Mod

elisation des taux de d

efaillance en m
ecanique Combinaison dune loi de Weibull et dun mod`
ele de
Cox pour la mod
elisation des taux de d
efaillance en
fonction du temps et des facteurs dinfluence
Florent Brissaud, Brice Lanternier, Dominique Charpentier, Patrick Lyonnet

To cite this version:

Florent Brissaud, Brice Lanternier, Dominique Charpentier, Patrick Lyonnet. Modelisation des
taux de defaillance en mecanique - Combinaison dune loi de Weibull et dun mod`ele de Cox
pour la modelisation des taux de defaillance en fonction du temps et des facteurs dinfluence.
Performances et Nouvelles Technologies en Maintenance, PENTOM 2007, Jul 2007, Mons,
Belgium. pp.Modelisation des taux de defaillance en mecanique. <hal-00196765v2>

HAL Id: hal-00196765

https://hal.archives-ouvertes.fr/hal-00196765v2
Submitted on 30 Jul 2010

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.

Larchive ouverte pluridisciplinaire HAL, est

destinee au depot et `a la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.

Modlisation des taux de dfaillance en

mcanique
Combinaison dune loi de Weibull et dun modle de
Cox pour la modlisation des taux de dfaillance en
fonction du temps et des facteurs dinfluence
Florent Brissaud*, Brice Lanternier*,
Dominique Charpentier*, Patrick Lyonnet**
*INERIS, Parc ALATA
**LTDS ENISE UMR 5513
60 550 Verneuil-en-Halatte France
42 000 St Etienne France
florent.brissaud.2007@utt.fr ; brice.lanternier@ineris.fr
dominique.charpentier@ineris.fr
La fiabilit des matriels mcaniques est largement conditionne par les
caractristiques propres chaque systme, ses conditions dutilisation, son
environnement De plus, les mcanismes de dgradations comme la fatigue et le stress
crent des phnomnes de vieillissement. Les bases de donnes de fiabilit, en fournissant des
taux de dfaillance gnriques et constants, ne permettent pas de prendre en considration
ces particularits. Lutilisation de telles bases entrane par consquent de grandes
incertitudes quant aux rsultats des valuations fiabilistes. Nous proposons dans cet article
une modlisation des taux de dfaillance, fonction du temps, qui prend en compte les facteurs
dinfluence. Une application permet de valider le modle.
RSUM.

Mechanical systems reliability depends on design, use, physical environment

Moreover, failure mechanisms as fatigue or stress yield systems ageing. The reliability
databases are not allowed to deal with these particularities because of generic and constant
failure rates. Many uncertainties in reliability predictions can be due to the use of these
databases. A failure rate modelling is introduced in this article, and aims at tacking into
account both time and influencing factors. An example describes the methodology and is used
for assessing the model accuracy.
ABSTRACT.

taux de dfaillance, systme mcanique, facteur dinfluence, modle de Cox,

distribution de Weibull
MOTS-CLS :

KEYWORDS:

failure rate, mechanical system, influencing factor, Cox modelling, Weibull

distribution

F. Brissaud, B. Lanternier, D. Charpentier, P. Lyonnet

3me Congrs PENTOM 2007

F. Brissaud, B. Lanternier, D. Charpentier, P. Lyonnet

3me Congrs PENTOM 2007

1. Introduction
Les valuations fiabilistes des systmes mcaniques reposent sur de nombreux
paramtres dont en premiers lieux les taux de dfaillances. Par dfaut, des bases de
donnes de fiabilit sont communment utilises. Pour la plupart, ce sont des
recueils de donnes : OREDA (SINTEF, 2002), EIReDA (Procaccia H. et al., 1998),
exida (Exida L.L.C., 2005), NPRD-95 (RAC, 1995), PDS Data Handbook (SINTEF,
2002) et bien dautres, issus des retours dexprience de secteurs dactivit varis.
Les utilisateurs potentiels de celles-ci, se basent sur le fait que leurs matriels sont
sensiblement similaires et que les donnes de fiabilit de ces bases peuvent tre
transposes leurs proccupations. Or on constate que les donnes de fiabilit des
systmes tudis ne sont pas homognes, comme le laissent supposer les variations
parfois non ngligeables des taux de dfaillance entre les bases. Les causes sont
nombreuses :
les matriels ont des caractristiques qui leurs sont propres. Un mme type de
systme se dcline sous de nombreux quipements dont la fiabilit est diffrente ;
les conditions dutilisation et lenvironnement de fonctionnement varient entre
les systmes. La fiabilit des matriels mcaniques est sensible aux taux de charge,
aux modes de fonctionnement, aux sollicitations, aux modes de dfaillance pris en
considration, aux politiques de maintenance Ces diffrences sont accentues
entre les secteurs dactivit ;
faire la synthse des donnes recueillies pour chaque type de systme,
ncessite souvent de regrouper sans distinction des matriels aux proprits
intrinsques et extrinsques varies, sans distinction de caractristiques.
Lutilisation de ces bases comme donnes dentres des valuations de fiabilit
entrane par consquent de grandes incertitudes quant la pertinence des rsultats.
Le second point quil convient de noter est que toutes les bases de donnes
exposes ci-dessus ne fournissent que des taux de dfaillance constants. Toutefois,
les mcanismes de dgradations des composants mcaniques comme par exemple la
fatigue, les vibrations, la corrosion et autres stress crent des phnomnes dusure et
par consquent le systme vieillit. A cela on peut ajouter une priode de rodage qui
provoque gnralement des dfaillances chez les jeunes systmes. Tout cela amne
les taux de dfaillance des systmes mcaniques dpendre du temps. Bien quelles
y fassent allusion (OREDA, 2002), les bases de donnes nincluent pas la variable
temps.
Prenant en considration ces remarques, nous proposons dans cet article une
mthode de modlisation des taux de dfaillance, spcialement conue pour
rpondre aux caractristiques des systmes mcaniques. Les taux de dfaillance
ainsi modliss dpendront de ce que nous nommerons les facteurs dinfluence ,
et seront des fonctions du temps. La seconde partie de cet article prsente la notion
de facteurs dinfluence . Le dveloppement dun modle sera ensuite propos
dans la troisime partie puis une application illustrera la mthodologie.

Modlisation des taux de dfaillance en mcanique

2. Les facteurs dinfluence et la fiabilit

2.1. Prsentation des facteurs dinfluence
2.1.1. Dfinition gnrale et slection des facteurs dinfluence
Les facteurs dinfluence sont des lments, internes ou externes, qui ont pour
effet dagir sur la fiabilit du systme. Linfluence peut tre positive en provoquant
des rductions du nombre de dfaillances, ou au contraire, avoir des effets ngatifs
sur la fiabilit. Le terme est large et peut regrouper une quantit importante de
facteurs. Pour rpondre notre besoin de modlisation des taux de dfaillance, nous
choisirons de prendre en compte un nombre limit de facteurs. La slection se fait
selon trois critres :
il est possible de mesurer ou valuer ltat des facteurs pour chaque systme ;
les mesures ou valuations des facteurs doivent permettre de faire des
distinctions entre les systmes tudis ;
les facteurs dinfluence retenus sont suffisamment exhaustifs pour justifier
eux seuls les diffrences significatives en matire de fiabilit.
2.1.2. Classification des facteurs dinfluence
Les rfrences tudies ne font pas allusion aux mme facteurs dinfluence pour
mener bien des valuations fiabilistes. Selon la nature du systme tudi (humain,
lectrique / lectronique, mcanique), les facteurs observs ne sont gnralement pas
les mmes (facteurs humains ou organisationnels, facteurs intrinsques ou
extrinsques au systme). Aprs une tude sur les ouvrages et les mthodes
consacres aux facteurs dinfluence, nous proposons une classification de ces
derniers selon les phases de vie du systme tudi :
les facteurs de conception, de nature intrinsque comme par exemple le type du
systme, le principe de fonctionnement, les dimensions ou les matriaux utiliss ;
les facteurs lis la fabrication, le fabricant ou le procd de fabrication ;
les facteurs dus linstallation du systme, comme les techniques et les
procdures utilises dans ce but ;
les facteurs qui influent lors de lutilisation du systme, ce sont ceux relatifs
la frquence et la charge de sollicitation, aux exigences en terme de fiabilit,
lenvironnement dans lequel le systme volue ;
les facteurs de maintenance, comme par exemple la frquence des tests
prventifs, la quantit et la qualit des autres actions prventives et / ou correctives.
On peut ajouter cette liste les facteurs humains et organisationnels qui, de part
leurs natures, ont une influence gnralement plus globale sur le systme. Aven T. et
al. proposent une classification de ce type de facteurs. Dans la suite de larticle nous
nvoquerons pas ces facteurs dinfluence.

F. Brissaud, B. Lanternier, D. Charpentier, P. Lyonnet

3me Congrs PENTOM 2007

2.2. Les modles pour la prise en compte des facteurs dinfluence dans la fiabilit
2.2.1. Les facteurs dinfluence et les systmes lectriques / lectroniques
Lvaluation des taux de dfaillance pour les composants lectriques /
lectroniques a donn lieux des normes ds les annes 1960 avec la MIL-HDBK217 (U.S. DoD, 1995). Ce standard est maintenant bien connu et utilis dans la
dfense comme dans lindustrie. Pour un grand nombre de composants rfrencs,
des taux de dfaillance, constants dans le temps, sont exprims analytiquement en
fonction de paramtres dfinis. On note par exemple linfluence de la temprature,
de la tension ou de lintensit lectrique. Fondes sur le mme modle, dautres
rfrences ont vu le jour pour rpondre des domaines prcis. Dans le milieu
militaire il existe la mthodologie PRISM dveloppe pour lU.S. Air Force (RAC,
1999) et une norme chinoise, la GJB/z 299B. Pour les tlcommunications,
Telcordia, ancien Bellcore (Telcordia Technologie Inc., 2001) est la plus rpandue
mais on peut galement trouver la base RDF (UTE, 2003) et la base HRD5.
2.2.2. Les facteurs dinfluence et les systmes mcaniques
LU.S. Navy (NSWC, 1998) propose des modles sur le mme principe que la
MIL-HDBK-217 mais qui concernent des systmes mcaniques comme des vannes,
ressorts, joints, engrenages Des coefficients dinfluence sont calculs laide de
relations physiques, fonctions de nombreux paramtres comme la temprature, la
pression, des dimensions, les proprits des fluides et des matriaux etc. A chaque
facteur dinfluence est attribu un coefficient qui est ensuite multipli des taux de
dfaillance de base. Le taux de dfaillance total dun systme, suppos constant, est
exprim par la somme des taux de dfaillance de chacun de ses composants.
Sans connaissance priori sur les relations physiques qui lient les facteurs
dinfluence aux taux de dfaillance, des mthodes statistiques tentent galement
dexprimer des coefficients de correction. Lobjectif est l aussi dadapter des taux
de dfaillance gnriques lenvironnement ou aux caractristiques du systme
tudi. Le CCPS Guidelines (CCPS, 2000) et lannexe 7 du projet ARAMIS
(Debray et al., 2007) proposent succinctement quelques approches bases sur le
retour dexprience. Seuls des taux de dfaillance constants sont l aussi tudis.
2.2.3. Proposition dun modle pour les systmes mcaniques
Nous avons vu en introduction que des taux de dfaillance constants ntaient
gnralement pas adapts aux systmes mcaniques, notamment cause des
phnomnes dusure et donc de vieillissement. Aucun de ces modles rpertoris ne
permet pourtant de modliser des taux de dfaillance en fonction du temps.
Lapproche propose va donc tenter de rpondre cette exigence. Un modle fond
sur des analyses statistiques sera prfr aux modlisations physiques. Lobjectif est
de pouvoir raliser les tudes fiabilistes sans connaissance priori des relations
souvent complexes qui lient les facteurs dinfluence aux taux de dfaillance.

Modlisation des taux de dfaillance en mcanique

3. Proposition dun modle pour la modlisation des taux de dfaillance

3.1. Modliser les taux de dfaillance en fonction du temps et des facteurs

dinfluence
3.1.1. Modle gnral
Lapproche que nous proposons cherche tout particulirement modliser les
taux de dfaillance des systmes mcaniques. Pour cela il convient de rpondre aux
particularits suivantes, dveloppes dans la partie introductive :
les taux de dfaillance des systmes mcaniques ne sont gnralement pas
constants, ils doivent donc tre exprims en fonction du temps (pour certaines
applications il peut indiffremment sagir dune distance ou autre) ;
la prise en compte des facteurs dinfluence doit permettre une adquation du
taux de dfaillance avec les caractristiques internes et externes du systme.
Nous proposons un modle semi-paramtrique de la forme :

(t , Z ) 0 (t ) g ( Z )

[1]

avec :
(t,Z) le taux de dfaillance du systme, fonction du temps t et de ltat Z des
facteurs dinfluence ;
0(t) le taux de dfaillance de base du systme, fonction uniquement du temps ;
g(Z) une fonction que lon appellera fonction dinfluence et qui dpend
uniquement de ltat des facteurs dinfluence ;
3.1.2. Taux de dfaillance de base 0(t)
Nous avons vu prcdemment que les matriels mcaniques rpondaient
rarement un taux de dfaillance constant, synonyme dune distribution de
probabilit exponentielle. Ici nous proposerons une modlisation par la loi de
Weibull deux paramtres. Le taux de dfaillance de base sexprime alors ainsi :

0 (t )

[2]

avec :
le paramtre de forme, sans unit ;
le paramtre dchelle en unit de temps. On trouve parfois lexpression [2]
sous une forme qui pose le paramtre = 1/.

F. Brissaud, B. Lanternier, D. Charpentier, P. Lyonnet

3me Congrs PENTOM 2007

Cette distribution est largement rpandue dans la fiabilit des systmes

mcaniques car elle permet de modliser trois priodes de vie du systme selon la
valeur du paramtre :
une priode de rodage, dite aussi de mortalit infantile, si < 1. Le taux de
dfaillance est dcroissant en fonction du temps. Les dfaillances qui apparaissent
dans cette premire phase de vie sont classiquement dues des dfauts de
conception ou dinstallation dcouverts quune fois le systme mis en marche. La
plupart de ces dfaillances peuvent tre vites par des politiques de tests, avant la
mise en place du matriel (Rausand M., p. 21, 2004).
une phase dite de vie utile, si 1. Le taux de dfaillance est alors quasiconstant. Les dfauts matriels carts, le systme est dans sa phase de vie
principale. Les dfaillances qui surviennent durant cette priode ont pour cause des
vnements alatoires indpendants du temps et de lge du systme.
une phase dusure, si > 1. Le taux de dfaillance est croissant en fonction du
temps. Le stress, la fatigue, la corrosion etc. dtriorent le systme, ce qui accentue
la probabilit quune dfaillance est lieux durant cette priode.
Lallure du taux de dfaillance ainsi reprsent durant ces trois phases de vie, lui
donne le nom de courbe en baignoire . Les bases de donnes ne fournissent
gnralement que des taux de dfaillance de vie utile, supposs constants. Dautres
distributions comme la loi Gamma, Normale, Log-Normale, Birnbaum-Saunders,
Gaussienne inverse et autres peuvent aussi tre envisages dans le modle.
3.1.3. Fonction dinfluence g(Z)
La fonction dinfluence sera indpendante du temps. Cela implique certaines
hypothses comme le fait que les distributions des temps de vie du systme doivent
appartenir aux mmes familles paramtriques, quels que soient les tats Z des
facteurs dinfluence. Plusieurs facteurs et des plus varis pouvant entrer en jeu, Z
sera un vecteur dont les composantes {zk}k=1,,m seront indiffremment de natures
binaires, discrtes ou continues. La partie sur le codage dtaillera ce point. Le choix
dun modle de Cox pour lexpression de la fonction dinfluence est motiv par :
sa particularit dtre libre de distribution , cest dire quil peut tre
associ dans la relation [1] nimporte quelle distribution (Carroll K.J., 2003) ;
la non ncessit de connatre les relations priori qui lient les facteurs
dinfluence fiabilit du systme (le modle est purement statistique) ;
les caractristiques de codage qui permettent dutiliser des paramtres
quantitatifs, qualitatifs, une combinaison des deux, ainsi que des valeurs imprcises ;
la capacit comparer le sens et le degr dinfluence de chaque facteur par
lintermdiaire des coefficients {bk}k=1,,m dvelopps ci-aprs ;
la prdisposition prendre en compte les interactions entre les facteurs
dinfluence (ien K., 2001) ;

Modlisation des taux de dfaillance en mcanique

la possibilit dexprimer simplement le rapport entre deux taux de dfaillance,

correspondants des configurations distinctes dtats des facteurs dinfluence ;
la comptence, sous certaines conditions, dvaluer des taux de dfaillance de
systmes prsents dans des associations indites de facteurs dinfluence.
Le modle de Cox est dj propos pour ltude de la fiabilit sous vieillissement
acclr (Aug J.C. et al., 1997), et est bien rpandu dans les applications
biomdicales (Carroll K.J., 2003). Dautres modlisations comme par exemple
lutilisation des rseaux de neurones peuvent tre envisages. Ces derniers ont
nanmoins linconvnient dagir comme une boite noire (Lyonnet P. et al., 2006)
et nont pas tous les avantages du modle de Cox cits prcdemment. Nous
proposons donc une fonction dinfluence sous une des formes proposes par Cox :
m

g ( Z ) e BZ e k 1 bk zk

[3]

Avec :
m le nombre de facteurs dinfluence pris en compte dans le modle ;
B = [b1, , bm] le vecteur des coefficients du modle de Cox ;
Z = [z1, , zm] le vecteur des tats des facteurs dinfluence ;

3.2. Construction du modle propos

3.2.1. Rsum des tapes
La construction du modle que nous proposons se fait en cinq tapes :
recueil des donnes dentres, savoir les temps de bon fonctionnement avant
dfaillance ainsi que les tats des facteurs dinfluence associs, et pour chacun des
systmes observs ;
tablissement dun codage pour les tats des facteurs dinfluence ;
dtermination des paramtres de la fonction dinfluence ;
dtermination des paramtres du taux de dfaillance de base ;
synthse des rsultats.
Remarque. le choix des facteurs dinfluence et des indicateurs caractrisant leurs
tats ne seront pas dvelopps dans cet article.
3.2.2. Recueil des donnes dentres
La premire tape consiste collecter les dures de bon fonctionnement des
matriels avant leurs dfaillances : Time to Failure (TtF). On notera ces temps Ti
avec i = 1,,n o n est le nombre de donnes recueillies. Dans un premier temps
nous supposerons que ces donnes ne sont pas censures. Pour des systmes

F. Brissaud, B. Lanternier, D. Charpentier, P. Lyonnet

3me Congrs PENTOM 2007

rparables nous disposons gnralement de plusieurs TtF par matriel. Un mme

systme peut alors se voir associer plusieurs indices i.
Enfin, pour chaque releve i il convient galement de recueillir les tats des
facteurs dinfluence correspondants.
3.2.3. tablissement dun codage pour les tats des facteurs dinfluence
Afin dtre utilisables dans une modlisation de Cox, les tats des facteurs
dinfluence doivent tre cods. Pour cela il existe plusieurs possibilits :
pour les facteurs quantitatifs (pression en bar, temprature en degrs Celsius,
diamtre en cm) les valeurs de mesures peuvent tre utilises en ltat ;
pour les facteurs qualitatifs il est possible de dfinir des valeurs discrtes
associes des classes . Par exemple un type de matriel est cod par la valeur 1,
un second type par la valeur 2. Le mme principe peut tre utilis pour les origines
de fabrication, les matriaux utiliss etc. ;
pour rendre les valuations plus flexibles, les valeurs continues peuvent tre
discrtises en dfinissant des intervalles, disjoints ou non. Par exemple nous codons
avec la valeur 1 tous les systmes soumis une temprature infrieure 10C, par 2
lorsque la temprature est comprise entre 10C et 50C, et par 3 ceux dpassant les
50C. Ainsi on peut faire face deux ralits pratiques :
- les mesures sont toujours soumises un certain degr dincertitude ;
- les tats des facteurs dinfluence peuvent varier dans le temps ;
Il est tout fait possible de combiner ces diffrents codages dans un mme
modle. On notera Zi le vecteur des tats {zk}k=1,,m des facteurs dinfluence associs
au relev dindice i.
3.2.4. Dtermination des paramtres de la fonction dinfluence
Lobjectif est de dterminer le vecteur B = [b1, , bm] des coefficients du
modle de Cox, en utilisant les relevs Ti et les vecteurs dtats Zi associs. Nous
prconisons pour cela le maximum de vraisemblance de Cox. Rappelons que la
vraisemblance V* est gale au produit des contributions Vi (Lyonnet P. et al. 2006)
telles que :

(Ti , Z i )
n
e B Z i
V i 1Vi i 1
i 1
B Z
jR (T j , Z j )
e j
*

[4]

jRi

Avec :
n le nombre de recueils pour les donnes dentres ;
Ri lensemble des indices correspondants des systmes encore en
fonctionnement linstant Ti, lindice i inclut. Cest dire lensemble des indices j
tels que Tj Ti.

Modlisation des taux de dfaillance en mcanique

En passant lexpression [4] sous sa forme logarithmique, on cherchera le vecteur

B qui maximise L* tel que (Aug J.C. et al., 1997) :

L* ( B) i 1 B Z i ln jR e
i

B Z j

[5]

Des mthodes numriques permettent dobtenir la solution ce problme

doptimisation. Un test simple permet dvaluer le degr de confiance de
lestimation (Aug J.C. et al., 1997) :

m2 2 L* 0 L* B

[6]

Avec :
m la dimension du vecteur B ;
0 le vecteur nul de dimension m ;
2m qui suit une loi du Chi m degrs de libert.
Le degr de confiance se mesure alors par la probabilit rciproque de la valeur
du Chi ainsi obtenue. Une faible probabilit indique un bon degr de confiance.
A cette tape il est dj possible de calculer les rapports C(Z1,Z2) entre les taux
de dfaillance de deux tats Z1 et Z2 des facteurs dinfluence :

C Z1 , Z 2

t , Z 2 0 t e BZ 2

e BZ 2 Z1
t , Z1 0 t e BZ1

[7]

3.2.5. Dtermination des paramtres du taux de dfaillance de base

La fonction dinfluence g(Z) tant dfinie, nous cherchons maintenant exprimer
le taux de dfaillance de base 0 (t). Dans un premier temps nous proposons
dexprimer les TtF thoriques de base que lon notera T0,i. Il sagit des TtF que lon
aurait thoriquement recueilli si les fonctions dinfluence g(Zi ) ntaient pas
entres en jeu. Il est important de signaler que compte tenu de la dtermination de la
fonction g(Z), les TtF thoriques de base nont aucune signification physique.
Rappelons que si les TtF suivent une distribution de Weibull dont le taux de
dfaillance 0(t) est exprim par lquation [2], une multiplication de ce taux par le
coefficient g(Zi ) entrane thoriquement une division des TfF par g(Zi )1/. Nous
obtenons alors les relations suivantes :

Ti

T0,i

g (Z i )

T0 ,i Ti g ( Z i )

[8]

On remarque que les T0,i dpendent du paramtre , do la problmatique pour

estimer directement les paramtres et en utilisant ces T0,i dans une approche
classique comme la mthode graphique ou de rgression. Nous proposons alors une

10

F. Brissaud, B. Lanternier, D. Charpentier, P. Lyonnet

3me Congrs PENTOM 2007

estimation par le maximum de vraisemblance. Lobtention du paramtre peut alors

se faire par la rsolution numrique de lgalit suivante (Rausand M. et al., 2004) :

n i 1 T0,i ln T0,i
n
n
i 1 ln T0,i
0
n

T
0, i
n

[9]

i 1

Connaissant les Ti, linclusion de lexpression [8] dans lgalit [9] permet
dobtenir une quation une seule inconnue : . Le paramtre se calcule ensuite
directement par (Rausand M. et al., 2004) :

n T0,i
i 1

[10]

Rausand M. et al., p. 510, 2004, proposent galement certaines expressions pour

prendre en compte des donnes censures.
3.2.6. Synthse des rsultats
A cette tape nous disposons de toutes les informations ncessaires
lexpression du taux de dfaillance, en fonction du temps t et de ltat des facteurs
dinfluence Z :

(t , Z ) 0 (t ) g (Z )

* e B Z

[11]

4. Application du modle propos et discussion des rsultats

4.1. Application du modle propos

4.1.1. Prsentation de lexemple
Pour appliquer le modle que nous proposons et tre en mesure de lvaluer par
la suite, nous allons utiliser une tude de cas fictive sur des soupapes de scurit. 56
matriels sont tudis et 3 facteurs dinfluence sont pris en compte :
la pression nominale dactivation de la soupape. Nous distinguons trois
classes de matriels : 7 bars, 20 bars et 70 bars. Il ne sagit ici que de pressions
nominales, les valeurs relles tant difficiles valuer avec prcision ;
les dimensions de la soupape. On dispose de petites soupapes (que lon
appellera de catgorie A) pour des niveaux de pression allant jusqu 20 bars, des
soupapes de taille moyenne (catgorie B) pour tous types de pression, et des
soupapes plus grandes (catgorie C) pour des pressions suprieures 20 bars ;

Modlisation des taux de dfaillance en mcanique

11

suivant la dangerosit du produit retenu par les soupapes, on dfinit deux

niveaux de tolrance aux fuites externes de celles-ci : restreint et indulgent. Bien
videmment, les soupapes pour lesquels le niveau de tolrance aux fuites est
restreint sont plus souvent considres comme dfaillantes que les autres.
Nous utiliserons comme rfrence, des taux de dfaillance thoriques. Ceux-ci se
basent sur une loi de Weibull avec un paramtre de forme th = 1,7 et un paramtre
dchelle th = 18.000 heures. Des coefficients dinfluence ont ensuite t calculs
en sappuyant sur des formules de la NSWC-98/LE1 (NSWC, 1998). Utilisant ces
paramtres, des temps de bon fonctionnement avant dfaillance ont t simuls par
la mthode de Monte Carlo. Ces TtF serviront de donnes dentres notre
application. Les cinq tapes du modle sont dcrites ci-aprs.
4.1.2. Recueil des donnes dentres
Les soupapes sont numrotes de 1 56. Elles sont regroupes par quatre,
suivant les configurations nominales des facteurs dinfluence. La rpartition des
soupapes est rsume dans le tableau 1. Il convient de noter quil ne sagit que de
configurations nominales. Ainsi, et mme parmi les groupes de quatre, chaque
soupape a un taux de dfaillance qui lui est propre. Les carts de pression par
rapport aux valeurs nominales, justifient notamment le fait que les taux de
dfaillance soient particuliers chaque matriel. Sur la figure 1 les TtF simuls, en
heures, sont reprsents en tirets. Ce sont les donnes collectes qui nous serviront
dentres notre modle. A titre dinformation, les TtF moyens thoriques sont
galement prsents, en traits gris.
Tableau 1. Recueil des donnes, rpartition des soupapes par facteur dinfluence
numro de
soupape
14
58
9 12
13 16
17 20
21 24
25 28
29 32
33 36
37 40
41 44
45 48
49 52
53 56

pression nominale
7 bars
7 bars
7 bars
7 bars
20 bars
20 bars
20 bars
20 bars
20 bars
20 bars
70 bars
70 bars
70 bars
70 bars

niveau de fuite
acceptable
restreint
restreint
indulgent
indulgent
restreint
restreint
restreint
indulgent
indulgent
indulgent
restreint
restreint
indulgent
indulgent

catgorie de
dimensions
catgorie A
catgorie B
catgorie A
catgorie B
catgorie A
catgorie B
catgorie C
catgorie A
catgorie B
catgorie C
catgorie B
catgorie C
catgorie B
catgorie C

12

F. Brissaud, B. Lanternier, D. Charpentier, P. Lyonnet

3me Congrs PENTOM 2007

4.1.3. tablissement du codage pour les tats des facteurs dinfluence

Compte tenu de la situation on choisit de faire un codage de 1 3 en valeurs
discrtes. Celles-ci sont rsumes dans le tableau 2.
Tableau 2. Codage des facteurs dinfluence

pression nominale
fuite acceptable
dimensions

1
7 bars
restreint
catgorie A

2
20 bars
indulgent
catgorie B

3
70 bars
catgorie C

4.1.4. Dtermination des paramtres de la fonction dinfluence

Par maximisation du rapport de vraisemblance de lexpression [5] et en utilisant
les TtF simuls comme donnes dentres Ti, nous obtenons les coefficients
{bk}k=1,2,3 du modle de Cox, donns dans le tableau 3.
Tableau 3. Vecteur B des coefficients du modle de Cox
coefficient
valeur

b1
1,276

b2
-0,140

b3
0,901

Compte tenu de lapproche choisie pour lexpression des taux de dfaillance

thoriques, utiliss pour la simulation des TtF, la relation [6] nous confirme un trs
bon degr de confiance dans le modle de Cox. Il convient de nuancer ce rsultat par
rapport une situation moins favorable o par exemple les facteurs dinfluence ne
seraient pas tous identifis. Des coefficients obtenus, nous pouvons en dduire que
le taux de dfaillance crot en fonction de la pression et des dimensions. A loppos,
le signe ngatif du coefficient b2 nous informe logiquement quune tolrance
indulgente aux fuites de la soupape entrane une rduction du taux de dfaillance.
Daprs la relation [3] nous obtenons alors les fonctions dinfluence suivantes :

g Z i e BZ i e1, 276z1 0,140z 2 0, 901z3

[12]

4.1.5. Dtermination des paramtres du taux de dfaillance de base

Par rsolution numrique de lquation [9], puis de lgalit [10], nous obtenons
les paramtres suivants pour lexpression du taux de dfaillance de base :
= 1,784
= 165.905 heures

Modlisation des taux de dfaillance en mcanique

13

Soit, daprs la relation [2], le taux de dfaillance de base suivant :

0 t

1,784
t

165.905 165.905

0, 784

[13]

4.1.6. Synthse des rsultats

Par multiplication des expressions [12] et [13] nous modlisons les taux de
dfaillance des soupapes de scurit de notre application, en fonction du temps t et
de ltat des facteurs dinfluence Z :

1,784
t

(t , Z )

165.905 165.905

0, 784

* e1, 276z1 0,140z 2 0, 901 z3

[14]

Les TtF moyens, estims daprs la modlisation propose, sont reprsents en

traits noirs sur la figure 1. Pour rappel, le temps moyen de bon fonctionnement avant
dfaillance (MTTF) du composant numro i sexprime ici par la relation suivante :
1

MTTFi 1 g Z i

[15]

avec (.) la fonction Gamma (Rausand M. et al., p.573, 2004).

4.2. Discussion des rsultats
4.2.1. Discussion sur les paramtres du taux de dfaillance de base
Le paramtre de forme obtenu pour le taux de dfaillance de base du modle
(1,784) est proche de celui utilis pour le taux de dfaillance de base thorique (1,7).
En effet, linfluence des facteurs sur le taux de dfaillance thorique, se fait par
lintermdiaire de coefficients multiplicateurs. Ces coefficients tant indpendants
du temps, ils sont assimilables aux fonctions dinfluence du modle prsent. Ces
coefficients nont donc pas pour effet de modifier lallure des taux de dfaillance en
fonction du temps. Il est par consquent tout fait adquat dobtenir, pour notre
modle, un paramtre de forme proche de loriginal.
Le paramtre dchelle du modle dvelopp (165.905 heures) est quant lui
suprieur dun ordre de grandeur celui utilis pour les taux de dfaillance de base
thoriques (18.000 heures). On explique cela par le fait que la dtermination des
coefficients du modle de Cox est indpendante des ordres de grandeur des Ti
utiliss en donnes dentres. Seule la hirarchie des TtF est prise en compte (cf.
quations [4] et [5]). Ainsi nous obtenons des fonctions dinfluence qui, dans notre
exemple, sont dordre 10 102, alors que les coefficients de base, calculs en
sinspirant des formules de la NSWC-98/LE1, taient dordre 10-1 10. Le
paramtre qui est juste titre un paramtre dchelle, permet de corriger cet cart.

14

F. Brissaud, B. Lanternier, D. Charpentier, P. Lyonnet

3me Congrs PENTOM 2007

4.2.2. Discussion sur les temps moyens de bon fonctionnement avant dfaillance

TtF moyens thoriques

TtF simuls

TtF moyens calculs d'aprs le modle de Cox

120 000
100 000
80 000
60 000
40 000
20 000
0
1

10

11

12

13

14

15

16

[heures]
50 000
45 000
40 000
35 000
30 000
25 000
20 000
15 000
10 000
5 000
0
17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

[heures]
12 000
10 000
8 000
6 000
4 000
2 000
0
41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

Figure 1. Reprsentation des TtF moyens thoriques, des TtF simuls, et des TtF
moyens calculs daprs le modle prsent

Modlisation des taux de dfaillance en mcanique

15

La figure 1 reprsente les TtF moyens thoriques (qui ont servi lobtention des
TtF simuls) et ceux rsultants du modle que nous proposons. Tout dabord nous
remarquons que les rsultats sont cohrents, lallure gnrale est respecte. Les
valeurs obtenues par le modle semblent globalement satisfaisantes, elles sont par
ailleurs en moyenne plus proches des rsultats thoriques que les TtF simules. On
constate que ladquation avec les donnes thoriques dpend notamment de la
rpartition des temps simuls. Par exemple les TtF simuls pour les soupapes 43
48 sont suprieures aux TtF moyens thoriques, le modle de Cox suit alors une
tendance la surestimation.
4.2.3. Discussion sur lexpression des taux de dfaillance
Le taux de dfaillance de la soupape de scurit numrot 27 dans le tableau 1
est reprsent sur la figure 2 et la soupape numro 32 sur la figure 3. Les taux de
dfaillance thoriques sont reproduis en gris sur chacune des figures, ainsi que les
modlisations faites par lquation [14], en noires. Le vecteur dtats pour les
facteurs dinfluence est Z = [z1, z2, z3] = [2, 1, 3] (resp. [2, 2, 1]) pour la soupape
numro 27 (resp. 32), en accord avec le codage tabli. Nous avons, de plus, illustr
en tirets une modlisation des taux de dfaillance qui poserait comme hypothse
lhomognit des soupapes, cest dire qui ne prend pas en compte les facteurs
dinfluence. Cette dernire estimation, donne uniquement titre de comparaison,
est une loi de Weibull paramtre directement laide des TtF simules, elle est
donc identique toutes les soupapes.
taux de dfaillance thorique
taux de dfaillance exprim par le modle de Cox
taux de dfaillance exprim sans les facteurs d'influence

[dfaillances / heure]
9,00E-04
8,00E-04
7,00E-04
6,00E-04
5,00E-04
4,00E-04
3,00E-04
2,00E-04

Figure 2. Reprsentation du taux de dfaillance de la soupape numro 27

48 000

45 000

42 000

39 000

36 000

33 000

30 000

27 000

24 000

21 000

18 000

15 000

12 000

9 000

6 000

[heures]

3 000

1,00E-04
0,00E+00

16

F. Brissaud, B. Lanternier, D. Charpentier, P. Lyonnet

3me Congrs PENTOM 2007

Sur la figure 2, nous constatons une trs bonne adquation du taux de dfaillance
exprim par notre modle, avec le taux de dfaillance thorique. Une estimation qui
ne prendrait pas en compte les facteurs dinfluence (reprsentation en trait gris)
impliquerait dans cet exemple une erreur importante et dans ce cas prcis une sousestimation du taux de dfaillance. Mme sil ne sagit que dun exemple, il est ais
de vrifier que ladquation entre les taux de dfaillance estims par le modle, et
les valeurs thoriques, est globalement respecte et ce, pour lensemble des
soupapes tudies. Les carts les plus importants sont observs pour les mmes
configurations o les TtF moyens estims daprs le modle sont les plus distants
des TtF moyens thoriques (cf. soupapes 29 36 et 41 48 sur la figure 1). Mme
dans ces cas extrmes, les estimations qui prennent en compte les facteurs
dinfluence par le modle de Cox respectent mieux lallure et lordre de grandeur
des taux de dfaillance thoriques.
taux de dfaillance thorique
taux de dfaillance exprim par le modle de Cox
taux de dfaillance exprim sans les facteurs d'influence

[dfaillances / heure]
1,20E-04
1,00E-04
8,00E-05
6,00E-05
4,00E-05

48 000

45 000

42 000

39 000

36 000

33 000

30 000

27 000

24 000

21 000

18 000

15 000

12 000

9 000

[heures]

6 000

0,00E+00

3 000

2,00E-05

Figure 3. Reprsentation du taux de dfaillance de la soupape numro 32

Dans un cas moins favorable comme pour la soupape numro 32 (figure 3), nous
observons par exemple une surestimation du taux de dfaillance. Par rapport une
modlisation qui ne prendrait pas en compte les facteurs dinfluence, le modle que
nous proposons fournit dans un premier temps une meilleure estimation. Ensuite, et
mme si lallure nest pas respecte, la tendance est inverse. Suivant les politiques
de maintenance, lestimation du taux de dfaillance dun matriel dans ses premires
phases de vie est souvent la plus importante. Au bout dune certaine dure de vie,
des actions de maintenance prventives sont en effet gnralement planifies.

Modlisation des taux de dfaillance en mcanique

17

5. Conclusion
Nous avons vu dans cet article que lutilisation des taux de dfaillance
gnriques comme donnes dentre pour les valuations fiabilistes des systmes
mcaniques donnaient lieux de nombreuses incertitudes, notamment parce que les
bases de donnes ne fournissent quexclusivement :
des valeurs moyennes, qui ne refltent pas les disparits parfois importantes
entre les systmes, par exemple cause des caractristiques intrinsques et
extrinsques des matriels ;
des taux de dfaillance constants, qui ngligent en particulier les phnomnes
dusure auxquels sont gnralement soumis les composants mcaniques.
Nous proposons par consquent une modlisation des taux de dfaillance qui :
prend en compte les facteurs dinfluence auxquels sont soumis les systmes ;
est fonction du temps.
Pour rpondre ces objectifs, le modle qui a t prsent dans cet article
combine un taux de dfaillance de base, dpendant du temps, avec une fonction
dinfluence, base sur le modle de Cox. Dans une dmarche gnrale nous avons
propos une distribution de Weibull pour lexpression du taux de dfaillance de
base. Celle-ci a lavantage dtre mme de modliser la dure de vie dun systme
qui vieillit ou qui est en priode de rodage. Il nest nanmoins pas exclu dadapter la
dmarche propose nimporte quelle autre distribution.
Le modle de Cox a quant lui des avantages pratiques certains. Parmi ceux-ci
on note que le modle est purement statistique et quaucune connaissance sur les
phnomnes physiques lorigine de linfluence des facteurs nest ncessaire. De
plus, la souplesse dans le codage permet de faire face aux valeurs quantitatives et /
ou qualitatives, imprcises et parfois mme variables, dont nous pouvons disposer.
Nanmoins, comme toutes exploitations statistiques, ladquation du modle de Cox
est fortement lie la quantit et la qualit des informations dont nous disposons
pour ltude.
Lapplication dveloppe a montr comment, dans des conditions favorables en
terme de donnes dentres, le modle propos permet dexprimer de faon trs
adquate les taux de dfaillance des systmes mcaniques. Sous ces conditions,
lutilisation du modle permet de mener bien une valuation fiabiliste, et ce de
faon bien plus prcise que lutilisation conventionnelle des bases de donnes ou
mme que dune analyse statistique qui ne prendrait pas en compte les facteurs
dinfluence.

18

F. Brissaud, B. Lanternier, D. Charpentier, P. Lyonnet

3me Congrs PENTOM 2007

6. Remerciements
Les auteurs tiennent remercier le Laboratoire dvaluation des quipements
lectriques (LEEL) de lInstitut national de lenvironnement industriel et des risques
(INERIS). Nous remercions galement et tout particulirement le Ministre de
lcologie et du Dveloppement Durable qui finance nos recherches.

7. Bibliographie
Aug J.C., Lallement J., Lyonnet P., Reliability of mechanical components accelerated
testing and advanced statistical methods, Advances in Safety and Reliability : ESREL97,
vol. 3, Lisbon, 17-20 June 1997, Lisbon, Editions C. Guedes Soares, pp. 1859-1868.
Aven T., Sklet S., Vinnem J.E., Barrier and operational risk analysis of hydrocarbon releases
(BORA-Release), Journal of Hazardous Materials, vol. 137, 2006, pp. 681-691.
Center for Chemical Process Safety (CCPS), CCPS Guidelines for Chemical Process
Quantitative Risk Analysis, 2nd ed., 2000.
Cox D.R., Regression models and life tables, Journal of the Royal Statistical Society, series
B, vol. 34, no. 2, 1972, pp. 187-220.
Debray B., Piatyszek E., Cauffet F., Londiche H., ARAMIS DIC, Appendix 7 Frequencies
data for the fault tree, 2007.
Exida L.L.C., Electrical & Mechanical Component Reliability Handbook, 2005.
Carroll K.J., On the use and utility of the Weibull model in the analysis of survival data,
Controlled Clinical Trials, vol. 24, 2003, pp. 682-701.
Lyonnet P., Toscano R., Maisonneuve P.L., Lanternier B., Modlisation de la fiabilit des
macro-composants mcaniques partir de modles mathmatiques et de rseaux de
neurones, comparaisons des mthodes , Proceedings of 24 th Machinery Vibration,
Reliability and Maintenance, 25-27 octobre 2006, Montral, CMVA.
Naval Surface Warfare Center (NSWC), NSWC-98/LE1, Handbook of Reliability Prediction
Procedures for Mechanical Equipment, 1998.
SINTEF, Reliability Data for Safety Instrumented Systems, PDS Data Handbook, 2006
Edition, 2006.
SINTEF industrial management, Offshore Reliability Data (OREDA), 4th edition, 2002.
ien K., A framework for establishment of organizational risk indicators, Reliability
engineering and System Safety, vol. 74, 2001, pp. 147-167.
Procaccia H., Aufort P., Arsenis S., The European Industry Reliability Data Bank (EIReDA),
Third Edition, 1998.
Rausand M., Hyland A., System Reliability Theory, Models, Statistical Methods, and
applications, Second Edition, New Jersey, Editions Wiley, 2004.

Modlisation des taux de dfaillance en mcanique

19

Reliability Analysis Center (RAC), Nonelectronic Parts Reliability Data 1995 (NPRD-95),
1995.
Reliability Analysis Center (RAC) for the U.S. Air Force, PRISM methodology, 1999.
Telcordia Technology Inc., Telcordia standard, Reliability Procedure for Electronic
Equipment, 2001.
Union Technique de lElectricit (UTE), RDF 2003 : Reliability Data Handbook, 2003.
United States Department of Defense (DoD), MIL-HDBK-127, Reliability Prediction of
Electronic Equipment, 1995.