L'analyse de Weibull est une méthode statistique qui ajuste vos données de pannes d'équipement à une loi de Weibull pour révéler le schéma derrière ces défaillances : si les pièces meurent jeunes, tombent en panne au hasard ou s'usent avec l'âge. À partir de cet ajustement, vous lisez deux nombres, le paramètre de forme (bêta) et le paramètre d'échelle (êta), et ces deux nombres vous indiquent quelle stratégie de maintenance convient réellement à la machine devant vous. C'est l'épine dorsale quantitative de l'ingénierie de la fiabilité, et cela transforme une série de dates de pannes en un plan défendable.
Chaque enregistrement de panne a une valeur de durée de vie : heures de fonctionnement, cycles accomplis ou jours en service avant que l'actif ne tombe en panne. L'analyse de Weibull prend un ensemble de ces valeurs de durée de vie et trouve la courbe de distribution qui les décrit le mieux. Parce que la loi de Weibull est si flexible, une seule équation peut modéliser des pannes qui s'accélèrent avec le temps, restent constantes ou ralentissent. Cette flexibilité explique pourquoi les ingénieurs fiabilité y recourent avant presque tout autre outil. Le résultat n'est pas une opinion vague sur la fiabilité ; c'est une courbe ajustée que vous pouvez utiliser pour estimer la probabilité de panne à n'importe quel point futur de la vie d'un composant.
Le paramètre de forme, bêta, est le résultat principal. Il vous indique la direction du taux de défaillance dans le temps, et il se rapporte directement aux trois zones de la courbe en baignoire :
Savoir dans quelle zone vous vous trouvez change tout. Vous ne planifiez pas de remplacements basés sur le temps pour une pièce avec bêta inférieur à 1, car une pièce neuve est statistiquement plus susceptible de tomber en panne que celle vieillissante que vous retireriez.
Le paramètre d'échelle, êta, est la durée caractéristique. C'est le point auquel 63,2 % de la population sera en panne, quel que soit la valeur de bêta. Pensez-y comme à l'échelle de temps naturelle du processus de défaillance. Une famille de pompes avec un êta de 8 000 heures a une durée caractéristique plus longue qu'une autre avec un êta de 3 000 heures. Ensemble, bêta vous dit la forme des défaillances et êta vous dit le calendrier, et vous avez besoin des deux pour planifier.
Supposons que vous consigniez des défaillances de roulements sur un convoyeur et qu'un ajustement de Weibull renvoie bêta = 2,5 et êta = 6 000 heures. Un bêta de 2,5 est nettement supérieur à 1, donc ces roulements suivent un schéma d'usure. Un êta de 6 000 heures signifie que 63,2 % auront échoué d'ici 6 000 heures de fonctionnement.
La formule de fiabilité de Weibull est R(t) = e^(-(t/eta)^beta). Demandez-vous : quelle fraction survit à 3 000 heures, soit la moitié de la durée caractéristique ?
Donc environ 83,8 % des roulements survivent jusqu'à 3 000 heures, ce qui signifie qu'environ 16 % sont déjà tombés en panne à mi-parcours. Maintenant, vérifiez à 4 500 heures : (4 500/6 000) = 0,75, et 0,75^2,5 = 0,487, donc R = e^(-0,487) = 0,614. La fiabilité passe de 83,8 % à 61,4 % lorsque vous passez de 3 000 à 4 500 heures. Cet accélération de la décroissance est la signature de l'usure en action.
La décision de maintenance : parce que bêta est bien au-dessus de 1, un remplacement basé sur le temps est justifié. Un intervalle de remplacement planifié sensé se situe en dessous d'êta où la fiabilité est encore élevée, peut-être autour de 3 000 à 3 500 heures, plutôt que de laisser les roulements fonctionner jusqu'à la panne. Si bêta avait été proche de 1, un remplacement programmé gaspillerait de bonnes pièces et vous privilégieriez la maintenance conditionnelle, en surveillant la vibration et la température pour détecter la panne aléatoire avant qu'elle ne se propage.
Les résultats de Weibull se traduisent clairement en stratégie. Un bêta inférieur à 1 renvoie à l'amélioration de vos processus d'installation et de mise en service, pas à un calendrier de remplacement ; le problème est la qualité et la période de rodage, donc un test de rodage vous protège. Un bêta proche de 1 favorise la surveillance conditionnelle et l'inspection car l'âge ne vous prévient pas. Un bêta supérieur à 1 récompense les interventions planifiées et périodiques et est le cas classique en faveur de la maintenance proactive plutôt que d'attendre la panne. Intégrer ces conclusions dans une AMDEC structurée affine les modes de défaillance qui méritent le plus d'attention et de coût.
L'analyse de Weibull complète les nombres sommaires que vous suivez déjà. Une seule valeur de MTBF efface le schéma des pannes ; deux machines peuvent partager un MTBF identique alors que l'une souffre de mortalité infantile et l'autre d'une usure pure, nécessitant des réponses opposées. Weibull récupère ce détail perdu. Lorsque bêta égale 1, le temps moyen entre pannes et la durée caractéristique s'alignent proprement, mais pour tout autre bêta ils divergent, et cette divergence est précisément l'information qu'une moyenne brute masque.
L'analyse de Weibull n'est seulement aussi bonne que les données de panne que vous lui fournissez, et c'est là que la plupart des programmes échouent silencieusement. Des dates estimées, des heures de fonctionnement manquantes et des micro-arrêts non comptabilisés produisent un ajustement poubelle, quel que soit la qualité des statistiques. Fabrico n'exécute pas de logiciel Weibull ni de modèles prédictifs pour vous ; il fournit plutôt la base horodatée et propre dont ces méthodes dépendent. Sa surveillance OEE et de production en temps réel capture des temps de fonctionnement et des événements d'arrêt précis, y compris sur des machines sans PLC grâce à la surveillance par caméra et vision par ordinateur, de sorte que chaque panne a une vraie valeur de durée de vie associée. Sa CMMS consigne les bons de travail, les historiques d'actifs et l'utilisation des pièces de rechange, vous fournissant la chronologie des pannes et les enregistrements de réparation qu'un ajustement de Weibull nécessite. Alimentez cette historique CMMS vérifiée dans votre analyse et vos bêta et êta refléteront la réalité, pas un tableur d'estimations. Des entrées plus propres améliorent aussi votre vision globale de l'OEE.
Plus il y en a, mieux c'est, mais une règle approximative est que même 5 à 10 points de panne peuvent suggérer la direction du bêta, tandis que 15 à 20 ou plus donnent confiance tant en bêta qu'en êta. Moins de points élargissent l'incertitude, alors traitez un bêta issu d'un petit échantillon comme une indication plutôt que comme une valeur définitive, et continuez à collecter des données de durée de vie précises au fur et à mesure que les pannes s'accumulent.
Non. Fabrico est une plateforme de surveillance OEE en temps réel et de CMMS, pas un logiciel statistique, il n'ajuste donc pas les courbes de Weibull ni n'exécute de simulations de fiabilité pour vous. Ce qu'il fait, c'est capturer les données précises de temps de fonctionnement, d'arrêts et de réparations dont une analyse de Weibull dans l'outil de votre choix dépend, afin que vos paramètres ajustés décrivent ce qui s'est réellement passé sur le terrain.
Êta est la durée caractéristique, le point auquel 63,2 % des unités sont tombées en panne, tandis que le MTBF est le temps moyen entre pannes. Ils ne sont égaux que lorsque bêta égale 1. Pour les schémas d'usure (bêta supérieur à 1), le MTBF est généralement un peu inférieur à êta, donc confondre les deux vous fera mal synchroniser vos remplacements.
Vous voulez que vos entrées Weibull reposent sur des données réelles plutôt que sur des estimations ? Réservez une démo Fabrico pour voir comment la surveillance en temps réel et la CMMS donnent à l'ingénierie de la fiabilité une fondation exacte.
Connexion
Blog