Les facteurs d'importance fiabilistes permettant de fournir des informations sur l'importance des composants vis-à-vis des performances fiabilistes d'un système. Ces facteurs d'importance sont un outil efficace pour la prise de décision dans les études de fiabilité, d'analyse de risques, en maintenance, en exploitation ou en conception. Les facteurs d'importance fiabilistes ont été classiquement définis dans le cadre des modèles booléens de fiabilité et, sous leur forme classique (et avec les méthodes d'évaluation actuelles), ces facteurs ne sont souvent utilisables que sous l'hypothèse de composants binaires et indépendants, et pour une architecture de système " statique ". L'utilisation de ces facteurs d'importance pour l'aide à la décision sur des systèmes réels impose pourtant souvent la prise en compte d'hypothèses plus réalistes. Cette thèse propose un nouveau facteur d'importance fiabiliste, la " sensibilité multi-directionnelle ", qui permet d'évaluer l'importance fiabiliste d'un composant ou d'un groupe de composants d'un système markovien à composants dépendants et, plus généralement, l'importance fiabiliste d'un ensemble de caractéristiques du système. On développe également des méthodes efficaces d'évaluation de ce nouveau facteur d'importance par calcul analytique ou par estimation à partir d'une seule trajectoire observée en utilisant des techniques d'analyse par perturbation. L'extension aux ordres supérieurs et l'utilisation pour des systèmes markoviens d'un facteur importance introduit récemment (DIM) sont également abordés.

L'introduction de systèmes instrumentés dédiés aux applications de sécurité impose l'évaluation de leur sûreté de fonctionnement. On utilise généralement pour cela les bases de données de fiabilité génériques. Cependant, le retour d'expérience pour ces systèmes qui présentent en général des défaillances rares est insuffisant pour valider les résultats obtenus. En outre, la collecte de données de fiabilité et leur extrapolation à d'autres composants introduisent des incertitudes.<br />Les travaux de cette thèse portent sur la problématique de la prise en compte des incertitudes relatives aux données de fiabilité des composants pour l'évaluation de la sûreté de fonctionnement des systèmes par le formalisme des sous ensembles flous. La méthodologie proposée est appliquée à l'évaluation des probabilités de défaillance des Systèmes Instrumentés de Sécurité (SIS) en présence de données de fiabilité imprécises. Nous introduisons deux nouveaux facteurs d'importance pour aider le concepteur. En outre, nous proposons une méthodologie d'aide à la conception des SIS basée sur la modélisation par réseaux de fiabilité et l'optimisation par des algorithmes génétiques de la structure des SIS pour le respect des niveaux d'intégrité de sécurité (SIL) exigés.

L'introduction de systèmes instrumentés dédiés aux applications de sécurité impose l'évaluation de leur sûreté de fonctionnement. On utilise généralement pour cela les bases de données de fiabilité génériques. Cependant, le retour d'expérience pour ces systèmes qui présentent en général des défaillances rares est insuffisant pour valider les résultats obtenus. En outre, la collecte de données de fiabilité et leur extrapolation à d'autres composants introduisent des incertitudes. Les travaux de cette thèse portent sur la problématique de la prise en compte des incertitudes relatives aux données de fiabilité des composants pour l'évaluation de la sûreté de fonctionnement des systèmes par le formalisme des sous ensembles flous. La méthodologie proposée est appliquée à l'évaluation des probabilités de défaillance des Systèmes Instrumentés de Sécurité (SIS) en présence de données de fiabilité imprécises. Nous introduisons deux nouveaux facteurs d'importance pour aider le concepteur. En outre, nous proposons une méthodologie d'aide à la conception des SIS basée sur la modélisation par réseaux de fiabilité et l'optimisation par des algorithmes génétiques de la structure des SIS pour le respect des niveaux d'intégrité de sécurité (SIL) exigés / The use of safety related systems imposes to evaluate their dependability. Laboratory data and generic data are often used to provide failure data of safety components to evaluate their dependability parameters. However, due to the lower solicitation of safety systems in plant, safety components have not been operating long enough to provide statistical valid failure data. Furthermore, measuring and collecting failure data have uncertainty associated with them, and borrowing data from laboratory and generic data sources involve uncertainty as well. Our contribution is to propose a fuzzy approach to evaluate dependability parameters of safety systems when there is an uncertainty about dependability parameters of systems components. This approach is applied to determine the failure probability on demand of Safety Instrumented Systems (SIS) in presence of uncertainty. Furthermore, we present an optimal design of SIS by using reliability graphs and genetic algorithms to identify the choice of components and design configuration in a SIS to meet the required SIL