Normale
Figure 10: Carl Friedrich Gauss

En probabilité, une variable aléatoire suit une loi normale (ou loi normale gaussienne, loi de
Laplace-Gauss) d'espérance  et d'écart type  (donc de variance  2 ) si elle admet une

densité de probabilité f telle que :
2
1  t  
1   
f t   e 2  
a. 2

a : le coeficcient de normalisation pour obtenir  f  t   dt  1
0
MTBF  
Variance   2
La loi normale a un taux der panne croissant.
 Distribution Log-Normale
Une variable aléatoire est distribuée suivant une loi Log-normale si son logarithme suit une
distribution normale :
2
1  log t   
1   
f t   e 2  
a. 2
Si les  log t1 , log t2 , , log tn  suivent une loi normale alors  t1 , t2 , , tn  suivent une
loi log-normale

Figure 11: fonction de densité de la loi normale.
Figure 12: fonction de distribution de la loi normale

4. Estimation des diverses fonctions empiriques de la fiabilité et

études de leurs relations
N0 : nombre d’éléments bons à l’instant t 0
N i : nombre d’éléments bons à l’instant t i
ni : nombre d’éléments défaillants entre t i et t i 1 , noté aussi Ni
t i : intervalle de temps observé égal à ti 1  ti
ni
On estime (t ) le taux de défaillance par tranche t :   ti  
Ni .t i
n
On estime fˆ(t i ).t i la fonction défaillance sur l’intervalle t i par : f (t i ).t i  i
N0
On estime Fˆ (t i ) la fonction de défaillance cumulée par :
i n i
N0  Ni N
F (t i )   f (t i ).t i  0
  1 i
0 N0 N0 N0
N
On estime Rˆ (t i ) la fonction de fiabilité par : R(t i )  1  F (t i )  i
N0
ni ni
ni N .t N .t f (t i )
On peut calculer alors ˆ(t i ) par :  (t i )   0 i  0 i 
Ni .t i Ni .t i Ni R (t i )
N0 .t i N0
f (t i ) f (t i )
  (t i )  et  (t i ).t i  .t i (relations servant au calcul des lois de fiabilité)
R (t i ) R (t i )
On peut aussi calculer la MTBF par :

 
ni 1
MTBF   t i .f (t i ).t i  t i .   n1t1  n2t2  ...  ni ti  ...  nt  car en général t0=0
0 0 N0 N0
 Exercice 3 :
Un service maintenance étudie le comportement d’un relais en fonctionnement sur 48

machines. Les résultats ont été consignés dans le tableau ci-dessous.
On demande :
 D’estimer les fonctions empiriques R(t ), f (t ), (t )
 De tracer les histogrammes correspondants

Nb Nb de Survivants Cumul des Probabilité Densité de Taux de
d'éléments défaillants N(ti) défaillants de survie probabilité de défaillance
ayant dans la R(ti) défaillance λ(ti)
fonctionné tranche f(ti).Δti
0 48
0 - 1000 5
heures
1000 - 2000 8
2000 - 3000 15
3000 - 4000 10
4000 - 5000 8
5000 - 6000 2
Densité de
Nb Nb de probabilité
d'éléments défaillants Survivants Cumul Probabilité de Taux de
ayant dans la à la fin de des de survie défaillance défaillance
fonctionné tranche ∆ti défaillants R(ti) f(ti).Δti λ(ti)
48
0 - 1000 1,0417E-
heures 5 43 5 100,00% 10,42% 04
1,8605E-
1000 - 2000 8 35 13 89,58% 16,67% 04
4,2857E-
2000 - 3000 15 20 28 72,92% 31,25% 04
5,0000E-
3000 - 4000 10 10 38 41,67% 20,83% 04
8,0000E-
4000 - 5000 8 2 46 20,83% 16,67% 04
1,0000E-
5000 - 6000 2 0 48 4,17% 4,17% 03


 Exercice 4 :
On a relevé sur un type de moteur les défaillances suivantes répertoriées par tranche.
L’étude a porté sur 37 moteurs.
0h à 1000h à 2000h à 3000h à 4000h à 5000h à

1000h 2000h 3000h 4000h 5000h 6000h
1 4 7 12 11 2
On demande :
 D’estimer les fonctions empiriques Rˆ (t ), fˆ(t ), ˆ(t )
 De tracer les histogrammes correspondants

Densité de
Nb Nb de probabilité
d'éléments défaillants Survivants Cumul Probabilité de Taux de
ayant dans la à la fin de des de survie défaillance défaillance
fonctionné tranche ∆ti défaillants R(ti) f(ti).Δti λ(ti)
0 37 0
0 - 1000
heures 1 36 1 100,00% 2,70% 2,7027E-05
1000 - 2000 4 32 5 97,30% 10,81% 1,1111E-04
2000 - 3000 7 25 12 86,49% 18,92% 2,1875E-04
3000 - 4000 12 13 24 67,57% 32,43% 4,8000E-04
4000 - 5000 11 2 35 35,14% 29,73% 8,4615E-04
5000 - 6000 2 0 37 5,41% 5,41% 1,0000E-03

5. Lois de composition en fiabilité : Association de matériels
Le problème qui se pose à la maintenance au niveau de la fiabilité est son amélioration

constante. Il peut pour cela intervenir sur la technologie du composant, agencer les
composants ou sous-systèmes de manière à les rendre plus fiables par l’utilisation de
redondances dont on distingue 3 grandes catégories :
 Les redondances actives
 Les redondances passives ou « stand-by »
 Les redondances majoritaires

5.1. Redondance active :
Une redondance active est réalisée par la mise en parallèle d’éléments assurant les mêmes
fonctions et travaillant en même temps.
On a donc à faire à un système appelé par les fiabilistes « système parallèle ».
Hypothèses de départ :
 Les défaillances sont indépendantes les unes des autres
 La fiabilité de chaque sous-système ou de chaque élément a été déterminée
 Système série :
On dit qu’un système est un système série d’un point de vue fiabilité si le système tombe en
panne lorsqu’un seul de ses éléments est en panne.
E1 E2 Ei En
Rs  P(S)  P(S1 S2  ...  Si  ...Sn)  P(S1).P(S2)....P(Si )....P(Sn) 

n
Rs   Ri
i 1
Cette association est caractéristique des équipements en ligne de production.
 Système parallèle :
On dit qu’un système est un système parallèle d’un point de vue fiabilité si, lorsqu’un ou
plusieurs de ses éléments tombent en panne, le système ne tombe pas en panne.
Pour calculer la fonction fiabilité d’un système // à n éléments, il est plus aisé de passer par la
fonction défaillance F.

E1
E2
Ei
En
F  1  R  1  P (S )  P (S )
F  P (S1).P (S 2)....P (Si )....P (Sn )  F1.F 2....Fi ....Fn
F  (1  R1).(1  R 2)....(1  Ri )....(1  Rn )
Rs  1  (1  R1).(1  R 2)....(1  Ri )....(1  Rn )
n
Rs  1   (1  Ri )
i 1
Dans un système parallèle, la fiabilité du système est plus grande que la plus grande des
fiabilités des éléments composant le système. On utilise ce fait pour améliorer la fiabilité ;
cela réalise une redondance active.
Si on désire effectuer un calcul en fonction du temps, on doit introduire la fonction R(t).
n
Si R(t )  et , alors Rs  1   (1  e  t ) .
i 1
5.2. Redondance passive
Dans ce cas, un seul élément fonctionne, les autres sont en attente. Ceci a l’avantage de
diminuer ou de supprimer le vieillissement des éléments ne travaillant pas. En contrepartie, on
a l’inconvénient d’être obligé d’avoir un organe de détection des pannes et de commutation
d’un système sur un autre.
Le calcul d’un système à redondance passive ou « stand-by » se fait en tenant compte de la
variable temps. Il faut donc connaître au préalable, pour chaque composant, son taux de
défaillance λ(t) et sa loi de fiabilité R(t).

Si on prend en compte l’élément de détection et de commutation DC, on obtient alors :
 DC .t e1.e   .t  e 2 .e  
e2 e 1t
Rs ( t )  e .
e1  e 2
Remarque : si on considère que tous les éléments ont le même taux de défaillance λ, on
obtient alors l’expression suivante : Rs ( t )  e  DC .t .e   .t .(1  .t )
Pour n éléments de taux de défaillance identiques montés en //, on trouve :
 i n 1 (.t )i 
Rs ( t )  e ( DC   ).t .   
 i 0 i ! 
43 – Redondance majoritaire :
La redondance majoritaire est telle que la fonction est assurée si au moins la majorité des
éléments est en état de fonctionnement.
Cette redondance concerne surtout des signaux de grande sécurité, et en particulier les
équipements électroniques. Le signal de sortie est celui de la majorité des composants. Le cas
le plus simple comporte 3 éléments.
E1 On considère que l’organe D de décision a une fiabilité égale à 1.

RS=probabilité d’avoir plus de 2 éléments en fonctionnement correct
E2 D Si Re1=Re2=Re3=R
k 3
E3 RS   C3k .R k .(1  R )3k  3R 2  2R 3
k 2
Si on généralise à n (impair obligatoirement pour avoir une majorité)

éléments, on obtient :

k n
n 1
RS   Cnk .R k .(1  R )n k avec c 
k c 2
La formule de calcul de « c » permet d’obtenir la majorité des éléments.
En tenant compte de la fiabilité du composant de décision :
k n
n 1
RS  RD . Cnk .R k .(1  R )n k avec c 
k c 2
44 – Application :
Un processus est représenté par le processus suivant :
M1 M2 M3 M4 M5 T1 T2 T3
0,85 0,99 0,99 0,99 0,99 0,8 0,99 0,99
La fiabilité du système entier est le produit de toutes les fiabilités élémentaires : Rs = 0,64
Pour améliorer cette fiabilité, on peut appliquer des redondances sur les systèmes les moins
fiables : M1 et T1.
Une des solutions peut consister à utiliser 3 T1 et 2 M1. Economiquement, il va de soi que
cette solution coûterait trop cher. On se contentera de redonder les éléments faibles des
systèmes M1 et T1
T1
M2 M3 M4 M5 T2 T3
M1 T1
0,99 0,99 0,99 0,99 0,99 0,99
M1 T1
Rs  1  (1  0,85)2  x 0,99 4 x 1  (1  0,8)3  x 0,99 2  0,91 Résultat satisfaisant.

 Exercices systèmes série et parallèle
Un dispositif se compose de 4 composants connectés en série dont les fiabilités sont

respectivement de 0,98 ; 0,97 ; 0,95 et 0,99.
E S
A B C D
Déterminer la fiabilité de l’ensemble
Un dispositif se compose de 4 composants connectés en série dont les fiabilités sont

E S
A B C D
Un dispositif se compose de 4 composants connectés en // dont les fiabilités sont

B
E S
Le dispositif donné ci-contre a les fiabilités élémentaires suivantes pour 1000 heures :
Ra=0,87 ; Rb=0,85 ; Rc=Rd=0,89 ;Re=0,94 ; Rf=0,96 ; Rg=0,97

A C
E S
E F
B D
Calculer la fiabilité et le taux de défaillance de l’ensemble.
Ra=Rb=Rc0,73 ; Rd=0,97 ;Re=0,88 ; Rf=0,92 ; Rg=0,88
E S
B D E F
C G
Ra=0,90 ; Rb=Rc=0,81 ; Rd=Re=Rf=0,66 ; Rg=0,93
E S
A G

Un simple circuit électronique monté en série contient 7 transistors dont le taux de défaillance
d’un transistor t  0,8 106 Défaillance heure

i
5 diodes : di  0, 6 10 6 Défaillance heure

2 condensateurs : di  0, 6 10 6 Défaillance heure
12 résistances : di  0, 6 10 6 Défaillance heure
2 interrupteurs : di  0, 6 10 6 Défaillance heure
Calculer la fiabilité pour 1000 heures
Solution :
 n 
 
 i t

Rs  e  i1 
n
   i  67,6 106
i 1
 
 67,6106 1000
Rs  e  0,93
Rs  93%
Soit le système de moto-compresseur composé d’une source principale (SP) en parallèle avec
une batterie (Bat) et onduleur (Ond). (Mot : Moteur, P : Pompe)
Déterminer la fiabilité du système pour une durée de service T  10000 h , connaissant le

taux de défaillance de chacune de ces composant :
Solution :
SP  1104 Défaillance heure

Bat  15 104 Défaillance heure

Ond  1105 Défaillance heure

Mot  9 105 Défaillance heure
P  5 104 Défaillance heure
 Pi 
Req   1   1  rij  
n
i 1  j 1 
 
Req  1  1  RSP  1   RBat  ROnd    RMot  1  1  RP1 1  RP2 
 
4
RSP  e SP t  e10 10000
 0,36
4
RBat  e Bat t  e1510 10000
 3,05 107
5
ROnd  e Ond t  e10 10000
 0,9
5
RMot  e Mot t  e910 10000
 0, 4
4
RP  e P t  e510 10000
 6,7 103
   
Req  1  1  0,36  1  3, 05 10 7  0,9  0, 4  1  6, 7 10 3  
2
   
Req  3, 6 101  0, 4  1,33 10 2
Req  1,92 10 3

Références bibliographiques
Chelbi Anis, Support du cours « Fiabilité et maintenance », Ecole Supérieure des Sciences et
Techniques de Tunis, 1999-2000.
Références Electroniques
http://www.bibmath.net/dico/index.php3?action=affiche&quoi=./e/esperance.html
http://www.hubertfaigner.com
http://fr.wikipedia.org/wiki/Loi_normale.htm
http://fr.wikipedia.org/wiki/Loi_gamma.htm
http://fr.wikipedia.org/wiki/Distribution_exponentielle.htm
http://fr.wikipedia.org/wiki/Distribution_de_Weibull.htm

Fiabilité

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Fiabilité

Uploaded by

Copyright:

Available Formats

Cours (MI3) : Qualité et Fiabilité ISSI-Gabès

1.2. Principales caractéristiques d’un système

 Fonction : C’est la mission pour laquelle il a été conçu.

 La structure : Les différents composants, leurs rôles, leurs caractéristiques, les

 Les conditions de fonctionnement : Les différentes procédures de conduite du

 Les conditions d’exploitation (de surveillance) : Les conditions de surveillance

 L’environnement : le milieu dans lequel baigne le système.

Figure 1: Evolution temporelle de l'état d'un système.

SOUISSI Ahmed Saâdeddine Page 1

Deux types de défaillances sont définis :

 La défaillance progressive : due à une évolution dans le temps des caractéristiques

 La défaillance soudaine : purement aléatoire.

2. Fiabilité des systèmes

b) La fiabilité prévisionnelle : elle est obtenue à partir d’un modèle mathématique

c) La fiabilité opérationnelle : c’est la fiabilité mesurée sur des dispositifs en

SOUISSI Ahmed Saâdeddine Page 2

2.2. Etude de la fiabilité d’un système

L’étude de la fiabilité d’un système comprend trois phases importantes :

 Une phase d’analyse :

Détermination expérimentale de la fiabilité

nombre de survivant à l’instant t et N f t  le nombre de défaillant à l’instant t .

SOUISSI Ahmed Saâdeddine Page 3

Figure 2: Diagramme d'état.

 f t   dt exprime la probabilité que le système tombe en panne entre t et t  dt

SOUISSI Ahmed Saâdeddine Page 4

Figure 3: Fonction de densité f(t).

f  t   dt  Prob t  durée de vie  t  dt.

Soit F  t  la fonction de distribution (répartition) associée à la variable aléatoire t .

Figure 4: Fonction de distribution F(t).

SOUISSI Ahmed Saâdeddine Page 5

F  t  exprime la probabilité que le système tombe en panne avant l’instant t

F  t   Prob 0  durée de vie  t .

Soit R  t  la fonction de fiabilité du système.

R  t  exprime la probabilité que le système survive jusqu’à l’instant t .

R  t   Prob durée de vie  t

Figure 5: Fonction de fiabilité R(t).

SOUISSI Ahmed Saâdeddine Page 6

Figure 6: Fonctions de distribution F(t) et de fiabilité R(t).

 Taux de panne instantané   t  (taux de défaillance)

  t  : est une mesure de la disposition du système à briser en fonction de l’âge

f  t   dt Probabilité de panne entre t et t  dt

l’instant t , brise (meure) entre t et t  dt .

 Modèle général de la fonction de fiabilité

 Typologie du taux de panne

 Jeunesse (mortalité infantile, défaillance précoce) : en état de fonctionnement à

SOUISSI Ahmed Saâdeddine Page 7

 Maturité (période vie utile, de défaillances aléatoires) : période de rendement

 Obsolescence (vieillesse, usure). Un mode défaillance prédominant, généralement

déclassé, puis rebuté ou parfois reconstruit. La détermination de T (seuil de

Figure 7: Allure général du taux de panne d'un système.

SOUISSI Ahmed Saâdeddine Page 8

 Durée de vie moyenne (MTBF)

Lorsqu'on a des données statistiques, l'espérance correspond à la moyenne de ces données.

SOUISSI Ahmed Saâdeddine Page 9

SOUISSI Ahmed Saâdeddine Page 10

Soit f  x  , la fonction de densité associé à la durée de vie d’un équipement :

SOUISSI Ahmed Saâdeddine Page 11

2) Trouver la MTBF et la variance

SOUISSI Ahmed Saâdeddine Page 12

3. Les lois de probabilité

 Distribution exponentielle (ou Loi exponentielle)

La distribution exponentielle prend la forme suivante :

La probabilité conditionnelle de survie à t     dt  étant donnée la survie à t est

SOUISSI Ahmed Saâdeddine Page 13