R EVUE DE STATISTIQUE APPLIQUÉE
G. M. F OURCADE
Note sur le calcul de la consommation moyenne de pièces de rechange
Revue de statistique appliquée, tome 20, n
o4 (1972), p. 47-62
<
http://www.numdam.org/item?id=RSA_1972__20_4_47_0>
© Société française de statistique, 1972, 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.
NOTE SUR LE CALCUL DE LA CONSOMMATION MOYENNE
DE PIÈCES DE RECHANGE
G. M. FOURCADE
Régie
Autonomedes Transports
ParisiensINTRODUCTION
Depuis
unevingtaine d’années,
lesgrandes entreprises
industrielles ontporté
un intérêt croissant aux études de la vie deséquipements
matériels.Les
développements
lesplus
récents du calcul desprobabilités - en parti-
culier la théorie du renouvellement - ontpermis d’accomplir
degrands
pro-grès
dans les études de fiabilité(voir,
par ex.[1]).
Il y a
quelques années,
Mme Zaludova apublié
un article[7] où, parmi
d’autresproblèmes,
elle calculait le nombre moyen depièces mécaniques
de taxis avariées au cours d’une unité de
temps
àpartir
de leurs caracté-ristiques
de fiabilité(probabilité qu’une
tellepièce
soit en état de bon fonc- tionnementaprès
avoir parcouru un certain nombre dekilomètres)
et desdonnées d’utilisation des taxis
(loi statistique
du nombre de kilomètres par-courus par unité de
temps).
L’utilisation d’un théorème limite de la théorie du renouvellement lui apermis
d’affirmer - et de vérifier sur desproblèmes
concrets - que le nombre moyen de
pièces
avariées par unité detemps
con- verge vers une valeurlimite,
inversementproportionnelle
à la durée de vietemporelle
moyenne.Le but essentiel de la
présente
note est de donner une nouvelle méthode(reposant
sur deshypothèses
assez voisines comme on le verra, de cellesadoptées
par MmeZaludova)
pour le calcul du nombre moyen depièces
ava-riées au cours d’une
période
detemps donnée ;
leprincipal avantage
de la nouvelle méthode est que la valeur limite de la consommation depièces
estmaintenant
proportionnelle
auquotient
du parcours moyen des autobus(en
une unité de
temps)
par la durée de vie moyenne de cespièces (exprimée
en
kilomètres)
et son calcul ne nécessite donc pas l’utilisation d’un ordina- teur.La
présente
note sera divisée enquatre parties :
- dans la
première partie,
onrappellera
defaçon
très brève lesprincipales propriétés
des processus derenouvellement ;
- un résumé du modèle de Mme Zaludova sera donné dans la se-
conde
partie ;
- dans la troisième
partie,
ondéveloppera
la nouvelleméthode ;
on donnera en
particulier
la formule limite àlaquelle
elleconduit ;
-
enfin,
lacomparaison
des résultatsnumériques auxquels
condui-sent ces deux méthodes sera effectuée sur divers
exemples
dans laquatrième partie.
I - LES PRINCIPALES PROPRIETES DES PROCESSUS DE RENOUVELLE- MENT
Depuis
lespremières
années du XXesiècle,
la théorie du renouvelle- ment a retenu l’attention des statisticiens et desdémographes (Risser, Lotka),
mais les résultats essentiels ont été démontrés par Feller et Smith entre 1940 et 1955.
Un
compte-rendu
élémentaire de la théorie du renouvellementfigure
dans[1] ;
on trouve desexposés plus complets
etplus académiques
dans[5]
etsurtout dans
[2]
et[4] ;
il convientégalement
de mentionner les travaux de Khintchinequi
a étudié dans[3]
les processussimples
et uniformes de re-nouvellement
(1)
par des méthodes très différentes de cellesqu’utilisèrent
Feller et Smith. Le résumé des travaux de Feller
qui
va suivre doit beau- coup à[5].
I - 1 - Définition des processus de renouvellement
On considère une suite de v. a.
{03B8n ;
n =1,2,...} positives
etindépen-
dantes en
probabilité.
On pose :et on considère le
point
d’abscisse2n
d’un axe donné comme lareprésenta-
tion de la réalisation d’un évènement.
On suppose de
plus
que pourn>2,
lesv.a. 03B8n
sontidentiquement
dis-tribuées et on
désigne
par03BE(t)
le nombre d’évènements survenus entre l’o-rigine
et lepoint
d’abscisse t.On conviendra de
désigner
parF(t)
la f.r. commune aux v. a.On
pourn>2 et par
G(t)
la f.r. de la v.a.ei,
c’est-à-dire :(1) Sa terminologie diffère de celle des mathématiciens occidentaux : les processus de renouvellement sont appelés processus à répercussion limitée et les processus uniformes (ou à accroissements stationnaires), processus stationnaires.
Dans ces
conditions,
la suite des v. a.03BE(t)
constitue un processus derenouvellement
(2) généralisé.
Dans le cas
particulier
où toutes les variables81
sontidentiquement
dis-tribuées
(F(t) = G(t)),
le processus de renouvellement{03BE(t),
t ER+} est
ditsimple; parmi
cesderniers, figure
le processussimple
dePoisson,
pourlequel :
Enfin,
si :où :
0
les v. a.
03BE(t) appartiennent
à un processus de renouvellement uniforme(le
processus
simple
de Poisson faitégalement partie
de cettefamille).
Exemple :
On considère un
système mécanique
fonctionnantcontinuellement ;
dèsqu’une pièce
estavariée,
elle est immédiatementremplacée
par une neuve.Les
v.a. 0,
ireprésentent
les durées de vie de cespièces supposées
iden-tiques, 03BE(t)
le nombre depièces
tombées en panne entre les instants o ett,
et
1-F(t)
la fonction de fiabilité commune. Sil’origine
destemps
estprise
à un instant où unepièce
est mise enservice,
les pannes de la machine forment un processus de renouvellementsimple ;
dans le cascontraire,
ellesconstituent un processus de renouvellement
généralisé. Enfin,
sil’origine
des
temps
estprise
à un instant infinimentéloigné
de la date de mise enservice du
système,
onpeut
démontrer que les défaillances de la machine forment un processus de renouvellement uniforme.I - 2 - Fonction de
répartition de 03BE(t)
Puisque
la v. a.03BE(t)
est auplus égale
à l’entier n si et seulementsi ’t’ntl
est
supérieur
à t, la v. a.03BE(t)
a pour f. r. :car
03C4n+1,
somme de n+1 v.a.indépendantes
enprobabilité
a pour f.r.G (t) * Fe (t)
avec(3) :
(2) Les processus de renouvellement sont encore appelés processus récurrents, de régénération ou pseudo-markoviens, et les T., points de régénération ou de Mar- kov. Dans un processus de Markov, chaque instant est un point de régénération puisque :
avec :
(3) Lorsque les fonctions de répartition G(t) et
F (t)
sont absolument continues, ce que l’on supposera dans la suite de cet exposé, la densité de 03C4n+ est égale au produitde convolution de leurs dérivPes respectives.
(Fo(t)
est la fonction unité deHeaviside),
et :- 1.
I - 3 - Fonction de renouvellement
Il est maintenant facile de calculer
l’espérance mathématique m(t) de 03BE(t), appelée
fonction de renouvellement :Tandis que
m(t)
se met sous la forme d’une série uniformément conver-gente, l’expression
de sa transformée deLaplace - Stieltjes 4 (s)
est beau-coup
plus simple.
En
posant :
et en utilisant la
propriété
bien connue de la transformée deLaplace
duproduit
de convolution de deux fonctions d’êtreégale
auproduit
des transfor- mées de chacune de ces fonctions, on démontre que :Dans le cas
particulier
d’un processusuniforme,
on vérifie à l’aide d’uneintégration
parparties
que :D’où :
et par inversion :
1 - 4 - Théorèmes limites fondamentaux
L’expression analytique
de la transformée deLaplace - Stieltjes 03BC(s)
dela fonction de renouvellement
m(t)
étant trèssimple,
il est natureld’essayer
de déduire le
comportement
de la fonctionoriginale m(t)
àpartir
de celuide son
image jj,(s) (4) ;
pourcela,
on utilise le théorème taubérien suivant :m(t)
étant une fonction monotone non décroissante et nonnégative,
si :il s’ensuit que :
On
sait,
endéveloppant cr (s)
en série deTaylor,
que :avec
Par
conséquent :
Ce résultat limite a été établi par Feller en 1941. Une formule
plus générale
a été démontrée par Blackwell en 1948 :D’où l’on tire :
Ce résultat est
également
dû àFeller, qui
l’a établi en 1941.II - LE MODELE DE MME ZALUDOVA
La théorie du
renouvellement,
et enparticulier,
les théorèmes limites deFeller,
nepeuvent
être directement utilisés pour le calcul de laprévision
de la consommation moyenne des
pièces
derechange
que si leurâge
s’ex-prime
en unités detemps. Malheureusement,
il n’en est pastoujours ainsi,
on
particulier
dans l’industrieautomobile,
oùl’âge
d’unepièce
est mesurépar le nombre de kilomètres
qu’elle
a parcourudepuis
sa mise en serviceet où le
kilométrage
effectué par unité detemps
est aléatoire. C’est pour résoudre un telproblème
que Mme Zaludova a établi le modèlepublié
dans[7] (pp.
81 à89) ;
l’essentiel de cette secondepartie - exception
faite du dernierparagraphe -
est constitué par uneanalyse
sommaire - sous uneforme
parfois
différente - de l’article de Mme Zaludova.(4) Une relation permettant de déduire le comportement d’une fonction de celui de sa transformée de Laplace - Stieltjes constitue un théorème taubérien.
II - 1 - Notations On
désigne
par :-
F(x)
la fonction de décès(défiabilité)
d’unepièce,
c’est-à-dire laprobabilité
quel’âge
de réforme d’unepièce
soit inférieur à x kilomètres(on
suppose que toutes lespièces
ont même fonction dedéfiabilité,
en d’au-tres termes que les pannes forment un processus de renouvellement
simple).
-
Pi
laprobabilité qu’une pièce
soit avariée au cours de la i ème unité detemps (le
trimestre parexemple) après
sa mise en service.-
p i la probabilité qu’une pièce
soit avariée au cours du ième tri-mestre
après
la dateprise
pourorigine
destemps.
- mi i le nombre moyen de
pièces
avariées au cours du i ème tri-mestre.
-
Qi-j
le nombre depièces (neuves)
mises en serviceà la date i-j.
D’où
m*i :
Pour
simplifier l’exposé,
on supposeraqu’une
seulepièce
est miseen service à l’instant
origine,
etremplacée
au fur et à mesure de ses dé-faillances
(voir
ci-dessusl’exemple
du § I -1) :
On se propose de calculer
mi
et de déterminer soncomportement
asymp-totique.
II - 2 -
Hypothèses
et résultatsOn admet les
hypothèses
suivantes :- il ne
peut
seproduire plus
d’une panne au cours d’un trimestre :en d’autres termes, le nombre de
pièces
avariées au cours de i trimestresest au
plus égal
à i(hypothèse H 1) ;
- les durées de vie
temporelles
de deuxpièces
sontindépendantes
en
probabilité (hypothèse H2) ;
- les v.a.
S(t) (S(t) désigne
le nombre aléatoire dekilomètres par-courus par le véhicule entre l’instant
origine
ett)
forment un processus de Markov(pas
nécessairementhomogène)
à accroissementsindépendants (hypo-
thèse
H3).
Il résulte des
hypothèses Hl et H2
que :Si on
désigne
parP2, i le produit
de convolution de laprobabilité pi
parelle-même,
soit :P 3.1 .,
leproduit
de convolution dep 2.
i par pi, et ainsi de suite, il vient :Soit Y
(s)
la fonctiongénératrice
des durées de vietemporelles :
et
Y (s)
la fonctiongénératrice des probabilités p*i :
Il résulte de
l’hypothèse H2 que quel
que soit l’entier k :D’où
y
(s) :Si
G désigne
la durée moyenne de vietemporelle
d’unepièce,
la relation:et le théorème de Tauber
permettent
de vérifier que :On sait en effet
(5)
que si la fonctiongénératrice g(s)
d’une suite;
i EN}
convergepour |s|1,
que siavec
on a :
(voir [6 pp.
203 et204).
Il reste maintenant à déterminer les
probabilités
des durées de vie tem-porelles
pi.Il résulte de
l’hypothèse H3
que la densité deprobabilité
deS(t)
est la solution d’uneéquation
différentielle deKolmogorov (appelée équation
de diffu- sion ; voir[2])
que, par unchangement
devariables,
on ramène à uneéqua-
tion aux dérivées
partielles, l’équation
de conduction de la chaleur(voir [5), chap. 2, pbs
28 et29) ;
si lekilométrage
effectuépendant
le i ème trimes-tre est un aléa
gaussien
dont la moyenne a et la varianceb 2 sont indépendantes
de i, on
peut
démontrer quep
a pourexpression :
(5) Ce résultat constitue le théorème original de Tauber pour les fonctions génératri-
ces de suites infinies.
où 03A0 (u) désigne l’intégrale
de la loi normale centrée réduite.Cette formule se
généralise
facilementlorsque
a et b sont des fonctions de i.On verra dans le
paragraphe
suivant quel’hypothèse H3 peut
être abandon-née : si les
trajets
parcourus par un véhicule sont des v.a.indépendantes
etadmettant une f . r . commune
A(x),
on pourra écrire :Q
avec les notations
du §
I - 2.On est donc maintenant en mesure de calculer les convolutions
pk ,i,
lesprobabilités p*
et aussi9
par la formule :D’où la limite de m;. Le calcul des valeurs
numériques
dep, est -
saufdans un cas
particulier qui
va être examiné maintenant - assez lourd et né- cessite l’utilisation d’un ordinateur.II - 3 - Cas
particulier
On suppose dans ce
paragraphe
quel’âge
de décès d’unepièce (toujours exprimé
enkilomètres)
est une variableexponentielle :
avec
D’après
la formule donnée au § II -2,
laprobabilité qu’une pièce
fonc-tionne
pendant
i trimestres vaut :Si on
désigne
par03B1(03BB)
la transformée deLaplace - Stieltjes
de la fonctionA (x) :
~on
sait, d’après
le théorème de Borel de la transformée deLaplace
d’un pro- duit deconvolution,
que pour toute valeur entière etpositive
de i :m
0
et on
peut
vérifier au moyen d’uneintégration
parparties
que :Par
conséquent :
Dans ce
paragraphe, 03B1(03BB) représente
laprobabilité
quel’âge
de décèsd’une
pièce
soitsupérieur
à un trimestre, etl’âge
de décès est distribuésuivant une loi de Pascal. La k ème convolution
pk.i
de pi avec elle-même(voir §
n -2) - probabilité
que la somme de k durées de vietemporelles
in-dépendantes
soitégale
ai- est donc la densité d’une loi binomialenégative
et a pour
expression :
Comme on l’a vu
plus
haut(§11-2) :
La
probabilité p *i est
bienindépendante
de i ;l’espérance 03B8
de la loi de Pascal vaut :et par
conséquent :
III - LE NOUVEAU MODELE
Le
problème
à résoudre est celui duparagraphe précédent :
déterminer le nombre moyen depièces
mi avariées au cours du i ème trimestre et soncomportement asymptotique ;
si leshypothèses
de base des deux modèles sont assezproches,
la conduite des calculs diffère notablement.III - 1 - Notations et
hypothèses
On conserve, dans la mesure du
possible,
les notations de la seconde.partie, exception
faite pour le nombre moyen depièces
défectueusesqui
seranoté ici
mi
On
désigne
en outre par :-
Mi
le nombre total depièces défectueuses,
entrel’origine
et lafin du i ème trimestre :
-
qn (i)
laprobabilité
d’observer au moins n pannes au cours des ipremiers trimestres ;
- Pn
(i)
laprobabilité
d’observer exactement n pannes au cours des ipremiers
trimestres ;-
e
la durée de vietemporelle
moyenne :On calcule
Ml
i à l’aide de la formule :On suppose que les
âges (exprimés
enkilomètres) auxquels
le véhicule tombe en panne définissent un processus de renouvellement(généralisé, simple
ou
uniforme) ; plus précisément,
ondésigne
par :-
m(x)
la fonction de renouvellement du processus(nombre
moyen depièces
avariéeslorsque
le véhiculeparcourt
xkilomètres) ; d’après §
I - 3 :- il une durée de vie moyenne :
- wn
(x)
laprobabilité qu’il
seproduise
au moins n renouvellementslorsque
le véhicule a parcouru x kilomètres :Enfin,
en cequi
concerne les conditions d’utilisation duvéhicule,
on sup- pose que letrajet
parcouru au cours du i ème trimestre est une v. a. admettantune f. r.
A(x), indépendante
de i,et
pour moyenne a :Avec les notations
du § I - 2, A i (x) désigne
laprobabilité
que la lon- gueur dutrajet
parcouru en i trimestres nedépasse
pas x.On définit ainsi un processus de renouvellement
simple,
dont la fonction de renouvellement(nombre
moyen de trimestres écouléslorsque
le véhiculeparcourt
xkilomètres)
seradésignée
parn(x) :
III - 2 - Résultats
On
obtient,
au moyen de l’axiome desprobabilités
totales :v
ou, au moyen d’une
intégration
parparties :
En
particulier :
puisque
Dans le cas d’un processus de renouvellement
simple :
et
Pour les valeurs élevées
de i,
cette formule estéquivalente
à celle que donne Mme Zaludova(§ II - 2) puisque,
en vertu du théorème centrallimite,
la distribution dukilométrage
parcouru en i trimestres tend vers la distri- bution normale de moyenne ia et de varianceib2.
La moyenne 03B8 des durées de vie
temporelles
vaut :On calcule
Mi
de la mêmefaçon :
ces résultats
pouvant
êtreégalement
établis directement par le théorème del’espérance
totale.On a encore :
D’où mi :
III - 3 -
Comportement asymptotique
On suppose
remplies
les conditionspermettant
de dériver terme à terme la série m(x) ;
si on suppose deplus
que les dérivées de F(x)
et de G(x)
sont continues, la série m’
(x)
sera continue, donc bornée sur tout intervalle fermé. Onpeut
en outre démontrer(voir [2] ou [4])que :
Dans ces
conditions,
la fonctionm’(x)
est bornée.On sait que, en vertu de la loi faible des
grands nombres,
la suite des fonctionsAi (iy)
converge vers la fonction unitéA o (y-a) ;
on suppose ici en outreque Ai (x) - A( X -
a)converge
uniformément verszéro ;
alors :Comme :
D’après
le théorème de Blackwell :Par
conséquent
On a donc le résultat limite suivant,
qui généralise
un théorème de Feller(lim
t- 00 m’(t) = 1/u.) :
Il en résulte
(procédé
de sommation deCesaro)
queM /i
convergeéga-
lement vers
a/03BC :
Ce dernier résultat
généralise
l’autre formule limite de Feller :Ici, encore, il est intéressant de remarquer que ces relations sont vala-
bles, quelle
que soit la valeurprise
par i,lorsque
lesâges
d’avarie formentun processus de renouvellement
uniforme ;
eneffet,
dans ce cas :et par
conséquent :
et
puisque
la variable dont la f. r. estA,i(x)
admet ia pour moyenne :d’où
IV - COMPARAISON DES DEUX METHODES
On
rappelle
d’abord enquoi
les deux méthodes diffèrent sur leplan
théo-rique ;
on illustre ensuite cettequatrième partie
parquelques exemples
nu-mériques.
IV - 1 - Différences
conceptuelles
Tout
d’abord,
leshypothèses
de base des deux modèles sont assez voi- sines : leshypothèses H,
i etH2
du modèle de Mme Zaludova reviennent à admettre que les durées de vietemporelles
despièces
définissent un proces- sus derenouvellement,
tandis que dans le modèleproposé
dans la troisièmepartie,
on suppose que ce sont lesâges
de décès(mesurés
enkilomètres) qui
sont des v. a.indépendantes
etidentiquement distribuées ;
ces deuxpoints
de vue sont d’ailleurséquivalents
si l’unité de temps choisie est trèspetite
devant la durée de vietemporelle
moyenneB. L’hypothèse apparemment
laplus
discriminante est lasupposition
faite par Mme Zaludova que les par-cours
S(t)
forment un processus de Markov -Laplace
à accroissements indé-pendants (hypothèse H 3) :
cettehypothêse
estcependant
moins restrictivequ’on
serait tenté de le croire : d’unepart,
on adéjà signalé (§111-2)
qued’après
le théorème centrallimite,
lekilométrage
effectué en i trimestresconvergeait
en loi vers une variablenormale ;
d’autrepart,
on saitqu’un
processus normal à accroissements
indépendants
est markovien(voir [2J,
p.
95) ;
ici encore, le choix d’une unité detemps
relativementpetite
atténue la différence entrel’hypothèse H3
etl’hypothèse
de renouvellementsimple
faite à la fin
du 3
III - 1.En
revanche,
la conduite des calculs diffère notablement d’un modèle àl’autre,
enparticulier
par l’utilisation aue fait Mme Zaludova de la théorie de la diffusion.Les valeurs limites de
mi et
de mi doivent donc être peudifférentes ;
on
peut
s’en assurer sur unexemple particulier,
celui oùl’âge
de décès estune variable
exponentielle.
En
effet,
dans ce cas :On a démontré à la fin du §
11-3 que :
où,
pour lespetites
valeurs de03BB.
Comme
on a donc :
IV - 2 -
Exemple d’application
Les deux modèles ont été
appliqués
au calcul de la consommation moyenne des valves de nivellementavant-droites, avant-gauches,
et arrièreséquipant
les deux
types
d’autobus standard de la R. A. T. P.Pour faciliter le calcul de
m(x),
on aajusté
les courbes de survie em-pirique
des valves à des loisgamma (6)
(et non à des lois deWeibull, qui représentent pourtant plus
fidèlement la fiabilité despièces mécaniques).
Les
intégrales
ont été calculées par une variante de la méthode destrapèzes (la
méthode deWeddle).
Tous les calculs ont été faits sur l’ordinateur 360-40 du groupe de Cal- cul
Scientifique
de la R. A. T. P.Les résultats
numériques
ainsi obtenusfigurent
dans les tableaux ci-après.
i)
Pour les autobus standard dupremier type.
L’analyse
desstatistiques
du Réseau Routier de la R.A.T.P. apermis
d’estimer lalongueur
moyenne a parcourue par un véhicule en un trimestre et sonécart-type
b :a = 9 285
km/trimestre
b = 1 195
km/trimestre
d’où le tableau :
(6) Contrairement aux lois de Weibull, la famille des lois gamma est fermée pour le
produit de convolution.
il)
Pour les autobus standard du secondtype
On a cette fois :
a = 8 055
km/trimestre
b = 859
km/trimestre
d’où le tableau :
L’examen de ces deux tableaux confirme les remarques
du §
IV - 1.CONCLUSION
On a
comparé
dans laprésente
note le modèle de Mme Zaludova à un nouveaumodèle ;
si la conduite des calculs diffère notablement d’un modèle àl’autre,
leshypothèses
de base sont, enrevanche,
assez voisines et con-duisent à des résultats assez
proches.
REMERCIEMENTS
L’auteur remercie toutes les personnes
qui,
à titresdivers,
lui ont ap-porté
leur concours pour l’élaboration de laprésente
note. Il tient à assurertout
particulièrement
de sa reconnaissance M. MORLATqui
l’a aidé de sesconseils,
et M. WATTEAU pour sonenseignement
et l’aidequ’il
lui a ap-portée. Qu’il
lui soitégalement permis d’exprimer
toute sagratitude
à M.BOURGOIN,
Chef duGroupe
Prévisions et Etudes de laR. A. T. P., auquel
il doit d’avoir écrit cette note.
REFERENCES
[1]
D.R.COX,
Renewaltheory, Methuen, London,
1962.(trad. française :
Théorie durenouvellement, Dunod, Paris, 1966).
[2] W. FELLER,
An introduction toprobability theory
and itsapplications,
vol.
II,
JohnWiley
andSons,
NewYork,
1966.[3]
A. Ia.KHINTCHINE,
Mathematical methods in thetheory
ofqueueing (trad.
durusse), Griffin, London,
1960.[4] W.L. SMITH,
Renewaltheory
and itsramifications,
J.Roy.
Statis.Soc.