Fiabilité des composants industriels: enjeux, besoins, méthodes et

difficultés rencontrées

André Lannoy, V1.3, 31 05 2009

Résumé

La fiabilité est devenue un élément essentiel pour les enjeux de sécurité et de performances des entreprises. L’exposé montre que la fiabilité est multiforme, fonction des différentes phases du cycle de vie d’un bien. De nombreuses difficultés se posent aux industriels qui veulent estimer la fiabilité d’un composant : la nature du composant (actif ou passif), la taille du retour d’expérience et sa nécessaire validation avant tout usage, l’effet perturbateur de la maintenance préventive qui vise à réduire la probabilité de défaillance. L’exposé cite quelques méthodes actuellement utilisées dans l’industrie pour estimer une fiabilité opérationnelle ou une fiabilité prévue, en mettant en évidence la controverse existant entre méthodes dites fréquentielles et celles bayesiennes. En conclusion, l’estimation d’une fiabilité permet à la fois de comprendre le passé et de préparer le futur. Le fiabiliste se doit d’être pragmatique et de toujours juger et mesurer ses résultats à l’aune du bon sens physique. Les pistes de R&D à développer dans un proche avenir sont évoquées.

Sommaire

– 1 De la terminologie et de ses implications– 2 Cycle de vie et enjeux industriels– 3 Les différentes fiabilitéscomparée, allouée, prévue, mesurée– 4 Les difficultés rencontréesnature du composant, retour d’expérience, impact de la

maintenance préventive, controverse fréquentiel / bayesien

– 5 Les méthodes utilisées en fiabilté opérationnelle

– 6 Quelques méthodes pour la fiabilité prévue– 7 Conclusions et perspectives de R&D

1 De la terminologie et des effets qui en résultent (1)

[Définitions extraites de la norme EN13306 (2001)]

– Fiabilité: aptitude d’un bien à accomplir une fonction requise, dans des conditions données, durant un intervalle de temps donné – notion qualitative, également utilisée pour désigner la valeur de la probabilité d’être en état de bon fonctionnement, confiance technique

– Durabilité: aptitude d’un bien à accomplir une fonction requise, dans des conditions données d’usage et de maintenance, jusqu’à qu’un état limite soit atteint – sous-entend l’existence d’une limite, réglementaire, technico-économique, maintenabilité...

Une définition de la fiabilité

1 De la terminologie et des effets qui en résultent (2)

– Défaillance: cessation de l'aptitude d'un bien à accomplir sa fonction requise – perte de fonction, “tout ou rien”, vieillissement fiabiliste

– Dégradation: évolution irréversible d'une ou plusieurs caractéristiques d'un bien liée au temps, à la durée d'utilisation ou à une cause externe – altération de fonction, phénomène continu, vieillissement physique

1 De la terminologie et des effets qui en résultent (3)

– Maintenance corrective: maintenance exécutée après détection d'une panne et destinée à remettre un bien dans un état dans lequel il peut accomplir une fonction requise – remise en état de bon fonctionnement, aspect technologique - SLI, réactivité

– Maintenance préventive: maintenance exécutée à des intervalles prédéterminés ou selon des critères prescrits et destinés à réduire la probabilité de défaillance ou la dégradation du fonctionnement d’un bien – éviter la perte de fonction, notion probabiliste, anticipation, prévision

2 Cycle de vie et enjeux industriels (1)

Le contexte en conception

• Innovation

• Coût de production bas

• Délai court de développement

• Qualité totale

• Zéro défaut

2 Cycle de vie et enjeux industriels (2)

Objectif en conception: atteindre les exigences de fiabilité

• Elimination des points faibles

• Aide à la décision pour les choix technologiques

• Démonstration de l’exigence de fiabilité

• Qualité

2 Cycle de vie et enjeux industriels (3)

Le contexte en exploitation

• Sûreté et performances, compétitivité

• Prolongation de la durée d’exploitation

• Coût d’exploitation-maintenance faible

• Risque zéro

2 Cycle de vie et enjeux industriels (4)

Objectif en exploitation: maintenir et améliorer les exigences de SdF

• Vérification des clauses de fiabilité

• Calcul de la fiabilité opérationnelle

• Données EPS

• OMF, efficacité de la maintenance

• Surveillance des paramètres de SdF

• Estimation de la durabilité

• Valorisation technico - économique

Exemple 1: la démarche OMF – RCM- les données de fiabilité nécessaires

• Tâche 1 - Hiérarchiser les composants par leur contribution à la sûreté, à la disponibilité et aux coûts.

Taux d'occurrence de chaque mode - Criticité.

• Tâche 2 - Identifier le mécanisme de dégradation. Retour d'expérience - Historique de maintenance.

• Tâche 3 - Elaborer les tâches de maintenance. Optimisation - Efficacité des tâches de maintenance préventive.

• Tâche 4 - Surveiller (voir les recueils de données)Calcul des paramètres de fiabilité et de leurs incertitudes.

La méthode OMF appliquée aux composants actifs

Recherche des matériels etmodes de défaillance

significatifs(AMDE)

Recherche des matériels et modes de défaillance critiques(AMDEC)

Analyse et sélection des

tâches de maintenance

Analyse du retour d’expérience

évènements - coûts

Orientations de maintenance (criticité, REX)

Choix final de maintenanceProgramme de maintenance préventive

Regroupement des tâches de maintenance

Matériels et modes de

défaillance significatifs

Fiabilité, coûts de

maintenance

Matériels et défaillances

Tâches de maintenance

Évaluation des enjeux

Évaluation des performances

Optimisation de la maintenance

non critiques

critiques

Maintenance

Corrective

La méthode OMF appliquée aux composants passifs

Analyse fonctionnelle du système

Recherche des Composants et Modes

De Défaillance Significatifs (Utilisation

des EPS, AMDE)

Recherche des Composants et Modes

de Défaillance Critiques (AMDEC)

Évaluation des indicateurs de fiabilité

(Modèles de fiabilité et avis d’experts)

Analyse évènementielle

et économique du retour d’expérience

Analyse de la pertinence

(modèles de dégradation)

Analyse et sélection des tâches de maintenance

(tâches, périodicités, sous-ensemble de composants)

Choix final de maintenance et groupement des tâches

Optimisation de la maintenance

Évaluation des enjeux Évaluation des performances

Exemple 2: les données EPS

Validation et analyse

Examen du retour d’expérience

par rapport aux critères

de défaillance critique EPS

Données élaborées EPSModes de défaillance

Taux de défaillance en fonctionnement,

Probabilité de défaillance à la sollicitation

Durée de réparation

Durée d’indisponibilité des matériels

Profil de fonctionnement

Défauts de cause commune

Intervalles de confiance

Taille de l’échantillon

Exemple 3 – Surveillance des indicateurs

de SdF (le recueil EIReDA 2000)

Exemple 4: la démarche LCM(Life Cycle Management)

Intégration de l’ingénierie, de l’exploitation, de la maintenance, de la réglementation, de l’environnement et de la planification économique pour :

• maîtriser le vieillissement,

• valoriser les actifs industriels,

• optimiser la durée d’exploitation,

• maximiser le retour d’investissement,

tout en maintenant la sûreté (Sliter, 2003).

Le processus LCM de gestion du cycle de vie

Sûreté

LCM

Optimiser la durée d’exploitation

État physique de l’installation

Maximiser la valeur

Maîtrise du vieillissement physique Optimisation économique

• Fiabilité• Maintenance• Maîtrise du vieillissement

Ingénierie, Maintenance, Réévaluation de sûreté

Économie et

Finance

Valorisation des actifs

• Arrêt prématuré• Prolongation de l’exploitation

Maîtrise du vieillissement et de l’obsolescence

3 Les différentes fiabilités

La fiabilité est multiforme.

– “comparée”– allouée– prévue (ou prévisionnelle)– mesurée

La fiabilité “comparée”

C’est une fiabilité opérationnelle.– Phases du cycle de vie: avant-projet, études

préliminaires– Données utilisées: Retour d’expérience du bien de la génération précédente Recueils de données de fiabilité Données de fournisseur ou de constructeur Données d’essai Résultats de modèles physiques déterministes Dires d’experts Veille technologique

La fiabilité allouéeExigence de fiabilité dans un Cahier des Charges,

valeur seuil de référence.– Phase du cycle de vie: spécification– Méthode: résultat d’une décision fonction de la

fiabilité “comparée” et des efforts d’amélioration; méthodes sur les facteurs d’importance et de pondération du retour d’expérience ou d’optimisation d’efforts (coûts, poids, ...)

– Données utilisées: Données précédentes Fiabilité “comparée” Etudes de marketing Arborescence fonctionnelle - matérielle

La fiabilité prévue (lors de la conception)

Elle est calculée et comparée à la fiabilité allouée (exigence de fiabilité).

– Phases du cycle de vie: conception, fabrication, essais de développement

– Données utilisées: Données précédentes Fiabilité allouée Retour d’expérience analogue Calculs déterministes Données d’essais de développement Opinions d’ experts

La fiabilité prévue (lors de l’exploitation)

Elle est calculée et comparée à un seuil (par exemple: taux de défaillance critique EPS)

– Phase du cycle de vie: exploitation, avec l’intention de la prolonger au delà de la durée de vie prévue à la conception

– Données utilisées: Retour d’expérience du bien exploité Retour d’expérience analogue Calculs physiques Expertise sur les impacts dus au changement des conditions

d’exploitation - maintenance – environnement

La fiabilité mesurée

C’est une fiabilité opérationnelle. – Phase du cycle de vie: exploitation– Données utilisées: Retour d’expérience du bien exploité Expertise sur la maintenance et son efficacité

4 Les difficultés rencontrées

– Le type de composant (réparable ou non réparable, actif ou passif)

– Le retour d’expérience– L’effet “perturbateur” de la maintenance

préventive– La controverse fréquentiel / bayesien

Le type de composant

Actif– Composants complexes

– Multiples mécanismes de dégradation et multiples modes de défaillance

– Modélisation physique difficile

– Fiabilité classique et fiabilité bayesienne généralement adaptées

– Fiables et bien maintenus (ils font l'objet de programmes OMF, surveillance), défaillances donc peu nombreuses

– Évolution fréquente des procédures d’exploitation-maintenance

– Données incomplètes

– Modélisation par une loi exponentielle ou une loi de Weibull

Passif– Un faible nombre de mécanismes

de dégradation

– Dégradation lente et progressive

– Défaillances rares (voire aucune défaillance)

– Fiabilité classique souvent non adaptée

– Modélisation physique de la dégradation : initiation, propagation

– Méthodes numériques nécessaires

– Mais si des données de défaillance sont disponibles, on peut utiliser l’approche bayésienne

Le retour d’expérience

•Maigre à la conception

•Incomplet en exploitation

•Le problème du zéro défaillance

•La nécessité de le valider avant toute utilisation, avant tout calcul: l’analyse physique précéde toujours la quantification fiabiliste.

•Généralement un faible nombre de défaillances

•Et une forte proportion de données censurées (souvent censurées à droite, tronquées type I dans le cas d’un retour d’expérience industriel)

Le retour d’expérience technique

Mécanisme dedégradation

Effet mesurable

RETOUR D’EXPERIENCE(DONNEES BRUTES)

Cause dedéfaillance

Défaillance

- dégradation- défaillance

Mode dedéfaillance

Analyse dedéfaillance

- cause- cause origine

Modèle demaintenance,arborescencefonctionnelle-

matérielle.

Analyse des Modesde Défaillance etde leurs Effets

(AMDE)

Circonstance :- conception- fabrication- exploitation- vieillissement- maintenance

Processusphysique

- Perte de fonction- Altération de la fonction

Effet par lequelse manifeste la

défaillance

- Circonstance- Cause origine : . matérielle . humaine . environnement et exploitation . externe

Critères dedéfaillance

Données desûreté de

fonctionnement

- Défaillance critique Mode commun Cause commune

- Constance

- Evolution

- AMDEC

(DONNEESELABOREES)

{

DEFAILLANCESPOTENTIELLES

Le processus de validation, d’estimation

N Temps de fonctionnement Défaillance Dégradation Fin d’observatio de l’échantillon

RETOUR D’EXPERIENCE

Perte defonction

Maintenancecorrective

Donnée complète

Altération dela fonction

Maintenancepréventive

Donnée censurée

Bon fonctionnement

Donnée censurée

VALIDATION(justesse et pertinence)

Expertise

Analyse des défaillances et des dégradations

Estimation d’un modèle de durée de vie

L’effet de la maintenance préventive•Une notion probabiliste

•La question d’un âge virtuel, d’un rajeunissement

•Quelle hypothèse pour l’efficacité de la maintenance?–AGAN

–ABAO

–Généralement entre ces deux extrêmes

Dépendant de la criticité du composant, de sa position dans l’arborescence, de son usage, de la difficulté de la tâche de maintenance,...

•Détermination de la fiabilité intrinséque vraie du bien, donnée indispensable pour la conception, l’optimisation de la maintenance, ...

Impact (ici positif) de la maintenance préventive

La controverse fréquentiel / bayesien – Le point de vue fréquentiel

•Un point de vue de physicien, les conditions expérimentales d’obtention des données sont bien connues.

•L’analyse fréquentielle repose sur les seules données objectives; elle est en défaut lorsque les données sont en nombre insuffisant, le processus non répétitif, le nombre de paramètres à estimer important.

•Le fréquentiel refuse d’introduire un a priori dans l’analyse.

•Il effectue une analyse complète préalable suivie d’une interprétation physique.

•Une volonté d’objectivité.

•Utilisation: analyse descriptive, analyse de données, fiabilité opérationnelle, qualité,...

La controverse fréquentiel / bayesien – Le point de vue bayesien

• Un point de vue d’ingénieur, une philosophie séduisante, une démarche d’apprentissage

• L’analyse intégre toutes les informations disponibles, en particulier l’expertise

• Nécessité d’introduire une a priori (souvent subjective), mais l’impact doit être réduit le plus possible par le retour d’expérience (considéré aussi essentiel).

• Un outil d’aide à la décision par excellence, on peut exprimer des préférences

• Utilisation: fiabilité prévisionnelle, incertitudes, aide à la

décision,...

5 Les méthodes utilisées pour le calcul d’une fiabilité opérationnelle(secteur nucléaire)

• Paramétrique, classique : EMV, SEM, Rexpert, Cox2

• Bayésien BRM, IBW

Fiabilité des structures , code fiabiliste ou mécanofiabiliste ou des outils spécifiques3

Analyse de fiabilité des structures : probabilisation d’une équation de défaillance, code ou outils spécifiques3

Passif

• Paramétrique, classique : EMV, SEM, Cox2

• Bayésien, Rexpert, IBS

• Bayésien : IBS, Rexpert, Fiabayes1,

Khi-2  Actif, en attente

• Non paramétrique : "life table", K-M , TTT

• Paramétrique, classique : EMV, SEM, Rexpert, Cox2

• Bayésien BRM, IBW , PMC, Rexpert

• Non paramétrique : Johnson, K-M , TTT

• Paramétrique, classique : SEM• Bayésien BRM, Fiabayes1, IBW, PMC, Rexpert

• .Détection d’un vieillissement: IBTV

Khi-2Actif

Plus de 20 données de défaillance

Quelques donnéesAbsence de données(0 défaillance)

Type de composant

Retour d'expérience

(données de défaillance, historique de maintenance, temps de fonctionnement)

 

Les méthodes utilisées pour le calcul d’une fiabilité opérationnelle

• Khi 2: cette méthode est retenue dans le cas du zéro défaillance, s’il n’est pas possible d’enrichir un échantillon, sur la base de la médiane (approche acceptée par les autorités).

• Généralement les recueils de données de fiabilité sont actualisés périodiquement par la méthode de réactualisation bayesienne (appelée aussi approche bayesienne empirique; logiciels Fiabayes, Rexpert).

• Modèle de Cox: méthode utilisée pour une modélisation explicative de la fiabilité; elle nécessite un retour d’expérience important; les techniques de data mining, de régression (logistique, ...), les réseaux bayesiens peuvent être également utilisés.

• Des outils fiabilistes adaptés aux composants passifs existent, par exemple : cuve, générateur de vapeur, coudes moulés, tuyauteries, … Ou également des outils adaptés à des mécanismes de dégradation, par exemple l’érosion-corrosion...

Ce qu’on observe dans la pratique

Composant actif,cas le plus souventobservé, effet positif de la maintenance

âge

taux dedéfaillance

constant

taux dedéfaillance

âge

Plutôt composantpassif, légère évolution défavorable

Composant actif,dont un sous-composant vieillit

âge

taux dedéfaillance

constant

constant

taux dedéfaillance

âge

Loi intrinsèque Composant échangeable

Composant non réparable

 

Composant réparable

Ce qu’on observe dans la pratique

- Dans la plupart des cas, un comportement exponentiel

- Qui reflète une bonne conception initiale et une bonne qualité du bien

- Ou qui traduit l’impact positif de la maintenance préventive

- Cependant la maintenance n’est peut-être pas optimisée

6 Quelques méthodes utilisées en fiabilité prévisionnelle

- en phase de conception: AMDEC, méthode de Bazovsky, méthode de Johnson, pondération des informations, inférence bayesienne pour une modification - efficacité d’une action (IBM), Fides, …

- en phase de fabrication, de développement: méthodes de croissance de fiabilité (Duane, AMSAA, ...)

- en phase d’exploitation: utilisation et extrapolation du retour d’expérience, méthodes déterminant l’ efficacité d’une action de maintenance

7 Conclusion et perspectives de R&D (1)•Plusieurs fiabilités: il faut donc bien spécifier le problème posé, le contexte, les hypothèses, les données disponibles

•Toujours s’appuyer sur les données réelles du retour d’expérience et les conditions de leur collecte

•Le retour d’expérience est donc stratégique mais il faut le valider avant tout usage. Toute donnée est précieuse.

•Recueillir et intégrer l’expertise disponible, même si elle est vague

•L’analyse qualitative précède toujours l’analyse quantitative, déterministe et probabiliste

•Le fiabiliste doit être pragmatique, le contexte détermine toujours l’approche, fréquentielle ou bayesienne, la mieux appropriée

•Quelle que soit l’approche, pratiquer l’analyse de sensibilité et ne pas perdre le bon sens physique

7 Conclusion et perspectives de R&D (2)

La fiabilité pour comprendre le passé

•De nombreuses défaillances / dégradations ne peuvent être expliquées par les modèles déterministes.

•Compréhension du vieillissement, des mécanismes de dégradation, des modèles, du retour d’expérience, ...

•La fiabilité permet de mettre en évidence les composants et sous-composants critiques, les variables importantes où il faut faire un effort de retour d’expérience pour réduire les incertitudes.

7 Conclusions et perspectives de R&D (3)

La fiabilité pour anticiper et prévoir le futur

• Toujours améliorer le niveau de sûreté

• Augmenter les performances (pour répondre aux besoins du marché)

• Optimiser les stratégies d’exploitation – maintenance

• Besoins: –Estimations plus précises, compréhension des marges

–Réduction des incertitudes et des pessimismes

–Modélisation du vieillissement et analyse des dégradations, afin d’optimiser les évaluations technico - économiques

7 Conclusions et perspectives de R&D (4)

•Cependant la fiabilité ne peut suppléer la compréhension physique.

•Elle a des limites: qui peut (sait) définir une fiabilité acceptable?

•Il faut toujours respecter les exigences déterministes de sûreté.

•En conclusion: penser “fiabiliste”, agir “déterministe”

7 Conclusion et perspectives de R&D (5)Quelques thèmes prioritaires de R&D en fiabilité – maintenanceLes objectifs cibles de fiabilité

L’étude de la transition jeunesse – vie utile d’un bien

L’optimisation du retour d’expérience: taille du rex nécessaire pour vérifier une clause de fiabilité...

L’analyse des dégradations, les lois de dégradation

La détection du vieillissement d’un bien maintenu

L’efficacité de la maintenance

La fiabilité à long terme d’un bien, les incertitudes associées

...

Quelques références pour en savoir plus...Ouvrages généraux

Meeker W., Escobar L.(1998), Statistical methods for reliability data, Wiley.

Nikulin M., Bagdonavicius V.(2002), Accelerated life and degradation models, modelling and statistical analysis, Monogrpaphs onstatistics and applied mathematics, Chapman&Hall CRC, 94.

Robert C. (1992), L’analyse statistique bayesienne, Economica, Paris.

Méthodes fréquentielles

Bacha M., Celeux G., Idée E., Lannoy A., Vasseur D.(1998), Estimation de modèles de durées de vie fortement censurées, collection de la direction des études et recherches d'Electricité de France, Eyrolles, 99.

Ligeron Jean-Claude, Marcovici Claude (1974), Utilisation des techniques de fiabilité en mécanique, Éditions Tec & Doc Lavoisier, Paris.

Moss T.R. (2005), The reliability data handbook, Professional Engineeering Publishing.,

Méthodes bayesiennes

Bousquet N., Analyse bayesienne du vieillissement de la durée de vie de composants industriels, Thèse de l'Université Paris-Sud, 19 décembre 2006.

Clarotti Carlo (1998). Fondements et applications des approches fréquentielle et bayesienne dans le domaine de la sûreté de fonctionnement, ISdF, projet 8/96, juin 1998.

Procaccia Henri (2009), Introduction à l’analyse probabiliste des risques, Collection Sciences du risque et du danger, Editions Tec&Doc, Lavoisier.

Quelques références pour en savoir plus...

Retour d’expérience

Lannoy A., Procaccia H.(1994), Méthodes avancées de traitement et d'analyse des bases de données de retour d'expérience, collection de la direction des études et recherches d'Electricité de France, Eyrolles, 86.

Anticipation, détection

Bouzaïene-Marle Leïla, (2005), AVISE, anticipation des défaillances potentielles dues au vieillissement par analyse du retour d’expérience, thèse de l’Ecole Centrale Paris, 4 avril 2005.

Clarotti C., Lannoy A., Odin S., Procaccia H.(2004), Detection of equipment aging and determination of the efficiency of a corrective measure, Reliability Engineering and System Safety, Volume 84, Issue 1, Avril 2004, 57-64.

Di Piazza S., Gaudoin O., Le Garrec C (2000), Constance des paramètres de sûreté de fonctionnement en exploitation, projet ISdF 5/97, Congrès λμ 12, Montpellier, 28-30 mars 2000.

Maintenance

Bérenguer C., Dieulle L., Grall A., Roussignol M. (2003), Maintenance policy for a continuously monitored deteriorating system, Probability in the Engineering and Information Science, 17, 235-250, 2003.

Celeux Gillles (2000), Situations de maintenance à structure de données incomplètes, Journal de la Société Française de Statistique, 141 (3), 43-59.

Quelques références pour en savoir plus...

Efficacité de la maintenance

Clarotti C, Lannoy A, Procaccia H, Villain B. (1994). ARCS : outil logiciel pour la quantification de l’effet de la maintenance sur la durée de vie, Colloque λμ 9, ESREL’94, La Baule

Doyen L. (2004), Modélisation et évaluation de l'efficacité de la maintenance des systèmes réparables, Thèse de l'INPG, Grenoble, 22 novembre 2004.

Fiabilité des structures

ESReDA (2004), Lifetime management of structures, coordonnateur: André Lannoy, Det Norske Veritas.

Lemaire Maurice (2005). Fiabilité des structures, couplage mécano – fiabiliste statique, en collaboration avec Alaa Chateauneuf et Jean-Claude Mitteau, Hermès Lavoisier

Aspects industriels de la fiabilité

Celeux G., Müller S., ISdF, projet 2/96 (1997), Estimation de la fiabilité d’un produit (nouveau ou existant) à améliorer à partir de retours d’expérience multiples et d’expertises.

EIReDA 2000, Recueil de données de fiabilité 1998, Procaccia H., Arsenis S., Aufort P., Université de Crete, Heraklion, 1998, et EIReDA PC, 2000, Siadcom, 2000.

Lannoy A., Procaccia H. (2005), Evaluation et maîtrise du vieillissement industriel, Lavoisier, Editions Tec&Doc, 2005.

Lannoy A., Procaccia H. (2006), Evaluation de la fiabilité prévisionnelle, outil décisionnel pour la conception et le cycle de vie d'un bien industriel, Lavoisier, Editions Tec&Doc, 2006.