Développement d'une méthodologie d'identification des facteurs influents : Design Failure Mode Effect Analysis and Stress Investigation

Full text

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
Développement d’une méthodologie d’identification
des facteurs influents :
Design Failure Mode Effect Analysis and Stress
Investigation
Mohamed RABHI
LIEBHERR Aerospace
Laboratoire Angevin de Recherche en
Ingénierie de Système, Université d’Angers
Toulouse, France
mohamed.rebhi@etud.univ-angers.fr
mohamed.rabhi@liebherr.com
Bruno CASTANIER
Laboratoire Angevin de Recherche en
Ingénierie de Système, Université d’Angers
Angers, France
bruno.castanier@univ-angers.fr
Laurent SAINTIS
Laboratoire Angevin de Recherche en
Ingénierie de Système, Université d’Angers
Angers, France
laurent.saintis@univ-angers.fr
Arnaud TINGUY
LIEBHERR Aerospace
Toulouse, France
Arnaud.tinguy@liebherr.com
Mohamed Anis BEN ABDESSALEM
Laboratoire Angevin de Recherche en
Ingénierie de Système, Université d’Angers
Angers, France
mohamedanis.benabdessalem@univ-angers.fr
Frédéric BRISTIEL
LIEBHERR Aerospace
Toulouse, France
frederic.bristiel@liebherr.com
Résumé : Le travail présenté dans cette communication fait
partie intégrante de la thèse de doctorat CIFRE intitulée
« Estimation de la durée de vie des vannes de prélèvement
d’air » en partenariat entre la société LIEBHERR Aerospace et
le Laboratoire Angevin de Recherche en Ingénierie des Système
(LARIS) de l’Université d’Angers.
Dans le cadre de la stratégie de l’estimation de la durée de vie de
la vanne du système de prélèvement d’air du moteur de l’avion
en phase de conception, l’identification des principaux
mécanismes d’endommagement et des niveaux de sollicitations
à appliquer est l’un des points clés pour l’élaboration de ces
modèles de durée de vie dans un contexte d’essais accélérés. Une
analyse des méthodologies existantes pour l’identification et la
caractérisation des modes de défaillance montre certaines
limites principalement à cause de la nature des données de
retours d’expérience. En effet, ces données décrivent seulement
les composants ou les groupements fonctionnels défaillants. Ceci
empêche leurs exploitations efficaces par les méthodes
existantes. La méthode développée doit être vue comme une
extension de méthodes existantes centrée sur l’identification des
mécanismes d’endommagement et des sollicitations
prépondérants sur l’ensemble des composants même en
l’absence de données opérationnelles de retour d’expérience . La
proposition, exploitant toutes les informations disponibles
(retours d’expérience, rapport d’expertise…etc.), permet un
calcul intermédiaire de la probabilité d’occurrence pour chaque
défaillance en estimant les effets d’intégration système et ainsi
les dépendances mutuelles de chacun des composants. Le
couplage avec des modèles numériques d’endommagement
alimentés par expertise permet de compenser l’absence de
données de pannes sans retour d’expérience faute de moyens de
détection dédiés.
Mots-clés : Prélèvement d’air, vanne, solénoïde, DFMEA,
FMMEA, REX, mécanismes d’endommagement, facteurs
influents, sens bidirectionnel, avis d’expert, probabilité
d’occurrence intermédiaire.
I. CONTEXTE INDUSTRIEL
La société Liebherr Aerospace Toulouse (LTS) est spécialisée
dans le développement, la production et la maintenance des
systèmes d’air. Le conditionnement d’air prélevé au niveau
des moteurs, nécessite l’utilisation de vannes
électropneumatiques. Ces vannes assurent l’alimentation des
systèmes de conditionnement d’air, de régulation de pression
cabine et de dégivrage des ailes des aéronefs.
Les vannes électropneumatiques doivent présenter un haut
niveau de fiabilité afin de garantir la réalisation de ces
fonctions critiques au sein d’un avion tout en assurant les
performances de consommation énergétique de l’avion. Le
système d’air représente de 1 à 2% de la consommation totale
de carburant de l'avion, ce pourcentage peut varier entre 3 et
10 % en cas de défaillance d’une des vannes. Ainsi, le système
d’air engendre une consommation plus élevée de carburant
pour maintenir le débit nécessaire aux consommateurs d’air
et provoque une diminution de la poussée du moteur [1]. Par
conséquent la température d’échappement augmente et rend le
réacteur de plus en plus chaud ce qui réduit sa durée de vie.
II. INTRODUCTION
L'industrie aéronautique est confrontée à des défis et des
contraintes budgétaires majeures qui motivent les mesures de
réduction des coûts. Les coûts de maintenance corrective sont
responsables de 12 à 15% du coût global de possession d’un

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
avion, principalement par rapport à l’indisponibilité
opérationnelle occasionnée [2]. Des moyens de réduction de
cette indisponibilité sont l’amélioration du diagnostic et de la
correction des problèmes, un calendrier de maintenance
optimisé en fonction de son impact sur la disponibilité
opérationnelle et la durée de vie des unités fonctionnelles.
Dans cette recherche de réduction des coûts, la stratégie de la
société est de standardiser ces vannes de prélèvement d’air sur
tous les types d’avion et de mieux maitriser les défaillances
afin de les anticiper en renforçant les analyses prévisionnelles
de durée de vie notamment sur les paramètres des différentes
sollicitations influentes appliquées dans un environnement
sévère du moteur de propulsion de l’aéronef. Les contraintes
liées à cet environnement sont d’autant plus importantes que
les dernières générations de moteur ont des températures de
fonctionnement bien plus élevées. De plus, l’évaluation d’une
fiabilité prévisionnelle est rendue encore plus délicate au vu
des variations constantes de ces facteurs environnementaux au
cours d’un vol, ne permettant même pas d’en identifier les plus
importants.
L’objectif de cette thèse est de présenter une méthodologie
d’investigation et d’analyse des sollicitations de systèmes
pour leur évaluation de la fiabilité prévisionnelle lorsque
leurs profils de mission opérationnelle sont très variés. Cette
méthodologie sera par la suite appliquée à des vannes de
prélèvement d’air d’un moteur d’avion, ici les sollicitations
variant fortement en fonction des divers programmes. Son
concept repose sur l’identification et la caractérisation des
sollicitations prépondérantes basées sur des modèles
standards de vie accélérée.
Afin de fournir une prévision précise de la durée de vie utile
restante d'un produit, il est essentiel de comprendre ce qui
cause des dommages et comment les dommages se
manifestent dans le produit. Pour repérer la cause première de
la défaillance, il est nécessaire de connaître non seulement le
composant hôte de la défaillance, mais également le
mécanisme de défaillance qui la provoque. Si les mécanismes
de défaillance ne sont pas connus, les données collectées pour
la surveillance et l’estimation des durées de vie peuvent être
mal sélectionnées, divergentes et ne représentent pas la vie
réelle du système. Ainsi les modèles d’estimation de la durée
de vie développés seront erronés.
La capacité, ainsi, de repérer les comportements anormaux,
les mécanismes d’endommagement et leurs facteurs sollicitant
associés est le critère de sélection des méthodes à s’en servir
pour l’analyse des pannes.
Ce travail s’instaure dans cette optique. Dans les sections III
et IV, nous présenterons la méthode Design Failure Mode
Effect Analysis (DFMEA) et ses limites, notamment utilisée
chez LIEBHERR durant la phase de conception des systèmes
pour la détermination des pannes potentielles et ses limites en
fonction des données de retour d’expérience. Dans la section
V, on présentera notre proposition Design Failure Mode
Effect Analysis and Stress Investigation (DFMEA-SI), qui
repose sur une investigation avancée des mécanismes de
défaillance inspirée par la méthode FMMEA Failure Modes,
Mechanisms and Effects Analysis. La méthodologie sera
déployée, dans la section VI, pour l’analyse de défaillance
d’un solénoïde de vannes de prélèvement d’air moteur
d’avion.
III. METHODE EXISTANTE : DESIGN FAILURE MODE EFFECT
ANALYSIS
Dans le cycle de vie d'un système, plusieurs mécanismes de
défaillance peuvent être activés par différents paramètres
environnementaux et opérationnels agissant à différents
niveaux de stress, mais en général, seuls quelques paramètres
opérationnels et environnementaux et mécanismes de
défaillance sont responsables de la majorité des défaillances.
Les mécanismes de haute priorité sont ceux qui combinent
fortement les occurrences et la gravité. La hiérarchisation des
modes de pannes offre une opportunité d'utilisation efficace
des ressources pour la détermination des mécanismes
d’endommagement critiques. Dans cette section, une
discussion de l'approche DFMEA, FMMEA standards est
présentée, suivie des limitations majeures de ces deux
méthodologies.
A. DFMEA : Design Failure Mode Effect Analysis
L'armée américaine a commencé à utiliser la FMEA (Failure
Mode Effect Analysis) dans les années 1970 et, en 1974. Un
document de référence : «MIL-STD-1629: procédures pour
effectuer un effet de mode de défaillance et une analyse de
criticité» a été produit. En 1990, l'Organisation internationale
de normalisation (ISO) a recommandé l'utilisation de la
DFMEA : Design Failure Mode Effect Analysis pour
l'examen de la conception (Teoh & Case, 2005). La DFMEA,
en tant que méthodologie de conception formelle, a été
proposée pour la première fois par la NASA en 1963 pour
leurs exigences évidentes de fiabilité.
Le développement de la DFMEA nécessite l’étude de toutes
les fonctions du système afin de déterminer toutes les sources
de défaillance en phase de conception. Elle permet
l’investigation des modes de panne potentiels du système
associés aux composants les plus défaillants et la
détermination de leurs taux de défaillance prévisionnels.
Elle permet l'évaluation des risques dans une mesure
préventive. En général, la DFMEA est utilisée pour repérer
les faiblesses de la conception et du processus de production
du produit dans les premiers stades avant de passer à la
production en série pour permettre au produit d'avoir une
meilleure qualité et fiabilité. Elle permettra à priori de
Fig. 1. Démarche de la DFMEA pour la détermination des pannes
dominantes [2]

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
répondre aux besoins exprimés dans le cadre de cette thèse
afin d’investiguer toutes les défaillances susceptibles d’exister
pour les systèmes étudiés. La logique du processus de
DFMEA est généralement comme décrite dans la Fig. 1.
Une analyse fonctionnelle doit être développée dans un
premier temps. Toutes les fonctions principales du système
sont détaillées et associées aux différents requis. Ensuite, pour
chaque fonction, une liste des conditions de bon
fonctionnement est développée afin de satisfaire à l'exigence
fonctionnelle. Toutes les causes potentielles de non-respect
des requis sont évaluées comme des modes de défaillance et
associées aux composants. Un schéma explicatif est illustré
dans la Fig. 2.
Les modes de défaillance et leurs effets sont classés selon :
- Une probabilité de gravité correspondant à l'effet de la
panne sur le système englobant les composants défaillants.
- Une probabilité d’occurrence ou les causes à forte
probabilité peuvent conduire à des actions pour empêcher
ou réduire l'impact de la cause sur le mode de défaillance.
- Une probabilité de détection qui met en évidence la
capacité de tests spécifiques à confirmer que le mode de
défaillance pourrait être identifié.
Les probabilités d’occurrence, de détection et de gravité sont
transférées à une échelle représentative de 1 à 9. La borne
minimale de l’échelle correspond aux composants les moins
défaillants en terme de gravité et gravité et présentant aucun
moyen de détection des pannes (respectivement gravité = 1,
occurrence =1 et détection =1).
La DFMEA assure également le suivi des améliorations grâce
à des réductions du numéro de priorité de risque (RPN) calculé
par la multiplication des trois paramètres présentés avant :
occurrence, gravité, détection comme illustré dans la Fig. 2.
En comparant les RPN associés aux composants avant et après
les améliorations conceptuelles, une stratégie d'atténuation
des risques peut être mise en évidence en fonction des
composants les plus défaillants.
En raison de confidentialité, les taux de défaillances et les
défaillances sont donnés à titre indicatif dans la Fig. 3.
A l’échelle de la vanne, les rangs de sévérité sont fixés selon
la gravité de chaque panne sur le fonctionnement global du
système d’air. Les pannes potentielles du système (vanne de
prélèvement d’air) sont prédéterminées et leurs probabilités
de sévérité sont fixées. Grace à la détermination de la panne
du système global qui découle de la panne du composant du
sous-système, la probabilité de sévérité générée pourrait être
lue directement à partir de l’abaque développé en interne [1].
Les moyens de détection de panne pour les sous-systèmes
traités dans le cadre de cette thèse sont essentiellement durant
la phase de réparation. Ils sont principalement les tests de
continuité électrique, les inspections visuelles et les
tomographies pour les solénoïdes et les mesures de pression
de fuite pour les membranes de régulation de pression.
La conception et l’encombrement entre les composants ne
permettent pas de disposer d’autres moyens de détection. Un
abaque de détection est aussi développé pour les pannes
conventionnelles des composants [1].
La problématique est essentiellement la détermination de la
probabilité d’occurrence des composants en pannes. La
classification des modes de pannes les plus critiques est
gouvernée ainsi par la probabilité d’occurrence puisque la
sévérité et la détection sont à priori connues (abaques
interne).
Les pannes des sous-systèmes et leurs composants sont, à leur
tour, connues à partir des historiques des déposes des
systèmes similaires de point de vue technologique dans le cas
d’un produit neuf ne disposant pas encore de déposes.
Pour chaque défaillance « conventionnelle », un code est
attribué pour standardiser l’exploitation des fichiers du retour
d’expérience [1].
Si aucun produit similaire ne dispose de retour d’expérience,
la probabilité d’occurrence des pannes du nouveau produit est
déterminée à priori. Si une similarité entre produits est
disponible, les probabilités d’occurrence des défaillances des
composants sont déterminées à partir des retours
d’expérience du produit déjà en service. Les déposes
préventives ne sont pas prises en compte lors du calcul des
occurrences.
Toutes ces données doivent être inscrites dans la structure de
la Fig. 4.
B. FMMEA: Failure Modes, Mechanisms and Effects
Analysis
Cassanelli et al. [3] ont montré que l'étude des mécanismes de
défaillance enrichit la DFMEA ordinaire.
Fig. 2. Méthodologie générale de la DFMEA
Requis 2 de la Fonction 1 non respecté
Requis 1 de la Fonction 1 non respecté
Fig. 3. Critères de classement des défaillances par occurrence

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
La méthodologie d'analyse des modes, des mécanismes et des
effets de défaillance (FMMEA) proposée par Cassanelli et al.
[3] remédie aux faiblesses du processus DFMEA traditionnel.
La méthode est basée sur la physique des défaillances (Physics
of Failures : PoF) pour évaluer les causes profondes des
défaillances et les mécanismes de défaillance d'un produit
donné. La physique de la défaillance est une approche qui
utilise la connaissance des mécanismes d’endommagement et
la maitrise du cycle de vie d'un produit (sollicitations) pour
évaluer la fiabilité du produit. La méthodologie de PoF est
basée sur l'identification des mécanismes de défaillance
potentiels et des sites de défaillance du système [6].
La méthode FMMEA est basée sur une compréhension des
relations entre les exigences du produit, les caractéristiques
physiques du produit, les interactions des matériaux du produit
avec les sollicitations et leur influence sur la sensibilité du
produit à la rupture par rapport aux conditions d'utilisation [7].
Elle partage la même méthodologie de développement que la
DFMEA comme montre la Fig. 5.
La différence stratégique entre ces deux méthodes est que la
FMMEA ne s’intéresse qu’aux pannes repérées en service
(durant la vie réelle du système). La classification des
principaux modes de pannes et des mécanismes
d’endommagement se fait par le RPN.
IV. LIMITATIONS :
Comme présenté ci-dessus, la probabilité d’occurrence ne
prend pas en compte les avis des experts et se limite seulement
à l’analyse des retours d’expérience disponibles (manquants)
pour la FMMEA et des produits similaires pour la DFMEA.
En plus, la méthode RPN, conventionnelle et largement
adoptée dans l'analyse de la fiabilité, présente trois lacunes
principales, à savoir:
(1) il y a un problème d'échelle de mesure;
(2) la gravité, l'occurrence et la détection ne sont pas
considérées comme étant pondérées les unes par rapport
aux autres en termes de risque;
(3) elle perd certaines informations que les experts
fournissent pour avoir les informations précieuses.
La méthode DMEA présente d’autres limitations pour son
application dans ce projet. Le besoin scientifique est de
déterminer, autre que les composants défaillants, les
mécanismes physiques d’endommagement derrière modes de
défaillance. Cependant les retours d’expérience disponibles se
limitent aux dégradations des composants (exemple : poussoir
usé) et aux pannes rencontrées. Les informations que
fournissent les retours d’expérience restent génériques et ne
permettent pas de répondre au besoin exprimé
Dans la Fig. 6, un exemple de défaillance repérée dans les
fichiers de Déposes : Poussoir du solénoïde usé. Le niveau de
granularité disponible dans le retour d’expérience est assez
grossier. La défaillance « poussoir usé » peut être associée à
plusieurs facteurs influents et mécanismes de défaillance :
- Fatigue thermomécanique causée par la dilatation
différentielle (cycle thermique variable)
- Fretting du poussoir, vibration
- Matage du poussoir exprimé par une hausse du
champ magnétique…etc.
Le but est de déterminer quel facteur a conduit à cette panne.
Comme présenté, l’usure du poussoir présente une probabilité
d’occurrence faible dans la vanne évaluée à 2, c.-à-d. cette
panne présente une faible probabilité d’occurrence par rapport
aux autres défaillances des différents composants. Par contre,
nous nous intéressons à l’échelle du sous-système traité
(solénoïde dans cet exemple). Une transition d’échelle devrait
être envisagée.
Une détermination de la probabilité d’occurrence de chaque
mécanismes d’endommagement au niveau du sous-système et
au niveau du système global est cruciale afin de pouvoir
déterminer à l’échelle du sous-système les facteurs sollicitant
et les mécanismes d’endommagement les plus prépondérants.
Pour récapituler, les principales limites de la DFMEA
rencontrées lors de son application industrielle dans le cadre
de cette thèse sont :
- Applicable en phase de conception
- Niveau grossier d’information dans le REX (se
limiter seulement aux pannes des composants)
- Manque de données disponibles dans le REX
(nouveau programme d’avion)
- Cotation des occurrences par rapport à la vanne
(système global)
- Les mécanismes d’endommagement et les
sollicitations ne sont pas pris en compte
- Les avis des experts ne sont pas présents dans la
pondération des pannes
Fig. 5. Organigramme de la FMMEA [5]
Fig. 4. Structure de la DFMEA
Fig. 6. Niveau de détails présent dans le retour d’expérience disponible

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
Quant à la FMMEA, elle ne permet pas de traiter
exhaustivement, contrairement à la DFMEA, toutes les pannes
potentielles. Ceci est dû essentiellement, par définition, à la
prise en considération seulement des retours d’expérience
pour déterminer les défaillances. Elle ne s'applique qu'en
phase d'exploitation. Cette approche ne permettra pas dans
notre cas d’investiguer toutes les défaillances potentielles en
fonction des facteurs influents pour une raison simple : Une
défaillance avec une probabilité de détection faible
(inexistante dans le REX) risque de ne pas apparaitre dans
l’analyse FMMEA car aucun moyen de détection n’est
envisagé dans la procédure de suivi. En plus, la FMMEA ne
permet pas de prendre en considération les avis des experts.
V. DEVELOPPEMENT D’UNE METHODOLOGIE
D’IDENTIFICATION DES FACTEURS INFLUENTS « DESIGN
FAILURE MODE EFFECT ANALYSIS AND STRESS
INVESTIGATION »
L'une des limites les plus contraignantes de l’approche
DFMEA standard est qu'elle n'identifie ni les mécanismes de
défaillance ni les sollicitations (opérationnelles,
environnementales…etc.) subies par le système/composant
étudié. Ces derniers sont importants pour planifier les essais
accélérés pour maitriser l’aggravation des sollicitations
prépondérantes tout en gardant les mêmes mécanismes de
défaillances. Cependant, la FMMEA, applicable qu’en phase
opérationnelle du produit, ne permet pas, telle que présentée,
de répondre à tous les verrous scientifiques et industriels
introduits lors de ce projet car seulement les pannes détectées
seront prises en considération.
Pour répondre à cette problématique et éviter les limites des
deux méthodes DFMEA et FMMEA, une nouvelle approche
est introduite en combinant ces deux méthodes pour garantir
une efficacité élevée :
- traiter exhaustivement toutes les pannes potentielles
(avantage DFMEA)
- Introduire les mécanismes d’endommagement et les
facteurs influents (avantage FMMEA)
- Utiliser les retours d’expérience pour déterminer le RPN
afin de classer les mécanismes d’endommagement
prépondérants (avantage FMMEA)
A. Axes d’amélioration
La prise en considération des rapports d’expertise, les avis des
experts et la méthode de calcul de la probabilité d’occurrence
constituent les principaux axes d’amélioration. Ces derniers
donneront plus d’efficacité à la maitrise des mécanismes
d’endommagement et leurs associations à chaque panne et à
chaque composant.
a) Calcul de la probabilité d’occurrence :
Dans la DFMEA et la FMMEA, le calcul de la probabilité se
fait uniquement à un niveau bien déterminé. Dans notre cas
une transition de niveau est cruciale : Système ↔ Sous-
système ↔ composant ↔ mécanisme d’endommagement.
Une probabilité d’occurrence par niveau est plus
représentative. Cette approche est présentée dans la Fig. 7.
Dans la Fig. 7, une transition d’échelle est proposée entre :
- le système (niveau 0),
- le sous-système (niveau 1),
- le composant (niveau 2) et
- les mécanismes d’endommagement et les facteurs
influents (niveau 3),
Le calcul de la probabilité d’occurrence globale, illustré par la
Fig. 8, sous-entend le calcul de la probabilité d’occurrence
d’un mécanisme d’endommagement dans le système.
Par exemple quelle sera la probabilité d’occurrence de la
fatigue thermomécanique de la résine d’époxy dans la vanne ?
Pour pouvoir calculer cette probabilité, on est conduit à
calculer la probabilité d’occurrence du mécanisme dans
l’ensemble des mécanismes de défaillance du composant
ensuite celle de la défaillance du composant dans l’ensemble
des pannes du sous-système et enfin celle de la défaillance du
sous-système dans l’ensemble des pannes du système. Cette
probabilité d’occurrence n’est que la multiplication des trois
probabilités d’occurrence intermédiaires.
Trois probabilités d’occurrence intermédiaires se présentent :
- α: occurrence du mécanisme d’endommagement
dans le composant
- β : occurrence de la défaillance du composant dans
le sous-système
- τ : occurrence de la défaillance du sous-système dans
le système
Les informations disponibles dans les retours d’expérience
sont assez génériques. Pour remédier à cette limite, des
rapports d’expertise en étaient développés. Ces rapports
représentent des analyses mécaniques réalisées sur les pannes
occurrentes, graves et non maitrisées vues par les composants
afin de déterminer les mécanismes d’endommagement
responsables.
Une analyse exhaustive des rapports d’expertise permettra de
déterminer la probabilité d’occurrence α.
Fig. 7. Transition d'échelle pour la nouvelle méthodologie proposée
Fig. 8. Description du calcul de la probabilité d'occurrence par niveau

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
Les probabilités β et τ sont calculées à partir des retours
d’expérience car le niveau de granularité disponible dans le
REX correspond à ces deux niveaux d’échelle d’étude
d’occurrence.
Une échelle bien spécifique a été développée pour permettre
de transformer la probabilité d’occurrence à une grandeur qui
a un sens aux concepteurs. Cette échelle est détaillée dans le
tableau 1 :
TABLEAU 1 ECHELLE DE LA PROBABILITE D'OCCURRENCE
Probabilité d’occurrence
Echelle
0% - 12%
1
12% - 24%:
2
24% - 36%:
3
36% - 48%:
4
48% - 60%:
5
60% - 72%:
6
72% - 84%
7
84% - 96%:
8
96% - 100%:
9
Cette échelle accentue l’importance des mécanismes
d’endommagement avec des probabilités d’occurrence
supérieure à 96%. La description de l’échelle est illustrée dans
le tableau 2 :
TABLEAU 2 DESCRIPTION DE L'ECHELLE
Description
Echelle
Des défaillances se produisent régulièrement
en service / Les défaillances sont inévitables
avec un nouveau design, nouvelle application
ou changement de conditions opérationnelles
ou environnementales.
9
Défaillances répétées constatées en service /
Les défaillances sont fortement probables
avec un nouveau design, nouvelle application
ou changement de conditions opérationnelles
ou environnementales.
8
Nombre élevé de défaillances constatées en
service / Les défaillances sont incertaines avec
un nouveau design, nouvelle application ou
changement de conditions opérationnelles ou
environnementales.
7
Défaillances sont constatées par intermittence
avec des designs identiques ou similaires en
service ou lors des simulations
numériques/tests.
6
Défaillances occasionnelles avec des designs
identiques ou similaires en service ou lors des
simulations numériques/tests.
5
Défaillances isolées avec des designs
identiques ou similaires en service ou lors des
simulations numériques/tests.
4
Peu de défaillances constatées avec des
designs identiques ou similaires en service ou
lors des simulations numériques/tests.
3
Les défaillances sont rares et très espacées
dans le temps avec des designs identiques ou
similaires en service ou lors des simulations
numériques/tests.
2
Description
Echelle
Les défaillances quasiment inexistantes avec
des designs identiques ou similaires en service
ou lors des simulations numériques/tests.
1
Les probabilités de sévérité, d’occurrence et de détection sont
calculées par rapport au système global. Dans la nouvelle
méthodologie proposée, on fixe la probabilité de détection afin
de ne pas biaiser les mécanismes d’endommagement qui
présentent des probabilités d’occurrence et de sévérité très
élevées mais qui ne sont pas détectables par manque de
moyens.
b) Manque de données et avis d’expert :
i. MATRICE DE SIMILARITE
Dans le cas où les données des retours d’expérience et des
rapports d’expertise ne sont pas suffisants (cas d’un produit
neuf), une analyse de similarité permet d’extrapoler les
informations disponibles des autres produits similaires de
point de vue technologique (conception et sollicitations) au
nouveau produit étudié.
La détermination de la matrice de similarité, entre les sous-
systèmes existants et celui étudié, consiste à définir les
similarités existantes au niveau de (des):
- la conception
- conditions opérationnelles
- conditions environnementales
Une échelle mettant en évidence le degré de similarité () a
été proposée :
- 1 : identique
- 0.5 : similaire
- 0 : différent
On évalue pour chaque élément de la matrice de similarité son
influence sur la fiabilité du sous-système () suivant l’échelle
suivante :
- 3 : impact important sur la fiabilité
- 2 : impact moyen sur la fiabilité
- 1 : impact faible sur la fiabilité
Dans le tableau 3 sont présentés les éléments de comparaison :
TABLEAU 3 ELEMENTS DE LA MATRICE DE SIMILARITE
Paramètres
Degré de
similarité
Impact sur la
fiabilité
Groupe A. Conception
-
-
1. Fonction
-
-
2. Spécifications
-
-
3. Composants
-
-
4. Structure
-
-
5. Matériaux
-
-
6. Fournisseurs
-
-
7. Assemblage
-
-
Groupe B. Conditions opérationnelles
-
-
8. Duty Cycle
-
-
9. Voltage
-
-
10. Puissance
-
11. Pression
-
-
12. Chargement mécanique
-
-
Groupe C. Conditions
environnementales
-
-
13. Température
-
-
14. Vibration
-
-
15. Humidité
-
-

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
16. Moisissure
-
-
17. Pollution
-
-
18. Givrage
-
-
19. Altitude
-
-
Le facteur de similarité (SF) est la somme des facteurs de
similarité intermédiaires pour chaque groupe d’élément de
comparaison dans (1) :
  (1)
Tel que :
 facteur de similarité de conception
facteur de similarité des conditions opérationnelles
facteur de similarité des conditions environnementales
Soit N le nombre d’élément de comparaison pour chaque
groupement et le nombre de tous les éléments de
comparaison pour les 3 groupements ; le calcul des est fait
en respectant la formule suivante (2):
 


 

 (2)
Si    : les conditions environnementales et
opérationnelles et la conception présentent une similarité
élevée entre le sous-système étudié et celui existant.
Si   : Une similarité faible est présentée entre les
sous-systèmes.
ii. PONDERATION DES AVIS DES EXPERTS
Une pondération des probabilités d’occurrence basée sur les
avis des experts est aussi proposée dans le cadre de cette
nouvelle méthodologie afin d’accentuer certains mécanismes
que les REX ne permettent pas de les mettre en évidence par
manque de moyens de détection.
Un coefficient de pondération  est définit sur l’intervalle
réel. L’attribution de ce coefficient est justifiée par la
limitation des moyens de détection et la présence du
mécanisme en question comme une source secondaire de
défaillance dans les fichiers de déposes. L’occurrence est ainsi
calculée par (3):
 (3)
c) RPN réduit:
Le numéro de priorité de risque (RPN) est obtenu par la
multiplication des trois valeurs représentatives de la
probabilité d’occurrence, de détection et de sévérité. Pour le
remettre à l’échelle 1-9, une transformation linéaire est
envisageable selon (4):
 
 (4)
d) Processus de validation :
L’originalité de cette méthode repose sur une caractérisation
bidirectionnelle (deux sens d’analyse) de la classification des
mécanismes d’endommagement. La méthodologie de
validation est ainsi un développement dans les deux sens
(ascendant et descendant) de la DFMEA-SI comme le montre
la Fig. 9.
Contrairement à l’analyse descendante, on part
exhaustivement de toutes les sollicitations appliquées et on
remonte jusqu’aux composants dans le sens ascendant de la
DFMEA-SI. Une analyse par facteur influent doit être menée
sur les rapports d’expertise autre que celle développée
précédemment pour le calcul de la probabilité d’occurrence
intermédiaire α.
La comparaison des mécanismes de défaillance dominants qui
ressortent des deux analyses DFMEA-SI permettra de valider
les résultats.
Dans le cas d’une différence remarquable entre les résultats
bidirectionnels, une vérification des coefficients de
pondération et de similarité doit être refaite.
B. Méthodologie générale de la DFMEA-SI
a) Etape 1 : Analyse fonctionnelle:
Comme pour la DFMEA standard, la première étape dans
l’élaboration de la DFMEA-SI est le développement de
l’analyse fonctionnelle.
Une délimitation du périmètre d’étude permettra d’isoler les
causes des défaillances dues au système analysé.
Une détermination des fonctions principales et de contrainte
du système et l’affectation des requis servira, outre le
développement de la DFMEA, à la détermination des requis
non définis à travers la « cross-over matrix » de la Fig. 10.
Dans cette matrice d’analyse, on spécifie à chaque fonction les
composants et les spécifications fonctionnelles qui l’assurent.
b) Etape2 : Analyse des défaillances et des profils de
mission
Une analyse préliminaire des sollicitations auxquelles est
soumis le sous-système étudié, doit être développée afin de
déterminer la cartographie exhaustive des facteurs influents.
Dans un deuxième temps, une étude des retours d’expérience
disponibles est essentielle afin de déterminer les deux
probabilités d’occurrence intermédiaire :
- β : occurrence de la défaillance du composant dans
le sous-système
- τ : occurrence de la défaillance du sous-système dans
le système
Si les données disponibles pour le système étudié ne sont pas
suffisantes, une extrapolation de l’analyse aux données des
produits similaires technologiquement afin de couvrir le plus
possible de défaillances. Cette extrapolation se base sur le
développement de la matrice de similarité.
Fig. 9. Analyse DFMEA-SI bidirectionnelle
Fig. 10. Cross-over matrix

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
La détermination de la probabilité d’occurrence α (occurrence
du mécanisme d’endommagement dans le composant) est
l’étape la plus délicate car ça nécessite d’une part, une maitrise
des mécanismes d’endommagement provoqués par la
cartographie des sollicitations et d’autre part l’analyse de tous
les rapports d’expertise qui permettent d’isoler physiquement
la défaillance afin d’investiguer le mécanisme présent. A
chaque composant (ou groupement fonctionnel) on attribue
les mécanismes d’endommagement potentiels avec une
probabilité d’occurrence. Dans le cas de manque de données
pour certains mécanismes qui touchent un seul composant, on
suppose qu’ils sont équiprobables sauf pondération d’expert.
c) Etape3 : Développement la DFMEA-SI (à sens
descendant)
Une fois que les probabilités d’occurrence intermédiaires, les
mécanismes d’endommagement et les sollicitations
appliquées sont déterminés, le développement de la DFMEA-
SI est possible. On fixe la probabilité de détection pour toutes
les défaillances et on détermine la probabilité de sévérité selon
l’impact que génère la défaillance sur le fonctionnement du
système global. Le calcul du RPN se fait par la multiplication
des probabilités de sévérité et d’occurrence.
Pour conclure la DFMEA-SI, une réduction du RPN calculé
(suivant l’équation (2)) permettra de déterminer les
mécanismes d’endommagement et les sollicitations les plus
prépondérants (ceux qui ont le le plus élevé).
Dans la Fig. 11, on présente la structure de la DFMEA-SI sens
descendant.
d) Etape 4 : Développement la DFMEA-SI (à sens
ascendant)
L’originalité de cette étape est qu’on réalise l’analyse partir
de la cartographie des sollicitations et on remonte aux
composants impactés.
L’analyse des rapports d’expertise se fait, contrairement à
l’analyse précédente, par facteurs influents.
La probabilité d’occurrence α représente l’occurrence du
facteur analysé dans la génération des défaillances du
composant. La probabilité β désigne l’occurrence de la
défaillance du composant dans le sous-système et générée par
le facteur étudié. La probabilité τ, à son tour, est la probabilité
d’occurrence de la défaillance du sous-système générée par la
sollicitation étudiée dans le système global.
Les probabilités de détection et de sévérité sont maintenues
constantes pareil à l’analyse descendante.
Le calcul du  permet d’investiguer les
sollicitations prépondérantes et les mécanismes
d’endommagement qui en découlent.
Dans la Fig. 12, on présente la structure de la DFMEA-SI à
sens ascendant.
e) Etape 5 : Croisement des deux analyses (ascendante
/ descendante)
Une comparaison des ressortissants des deux analyses permet
de valider les mécanismes et les sollicitations les plus
dominants. Dans le cas d’une différence remarquable entre les
résultats bidirectionnels, une vérification des coefficients de
pondération et de la similarité doit être faite.
VI. APPLICATION DE LA DFMEA-SI SUR LE SOLENOÏDE DE LA
VANNE DE PRELEVEMENT D’AIR
A. Périmètre d’étude
La première fonction du système de prélèvement d'air du
moteur est de sélectionner de manière optimale la prise d'air
adéquate sur le moteur. La deuxième fonction du prélèvement
d'air est d'abaisser la pression et la température de l'air prélevé,
à des niveaux acceptables pour les conduites placées en aval
et pour le système de refroidissement de l'air. Ceci est réalisé
par deux composants principaux :
- la vanne de régulation de pression; cette vanne le plus
souvent de type "papillon" module le débit d'air de
façon à ce que le flux d'air en aval ait une pression plus
faible et constante.
- le pré-refroidisseur ; cet échangeur de chaleur est
alimenté sur l'un de ses côtés par de l'air chaud venu du
compresseur comme décrit ci-dessus dans la Fig. 13. et
sur l'autre côté par de l'air froid prélevé sur le canal
d'air de FAN.
Deux prises de pression sont installées sur deux étages du
compresseur permettant ainsi de prélever de l'air sur le moteur
en fonction des différentes phases du vol de l'avion. Lorsque
le moteur fonctionne à bas régime, l’air est prélevé par la
« High Pressure Valve » (HPV) afin d’avoir assez de pression
et lorsque le moteur tourne à un régime plus élevé, l’air est
pris par la « Intermediate Pressure Valve » (IPV) pour ne pas
dégrader la puissance du moteur (en croisière notamment).
L’architecture du système d’air est présentée dans la Fig. 13.
Dans cette étude, on s’intéresse à la vanne de prélèvement
HPV. Le choix de cette vanne est justifié par le fait que cette
dernière est connectée au port le plus énergétique du moteur.
Fig. 13. Architecture du système de prélèvement d'air
Fig. 12. Structure de la DFMEA-SI sens ascendant
Fig. 11. Structure de la DFMEA-SI sens descendant

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
Ainsi, elle subit des sollicitations plus sévères par rapport aux
autres vannes.
.Les principales sollicitations appliquées sur les composants
des vannes peuvent être classées selon trois catégories :
- Sollicitations liées au profil de mission : Durée de vol
(FH), Durée de stockage de l’équipement, le Duty
cycle...
- Sollicitations opérationnelles : Nombre de cycles
ON/OFF, pression, puissance électrique
- Sollicitations environnementales : Température,
Humidité, vibration, …
Une analyse fonctionnelle de la vanne HPV permettra de
comprendre son fonctionnement et la détermination des
principaux composants défaillants. La subdivision des
composants de la vanne HPV en groupement fonctionnel est
illustrée dans la Fig. 14.
En analysant les données de retour d’expérience et les fichiers
de dépose (REX), on se rend compte que malgré leurs taux de
défaillance légèrement faibles par rapport à ceux des autres
sous-systèmes constituant la vanne HPV, le solénoïde et la
membrane du régulateur de pression présentent des
phénomènes de dégradation fortement liées à la variation
imprévisible des sollicitations environnementaux et
opérationnelles.
Les pannes induites dans le reste des sous-systèmes sont dues
essentiellement à des phénomènes d’usure conventionnels
(roulements, segments…etc. défectueux). Les fluctuations de
sollicitations thermiques vues par le solénoïde et la membrane
de régulation de pression sont dues :
- A la variation du flux de refroidissement conçue pour «
souffler » directement sur ces deux composants. Ce jet d’air «
froid » (prélevé de l’air du fan) est assuré par le motoriste.
- Le flux thermique reçu à travers la conduction (contact avec
le corps de vanne), la convection à travers l’air chaud qui
traverse la vanne et le rayonnement (partie chaude du moteur).
Ce flux de chaleur dépend fortement des différentes phases de
vol.
La Fig. 15 décrit la répartition des pannes du solénoïde de
l’avion commercial 4 entre 2016 et 2019.
Pour une raison de confidentialité, plusieurs données seront
tronquées. La fonction de l’électroaimant est d’obturer ou
d’ouvrir une section de passage d’air dans la chambre
d’ouverture de l’actionneur pneumatique. Le noyau
magnétique (le plongeur) se caractérise par un fonctionnement
tout ou rien. Le plongeur subit la force magnétique générée
par le champ magnétique de la bobine. Il en découle une action
mécanique linéaire qui actionne le poussoir. La course
maximale du solénoïde est de 1,1 mm.
Les principaux composants du solénoïde sont :
- Un corps en matériau 1
- Une bobine électrique imprégnée et encapsulée
- Un poussoir en matériau 2
- Un noyau plongeur magnétique en matériau 3
- Un ressort de rappel
- Autres composants (guidage en translation, joints
d’étanchéité et d’entrefer).
B. Développement la DFMEA-SI pour le solénoïde :
Les composants du solénoïde, dans la Fig. 16, sont classés
suivant deux familles :
- La partie électrique constituée essentiellement de la
bobine.
- La partie mécanique.
Une analyse fonctionnelle détaillée a été développée et validée
par une matrice de cross-over afin d’affecter à chaque fonction
les requis de fonctionnement comme le montre le tableau 4
pour la fonction principale1 (les niveaux renseignés sont
erronés pour une question de confidentialité).
Vanne
HPV
Fig. 14. Subdivision des composants de la vanne
Fig. 15. Répartition des pannes de la vanne HPV pour
le Commercial Aircraft 4

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
TABLEAU 4 MATRICE DE CROSS-OVER POUR LA FONCTION PRINCIPALE 1
La spécification de tous les requis des fonctions permet de
cibler les causes majeurs des défaillances : non-respect des
exigences des fonctions. Une liste exhaustive des différentes
causes potentielles a été développée. Cette liste est triée grâce
à l’analyse détaillée des retours d’expérience et des rapports
d’expertise.
Le solénoïde traité est spécifique à un nouveau programme
d’avion ne disposant pas assez de données d’expérience. Il a
été développé dans l’optique de diminuer le nombre de sous-
ensemble par rapport à l’ancien solénoïde et donc le coût, tout
en conservant des performances dynamiques et statiques
équivalente à l’ancienne technologie. Ainsi on déduit la
similarité importante entre les deux technologies ou seulement
les conditions d’utilisation qui diffèrent (duty cycle,
conditions environnementales…etc.) Ceci nous permet de
nous servir des retours d’expérience des autres programmes
pour le développement de la DFMEA-SI du solénoïde actuel.
On dispose de N Déposes de solénoïde, réparties comme suit
dans le tableau 5.
Les composants du solénoïde sont classés par des
groupements fonctionnels pour cerner les origines des
défaillances.
1- Sous-système: Bobine
2- Sous-système: Plongeur : Guide en translation + cale
d’entrefer + joint d’étanchéité + plongeur
3- Sous-système: Poussoir : Ressort de rappel + guide
en translation
4-Brasure
5- Sous-système: Corps : Corps + support bobine
Pour chaque composant et groupement fonctionnel, on
analyse les rapports d’expertise pour attribuer les probabilités
TABLEAU 5 REPARTITION DES DEFAILLANCES DES COMPOSANTS DU
SOLENOÏDE
d’occurrences intermédiaires adéquates à chaque mécanisme
d’endommagement de la DFMEA-SI. 78 rapports d’expertise
ont été repérés. Le tableau de la figure suivante (Fig. 18)
illustre la probabilité d’occurrence des mécanismes
d’endommagement du plongeur par rapport aux défaillances
du même composant (probabilité d’occurrence intermédiaire
α)
Dans le cas de la Fig. 19, la bobine est constituée des fils
émaillés, du vernis d’imprégnation et du produit à encapsuler.
L’occurrence β est considérée iso-probable pour tous les
composants à cause du niveau de granularité grossier trouvé
dans le REX.
La détermination des différentes probabilités d’occurrence
intermédiaires pour chaque mécanisme d’endommagement
(α) et composant (β) et du sous-système (τ) permet de coter et
trier les causes majeures des défaillances du solénoïde.
Après le calcul du RPN réduit, on déduit à travers la DFMEA-
SI sens descendant que les mécanismes d’endommagement
prépondérants sont essentiellement :
- La fatigue thermomécanique du fil de la bobine noyé
dans la résine d’époxy qui encapsule la bobine à
cause de la dilatation thermique différentielle
(différents coefficients de dilatation thermique des
matériaux).
- L’arrachement des émaux des fils de la bobine à
cause de la dilatation différentielle entre les
composants de la bobine.
Conditions /
Criterion
Levels
Requis
FP1: to
push the
On / Off
clapper
after
electrical
excitation
Operational stroke
0.5mm (+/- ….)
Req 123
Pull-in time
<100 ms
Req 124
Pull-in current
< 5 mA
Req 125
Holding current
>2mA
Req 126
Electrical power
range
V=[1V, 2V]; R
Req 127
Ambiant conditions
(T_amb, P_amb)
T_amb =
100°C, P_amb=
1bar
Req 128
Load to overpass
spring effort
Req 129
Composants
β = % défaillance
dans le solénoïde
Justification
1
Bobine
xx%
Par similitude :
- Bobine
- Plongeur
- Poussoir
- Brasures
- Corps
2
Groupement
Plongeur
yy%
3
Groupement
Poussoir
zz%
4
Brasure
kk%
5
Corps
mm%
Fig. 16. Composition du solénoïde
Fig. 18. Calcul de la probabilité d'occurrence β
Fig. 17. Mécanismes d'endommagement et facteurs influents

22e Congrès de Maîtrise des Risques et Sûreté de Fonctionnement λµ22 Le Havre 12-15 octobre 2020
Les stress qui ressortent sont :
- Le cyclage thermique : fréquence, température
maximale et gradient de température,
- Le cyclage électrique : fréquence, amplitude
maximale.
De la même manière, on développe le sens ascendant de la
DFMEA. On part des différentes sollicitations et on remonte
jusqu’aux composants et leurs impacts sur le fonctionnement
de la vanne de prélèvement d’air.
Un autre mécanisme de défaillance apparait prépondérant
correspondant au fretting du plongeur sous l’effet de la
vibration. Ceci se manifeste par identifier rigoureusement un
RPN inférieur à celui des autres mécanismes cités avant.
La comparaison entre les résultats des deux sens de la
DFMEA-SI, nous conduit à conclure sur les mécanismes de
défaillance dominants et les sollicitations influentes qui les
génèrent.
VII. CONCLUSION
La nouvelle méthodologie proposée permet de combiner les
avantages de la DFMEA standard et de la FMMEA. Une
classification avancée des mécanismes d’endommagement et
des sollicitations prépondérantes est faite en se basant sur une
décomposition par niveau de la probabilité d’occurrence.
Cette méthode impose une valeur constante de la probabilité
de détection pour ne pas biaiser les défaillances sans moyen
de détection adéquat. L’originalité de l’approche est dans la
bidirectionnalité de l’analyse, à savoir une analyse
descendante de décomposition du système vers des
mécanismes de défaillance et remontante depuis le mécanisme
de défaillance vers le système pour en identifier notamment
les effets sur les paramètres fonctionnels.
Une détermination préliminaire des mécanismes
d’endommagement induisant la défaillance du solénoïde a été
présentée comme cas d’application de la DFMEA-SI. Pour
pouvoir développer les essais accélérés d’une façon fiable, une
caractérisation expérimentale et numérique des niveaux de
sollicitation doit être mené afin de quantifier les intervalles de
sollicitations qui conservent les mêmes mécanismes de
défaillance vus par le sous-système durant son cycle de vie.
REFERENCES BIBLIOGRAPHIQUES
[1] documents internes “confidential”
[2] Scanff E, Feldman KL, Ghelam S, Sandborn P, Glade M, Foucher B.
Life cycle cost impact of using prognostic health management (PHM)
for helicopter avionics. Microelectron Reliab 2007;47(12):1857–64.
[3] Cassanelli G, Mura G, Fantini F, Vanzi M, Plano B. Failure analysis
assisted FMEA. Microelectron Reliab 2006;46(9–11):1795–9.
[4] Sachin Kumar, Eli Dolev, Michael Pecht, « Parameter selection for
health monitoring of electronic products », Microelectronics
Relaibility volume 50, issue 2, February 2010, page 161-168.
https://doi.org/10.1016/j.microrel.2009.09.016
[5] M. Catelani, L. Ciani⁎, M. Venzi, Failure modes, mechanisms and
effect analysis on temperature redundant sensor stage, Department of
Information Engineering (DINFO), University of Florence, Via S.
Marta 3, Florence 50139, Italy
[6] M. Pecht, Prognostics and Health Management of Electronics, Wiley
Interscience, New York, August 2008.
[7] M. Pecht, A. Dasgupta, Physics-ofFailure: An approach to reliable
Product Development. Journal of the Institute of Environmental
Sciences, Vol.38, pp.30-34. Septembre 1995