Bibliographie & annexes
Présentation
English
RÉSUMÉ
Le bloc-diagramme de fiabilité (BDF) est un modèle graphique utilisé en sûreté de fonctionnement pour représenter l'état de marche d'un système en fonction des états de marche de ses composants appelés blocs. Il partage avec l'arbre de défaillances les mêmes bases booléennes et probabilistes. Cet article décrit sa mise en œuvre, les difficultés et les solutions pour l'utiliser qualitativement (coupes minimales) et quantitativement (disponibilité, fréquence de défaillance ou fiabilité). Il décrit l'état de l'art basé sur l'utilisation des diagrammes de décision binaires, fournit des exemples illustratifs et aborde les extensions aux aspects non cohérents ou dynamiques.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Jean-Pierre SIGNORET : Spécialiste en sûreté de fonctionnement - Ancien président de la commission UF56 (sûreté de fonctionnement) de l’UTE puis de l’AFNOR - Chef de projet de la norme IEC 61078 « Diagrammes de fiabilité » - Membre de TOTAL professeurs associés 64160 SEDZERE, France
INTRODUCTION
Pour discuter ou s’éclaircir les idées, quel ingénieur n’a pas, un jour ou l’autre, représenté rapidement un système en traçant des rectangles et des lignes pour en visualiser les composants et les relations entre lesdits composants ? Cette approche populaire et intuitive remonte à la nuit des temps et la littérature ne semble pas avoir retenu le nom de son inventeur. Lorsqu’elle est utilisée pour modéliser les relations logiques existant entre les états de bon fonctionnement des composants (appelés « blocs ») d’un système et l’état de bon fonctionnement du système lui-même, elle prend le nom de bloc-diagramme de fiabilité (BDF) ou de diagramme de fiabilité tout court.
Les BDF font partie de la panoplie des méthodes couramment mise en œuvre dans le domaine de la sûreté de fonctionnement (arbres de défaillances, arbres d’événements, graphes de Markov, réseaux de Petri, etc.). Tout comme les arbres de défaillances (ADD), les BDF font partie des approches statiques et booléennes car elles modélisent des structures logiques indépendantes du temps. De ce fait, elles s’intéressent à des composants/systèmes à deux états (par exemple : marche et panne, bon fonctionnement/défaillant). ADD et BDF partagent les mêmes mathématiques sous-jacentes mais, alors que l’ADD décrit la défaillance d’un système, le BDF, lui, décrit son bon fonctionnement. Ainsi, un BDF peut toujours être traduit en ADD et réciproquement : les deux approches sont dites duales.
Du point de vue qualitatif, les BDF sont à la base du concept fondamental de coupe minimale : ensemble de blocs en panne nécessaires et suffisants pour entraîner la panne du système.
Du point de vue quantitatif, les BDF permettent, essentiellement, de calculer la probabilité de bon fonctionnement du système en fonction des probabilités de bon fonctionnement des blocs lorsque celles-ci sont constantes. Cependant, lorsque les blocs évoluent indépendamment les uns des autres au cours du temps, il est possible de calculer la probabilité de bon fonctionnement du système à un instant t (c’est-à-dire sa disponibilité à cet instant t) en fonction des probabilités de bon fonctionnement des blocs à cet instant t (c’est-à-dire des disponibilités des blocs). Il en est de même pour la fréquence de défaillance du système à un instant t.
Paradoxalement, au vu du nom de l’approche, le calcul de la fiabilité du système (probabilité de bon fonctionnement sur une durée [0, t]) n’est pas possible en général à partir des fiabilités de ses blocs. Cependant, dans des cas particuliers, de bonnes approximations peuvent être obtenues.
Pendant longtemps, l’utilisation des BDF comme celle des ADD a été limitée par l’explosion combinatoire du nombre de coupes minimales et la durée des calculs évoluant exponentiellement avec le nombre de blocs/événements répétés plusieurs fois dans le même BDF/ADD. Ces limitations ont sauté depuis la mise en œuvre des diagrammes de décision binaires (DDB) qui permettent de traiter très rapidement des BDF ou des ADD relatifs à des systèmes industriels de grande taille (c’est-à-dire de plusieurs centaines de composants). En outre, les DDB ont ouvert la voie aux calculs de probabilités conditionnelles et de facteurs d’importance, à la propagation des incertitudes sur les données par simulation de Monte Carlo et au traitement des systèmes dits « non cohérents » difficiles à traiter avec les méthodes antérieures.
D’autre part, les BDF peuvent être utilisés pour combiner des processus de Markov (processus de Markov pilotés par BDF) ou des réseaux de Petri stochastiques (réseaux de Petri pilotés par BDF). Dans ce cas, le comportement des blocs est modélisé par processus de Markov (respectivement réseaux de Petri) individuels et indépendants les uns des autres et la logique de combinaison est fournie par le BDF.
Lorsque les blocs ne sont pas indépendants, les BDF peuvent être étendus aux BDF dynamiques (BDFD), mais le traitement analytique doit alors être abandonné au profit de la simulation de Monte Carlo. Les réseaux de Petri pilotés par BDF peuvent être utilisés à cet effet.
Cet article se propose de décrire la symbolique graphique des BDF, d’explorer les divers aspects évoqués ci-dessus et de donner des exemples pédagogiques d’utilisation.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Sécurité et gestion des risques
(477 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Prise en compte des dépendances
English
6. Prise en compte des incertitudes
L’utilisation des DDB est tellement puissante qu’elle permet la prise en compte des incertitudes des paramètres pour les calculs de BDF.
Pour la figure 31, les paramètres λ E , λ F et λ G du système 2/3 avec des défaillances détectées ne sont plus connus avec précision, mais avec une certaine incertitude. Cela revient à les considérer comme des variables aléatoires caractérisées par des distributions probabilistes comme cela est représenté à gauche de la figure 31.
La prise en compte de ces paramètres implique l’utilisation de la simulation de Monte Carlo pour faire les calculs :
-
1) tir d’un jeux de données λ E, i , λ F,i et λ G,i en fonction des distributions de λ E , λ F et λ G ;
-
2) réalisation du calcul de A i(t) pour la période [0, T ] d’intérêt ;
-
3) cela donne une réalisation de la simulation de Monte Carlo, comme la courbe en pointillé bleue à gauche sur la figure ;
-
4) recommencer à l’étape 1) un grand nombre de fois (par exemple 100 fois) ;
-
5) faire des statistiques sur les résultats pour obtenir la valeur moyenne, A S3(t), et les percentiles à 5 et 95 % pour obtenir, par exemple, l’intervalle de confiance à 90 % du résultat.
C’est ce qui a été fait pour les résultats à droite de la figure 31 où λ E , λ F et λ G sont des variables aléatoires log-Normales avec un facteur d’erreur à 90 % égal à
(c’est-à-dire qu’il y a un rapport de 2 entre la borne supérieure à 95 % de confiance et la borne inférieure à 5 %). Le module BFIAB de GRIF Workshop a été utilisé pour obtenir ces résultats.
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Sécurité et gestion des risques
(477 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Prise en compte des incertitudes
BIBLIOGRAPHIE
-
(1) - GONDRAN (M.), PAGES (A.) - Fiabilité des systèmes. - Collection de la direction des études et recherches d’électricité de France, Eyrolle (1980).
-
(2) - COCOZZA-THIVENT (C.) - Processus stochastiques et fiabilité des systèmes. - Collection Mathématiques et Applications, n° 28, Berlin, Springer-Verlag (1997).
-
(3) - COX (D.R.) - Renewal theory. - Methuen & Co. Ltd, London (1962), Reprinted : Chapman & Hall, London (1982).
-
(4) - DUTUIT (Y.), RAUZY (A.) - Efficient algorithms to assess component and gate importance in fault tree analysis. - Reliability Engineering and System Safety, vol. 72, n° 1, p. 213-222 (2001).
-
(5) - BORGONOVO (E.) - Differential, Criticality and Birnbaum importance measures and application to basic events, groups and SSCs in event trees and binary decision diagrams. - Reliability Engineering and System Safety, vol. 92, n° 10, p. 1458-1467 (2007).
-
...
DANS NOS BASES DOCUMENTAIRES
ANNEXES
Progiciel GRIF-Workshop (GRaphique Interactif pour la Fiabilité), logiciel développé par ELF puis pour TOTAL par SATODEV
– Module BFIAB : diagrammes de fiabilité
– Module Tree : arbres de défaillances
– Module ETree : arbres d’événements
– Module SIL : BDF adapté à la sécurité fonctionnelle
– Module Petri : réseaux de Petri stochastiques
– Module BSTOK : diagrammes de fiabilité dynamiques
– Module Petro : disponibilité de production des systèmes pétroliers
HAUT DE PAGE
GRIF-Workshop : Versions de démonstration téléchargeables à l’adresse http://grif-workshop.fr
HAUT DE PAGE
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Sécurité et gestion des risques
(477 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
