Courbe de croissance paramétrique
L'analyse Parametric Growth Curve modélise l'évolution du taux de défaillance d'un système réparable à mesure qu'il accumule des heures de fonctionnement et subit des réparations. Elle détermine si le système s'améliore (taux de défaillance décroissant), se détériore (taux de défaillance croissant) ou est stable, à l'aide de modèles tels que le processus de Poisson non homogène à loi de puissance (Crow-AMSAA).
Dernière révision
Point clé
L'analyse Parametric Growth Curve modélise l'évolution du taux de défaillance d'un système réparable à mesure qu'il accumule des heures de fonctionnement et subit des réparations.
Sur cette page
Qu'est-ce que Parametric Growth Curve ?
L'analyse Parametric Growth Curve modélise l'évolution du taux de défaillance d'un système réparable à mesure qu'il accumule des heures de fonctionnement et subit des réparations. Elle détermine si le système s'améliore (taux de défaillance décroissant), se détériore (taux de défaillance croissant) ou est stable, à l'aide de modèles tels que le processus de Poisson non homogène à loi de puissance (Crow-AMSAA).
Définition simple : un modèle statistique pour systèmes réparables qui révèle si les réparations rendent le système plus fiable avec le temps, s'il s'use, ou si le taux de défaillance reste stable.
Quand utiliser Parametric Growth Curve ?
- À utiliser pour analyser des systèmes réparables qui tombent en panne et sont réparés plusieurs fois comme des machines, des véhicules ou des équipements complexes.
- À utiliser pour déterminer si la fiabilité s'améliore, se dégrade ou est stable au cours de la vie en service.
- À utiliser pour la planification de la maintenance, la prévision des pièces de rechange et les programmes d'amélioration de la fiabilité.
Recommandations pour bien utiliser Parametric Growth Curve
- Enregistrez tous les temps de défaillance et de réparation avec exactitude : des temps manquants faussent la courbe de croissance.
- Vérifiez l'ajustement du modèle avec des tests d'adéquation tels que celui de Cramer-von Mises avant de tirer des conclusions.
- Utilisez le test de Laplace pour confirmer si la fiabilité s'améliore ou se détériore réellement avant de supposer une tendance.
Alternatives : quand ne pas utiliser Parametric Growth Curve
- Si les éléments sont non réparables (remplacés en cas de défaillance), utilisez l' analyse de distribution paramétrique
- Si le taux de défaillance est confirmé constant, un simple modèle de distribution exponentielle peut suffire.
Exemple de Parametric Growth Curve
Un ingénieur fiabilité analyse le taux de défaillance des climatiseurs utilisés dans 13 avions de ligne commerciaux. Chaque unité a été réparée et remise en service après une panne. L'ingénieur cherche à déterminer si le taux de défaillance augmente, diminue ou reste constant dans le temps, à partir de temps de défaillance exacts sans qu'aucune unité n'ait été retirée du service. Toutes les données sont des temps de défaillance exacts. Les étapes sont les suivantes :
- Rassemblez les données nécessaires.

2. Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
3. Pour trouver Parametric Growth Curve, choisissez Statistical module> Reliability>Parametric Growth Curve.
4. Dans l'outil, saisissez les données et les autres paramètres comme suit :

5. Après utilisation de l'outil ci-dessus, les résultats obtenus sont les suivants :


Comment utiliser Parametric Growth Curve
La marche à suivre est la suivante :
- Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
- Sur la page d'accueil, choisissez Statistical Tool> Reliability>Parametric Growth Curve.
- Ensuite, saisissez les données manuellement, copiez-les (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V), ou encore utilisez l'option Load Example pour charger les données d'exemple.
- Ensuite, renseignez les options requises.
- Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.
Dans le tableau de bord de Parametric Growth Curve, la fenêtre est divisée en deux parties.

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement ou entièrement copiées (Ctrl+C) depuis une feuille Excel puis collées (Ctrl+V) ici.
Load example : des données d'exemple sont chargées.
Dans la partie droite se trouvent de nombreuses options, comme suit :
- Data Format : définit la structure des données de temps de défaillance. Data are exact failure/retirement times signifie que chaque observation du jeu de données est l'instant précis auquel une défaillance s'est produite ou auquel le système a été retiré du service, par opposition aux données censurées par intervalle, où seule la fenêtre de temps de la défaillance est connue.
- Variable / Start Variables : sélectionnez la colonne contenant les temps exacts de défaillance ou de retrait de chaque événement enregistré sur le système réparable. Pour des données par intervalle, il s'agirait du début de l'intervalle de temps contenant la défaillance.
- System ID : sélectionnez la colonne qui identifie le système réparable auquel appartient chaque temps de défaillance ; utilisée lorsque les données de plusieurs systèmes sont réunies dans le même jeu de données. La courbe de croissance est alors estimée séparément ou conjointement pour chaque système identifié.
Questions fréquentes
Qu'est-ce qu'une courbe de croissance paramétrique ?
Une courbe de croissance paramétrique modélise l'évolution du taux de défaillance d'un système réparable à mesure qu'il accumule des heures de fonctionnement et subit des réparations. Elle détermine si le système s'améliore avec un taux de défaillance décroissant, se détériore avec un taux de défaillance croissant, ou est stable, à l'aide de modèles tels que le processus de Poisson non homogène à loi de puissance (Crow-AMSAA).
Quand utiliser une courbe de croissance paramétrique ?
Utilisez-la pour des systèmes réparables qui tombent en panne et sont réparés plusieurs fois, comme des machines, des véhicules ou des équipements complexes, afin de savoir si la fiabilité s'améliore, se dégrade ou est stable au cours de la vie en service. Elle appuie la planification de la maintenance, la prévision des pièces de rechange et les programmes d'amélioration de la fiabilité.
Comment vérifier un modèle de courbe de croissance paramétrique ?
Enregistrez tous les temps de défaillance et de réparation avec exactitude, car des temps manquants faussent la courbe de croissance. Vérifiez l'ajustement du modèle avec des tests d'adéquation tels que celui de Cramer-von Mises, et utilisez le test de Laplace pour confirmer si la fiabilité s'améliore ou se détériore réellement avant de supposer une tendance.
Quand ne pas utiliser une courbe de croissance paramétrique ?
La courbe de croissance paramétrique est destinée aux systèmes réparés et remis en service après chaque défaillance. Si les éléments sont non réparables et remplacés en cas de défaillance, utilisez plutôt l'analyse de distribution paramétrique. Si le taux de défaillance est confirmé constant, un simple modèle de distribution exponentielle peut suffire.
