En matière de fiabilité des composants, ou de fiabilité d'un système non réparable, nous supposons qu'après une défaillance d'un composant, il est mis au rebut et ne peut pas être réparé. La durée de vie des composants est modélisée à l'aide de distributions de Weibull ou lognormales (entre autres), et l'objectif est d'estimer le temps pendant lequel une proportion donnée de pièces sera défaillante ou la proportion de pièces qui tomberont en panne à un moment donné.
Dans le domaine de la fiabilité du système, ou de la fiabilité réparable du système, une fois le système tombé en panne, il peut être réparé en remplaçant les composants non réparables par des neufs. L'analyse de la fiabilité du système concerne la modélisation des défaillances des systèmes de composants non réparables. Les données proviennent d'un processus de comptage : la réponse est le nombre d'événements de réparation à un moment donné. Le but est de modéliser la fonction cumulée moyenne C ( t ), qui donne le nombre total d'événements au cours du temps t . A partir de cette estimation, nous pouvons estimer la fonction d'intensité I ( t ), qui donne le taux de réparation.
Analyse de la fiabilité du système
Si la distribution des pannes n'a pas de mémoire, c'est-à-dire que le temps entre les pannes suit une distribution exponentielle, alors le temps moyen entre les pannes (MTBF) caractérise complètement le processus. Cependant, si le temps entre les défaillances suit une distribution différente, alors la moyenne change avec le temps et le MTBF ne caractérise pas le processus de manière adéquate.
L'analyse graphique, comme le tracé d'événements et le tracé de la fonction cumulative moyenne (Figure 1), peut être utilisée pour déterminer si le taux de réparation évolue au fil du temps. Des modèles statistiques peuvent être adaptés pour décrire le temps écoulé entre les pannes. Les paramètres du modèle peuvent être traités comme des fonctions de regroupement de variables ou de covariables.
Figure 1. Diagramme d'événements et diagramme de fonction cumulative moyenne pour trois systèmes : un avec des pannes aléatoires, un avec une fiabilité améliorée et un avec une fiabilité dégradante.
Les modèles de la plateforme Recurrence incluent le processus de Poisson homogène et les processus de Poisson non homogènes. Chaque modèle spécifie la forme de la fonction cumulative moyenne comme étant linéaire, polynomiale ou exponentielle (Figure 2). La plateforme Reliability Growth vous permet de modéliser les changements de fiabilité, qu'il s'agisse d'une amélioration ou d'une dégradation de la fiabilité (Figure 3).
Figure 2. Graphique MCF pour la dégradation de la fiabilité avec ajout de modèles du processus de Poisson homogène (linéaire) et du processus de Poisson non homogène en puissance (polynôme).
Figure 3. Diagramme MTBF pour la croissance de la fiabilité, modélisé par un processus de Poisson non homogène de Weibull par morceaux.
Plongez plus profondément dans la fiabilité des systèmes réparables
Regardez cette série de courtes vidéos pour comprendre comment visualiser, décrire et tirer des conclusions sur la fiabilité du système.
En matière de fiabilité des composants, ou fiabilité non réparable du système , nous supposons qu'après une défaillance d'un composant, il est mis au rebut et ne peut pas être réparé. La durée de vie des composants est modélisée à l'aide de distributions de Weibull ou lognormales (entre autres), et l'objectif est d'estimer le temps pendant lequel une proportion donnée de pièces sera défaillante ou la proportion de pièces qui tomberont en panne à un moment donné.
En matière de fiabilité du système, ou fiabilité du système réparable , une fois le système tombé en panne, il peut être réparé en remplaçant les composants non réparables par des neufs. L'analyse de la fiabilité du système concerne la modélisation des défaillances des systèmes de composants non réparables. Les données proviennent d'un processus de comptage : la réponse est le nombre d'événements de réparation à un moment donné.
