Sûreté de fonctionnement - Analyse et bases de données de fiabilité

Cet article présente les différentes étapes, les méthodes et les données à mettre en œuvre pour réaliser une analyse de la sûreté de fonctionnement prévisionnelle de systèmes industriels complexes. Compte tenu de l’importance des conséquences des défaillances sur la disponibilité, les personnes et l’environnement, les industriels sont de plus en plus concernés par la réalisation d’études pour prévoir le niveau de la sûreté de fonctionnement pour des installations existantes ou en cours de conception. Une analyse de sûreté de fonctionnement prévisionnelle d’un système complexe se décompose en plusieurs étapes principales : l’analyse structurelle et fonctionnelle du système suivie d’analyses qualitatives et/ou quantitatives en fonction des données disponibles du retour d’expérience. La première section décrit l’organigramme des tâches et analyses à réaliser pour élaborer un dossier d’analyse prévisionnelle de la sûreté de fonctionnement. Il permet de vérifier si les résultats obtenus grâce aux différentes analyses sont conformes aux spécifications définies dans le cahier des charges de l’utilisateur. La seconde section, après un rappel sur les finalités de l’analyse de la valeur, présente les principales méthodes d’analyse fonctionnelles utilisées pour identifier les fonctions d’un système complexe à partir de modèles structurels. La connaissance de ces fonctions est en effet indispensable pour identifier leurs modes de défaillance qui conduiront par leurs effets à la défaillance. Les principes des méthodes d’analyses fonctionnelles FAST, RELIASEP^®, SADT^®, IDEF0 et APTE^® font l’objet de descriptions succinctes. La troisième section est dédiée à une typologie des méthodes classiques d’analyse prévisionnelle. Elle précise les définitions des méthodes déductives et inductives, ainsi que les caractéristiques des méthodes qualitatives et quantitatives. En particulier, les méthodes quantitatives évaluent les paramètres associés à la sûreté de fonctionnement. Elles utilisent les données de la fiabilité humaine et les banques de données de fiabilité qui seront présentées dans cet article. Parmi l’ensemble des méthodes qualitatives, l’AMDEC, APR, MCPR et HAZOP y sont présentées. Pour les méthodes quantitatives qui font l’objet de développements figurent : le diagramme de fiabilité, la table de vérité, les arbres de conséquences, le diagramme cause-conséquence, le nœud papillon, l’espace des états et les processus markoviens. Pour tenir compte des évolutions sur les deux dernières décennies dans le domaine de l’analyse prévisionnelle en sûreté de fonctionnement sous les noms de « condition-based-monitoring-CBM », « diagnosis, prognostics and health management (PHM) » et « RUL - remaining useful life », la quatrième section présentera ces méthodes avancées. Elles ont été développées spécifiquement pour réaliser le diagnostic et le pronostic des défaillances. Leurs finalités ultimes sont de prédire la durée de vie avant la défaillance (DEFAD) et sa probabilité (notée « DEFAD-RUL » dans cet article). De nombreuses méthodes ont été développées pour estimer la DEDAD-RUL et feront l’objet de descriptions succinctes. Elle couvrira les méthodes basées sur les lois physiques (model-driven), l’exploitation des données (data-driven), les expérimentations et les méthodes hybrides. Elles font appel aux techniques classiques statistiques et aux outils de l’intelligence artificielle. Parmi ces outils d’intelligence, l’apprentissage automatique (machine learning) et l’apprentissage profond (deep learning) utilisant des réseaux de neurones artificiels feront l’objet de développements. Comme certaines méthodes prévisionnelles prennent en compte le facteur humain, la cinquième section présentera la typologie des méthodes de la fiabilité humaine : l’évaluation probabiliste de la fiabilité humaine (EPFH) et les facteurs humains (FH). Elle présente une classification en trois familles ; la première est basée sur des approches principalement fréquentielles, la seconde privilégie les aspects cognitifs et la troisième prend en compte l’environnement organisationnel. Cette section présente quinze modèles d’évaluation du facteur humain représentatifs de ces trois familles. La sixième section présente un inventaire des banques de données de fiabilité de composants dont l’usage est indispensable pour la mise en œuvre des méthodes prévisionnelles quantitatives. Elle définit au préalable les notions de « parts stress » et de « parts counts » utilisées dans les modèles de prédiction de la fiabilité et les banques de données. Elle est consacrée à la description des caractéristiques de leurs contenus et à leurs domaines d’application. Vingt-cinq banques de données sont ainsi passées en revue en insistant sur leur niveau d’actualité. En conclusion, une synthèse et des recommandations sont fournies pour guider l’utilisateur à choisir la méthode la plus adaptée pour réaliser un dossier d’analyse prévisionnelle de la fiabilité.