Fiabilité des composants industriels: enjeux, besoins, méthodes et difficultés rencontrées

1. André Lannoy, V1.3, 31 05 2009 Fiabilité des composants industriels: enjeux, besoins, méthodes et difficultés rencontrées

2. 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.

3. Sommaire • 1 De la terminologie et de ses implications • 2 Cycle de vie et enjeuxindustriels • 3 Les différentesfiabilités comparée, allouée, prévue, mesurée • 4 Les difficultésrencontrées nature du composant, retour d’expérience, impact de la maintenance préventive, controversefréquentiel / bayesien • 5 Les méthodesutilisées en fiabiltéopérationnelle • 6 Quelquesméthodes pour la fiabilitéprévue • 7 Conclusions et perspectives de R&D

4. 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...

5. Une définition de la fiabilité

6. 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

7. 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

8. 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

9. 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

10. 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

11. 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

12. 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.

13. Évaluation des enjeux Recherche des matériels et modes de défaillance significatifs (AMDE) Évaluation des performances Analyse du retour d’expérience évènements - coûts Matériels et modes de défaillance significatifs Recherche des matériels et modes de défaillance critiques(AMDEC) Fiabilité, coûts de maintenance non critiques Maintenance Corrective Matériels et défaillances critiques Analyse et sélection des tâches de maintenance Orientations de maintenance (criticité, REX) Tâches de maintenance Regroupement des tâches de maintenance Choix final de maintenance Programme de maintenance préventive Optimisation de la maintenance La méthode OMF appliquée aux composants actifs

14. Analyse évènementielle et économique du retour d’expérience Analyse fonctionnelle du système Recherche des Composants et Modes De Défaillance Significatifs (Utilisation des EPS, AMDE) Analyse de la pertinence (modèles de dégradation) Recherche des Composants et Modes de Défaillance Critiques (AMDEC) Évaluation des indicateurs de fiabilité (Modèles de fiabilité et avis d’experts) Analyse et sélection des tâches de maintenance (tâches, périodicités, sous-ensemble de composants) Choix final de maintenance et groupement des tâches Évaluation des enjeux Évaluation des performances Optimisation de la maintenance La méthode OMF appliquée aux composants passifs

15. Exemple 2: les données EPS Validation et analyse Données élaborées EPS Modes 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 Examen du retour d’expérience par rapport aux critères de défaillance critique EPS

16. Exemple 3 – Surveillance des indicateurs de SdF (le recueil EIReDA 2000)

17. Exemple 4: la démarche LCM(Life Cycle Management) Intégrationde 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).

18. Sûreté Optimisation économique État physique de l’installation Maximiser la valeur LCM Optimiser la durée d’exploitation Ingénierie, Maintenance, Réévaluation de sûreté Économie et Finance Maîtrise du vieillissement physique • Fiabilité • Maintenance • Maîtrise du vieillissement • Arrêt prématuré • Prolongation de l’exploitation Le processus LCM de gestion du cycle de vie Maîtrise du vieillissement et de l’obsolescence Valorisation des actifs

19. La fiabilité est multiforme. “comparée” allouée prévue (ou prévisionnelle) mesurée 3 Les différentes fiabilités

20. C’estunefiabilitéopérationnelle. Phases du cycle de vie: avant-projet, étudespréliminaires Donnéesutilisées: Retour d’expérience du bien de la générationprécédente Recueils de données de fiabilité Données de fournisseurou de constructeur Donnéesd’essai Résultats de modèles physiques déterministes Diresd’experts Veilletechnologique La fiabilité “comparée”

21. Exigence de fiabilitédans un Cahier des Charges, valeurseuil de référence. Phase du cycle de vie: spécification Méthode: résultatd’unedécisionfonction de la fiabilité “comparée” et des efforts d’amélioration; méthodessur les facteursd’importance et de pondération du retour d’expérienceoud’optimisationd’efforts (coûts, poids, ...) Donnéesutilisées: Donnéesprécédentes Fiabilité “comparée” Etudes de marketing Arborescence fonctionnelle - matérielle La fiabilité allouée

22. Elle estcalculée et comparée à la fiabilitéallouée (exigence de fiabilité). Phases du cycle de vie: conception, fabrication, essais de développement Donnéesutilisées: Donnéesprécédentes Fiabilitéallouée Retour d’expérience analogue Calculsdéterministes Donnéesd’essais de développement Opinions d’ experts La fiabilité prévue (lors de la conception)

23. Elle estcalculée 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 Donnéesutilisées: Retour d’expérience du bienexploité Retour d’expérience analogue Calculs physiques Expertise sur les impacts dus au changement des conditions d’exploitation - maintenance – environnement La fiabilité prévue (lors de l’exploitation)

24. C’estunefiabilitéopérationnelle. Phase du cycle de vie: exploitation Donnéesutilisées: Retour d’expérience du bienexploité Expertise sur la maintenance et son efficacité La fiabilité mesurée

25. 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 4 Les difficultés rencontrées

26. Le type de composant Actif 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 • 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

27. 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)

28. RETOUR D’EXPERIENCE (DONNEES BRUTES) (DONNEES ELABOREES) Données de sûreté de fonctionnement Mécanisme de dégradation Effet mesurable Analyse de défaillance - cause - cause origine Analyse des Modes de Défaillance et de leurs Effets (AMDE) Défaillance - dégradation - défaillance Mode de défaillance Cause de défaillance { - Défaillance critique Mode commun Cause commune - Constance - Evolution - AMDEC Modèle de maintenance, arborescence fonctionnelle- matérielle. Circonstance : - conception - fabrication - exploitation - vieillissement - maintenance Effet par lequel se manifeste la défaillance Processus physique - Circonstance - Cause origine : . matérielle . humaine . environnement et exploitation . externe - Perte de fonction - Altération de la fonction Critères de défaillance DEFAILLANCES POTENTIELLES Le retour d’expérience technique

29. RETOUR D’EXPERIENCE N Temps de fonctionnement Défaillance Dégradation Fin d’observatio de l’échantillon Perte de fonction Altération de la fonction Bon fonctionnement Maintenance corrective Maintenance préventive Donnée complète Donnée censurée Donnée censurée VALIDATION (justesse et pertinence) Expertise Analyse des défaillances et des dégradations Estimation d’un modèle de durée de vie Le processus de validation, d’estimation

30. 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, ... L’effet de la maintenance préventive

31. Impact (ici positif) de la maintenance préventive

32. Lacontroverse 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,...

33. 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,...

34. Retour d'expérience (données de défaillance, historique de maintenance, temps de fonctionnement) Type de composant Absence de données (0 défaillance) Quelques données Plus de 20 données de défaillance Actif Khi-2 • Non paramétrique : Johnson, • K-M , TTT • Paramétrique, classique : SEM • Bayésien BRM, Fiabayes1, IBW, PMC, Rexpert • .Détection d’un vieillissement: IBTV • Non paramétrique : "life table", K-M , TTT • Paramétrique, classique : EMV, SEM, Rexpert, Cox2 • Bayésien BRM, IBW , PMC, Rexpert Actif, en attente Khi-2 • Bayésien : IBS, Rexpert, Fiabayes1, • Paramétrique, classique : EMV, SEM, Cox2 • Bayésien, Rexpert, IBS Passif Analyse de fiabilité des structures : probabilisation d’une équation de défaillance, code ou outils spécifiques3 Fiabilité des structures , code fiabiliste ou mécanofiabiliste ou des outils spécifiques3 • Paramétrique, classique : EMV, SEM, Rexpert, Cox2 • Bayésien BRM, IBW 5 Les méthodes utilisées pour le calcul d’une fiabilité opérationnelle(secteur nucléaire)

35. Les méthodes utilisées pour le calcul d’une fiabilité opérationnelle • Khi 2: cetteméthodeestretenuedans le cas du zérodéfaillance, s’iln’est pas possible d’enrichir un échantillon, sur la base de la médiane (approcheacceptée par les autorités). • Généralement les recueils de données de fiabilitésontactualiséspériodiquement par la méthode de réactualisationbayesienne (appeléeaussiapprochebayesienneempirique; logicielsFiabayes, Rexpert). • Modèle de Cox: méthodeutilisée pour unemodélisation explicative de la fiabilité; ellenécessite un retour d’expérience important; les techniques de data mining, de régression (logistique, ...), les réseauxbayesienspeuventêtreégalementutilisés. • Des outilsfiabilistesadaptés aux composantspassifs existent, par exemple : cuve, générateur de vapeur, coudesmoulés, tuyauteries, … Ouégalement des outilsadaptés à des mécanismes de dégradation, par exemplel’érosion-corrosion...

36. taux dedéfaillance Loi intrinsèque Composant échangeable âge taux dedéfaillance Composant actif,cas le plus souventobservé, effet positif de la maintenance taux dedéfaillance Composant actif,dont un sous-composant vieillit constant constant constant âge âge taux dedéfaillance Plutôt composantpassif, légère évolution défavorable âge Ce qu’on observe dans la pratique Composant non réparable Composant réparable

37. - 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 Ce qu’on observe dans la pratique

38. 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, méthodesdéterminant l’ efficacitéd’une action de maintenance

39. 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 (1)

40. 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 Conclusion et perspectives de R&D (2)

41. 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 (3)

42. 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 Conclusions et perspectives de R&D (4)

43. Quelques thèmes prioritaires de R&D en fiabilité – maintenance Les 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 ... 7 Conclusion et perspectives de R&D (5)

44. 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...

45. 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...

46. 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. Quelques références pour en savoir plus...