Présenter les notions de base de la fiabilité prévisionnelle,  ainsi que des modèles et outils probabilistes utiles dans ce contexte.

1. Notions de base en fiabilité : disponibilité, durée de vie résiduelle, ordres stochastiques, vieillissement.
2. Modélisation de structures complexes : fonction de structure, système cohérent, calculs de fiabilité et de disponibilité.
3. Systèmes markoviens.
4. Systèmes régénératifs ; application à l’étude de politiques de maintenance préventive.

Voir la page complète

Il s'agit de savoir analyser des données censurées et/ou tronquées.

1. Introduction : grandeurs spécifiques des durées de vie, durées censurées, durées tronquées,
2. Modèles paramétriques : lois classiques en durées de vie, estimation pour les modèles de base, modèle de vie accélérée,
3. Méthodes non-paramétriques : estimateurs de Nelson-Aalen et Kaplan-Meier,  test de comparaison de courbes de survie,
4. Modèles semi-paramétriques : modèle de Cox.

Voir la page complète

Il s'agit d'acquérir les techniques classiques de planification des expériences.

1. Introduction à la planification expérimentale,
2. Outils mathématiques pour les plans d’expérience,
3. Plans factoriels complets pour modèles d’ordre 1,
4. Fractions régulières pour modèles d’ordre 1,
5. Optimalité des plans d’expérience,
6. Plans d’expérience pour modèles à effets d’interaction,
7. Plans d’expérience pour surfaces de réponse,
8. Plans d’expérience en blocs,
9. Plans d’expérience pour mélanges,
10. Plans d’expérience factoriels complets pour facteurs qualitatifs,
11. Plans d’expérience orthogonaux pour facteurs qualitatifs.

Voir la page complète

Connaître, comprendre et utiliser les outils classiques pour le contrôle de la qualité.

1. Outils mathématiques pour la MSP,
2. Aptitude d’un processus,
3. Cartes de contrôle aux mesures,
4. Cartes de contrôle aux attributs,
5. Cartes de contrôle pour petits déréglages,
6. Introduction aux cartes de contrôle multivariées.

Voir la page complète

Découvrir la sûreté de fonctionnement à travers des cas industriels et apprentissage d'un logiciel spécialisé.

1. Notions de RAMS,
2. Présentation de cas industriels,
3. Modélisation par des réseaux de Petri,
4. Études de cas et pratique sur le logiciel GRIF.

Voir la page complète