Fiabilité des Structures

Dr H. Bournine

1
 Le Programme
I. Introduction a la fiabilité
II. Analyse des Risques
III. Premier approche de fiabilité
IV. Rappel de probabilités et statistiques et simulation de Mont Carlo
V. Cas élémentaire, résistance sollicitation
VI. Transformation iso probabiliste et calcules de l’indice de fiabilité
VII. Approximation de la probabilité de défaillance
VIII.Coefficients partiels et dimensionnement
IX. Application Industriels

2
Chapitre 1: Introduction a la fiabilité

3
 Introduction :

Les défauts, les défaillance,

les catastrophes
Les causes?

4
 La solution

Analyse des risques et de la fiabilité des

structures

5
Engineering cycle

6
Approche probabiliste

7
 Définition de la fiabilité

the science and technology of the margin between safety and disaster_ Pr
Roberts
Les méthodes d'analyse de la fiabilité sont basées sur les analyses de
sensibilité aux variables et d'incertitudes qui affectent ces variables.

L’ objet de déterminer le degré de sécurité d'une structure en contexte

aléatoire, c'est à dire de calculer sa probabilité de défaillance, en
tenant compte des incertitudes du problème.

8
 Définition de la fiabilité
La fiabilité (reliability) peut être définie comme le complémentaire de la
probabilité de rupture (Unreliability) . C’est un moyen de mesurer du
degré de sécurité de l'ouvrage.

U(t)=1-R(t)

9
Causes de défaillance des structures
c) Erreurs humaines

 à la conception

 à la fabrication

 à l'exploitation

10
Causes de défaillance des structures
a) Conditions de fonctionnement normal
– Surcharge : Le poids, la vitesse etc.

– Problèmes de matériaux:
• Les contrainte résiduelles des processus de traitement,
• Les imperfections …etc.

– Vieillissements dus à des mécanismes de dégradation physiques

• Corrosion,
• Fatigue…

11
Causes de défaillance des structures
b) Conditions irrégulière (accidentelles)

– Causes accidentelles
• incendie
• explosion…

– Événements naturels
• Séisme
• tempête…

12
 Origine des incertitudes
Quatre sources majeures d'incertitudes peuvent être identifiées :
 les éléments d'environnement (vent, courant, charges d'exploitation)
 les données géométriques et mécaniques caractérisant la structure ;
 les données géotechniques (caractéristiques du sol et interaction avec
la structure) ;
 le caractère imparfait des modèles théoriques utilisés pour représenter
les phénomènes (idéalisations, imperfections, mauvaise compréhension
des problèmes, etc..) 

13
 Mesures a prendre
il y a deux types de mesures permettant de réduire le risque ou les effets de
défaillance :

A. Mesures préventives, destinées à diminuer la probabilité de défaillance :

 prise en compte à la conception,
 facteurs de sécurité,
 ...

B.  Méthode d’optimisation de la maintenance par la fiabilité ou reliability

centered maintenance

14
Retour d'expérience
insuffisant 

analyse de fiabilité
des structures

15
 Objectif de l'analyse de fiabilité des
structures
déterminer la probabilité d'un événement indésirable pouvant
se produire sur une période horizon spécifiée

l'événement indésirable peut être

ola défaillance
ole non-respect des critères d'acceptabilité
ola rupture ou un état limite.

16
 Probabilité de défaillance Pf 

La probabilité de défaillance est calculée à un horizon fixé (ex: 10 ou 20 ans)

Un calcul ne concerne qu'un seul mécanisme de vieillissement, or une

structure connaît généralement plusieurs mécanismes de dégradation. Il faut
donc réaliser plusieurs analyses de fiabilité des structures pour une même
structure.

17
Chapitre 2: Analyse des Risques

18
 Introduction

le danger est une propriété intrinsèque d’une substance, d’un équipement,

d’une situation, d’un système susceptible de causer des dommages aux
personnes, aux biens ou à l’environnement

le risque résulte de la probabilité d’occurrence d’un dommage résultant

d’une exposition à un danger. C’est la résultante de deux paramètres :
la probabilité et gravité.

19
 Le risque
Un risque est un événement dont l’occurrence est incertaine
et dont la réalisation affecte les objectifs de l’entreprise qui le
subit.

– le risque résulte de la probabilité d’occurrence d’un dommage

résultant d’une exposition à un danger. C’est la résultante de deux
paramètres : la probabilité et gravité.

Risque = f( Probabilité ∗ Gravité)

Plus la probabilité et la gravité sont élevées, plus le risque l’est

Aussi.

20
 La gravite
La gravité de l’incident C est valorisée celons les conséquence
engendrées

Par exemple:
Economique: une devise,
Humaine: fatalité humaine,
Environnemental émission de carbone, contamination possible …etc

21
 Le bute de l’analyse du risque
La gestion du risque va consister à prendre toutes les dispositions
possibles pour minimiser le risque. Pour cela, on peut soit
supprimer l’exposition au danger, soit agir sur la gravité et/ou la
probabilité, composantes du risque.

22
 Le cumule du risque
Si la probabilité d’occurrence d’un dommage P et la gravité de l’incident C, le
risque R est défini comme

R=P⋅C

Mais dans le cas de plusieurs incident (événement) probable Le risque devient

n: le nombre d’évènement probable

23
Le cadre de travail dans l’analyse du risque

L’identification des Modélisation Evaluation des

risques et probabiliste des conséquence et de
incertitudes événement leur acceptation

La réduction du
risque ou sa
mitigation

Amélioration du
savoir

24
Le bute de l’analyse du risque

Évaluation du risque en fonction de la probabilité et de la gravité

25
 Analyse de risque

La défaillance
mécanique
Risque de fatalité

Echec Risque
opérationnel économique Décision

Risque
environnemental

La défaillance
structural

26
 Définition de
critères

Implémentation de Identification du
système
l’analyse du risque Identification des scénarios
d’évènement: Que peut il
arriver?
Les raisons et Les remèdes

Analyse des Analyse de

conséquences probabilité

Identification des Analyse de

scénarios de risque sensibilité

Analyse des
risques

Surveillance et Traitement des

27
itération risques
Implémentation de l’analyse du risque
Identification du système:
Le système doit être décrit et toutes les simplifications adoptées dans l’analyse
identifiées et clairement listées

Identification des scénarios d’évènement:

3 étapes sont établies:

1. Décomposition du système en un nombre de components et sous systèmes

2. Identifier touts les risque qui existe avec chaque component
3. L’identification des causes et conséquences de chaque risque

Les méthodes d’identification

• Preliminary Hazard Analysis (PHA)
• Failure Mode and Effect Analysis (FMEA)
• Failure Mode Effect and Criticality Analysis (FMECA)
• Hazard and Operability Studies (HAZOP)
28
Implémentation de l’analyse du risque
Analyse des conséquences:
Les conséquences typique sont:
économiques, perte de vie et environnementales.
Une bonne analyse des conséquences demande une bonne compréhension du
système et ses relation avec son entourage et la on sollicite l’avi des experts

Analyse de probabilité:
L’évaluation de la probabilité pour chaque component ou est en général basée sur
l’analyse de fiabilité des structures
L’information est primordiale mais les incertitudes sont très courantes

Identification des scénarios de risque:

Quand les conséquences et les probabilités sont identifiées le risque peut être
calculé et les scenarios peuvent être listés par ordre de contribution

29
Implémentation de l’analyse du risque
Traitement des risques
Le risque calculé est donc comparé a ce qui est accepté dans les critères déclaré
initialement. Si 4 méthodes pour agir

Mitigation du risque: Le système est modifié de manière a éradiquer le risque

entièrement : les routes, un pond pour éviter les collisions au intersection ou moins
drastique, les feux de circulation

Réduction du risque: soit en réduisant les conséquences et/ou la probabilité. On

général sa demande une modification physique du système en question

Transfère du risque: Une assurance par exemple

Acceptation du risque: dans le cas ou rien ne peut être fait, l’acceptation peut être
une option

30
 Quantitative Risk Analysis (QRA)

L’arborescence d’analyse des événements: Event Tree Analysis (ETA)

L’arborescence d’analyse des défaillances: Fault Tree Analysis (FTA)

La matrice des risques: Risk matrix

31
 Event Tree Analysis (ETA)

L’arborescence d’analyse des défaillances: Fault Tree Analysis (FTA)

La matrice des risques: Risk matrix

32
 Event Tree Analysis (ETA)
Initialisation Arrosage Humains
Propagation
d’évènement défaillant coincés

Fatalités

Perte de
matériel

Début Feu éteint

Incendie

Pas de feu

33
Fault Tree Analysis (FTA)

34
 Fault Tree Analysis (FTA)
Glissement Pane de Pneus usés
Vitesse Santé Obscurité
P=0.01 freins P=0.0001
P=0.1 P=0.01 P=0.01
P=0.001

OU P=0.12 OU P=0.0111

Le conducteur de la Le conducteur de la
ruelle ne s’est pas ruelle ne pouvait pas
arrêté s’arrêté

OU P=0.131
P=0.01
Un véhicule a Le véhicule de la ruelle
l’intersection ne s’arrête pas

ET P=0.001

Accident 35
 Exercice
Elaborer un exemples d’analyse des risques sur un système de votre choix,
1. Lister tous les mécanismes de défaillances possibles
2. Elaborer des FTA pour définir les causes de chaque défaut
3. Elaborer des ETA pour définir les conséquences possibles de chaque défaut

36
Initiation à la fiabilité des
Structures
 Sureté de fonctionnement (Dependability)
 Fiabilité. la probabilité d’un système à accomplir une fonction dans des
conditions d’utilisation requise (par le cahier de charge) et pendant un temps
donné.

R(t) = P(Entité non défaillante sur la durée [0 t])

 Maintenabilité. Aptitude d’un système à être remis dans un état de

fonctionnement donné, dans des limites de temps spécifiées, lorsque le travail est
effectué selon des procédures prescrites et des conditions données.

M(t) = P(Entité en panne a t=0 et réparé sur [0 t])

 Disponibilité. Aptitude d’un système à accomplir une fonction requise dans des
conditions d’utilisation données, à un instant un temps donné (instantanée).

A(t) = P(Entité non défaillante a l'instant t)

Sureté de fonctionnement (Dependability)

 Disponibilité. A(t) = P(Entité non défaillante a l'instant t)

 Lorsque l'entité n'est pas réparable, on a A(t) = R(t).

 lorsque l'entité est réparable, le théorème des probabilités totales donne

A(t + dt) = P(entité en fonctionnement a t et sans défaillance entre t et

t+dt) +P(entité en panne a t et réparée entre t et t+dt)
Dans le cas de distribution exponentielle

 Sécurité. Propriété d’un système de présenter, pour son environnement et pour

lui même, un risque, déterminé en fonction des dangers potentiels inhérents à sa
réalisation et à sa mise en œuvre, qui ne soit pas supérieur à un risque convenu.
Fiabilité Vs disponibilité
 Fiabilité
Fiabilité. la probabilité d’un système à accomplir une fonction dans des
conditions d’utilisation requise (par le cahier de charge) et pendant un temps
donné.

– R(t) = P(Entité non défaillante sur la durée [0 t])

– Valeur comprise entre 0 et 1

– Trois types
• Prévisionnelle (architecture du système et fiabilité des composants)
• Expérimentale (essais en laboratoire)
• Opérationnelle (utilisation, retour d’expérience)
 Durée de vie utile d'un équipement
L’expérience montre que l’on peut définir trois périodes dans la vie d’un
équipement :

le début de vie, qui voit survenir des pannes précoces liées le plus souvent à une
malfaçon d'origine, pannes qui sont normalement éliminées par un rodage
(wear-in) ;

le milieu de vie, ou vie utile, qui comporte peu de pannes, de taux constant, 
dont l'apparition reste imprévisible et inéluctable, et pour lesquelles il n'y a donc
pas de mesures préventives possibles ;

la fin de vie , qui voit une recrudescence du nombre de pannes dues à l'usure
(wear-out), et dont l'apparition peut-être évitée par remplacement préventif des
pièces usées (maintenance préventive).
Durée de vie utile d'un équipement
l(t) Jeunesse vie utile usure

période de défaillance période de période de

précoce (faute t
défaillance a défaillance
production, taux constant d’usure
d’exploitation …)

l(t) est la fonction de panne par rapport au temps  

 Fonction Fiabilité Exponentielle
La fiabilité (reliability) est la 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. Donc, si on exprime la
probabilité que la durée de vie T dépasse le temps t (Ou
R(t ) est la probabilité d'être encore en ordre de marche au bout du temps t).

R(t ) = P ( T > t )

En probabilité, cette fonction est une répartition d’une densité qui définit la
proportion des pièces qui ont exactement une durée de vie de T

f(t) = P( t=T)

Et donc la fiabilité R(t) peut etre

Cette définition correspond à la fonction densité de probabilité

  
 Fonction Fiabilité Exponentielle
La fiabilité (reliability) est la 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. Donc, si on exprime la
probabilité que la durée de vie T dépasse le temps t (Ou
R(t ) est la probabilité d'être encore en ordre de marche au bout du temps t).

R(t ) = P ( T > t )

En probabilité, cette fonction est une répartition d’une densité qui définit la
proportion des pièces qui ont exactement une durée de vie de T

f(t) = P( t=T)

Dans le cas d’une distribution exponentielle:

R(t ) = et
 Taux de panne
Le taux de pannes:
C’est nombre de pièces qui succombent à la défaillance sur le nombre de pièces
fonctionnels en temps réel. Mathématiquement, il s’écrit comme suit :
Taux de pane = f(t)/R(t)

Pour une distribution exponentielle

f(t)/R(t)=(l) taux de panne (nombre de pannes par unité de temps)

1/l = temps moyen avant panne  (MTF)

Remarque importante :  lorsque la fonction fiabilité est une somme de fonctions

exponentielles,  on a alors :
 Taux de panne
Le taux de pannes:
C’est la proportion des pièces qui succombent à la défaillance sur le nombre de
pièces fonctionnels en temps réel. Mathématiquement, il s’écrit comme suit :
Taux de pane = f(t)/R(t)
Pour une distribution exponentielle
f(t)/R(t)=(l) taux de panne (nombre de pannes par unité de temps)

Dans le cas d'un grand nombre d'équipements identiques fonctionnant

simultanément, cette probabilité représente donc le taux d'équipements
tombant en panne à l'instant t .

Cette remarque est très importante :   la fonction exponentielle  n'implique, en

aucune façon,  une notion  d'usure de matériel  ou de diminution d'une
grandeur, et il faut garder présent à l'esprit que la probabilité de panne entre t
et t+dt reste constante et égale à ldt quel que soit t (ce processus n'a pas de
"mémoire").
Durée de vie utile d'un équipement
A. en mécanique.
B. en électromécanique.
C. en électronique.

48
Taux de défaillance de composants mécanique
Les composants mécaniques sont soumis, dès le début de leur vie, au phénomène
d’usure ou de vieillissement. Si on trace la courbe du taux de défaillance, en fonction
du temps, on obtient une courbe qui ne présente pas le plateau (en milieu de vie d’un
taux de défaillance constant) est réduit. Le taux de défaillance du dispositif est
une fonction non linéaire du temps et ceci dans chaque phase de sa vie

49
Evolution des coûts en fonction de la fiabilité

50
 Systèmes indépendants
Si le system est en série, la défaillance d’un élément engendre la défaillance du
système, en dit que sa défaillance total est l’union des défaillances de tout les
éléments, i.e.

Si le system est en parallèle, la défaillance du système exige la défaillance de

chaque élément, en dit que sa défaillance total est l’intersection des défaillances
de tout les éléments, i.e.
 Un montage en "série"
On désigne ainsi tout montage dont chacun des éléments n le constituant est
essentiel à son bon fonctionnement (aucune redondance).

On dira que ces éléments sont " en série " du point de vue de la fiabilité. C’est
comme dans Circuit électrique en série.

Soient    les taux de panne de chacun des composants de ce système

Pour que ce montage soit encore opérationnel à l'instant t, il faut et il suffit que
chacun de ses composants le soit.

Sa fiabilité sera donc le produit des fiabilités élémentaires

 
 Un montage en «parallèle »  
le système est fonctionnel dès qu’un seul composant est fonctionnel.)
 Systèmes mutuellement exclusifs
Si le system est en série, la défaillance d’un élément engendre la défaillance du
système, en dit que sa défaillance total est l’union des défaillances de tout les
éléments, i.e.

Si le system est en parallèle, la défaillance du système exige la défaillance de

chaque élément, en dit que sa défaillance total est l’intersection des défaillances
de tout les éléments, i.e.
 Taux de panne d'un montage
Le taux de panne d’un montage  série est la somme des taux de panne
élémentaires : 

De même le temps moyen avant panne d’un montage série sera : 

En parallèle: c’est une autre question, le taux de défaillance doit se calculer au cas
par cas
 Notion de maintenabilité (maintainability)
Aptitude d’un système à être remis dans un état de fonctionnement dans des limites de
temps spécifiées,

M(t) = P(Entité en panne a t=0 et réparé sur [0 t])

L’expérience pratique montre qu’en matière de recherche et réparation des pannes, les plus
nombreuses sont les plus courtes, avec une durée qui s’allonge avec la complexité de la panne
(et aussi parce que le personnel de maintenance maîtrise moins bien les pannes qu’il
rencontre rarement).

En classant les pannes par nature et en relevant leur durée, on voit que l’on peut
approximativement assimiler la distribution des durées de réparation à une exponentielle.

On définira la maintenabilité par la probabilité d’avoir terminé la réparation avant l’instant t

m est le nombre moyen de réparations par unité de temps .

 Notion de maintenabilité (maintainability)

La probabilité d'être encore en réparation à l'instant t sera donc égale à  

La durée moyenne de réparation MTR sera donc donnée par :

 Disponibilité (availability)
Lorsqu’un système en fonctionnement continu peut-être réparé une fois tombé en panne, des
nouvelles notions apparaissent :

la durée moyenne de la panne  système  :            qui est  égale au MTR unitaire lorsque l'on
ne dispose que d'un seul réparateur pour l'ensemble des unités redondantes ;

le temps moyen (stationnaire) entre pannes :       

l'indisponibilité moyenne :
 Disponibilité (availability)
 
la disponibilité moyenne :

le temps moyen avant la première panne du système  :

 Améliorer la fiabilité
Une bonne fiabilité s'obtient par :
l'emploi des composants les plus fiables, donc en général les plus chers
des temps de réparation les plus courts possibles, donc une réalisation modulaire plus
coûteuse, mais simplifiant le diagnostic des pannes et permettant le dépannage par
substitution d'un sous-ensemble (qui sera ou non réparé ensuite en atelier)
une formation plus poussée du personnel de maintenance
l'utilisation d'architectures redondantes lorsque les efforts précédents ne suffiront pas à
obtenir le temps moyen entre pannes (MTBF) et la disponibilité recherchés.

•Ce qui entraîne des surcoûts.

Mais les pannes ont aussi un coût très élevé, voire dans certains cas inacceptable: la
décision finale quant aux spécifications de fiabilité d'un équipement en projet ne sera donc
pas seulement technique, mais aussi financière, voire même politique.
Quoiqu'il en soit, un préalable nécessaire est de savoir calculer la fiabilité des solutions
concurrentes, afin de disposer de toutes les données nécessaires à la décision : c'est l'objectif
de ce résumé.
 Systèmes non réparable
On désigne ainsi les systèmes dont la panne a un caractère définitif (ex : système embarqué
inaccessible).

Calcul élémentaire du MTFs

1) Redondance parallèle active
Lorsque le taux de panne prévisionnel d’un système simple est incompatible avec la mission à
remplir car trop élevé, on peut imaginer une configuration redondante, constituée de deux
systèmes fonctionnant simultanément, et telle qu’un quelconque d’entre eux peut encore
assurer la mission après panne de l’autre. La panne définitive ne survient alors qu’avec la
panne de l’élément resté en fonctionnement.

La fonction infiabilité « unreliability » est donc dans ce cas le produit des « unreliability » de
chaque sous-système, et donc la fiabilité sera donnée par :
Les lois de fiabilité

62
 Lois de Fiabilité discrètes
Les lois de probabilités les plus utilisées dans le calcul de la fiabilité des systèmes
sont:

A. Les lois discrètes dans le cadre de la collecte et analyse des données

La loi binomiale
La loi de poisson

B. Les lois continues sont plus utilisées dans la prédiction du comportement des
structures et phénomènes complexes
La loi exponentielle
La loi normale
La loi Weibull

63
 Lois de Probabilité discrètes
Une loi est dite discrète si elle prend ses valeur dans N c’est à dire des valeurs entières
comme par exemple celle qui compte le nombre de pannes.
Parmi les lois discrètes on peut citer :

1. Loi Uniforme
La fonction de fiabilité est définie par l’expression suivante :

n : est le nombre de valeurs différentes prises par la variable aléatoire.

2. Loi de Bernoulli
Soit un univers constitué de deux éventualités, 1 pour succès et 0 pour échec = {0, 1} sur
lequel on construit une variable aléatoire discrète, « nombre de succès »
L’expression de la fonction s’écrit :
P (X = 0) = q
P (X =1) = p (II.2)
(p + q = 1)

64
 Lois de Fiabilité discrètes
3. Loi Binomiale
une loi binomiale de paramètres n et p est une loi de probabilité qui correspond à une
expérience aléatoire à deux issues possibles, généralement dénommées respectivement
« succès » et « échec », la probabilité d'un succès étant p.

(n  0) : Nombre d’épreuves et (0  p  1): probabilité de succès

La moyenne et la variance d’une

loi Binomiale est comme suit:

E(Y) = np et Var(Y)= np(1-p)

La figure adjacente montre la

distribution d’une loi binomiale

65
 Lois de Fiabilité discrètes
3. Loi Binomiale
Exemple1:
Un fournisseur prétend que 95% des items de son catalogue sont au stock a tout moment.
Une demande de 20 items a reçu 17 et 3 ne se trouvés pas au stock.
Est-ce que la déclaration du fournisseur est toujours valide?
Exemple2
La probabilité de réussite d ’une mission d ’un système est égale à 0,95
• Quelle est la probabilité que 8 systèmes sur 10, identiques au précédent, accomplissent
leur mission
 Lois de Fiabilité discrètes
4. Loi de Poisson
Une variable aléatoire x suit une loi de « Poisson » si elle peut prendre les valeurs
entières 0, 1, 2, 3…..n. La probabilité pour que x soit égal à n est :

Avec λ le paramètre de la poisson ( différent du taux de défaillance)

La moyenne et la variances
de la distribution de poisson
E(X)= l and Var(X)= l.

67
 Lois de Fiabilité discrètes
Loi de Poisson

Exemple:
Si 0.04% des véhicules tombent en panne en conduisant dans un certain tunnel.
Trouve la probabilité que 2 voitures sur 2000 vont tomber en panne en une journée.
Remarque: pour des testes ou n est très large et p est très petit l=np

Exemple:
– Un dispositif a un taux de défaillance l=0,0005 pannes/heure.
– Sur une durée de fonctionnement cumulée de t=1000h, quelle est la probabilité
d’observer deux défaillances.

68
 Lois de fiabilité continues
Répartition exponentielle
Elle est caractérisée par une densité  

La probabilité d'apparition de l’événement avant t est donc

et la probabilité de non-apparition de l'événement avant t est

L’intégrale      est donc le temps moyen écoulé avant

apparition de l’événement.
Cette loi s'applique pour la durée de vie utile représentée dans la courbe en
baignoire.  S’applique sur: Files d’attentes, Durée de vie de dispositifs
électroniques, désintégration radioactive.
 Lois de fiabilité continues
loi exponentielle: Densité

Répartition
 Lois de fiabilité continues
Loi normale:
la loi normale ou de Gauss a deux paramètres N(m, σ ) avec m la moyenne et σ
l‘écart type.

La densité de probabilité est

La fonction de répartition (La probabilité d'apparition de l’événement avant t) est

donc

F(t)=

Cette loi s'applique a de nombreux phénomènes (incertitude sur les mesures ou

des fabrications par exemple).
 Lois de fiabilité continues
Loi normale: Densité

Répartition
 Lois de fiabilité continues
Loi Log-normale
une variable aléatoire est distribuée suivant une loi log-normale si son
logarithme est distribue selon une loi normale. La densité de probabilité est

f(t) =

La fonction de répartition (La probabilité d'apparition de l’événement avant t) est

donc

Cette loi est souvent utilisée pour représenter les durées de réparation des
composants ou les incertitudes dans la connaissance d'une donnée de sureté de
fonctionnement.
 Lois de fiabilité continues
La loi de Weibull
cette loi dépend de 3 paramètres et permet de représenter un grand nombre de
distributions expérimentales.

h : paramètre d ’échelle (ou de durée de vie)

b : paramètre de forme (ou de distribution)
g : origine des temps Loi normale
Les conditions suivantes s’appliquent dans les cas de fiabilité
h > 0, b > 0 et t > g .
et une densité

Donc sa répartition est de la forme suivante

 Lois de fiabilité continues
La loi de Weibull
 La loi de Weibull
La loi de Weibull

Le taux de défaillance de la loi de Weibull est:

En fonction des valeurs prises par b, on peut retrouver des lois classiques
– De plus:

. b = 1 ⇒loi exponentielle ⇒ l constant

. b < 1 ⇒l(t) décroissant ⇒ période de jeunesse
. b > 1 ⇒l(t) croissant ⇒période d’usure
 Résumé des lois de fiabilités
Il y a un nombre de distribution qu’on adopte dans l’analyse de fiabilité
Loi application loi loi normale loi de Weibull
aléatoire fiabilité exponentielle

Fonction Densité de
de défaillance
densité
f(t)

Fonction Probabilité
de de
répartitio défaillance
n

Taux de
défaillance l f(t)/R(t)
 Rappel. probabilité
loi exponentielle loi normale

f(t)

P(t)
 Références

https://books.google.dz/books?id=qI2-BfcdQfcC&redir_esc=y
http://www.weibull.com/hotwire/issue26/relbasics26.htm
http://www-pub.iaea.org/MTCD/publications/PDF/te_1590_web.pdf
http://www1.eere.energy.gov/femp/pdfs/omguide_complete.pdf
https://books.google.dz/books?
id=QlnOBQAAQBAJ&pg=PR19&lpg=PR19&dq=Maintenance,+Replacement,
+and+Reliability:+Theory+and+Applications.+Andrew+K.S.+Jardine,+Albert+H.C.
+Tang&source=bl&ots=nuiTLBhWlh&sig=J-
pH4vyQjo0kt6d8Py8UzrHQxp8&hl=fr&sa=X&ved=0CCkQ6AEwAWoVChMIvq_O8YWXyAI
VxlgUCh20SAUx#v=onepage&q&f=false
Maintenance, Replacement, and Reliability: Theory and Applications, 

79