Chapitre 3

Sûreté de fonctionnement

1
 La sûreté de fonctionnement est un terme
générique qui regroupe 4 grands
domaines :
•la fiabilité
Introduction •la maintenabilité
•la disponibilité
•la sécurité
Abréviation courante : FMDS

2
 Maintenabil
Fiabilité + Sécurité + ité
Sûreté de Assurer une Eviter les Aptitude à être
fonctionnement fonction pendant évènements maintenu ou
un temps T non souhaités rétabli
rapidement
= Assurer une fonction
Disponibilité à un instant donné

3
 Ma télé doit
fonctionner dès que
je la branche
Exemple : Mais si elle est en
télévision panne, elle doit être
réparée tout de suite

Et surtout, le tube ne
doit pas imploser!

+ Maintenabilité + Sécurité = Disponibilité

Fiabilit
24h/24
é
 1. Fiabilité : c’est l’aptitude d'une entité à accomplir
une fonction requise dans des conditions
données, durant un intervalle de temps donné.

Fiabilité On suppose bien sûr que le bien est en état

Définition d’accomplir la fonction requise au début de
(norme NF EN l’intervalle de temps donné
13306)

La fiabilité se traduit donc par l’aptitude d’un bien à avoir une

faible fréquence de défaillance = c’est une probabilité
 2. Maintenabilité : Dans des conditions données
d’utilisation, c’est l’aptitude d'un bien à être maintenu ou
rétabli dans un état où il peut accomplir une fonction
Maintenabilité requise, lorsque la maintenance est accomplie dans
Définitions (norme des conditions données, en utilisant des procédures et
NF EN 13306)
des moyens prescrits

Il est clair que si le technicien n’est pas aidé dans

sa tâche (aide au diagnostic, démontage aisé,
formation, etc..), la maintenabilité est faible

La maintenabilité se traduit donc par l’aptitude

d’un bien à avoir un faible temps de réparation
 3. Sécurité : c’est la probabilité d’éviter la
génération de tout événement catastrophique sur
Sécurité les biens et les personnes dans une application
Définitions donnée
(norme NF EN
13306) Elle a donc pour but d’obtenir un système sûr,
c’est à dire ne risquant pas d’occasionner :
la perte ou des blessures de personnes
des dommages ou des pertes d’équipement
que le système soit en état de fonctionnement
normal, dégradé ou en état de
non-fonctionnement
 4. Disponibilité : c’est l’aptitude d'un bien à être
en état d'accomplir une fonction requise dans
des conditions données et à un instant donné
Disponibilité
Définitions ou durant un intervalle de temps donné, en
(norme NF supposant que la fourniture des moyens
EN 13306)
extérieurs nécessaires soit assurée

Cette aptitude est fonction d’une combinaison

de la fiabilité, de la maintenabilité et de la
logistique de maintenance du bien, de la
sécurité
Elle exprime la probabilité pour que le système accomplisse sa fonction
à l'instant t
 •C’est la caractéristique d’un dispositif exprimé par la
probabilité que le dispositif accomplisse une fonction
requise, dans des conditions déterminées, pendant une
La fiabilité période donnée

• = probabilité pour que l’équipement fonctionne

jusqu’à l’instant t
•La fonction fiabilité est notée R
R = Reliability
 • T est une variable aléatoire continue à valeurs positives
• Qui associe à chaque équipement son temps de bon
fonctionnement où sa durée de vie avant défaillance
• Sa fonction de répartition F(t) est appelée fonction de
défaillance : c’est la probabilité pour que l’équipement
Expression tombe en panne avant l’instant t, donc F(t) = Pr(T < t)
mathématique
• La fréquence d’apparition des défaillances entre t et
t+dt (ou densité de probabilité de défaillance) est

T est souvent exprimé en heures mais aussi en unité

d’usage
 • On appelle fiabilité ou fonction de survie
l’expression
R(t) = Pr(T > t)
• C’est probabilité que l’équipement n’ait pas
Expression
défaillance avant l’instant t
mathématique
• La probabilité de survis de l’équipement à
l’instant t
• Exemple R(100) = 0,92 : cela signifie que le
matériel a 92 chances sur 100 de fonctionner
pendant les 100 premières heures ou unités d’usage
On a aussi la relation : F(t) = Pr(T < t) = 1 – R(t)

où F(t) est la fonction de défaillance

 ●
Taux de
défaillance
(d’avarie) d’un
matériel unique
 ●une ligne de production a fonctionné pendant un cycle
de 200 heures

●pendant ce cycle, on a observé 5 défaillances, à des

Exemple 1 de moments différents et de durées respectives (réparation

calcul du taux et remise en activité comprises) : 3 heures - 4,5 heures -
de défaillance
1,5 heures - 6,5 heures et 5 heures

●le taux de défaillance moyen de cette ligne est donc

 Pour une période d’observation donnée et pour N équ
observés, le taux de défaillance moyen s’exprime par

calcul du taux
de défaillance
(d’avarie) tps de bon fonctionnement

• Cette formulation s’adapte bien aux équipements non réparables

 ● 10 dispositifs identiques ont été testés sur une durée de 1000 heures

● Le premier est tombé en panne, de manière irréparable, au bout de

Exemple 2 de 260 heures, le second au bout de 425 heures, le 3ème au bout de 624
calcul du taux heures, le 4ème au bout de 712 heurs, le 5ème au bout de 803 heures
de défaillance et le 6ème au bout de 955 heures

● Les quatre derniers continuent de fonctionner

● Le taux de défaillance de cet équipement est donc :

 •Les valeurs vraies des paramètres précédents
ne sont pas faciles à calculer directement

•Le maintenancier n’aura à sa disposition

Estimation qu’un historique des défaillances d’où il

statistique pourra extraire la distribution des temps (TTF
et TBF) Time To Failure (Temps avant panne)

•Pour estimer R(t), F(t) et p(t), on va passer par

une étude statistique des historiques
 ●Considérons N(0) équipements identiques mis ensemble en
service à l’instant t = 0 et travaillant dans les mêmes
conditions

Estimation ●On étudie statistiquement les défaillances de ces matériels

statistique ●On appelle N(t) le nombre de survivants à l’instant t

●Supposons aussi que le temps soit régulièrement distribué,

de manière que chaque intervalle de temps soit égal à 1
unité d’usage (1 h, ou 1000 h, ou 5000 km, etc..)
 •représente la probabilité de survie des
Estimation équipements
•au bout du temps t, on observe le pourcentage
statistique de survivants
•c’est donc bien la fiabilité de l’équipement
que l’on mesure
•La fonction de défaillance cumulée
à l’instant t
 •représente la proportion de
défaillants entre les instants t et t+1,
donc la fréquence d’apparition des
défaillances
Estimation •c’est bien la notion de densité de
statistique probabilité qui est mesurée
la probabilité qu'une variable aléatoire prenne une
valeur dans un certain intervalle
 •représente la fréquence •définit le rapport du nombr
Estimation d’équipements défaillants
statistique des défaillances sur un
temps t au cours d’une période au
nombre de survivants au
•c’est bien la probabilité début de cette période
d’observer une
défaillance à t ou avant •le paramètre λ mesure don
t le taux de défaillance entre
deux instants
Date ou Survivants Fiabilité R(t) Fréquence Fonction de Taux de
période N(t) de défaillance défaillance
défaillance
t=0 N(0) F(0) = 1 – R(0) = 0

0<t<1

t=1 N(1) F(1)=1–R(1)=f(0)

1<t<2

t=2 N(2) F(2)=1–R(2)

=f(0)+f(1)
2<t<3

t=3 F(3)=1–R(3)
=f(0)+f(1)+f(2)

i < t < i+1

F(i+1)=1–R(i+1)
t = i+1 N(i+1)
 L’observation des défaillances sur un ensemble de
40 moteurs asynchrones de même type, utilisés
par la société MECAMALO, a donné les résultats
suivants
Période Nb de
défaillanc
es
Exemple
d’application 0 – 1000h 1
1000 – 2000h 4
2000 – 3000h 8
3000 – 4000h 12
4000 – 5000h 11
5000 – 6000h 3
 Cumul
Date ou Nb Défail- Nb survi- défaillants
période lants vants n R(t) F(t) f(t) λ(t)
 Date ou Cumul défail
période Nb Défaillants Nb survivants lants n R(t) F(t) f(t) λ(t)

0 40 0 100,0% 0,0%
[0,1000[ 1 2,5% 2,50%

1000 39 1 97,5% 2,5%

[1000,2000[ 4 10,0% 10,26%
2000 35 5 87,5% 12,5%
[2000, 3000[ 8 20,0% 22,86%
3000 27 13 67,5% 32,5%
[3000, 4000[ 12 30,0% 44,44%

4000 15 25 37,5% 62,5%

[4000, 5000[ 11 27,5% 73,33%

5000 4 36 10,0% 90,0%

[5000, 6000[ 3 7,5% 75,00%
6000 1 39 2,5% 97,5%
Allure de la
fiabilité
R(t)
Allure de la
fonction de
défaillance
F(t)
Allure de la
fréquence
d’apparition des
défaillances f(t)
Fréquence de
défaillance Max
Allure du taux
de défaillance λ
(t)

λ(t) Max
 n=N(0)-N(1)

• l’estimation de F(t) s’est effectuée dans l’exemple

précédent par le rapport n/N(0) avec n = cumul des
défaillants à la fin de l’intervalle de temps considéré
c’est la méthode des rangs bruts
Approximatio
n de la
fonction
défaillance
•en fait, quand l’échantillon est
F(t) inférieur à 50, on prend la méthode
des rangs moyens

dans notre exemple F(2000) donnerait 12,2% au lieu de 12,5%

 •quand l’effectif de l’échantillon est inférieur à
Approximatio 20, on utilise la méthode des rangs médians
n de la
fonction
défaillance
F(t)
 Appropriée pour les modèles mathématiques ou lorsqu'on travaille avec des systèmes où les variations de
N(t) sont continues.

Calcul du taux
d’avarie moyen
par unité de temps
● Considérons maintenant N(0) équipements identiques à l’instant t = 0
● A chaque instant t, on peut relever le nombre d’équipements survivants N(t)
● Dans ces conditions, le taux de défaillance moyen pendant un intervalle de temps
dt, rapporté au nombre de survivants à l’instant t, s’écrit :

(En panne/unité de mesure)

 41 défaillance ont été réparées sur 70 véhicules
pendant une période allant de 80000 à 90000
km. Quel est le taux de défaillance relatifs à
Exemple 1 cette période?

Pannes/km
 ●On teste un lot de 50 électrovannes soumises en
continu à 8 impulsions/minute. A la 50ème heure, il en
reste 33. A la 60ème heure, il en reste 27. Quel est le
taux de défaillance sur cette classe, par heure et par
impulsion.

Exemple 2
Défaillances/heure

Défaillances/impulsion
 ●On appelle taux de défaillance instantané à l’instant t,
le rapport :

Taux de
défaillance
(d’avarie)
instantané
Evolution du
taux de
défaillance
une courbe
en baignoire
 Zone 1
• c’est la période de jeunesse ou de défaillance précoce,
période initiale d’un matériel pendant laquelle le taux
instantané de défaillance décroît rapidement, jusqu'à
Evolution du un minimum
taux de • les défaillances sont le plus souvent catalectiques
défaillance • Elles sont dues à des anomalies ou imperfections de
une courbe en montage Le rodage est une étape de préparation qui consiste à faire fonctionner une machine ou un équipement mécanique,
tel qu’un moteur, à des conditions contrôlées pendant une certaine période pour optimiser son fonctionnement et
prolonger sa durée de vie.

baignoire • cette période devrait, pour des matériels corrects, être

éliminée par un rodage pour la mécanique ou par un
pré-vieillissement (« déverminage ») pour des
composants électroniques
• à noter que cette phase est plus lente pour un
composant mécanique
 Zone 2
●c’est la période, dans la vie d’un matériel, pendant
laquelle le taux instantané de défaillance est
pratiquement constant pour le composant électronique,
Evolution du moins pour le composant mécanique
taux de
●elle peut être de durée plus ou moins importante (plus
défaillance pour l’électronique que pour la mécanique)
une courbe en
●les défaillances sont aléatoires et liées le plus souvent à
baignoire la dérive des composants les performances des composants changent progressivement avec le temps

●on appelle aussi cette période « période de maturité »

●en maintenance, c’est la période où l’on met en place
du préventif, même si le correctif reste nécessaire
 Zone 3
●c’est la période de défaillance par vieillissement (ou
période d’usure ou « fin de vie »)
●pendant cette période, le taux de défaillance croît
rapidement
Evolution du taux ●à un certain point de λ(t), le matériel est « mort »
de défaillance ●on peut éliminer cette période par des politiques
une courbe en appropriées de déclassement ou de remplacement
systématique
baignoire ●la tendance est toutefois d’effectuer une maintenance
conditionnelle, ce qui permet de prévoir les
défaillances et d’exploiter le matériel au maximum de
ses possibilités
 • Aujourd’hui, pour éviter les pannes de jeunesse,
certains fournisseurs d’équipements n’hésitent pas
à « vieillir » ceux-ci avant de les vendre au client
• C’est le cas des constructeurs automobiles, le
client ne « rodant » plus le moteur de sa voiture
Evolution du comme cela se faisait encore il y a une vingtaine
taux de d’année
défaillance • D’autre part, des équipements identiques ne
travaillent pas obligatoirement de la même
manière, et donc, la réalité des défaillances est
toute autre
• Dans ces conditions, on ne va pas toujours obtenir
une courbe en baignoire
 • Sur cet exemple, les pannes de jeunesse ont été éliminées

• Les défaillances n’apparaissent que lorsque l’équipement

est âgé

• Exemple : équipements mécaniques et électromécaniques

Evolution du
simples
taux de
défaillance
λ

Modèle
B t
 • Cet exemple indique qu’on ne sait
pas dire à quel moment vont
commencer les ennuis, puis on a un

Evolution du taux croissant lié à l’usure

taux de • Exemple : vannes de pressurisation
λ
défaillance

Modèle
 • Cette courbe montre des systèmes
sans défaut au départ

• Cas des moteurs électriques achetés

Evolution du neufs λ
taux de
défaillance

Modèle D
 • cette courbe est typique des
défaillances aléatoires
Evolution du
taux de • la défaillance n’a aucun lien avec l’
défaillance âge

• c’est le cas des équipements

mécaniques et électromécaniques
complexes
t • le préventif n’a pas d’impact dans ce
cas
Modèle E
 • Cette courbe montre des
systèmes souffrant de
défaillances précoces
Evolution du λ • C’est le signe, le plus souvent,
taux de
d’une mauvaise conception
défaillance

Modèle F
 • La connaissance de l’évolution du taux de
défaillance doit aider à mettre en place une politique
de maintenance
Evolution du
taux de • C’est la notion de MBF, c’est à dire « Maintenance
défaillance Basée sur la Fiabilité »

• En anglais RCM : « Reliability Centered

Maintenance »
 • Relation entre le taux de défaillance et la loi de fiabilité

• Montrer que:

Loi de fiabilité

● Conclusion : si l’on connaît la loi d’évolution du taux de défaillance d’un équipement, on saura calculer
sa fiabilité
 • MTBF: (Mean Time Between Failure) Temps moyen de bon
fonctionnement.

• Le MTBF s’exprime le plus souvent en heures, mais on peut

MTBF utiliser une autre unité d’usage

 • Une pompe de relevage a fonctionné pendant 8000
heures en service continu
• Elle a subi 6 pannes de durées respectives 2 h, 4,5 h, 3
h, 1 h, 6 h et 3,5 h
• On en déduit que :
Exemple de
calcul de
MTBF

• Et donc :
 • C’est l’espérance mathématique du temps de bon
fonctionnement entre deux défaillances
MTBF • Son expression est donc :
 ● On a relevé pour 21 moteurs éléctriques du même type
le temps en heures écoulé avant la première panne. On
obtient:
Exemple 130, 155, 166, 180, 225, 230, 450, 504, 603, 715, 918,
d’application 1105, 1210, 1315, 1506, 1800, 2150, 2415, 2550, 3410,
3490.
● Estimer la défaillance, la fiabilité et le taux de
défaillance.
 • La fiabilité est directement liée au taux de
défaillance
• Or, la loi de variation de celui-ci n’est pas
Cas typique de toujours simple
calcul de • Une première approche est de ne considérer
fiabilité que la période de maturité
• Dans ce cas peut être constant ou évoluer
linéairement
 • Le taux de défaillance constant

Cas d’un taux

de défaillance La fiabilité suit une loi exponentielle
constant
 Son taux de défaillance moyen est λ = 1,2.10-5/h
•au bout de 1000h de fonctionnement, sa fiabilité
est :

Exemple d’un
téléviseur
•son MTBF vaut
•a priori, il a donc encore un bel avenir devant lui !

Question : a t-on une chance de le faire durer

encore 1000 heures de plus?
 Attention Ne pas confondre le MTBF avec la « durée de vie »
d’un matériel
Dire qu’un matériel a un MTBF de 1000h ne signifie
pas qu’à t = 999h, ce matériel fonctionne et qu’à t =
Exemple 1001h, le matériel est défaillant
Le MTBF représente une moyenne

• Considérons un seuil de fiabilité de 0,9 pour le téléviseur précédent

• On a Ln[R(t)] = - .t, donc la durée de vie estimée sera égale à :
 ●Une étiqueteuse a un taux de panne constant de
0.00007 panne/ heure de fonctionnement.
Exemple
●Quelle est la probabilité pour qu’il survie 5000 h,
1000 h ?

●Quelle est la probabilité que le composant sure entre

1000 et 5000 heures?

● Quelle est la durée de vie associé à une probabilité de 80% ?

 •Le phénomène d’usure commence dès la mise
en service d’un composant mécanique
•Il ne peut donc pas avoir un taux de
défaillance constant
Cas d’un taux •Si le taux de défaillance est de la forme
de défaillance
non constant
 •Si l’on connaît les paramètres a et b, on n’aura aucun
mal à calculer R
•Par contre, le calcul du MTBF ne sera pas simple

Cas d’un taux

de défaillance
non constant

Il est nécessaire de connaître des méthodes de

calcul numérique pour effectuer ce calcul
 • Pour aller plus vite, on préfère trouver directement la
fonction de fiabilité en essayant divers modèles, puis en
vérifiant leur validité par un test d’adéquation

Cas d’un taux • Dans le cas de taux de défaillance croissant, ce qui est la
de défaillance réalité, on peut utiliser deux lois :
non constant
• la loi log-normale
• la loi de Weibull
 •La loi log-normale s’applique dans le cas
de fatigue ou d’usure mécanique :

La loi log
normale

On lui préfère la loi de Weibull qui est un

modèle plus général
 • Cette loi est la plus utilisée en maintenance

• C’est une loi à trois paramètres, très souple, qui couvre

les cas de taux de défaillance décroissants ou croissants
Modèle de • Son exploitation fournit :
Weibull
une estimation du MTBF
les équations de la fiabilité R(t) et du taux de
défaillance λ(t)
un paramètre de forme β qui peut orienter le
diagnostic
 si t > γ
Modèle de
Weibull
La fiabilité vaut 1 si t ≤ γ

• Pour γ = 0 et β = 1, on retrouve la loi exponentielle

• Celle-ci est donc un cas particulier de la loi de

Weibull
 C’est un nombre sans dimension qui détermine la
forme de la distribution f(t) des défaillances :
Paramètre β
•si β = 1, le taux de défaillance est constant
•si 0 < β < 1, le taux de défaillance est décroissant
(période de jeunesse)
•si β > 1, le taux de défaillance est croissant

Il peut servir d’indicateur de diagnostic :

■ si 1,1 <β < 1,6 on a un phénomène de fatigue (cas

des roulements à billes dont la valeur normale est

β=1)
 ■ Il est appelé paramètre de position
■ Il fixe l’origine de l’étude et définit donc un changement
Paramètre γ d’origine dans l’échelle des temps
■ Il s’exprime dans la même unité que t (temps absolu ou
unité d’usage) :
si γ > 0, cela signifie qu’il n’y a pas eu de
défaillance dans l’intervalle [0, γ]
si γ = 0, il y a une panne dès la mise en route
(panne de jeunesse)
si γ < 0, la construction de l’équipement est
défectueuse (panne avant la mise en route) ou
alors l’étude a débuté après les premières
défaillances (pas d’historique)
 ■ Il est appelé paramètre d’échelle ou
« caractéristique de vie »
■ C’est un nombre positif permettant un
changement de l’échelle des temps
Paramètre η
■ Il s’exprime dans la même unité que t
 A - Fonction de défaillance
Par définition, F(t) = 1 – R(t)

si t > γ
Expressions
mathématiques
si t ≤ γ
 B – Densité de probabilité
Expressions C’est la dérivée de F(t)
mathématiques C’est aussi la fréquence d’apparition
d’une défaillance entre 2 instants

si t > γ

si t ≤ γ
 f(t)

Densité de
probabilité

t
Quand β > 1, la fréquence de défaillance passe par
un maximum
 A - Taux de défaillance
Application à la Par définition,
maintenance

si t > γ

L’expression n’a pas de sens si t ≤ γ

Taux de défaillance

β=2

β=1

β = 0,5

Quand β > 1, le taux de défaillance est croissant

 C’est l’espérance mathématique de la durée
de vie T
MTBF

Γ : fonction eulérienne
tabulée

Le calcul pratique du MTBF

s’effectue par la formule
Variance et On montre que :
écart-type

Le calcul pratique de l’écart-type

s’effectue par la formule
 β A B β A B β A B

0,2 120 1901 1,7 0,8922 0,540 4,4 0,9114 0,235

0,25 24 199 1,75 0,8906 0,525 4,5 0,9126 0,230

0,3 9,2605 50,08 1,8 0,8893 0,511 4,6 0,9137 0,226

0,35 5,0291 19,98 1,85 0,8882 0,498 4,7 0,9149 0,222

0,4 3,3234 10,44 1,9 0,8874 0,486 4,8 0,9160 0,218

0,45 2,4786 6,46 1,95 0,8867 0,474 4,9 0,9171 0,214

0,5 2 4,47 2 0,8862 0,463 5 0,9182 0,210

0,55 1,7024 3,35 2,1 0,8857 0,443 5,1 0,9192 0,207

0,6 1,5046 2,65 2,2 0,8856 0,425 5,2 0,9202 0,203

0,65 1,3663 2,18 2,3 0,8859 0,409 5,3 0,9213 0,200

0,7 1,2638 1,85 2,4 0,8865 0,393 5,4 0,9222 0,197

 On a

Durée de vie donc

associée à un seuil
de fiabilité

Si l’on connaît les 3 paramètres de la loi de Weibull

on en déduira T
 • L’étude d’un historique d’équipement permet
d’obtenir une estimation de la fonction de
Détermination
défaillance F(t)
graphique des
paramètres de la • Le problème est donc de déterminer les paramètres
loi de Weibull ajustant cette fonction

• Pour cela, on emploie un papier à échelle

« log-log », imaginé par ALLEN-PLAIT et appelé
encore « papier de Weibull »
 Justification théorique
On a écrit précédemment que

soit

ou encore

On pose
 On en déduit que

C’est l’équation d’une droite de pente

Justification
Elle est tracée à partir du nuage de points
théorique
[ti , F(ti)]

On l’appelle droite de régression D du nuage

de points
 1) Préparation des données : tableau des TBF (ou
TTF), i et F(ti)
Méthodologie de 2) Tracé du nuage de points [ti, F(ti)]
l’ajustement
graphique 3) Tracé de la droite D dite « de Weibull » passe par le max de points

4) Détermination des valeurs des paramètres β, η et γ

5) Détermination de l’expression de la loi de Weibull

6) Détermination du MTBF

7) Exploitation des résultats

Détermination des valeurs des paramètres β, η et γ

η=5
D’

D
β=3

γ=0

79
 Le nuage de points n’est pas toujours ajustable par une droite

Il est alors ajustable par une courbe dont la concavité reste

constante
Forme du nuage
Il suffit pour cela d’observer le signe de la dérivée seconde
de points
de b.[ln(t-g) -lnη]

■ On montre que:
si le nuage est ajustable par une droite alors γ = 0
si la concavité du nuage est tournée vers le bas, alors γ > 0
si la concavité du nuage est tournée vers le haut, alors γ < 0
 Forme du nuage de points

■ Pour obtenir une bonne

précision, il faut que les
points P1 et P3 soient
suffisamment éloignés et
non extrêmes
■ On les choisit aussi de
manière que les projections
de P1P2 et P2P3 sur l’axe
b soient égales
 On considère l’historique des temps de bon fonctionnement (en
Exemple heures) suivant:
515, 740, 165, 915, 1320, 330
d’application
Trouver les paramètres de la loi de weibull ajustant cette distribution.
 • Connaître la fiabilité d’un composant, c’est
bien, mais ce n’est pas tout, car celui-ci fait
partie d’un équipement plus élaboré
• La fiabilité d’une chaîne est fonction de la
Fiabilité d’un fiabilité de chaque composant
système • L’association d’un composant avec d’autres
complexe peut s’effectuer en série, en parallèle ou alors
de manière mixte
 • La fiabilité Rs d’un ensemble de n
Association en
série constituants connectés en série est égale au
produit des fiabilités respectives RA, RB, RC,
Rn de chaque composant.
 Exemple
Un montage amplificateur contient :
• une alimentation de fiabilité R1 = 0,95
• l’amplificateur lui-même de fiabilité R2 = 0,98
Exemple
d’application • un haut-parleur de fiabilité R3 = 0,99
La fiabilité de l’ensemble est donc :
R = 0,95x0,98x0,99 = 0,922 (92%)
 Une machine de production dont la durée totale de
fonctionnement est de 1500 heures, se compose de quatre
sous-systèmes A, B, C et D montés en série et ayant les
Exemple MTBF respectifs suivants : MTBFA = 4500 heures
d’application MTBFB= 3200 heures MTBFC= 6000 heures
MTBFD= 10500 heures. Déterminons le taux d’avarie
global, la fiabilité globale et le MTBF global (MTBFS)

On considère que la fonction fiabilité suit une loi

exponentielle
 On peut augmenter la fiabilité d’un
équipement en mettant des
composants en parallèle (notion de
redondance)
Association La redondance sécurise l’
parallèle équipement mais augmente son coût

❖Pour que l’équipement soit défaillant, il faut

donc que les deux composants soient
défaillants
❖On en déduit que :
 La fiabilité d’une association parallèle s’écrit donc:

Association
parallèle
 ●Trois dispositifs A, B et C de même fiabilité RA=
RB= RC=0.75 sont connectés en parallèle.
1- Déterminer la fiabilité de l’ensemble.
2- Quel nombre de dispositifs en parallèle
Exercice faudrait-il mettre pour avoir une fiabilité globale de
0,999 (99,9%)
3- Si on souhaite avoir une fiabilité globale de 99%
avec trois dispositifs seulement en parallèle, quelle
devrait être la fiabilité R de chacun de ces
dispositifs.