Planification des essais accélérés : optimisation, robustesse et analyse

Qualification of a product during the development phases is an important step in a project. It permits to verify that the performances and reliability achieve the objectives. The qualification tests are often costly in time and number of products tested. Accelerated tests consist of submitting units to stress levels higher than operating condition to reduce the time to failures and allow building faster the reliability function. This requires the determination or development of appropriate life-stress relationship model. In addition, a test plan should be built, accurate the design parameters (number of test levels, stress levels, sample allocation at each stress level ...) to find the best compromise between cost test and quality estimation. The objective of the thesis is to define a methodology to obtain optimal and robust accelerated test plans. So, we have developed a general framework based on the minimization of a global cost function and a Bayesian approach. The prior distributions, from the available knowledge on the parameters of reliability and acceleration model, are used in Bayesian inference and in a Monte Carlo simulation to explore possible reliabilities. The optimal and robust plan is obtained by optimization methods (Response surface and Genetic algorithms). Finally, a methodology of monitoring during test realization is developed. The relevance of the results in relation to prior information is studied using a similarity factor between observed and a priori data. It allows verifying whether the decision on the qualification can be taken more quickly in presence of more reliable product than expected or optimizing the plan under realization.La qualification d'un produit, lors des phases de développement, est une étape importante dans un projet qui vérifie que les performances et la fiabilité atteignent les objectifs. Les essais de qualification sont souvent couteux en temps et en nombre de produits testés. Les essais accélérés consistent à soumettre des unités à des niveaux de stress plus élevés qu'en condition d'exploitation afin de réduire le temps d'apparition des défaillances. Ils permettent de construire plus rapidement la fonction de fiabilité à partir d'un modèle appropriée reliant durée de vie et stress. De plus, un plan d'essai doit être construit, précisant les paramètres du plan (niveaux de stress, allocation de l'échantillon) pour trouver le meilleur compromis entre le coût d'essai et la qualité d'estimation. L'objectif de la thèse a été de définir une méthodologie de construction de plans d'essai accéléré optimaux et robustes. Nous avons donc développé un cadre général basé sur la minimisation du coût global et une approche bayésienne. Les distributions a priori, issues de la connaissance des paramètres de fiabilité et du modèle d'accélération, sont utilisées dans l'inférence bayésienne et dans une simulation de Monte Carlo d'exploration des fiabilités possibles. Le plan optimal et robuste est obtenu à partir de méthodes d'optimisation (Surface de réponse, Algorithmes génétiques). Enfin, une méthodologie de suivi des essais est développée en observant la pertinence des résultats par rapport aux informations a priori à partir d'un facteur de similitude. Il permet de vérifier si la décision quant à la qualification peut être prise plus rapidement, ou d'optimiser le plan en cours de réalisation