R EVUE DE STATISTIQUE APPLIQUÉE
J. R ODRIGUES D IAS
Influence de la période d’inspection sur les coûts dans l’inspection périodique de systèmes
Revue de statistique appliquée, tome 31, n
o4 (1983), p. 5-15
<http://www.numdam.org/item?id=RSA_1983__31_4_5_0>
© Société française de statistique, 1983, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (http://www.
sfds.asso.fr/publicat/rsa.htm) implique l’accord avec les conditions générales d’uti- lisation (http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
5
INFLUENCE DE LA PERIODE D’INSPECTION
SUR LES COUTS DANS L’INSPECTION PERIODIQUE DE SYSTEMES
J. RODR IGUES DIAS Département de Mathématiques, Université de Evora 7000 Evora, Portugal Centre de Statistique et Applications - INIC 1200 L isboa - Portugal
RESUME
Après
avoir obtenu etinterprété géométriquement
des expressions simples et sugges- tives pour le nombre moyen d’inspectionspériodiques
et pour le temps moyen de détection de la défaillance d’unsystème,
on va analyser la validité des approximations considérées par SCHNEEWEISS [7] pour le temps moyen de détection et par NAKAGAWA et YASUI [5] ] pour lapériode
d’inspection. En outre, on va comparer les valeurs du coût total moyen mini-mum avec les valeurs correspondantes de deux solutions
approchées.
Finalement, on se posera la question de l’importance du type de distribution du temps de vie dusystème,
par rapportau coût minimum. A titre d’exemple, on considérera des distributions avec : taux de défaillance
décroissant,
constant, croissant, (courbe en baignoire) et aussi le cas où le taux de défaillance croît initialement et décroît ensuite.SOMMAIRE
1. Introduction
2. Minimisation du coût total moyen 2.1. Nombre moyen
d’Inspections
2.2.
Temps
moyen de détection de la défaillance2.3. Coût total moyen minimum et deux solutions
approchées
3.
Exemples d’application. Comparaison
de résultats 4.L’Importance
dutype
de distribution5. Conclusions
finales
1. INTRODUCTION
En
partant
d’un résultat obtenu par SCHNEEWEISS[7] (qui
considère que l’intervalle moyen detemps
entre la défaillance d’unsystème
surveillépériodi- quement
et sa détection estapproximativement égal
à la moitié de lapériode d’inspection),
NAKAGAWA et YASUI[5 ]
ont obtenu une valeurapprochée (facile
à
calculer)
pour lapériode d’inspection qu’ils
ontcomparée
avec la valeur exactequi
minimise le coût total moyen parcycle. Toutefois,
il nous semble que ceRevue de Statistique Appliquée, 1983, vol. XXXI, n° 4
qui
doit être fondamentalementcomparé
dans unproblème
de ce genre, ce n’est pas la valeur correcte de lapériode d’inspection
avec une valeurapprochée,
maisles coûts totaux moyens
correspondants
à ces valeurs-là. Voilà laquestion qui
aconduit à cet article.
Bref,
leproblème qu’on
vaétudier, alors, peut
seprésenter
de lafaçon
suivante :
1)
soit unsystème
avec deux états seulement :l’un,
de bon fonctionnementet
l’autre,
de mauvaisfonctionnement ;
2)
cedernier,
résultant d’unedéfaillance,
est seulement connu parinspec- tion, qu’on
suppose de durée nulle etpériodique ;
3)
la durée de l’état de bon fonctionnement(temps
de vie dusystème)
estune variable
aléatoire,
dont la fonction derépartition
est connue ;4)
il existe un coût pourchaque inspection
et un coût pourchaque
unitéde
temps
de mauvaisfonctionnement ;
5)
on considère que laprobabilité
d’erreur àchaque inspection
en cequi
concerne l’état du
système,
est nulle.La
question qui
se pose alors est de déterminer l’intervalle detemps (période)
entre les
inspections périodiques,
de tellefaçon
que le coût total moyen parcycle,
résultant du coût des
inspections
et du coût de la durée de mauvaisfonctionnement,
soit minimum. On considère
qu’un cycle
commence avec lesystème
à l’état neufet finit
quand
la défaillance est connue.Comme domaines
probables d’application
onpeut considérer,
parexemple,
la
Médecine, l’Energie Nucléaire,
la Défense Nationale et le ContrôleStatistique
dela
Qualité.
Ce
problème
a été étudié et il l’est encore dans des conditionsplus générales.
Ainsi,
parexemple,
BARLOW et PROSCHAN[1]
traitent le cas où lesinspections peuvent
ne pas êtrepériodiques,
montrant que, dans certainesconditions,
il existe(et
il estpossible
de ladéterminer)
uneséquence optimum
d’instantsd’inspection.
Toutefois,
devant la difficulté de calculer ces instants-làd’inspection,
certainsauteurs ont
proposé
des solutions alternativesqui,
bienqu’approchées,
ont l’avan-tage
d’êtreplus
facilement calculées.Ainsi,
onpeut
se référer à MUNFORD et SHAHANI[4]
et NAKAGAWA et YASUI[6].
Bien que, d’une
façon générale,
lesinspections
nonpériodiques correspondent
à de moindres
coûts,
le fait est que lesinspections périodiques
ontl’avantage
d’être commodes dans les
applications pratiques.
En outre, on vérifie que dans le cas de la distribution
exponentielle, qui
est
largement
utilisée enfiabilité,
la solution obtenue par BARLOW et PROSCHAN[ 1 ],
parexemple,
conduit à desinspections périodiques. Voilà, donc,
l’intérêtqu’elles
suscitent.2. MINIMISATION DU COUT TOTAL MOYEN Considérons les variables aléatoires suivantes : T -
temps
de vie(ou
de bonfonctionnement)
dusystème ;
D -
temps
de détection de la défaillance dusystème (intervalle
detemps
entrele moment de la défaillance et le moment de sa
détection) ;
N - nombre
d’inspections périodiques
dusystème,
allantjusqu’à
celle où la défail- lance est détectée(i.e.
nombred’inspections périodiques,
ycompris
celle oùla défaillance est
détectée) ;
C - coût
total,
résultant du coût desinspections
et du coût de mauvais fonction-nement.
Soit encore
Clet C2, respectivement,
le coût dechaque inspection
et le coûtpar unité de
temps
de mauvais fonctionnement dusystème.
Si on
représente
parE(X) l’espérance mathématique
d’une variable aléatoiregénérique X,
alors onpeut
écrire :E(C)
=C1 E(N)
+C2 E(D) (1)
E(N)
etE(D)
étant des fonctions de lapériode d’inspection P ;
laquestion qui
se pose alors est de déterminer une valeurPa
deP, qui
minimise le coût total moyenE(C) pendant
uncycle.
2.1. Nombre moyen
d’inspections
Le nombre moyen
d’inspections périodiques E(N) jusqu’à
détection d’une défaillance est donné paroù
(k
+1)P,
k =0, 1, 2,...,
sont les instantsd’inspection
etf(t)
est la fonctiondensité de
probabilité
dutemps
de vie T dusystème.
En
développant l’expression précédente,
on obtient :où
R(t)
= 1 -F(t)
est la fonction de fiabilité dusystème.
On
peut
remarquer que le résultatprécédent,
au-delà de sasimplicité,
admetune
interprétation géométrique suggestive : E(N)
est la somme des ordonnées de la courbeR(t) prises
àl’origine
etcorrespondant
aux instantsd’inspection kP,
k =
1, 2, 3,...
En utilisant le résultat
(3)
onpeut
montrer que, siPl
etP2
sont deux valeurs de lapériode d’inspection
telles quem = valeur entière de
Pl /p2
et si
E (N) 1
etE (N)2
sont les valeurs deE(N) correspondantes,
alors on a :On vérifie aussi que :
2.2.
Temps
moyen de détection de la défaillanceLe
temps
moyen de détection de la défaillance E(D)
est donné parEn utilisant le résultat
(3)
et enrappelant
quealors,
onpeut
écrirel’expression (6) :
Ce résultat admet aussi une
interprétation géométrique simple
etsuggestive.
En
effet,
onpeut
dire queE(D)
est donné par la différence de deux surfaces :l’une, correspondant
à03A3PR(kP), qui
n’est autre que la somme des surfaces desrectangles
de base P centrés sur
kP,
k =0, 1, 2, ... ,
et de hauteursR(kP) ; l’autre,
corres-pondant
àE(T), qui
est la surface définie parl’intégrale.r: R(t)
dt.On
rappelle
que NAKAGAWA et YASUI[5] ont
écrit :L’interprétation géométrique
donnée nous conduit facilement à lacompré-
hension des résultats suivants :
a)
Pour des valeurspetites
deP,
la valeur deE(D)
estapprochée
deP/2.
Onpeut
serappeler
que SCHNEEWEISS[7],
en considérant un linéarisation def(t)
en
[kP, (k
+1 ) P),
a obtenul’approximation
Ce
résultat, cependant, qui
n’est valide que pourf (0)
oo,pourrait
nousconduire à la conclusion
E(D) > P/2,
cequi
n’est pastoujours vrai,
comme l’inter-prétation géométrique
antérieure et les valeursnumériques
obtenuespeuvent
nous le montrer.b)
SiF(t),
et doncR(t),
admet uneapproximation
linéaire en[kP, (k
+1 ) P],
alors
E(D)
=P/2 (NAKAGAWA
et YASUI[5]).
2.3. Coût total moyen minimum et deux solutions
approchées
En utilisant
(1), (3)
et(4)
on obtientoù T =
CI /C2 .
Le coût total moyen
minimum,
que nousdésignons
parE(C)o’
est obtenupour une valeur
Po
de Pqui
vérifiel’égalité
suivante :En utilisant
(3)
et considérant que la dérivationpeut
être effectuée(il
estsuffisant pour cela que
f(t)
soit une fonctioncontinue),
on obtient àpartir
de(9)
Dans le cas où la distribution est
exponentielle,
c’est-à-direR(t)
=exp (- Xt).
on a :
Cette
equation admet,
c’estévident,
une solutionunique
en P.Dans le cas
général,
il sepeut
quel’équation (10)
n’ait pas une solutionunique
enP,
et, desurcroît,
elleprésente
des difficultés de résolution. Oncherche, alors,
une valeurapprochée Pô
dePo qui
soit facilement obtenue etqui
conduiseà un coût
approché
deE (C)o .
NAKAGAWA et YASUI
[5]
ont montré que siE(D)
=P/2, alors,
la valeurP*0 qui
minimiseE(C)
est donnée parDans le cas où la distribution est
exponentielle,
c’est-à-direR(t)
=exp(- Xt),
ce résultat
peut
être obtenu facilement àpartir
de(11),
en utilisantl’approxima-
tion :
Les auteurs
précédents
ontcomparé ensuite,
pour la distribution deWEIBULL,
la valeur deP*0,
obtenue àpartir
de(12),
avec la valeur dePo
obtenueà
partir
de(10).
Ils ont conclu que pour1,5 0 2,5 (J3: paramètre
de formede la distribution de
WEIBULL)
les erreurs relatives deP*0 étaient,
auplus,
10 %environ.
Il nous
semble, toutefois,
que cequi
doit êtrecomparé
dans unproblème
de ce genre, ce sont les coûts et non pas les
périodes d’inspection,
car il sepeut
qu’il
existe une très faiblesensibilité
deceux-là,
relativement à celles-ci.Bien que, dans un
problème d’inspection périodique,
le résultatqui importe (du point
de vuepratique)
soit l’intervalleoptimum
entreinspections (ou alors,
une valeur
approchée),
la vérité est que(du point
de vueéconomique)
onpeut
aussi avoir besoin de déterminer le coût total moyen minimum(ou alors,
unevaleur
approchée).
C’est pourcela,
et aussi avecl’objectif
de comparer ensuite leursvaleurs,
que nous allonsindiquer,
au-delà du coût total moyen minimumE(C)o,
deux
approximations
que nousdésignons
parE (C) 1
etE(C);.
Ainsi :a)
En résolvantl’équation (10)
on obtient une valeurPo, laquelle, rempla-
cée en
(8),
nouspermet
d’obtenirE(C)o
que nous pouvons écrire de lafaçon
suivante
.- ... - m ,
b)
En utilisant la valeurapprochée P*0,
obtenue àpartir
de(12)
et en consi-dérant dans
l’expression (1)
queE(D)
=P/2,
on obtient uneapproximation E(C);
donnée par
c)
En utilisant encorel’approximation P*0,
mais sansimposer
pour le momentE(D) = P/2
dansl’expression
deE(C),
on obtient alors la valeur correcte du coût total moyen E(C)2 correspondant
àP§ , qui
est donnée par .3. EXEMPLES D’APPLICATION. COMPARAISON DE RESULTATS
En utilisant les résultats établis
précédemment,
nous allons faire mainte- nant, pour différentstypes
de distributions de T et pour différentes valeurs durapport T/E(T),
lescomparaisons
suivantes. Parsimplicité d’écriture,
onpeut
admettre sansperte
degénéralité
queE (T)
= 1.a) Po/2
avecE(D)o,
en calculantb) P*0
avecPo ,
en calculantc) E(C);
avecE (C)o ,
en calculantd) E (C);
avecE (C)o ,
en calculantPour faire les
comparaisons ci-dessus,
on considèrerales cas T/E (T) = .0125, .05, .2,
.8. En outre, en cequi
concerne lestypes
de distributions deT,
on consi- dèrera les cas lesplus
intéressants où le taux de défaillanceh(t)
=f(t)/R(t)
estdécroissant
(WEIBULL,
oùR(t)
=exp(t/a)fJ, 13 = .7),
constant(WEIBULL, 13
= 1 -exponentielle),
croissant(WEIBULL, 13
=1.5, 2.0,2.5,3.0,4.0,5,0, 7.0),
en forme de
baignoire (HJORTH [2],
oùR(t) = exp (- ât2/2)/(l
+{3t)8/13,
o
= (3
=1,
5 =.01)
et le cas où le tauxh(t)
est initialement croissant etaprès
décroissant
(log-normal,
oùf(t)
= exp[- (log
t -03BC)2/2 or2 J/(v’21T ot),
0 =1).
Les résultats obtenus sont fournis dans le tableau 1. On
peut
remarquer que dans l’article de NAKAGAWA et YASUI[5] il
y a des valeursqui
n’ont pasune
représentation
exacte.On
peut
mettre en évidence les conclusionssuivantes, parmi
d’autres :a)
Pour la distribution en forme debaignoire
et pour la distribution de WEIBULLavec (3
= .7et 03B2
=1,
on vérifie queE(D)
esttoujours supérieur
à
P/2,
et d’autantplus
queT/E(T)
estplus
élevé. En outre, pour la distribution de WEIBULLavec (3
élevé et,plus spécialement
pour des valeurs élevées deT/E (T),
on vérifie que
E(D) peut
être considérablementplus petit
queP/2,
ce quel’approxi-
mation
(7)
neprévoyait
pas. En outre, on vérifie quepour
= 2on
aE(D) ~ P/2
pour presque toutes les valeurs
indiquées
deT/E(T).
Ces résultats sont facilementcompréhensibles
si on serappelle l’interprétation géométrique
de(6)
et l’évolution de la convexité(positive
ounégative)
de la courbeR(t)
pour chacune des distri- butions.b)
La valeur dePu,
comme NAKAGAWA et YASUI[5]
l’avaientdéjà vérifié,
peut s’éloigner
sensiblement dePo (prenant
des valeurssupérieures
ouinférieures),
et cela
plus particulièrement
pour degrandes
valeurs deT/E(T) -
situation oùP/2
est unemauvaise approximation
deE(D).
Dans lecas
de la distribution de WEIBULLou f3
= 2 onpeut
dire quePo
etPo
sont presqueégales.
c)
Les coûtsapprochés E(C);
et surtoutE(C);,
s’écartentbeaucoup moins,
en valeurs
relatives,
du coût minimumE(C)o
que la valeurapprochée
de lapériode d’inspection Pô
ne le fait de la valeurPo,
pour les distributionslog-normale
et enforme de
baignoire
et pour la distribution de WEIBULL avecj8
3. Enparticulier,
on
peut
considérer queE(C);
est presque minimum pour les distributionsci-dessus,
car l’erreur relative pour les valeurs
indiquées
der/E(T)
est souvent trèsproche
de zéro. On
peut
alors conclure quel’approximation
obtenue par NAKAGAWA et YASUI[5 ]
est presqueoptimum
dupoint
de vue descoûts,
ce que leur articlene mettait pas en évidence. La
justification
de ce fait est la suivante : d’unefaçon générale, quand
lapériode d’inspection augmente (diminue),
on vérifie queE(N)
diminue
(augmente)
et,parallèlement, E(D) augmente (diminue),
cequi signifie
que
E(C)
est peu sensible aux variations deP,
surtout si celles-ci sontpetites.
En outre, on
peut
vérifier que pour les valeurs élevées de0,
les erreurs rela-tives de
E(C)*1
etE (C)2 peuvent
être assezélevées,
mêmesupérieures
aux erreursrelatives de
Pj.
Dans ce cas, onpeut
dire queP*0
est une mauvaiseapproximation
dePo (on
constate que dans ce cas uneaugmentation
de Ppeut
provoquer une diminu- tion simultanée deE(N)
et deE(D)).
Notonscependant
que pour des distributions où le taux de défaillance croît très vite(cas
de la distribution de WEIBULLavec (3 élevé),
onpréfère
unepolitique d’inspection
nonpériodique,
avec des intervalles décroissants entre lesinspections
consécutives -voir,
parexemple,
BARLOW etPROSCHAN
[ 1 ]
et MUNFORD et SHAHANI[4].
4. L’IMPORTANCE DU TYPE DE DISTRIBUTION
Au
paragraphe précédent,
pour une distributiondonnée,
on acomparé
dif-férentes
grandeurs. Maintenant,
nous allonsanalyser
laquestion
suivante : est-ce que les coûts totaux moyensminimums,
relatifs à deux distributions différentesavec la même
espérance E(T),
sont différents?Ou,
en d’autrestermes,
est-ce queE(C)o dépend
essentiellement deE(T)
et non dutype
de la distribution?A ce propos, on
peut
remarquer que cette mêmequestion,
bien que for- mulée en d’autres termes, se pose en contrôlestatistique
de laqualité (voir,
parexemple,
MONTGOMERY[3 ]).
Supposons
alors que les distributionsprécédemment
utilisées aient la mêmeespérance (E(T)
=1,
parexemple,
bien que cela ne soit pasnécessaire),
et voyons commentE(C)o
varie d’une distribution à une autre. Unefaçon simple
de le faireest de considérer la
grandeur
où
E(C);,
donnée par(14),
étantindépendante
desdistributions,
estprise
commevaleur de référence.
On a
présenté
dans le tableau 2 les valeurs obtenues deQ.
Onpeut
vérifierqu’il
y a une variationimportante
deQ,
et donc deE(C)o,
enparticulier
pour degrandes
valeurs deT/E(T).
Ceci veut dire parconséquent
que le coût minimumE(C)o (et
aussiE(C);) peut dépendre
assez fortement dutype
de distribution etnon seulement de
E(T). Cependant,
pour depetites
valeurs deT/E (T),
pour la distribution de WEIBULL avec03B2~ (1,3)
et pour la distributionlog-normale,
onpeut
dire que ladépendance
est faible. Cela estjustifié
parce quel’approximation E(D) ~ P/2
est bonne dans ces cas-là.TABLEAU 2
Valeurs obtenues pour
Q,
pour différentes valeurs deT/E (T)
et pour des distributions où le taux de défaillanceh(t)
estdécroissant, constant,
croissant,
en forme debaignoire
et le cas où le tauxh(t)
estinitialement croissant et
après
décroissant.5. CONCLUSIONS FINALES
En utilisant des résultats
simples
pour le nombre moyend’inspections pério- diques
et pour letemps
moyen de détection de ladéfaillance, auxquels
on a donnéune
interprétation géométrique suggestive,
on aobtenu,
enrésumé,
les conclusions suivantes :a)
Letemps
moyen de détection de la défaillanceE(D) peut prendre
desvaleurs assez différentes de
P/2,
soitsupérieures
soitinférieures,
sauf pour depetites
valeurs de
7/E(T)
et pour des distributions oùR(t) présente
unpoint
d’inflexion.b)
La valeur de lapériode d’inspection Po qui
minimiseE(C) peut
êtreassez différente
(supérieure
ouinférieure)
de cellequ’on
obtient àpartir
del’ap- proximation
de NAKAGAWA et YASUI[5 ],
sauf pour les cas oùr/E (T)
est assezpetite
et pour des distributions oùR(t) présente
unpoint
d’inflexion(situations
où on a
E(D) ~ P/2).
c) Le
coût total moyenE(C);,
obtenu àpartir
del’approximation P*0,
s’éloigne
moins d’unefaçon générale,
du coût minimumE (C)o , correspondant
àPo,
queP*0
ne le fait dePo ;
celasignifie qu’il
existe une faible sensibilité deE(C)
par
rapport
à P. Ce faitpermet
de considérer comme intéressante la valeur ap-prochée Pô
dans lesapplications pratiques.
En outre, onpeut estimer
que le coûtE(C);, dont
la déterminationexige
seulement la connaissance deE(T)
et deC 1
et
C2 ,
est une bonneapproximation
deE(C)o
et deE(C)*2, quand
les valeurs deT/E(T)
sontpetites.
d)
Letype
de distribution dutemps
de vie T dusystème
estimportant quand
on veut calculer le coût minimum
E (C)o (et
aussiE(C)*2).
En d’autres termes, sinous avons deux distributions avec la même
espérance E(T),
il sepeut qu’il
existeune différence sensible entre les valeurs
respectives
deE(C)o,
sauf dans les cas oùT/E(T) correspond
à depetites
valeurs. _En ce
qui
concerne lesexemples d’application,
on s’est limité(au-delà
desvaleurs de
T/E (T)
assezdifférentes)
au cas où le taux de défaillance est décrois- sant, constant,croissant, courbe
enbaignoire
et à celui où le taux croît initiale- ment et décroît ensuite.REMERCIEMENTS
L’auteur tient à remercier Madame Maria de FATIMA FONTES de
SOUSA,
Professeur à la Faculté de Sciences deLisbonne,
pourl’appui
et pourl’encourage-
ment
qu’elle
lui a donnés. Il remercie aussi MadameConceiçao FIRMINO,
Pro-fesseur de
Français
àEvora,
pour la révision du texteoriginal
enFrançais. Enfin,
l’auteur remercie Madame
Angélica GALVOEIRA,
duDépartement
de Mathéma-tiques
de l’Université deEvora,
pour le travailsoigneux
dedactylographie.
REFERENCES
[1]
E.R.BARLOW,
F. PROSHAN(1965). - Mathematical Theory of Reliability,
John
Wiley,
New-York.[2]
U. HJORTH(1980). -
AReliability
Distribution withIncreasing, Decreasing,
Constant and
Bathtub-Shaped
FailureRates, Technometrics,
Vol.22,
No.1, p. 99-107.
[3]
D.C. MONTGOMERY(1980). -
The EconomicDesign
of Control Charts: A Review and LiteratureSurvey,
Journalof Quality Technology,
Vol.12,
No.2,
p. 75-87.
[4]
A.G.MUNFORD,
A.K. SHAHANI(1972). -
ANearly Optimal Inspection Policy, Opl R.Q.,
Vol.23,
No.3,
p. 373-379.[5]
T.NAKAGAWA,
K. YASUI(1979). - Approximate
Calculation ofInspec-
tion
Policy
with Weibull FailureTimes,
IEEE Trans. onReliability,
Vol.R-28,
No.
5,
p. 403-404.[6]
T.NAKAGAWA,
K. YASUI(1980). - Approximate
Calculation ofOptimal Inspection Times, J. Opl.
Res.Soc.,
Vol.31,
No.9,
p. 851-853.[7]
W.G. SCHNEEWEISS(1976). -
On the Mean Duration of Hidden Faults inPeriodically
CheckedSystems,
IEEE Trans. onReliability,
Vol.R-25,
No.5,
p. 346-348.