Mthodes Form et Sorm

Michel Broniatowski, Gildas Hermann Kom

LSTA, Universit Pierre et Marie Curie

1. Introduction

1.1 Gnralit dun problme de fiabilit et notion de fonction de dfaillance

1.2 Probabilit de rupture ou de dfaillance
1.3 Diffrentes mthodes dvaluation de lintgrale de dfaillance

2. First and Second Order Reliability Method (FORM et SORM)

2.1 Notion dindice de fiabilit

2.1.1 Indice de Cornell
2.1.2 Indice de fiabilit de premier ordre
2.1.3 Indice de Hasofer-lind
2.1.4 Indice de fiabilit gnralis
2.2 Mthodes FORM - SORM et Notion de point de conception
2.2.1 Transformation de lespace des variables de base
2.2.2 Recherche du point de conception ou point le plus probable
2.2.3 Approximation FORM et SORM

3. First Order Reliability Method (FORM)

3.1 Evaluation de la probabilit de dfaillance par FORM

3.2 Dmonstration du rsultat

4. Second Order Reliability Method (SORM)

4.1 Evaluation de la probabilit de dfaillance par SORM

4.2 Dmonstration du rsultat

5. Remarques sur les mthodes FORM et SORM

5.1 Avantages des mthodes FORM - SORM

5.2 Inconvnients de ces mthodes

Rsum
En fiabilit des structures, la modlisation de la structure repose sur un systme physique
dterministe des mcanismes de dgradations. Les mcanismes pris en compte sont par exemple, la
propagation de fissure, la propagation de dfauts par fatigue thermique ou vibratoire, la corrosion-
rosion etc Dans son environnement, la structure est donc soumise des chargements qui
dfinissent un nombre fini de modes de dgradations. Pour chacun deux, deux tats sont possibles :
Dfaillant ou non .
Le risque de dfaillance peut donc tre considr dans un cadre dterministe ou probabiliste ;
Avec une approche probabiliste, le risque doit donc tre valu sous forme de probabilit de
dfaillance. Cette valuation constitue toute la problmatique de ce document ;
Plusieurs mthodes dvaluations ont t mises en place dont la Mthode de simulation de Monte
Carlo ; Nous nous intresserons dans ce document au dveloppement de deux mthodes de
fiabilit structurelle les plus utilises : Les mthodes de fiabilit du premier et du second ordre
(FORM et SORM). Nous en prciserons enfin les avantages et les inconvnients.

Mots Cls : Fiabilit des structures , Form , Sorm , Surface dtat limite , Fonction de dfaillance ou
dtat limite , Indice de fiabilit , Probabilit de dfaillance , point de conception .

Notations :

Cette section prcise la plupart des notations employes dans ce document .

= (1 , . ) Vecteur alatoire de base

= (1 , , ) Vecteur alatoire de base
G Fonction de dfaillance ou fonction dtat limite
G(Y) 0 Critre de dfaillance
G(Y) = 0 Surface de dfaillance ou surface dtat limite
D= { , () 0 } Domaine de dfaillance
Probabilit de dfaillance = ( () 0) = ( )
Indice de fiabilit associ . = 1 ( 1 )
U Variable alatoire gaussienne standard

T Transformation de Rosenblatt. Y U .
1 Transformation inverse de Rosenblatt
U-espace Espace gaussien standard associ aux variables U.
, Fonction de dfaillance dans le U espace. () = ( 1 ())
Point de conception ou Design point.
Indice de fiabilit associ au point de conception. =
, Probabilit et indice de fiabilit fournis par FORM .
, Probabilit et indice de fiabilit fournis par SORM .

1. Introduction
 1.1 Gnralits dun problme de Fiabilit et Notion de fonction de dfaillance

Dans la plupart des problmes de fiabilit , le soucis de modliser les mcanismes de dgradations et
les contraintes de lenvironnement de la structure conduit la dfinition dune fonction de
dfaillance et dun critre de dfaillance .
Ce critre est fonction des paramtres du modle et il implique une sparation de lespace en deux
zones : La zone de fiabilit et la zone de dfaillance .
La frontire entre ces deux sous espaces est une hypersurface dquation G(Y) = 0 ; Elle est
appele surface dtat limite ou surface de dfaillance .
G dsignant la fonction de dfaillance du modle ; Il ya donc dfaillance lorsque G (Y) 0 .
Lensemble des tats dfaillants est not D ou F ( Domaine ou Zone de dfaillance ) :
D = F = { , () 0 }
Lensemble des tats fiables du modle ou domaine de bon fonctionnement est le complmentaire
de D ; Il est not S (Zone de fiabilit ou safe set ) : S = { , () 0 }
La surface dite de dfaillance ou dtat limite est lensemble { , () = 0 }
La figure 1 ci-dessous illustre parfaitement le contexte gnral dun problme de fiabilit en 2D .

Zone de Dfaillance (D )

2 (1 , 2 ) < 0

F(2 )

(1 , 2 ) = 0

Zone de Fiabilit (S)

(1 , 2 ) > 0

F(1 )

Figure 1 : Exemple de fonction de dfaillance en 2D

 1.2 Probabilit de Rupture ou de Dfaillance

Aprs avoir mis en place le cadre dtude dun problme de fiabilit , il devient vident que le
paramtre que lon veut connaitre est la fiabilit de la structure ;
Autrement dit , sa probabilit de dfaillance .
La fiabilit correspond la probabilit que la structure soit en bon fonctionnement :
= ( ) = ( () 0)
De mme , la probabilit de dfaillance est la probabilit que la structure soit dfaillante ;
Il sagit de la probabilit complmentaire ; Elle vaut donc 1 ;
Soit : = ( ) = ( () 0) .

Cette probabilit de dfaillance peut scrire sous diverses formes , notamment sous forme
desprance ou dintgrale :
En effet , = ( () 0)

= E [1{() 0} ]

= 1{() 0} ()

= () ou est la loi de densit des variables Y . (1.1)

De ce fait ,le calcul de se ramne un calcul desprance mathmatique ou dune intgrale sur
le domaine D dun espace multidimensionnel.
Toutefois , la solution analytique de cette intgrale est en gnral complexe , voire impossible .
En effet, la complexit des fonctions de dfaillance et le grand nombre de variables du modle
rendent en gnral impossible le calcul direct de .
Une manire destimer consiste utiliser une mthode de Monte Carlo : On gnre un grand
nombre de valeurs alatoires suivant les lois statistiques connues , et lon compte le nombre de cas
ou G est ngatif .
Cependant , cette mthode ncessite un nombre considrable de simulations pour avoir une bonne
estimation de .

Cest pourquoi , on utilise en pratique les mthodes FORM et SORM qui sont bases sur une
approximation du domaine de dfaillance D par un domaine simplifi pour lequel lintgrale peut
tre calcule par des techniques numriques .
 1.3 Diffrentes mthodes dvaluation de lintgrale de dfaillance

Comme nous venons de voir, lvaluation de lintgrale de dfaillance est en pratique complexe ;
Nanmoins , on a dvelopp plusieurs mthodes pour y remdier ; En occurrence, la fameuse
simulation de Monte Carlo ;

Les mthodes de simulation de Monte carlo sont des mthodes gnrales destimation dintgrale
multi-dimensionnelle et desprance mathmatique .
Elle peuvent ainsi tre utilises pour lestimation de probabilit de dfaillance en fiabilit des
structures .
Lapproche est compltement diffrente de celle des mthodes FORM-SORM que lon verra dans la
deuxime partie de ce document . En effet , ici , on ralise une estimation statistique de la
probabilit de dfaillance , et non une approximation de celle-ci par simplification du domaine de
dfaillance D .

Cette simulation se fonde essentiellement sur lapplication de loi des grands nombres et sur le
thorme central limite. Lestimateur obtenu est sans biais et sa variance peut tre estime.
Dans un modle de Fiabilit des structures , le paramtre estimer est la probabilit de dfaillance
donne par lquation : = ( () 0)

= E [1{() 0} ]

= [()] avec () = 1{() 0} (1.2)

Le principe de la simulation est bas sur lapplication de la loi des grands nombres : la moyenne de
ralisations indpendantes de la fonction converge presque surement(ps) vers lesprance
1
mathmatique de . ie :
=1 ( ) [()] lorsque les sont iid et

[|()|] < + .
Ainsi pour un modle de fiabilit des structures , lestimateur est dfini de par :
1
=
=1 1{() 0} , avec et N le nombre de tirages . (1.3)

Lestimateur est compos de termes dont les valeurs sont 0 ou 1 du fait de la fonction indicatrice de
dfaillance ; Il reprsente donc le nombre moyen de tirages dfaillants obtenus parmi les N tirages .

La simulation de Monte Carlo permet donc de contrler la prcision de lestimation ralise grce
la variance et lintervalle de confiance de lestimateur ;
En effet , la variance de lestimateur peut tre estime par la simulation et lintervalle de confiance
est quant elle construite partir de cette variance et de lapplication du thorme central limite
 1
(TCL). Il est not que la variance de lestimateur est gale : 2 =
[()] Car les termes
1 1
sont iid et elle est estime par : 2 = 1
[ 2
=1 ( ) 2 ] (1.4)

La variance tend donc vers 0 lorsque le nombre de tirages N + , ce qui signifie que la prcision
de lestimateur est une fonction croissante du nombre de simulations ralises .

Bref, cette mthode ne ncessite pas dhypothses de rgularit ou de diffrentiabilit de la fonction

que lon cherche intgrer . Il est ainsi possible de calculer toute intgrale par simulation ds que
lon sait simuler les variables alatoires du problme .
Lestimateur obtenu par la LGN sans biais .
De plus cette mthode permet de contrler lerreur destimation par le TCL ce qui nest pas le cas
pour les mthodes FORM ET SORM ; On peut ainsi dterminer le nombre de tirages ncessaires
lobtention dune prcision donne ainsi quun intervalle de confiance pour la probabilit de
dfaillance .

Par contre , pour obtenir des estimateurs suffisamment prcis , il faut raliser un nombre important
de simulations . Ce qui a pour inconvnient un temps de calcul lev. Do la ncessit dune
autre mthode afin dvaluer ; En occurrence , FORM ET SORM qui contrairement la
simulation de Monte Carlo sont essentiellement bases sur une simplification du domaine de
dfaillance .
 2. First and Second Order Reliability Method (FORM et SORM)

En fiabilit des structures , les mthodes FORM et SORM sont des mthodes dapproximation
permettant de dterminer un point particulier appel point de conception de la structure , et donc
destimer la probabilit dfaillance . Ces mthodes sont donc intrinsquement lies ce fameux
point de conception ; Plus prcisment la distance qui spare ce point la surface de
dfaillance dans lespace dorigine ;

Cette distance est appele en fiabilit : Indice de fiabilit ou de scurit .

2.1 Notion dindice de fiabilit

Les indices de fiabilit permettent de rendre compte de la fiabilit dun systme et ainsi de comparer
les fiabilits de diffrentes structures .
En effet , plus lindice de fiabilit est lev , plus la probabilit de dfaillance est faible et par
consquent , plus la structure est fiable .

Il existe de ce fait plusieurs indices adapts differents types de surface de dfaillance .

2.1.1 Indice de Cornell

Cet indice a t introduit par Cornell en 1969 . Il est adapt une surface de dfaillance hyperplane.
Il est dfini en termes de marge de scurit M partir de la valeur [] et de lcart
type () . Avec M = () ou Y est le vecteur des variables de base , G la fonction de
dfaillance du modle tudi et Var(M) est la variance de la marge de scurit .
On fixe comme critre de dfaillance M = () 0 .

()
lindice de Cornell est dfini par : = ()
(2.1)
Dans le cas unidimensionnel , la surface de rupture est reprsente par le point M = 0.
Lide exprime par cette dfinition de lindice de fiabilit est que la distance de la valeur
moyenne E(M) la surface de rupture (exprime en nombre d carts types ) donne une bonne
mesure de la fiabilit .
Si la fonction dtat limite G(Y) est linaire , alors E(M) et Var (M) peuvent tre calcules facilement
en fonction des caractristiques des variables de base .
Dans le cas ou G(Y) nest pas linaire , Cornell suggre de lapprocher par son dveloppement de
taylor au premier ordre au point moyen . Cette valuation ne ncessite pas la connaissance des
deux premiers moments des variables alatoires .
On peut galement avoir recours aux simulations de Monte Carlo pour des formes complexes et non
explicites de la fonction de dfaillance G(Y) . Avec un nombre relativement restreint de simulations ,
on obtient en gneral de bonnes estimations de E(M) et de Var (M) .

Ensemble de Ensemble de
Defaillance D Fiabilit S

E(M)

carts types

Figure 2 : Illustration gomtrique de lindice de Cornell

2.1.2 Indice de fiabilit du premier ordre

Il sagit dun indice introduit en 1972 par Rosenblueth et Esteva ; Il sapplique des surfaces de
dfaillance non linaires pour lesquelles lindice de Cornell nest pas adapt .
Lide consiste linariser la marge de scurit par un dveloppement de taylor dordre 1 en un
point y .

La marge linarise est note et lindice de fiabilit du premier ordre .

On a donc :

= () + =1 ()( ) (2.2)

()+
=1 ()(( ) )

= 1 (2.3)
2

|
=0
=1 ()

()(( , )|

A noter que lorsque le point de linarisation est la moyenne , lindice est appel indice de fiabilit du
second moment du premier ordre de la valeur moyenne .

2.1.3 Indice de Hasofer-Lind

Cet indice a t introduit en 1974 par Hasofer et Lind ;

Ils ont propos une dfinition base sur linterprtation gomtrique de ; En effet , lindice de
Hasofer-Lind est considr comme la plus petite distance (au sens euclidien ) de lorigine jusqu la
surface de dfaillance dans lespace standard ; ie : lespace des variables normales , centres ,
rduites et indpendantes.

Dans ce nouvel espace , les variables X sont telles que : E(X) = 0 et =Cov (X, ) = .
La transformation scrit alors = ( ()) A est dtermine par A = daprs des
techniques dalgbre linaire .
On a donc :

1
= ( ) 2 (2.5)
()=0

1
= ()=0
[( ()) 1 ( ()) ] 2 (2.6)

1
Il est noter que le point solution du problme Min ( ) 2 est fondamental dans ltude des
mthodes FORM et SORM ; Il est appel Design point ou point de conception de la structure .
Il sagit du point appartenant la surface de dfaillance pour lequel la densit conjointe des variables
est la plus leve . Cest le point de dfaillance le plus probable de la structure . Nous le
dvelopperons davantage plus tard .

Dautre part , la valeur de coincide avec lindice Cornell quand la surface de dfaillance est
hyperplane . Lindice de hasofer Lind est donc une gnralisation de cet indice des structures
ayant des surfaces de dfaillances non linaires .

2.1.4 Indice de Fiabilit Gnralis

Comme nous lavons vu , la principale fonctionnalit dun indice de fiabilit est de permettre la
comparaison en terme de fiabilit de diffrentes structures .
Or lindice de hasofer-Lind que nous venons de voir ne prend pas en compte les courbures de la
surface de dfaillance au point de conception ; Cette ngligence peut ainsi mener des
comparaisons errones et non satisfaisantes .

Cest pourquoi un nouvel indice de fiabilit gnralis a t dvelopp par DITLEVSEN [3]
Ce nouvel indice est beaucoup plus prcis ; Il sagit en effet dune fonction de la probabilit de
dfaillance exacte lorsque les variables sont indpendantes centres rduites .

Pour cela , on calcule une mesure de la fiabilit en intgrant une fonction de poids (choisie comme
la densit gaussienne standard ) sur le domaine de la fiabilit S du modle .

= (2.7)

Lindice de fiabilit est ainsi une fonction monotone croissante de la fiabilit :

= 1 () = 1 ( ) avec = 1 (2.8)

Malheureusement le calcul de cet indice ncessite une intgration sur le domaine de fiabilit qui
peut savrer longue et difficile.
 2.2 Mthodes FORM - SORM et Notion de point de Conception

Les mthodes Form et Sorm sont deux techniques dapproximation de la probabilit de dfaillance
dune structure . Elles proposent une approche trs diffrentes de la simulation monte carlo .
Ces mthodes sont directement appliques au calcul de fiabilit .

Le problme fondamental reste le mme . Le but est de calculer la probabilit de dfaillance

qui sexprime par : = ( () 0 )

= [1{() 0} ] ou G(y) est la fonction de dfaillance

dans le Y-espace .

Le principe de ces mthodes se dcompose en trois tapes :

1. Premirement , il faudrait transformer lespace dorigine des variables Y en un espace gaussien
standard ,appel le U-espace .
2. Deuximement , il faut ensuite rechercher le fameux point de conception (Design Point) dans le
nouvel espace .
3. Troisimement , il faut enfin approcher la surface de dfaillance en ce point pour obtenir une
approximation de la probabilit recherche .

Nous allons dvelopper chacun de ses points .

A noter que la transformation ralise la premire tape a pour but de rendre le rsultat
indpendant de lquation de la marge et les deux dernires tapes permettent deffectuer une
approximation de lintgrale de dfaillance .

2.2.1 Transformation de lespace des variables de base

Transformer lespace des variables de base constitue la premire tape de dapplication des
mthodes FORM-SORM .

On utilise donc une transformation de lespace de base pour dfinir un espace U dans lequel les
variables sont gaussiennes centres rduites indpendantes et dans lequel certaines proprits
pour la probabilit de dfaillance sont vrifies .

Il existe donc plusieurs transformations rgulirement utilises en pratique, Notamment , la

transformation de Rosenblatt pour laquelle des hypothses fortes sont prvoir ;
Nous avons aussi la transformation de Nataf qui ncessite des hypothses moins fortes que celle de
Rosenblatt. Il existe aussi les transformations de Rackwitz-fiesler , de Chen-Lind et de Wu-
wurshing beaucoup moins utilises en pratique que les deux prcdentes .

A. Transformation de Rosenblatt

La transformation de Rosenblatt est une transformation isoprobabiliste qui est utilise dans le
contexte dfini ci-haut ;

En effet , on note : Y = ( 1 , . . , ) le vecteur alatoire de base du modle .

On suppose que la fonction de rpartition conjointe 1 ,.., (1 , . . , ) et la fonction de densit
conjointe sont connues 1 ,.., (1 , . . , ).

La fonction de rosenblatt est en gneral not T ; elle est dfinie par :

( 1 , . . , ) ( 1 , . . , )

1 = 1 ( 1 ( 1 ))
2 = 1 ( 2 ( 2 \1 ))
T: . (2.9)
.
.
1

{ = ( \ 1 , , 1 ))
(

Il sagit dun diffomorphisme de lespace dorigine (le Y-espace ) vers lespace standard (le U-
espace).
Il est noter que cette transformation nest pas unique ; il dpend intrinsquement de lordre des
variables dentres.
En effet , une modification de cet ordre entraine diffrentes estimations de lindice de fiabilit .
Dautres part lorsque les variables de base ( 1 , . . , ) sont indpendantes , alors le rsultat de
la transformation est unique et la transformation T scrit plus simplement :

1 = 1 ( 1 ( 1 ))
2 = 1 ( 2 ( 2 ))
T: . (2.10)
.
.
1
{ = ( ( ))

Lordre des variables na alors plus dimportance.

La transformation permet alors de relier U Y variable par variable .

( ( ( )
Soit
d =
d (2.11)

(
= (2.12)
( )

En outre , il peut savrer ncessaire dutiliser une autre transformation lorsque connaissance sur la
loi jointe nest pas totale . La transformation de Nataf est alors suggr . [1]

Bref, aprs avoir ffectu la transformation de rosenblatt , on a :

La transformation U=T(Y) qui permet de dfinir une nouvelle fonction dtat limite not g dans le U-
espace ; elle scrit : g(U) = ( 1(U)) (2.13)

Le problme de dfaillance scrit alors sous la forme :

= (() 0 )

= [1{() 0} ]

1{() 0} () ou la densit de la loi normale n

dimension . (2.14)
La figure ci-dessous illustre le passage de lespace dorigine lespace standard.
Elle montre galement la modification de la surface de dfaillance et les courbes disoprobabilit
dans les deux espaces.

Transformation De
Z Rosenblatt

S D

Contribution prpondrante

U*

0 0

U1

FORM

Surfaces Diso-probabilit

Figure 4 : Transformation despace pour les mthodes FORM et SORM

B. Transformation de Nataf

La transformation de Nataf est une transformation isoprobabiliste qui est utilise dans le contexte
ou X est le vecteur alatoire , les fonctions de rpartition de ses composantes et C sa copule
qui est cense tre elliptique .
Remarque :

On appelle copule , une fonction de rpartition dfinie sur [0 , 1] dont les lois marginales sont
gales la loi uniforme sur [0 , 1] .

Cest aussi une fonction qui vrifie les proprits suivantes :

a) ayant au moins une composante nulle, C(u) = 0 ;

b) ayant toutes ses composantes gales 1 sauf ventuellement , alors C(u) =
c) C est N- croissante .

Remarque : Thorme de Sklar (1959)

Soit F une fonction de rpartition N-Dimensionnelle dont les lois marginales sont 1 , .,
Il existe une copule C de dimension N telle que , on ait :

(1 , ., ) = ( ( 1 ) ,, ( ) )

Si les lois marginales 1 , ., sont continues alors la copule C est unique , sinon elle est
dtermine de manire unique sur (1 ) . . ( )
Dans le cas de lois marginales continues , [0 , 1] ,

on a : C() = ( 11 (1 ), , 1 ( )

Rappel :

Un vecteur alatoire X de prsente une rpartition elliptique si et seulement si il existe

un vecteur dterministe tels que la fonction caractristique de est une fonction
scalaire de la forme quadratique :

On a : () = ( ) avec qui est une matrice symtrique

dfinie positive de rang p . Comme est symtrique positive ; elle peut tre crite sous la
forme : = D R D ou D est une matrice diagonale et R sa matrice de corrlation linaire .

Soit X un vecteur alatoire continue de suivant la distribution 1 ,., ,, ou

1 , ., , une copule elliptique .

Alors la transformation de Nataf gnralise est dfinie sur par :

u= () = 3 2 1 () ou les transformations 3 , 2 1 sont donns par :

1 :

= (1 (1 ), . , ( ))

2 :
 = ( 1 (1 ), . , 1 ( ))

3 :

Ou E est la fonction de rpartition de la rpartition elliptique de dimension 1 de srie avec le

gnrateur caractristique et est linverse du facteur de Cholesky R .

La distribution de W = 3 2 () est le reprsentant elliptique gnrique associe la copule

de X . Ainsi dans lespace de Nataf gnralis standard , le vecteur alatoire U suit la distribution
standard reprsentatif de la copule du vecteur alatoire X .
Si la copule X est normale alors U suit la distribution normale standard avec des composantes
indpendantes .

Espace dorigine Espace standard

G(Y) =0 Uj G(U) =0
Transformation

Nataf

Ui

Figure 4 : Transformation despace par Nataf

 2.2.2 Recherche du point de conception ou point le plus probable

Aprs avoir transform lespace dorigine en un espace standard (U-espace ) ;

Nous allons chercher dans ce nouvel espace le fameux point de conception de la structure .
Commenons par dfinir ce quest en ralit ce point .

On appelle Point de conception un point de la surface dtat limite le plus proche de lorigine du U-
espace ; Il correspond au point de dfaillance le plus probable du systme ; Il est not .

Pour le (s) dterminer , il faudrait rsoudre le problme : ()=0
( ) .

Remarque :

Il est noter que ce problme qui est rsolu grce un algorithme d optimisation peut avoir
plusieurs solutions et donc plusieurs points de conception ;
Il peut donc arriver quil ait plusieurs points de la surface dtat limite de distance minimale
lorigine . Il peut galement y avoir plusieurs minima locaux au problme doptimisation .

Bref , rsoudre le problme ci haut , ncessite le calcul du gradient de la fonction g et par consquent
la mise en place dhypothses de diffrentiabilit de cette fonction est indispensable .

On dfinit lindice de fiabilit dans ce nouvel espace par la distance lorigine de la fonction de
dfaillance dans ce U-espace . Lindice de fiabilit peut donc scrire plus simplement : =

On se place dans le cas ou lorigine du U espace nappartient pas la zone de dfaillance (cas des
structures fiables ) .Dans le cas inverse , il faudrait considrer un indice fiabilit ngatif .

De ce fait , il existe plusieurs algorithmes permettant de dterminer ce point de conception . Certains

sont dcrits dans [2] .

Algorithme de recherche du design point

1. Etape 0 : Choisir un point initial (0)

2. Etape m : Etape m+1 : on connait le point ()

Soit +1 = ( 1 , . , ) . La surface +1 = (1 , . , ) est remplace par

lhyperplan tangent au point () . Lintersection entre cet hyperplan et le plan +1 =
0 a pour quation :
 ()
G( () ) + =1 ( () ) ( )=0

(+1) est alors calcul de la faon suivante :

( () )
(+1) = (( () ) () ) () + () avec () qui vaut
|( () |

( () )
() = et qui correspond au vecteur unit normal la trajectoire G(x) =G( () )
|( () |
au point () .

3. Si la suite des points () converge vers un point , alors = et G( ) = 0 .

Un des algorithmes les plus utiliss est celui de Rackwitz-Fiessler ci-dessous :

Algorithme de Rackwitz-Fiessler et principe de Normal Tail Approximation

Lalgorithme de Rackwitz-Fiessler est trs utilis pour les problmes de recherche de conception
dans le U espace . Il est dcrit avec prcision dans [3].
Cet algorithme complte celui prsent ci haut qui peut tre difficile dappliquer dans le U-espace .

On dfinit le Z-espace comme le transform du Y-espace par une application inhomogne linaire L
telle que : = () = 1 ( ) (2.15)

Dans le Z-espace , la surface dtat limite est G( + ) = 0. (2.16)

Cet espace supplmentaire a t introduit car on y appliquer lalgorithme de recherche du design
point ci-dessus ; En effet , la transformation 1 ne pose pas de difficult .
Il est ainsi utilis comme intermdiaire entre le Y-espace et le U-espace .

Principe de la mthode de Rackwitz Fiessler

On construit une suite de point () du Y-espace telle que la limite () soit un point stationnaire
pour la distance lorigine dans le U-espace.
- Pour cela , chaque itration on dtermine la matrice A =( et le vecteur de la
transformation L telsque lhyperplan tangent en () = ( () ) la surface dans le U
espace coincide avec lhyperplan tangent en () = ( () ) la surface dans le Y-
espace .

- Lhyperplan tangent au point () a pour quation :

()
=0 =0 ( ) ( () ) ( )= 0 (2.17)

Ou est la drives de G par rapport la jime variable .
Lhyperplan tangent au point () a pour equation :

=0 =0 ( ) ( () ) = 0 (2.18)

Les deux hyperplans coincident si :

=
(() ) () = () (2.19)

On a alors : = () ()
Et ainsi la distance de lorigine du Z-espace lhyperplan coincide avec la distance
lorigine du U-espace lhyperplan .

- On dtermine le point de conception () de la surface du Z-espace par le premier

algorithme que nous avons cris ci haut . ; Puis le point du Y-espace qui lui correspond par
la transformation 1 .

- Par itrations successives du processus , on obtient A et tels que le qui ralise

()=0
soit gal le point ralisant ()=0
.
 Etapes de lalgorithme :

1. Choix du point initial (0) dans le Y-espace.

2. Etape m + 1 . On a le point () .
(i) On calcule () = ( () ) point du U-espace .

(ii) On calcule qui donne les lments de la matrice () .

On obtient () par () = () () () .

(iii) On calcule le point () le point le plus proche de lorigine de la surface

( + ) = 0 par lalgorithme de recherche du design point
(iv) On calcule (+1) = () () + () .

Principe de Normal Tail Approximation

Ce sujet est dtaill dans larticle [4].

Dans le cas ou les variables de base sont mutuellement indpendantes et la transformation T est
celle de Rosenblatt , les paramtres de la transformation L de lalgorithme de Rackwitz-Fiessler sont
obtenues trs facilement grce aux lois normales .

On a alors : ( ) = 1 ( ( )) Soit ( ) = ( ( ) .

()
(
Lquation = ( () ) scrit donc : = () . (2.20)
( )

()
() () () (
Ainsi , () est simplement la matrice diagonale ( 1 , . . , ) = () .
( )

La transformation du Y-espace dans le U-espace se fait comme si on approximait la fonction de

rpartition ( ) (
) , de telle sorte quelles coincident et aient la mme drive en
.

Il existe beaucoup dautres algorithmes permettant la recherche de ce point de conception .

 2.2.3 Approximation FORM et SORM

Aprs avoir coup coup transform lespace en un espace standard , et trouver le design
point par lintermdiaire dun des nombreux algorithmes doptimisation ; il nous reste
maintenant approximer la probabilit de dfaillance dans le U-espace par rapport au design
point.

En effet, dans lespace standard , la probabilit de dfaillance est concentre autour du

design point qui est le point de dfaillance le plus probable ;

Ceci est caus par le fait que les variables tant gaussiennes standard, alors la probabilit
2
dcroit en exp ( 2
) lorsque d est la distance lorigine .

Ainsi , les mthodes Form et Sorm consistent approcher la surface de dfaillance par un
Hyperplan dans le cas de la mthode Form ou par une Surface Quadratique dans le cas dune
mthode Sorm au point de conception .

Lapproximation est ainsi obtenue en calculant la probabilit de dfaillance par rapport la

Nouvelle fonction dtat limite.
Cest pourquoi lon crit trs souvent dans les documents scientifiques que contrairement
aux mthodes de Monte carlo , les mthodes Form et Sorm sont des mthodes
dapproximation de lintgrale de dfaillance en se basant essentiellement sur une
modification du Domaine de dfaillance .

Bref , avec ceci , nous venons de mettre en place les grandes tapes fondamentales et
communes aux deux mthodes de fiabilit structurelles que sont Form et Sorm.

Nous allons prsenter dans ce qui va suivre les ralisations obtenues lors de lvaluation de
la probabilit de dfaillance dune part par la mthode Form et dautre part par la mthode
Sorm .
Nous prsenterons galement une dmonstration de ces rsultats ainsi quune illustration
de ces approximations .
Nous ferons mention galement du cas particulier ou nous obtenons plusieurs points de
conceptions ou plusieurs minima-locaux .
 3. First Order Reliability Method (FORM)

3.1 Evaluation de la probabilit de dfaillance par FORM

Le premier dveloppement de la mthode de fiabilit de premier ordre , aussi connu sous le

nom de mthode FOR M , date dil ya 30ans ;
Depuis lors , la mthode a t affine et tendue significativement . Et maintenant , elle
constitue lune des plus importantes mthodes dvaluation en fiabilit des structures .

Le principe de la mthode Form est de remplacer ltat limite rel par un Hyperplan .
Ltat limite est donc linaris grce au dveloppement de taylor au premier ordre autour
du point de conception .
Lquation de lhyperplan obtenue qui est une droite en deux dimensions est la suivante :

() = =0 + = 0 (3.1)
Ou reprsente le cosinus directeur (dont la valeur varie entre -1 et 1 ) associ et
permet de dfinir lorientation de ltat limite .

Le lien entre lindice de fiabilit et le cosinus directeur est le suivant :

= (3.2)

.
Cet hyperplan est orthogonal la droite ( ) .
Donc le domaine de dfaillance approxim = { , () 0 } est dlimit par
Lhyperplan et ne contient pas lorigine (si 0.5 ).

La probabilit de dfaillance est alors approche par :

= ( ) (3.3)

Avec comme fonction de rpartition de la loi normale centre rduite .

1 2
Donc , ( ) = exp( ). (3.4)
2 2

Cette probabilit correspond la probabilit dtre dans le demi-espace dlimit par

lhyperplan et ne contenant pas lorigine .
Le rsultat est exacte si la fonction dtat limite initiale du U-espace est linaire .
 () < 0

() = 0

H(u)

Figure 5 : Approximation FORM

 3.2 Dmonstration du rsultat

Lapproximation linaire de la fonction dtat limite est dfinie par :

() = ( ( )) (u - ) (3.5)

Ou () dsigne le gradient de la fonction g au point u .

Lhyperplan approximant la surface dtat limite au point de conception a pour quation :

( ( )) (u - ) = 0 (3.6)

On peut crire lapproximation sous la forme :

() = + (3.7)

Ou U vecteur de variables alatoires normales standard , = ( ) et

b = ( ). (3.8)

Lindice de fiabilit de cette fonction vaut = . Ainsi :

( () 0 ) = ( ) = ( ) (3.9)

Avec les notations initiales , lindice de faibilit vaut :

( ).
= ( ) (3.10)

Cas de plusieurs points de conception :

Comme je lai mentionn plus haut , il peut arriver que le problme doptimisation de recherche
du design point aboutisse non pas une, mais plusieurs solutions ou plusieurs minima locaux ;

Dans ce cas lapproximation FORM doit en tenir compte : On parle alors de multi FORM ( ou multi
SORM).

Des prcisions sur ces cas particuliers se trouvent notamment dans la thse [2] .
4. Second Order Reliability Method (SORM)

4.1 Evaluation de la probabilit de dfaillance par SORM

La mthode de fiabilit de second ordre fut dveloppe par Breitung et les autres dans une
srie de papiers traitant de lanalyse asymptotique . notamment , (Breitung 1984 , Breitung
et Hohenbishler 1989, Breitung 1994 )

Alors que la mthode FORM vise remplacer ltat limite par un hyperplan , la mthode
SORM le remplace par une hypersurface dordre 2 . voir [5]
Le principe consiste donc raliser une approximation de la fonction dtat limite au point
de conception par une surface du second ordre (dveloppement& de taylor dordre 2 en .

On utilise les courbures principales de la fonction dtat limite au point de conception .

Cette mthode suppose que la fonction g est deux fois diffrentiable .
Il est noter que la prise en compte de la courbure rend la mthode plus couteuse en
temps de calcul et amliore aussi sensiblement lapproximation de la probabilit de
dfaillance .
Cette probabilit de dfaillance est alors approche par :

1
= ( ) ||2 (4.1)

Avec J quantit dpendante des drives premires et secondes de g au design point .

Une illustration de lapproximation SORM est donne par la figure 6 ci-dessous :

 g(u) < 0

Q(u)= 0

g(u)= 0

Figure 6 : Approximation SORM

 4.2 Dmonstration du rsultat

Lapproximation quadratique de la fonction dtat limite est dfinie par :

1
() = ( ( )) (u - ) + ( (u ) ( ) ( ) (4.2)
2

2
Ou () = () dsigne la matrice hessienne de la fonction g au point u .

La probabilit de dfaillance par rapport la surface quadratique est donne par :

1 1

( ) ||2 = ( ) 1
( () 0 ) =1 ( 1 . )
2 (4.3)

Ou les sont les courbures principales de g ( dfinies prcdemment )

Dans le cas ou il ya k points de distance minimale lorigine le rsultat est :
1 1

( ) ||2 = ( ) = 1
( () 0 ) 1
=1 =1 ( 1 . )
2 (4.4)

Approximation asymptotique et courbures principales

Lapproximation SORM de la surface dtat limite par une surface quadratique conduit une
approximation asymptotique de la probabilit de dfaillance et elle ncessite le calcul des courbures
principales de la fonction g .

Des prcisions sur les calculs sont donnes ci-dessous . Larticle de Breiting [6] fournit les
explications complmentaires .

On cherche valuer la probabilit de dfaillance suivante :

1 2
= ()0 exp ( 2
) (4.5)
(2) 2

Ou dsigne la surface de dfaillance dans lespace des variables alatoires normales standards
indpendantes. On suppose quil ya un unique point de conception 0 , tel que 0 = 0
 Approximation asymptotique de

(i) On dfinit la fonction ( . ) par () = ( 0 ) . Alors a un unique design point

0
0 , tel que 0 = 1 , 0 = 0
.
La probabilit de dfaillance sexprime par :

1 02 2
= 0 ()0 exp ( 2
) (4.6)
(2) 2

(ii) Pour calculer , on dfinit lintgrale de Laplace :

1 2 2
() = ()0 exp ( 2
) (4.7)
(2) 2

Des mthodes de calculs de ce type dintgrale se trouvent dans [7] et donnent

lapproximation asymptotique suivante :

1 1
2 0 2
() ~ (2) 2 exp ( ) (+1) ||2 , (4.8)
2

|| = =0 =0 0 0 ( ( 2 ) ) (4.9)

0 ()

2
Avec ( 2 ) = () ,

() .
{

La probabilit de dfaillance est ainsi approxime par :

1 1
02
(2)2 01 exp(
2
) ||2 (4.10)

1
2
(2)2 exp(
La relation : () 2
) 1 , + (4.11)
 1
donne ( 0 ) ||2
(4.12)

Dans [6] , Breitung a dmontr que :

(() 0) ( () 0) , + (4.13)

En effet , lapproximation asymptotique de la probabilit de dfaillance nutilise que les

lments du second ordre , C est dire les mmes que pour lapproximation
quadratique .
Seule lapproximation quadratique de la surface dtat limite donne une approximation
asymptotique correcte pour lintgrale , alors lapproximation linaire donne une
erreur relative incontrlable .

1
(()0)
( ()0)
||2
, + (4.14)

Calcul de J et courbures principales

On sintresse maintenant lexpression de J . La notion de courbures principales est alors

introduite .

(i) Le calcul du cofacteur ne peut pas seffectuer simplement de faon directe .

Cependant , dans le cas ou le design point scrit (0, ,0,1) lexpression de J est trs
simple et ne contient plus quun seul terme .

|| = | ( ( 2 ) )|
= | ()| (4.15)
Avec = ( ( 2 ) ),=1,,1 .

Pour se placer dans ce cas , il faut faire une rotation du systme daxes et dfinir une
nouvelle fonction de dfaillance . La rotation est dfinie par une matrice R et les
nouvelles coordonnes y scrivent = .
 On dfinit ainsi la fonction g par :
() = ( 1y) (4.16)

Cette fonction de dfaillance possde un unique point de conception 0 tel que 0 =

(0, ,0,1).

La probabilit de dfaillance sexprime comme prcdemment :

2
1 02 1
= 0 (1 )0 exp( ) det( 1 )
(2) 2 2

1 1
= 0 ()0 exp ( 2 02 2 ) (4.17)
(2) 2

Car la rotation conserve la norme et la matrice R est orthogonale soit ( 1 ) = 1.

Lapproximation asymptotique de est toujours :

1 1
02
(2)2 01 exp(
) ||2 , + (4.18)
2

1 1
Avec || = det() = (0 )
= (0 )

(ii) J peut sexprimer en termes de valeurs propres de la matrice hessienne de g .

det() = 1
=1

Avec det( ) = 0
= ( 2 () ),=1,,1 .
On pose une matrice carre symtrique de

dimensin (n-1) qui possde (n-1) valeurs propres notes .

(1 ) )= 0
Det( ) = 0 ( (4.19)
Donc = 1 .

Les sont les courbures principales relatives la fonction g .

() = 1
=1 (1 ) (4.20)
 Soit = 1
=1 (1 ) . (4.21)

(iii) On peut galement exprimer le cofacteur en termes de valeurs propres relatives la

matrice hessienne de la fonction obtenue par la rotation R partir de .
Soient valeurs propres relatives la matrice hessienne ( dimension n-1) de la
fonction .
1
Les sont racines de ( g( 2 ( (0 ) ) = 0 , donc les sont racines
0 )

1
de ( g( 2 ((0 ) 0 ) = 0 , ce qui signifie = 0 . Alors :
0 )
1 1
(0 )||2 = (0 ) =1 (1 0 )2
(4.22)

1
Avec ( 2 ( (0 )) 1 ou = (0 )

Remarque :

a. Les courbures principales au point de conception ne peuvent pas tre

suprieures 1 .
b. Lapproximation ne pourra pas tre utilise dans le cas une courbure est exactement
gale 1 ; Il est alors ncessaire dtudier les drives de g dordre suprieur ;
Mais on ne dispose pas de rsultats gnral dans ce cas.
c. Le comportement asymptotique de la probabilit de dfaillance ne dpend que de
et des drives premires et secondes de g .Cest pourquoi le rsultat de
lapproximation quadratique est asymptotiquement correcte .
 5. Remarques sur les mthodes FORM et SORM

5.1 Avantages des mthodes FORM - SORM

Comme nous venons de voir , les mthodes fiabilistes fournissent une approximation de la
probabilit de dfaillance ; Mais elles prsentent entre autre de nombreux avantages ;
Notamment , elles permettent des analyses de sensibilit .

En effet , dans la pratique , deux indicateurs existent pour quantifier limpact des
incertitudes des variables dentre du modle sur le rsultat final de lapproximation :
On a la sensibilit paramtrique qui mesure la sensibilit des valeurs finales par rapport aux
valeurs initiales , et on a les facteurs dimportance qui exprime limportance stochastique
des variables dentre .

Sensibilite paramtrique

Si nous voulons mesurer la variation dune valeur cible , la probabilit dfaillance ou

lindice de fiabilit , vis--vis dun paramtre dentre est donne par la sensibilit
paramtrique .

Elle est dfinie par la formule : ( ) = = (5.1)

Cest une mesure de mme dimension que

Facteur dimportance

Il mesure limportance globale dune variable sur la probabilit calcule .

Avec les notations du design point , on a :

= ou vecteur norm de coordonnes . (5.2)

Les sont les mmes cosinus directeurs dfinies plus haut dans ce document .
Elles correspondent au facteur de sensibilit de par rapport la valeur moyenne de la
variable i .

= (5.3)

Le facteur dimportance de la variable i est dfinie par 2 .

Il mesure limportance stochastique de la variable i . La somme des facteurs dimportance sur

toutes les variables du modle est gale 100% ( 2 = 1 ) . (5.4)

Le facteur dimportance rpresente donc la part de lincertitude due la variable i dans la probabilit
FORM .

Bref , autre avantage de ces mthodes est quelles sont rapides pour calculer des probabilits de
dfaillance et en plus le temps de calcul ne dpend pas du niveau de probabilit recherch .

Dautres part les approximations donnes par le calcul de Breitung [6] sont valables pour
+ ;

C'est--dire pour une forte fiabilit , soit une probabilit de dfaillance faible .

5.2 Inconvnients de ces mthodes

Aprs avoir list les avantages de ces mthodes Form et Sorm , il est naturel den prciser les
inconvnients ;

Entres autre , ces mthodes ne permettent pas de contrler les erreurs dapproximation .

Elles ncessitent des contraintes sur la fonction g de rgularit et de diffrentiabilit .

Aussi , lorsque lexistence de plusieurs minima locaux dans lalgorithme de recherche du design point
nest pas prise en compte , cela peut conduire des approximations de la probabilit de dfaillance
qui sont errones .

Il est noter quil existe dautres approximations fiabilistes que celles donnes par FORM et Sorm .

Notamment ,la formule de Tvedt [8] qui prend en compte les termes correctifs dans la mthode
SORM .
Rfrences Bibliographiques :

[1] Dtermination des distributions dont les marges sont donnes A . Nataf
[2] Fiabilit et Mcanique : mthodes FORM SORM et couplages avec les codes
lments finis par des surfaces de rponses adaptatives N .Devixtor .
[3] Methods of Structural Safety H.O Madsen , S.Krenk &N.C.Lind .
{4] Principle of normal Tail Approximation O.Ditlevsen
[5] Ditlevsen &Madsen , Lemaire , 2009
[6] Asymptotic Approximations for Multinormal Integrals K.Breitung
[7] Asymptotic Expansions of Integrals. N. Bleinstein & R.A. Handelman.
[8] Distribution of quadratic Forms in Normal Space Application to Structural Reliability
L. Tvedt