R EVUE DE STATISTIQUE APPLIQUÉE
G. M ARTINEAU J. F AUCHON
Utilisation de l’approximation Gamma et de l’approximation Bêta en prédimensionnement
Revue de statistique appliquée, tome 25, n
o4 (1977), p. 45-78
<http://www.numdam.org/item?id=RSA_1977__25_4_45_0>
© Société française de statistique, 1977, 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
http://www.numdam.org/
45
UTILISATION DE L’APPROXIMATION GAMMA
ET DE L’APPROXIMATION BETA EN PRÉDIMENSIONNEMENT
G. MARTINEAU
et J. FAUCHONCentre d’Actualisation Scientifique et Technique et Centre de Mathématiques I.N.S.A. - 69621 Villeurbanne CEDEX
TABLE DES MATIERES
Pages
1 - Introduction... 46
II -
Approximation
par des lois Gamma des lois de combinaisons de variables aléatoires normales ... 4711.1. Combinaisons étudiées... 47
11.2. Recherche des lois exactes des combinaisons ... 47
11.3.
Approximation
Normale ... 4911.4.
Approximation
Gamma ... 5311.5. Domaine de validité des
approximations ...
53III - Méthodes de
conception
par la fiabilité ... 56111.1. Introduction... 56
111.2. Présentation des calculs ... 57
111.3. Méthode de calcul
reposant
surl’hypothèse
de normalité de la contrainte ... 58111.4. Méthode de dimensionnement
proposé :
utilisation des lois Gamma et Béta de secondeespèce
... 59111.5. Critères de choix entre les deux méthodes ... 64
IV -
Exemple
d’utilisation des méthodes deprédimensionnement
... 64IV .I. Position du
problème ...
64IV.2. Dimensionnement de la
poutre...
66V. - Conclusion ... 70
ANNEXE A ... 71
Revue de Statistique Appliquée, 1977 vol XXV N° 4
Mots-clés : Fiabilité
Mécanique, Prédimensionnement,
Simulation.Lois de Probabilité
r(a, p) ; B2(h,p,q) ; W(j3,7?, p , À, d).
46
Page:
ANNEXE B ... 72 ANNEXE C ... 73 ANNEXE D ... 76
I. INTRODUCTION
La
présente
étude a pourobjet
de proposer une méthode deconception
par la fiabilité d’un élément de machine.
Dans une
première partie (chapitre II)
on considère les combinaisons somme,produit, quotient,
élévation à lapuissance...
de variables aléatoires. Engénéral,
les calculs de
Mécanique
desSolides,
abordés àpartir
de considérationsprobabi- listes,
font intervenirinitialement,
des variables aléatoires Normales. Laplupart
des combinaisons
envisagées
ci-dessus conduisent alors à des variables aléatoires suivant des lois inconnues.Celles-ci,
dans les méthodes actuelles de dimensionne- ment, sontapprochées
par des lois Normales.Toutefois,
le domaine de validité de cetteapproximation
n’est pas défini de manièreprécise.
Grâce à l’utilisation de testsstatistiques,
nousprécisons,
pour unrisque
d’erreurdonné,
les domaines de validité d’un certain nombre de cesapproxi-
mations. Simultanément est défini le domaine de validité
correspondant
àl’approxi-
mation de
type
Gammalaquelle,
au cours dedéveloppements, apparaîtra
commeune intéressante alternative à
l’approximation
Normale.La
partie
suivante(chapitre III)
traiteprécisément
del’approximation
Gammadans la
conception
par la fiabilité d’un élément de machine. Laméthodologie qui
en résulte estappliquée
au cas concret d’une lame soumise à des sollicitations alternées de flexion. Les résultats ainsi obtenus sontcomparés
à ceux issus de laprocédure
usuelle de dimensionnement basée surl’hypothèse
de normalité.Des simulations de la fiabilité R sont ensuite
envisagées.
Ellespermettent
entre autre de
préciser
les domainesd’application
de l’une et l’autreprocédure.
Revue de Statistique Appliquée, 1977 vol XXV N° 4
47
II - APPROXIMATION PAR DES LOIS GAMMA DES LOIS DE COMBINAISONS DE VARIABLES ALEATOIRES NORMALES Il. 1. - Combinaisons étudiées :
Partant de
l’hypothèse développée
auparagraphe I,
à savoir que les variables rencontrées dans les calculs de résistance des matériaux sont leplus
souvent desvariables aléatoires
Normales,
les formules de calcul des contraintes font alors intervenir des combinaisons de variables aléatoires Normales.Afin de
pouvoir
déterminer la loi suivie par une variable aléatoire résultant de la combinaison de variables aléatoires Normalesindépendantes,
nous envisa-geons les situations les
plus
couramment rencontrées. Ils’agit
essentiellement des variables aléatoires :Dans toutes ces combinaisons
Z, Z1
etZ2
sont des variables aléatoires Nor- malesindépendantes.
Il.2. - Recherche des lois exactes des combinaisons
A
partir
des différentes combinaisonsprécédemment énumérées,
nous cher-chons la loi suivie par la variable aléatoire X.
II.2.1-Loi de X=Z1.Z2
M.G. Kendall et A. Stuart
{1}
ont déterminé la densité deprobabilité
dela variable aléatoire X =
Z 1 . Z2 lorsque Z 1
etZ2
suivent des lois Normales cen-trées. Ce résultat est sans intérêt en ce
qui
nous concerne.Dans le cas où
Z
1 etZ2
suivent des lois normales noncentrées,
la méconnais-sance de la fonction densité de
probabilité
de X estcompensée
par la détermina- tion de sa fonctioncaractéristique.
Celle-ci récemmentdéveloppée {2} permet
en effet de connaître les cumulants et les coefficients de Fisher
(asymétrie
etaplatissement)
d’où toutepossibilité
de testsd’adéquation.
Les
expressions
del’espérance
et de la variance sontconsignées
dans letableau I.
//.2.2. - Loi de X =
Zl/Z2
Dans le cas du
quotient
de deux variables aléatoires Normalesindépendantes,
la densité de
probabilité
de la variable X n’est pas connue. On sait que lequotient
Revue de Statistique Appliquée, 1977 vol XXV N° 4
48
de deux variables aléatoires Normales
indépendantes
centrées réduites donne par contre une loi deCauchy
mais ce cas est aussi sans intérêt dans notre étude. Il est par contrepossible
de connaître les valeursnumériques
de la fonction derépar-
tion de
L(X) grâce
à unchangement
de variableapproprié {2}.
A la connaissance des auteurs, aucun calcul exact des cumulants n’estpossible :
on a donc recoursà des
approximations
que nousdévelopperons
dans lesparagraphes
ultérieurs.II.2.3. - Loi de X=Z1/2
La recherche de lois de combinaisons de variables aléatoires Normales nous a conduit à déterminer la loi exacte suivie par la variable aléatoire :
où les
Za
sont des variables aléatoiresindépendantes
de lois NormalesN(m03B1, cr).
La loi de X est alors une loi de Weibull
généralisée
àcinq paramètres W(03B2,~ À ,
p ,d)
dont l’étudefigure
à l’annexe C.Remarquons qu’en
posant :nous obtenons la variable aléatoire X
= |Z 11/2.
Ainsi la loi de X =
Z 11/2
où Z est de loi NormaleN (m, a)
est une loiW (4 ; (203C32)1/4; 1/2 ; m2/203C32 ; 0).
En
pratique
si m devientgrand
devant a, laprobabilité
pour que Z admette des réalisationsnégatives
tend vers zéro.Concrètement :
Dans ces conditions
(toujours
satisfaites en fiabilitémécanique)
nous pouvons é crire :Les
caractéristiques
de cette loi(espérance, variance)
sont données par les formulesasymptotiques
des cumulants de la loi de Weibullgénéralisée {2}
etAnnexe
{C}. L’espérance
et la variance de X =Z2 peuvent
d’ailleurs être retrou- vées àpartir
du théorème deKoenig
et del’expression
exacte de la variance aucarré d’une variable aléatoire Normale. On obtient les résultats du tableau I.
Revue de Statistique Appliquée, 1977 vol XXV N° 4
49 II.2.4. Loi de X =
Z2
Un raisonnement
analogue
à celui duparagraphe
11.2.3. conduit à déterminer la loi suivie par la variable aléatoire X= |Z|2.Il s’agit
d’une loi de Weibullgénéra-
lisée W
(1 ; 2a2 ; 1/2 ; m 2/2a2 ; 0).
Sous les mêmeshypothèses
queci-dessus,
|Z|2 ~ Z2.
On remarque que la loi de X est,
d’après
sadéfinition,
unX 2
décentré à undegré
deliberté,
c’est-à-dire une loi Gamma décentrée r(a ,
p ,X)
avec
L’espérance
et la variance de la variable aléatoire X sont données dans le tableau I.Il.2.5. Loi de X =
Z3
Z étant de loi normale N
(m , a)
etm/a
étant suffisammentgrand
commedéfini au
paragraphe 11.2.3,
la loi suivie par X =|Z|3 ~ Z3
est la loi W(2/3 ; a3 8; 1/2 ; m2 /2a2 ; 0).
Les formules
asymptotiques
des cumulants de cette loi conduisent auxexpressions
del’espérance
et de la varianceconsignées
dans le tableau I.Il.3. -
Approximation
normaleII.3.1. -
Principe
Dans les méthodes usuelles de
dimensionnement,
on a recours àl’Algèbre
des lois liées à la loi Normale
{2} {3} {4} {5} {6} {7} .
La loi suivie par la variable aléatoire X est alorssystématiquement approchée
par une loi Normale sous réserve que les coefficients de variation des variables aléatoires Normales Zcomposantes
soient faibles
(cf. paragraphe 11.5).
La loi Normale N
(X , sx)
est établiegrâce
à des formules engénéral
appro- chéesqui permettent
le calcul de la moyenne X et del’écart-type
sx. Les résul- tats relatifs aux combinaisonsprécédemment envisagées apparaissent
dans le ta-bleau II. Notons que dans les cas de X =
Z 1 . Z2 ,
de X =Z1/2
et de X =Z 2
on retrouve pour la moyenne et
l’écart-type
de la variable aléatoireX,
les résul-tats exacts du tableau
I,
mais la distribution de X estapprochée.
Revue de Statistique Appliquée, 1977 vol. XXV N° 4
50 Revue de Statistique Appliquee, 1977 vol XXV N° 4
Revue de Statistique Appliquée, 1977 vol. XXV N° 4 51
52 Revue de Statistique Appliquee, 1977 vol XXV N° 4
53 IL4. -
Approximation
GammaII.4.1 - Principe
Le
principe
consiste àapprocher
les lois de combinaisons de variables aléa- toires normales par des lois Gamma admettant mêmesespérances
et mêmes va-riances.
Les résultats du tableau I
permettent
alors de déterminer lesparamètres
a , p des lois F
(a , p).
En effet :
Seul le cas de X =
Zl/Z2
pourlequel
nous n’avons donné aucun résultat exact nepeut
être déterminé àpartir
des résultats du tableau I.Cependant
il estpossible
de déterminer lesparamètres
d’une loi Gamma en assimilant les lois nor-males des variables aléatoires
Zl
etZ2
à des lois Gamma dont on connaît la ten- danceasymptotique
vers la loi Normale{2}.
Lequotient
de deux lois Gammaquelconques
est une loi Béta de secondespèce (cf annexe)
dont nous connaissons la moyenne et la variance et c’est cette loi que nous assimilons à une loi Gamma de même moyenne et même variance.Tous calculs
faits,
les résultatsapparaissent
dans le tableau III.II.5. - D omaine de validité des
approximations
II.5.1. -
Principe
de l’étude{2}
Connaissant les lois suivies par les variables aléatoires Z nous pouvons obte- nir
expérimentalement
la loi des combinaisonsgrâce
à la méthode de simulation de Monte-Carlo dont laprocédure
est décrite dans l’annexe D. Il est alorspossible
de comparer la fonction de
répartition expérimentale (simulée)
à une fonction derépartition théorique
Normale ouGamma,
en construisant une bande de confiance delargeur
donnée dans les tables du test de LILLIEFORS pourl’hypothèse
de nor-malité et de KOLMOGOROV-SMIRNOV pour
l’hypothèse
de loi Gamma.On détermine ainsi avec un
risque
d’erreurchoisi,
les limites de validité desapproximations
étudiées.Dans notre étude le
risque
d’erreur a estégal
à 10% (valeur
laissantespérer
un test efficace avec un
risque j3
associé pastrop important).
Les tableaux
IV, V,
VI donnent les valeurs des coefficients de variation àne pas
dépasser
pourrespecter l’hypothèse
de Normalité ou de loi Gamma.La mise en oeuvre des tests est faite comme
indiqué figure
1 par construction de la bande de confiance et de la fonction derépartition conjecturée.
Revue de Statistique Appliquee, 1977 vol XXV N° 4
54
Figure 1 - Test de Kolmogorov-Smimov.
F*(x)
~ loiB2(h ,
p, q)B 1000 ;
0,10 ~ X simulé 11.5.2. Résultats1) Produit X = Zl . Z2
Avec
TABLEAU IV
Revue de Statistique Appliquee, 1977 vol XXV N° 4
55 De
plus
nous devonsrespecter :
VZ1 ou VZ2 0,30
dansl’approximation
GammavZ 1 ou VZ2 0,15
dansl’approximation
Normale2) Quotient X
=Z1 /Z2
Avec
TABLEAU V
De plus :
approximation
Gammaapproximation
Normale3)
Autres combinaisonsLes résultats sont résumés dans le tableau suivant :
Revue de Statistique Appliquée, 1977 vol XXV N° 4
56 TABLEAU VI
/1.5.3. - Conclusions
De la lecture des différents
tableaux,
il ressort quel’approximation
Gammacouvre un
plus grand
domaine de validité quel’approximation normale,
hormis lecas de X =
Z 1 /
Cecis’explique
par le fait que pour q1,
les distributions de X = Z q sont étalées àgauche.
Ces
résultats,
d’intérêtpratique évident,
contiennent larègle
énoncée par KECECIOGLU{3} {14} :
"Les formulesapprochées
del’Algèbre
des lois liées à la loi normale ne sontapplicables
que si les coefficients de variationn’atteignent
pas simultanément la valeur
0,10".
III - METHODES DE CONCEPTION PAR LA FIABILITE III 1. - Introduction :
Dans les calculs de
fiabilité,
deux caspeuvent
seprésenter :
- l’élément de machine est construit et nous voulons déterminer sa fiabilité.
- l’élément de machine est à construire et nous voulons déterminer ses di- mensions afin d’obtenir une fiabilité donnée.
Le
premier
cas, traité par la théorie de la théorie de la résistance et de la contrainte{2} {3} {4} {5} {6} {7} ,
ne sera pas abordé ici.Le deuxième cas fait
appel
aux méthodes deconception
par la fiabilité.Celles-ci
permettent,
àpartir
de la connaissance du matériauutilisé,
descharges appliquées
et des tolérances defabrication,
de dimensionner lespièces
en vue deréaliser un
objectif
de fiabilité donné.Après
avoirrappelé
une méthode usuelle fon- dée surl’hypothèse
de normalité de la résistance et de lacontrainte,
nous proposonsune méthode
reposant
sur unehypothèse
de lois Gamma.Les domaines
d’application
des deux méthodes sont donnés et confirmés dans le cas d’une lame en flexion alternée : les résultats trouvés sont vérifiés par la mé- thode de simulation de MONTE-CARLO.Revue de Statistique Appliquee, 1977 vol XXV N° 4
57 Ill.2. - Présentation des calculs :
III.2.1. - Formule de la contrainte
Dans tous les cas de sollicitations
statiques
et dans certains cas de sollicita- tionssimples
defatigue,
lacontrainte,
en théorie despoutres,peut
être mise sousla forme
générale : {2}
P caractérise les efforts
(force, moment,
momentidéal....)
A caractérise la
géométrie
de la section droite(surface,
module de résistance enflexion...)
a caractérise la contrainte
(contrainte normale, tangentielle, équivalente...)
111. 2.2. - Considérations sur les tolérances de
fabrication
Suivant la nature des éléments de machine à
concevoir,
il estpossible
d’avoirune idée de la
précision
à la fois souhaitable et réalisable. Ceci conduit à fixer unevaleur pour le coefficient de variation d’une dimension donnée.
Considérons en effet la base b d’une lame de flexion
parallélépipédique. Sup-
posons
qu’il
soitpossible
de réaliseroù
b
est la valeur moyenne de la base b et k un nombre certain.Les résultats du contrôle de
qualité {8}
montrent que la base bpeut
être considérée comme une variable aléatoire normale. Sous cettehypothèse, 99,75 %
des valeurs de b sont
comprises
entre b -3sb
etb
+3sb (sb
estl’écart-type
de lavariable aléatoire
b).
D’où, depuis (1) :
Le coefficient de variation vb de la variable aléatoire b est défini par :
et sa valeur est donnée
d’après (3)
par :Quel
que soit leproblème envisagé,
on montrequ’il
estpossible
de déter-miner vA
coefficient
de variation de la variable aléatoire A définie auparagraphe 11.2.1.,
àpartir
des coefficients de variation des côtés de la section droite obtenus parexemple
commeexposé
ci-dessus pour b.Revue de Statistique Appliquee, 1977 vol XXV N° 4
58
IIL3. - Méthode de calcul
reposant
surl’hypothèse
de normalité de la contrainte1)
Données :*
(03A3, s)
résistance(a)
*
(P , sp) chargement (b)
*
vA
coefficient de variation de la variable aléatoire A(c)
* R
objectif
de fiabilité à réalisera)
Nous convenonsd’appeler 2;
la résistance du matériau. Enstatique,
Zreprésente
soit la limited’élasticité,
soit la résistance à larupture, soit
la contraintevraie de
rupture.
Dans le cas de sollicitations defatigue, 03A3 correspond
à la limite defatigue.
Larésistance
est considérée comme une variable aléatoire dont on donne la valeurmoyenne
etl’écart-type
s03A3.b) P
est la variable aléatoire introduite auparagraphe précédent
dont lamoyenne
P
etl’écart-type
sp sont déterminés.c)
vA est le coefficient de variation de la variable aléatoire A de moyenne A etd’écart-type sA
2) Hypothèses
sur les distributions :La résistance 03A3 et la contrainte a sont considérées comme des variables aléatoires de lois normales.
Les dimensions des
pièces
et les forcesappliquées
sontégalement
des variables aléatoires normales.L’approximation
normale des combinaisons de variables aléatoires normales estsystématiquement
utilisée. n en résulte que les variables aléatoires P etA,
défi- nies auparagraphe 111.2.1,
sont considérées comme des variables aléatoires de loisrespectives
N(P , sP)
etN (A , sA)
dans la mesure où les coefficients de variations de ces variables demeurent faibles.3)
Détermination de A etsA
La fiabilité R ou
probabilité
de survie à un instant donné dans les conditions de fonctionnementdonnées,
est ici laprobabilité qu’a
la résistance 03A3 d’êtresupé-
rieure à la contrainte a soit :
Dans le cas où les distributions de contrainte et de résistance sont toutes les deux
normales,
on montre que la fiabilité est donnée par :Revue de Statistique Appliquee, 1977 vol XXV N° 4
59
avec
et
f (z)
densité deprobabilité
de la loi normale centrée réduire.Dans les calculs de
conception
par lafiabilité, l’objectif
de fiabilité R estchoisi à
l’avance ;
il luicorrespond
une valeurzo
obtenue par lecture dans les tables de la fonction derépartition
de N(0 , 1).
Rappelons
d’autrepart
que la contrainte a est de la forme :L’utilisation de
l’algèbre
des lois liées à la loi normale conduit à l’obtention de lamoyenne âr
et del’écart-type sa
de cette variable.Après
calculs et arrange-ment on obtient la valeur moyenne
A :
L’écart-type
desA
est obtenu àpartir
de la connaissance devA
et deA :
La passage aux dimensions de la section droite se fait alors comme
indiqué
dans
l’exemple d’application.
111.4. - Méthode de dimensionnement
proposée :
utilisation des lois Gamma et Bêta de secondeespèce {2}
1)
Données :Les données sont
identiques
à celles de la méthodeprécédente,
c’est à dire :*
(03A3, s03A3)
résistance* (P , sp) chargement
* vA
coefficient de variation de la variable aléatoire A* R
objectif
de fiabilité à réaliser2) Hypothèses
ettransformation
des données :L’hypothèse
de normalité de la résistance et de la contrainte estremplacée
par une
hypothèse
de loi Gamma. Cette démarche repose sur la constatationqu’un grand
nombre de loisreprésentant
les distributions réelles de contrainte et de résis- tancepeuvent
êtreapprochées
avecplus
deprécision
par des lois Gamma que par des lois normales{2} {9} {10}.
Revue de Statistique Appliquée, 1977 vol XXV N° 4
60
L’hypothèse
de normalité sera par contre conservée pour des dimensions : cettehypothèse
est couramment admise en contrôlequalité.
Si une variable aléatoire X suit une loi Gamma r
(a* , p*),
la moyenne E(X)
et la variance V
(X)
ont pourexpressions :
Ainsi est-il
possible
de déterminer lesparamètres
des lois Gamma àpartir
des données duparagraphe
111.4.1.* La résistance 03A3 est de loi F
(a , p)
A
partir
des données(Z , s03A3)
nous formons :* La variable aléatoire P est de loi r
(a’ , p )
A
partir
de(P , sP)
nous avons :* La variable aléatoire A est de loi r
(b’ , q’)
Les
paramètres
de la loi sont :La seule donnée concernant A est son coefficient de variation
vA
cequi permet
ladétermination
immédiate deq’.
La recherche deb’
estéquivalente
à larecherche de A
puisque d’après (16)
et(17)
nous avons :Revue de Statistique Appliquee, 1977 vol XXV N° 4
61
3)
Prise en compte d’unobjectif de fiabilité
D’après
leshypothèses
faites auparagraphe précédent,
la variable aléatoirea est le
quotient
d’une variable aléatoire P de loir(aBp’)
par une variable aléa- toire A de loir(bB q).
a suit alors une loi béta de secondeespèce
à trois para- mètresLa moyenne a et
l’écart-type
s03C3 de la variable aléatoire a ont alors pourexpressions respectives :
a intervenant dans le coefficient de sécurité C par :
Il en résulte que ce dernier est une variable aléatoire à
partir
delaquelle
lafiabilité
peut-être
déterminée. Eneffet,
la relation(6)
se transforme en ,soit encore avec
(21)
dont la valeur est obtenue par :
où
f(c)
est la densité deprobabilité
de la variable aléatoire C.Si la loi suivie par cette dernière est connue, le calcul de R est
possible.
La résistance 03A3 suivant
d’après
leshypothèses
duparagraphe précédent
une loi Gamma
r(a, p), il
est intéressant de considérer que la contrainte a suitune loi Gamma
r(b , q).
Dans ces conditions eneffet,
la variable aléatoire C quo- tient de deux variables aléatoires Gamma suit une loi Bêta de secondeespèce
àtrois
paramètres.
Revue de Statistique Appliquée, 1977 vol. XXV N° 4
62
Ainsi la contrainte a, de loi
B2(b a’, q’, q’)
dans(1)
est de loir(b , q)
dans(21).
Afin d’établir l’identité des deux
distributions,
nous écrivonsl’égalité
desdeux
premiers
moments de chacune d’elles.A
partir
de(19), (20)
et desexpressions :
- de la moyenne de a de loi
r (b , q)
- de
l’écart-type
de a de loir(b , q)
il vient les
égalités :
D’où nous tirons :
et
Le
paramètre
q est calculable àpartir
des donnéespuisqu’en remplaçant
dans(26) p’
etq’
par leursexpressions respectives ( 15)
et( 17),
il vient :Le
paramètre
b demeure inconnu car la valeur deb’
n’est pas déterminée.La
prise
encompte
del’objectif
de fiabilitépermet
de résoudre ceproblème.
En
effet,
le calcul de la fiabilité R s’effectue comme montréprécédemment
par la relation
(23)
oùf (c)
est la densité deprobabilité
du coefficient de sécurité C de loiB2(b a ,
p ,q ).
La fiabilité R est donc une fonctionde b a ,
p et q.Revue de Statistique Appliquée, 1977 vol XXV N° 4
63
Dans notre cas, R est une
donnée,
p est calculé par la formule(13)
et q par bla formule
(28).
Nous cherchons alors la valeurho
= -correspondante.
a
Rappelons
que la fiabilité R est obtenue àpartir
de la fonction derépartition F(c)
de la loiB2(h ,
p ,q) puisque :
ce
qui
s’écrit encore :Soit
finalement, compte
tenu deFc :
expression
danslaquelle
interviennentrespectivement
les fonctions Bêta 2 et Bêta 2incomplète.
La résolution de
l’équation intégrale (30)
est effectuée par unetechnique d’intégration numérique
à pas variable. Ellepermet,
sachantR,
d’obtenir la valeurho
de l’inconnu h.La
prise
encompte
del’objectif
de fiabilitépeut
ainsi se résumer :4)
Détermination deA
et SA :La connaissance de
ho permet
celle duparamètre b’.
La relation(27)
s’écriten effet :
D’où la valeur moyenne
A
définie par :soit avec
(31) :
Revue de Statistique Appliquée, 1977 vol XXV N° 4
64
Les
paramètres
a,a’, p’
etq’ peuvent
êtreremplacés par leurs
valeurs respec- tives données par les formules(12) (14) (15)
et(17) ; après arrangement (32) prend
la forme :Cette relation est à comparer à la relation donnée pour la méthode
reposant
sur la normalité des distributions de contrainte et de résistance.
L’écart-type
de la variable aléatoire A est obtenu par :111.5. - Critères de choix entre les deux méthodes
Les limites
d’application
de chacune des deux méthodes ont été étudiéesgrâce
à des tests deKolmogorov-Smimov {2}.
Avec un
risque
d’erreur a = 10%,
ilapparait
que :- la méthode traditionnelle
(hypothèses
denormalité)
n’estapplicable
que si- la méthode
proposée (hypothèse
de loisGamma)
n’estapplicable
que si :Avant
d’entreprendre
toutcalcul,
il conviendra de vérifier la condition(34).
Si celle-ci estsatisfaite,
la méthodetraditionnelle, plus simple
de mise enoeuvre sera utilisée. Sinon et si la condition
(35)
estremplie,
onemploiera
la mé-thode
proposée,
certesplus complexe
mais au domained’applications plus
vaste.IV. - EXEMPLE D’UTILISATION DES METHODES DE PREDIMENSIONNEMENT
IV.1. - Position du
problème
Nous considérons une lame de flexion dont les
caractéristiques apparaissent
sur la
figure
de la page suivante.Toutes les dimensions de cette
poutre
de sectionrectangulaire
sont consi- dérées comme des variables aléatoires distribuées normalement.La force F
(verticale
etagissant
à l’extrémité de lapoutre encastrée)
estsinusoïdale avec une
amplitude
constante et suit une loi normaleN (F, SF) -
Revue de Statistique Appliquée, 1977 vol XXV N° 4
65
La lame est en acier AISI 4340
(nuance
voisine de 35 NCD16)
dont la courbe de Wohlerprobabilisée
est donnée parHaugen {15}.
Elle estreproduite figure
2.Figure 2. - Statistical S-N surface for SAE 4340 Steal alloy.
Elle est soumise à une contrainte alternée de flexion dont la valeur maxi- male est
de forme semblable à
(1)
enposant :
Revue de Statistique Appliquée, 1977 vol XXV N° 4
66 IV.2. - Dimensionnement de la
poutre
IV.2.1 - Données :Les données nécessaires à la mise en oeuvre des 2 méthodes ont été
préci-
sées au
paragraphe
III.a)
Données directesLa résistance 03A3 est déterminée
grâce
à la courbe de Wohler(figure 2).
Denombreux essais effectués aux
Etats-Unis,
notamment à l’Université deTucson,
et en France
par Bastenaire {16},
ont montré que dans l’essai defatigue,
la dis-tribution de la contrainte amenant la
rupture,
est normalequel
que soit le nombre decycles.
Fixant unobjectif
de fiabilité et une durée de 100 000cycles,
on dé-duit
l’intervalle de confiance à0,9975
cequi conduit, exprimés
enN/mm2,
àN(2,ss)= N(592,6 ;28,4).
Les autres données directes sont la force F de loi normale
N(F , sF),
la lon-gueur
de
lapoutre Q
de loi normaleN(~, sQ),
la hauteur h de la section droite de loiN(h, Sh)
et le coefficient de variation Vb de la cote b. Cette dernièrequantité
est choisie en considérant les tolérances de fabrication habituelles
(cf. III-2.2).
Le tableau VII rassemble les données directes relatives à six situations différentes par les
dispersions envisagées.
’
b)
Donnéestransformées
b-1 concernant P :
Les résultats de 11.2.1.
conduisent, depuis
P = F. Q à :b-2 concernant
vA
Sous réserve que le coefficient de variation de h soit inférieur à
0,075
il estadmis que la variable aléatoire
h2 (h
suivant une loinormale)
est assimilée à unevariable normale. Dans ces
conditions,
Aapparait
comme lerapport
de deux variables normalesindépendantes.
Cela conduit pour cequi
est de vA, à la forme :de
laquelle
sont issus les résultatsconsignés
dans le tableau VIII.IV.2.2. - Calcul de A et
sA
et des côtes de la section droiteEn ce
qui
concerneA
et sA, leurs valeurs sont obtenuesdepuis (9)
et(10)
pour la méthode
reposant
surl’hypothèse
denormalité, depuis (33)
et(10)
pour la méthodeproposée.
Revue de Statistique Appliquee, 1977 vol XXV N° 4
67 Les résultats sont résumés au tableau IX.
Sachant que A = -1 le
problème
consiste ensuite à déterminer b etsb,
connaissant
h ,
sh , vb(données directes)
et A et sA . Sousl’hypothèse
de norma-lité faite en b -
2,
il vientdepuis
II.3.2 :d’où
et connaissant vb :
Les résultats obtenus par cette
procédure
sontconsignés
autableau
X.Compte
tenu des tolérancesusuelles,
la lame sera réalisée à la cote b= b
±3sb .
On constate que la méthode
proposée
conduit à des dimensionsplus grandes
que la méthode
classique.
Il convient donc de savoir s’ils’agit
d’un sur-dimension- nement ou d’une sécurité nécessaire.IV.2.3. -
Analyse
des résultatsAfin de comparer la validité des 2
méthodes,
on vérifie si la fiabilitéprévue
est réellement atteinte dans l’un et l’autre cas.
Pour ce
faire,
on calculedepuis
les dimensions obtenues pourchaque
situa-tion,
la fiabilitécorrespondante
et on la compare à celle initialement souhaitée. A cette fin on utilise la méthode de simulation de Monte Carlo(voir
annexeD).
on simule
NT
réalisations de la variableC, depuis
ses variablescomposantes
donton connaît les
caractéristiques
et dont les lois sontsupposées normales,
parhypo-
thèse en cequi
concerneh, F, Q, b ;
par le fait en cequi
concerneL,
que dans r(a , p),
p est trèsgrand (p
=435,4).
N réalisations étant inférieures à
1,
il en résulte que la fiabilité simuléeRs s’exprime
par :Revue de Statistique Appliquée, 1977 vol XXV N° 4
68 Revue de Statistique Appliquée, 1977 vol XXV N° 4
69
Revue de Statistique Appliquée, 1977 vol. XXV N° 4
70 TABLEAU XI
Vérifications
Pour chacun des six
couples
desituations,
on a simuléNT
= 10 000 réali- sations de C. Les résultatsapparaissent
au tableau XI danslequel RN
etRr repré-
sentent, respectivement
les fiabilités simulées résultant del’hypothèse
de norma-lité et de
l’hypothèse
de loi Gamma(ces
calculs comme tous ceux desprésents
travaux ont été effectués par un calculateur Hewlett Packard
(HP 10)).
Nous constatons que dans
cinq
cas sursix, l’approximation
normale nepermet
pas d’atteindrel’objectif
de fiabilité souhaité alors que la méthode propo- séepermet
dans tous les cas, soit d’atteindrel’objectif R,
soit d’allerlégèrement
au-delà.
Les résultats obtenus par
l’approximation
normale fontapparaître
indirecte-ment l’intérêt d’une valeur de fiabilité associée à un niveau de confiance donné.
Cette
approche
a étédéveloppée
dans le cadre des calculs de vérification des carac-téristiques
de sécurité pour des distributions de contrainte et résistance normales{3} {4} {17}.
Ceproblème
ne semble pas se poser avecl’approximation
Gammapuisque,
dans les six casenvisagés,
nous avons, sanscalculs,
une certaine marge de sécurité.V - CONCLUSION
Au terme de cette
étude,
on constatequ’un
certain nombre deréponses peuvent
êtreapportées
auxquestions posées
par la fiabilitémécanique,
sousl’aspect plus précis
duprédimensionnement.
Dans la
première partie,
on étudie deuxapproximations possibles (approxi-
mation Normale et
approximation Gamma)
des lois suivies par les variables aléa- toires résultant de combinaisons de variables aléatoires Normales. Ceci conduit à l’utilisation d’une loi Bêta de secondeespèce
et à la mise en oeuvre d’une loi récem- mentproposée généralisant
la loi de Weibull. Destechniques
de simulation per- mettentd’appliquer
des testsd’adéquation (Kolmogorov, Lilliefors)
à ces modèles.Revue de Statistique Appliquee, 1977 vol XXV N° 4
71
Revue de Statistique Appliquée, 1977 vol XXV N° 4
72
Ceci conduit à
préciser,
pour unrisque donné,
les domaines de validité des appro- ximationsenvisagées.
Dans la seconde
partie,
on propose une méthodeoriginale
deconception
par la fiabilité. Basée surl’hypothèse
que certaines variablescomposantes
suivent des loisGamma,
on démontrequ’elle
a unchamp d’application plus
étendu que la méthode conventionnelle.Compte
tenu de sa mise en oeuvre moinsaisée,
il en ré-sulte un critère de choix.
Dans une dernière
partie, l’exemple
concret duprédimensionnement
d’unepoutre
travaillant en flexion est traité par l’une et l’autre méthode. De l’étude différentielle des résultats il ressort,depuis
une vérification consistant(les
dimen-sions
ayant
étédéterminées)
à calculer la fiabilitévraie,
que la méthodeproposée remplit toujours l’objectif
Rfixé,
tandis que pour certainessituations,
la méthode conventionnelle estprise
en défaut. Les fiabilités calculées directement par simu- lation confirment ces constatations.ANNEXE B Loi bêta de seconde
espèce B2 (h ,
p ,q)
1 -
Définition,
densité deprobabilité, fonction
derépartition
Soient Y et Z deux variables aléatoires
indépendantes,
de loisrespectives
Il
vient,
avec D tel queLe
changement
de variables u = y, v =y/z
induit lejacobien - y/v2
etla relation se transforme en :
soit
finalement, après
avoirposé
h =b/a :
Sous une forme
différente,
cette loi deprobabilité qui
sera notéeB 2 (h,
p ,q)
a été étudiée par Block et Rao
{18}.
1
Revue de Statistique Appliquee, 1977 vol XXV N° 4
Notons que si X suit une loi suit une loi
73
La fonction de
répartition
de Xs’exprime
par :2. - Cumulants.
Coeffzcients
de FisherSachant que si X =
hT , mr(X)
=hrmr(T),
ilvient, depuis
les caracté-ristiques
de T de loiB2(p , q) :
Pour ce
qui
est deG1,
on obtient :Si p est
grand, après
avoirposé
k= q (B-4) peut-être approché
par pOn démontre que
G 1 > 0,
cequi
traduit une distributiontoujours
étalée àdroite.
De
même,
sous leshypothèses précédentes,
La valeur
positive
deG2 signifie
que la distribution estplus aplatie
que la distribution normale. Ces formules semblentpréférables
à celles avancées par Johnson{19}, qui,
pour p et qgrands,
propose :ANNEXE C Loi de Weibull
généralisée
1. - L oi
W(03B2, ~,
p,03BB, d)
On a démontré par ailleurs
{2}, {20}
que si n variables aléatoiresYa suivent,
de manièreindépendante,
des lois normalesN(ma, a)
la variable aléatoire.Revue de Statistique Appliquée, 1977 vol XXV N° 4
74
suit une loi de Weibull
généralisée,
notéeW(03B2,
1], p,X, d)
dont la fonction densitéde
probabilité s’exprime,
~x d paroù est le
paramètre
de forme(ou
depuissance)
est le
paramètre
d’échelleest le
paramètre
de nombreest le
paramètre
dedécentrage
est le
paramètre
dedécalage
Notons que si
W ( j3,
ri,d) symbolise
la loi de Weibullusuelle, W(03B2,~,1,0,d)=W(03B2,~,d).
Différentes classes de variables aléatoires
peuvent
êtregénérées
par cette loi deprobabilité.
Ainsi,
pour p =1/2
et d =0, (C-2)
est la loi suivie par X =(Z2)1/03B2.
Remarquant
que si m estgrand
devant a,P(Z 0) ^-, 0,
et XZ2/{3.
Pour
j3 = 2,
p =n/2,
d =0,
X est la loi suivie par le module d’un vecteur dont les ncomposantes
suivent des loisN(m03B1, a).
2. - Détermination des
caractéristiques.
Posant d = 0 dans
(C-1),
cequi
ne modifie pas les moments centrés et les coefficients deFisher,
il vient :d’où,
tous calculs faitssoit encore :
où
e (p
+r/{3 ;
p ;À),
est solution del’équation
différentielleRevue de Statistique Appliquee, 1977 vol XXV N° 4
75 Figure 3.
est la fonction de Kummer. On sait que la série
qui
lui est associée estconvergente
r
quels
que soient p et p + - non entiersnégatifs
Il est
opportun,
afin d’obtenir des formesasymptotiques
de rnr selon le para- mètre dedécentrage X, d’appliquer
à 03B8 la transformation suivanteRevue de Statistique Appliquée, 1977 vol XXV N° 4
76
Ces formules sont arrêtées aux deux
premiers
termes parKi, K2, G 1,
aupremier
terme pourG2
On montre
(figure 3)
un réseau de courbes densité deprobabilité
de la va-riable aléatoire X =
|Z|1/2,
pour différentes valeurs de X.ANNEXE D
Méthode de simulation de Monte-Carlo
1. - Position du
problème
Sachant que la variable aléatoire Y
s’exprime par la
relation Y= F(Xi)
selonles k variables aléatoires
Xi
dont on connaît leslois,
la méthode de Monte-Carlo consiste à simuler n réalisations yj de Ydepuis
n réalisationduk-uple (xi).
Chaque
xi est calculédepuis
ungénérateur
de nombres aléatoires uniformes(N.A.U.) {21}, {22},
soit par desprocédures spécifiques
dans le cas de certaines lois(algorithme
de Box et Muller{23}
ouapplication
du théorème central limite pour la loinormale),
soit d’une manièregénérale,
par résolution del’équation intégrale
2. - Procédure
pratique
Les N.A.U. sont, dans le
présent étude,
issus del’algorithme
linéaireou de
l’algorithme puissance :
où
IC
et p. d.représentent respectivement
la congruence et lapartie
décimale.Pour n
donné,
on a testé laqualité
de l’échantillonEn
ainsi formé(tests d’adéquation
et testsd’égalité
des moyennes et desvariances)
ainsi quel’indépen-
dance des suites
(xi).
La
figure
a montrel’histogramme
d’unE1000
de N.A.U. simulé par(D-3),
la
figure
b celui de la distribution de Y= |X|1/2
oùL (X)
=N(2 ; 1).
On atracé,
ensuperposition,
dans et l’autre cas, la fonction densité deprobabilité correspondante . [Rappelons
que Y= IX |1/2
suit la loiW(4 ; 42 ; 1/2 ; 1 ; 0) présentée
à l’annexeC].
On
constate,
devisu,
l’excellentequalité
des échantillons ainsi réalisés.Revue de Statistique Appliquée, 1977 vol XXV N° 4
77 Figure 4-a
Figure 4-b BIBLIOGRAPHIE
[1] KENDALL
M.G. et STUART A. - The advancedTheory
of Statistics VolumeI,
CharlesGriffin,
London(1969).
[2] MARTINEAU
G.. - Introduction del’approximation
Gamma dans la concep- tion par la fiabilité d’un élément de machine. ThèseDocteur-Ingénieur 2014 Lyon (1976).
[3]
MARCOVICI C. et LIGERON J.C. - Utilisation destechniques
de fiabilité enmécanique. Technique
et documentation(1974).
[4]
MARTINEAU G. FAUCHON J. et BAHUAUD J. - Fiabilité enmécanique
Tomes I et II. Centre d’Actualisation
Scientifique
etTechnique (1975)
INSA de
Lyon.
Revue de Statistique Appliquée, 1977 votXXVN°4