CHAPITRE TROIS

APPLICATION À LA FIABILITÉ DES THÉORÈMES DE PROPABILITÉ

D’un point de vue probabiliste, la fiabilité est la probabilité qu’un système n e soit pas
défaillant de manière continue pendant l’intervalle de temps [0, t]. Pour calculer la fiabilité
d’un système, on doit en premier lieu définir un modèle. Les modèles les plus utilisés dans la
littérature sont les modèles combinatoires, les modèles basés sur les chaînes de Markov et les
modèles basés sur les réseaux de Pétri.
On s’intéresse dans notre cours aux modèles combinatoires, qui utilisent le diagramme de blocs
ou l’arbre de fautes pour déterminer la fiabilité totale du système. Ce calcul est réalisé à partir
d’une analyse quantitative par évaluation des probabilités d'occurrence de défaillances
élémentaires.

3.1 VARIABLE ALÉATOIRE

On appelle variable X, une variable telle qu’à chacune des valeurs 𝑥 de X on puisse associer une
probabilité F(x): 𝑋 ∶ {𝑥1 , 𝑥2 ,∙∙∙, 𝑥𝑖 ,∙∙∙, 𝑥𝑛 } ⇒ 𝐹 (𝑥𝑖 )
Une variable aléatoire peut être:
- Continue, qui peut prendre n’importe quelle valeur réelle (ensemble des nombres réels)
appartenant à un intervalle donné.
Exemple: intervalle de temps entre deux défaillances consécutives (t1, t2)
- Discrète (discontinue), qui peut prendre n’importe quelle valeur entière (ensemble des
nombres naturels).
Exemple: nombre de défaillances d’un composant
3.2 FONCTION DÉFAILLANCE ET FONCTION DE FIABILITÉ
3.2.1 FONCTION DE DENSITÉ
Soit une loi de probabilité relative à une variable aléatoire continue t. Elle est caractérisée par
la fonction de densité f(t) ou encore densité de probabilité. Cette fonction peut être obtenue
à partir de données de durées de vie du système observées depuis le début de son exploitation.
La fonction de densité f(t) a les propriétés suivantes:
 𝑓 (𝑡) > 0
∞
 ∫0 𝑓 (𝑡) ∙ 𝑑𝑡 = 1

 f(t).dt exprime la probabilité que le système tombe en panne entre t et t+dt:

𝑓(𝑡) ∙ 𝑑𝑡 = 𝑃𝑟𝑜𝑏{𝑡 < 𝑑𝑢𝑟é𝑒 𝑑𝑒 𝑣𝑖𝑒 < 𝑡 + 𝑑𝑡} (3-1)

Figure 3.1. Densité de probabilité

3.2.2 FONCTION DE DISTRIBUTION

Soit F(t) la fonction de distribution (répartition) associée à la variable aléatoire t:
∞
𝐹 (𝑡) = ∫0 𝑓 (𝑥 ) ∙ 𝑑𝑥 (3-2)

Figure 3.2 Fonction de répartition

F(t) étant la probabilité qu’un dispositif choisi au hasard ait une défaillance avant l’instant t:
𝐹 (𝑡) = 𝑃𝑟𝑜𝑏{0 < 𝑑𝑢𝑟é𝑒 𝑑𝑒 𝑣𝑖𝑒 < 𝑡} (3-3)

1) Propriétés de la fonction de répartition

 F(t)∈[0, 1] pour tout t ∈ R,
 F est une fonction croissante,

 lim 𝐹(𝑡) = 0et lim 𝐹(𝑡) = 1,

𝑡→−∞ 𝑡→+∞
𝑏
 Pour tout 𝑎 < 𝑏 dans ℝ, 𝐹(𝑏) − 𝐹(𝑎) = 𝑃𝑟𝑜𝑏[𝑎 ≤ 𝑡 ≤ 𝑏] = ∫𝑎 𝑓(𝑡) ∙ 𝑑𝑡

La probabilité P(a≤x≤b) correspond à l’aire du domaine situé sous le graphe de 𝑓 entre les
abscisses a et b.

Figure 3.3 Probabilité P(a≤x≤b)

3.2.3 FONCTION DE DISTRIBUTION

Soit R(t) la fonction de fiabilité du système, elle exprime la probabilité que le système survive
jusqu’à l’instant t.
𝑅(𝑡) = 𝑃𝑟𝑜𝑏{𝑑𝑢𝑟é𝑒 𝑑𝑒 𝑣𝑖𝑒 ≥ 𝑡} (3-4)
∞
𝑅(𝑡) = ∫𝑡 𝑓(𝑥 ) ∙ 𝑑𝑥 = 1 − 𝐹 (𝑡) (3-5)

Figure 3.4 Fonction de distribution

3.2.4 TAUX DE DÉFAILLANCE INSTANTANÉ

Pour évaluer la fiabilité d’un système, il est nécessaire de savoir comment ce dernier devient
défaillant dans le temps: la loi de survie le précise.
Considérons un matériel dont on étudie la fiabilité. Soit Z la variable aléatoire qui à chaque
matériel associe son temps de bon fonctionnement. On choisit un de ces matériels au hasard.
Soit les événements suivants:
A "Le matériel est en état de bon fonctionnement à l’instant t"
B "Le matériel est défaillant à l’instant t+∆t"
On a alors:
𝑃(𝐴) = 𝑃(𝑇 > 𝑡) et 𝑃(𝐵) = 𝑃(𝑇 ≤ 𝑡 + ∆𝑡)
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝑡 < 𝑇 < 𝑡 + ∆𝑡)
= 𝐹(𝑡 + ∆𝑡) − 𝐹(𝑡)
= (1 − 𝑅(𝑡 + ∆𝑡)) − (1 − 𝑅(𝑡))
Soit:
𝑃(𝐴 ∩ 𝐵) = 𝑅(𝑡) − 𝑅(𝑡 + ∆𝑡) (3-6)
On en déduit que:
𝑃(𝐴∩𝐵) 𝑅(𝑡)−𝑅(𝑡+∆𝑡)
𝑃(𝐵 ∕ 𝐴) = = (3-7)
𝑃(𝐴) 𝑅(𝑡)

L’écriture mathématique du taux de défaillance λ(t) à l’instant t, défini dans ℝ, est la suivante:
1 𝑅(𝑡)−𝑅(𝑡+∆𝑡)
𝜆(𝑡) = lim ( ∙ ) (3-8)
∆𝑡→0 ∆𝑡 𝑅(𝑡)

Physiquement λ(t).∆t mesure la probabilité qu’une défaillance d’un dispositif se produise dans
l’intervalle de temps [t, t+∆t] sachant que ce dispositif a bien fonctionné jusqu’à l’instant t:
𝑑𝑅(𝑡) 1
𝜆(𝑡) = − ∙ (3-9)
𝑑𝑡 𝑅(𝑡)

La fonction λ(t) représente la proportion de pièces défaillantes par unité de temps.

Si on veut déterminer R(t), on est amené à résoudre une équation différentielle du 1er ordre,
λ est supposé connu:
𝑑𝑅(𝑡)
+ 𝜆(𝑡)𝑅(𝑡) = 0 (3-10)
𝑑𝑡
On a donc:
𝑡
𝑅(𝑡) = 𝑒 − ∫0 𝜆(𝑡)∙𝑑𝑡 (3-11)
Dans le cas particulier λ(t)= λ= constant:
𝑅(𝑡) = 𝑒 −𝜆𝑡 (3-12)

2.2.5 TEMPS MOYEN DE BON FONCTIONNEMENT

Le MTBF (Mean Time Between Failure) est souvent traduit comme étant la moyenne des temps
de bon fonctionnement mais représente la moyenne des temps entre deux défaillances
consécutives. En d’autres termes, il correspond à l’espérance de la durée de vie t.
∞
𝑀𝑇𝐵𝐹 = ∫0 𝑅 (𝑡) ∙ 𝑑𝑡 (3-13)
Physiquement, le MTBF peut être exprimé par le rapport des temps:
𝑆𝑜𝑚𝑚𝑒 𝑑𝑒𝑠 𝑡𝑒𝑚𝑝𝑠 𝑑𝑒 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑛𝑒𝑚𝑒𝑛𝑡 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑑é𝑓𝑎𝑖𝑙𝑙𝑎𝑛𝑐𝑒𝑠
𝑀𝑇𝐵𝐹 = (3-14)
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑 ′ 𝑖𝑛𝑡𝑒𝑟𝑣𝑒𝑛𝑡𝑖𝑜𝑛𝑜𝑢 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑎𝑛𝑛𝑒𝑠
Si λ est constant:
1
𝑀𝑇𝐵𝐹 = (3-15)
𝜆
3.3 LOIS DE PROBABILITÉ UTILISÉES EN FIABILITÉ
Le choix de la loi utilisée pour modéliser la fiabilité dépend de la vitesse de défaillance
(constant, accéléré, etc.). On distingue 2 types: les lois continues et les lois discrètes.

3.3.1 LOIS DE PROBABILITE CONTINUES

Le tableau 3.1 résume quelques lois de probabilités de type continu:
Tableau 3.1 Quelques lois de probabilités continues

Loi et symbole Densité

1
Loi uniforme U[a,b] 𝑓(𝑥) =
𝑏−𝑎
1 (𝑥−𝜇)2
−
Loi normale N(μ,σ2) 𝑓(𝑥) = ∙𝑒 2𝜎 2
𝜎√2𝜋

Loi exponentielle exp(λ) 𝑓(𝑥) = 𝜆𝑒 −𝜆𝑥

𝛽
𝛽 𝑥 − 𝛾 𝛽−1 −(𝑥−𝛾 )
Loi de Weibull W(η,β) 𝑓(𝑥) = ∙( ) 𝑒 𝜂
𝜂 𝜂

D’autres lois de probabilité continues peuvent être rajoutées telles que la loi du Khi deux, la loi
Gamma, la loi logistique, la loi de Cauch, la loi Bêta, la loi de Fisher, etc…

3.3.2 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.
Une liste de lois discrètes peut être présentée dans le tableau suivant.
En raison de la complexité des lois citées précédemment, on n’étudiera que celles qui sont
largement employées dans le calcul de la fiabilité des systèmes.
Tableau 3.2 Quelques lois de probabilités discrètes

Loi de X Fonction de probabilité de X

Bernouli B(p) 𝑃𝑟 (𝑋 = 𝑘) = 𝑝𝑘 (1 − 𝑝)1−𝑘

Binomiale B(n,p) 𝑃(𝑘) = 𝑃(𝑋 = 𝑘) = 𝐶𝑘𝑛 𝑝𝑘 (1 − 𝑝)𝑛−𝑘

Géométrique G(p) 𝑃𝑟 (𝑋 = 𝑘) = 𝑝𝑘 (1 − 𝑝)1−𝑘

𝜆𝑘 −𝜆
Poisson P(λ) 𝑃(𝑘) = 𝑃(𝑋 = 𝑘) = ∙𝑒
𝑘!
3.3.3 LOI EXPONENTIELLE
Une variable aléatoire T suit une loi exponentielle de paramètre t si sa densité de probabilité
f(t) est donnée par:
𝑓(𝑡) = 𝜆𝑒 −𝜆𝑡 (3-16)
D’où:
𝐹 (𝑡) = 1 − 𝑒 −𝜆𝑡 (3-17)
𝑅(𝑡) = 1 − 𝐹 (𝑡) = 𝑒 −𝜆𝑡 (3-18)
La moyenne des temps de fonctionnement (MTTF) ou de bon fonctionnement (MTBF), un
important estimateur de la fiabilité et de la disponibilité des systèmes ainsi que quelques
paramètres se calculent par:
∞ ∞ 1
 𝑀𝑇𝑇𝐹 = 𝑀𝑇𝐵𝐹 = ∫0 𝑅(𝑡) ∙ 𝑑𝑡 = ∫0 𝑒 −𝜆𝑡 ∙ 𝑑𝑡 = 𝜆
1
 La variance, 𝜎 2 = 𝜆2
1
 L’espérance, 𝐸(𝑡) = 𝑀𝑇𝐵𝐹 = 𝜆

 La durée de vie associée à un seuil de fiabilité, elle est déduite de la loi exponentielle:
1 1
−𝜆𝑡 = 𝑙𝑛(𝑅(𝑡)), soit: 𝑡 = 𝑙𝑛(𝜆 ∙ 𝑅(𝑡)), d’où: 𝑡 = ∙ 𝑙𝑛 ( )
𝜆 𝑅(𝑡)

3.3.4 Loi de Weibull

C’est la plus répandue des lois dans la caractérisation en termes de fiabilité des systèmes dans
plusieurs domaines. L’expression correspondant à la loi de Weibull recouvre en fait toute une
famille de lois, en particulier la loi exponentielle (β=1) et de la loi normale (β=3).
La densité de probabilité f(t) est donnée par:
𝑡−𝛾 𝛽
𝛽 𝑡−𝛾 𝛽−1 −( )
𝑓(𝑡) = ∙ ( ) 𝑒 𝜂 (3-19)
𝜂 𝜂
et:
𝑡−𝛾 𝛽
−( )
𝑅(𝑡) = 𝑒 𝜂 (3-20)
Cette fonction dépend des 3 paramètres β, 𝜂 et 𝛾.

 Paramètre de forme (β)

Il est strictement positif, il contrôle l’allure globale de la courbe de f(t).
On distingue 3 cas:
β<1: phase de jeunesse avec défaillances (généralement des défauts de fabrication ou de
montage), le taux de défaillances est décroissant.
 Figure 3.5 Impacte de β sur les variations de la densité de Weibull
β=1: phase de maturité avec défaillances aléatoires, elle correspond à un taux de défaillance
constant, c’est-à-dire on retrouve la distribution exponentielle.
β>1: phase de vieillesse avec apparition d’un mode de défaillance prédominant caractérisé par
β. Le taux de défaillance est croissant.

Figure 3.6 Impacte de β sur les variations du taux de défaillance

 Paramètre d’échelle (η)

Également strictement supérieur à zéro, ce paramètre contrôle l’étirement de la distribution
sur l’axe des temps, Il correspond à MTBF dans le cas où β=1 et 𝛾=0.

 Paramètre de localisation (γ)

Nommé aussi paramètre de décalage ou de position, il s’exprime en unité de temps. Il indique
une période sans défaillance possible ou la date de l’apparition de défaillance.
Le taux de défaillance s’exprime par la relation suivante:
𝛽 𝑡−𝛾 𝛽−1
𝜆(𝑡) = ∙ ( ) (3-21)
𝜂 𝜂

Figure 3.7 Impacte de η sur les variations de la densité de Weibull

 Figure 3.8 Impacte de γ sur les variations de la densité de Weibull
La distribution de Weibull est souvent utilisée dans le domaine de l’analyse de la durée de vie
car elle caractérise le comportement du système dans les trois phases de vie. Grâce à sa
flexibilité, elle permet de représenter au moins approximativement une infinité de lois de
probabilité.

3.3.5 LOI BINOMIALE

Si une défaillance a une probabilité P de survenir, la probabilité de la voir apparaître k fois en
n essais est:
𝑃(𝑘) = 𝑃(𝑋 = 𝑘) = 𝐶𝑘𝑛 𝑝𝑘 (1 − 𝑝)𝑛−𝑘 (3-22)
P(X=k): Probabilité pour que la défaillance se produise k fois.
p: Probabilité pour que la défaillance se produise au cours d’un seul essai.
𝐶𝑘𝑛 : nombre de combinaisons de k défaillances pris parmi n essais.

Remarques
1. Un dispositif a une probabilité P d’être défaillant, donc 1-P d’être en bon fonctionnement.
2. Nous sommes en présence d’une loi discrète puisque la variable aléatoire k ne peut prendre
que des valeurs entières.
3. L’espérance mathématique est égale au produit np
4. La variance s’exprime par: 𝑉 (𝑥 ) = 𝑛 ∙ 𝑝 ∙ (1 − 𝑝)

5. L’écart type s’écrit comme: 𝐸 (𝑥 ) = √𝑛 ∙ 𝑝 ∙ (1 − 𝑝)

Exercice
8 composants électroniques identiques et indépendants sont mis en service simultanément. La
probabilité pour qu’un composant soit encore en fonctionnement au bout d’un an est de 0.7.
Quelle est la probabilité pour qu’au bout d’un an il y ait encore 4 composants en
fonctionnement? au moins 4?
Solution
Soit la variable aléatoire X qui désigne le nombre de composants électroniques encore en
service au bout d’un an. X suit une loi binomiale B (8, 0.7)
- 𝑃(𝑋 = 4) = 𝐶48 0.74 (1 − 0.7)8−4 = 0.136
- 𝑃(𝑋 ≥ 4) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3)]
= 1 − [0.38 + 𝐶18 × 0.7 × 0.37 + 𝐶28 × 0.72 × 0.36 + 𝐶38 × 0.73 × 0.35 ] = 0.942

3.3.6 LOI DE POISSON

Si le nombre moyen d'occurrences dans un intervalle de temps fixé est λ, alors la probabilité
qu’il existe exactement k occurrences (k étant un entier naturel, k = 0, 1, 2…) est:
𝜆𝑘
𝑃(𝑘) = 𝑃(𝑋 = 𝑘) = ∙ 𝑒 −𝜆 (3-23)
𝑘!

e étant la base de l’exponentielle (e≈2,718...), k! est la factorielle de k et λ est un nombre réel

strictement positif.
On dit alors que X suit la loi de Poisson de paramètre λ, noté 𝑋∼Pois(λ)
Actuellement, on utilise la loi de Poisson beaucoup dans les télécommunications (pour compter
le nombre de communications dans un intervalle de temps donné), etc…

3.3.7 FIABILITÉ DES SYSTÈMES MULTI COMPOSANTS

Nous avons étudié précédemment la fiabilité d’un système à composant unique, mais lorsque
nous travaillons avec des systèmes réels non réparables (mécaniques, électroniques ou
autres) composés de plusieurs composants (multi composants), nous sommes confrontés à des
contraintes différentes suivant le type de montage que nous avons.
Au contraire du cas d’un système à composant unique, la défaillance du système est la
conséquence d’une suite de défaillances de sous-ensembles de composants bien définis. Deux
méthodes sont utilisées pour évaluer la fiabilité des systèmes multi composants, les plus
fréquemment utilisés sont le diagramme de blocs (RBD) et l’arbre de fautes.

1) Méthode du diagramme de blocs

La méthode du diagramme de fiabilité est une représentation graphique du système et de la
fiabilité, elle a été créée en 1960 dans le domaine de la sécuritée, elle est aussi appelée
méthode du diagramme de succès (en anglais, Reliability Block Diagram, RBD). Cette méthode
s’adapte bien aux systèmes non réparables (simples ou complexes), cependant pour les
systèmes réparables, les conditions d’application sont très restrictives.
Ainsi, le système est représenté sous forme d’un diagramme de blocs, chaque bloc représente
un composant. Les blocs sont vus comme un switch qui est fermé quand le composant est en
bon état et ouvert quand il est défaillant. Un diagramme comporte une entrée et une sortie.
Le système est considéré en bon fonctionnement si un circuit réussit à traverser le diagramme
de l’entrée à la sortie.
Cette méthode permet la qualification de la fiabilité et la disponibilité du système, mais sans
signification physique du système.

 Calcul de fiabilité
Les deux hypothèses principales de l’étude des systèmes multi composants (réels non
réparables) sont H1: La panne d’un composant est indépendante des autres et H2: Pas de
pannes arrivant conjointement.
5 topologies principales sont à citer.

 Topologie série
On dit qu’un système est un système série si le bon fonctionnement du système nécessite le
bon fonctionnement des tous ses composants simultanément. C’est-à-dire si un seul des

composants est en panne alors le système global est en panne. La représentation d’un système
série en BDC nécessite que tous les composants sont liés successivement de l’entrée vers la
sortie, comme le montre la figure ci-dessous.

Figure 3.9 Représentation série d’un système

La fiabilité du système est calculée à travers la probabilité P(S) de la non défaillance des sous-
systèmes Si telle que:
𝑃(𝑆) = 𝑃(𝑆1 ∩ 𝑆1 ∩∙∙∙∩ 𝑆𝑖 ∩ 𝑆𝑛 ) (3-24)
En supposant que les composants soient indépendants, c’est-à-dire 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵),
cette probabilité est transférée au produit de fiabilité de tous les composants:
𝑃(𝑆) = 𝑃(𝑆1 ) ∙ 𝑃(𝑆2 ) ∙∙∙ 𝑃(𝑆𝑖 ) ∙∙∙ 𝑃(𝑆𝑛 ) (3-25)
En temps réel, on obtient:
𝑅𝑠 = 𝑅1 𝑅2  ∙∙∙ 𝑅𝑛
𝑅𝑠 = ∏𝑛𝑖=1 𝑅𝑖 (3-26)
Rs et Ri étant respectivement la fiabilité du système et du composant i.

 Topologie parallèle
Contrairement au système précédent, le système continue à fonctionner si au moins un
composant fonctionne (typiquement les systèmes de redondance dans les avions, les fusées
ou les centrales nucléaires).

Figure 3.10 Représentation parallèle d’un système

Pour calculer la fonction fiabilité d’un système parallèle à n éléments, il est plus aisé de passer
par la fonction de défaillance F.
𝐹 = 1 − 𝑅 = 1 − 𝑃(𝑆) = 𝑃(𝑆̅)
𝐹 = 𝑃(𝑆1̅ ) ∙ 𝑃(𝑆2̅ ) ∙∙∙ 𝑃(𝑆𝑖̅ ) ∙∙∙ 𝑃(𝑆𝑛̅ ) = 𝐹1 ∙ 𝐹2 ∙∙∙ 𝐹𝑖 ∙∙∙ 𝐹𝑛
𝐹 = (1 − 𝑅1 ) ∙ (1 − 𝑅2 ) ∙∙∙ (1 − 𝑅𝑖 ) ∙∙∙ (1 − 𝑅𝑛 )
𝑅𝑠 = 1 − (1 − 𝑅1 ) ∙ (1 − 𝑅2 ) ∙∙∙ (1 − 𝑅𝑖 ) ∙∙∙ (1 − 𝑅𝑛 )
𝑅𝑠 = 1 − ∏𝑛𝑖=1(1 − 𝑅𝑖 ) (3-27)
 Topologie série/parallèle et parallèle/série à configuration symétrique
Ce sont simplement des compositions simples des deux premiers systèmes étudiées
précédemment.

Figure 3.11 Représentation série/parallèle d’un système

 Figure 3.12 Représentation parallèle/série d’un système
Les expressions de la fiabilité des systèmes série et parallèle étant celles données en (3-26) et
(3-27), la composition des deux aboutit trivialement dans le cas d’une topologie
série/parallèle à l’expression suivante de la fiabilité:
𝑅𝑠 = 1 − ∏𝑚 𝑚 𝑛
𝑗=1(1 − 𝑅𝑗 ) = 1 − ∏𝑗=1(1 − ∏𝑖=1 𝑅𝑖,𝑗 ) (3-28)
Alors que dans le cas d’une topologie parallèle/série:
𝑅𝑠 = ∏𝑛𝑖=1 𝑅𝑖 = ∏𝑛𝑖=1(1 − ∏𝑚
𝑗=1(1 − 𝑅𝑖,𝑗 )) (3-29)

 Topologie complexe
Ils nécessitent simplement une petite maîtrise des axiomes de probabilité. L’exemple suivant
est un filtre RLC en cascade dénommé "réseau avec bridge".

Figure 3.13 Système pont

Nous pouvons avancer que la présence du composant 5 rend le système complexe, nous
pouvons alors considérer une première approche qui consiste à décomposer le problème.
Ainsi, par rapport au composant 5, le système sera soit dans l’état 1 s’il est défectueux avec
une loi de densité probabilité:
𝐹5 = 1 − 𝑅5 (3-30)

Figure 3.14 État 1 du système par rapport au composant 5

Le calcul de la fiabilité selon les résultats du système complexe série/parallèle aboutit à:
𝑅𝑠1 = 1 − ∏2𝑗=1(1 − ∏2𝑖=1 𝑅𝑖,𝑗 ) = 1 − (1 − 𝑅1 𝑅2 ) ∙ (1 − 𝑅3 𝑅4 ) (3-31)
Soit dans l’état 2 s’il est fonctionnel avec une loi de densité probabilité 𝑅5.

Figure 3.15 État 2 du système par rapport au composant 5

Le calcul de la fiabilité selon les résultats du système complexe parallèle/série aboutit à:
𝑅𝑠2 = ∏2𝑗=1(1 − ∏2𝑖=1 𝑅𝑖,𝑗 ) = (1 − (1 − 𝑅1 )(1 − 𝑅3 ))(1 − (1 − 𝑅2 )(1 − 𝑅4 )) (3-32)
Comme le système ne peut pas être dans les deux états en même temps, nous avons affaire à
une probabilité disjointe, soit la somme des densités auxquelles nous devons associer les autres
composants. Dès lors nous avons:
𝑅𝑠 = (1 − 𝑅5 )[1 − (1 − 𝑅1 𝑅2 )(1 − 𝑅3 𝑅4 )] + 𝑅5 [1 − (1 − 𝑅1 )(1 − 𝑅3 )(1 − (1 − 𝑅2 )(1 − 𝑅4 ))] (3-33)

2) Arbre de défaillances
Un arbre de défaillances, aussi appelé arbre de pannes ou arbre de fautes (en anglais, Fault
Tree Analysis, FTA) est une technique d’Ingénierie très utilisée dans les études de sécurité et
de fiabilité des systèmes statiques. C’est un diagramme déductif qui va de l’effet vers la cause
et qui a pour objet de rechercher toutes les combinaisons de défaillances élémentaires
(primaires) pouvant déboucher vers une panne.
L’arbre de fautes est constitué de plusieurs niveaux où chaque nœud d’un niveau supérieur
représente une combinaison de deux ou plusieurs événements liés aux nœuds de niveau
inférieur. Les feuilles de l’arbre représentent les événements élémentaires qui peuvent causer
la défaillance d’un système et la racine de l’arbre représente l’événement de défaillance du
système. Donc, la probabilité que le système défaille est la probabilité d’atteindre la racine de
l’arbre à partir de ses feuilles.

o Démarche de la méthode
La méthode de l’arbre de défaillance comprend une partie qualitative, qui correspond à la
construction de l’arbre et la recherche des coupes minimales, et une partie quantitative qui
vise à évaluer les probabilités d’occurrence au niveau des événements élémentaires, des
coupes minimales et au niveau de la défaillance.

Construction de l’arbre
Construire un arbre revient à répondre à la question "comment une telle défaillance peut-elle
arriver?" ou "quels sont les scénarios (enchaînements d’événements) possibles qui peuvent
aboutir à cette défaillance?".
Un arbre de défaillance est généralement présenté de haut en bas.
- Évènement sommet: Il est défini dans la ligne la plus haute, il comporte uniquement la

défaillance appelée aussi événement redouté ou encore événement non souhaité, que l’on
cherche à analyser,
- Évènements intermédiaires: Il convient de décrire la combinaison d’évènements pouvant

conduire à l’évènement sommet. Un évènement intermédiaire peut être, à son tour,

redéfini par d’autres évènements intermédiaires plus détaillés,
- Évènements de base: Les évènements de bases sont les évènements les plus fins de l’arbre,

il ne sera pas possible de les détailler davantage, ils concernent la défaillance (électrique,
mécanique, logiciel,…) d’un élément du système,
- Connecteurs logiques: Dans un arbre de défaillance, chaque ligne détaille la ligne supérieure

en présentant la combinaison ou les combinaisons susceptibles de produire l’événement de

la ligne supérieure auquel elles sont rattachées. Ces relations sont présentées par des liens
logiques OU ou ET.

o Symbolisme
L’arbre de défaillance utilise un symbolisme connu des circuits logiques. On parle aussi de
logigramme de dépannage.

Figure 3.16 Différents symboles

o Quantification des probabilités d’occurrence
Une étude probabiliste peut avoir deux objectifs:
1. L’évaluation rigoureuse de la probabilité d’occurrence de l’évènement redouté.
2. Le tri de scénarios critiques (en partant des coupes minimales de plus fortes probabilités)
- La probabilité d’occurrence de l’événement E, s’il peut résulter de A "ou" B (indépendants)
est la somme des probabilités d’occurrence de A et B diminuée de leur produit, ce qui peut
se formuler ainsi:
𝑃(𝐸 ) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴) ∙ 𝑃(𝐵) (3-34)
- La probabilité d’occurrence (d’apparition) de l’événement E, s’il peut résulter de A "et" B
(indépendants) est le produit des probabilités d’occurrence de A et B, ce qui peut être formulé
par:
𝑃(𝐸 ) = 𝑃(𝐴) ∙ 𝑃(𝐵) (3-35)
- Quand on combine des probabilités d’occurrence d’événements intermédiaires qui ont
dans leur décomposition des éléments de base communs, il faut veiller à ne pas les compter
deux fois, par exemple: Si A, B et C sont indépendants.
𝑃[(𝐴 𝑒𝑡 𝐵) 𝑒𝑡 (𝐴 𝑒𝑡 𝐶 )] = 𝑃(𝐴) ∙ 𝑃(𝐵) ∙ 𝑃(𝐶 ) (3-36)

o Théorème de Poincaré
Soit 𝐸𝐼 = 𝑋 ∪ 𝑌 ∪ 𝑍 avec X, Y et Z des coupes minimales.
𝑃(𝐸𝐼) = 𝑃(𝑋 ∪ 𝑌 ∪ 𝑍)
𝑃(𝐸𝐼) = 𝑃(𝑋 ∪ 𝑈)
𝑃(𝐸𝐼) = 𝑃(𝑋) + 𝑃(𝑈) − 𝑃(𝑋) × 𝑃(𝑈)
Avec:
𝑈 =𝑌∪𝑍
𝑃(𝑈) = 𝑃(𝑌) + 𝑃(𝑍) − 𝑃(𝑌) × 𝑃(𝑍)
Remplaçons (𝑈) dans l’expression de P(EI):
𝑃(𝐸𝐼) = 𝑃(𝑋) + 𝑃(𝑌) + 𝑃(𝑍) − 𝑃(𝑌) × 𝑃(𝑍) − 𝑃(𝑋) ∙ [𝑃(𝑌) + 𝑃(𝑍) − 𝑃(𝑌) × 𝑃(𝑍)]
𝑃(𝐸𝐼) = 𝑃(𝑋) + 𝑃(𝑌) + 𝑃(𝑍) − 𝑃(𝑋) × 𝑃(𝑌) − 𝑃(𝑋) × 𝑃(𝑍) − 𝑃(𝑌) × 𝑃(𝑍) + 𝑃(𝑋) × 𝑃(𝑌)
× 𝑃(𝑍)
Généralisation
𝑃(𝐸𝐼 ) = ∑𝑖 𝑃(𝑋𝑖 ) − ∑𝑖,𝑗 𝑃(𝑋𝑖 )𝑃(𝑌𝑗 ) + ∑𝑖,𝑗,𝑘 𝑃(𝑋𝑖 )𝑃(𝑌𝑗 )𝑃(𝑍𝑘 ) (3-37)
3.4 EXERCICE D’APPLICATION
Sur la figure ci-dessous, on représente le schéma de la commande d’un moteur électrique.
1. Compléter l’arbre de défaillance correspondante, définir X, Y, Z, H.
2. Calculer la probabilité d’occurrence de l’événement sommet sachant que:
P(Z)=P(X)=0
P(Y)=P(moteur défaillant)=0.2
P(protection bloquée)=0.1
P(fil coupé)=0.01

Figure 3.14 Schéma de commande d’un moteur électrique

Solution
1. X: commande bloquée, Y:fil coupé, Z: batterie défaillante, H:pas de liaison+moteur
2. 𝑃(𝐻) = 𝑃(𝑝𝑟𝑜𝑡. ) + [𝑃(𝑋) + 𝑃(𝑌) − 𝑃(𝑋) ∙ 𝑃(𝑌)] − 𝑃(𝑝𝑟𝑜𝑡. ) ∙ [𝑃(𝑋) + 𝑃(𝑌) − 𝑃(𝑋) ∙ 𝑃(𝑌)]
= 0.1 + [0.2 + 0.2 − 0.2 × 0.2] − 0.1 × [0.2 + 0.2 − 0.2 × 0.2] = 0.424
𝑃(𝑝𝑢𝑖𝑠𝑠. ) = 𝑃(𝐻) + 𝑃(𝑓𝑖𝑙 𝑐𝑜𝑢𝑝é) − 𝑃(𝐻) ∙ 𝑃(𝑓𝑖𝑙 𝑐𝑜𝑢𝑝é)
= 0.424 + 0.01 − 0.424 ∙ 0.01 = 0.429
Car: "fil coupé" correspond à "pas de liaison moteur"
𝑃(𝑚𝑜𝑡. 𝑎𝑟𝑡. ) = 𝑃(𝑝𝑢𝑖𝑠𝑠. ) + 𝑃(𝑚𝑜𝑡. 𝑑é𝑓. ) − 𝑃(𝑝𝑢𝑖𝑠𝑠. ) ∙ 𝑃(𝑚𝑜𝑡. 𝑑é𝑓. )
= 0.429 + 0.2 − 0.429 ∙ 0.2 = 0.5432

Figure 3.15 Arbre de la défaillance "moteur arrêté"

EXERCICES
EXERCICE 1
Une photocopieuse se compose de 3000 composants connectés en série ayant tous la même fiabilité
R=0.9998.
1) Calculer la fiabilité de l’ensemble.

2) Refaire le calcul avec un nombre de composants divisé par 2.

3) Déterminer la fiabilité R' de chaque composant si on souhaite une fiabilité globale de 80% avec les

3000 composants.

EXERCICE 2
Un système est constitué de trois composants A, B et C connectés en parallèle de même fiabilité
R=RA=RB=RC=0.75.
1) Déterminez la fiabilité de l'ensemble.
2) Quel nombre de composants en parallèle faudrait-il
mettre pour avoir une fiabilité globale de 99.9%?
3) Quelle devrait être la fiabilité R' de chacun de ces composants Si on souhaite obtenir une fiabilité
globale de 99% avec trois composants seulement?

EXERCICE 3
Le système suivant est composé de trois dispositifs en parallèle connectés entre eux en série. On donne
les fiabilités respectives des composants dans le tableau.
Déterminez la fiabilité globale de système.

Composant A1 A2 A3 B1 B2 B3 C1 C2 C3

Fiabilité 0.75 0.88 0.91 0.87 0.89 0.93 0.96 0.97 0.98

EXERCICE 4
Un système de production se compose de 4 machines connectées en série et dont les taux de
défaillances, pour 1000 heures, sont respectivement: 0.052, 0.059, 0.044 et 0.048. Quelle est la
probabilité pour que le système arrive sans défaillance à 4000 heures. Déterminer le MTBF du
système.

EXERCICE 5
Un composant électronique de puissance a un taux de panne constant de 0.333 pour 1000 heures de
fonctionnement (une défaillance chaque 3000 heures).
a) Quelle est la probabilité pour qu’un composant survive après 3000 heures?

b) Quelle est la probabilité que le composant dure entre 1000 et 3000 heures?

c) Quelle est la probabilité que le composant dure 1000 heures de plus après 3000 heures de

fonctionnement?

EXERCICE 6
Soit un système de n composants identiques montés en parallèle et ayant tous le même taux de
défaillance de 0.05 pour 1000 heures. Calculer le MTBF du système lorsque 5 varie de 1 à 8. Conclusion?

EXERCICE 7
Calculez les disponibilités intrinsèque et opérationnelle d’une machine ayant fonctionné pendant 9000
heures avec 10 pannes de durées: 14, 10, 15, 20, 26, 12, 5.5, 36, 23.5 et 38 heures et une moyenne des
temps logistiques de maintenance de 55 heures.

EXERCICE 8
Calculer la disponibilité du dispositif proposé si n=5, DA1=DA2=...=DAn=0.9, DB1=DB2=...=DBn=0.93,
DC1=DC2=...=DCn=0.97.

EXERCICE 9
Calculez la disponibilité du dispositif suivant si pour i=1 à 4: DAi=0.91, DB=0.93, DC=0.8, DD=0.78
et DE=0.90.
EXERCICE 10
Le dispositif donné par la figure a les fiabilités élémentaires suivantes pour 1000 heures:
R(C1)=0.88, R(C2)=0.59, R(C3)=0.70, R(C4)=0.96, R(C5)=0.65.
Calculer la fiabilité et le taux de défaillance de l’ensemble dans les 2 cas. Comparer.

EXERCICE 11
9 systèmes électroniques identiques ont été étudiés. Les durées de vie en heures sont les suivantes: 5,
112, 202, 295, 370, 471, 601, 740, 905.
a) Vérifier que la durée de vie suit bien une loi de Weibull. En déduire les paramètres.

b) Donner la durée de vie moyenne de chaque système et l’écart type.

c) Donner la probabilité que la durée de vie soit supérieure à 500 heures.

d) Tracer les courbes de variation de R(t), F(t) et f(t).