See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/309376708

Estimation des paramètres du modèle de WEIBULL : application à la

modélisation de la fiabilité de l’entailleuse-perceuse mécanique de ballasts de
chemin de fer de CAMRAIL

Conference Paper · November 2015

CITATIONS READS

0 2,105

1 author:

Moungnutou MFETOUM Inoussah

University of Douala
7 PUBLICATIONS   5 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Sustainable développment in Cameroon View project

All content following this page was uploaded by Moungnutou MFETOUM Inoussah on 23 October 2016.

The user has requested enhancement of the downloaded file.

 Sciences, Technologies et Développement, Edition spéciale, pp117-121, Juillet 2016
http://www.univ - douala.com/sdt/
ISSN 1029 – 2225 - e - ISSN 2313 - 6278

Estimation des paramètres du modèle de WEIBULL : application à la modélisation de la

fiabilité de l’entailleuse-perceuse mécanique de ballasts de chemin de fer de CAMRAIL
I. Moungnutou Mfetoum1, S. Ndjakomo Essiane1, E. F. Fakam Kamanke1, G. B. Ndzie1, S. Mbemmo
Fotso1
1Département de Génie Industriel et Maintenance, Institut Universitaire de Technologie de Douala, B.P. : 8698 Douala, Cameroun

Résumé
Dans cet article nous étudions la fiabilité d’un équipement industriel, plus précisément celle l’entailleuse-perceuse mécanique de ballasts
de chemin de fer. La loi de Weibull à trois paramètres est utilisée pour modéliser cette fiabilité. La méthode de maximum de vraisemblance
et la méthode des moindres carrés non linéaires sont utilisées pour l’identification de ces paramètres. Les résultats obtenus par ces deux
méthodes sont relativement proches avec un léger avantage de la méthode des moindres carrées non linéaires. De ce modèle de Weibull,
il ressort que cet équipement ne résiste qu’environs 9 jours (ߛ ൌ ͹ͷǡ͹݄݁‫ ݏ݁ݎݑ‬s) avant que les premières défaillances ne surviennent et
qu’il fonctionne en moyenne 50 jours sans pannes (‫ ܨܤܶܯ‬ൎ ͶͲͲ݄݁‫ )ݏ݁ݎݑ‬correspondant à une fiabilité de 36,98%, d’où la
recommandation d’une politique de maintenance prédictive.
ISSN 1029–2225 - e - ISSN 2313 – 6278 ©2016. Sciences, Technologies et Développement
Mots cles : Fiabilité, entailleuse-perceuse, maximum de vraisemblance, moindre carrés non linéaires, MTBF, maintenance
prédictive

Abstract
In this paper, we study the reliability of industrial equipment more precisely that the notching-drilling mechanics railway ballasts. The three
parameters Weibull law is used to model the reliability. The method of maximum likelihood and the nonlinear least squares method are used
to identify these three parameters. The results obtained by these two methods are relatively close with a slight advantage of the non-linear
least square method. As a Weibull model, it appears that this equipment resists that around nine days (ߛ ൌ ͹ͷǤ͹݄‫ )ݏݎݑ݋‬before the first
failures occur and working an average of 50 days without failure (‫ ܨܤܶܯ‬ൎ ͶͲͲ݄‫ )ݏݎݑ݋‬corresponding to a 36.98% reliability, hence the
recommendation of a predictive maintenance policy.
ISSN 1029–2225 - e - ISSN 2313 – 6278 ©2016. Sciences, Technologies et Développement
Keywords: Reliability, notching-drill, maximum likelihood, nonlinear least squares, MTBF, predictive maintenance

1. Introduction conditions d’utilisation et pour une période de temps

24Le haut niveau de complexité des industries
d'aujourd'hui oblige ces dernières à maintenir certains de
leurs systèmes à des niveaux élevés de disponibilité. La
maîtrise de cet indicateur de performance entrainera
inévitablement la réduction des coûts liés à la perte de
production, aux interventions non planifiées et la sécurité
des installations et du personnel induits par la dégradation
et la défaillance de ces systèmes (Morel, 1991 ; Riout,
1991 ; Perreault et Bobée, 1992).
L’étude de la fiabilité est basée sur la détermination un
indicateur à savoir la durée moyenne de fonctionnement
avant la première défaillance ou en anglais Mean
operating Time To First Failure (MTTF) pour les systèmes
non réparables ou la Moyenne des Temps de Bon
Fonctionnement (MTBF) pour les systèmes réparables
(Thomas, 2012). La connaissance de cet indicateur
permet de définir une politique de maintenance préventive
adéquate pour chaque équipement industriel.
Selon la norme X 06-50, la fiabilité est l’aptitude d’un
dispositif à accomplir une fonction requise dans des
donnée. Pour ces études, plusieurs modèles de fiabilité
peuvent être appliqués, en particulier celui de WEIBULL
qui exprime la fiabilité d’un équipement comme étant la
probabilité pour ce dernier d’être encore en service à un
instant t (Richet et al, 1996 ; Aupied, 1994 ; Lyonnet,
2000) par la relation suivante :
౪షಋ ಊ
ିቀ ቁ
ሺ–ሻ ൌ ‡ ಏ (1)
Ⱦ: Paramètre de forme (sans unité)
Ʉ: Paramètre d’échelle (unité de temps)
ɀ : Paramètre de position ou d’origine (unité de temps)
ɀ : Paramètre de position ou d’origine (unité de temps)
Dans cet article nous étudions la fiabilité de l’entailleuse
perceuse des ballasts de chemin de fer de la société
CAMRAIL en utilisant la loi de Weibull et en se basant sur
l’historique des interventions.
2. Matériels et méthodes
2.1. Matériels.
Dans l’historique, on relève les différents temps de
fonctionnement et on les classe dans un ordre croissant.

24 Auteur correspondant: moungnutoui@yahoo.fr

117

Volume 17, Juillet 2016

 Moungnutou et al., STD2016, pp117-121.
La fonction de répartition de la probabilité associée à ces
données est calculée à l’aide des relations empiriques
selon la taille des données (Aupied, 1994; Thomas, 2012):
· Rang moyen pour les échantillons de grande taille N
( ൐ ͵Ͳ) ;
୧ utilise l’algorithme de Newton. Ici on suppose que l’on
· ୧ ൌ (2)
୒ାଵ
· Rang médian pour les échantillons de taille N faible
( ൏ ͵Ͳ);
୧ି଴ǡଷ
· ୧ ൌ (3)
୒ା଴ǡସ
2.2. Méthodes
L’estimation a pour but de trouver les valeurs possibles
des paramètres Ⱦǡ ɀ‡–Ʉ telles que la fonction de Weibull
s’ajuste le mieux aux données disponibles (calculées de
façon empirique). Il existe plusieurs méthodes
d’estimation et nous avons pour notre cas d’étude, nous
avons appliqué deux de ces méthodes, la méthode du
maximum de vraisemblance et la méthode des moindres
carrés non linéaires
2.2.1. La méthode du maximum de vraisemblance
La fonction vraisemblance associée est exprimée en
fonction de la fonction densité de probabilité par:
ୢୖሺ୲೔ ǡஒǡஓǡ஗ሻ
ሺȾǡ ɀǡ Ʉሻ ൌ ς୬୧ୀଵ ˆሺ– ୧ ǡ Ⱦǡ ɀǡ Ʉሻ ൌ ς୬୧ୀଵ  (4)
ୢ୲
L’estimateur maximum de vraisemblance (EMV) est la
valeur du triplet ሺȾǡ ɀǡ Ʉሻ qui maximise la fonction de
vraisemblance (Meeker et Escobar., 1998). Cette
Fig.1. Entailleuse-perceuse GEISMAR » de CAMRAIL.
2.2. Etude de la fiabilité de l’entailleuse-
perceuse mécanique
Les données d’historique des interventions sur
l’entailleuse-perceuse mécanique de CAMRAIL sont
Volume 17, Juillet 2016
méthode est implémentée dans notre étude à l’aide du
solveur XLSTAT du tableur EXEL ;
2.2.2. La méthode des moindres carrées non linéaires
C’est une méthode itérative d’ordre 2 (Trigassou,) qui
dispose de N couples ሺ– ୧ ǡ  ୧ ሻ de points expérimentaux.
On connait la forme explicite de la fonction non-linéaire
(loi de Weibull) liant ces points dans laquelle figurent les
trois paramètres Ⱦǡ ɀ‡–Ʉ inconnus à déterminer :
୲ ିஓ ஒ
ሺ– ୧ ሻ ൌ ‡š’ ൤െ ቀ ౟ ቁ ൨ (5)
஗
La méthode est basée sur la minimisation de la somme
des écarts quadratiques permettant ainsi de déterminer
les paramètres du modèle (Montgomery et Douglas C,
1991). Nous utilisons le logiciel MATLAB pour
implémentée cette méthode dans notre étude.
3. Etude de cas : Fiabilité de l’entailleuse-perceuse
mécanique de CAMRAIL
3.1. Description et fonctionnement de l’entailleuse-
perceuse mécanique de CAMRAIL
L’entailleuse-perceuse mécanique de type « GEISMAR »
de CAMRAIL est destinée à l’usinage des ballasts de
chemins de fer, pour des voies compris entre 1000 et
1700 mm d’écartement. Elle est construite en tôle
épaisse, et des portes et panneaux amovibles sont
aménagés dans son bâti afin de permettre les opérations
de visites d’entretien et de réglage.
analysées et les valeurs de la fonction de répartition
cumulée sont calculées par la méthode de rangs
médians et consignées dans le tableau ci-dessous :
118
 Moungnutou et al., STD2016, pp117-121.

Tableau 1. Données d'historique des interventions sur l’entailleuse.

N° i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
TBF 96 120 144 168 192 240 260 288 312 336 384 480 528 576 696 716 960
Fi 0,9598 0,9023 0,8448 0,7874 0,7299 0,6724 0.6149 0,5575 0,5000 0,4425 0,3851 0,3276 0,2701 0,2126 0,1552 0,0977 0,0402

3.3. Résultats et discussion. Dans les deux cas, nous constatons que la P-Value reste
L’ajustement de la loi de Weibull par l’EMV à partir du largement supérieure au niveau de signification, ce qui
solveur XLSTAT nous a d’obtenir les paramètres du signifie que nous ne pouvons pas rejeter l’hypothèse nulle
modèle Ⱦ ൌ ͳǡͳͻ͵Ǣ ɀ ൌ ͹ͲǡʹʹͷŠ‡–Ʉ ൌ ͵ͶʹǡͲͻŠ. H0, le risque de rejeter l'hypothèse nulle H0 alors qu'elle
Les écarts-types suivants : ɐஒ ൌ Ͳǡͳ͸Ǣɐஓ ൌ est vraie étant de 31,88% (Meeker et Escobar, 1998).
ʹͺǡͲ͵Š‡–ɐ஗ ൌ ͸ʹǡ͹ͷͶŠ. L’identification des paramètres du modèle de Weibull par
Les tests d’adéquation de Kolmogorov-Smirnov et du Khi- la méthode des moindres carrés non linéaire utilisant une
variante de l’algorithme de Newton (Large-scale : Trust-
deux (ɖଶ ) avec un niveau de signification de Ƚ ൌ ͷΨ ont
region reflective Newton (TRRN)) sous MATLAB conduit
été effectués pour la validation de ces résultats sous les
hypothèses suivantes : aux valeurs Ⱦ ൌ ͳǡͳʹ͵ͺǢ ɀ ൌ ͹ͷǡ͸͸ͺ͵Š‡–Ʉ ൌ
- H0 : L'échantillon suit une loi de Weibull ; ͵͵ͺǡʹͳͶͻŠ au bout de 43 itérations à partir des valeurs
- Ha : L'échantillon ne suit pas une loi de Weibull initiales Ⱦ଴ ൌ ͶǢɀ଴ ൌ ʹͲŠ‡–Ʉ଴ ൌ ͷͲͲŠ. La somme
Les résultats des deux tests sont les suivants : des carrés des écarts (SCE) est 0,0058 correspondant à
- Test de Kolmogorov-Smirnov : ଵ଻Ǣ଴ǡ଴ହ ൌ ͲǡͲ͸ͷ et la valeur minimale de la fonction objectif à minimiser et le
coefficient de corrélation entre les données et le modèles
̴ƒŽ—‡ ൌ ͳ.
est ଶ ൌ Ͳǡͻͻ͹.
- Test du ɖଶ : ɖଶ୓ୠୱୣ୰୴± ൌ ͳ͵ǡ͹ʹ͵Ǣɖଶେ୰୧୲୧୯୳ୣ ൌ
L’ensemble de tous ces résultats est illustré par les
ʹͳǡͲʹ͸et ୚ୟ୪୳ୣ ൌ Ͳǡ͵ͳͺͺ. courbes de la figure ci-dessous.
Courbes de fiabilité mesurée et estimées
1
Fiabilité mesuré
0.9 Fiabilité estimée par l’EMV
Fiabilité estimée par LSQ
Fiabilité estimée à partir des valeurs initiales des paramètres
0.8

0.7

0.6
Fiabilité R(t)

0.5

0.4

0.3

0.2

0.1

0
0 100 200 300 400 500 600 700 800 900 1000
TBF en heures

Fig. 1. Courbes de fiabilités mesurée et estimées

Nous observons un très bon ajustement entre les données A partir de ce modèle, nous évaluons les deux autres
expérimentales issues de l’historique et données indicateurs de fiabilité à savoir le taux de défaillances ɉሺ–ሻ
estimées à partir des deux méthodes utilisées. Dans la et la moyenne des temps de bon fonctionnement (MTBF).
suite, nous utilisons les paramètres obtenus par la La courbe représentative du taux de défaillance ɉሺ–ሻ est
méthode des moindres carrés non linéaires car la somme présentée également afin de situer notre équipement sur
des carrés des écarts (SCE) est la plus faible (୐ୗ୕ ൌ la courbe en baignoire.
ͲǡͲͲͷͺ ൏ ୉୑୚ ൌ ͲǡͲͲ͸ͷ). Ce choix est Nous notons que ce taux croît au cours du temps,
également illustré par la courbe des écarts ci-dessous. traduisant l’état de vieillesse de l’équipement ou encore
A partir de cette figure, nous pouvons constater que les sa période d’usure et de fatigue. De cette courbe, il ressort
écarts entre les différents modèles et les valeurs une nécessité d’améliorations.
expérimentales sont faibles (inférieures en valeurs
absolues à 4%).

119

Volume 17, Juillet 2016

 Moungnutou et al., STD2016, pp117-121.

Ecarts entre les mesures et les modèles

0.1
Ecarts entre fiabilités mesurées et estimées par l’EMV
Ecarts entre fiabilités mesurées et estimée par LSQ
0.08

0.06

0.04

0.02
Ecarts

-0.02

-0.04

-0.06

-0.08

-0.1
0 100 200 300 400 500 600 700 800 900 1000
TBF en heures

Fig. 2. Ecarts entre mesures et modèles estimés de fiabilités.

x 10
-3
Stade de vie de l'entailleuse
4

3.5

3
Taux de défaillance

2.5

1.5

0.5

0
0 100 200 300 400 500 600 700 800 900 1000
TBF en heures

Fig. 3. Taux de défaillance et stade de vie de l'entailleuse

La moyenne des temps de bon fonctionnement (MTBF) 4. Conclusion

est choisie car il s’agit d’un système réparable. Elle
représente le véritable indicateur de fiabilité et est
déterminée par la relation intégrale suivante: ൌ
ାஶ
‫׬‬଴ ሺ–ሻ†– ൌ ɀ ൅ Ʉ ή Ȟሺͳ ൅ ሻ
Où Ȟ est la fonction Gamma.
Sa valeur pour cette étude est sensiblement de 400
heures correspondant à 50 jours de travail de 8 heures.
La fiabilité à cet instant vaut 36,98%, en deçà de la valeur
de 90% généralement adoptée, renforçant ainsi la
nécessité des actions d’améliorations. Selon les
recommandations des constructeurs et les cas d’experts
rencontrés, la MTBF doit se autour de 03 à 04 mois pour
ce type de d’équipement. Ainsi nous recommandons de
suivre cet équipement de près et appliquer une politique
de maintenance prédictive.
Dans ce travail les logiciels EXCEL et MATLAB ont été
utilisés pour implémenter les méthodes de maximum de
vraisemblance et de moindres carrés non-linéaires
ଵ appliquées pour l’identification des paramètres de la loi
(6)
ஒ
Weibull qui modélise la fiabilité de l’entailleuse-perceuse
mécanique de CAMRAIL. Les calculs ont permis d’évaluer
l’indicateur principal de fiabilité qui est la MTBF à 50 jours
(400 heures). La fiabilité correspondante à cette MTBF
déterminée avec le model de Weibull est de 36,98%.
Cette valeur est très inférieure à la valeur admissible qui
est de 90% ce qui demande la mise sur pied d’une
politique de maintenance prédictive. Nous notons par
ailleurs que ces méthodes d’identification des paramètres
sont plus rapides et plus précises que celles graphiques
habituellement utilisées (papier d’Allan PLAIT ou de
Weibull, méthode de HAZARD).
120

Volume 17, Juillet 2016

 Moungnutou et al., STD2016, pp117-121.
Remerciements
Nous remercions la société CAMRAIL, qui dans le cadre
de nos partenariats a accepté de prendre certains de nos
étudiants en stage et permettant ainsi d’obtenir les
données de base de cette étude.
Références
[1] Morel J. Vibrations des machines et diagnostic de leur
état mécanique, Editions Eyrolles ;
[2] Riout J. Les besoins des entreprises mécaniciennes
en fiabilité et maintenance, publications CTIM,
Senlis, France, 1991.
[3] Luc Perreault et Bernard Bobée. Loi Weibull à deux
paramètres, Propriétés mathématiques et
statistiques, Estimation des paramètres et des
quantiles XT de période de retour T, Rapport
Scientifique No 351, INRS-Eau Université du
Québec, mars 1992.
[4] Marc Thomas : Fiabilité, maintenance prédictive et
vibration des machines, Presses de l’Université
du Québec, 2012.
Volume 17, Juillet 2016
View publication stats
[5] Richet D. et al. Maintenance basée sur la fiabilité,
Masson, 1996, 166p.
[6] Aupied J. Retour d’expérience appliqué à la sureté de
fonctionnement des matériels en exploitation,
Editions Eyrolles, 1994.
[7] P. Lyonnet. La maintenance, mathématiques et
méthodes, Technique et Documentation,
Lavoisier, 4e édition, 2000, 393 p.
[8] Meeker W k and Escobar L.A.: Statistical Methods for
Reliability Data, Wiley Series in Probability and
Statistics. Applied Probability and Statistics
Section, Wiley Interscience, 680 p., 1998.
[1] [9] Trigassou J. Cl., Recherche des modèles
expérimentaux, Techniques et Documentation,
Lavoisier, 1988.
[10] Montgomery and Douglas C: Design and Analysis of
Experiments, John Wiley & Sons, Inc., New
York, 1991.
[11] Rapports techniques, département technique, service
inspection, « Historiques des entailleuse- »,
CAMRAIL
121