Академический Документы
Профессиональный Документы
Культура Документы
KEYWORDS:
distribution
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.
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.
(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/.
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 ;
(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.
L* ( B) i 1 B Z i ln jR e
i
B Z j
[5]
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]
Ti
T0,i
g (Z i )
T0 ,i Ti g ( Z i )
[8]
10
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]
(t , Z ) 0 (t ) g (Z )
* e B Z
[11]
11
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
pression nominale
fuite acceptable
dimensions
1
7 bars
restreint
catgorie A
2
20 bars
indulgent
catgorie B
3
70 bars
catgorie C
b1
1,276
b2
-0,140
b3
0,901
[12]
13
0 t
1,784
t
165.905 165.905
0, 784
[13]
1,784
t
(t , Z )
165.905 165.905
0, 784
[14]
MTTFi 1 g Z i
[15]
14
4.2.2. Discussion sur les temps moyens de bon fonctionnement avant dfaillance
TtF simuls
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
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
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
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
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.
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
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.
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.