R´ecemment, une grande attention a ´et´e accord´ee dans la litt´erature aux syst`emes `a unit´es
d´ependantes. De nombreux travaux ont ´etudi´e les syst`emes multi-´etats `a d´efaillances de cause
commune [39], [130], les syst`emes avec une propagation d’´echec `a effet s´electif [23], les syst`emes `a
charge r´epartie [22], [131] ou autres types qui sont introduits conform´ement aux exigences r´eelles
de l’industrie. Plusieurs mod`eles ont ´et´e propos´es pour d´ecrire diff´erents aspects de la d´ependance.
Vaurio [132] a pr´esent´e deux approches qui permettent d’introduire la d´ependance de d´efaillances
dans l’analyse du syst`eme : les m´ethodes implicites et les m´ethodes explicites. Les m´ethodes
im-plicites utilisent les probabilit´es jointes pour ´evaluer la corr´elation de probabilit´e des d´efaillances
`
a cause commune (DCC). Elles remplacent tous les produits P(X
i)P(X
j) par la probabilit´e jointe
P(X
i∩X
j) o`uX
irepr´esente un ´ev´enement de base correspondant au composanti. La d´ependance,
en g´en´eral, induit que la probabilit´e jointe n’est pas ´egale au produit des probabilit´es individuelles de
ses ´ev´enements de base. Cette approche s’applique si les probabilit´es jointesP(X
i∩X
j) sont connues
ou peuvent ˆetre calcul´ees `a partir des corr´elations ou de probabilit´es conditionnelles. Les m´ethodes
explicites cherchent les ´ev´enements de base mutuellement ind´ependants, puis les ´ev´enements des
d´efaillances au niveau du composant sont repr´esent´es par l’union d’´ev´enements ind´ependants. Ces
m´ethodes peuvent ˆetre g´er´ees facilement en utilisant les arbres de d´efaillances.
Le mod`ele du facteurβa ´et´e introduit par Fleming en 1974, il est couramment utilis´e pour mod´eliser
les DCCs [8]. Consid´erons par exemple, un syst`eme `a n composants identiques dont chacun a un
taux de d´efaillance constant λ. La d´efaillance d’un composant est suppos´ee dˆue `a l’une des deux
causes. La premi`ere concerne uniquement le composant ind´ependemment des autres composants,
alors que la deuxi`eme est un ´ev´enement externe qui provoque la d´efaillance simultann´ee de tous
les composants. D´esignons par λ
Iet λ
Cles taux de d´efaillance correspondant respectivement au
premier et au deuxi`eme type. En supposant que ces deux types de d´efaillance sont ind´ependants,
le taux de d´efaillance total du composant peut ˆetre ´ecrit alors sous la forme de la somme de ces
deux taux de d´efaillance.
λ=λ
I+λ
C(2.1)
Le facteurβ repr´esente la proportion relative d’une d´efaillance de cause commune parmi toutes les
d´efaillances d’un composant. Il est introduit de la mani`ere suivante :
β = λ
Cλ
I+λ
C= λ
Cλ (2.2)
Ainsi, nous aurons :
λ
C=βλ, andλ
I= (1−β)λ (2.3)
Les travaux de Fricks et Trivedi [17] en 1997 et Guo et Yang [133] en 2008 ont introduit le mod`ele
du facteur β dans les mod`eles markoviens pour mod´eliser les DCCs.
Dans l’analyse de la fiabilit´e des structures, les dur´ees de vie des composants sont g´en´eralement
d´ependantes. Deux composants dans un syst`eme peuvent partager la mˆeme charge ou ˆetre
sou-mis au mˆeme stress. Ainsi, les deux variables al´eatoires de la dur´ee de vie sont li´ees entre elles,
ou peuvent ˆetre positivement d´ependantes [134]. Il existe pluseurs notions de la d´ependance
bivariante dans la litt´erature [135]. La d´ependance en quadrant positif (PDQ Positive
qua-drant dependent) est la plus connue et la plus simple `a appliquer. Deux variables al´eatoires
X et Y sont dites positivement d´ependantes en quadrant si elles respectent l’in´egalit´e suivante
P(X ≤x, Y ≤y)≥P(X ≤x)P(Y ≤y) pour tous les xety. C’est une notion de d´ependance plus
forte que la corr´elation positive. Il est `a noter que la plupart des distributions bivariantes dans la
th´eorie de la fiabilit´e sont positivement d´ependantes.
Kotz el al. [136] ont ´etudi´e comment le degr´e de la corr´elation entre deux composants en
redon-dance active affecte l’augmentation de la dur´ee de vie moyenne du syst`eme dans lequel les deux
composants ´etaient PDQ. Une autre distribution bivariante exponentielle, nomm´ee FGM, a ´et´e
pro-pos´ee suite aux travaux de Farlie, Gumbel et Morgenstern. Elle permet de d´ecrire la d´ependance
de d´efaillance dans un syst`eme. La distribution cumulative de FGM exponentielle est donn´ee par
[137] :
F(x, y) = (1−exp(−λx))(1−exp(−µy))(1 +αexp(−λx−µy)) |α| ≤1 (2.4)
X et Y sont consid´er´es comme PDQ siα positif et comme ind´ependants si α´egal `a z´ero.
Hamadani et Nasrabadi [138] ont ´etudi´e en 2007 l’effet d’ajouter un composant redondant `a
la dur´ee de vie r´esiduelle moyenne du syst`eme. Ils ont consid´er´e deux composants d´ependants
pour diff´erentes structures du syst`eme. La distribution FGM bidimensionnelle a ´et´e utilis´ee pour
repr´esenter la distribution conjointe de deux composants d´ependants. Une comparaison avec le cas
de composants ind´ependants a ´et´e ´etablie. Les r´esultats ont montr´e que l’ajout d’un composant
en redondance passive ou en s´erie dans un syst`eme `a composants d´ependants va avoir un impact
positif sur la dur´ee de vie r´esiduelle moyenne du syst`eme. Cette derni`ere sera plus grande que
celle d’un cas similaire `a composants ind´ependants. De mˆeme, lorsque le composant est ajout´e en
redondance active, la d´ependance a un effet positif, sauf pour la dur´ee de vie pr´ecoce du syst`eme.
Cela serait plus clair pour un param`etre de d´ependance `a valeur plus ´elev´ee.
Il est `a noter que tous les mod`eles de d´ependances pr´ecit´es sont bas´es sur des mesures probabilistes
obtenues par des approches statistiques. Cependant, il existe autres mod`eles de d´ependances bas´es
sur des m´ecanismes d´eterministes relatifs `a des processus stochastiques. R´ecemment, un grand
int´erˆet leur est accord´e du fait qu’ils permettent de mod´eliser le comportement dynamique du
syst`eme. Dans cette cat´egorie de mod`eles, nous trouvons les cas o`u le taux de d´efaillance des
com-posants survivants est li´e aux r`egles diverses de la r´epartition de charges. Une hypoth`ese courante
dans les syst`emes multi-composants est que le taux de d´efaillance d’un composant survivant
aug-mente en raison de l’augmentation de sa charge, induite par la d´efaillance des autres composants
du syst`eme [139], [140], [129]. Les syst`emes `a charges r´eparties sont g´en´eralement trouv´es dans
les g´en´erateurs ´electriques partageant une charge ´electrique dans une centrale ´electrique, dans les
unit´es centrales (CPUs) d’un ordinateur multiprocesseur, dans les cˆables d’un pont suspendu [61].
Kvam et al.[141] ont mod´elis´e la d´ependance entre les composants du syst`eme `a partir de la
pers-pective des charges r´eparties. Ils ont consid´er´e deux exemples r´eels pour lesquels la r`egle de partage
de charge pourrait s’appliquer. Le premier exemple concerne les centrales d’´energie nucl´eaire o`u
les composants sont ajout´es de mani`ere redondante aux syst`emes pour prot´eger le noyau contre la
fusion. L’´echec d’un syst`eme backup pourrait affecter n´egativement le fonctionnement du syst`eme.
Cela peut induire une augmentation significative de la probabilit´e de fusion. Le deuxi`eme exemple
´
etudie la r´esistance de fibre par rapport aux fibres composites dans l’industrie textile. Un paquet
des fibres soumis `a une charge de traction stable peut ˆetre consid´er´ee comme un syst`eme parall`ele.
Le taux de d´efaillance des fibres individuelles d´epend comment la charge de ce stress global est
partag´ee dans les fibres intactes. Pour un tel syst`eme, la r`egle de partage de charge d´epend des
propri´et´es physiques des fibres composites. Dans [142], la fiabilit´e d’un syst`emes multi-d’´etat a
´
et´e analys´ee en consid´erant la r´epartition de charges et la propagation d’´echec `a effet s´electif.
Dans [143], la d´ependance de d´efaillance a ´et´e consid´er´ee lors de l’optimisation d’un syst`eme s´
erie-parall`ele. Dans [144], un syst`eme parall`ele `a charge r´epartie avec une d´ependance de d´efaillance a
´
et´e ´etudi´e. La th´eorie de renouvellement Markovienne a ´et´e utilis´ee pour obtenir la disponibilit´e et
le temps moyen du bon fonctionnement du syst`eme jusqu’`a la premi`ere d´efaillance (MTTF).
Selon Yuet al.[28], la d´efaillance d’un composant dans un syst`eme multi-composants peut r´eduire
la fiabilit´e du syst`eme sous deux aspects : la perte de sa contribution `a la fiabilit´e totale du syst`eme,
et la reconfiguration du syst`eme sous forme de la r´epartition de charges parmi les composants
sur-vivants. Cette reconfiguration peut ˆetre d´eclench´ee par les d´efaillances des composants ainsi que
par l’ajout de la redondance. C’est dans ce contexte, que la notion de la d´ependance redondante a
´
et´e introduite. Nous pr´esentons ce concept pour les syst`emes parall`eles dans la partie suivante.
Dans le document
Optimisation de performances et maîtrise de la fiabilité dans la conception de systèmes de production
(Page 77-80)