Fonction de compatibilité. LOI.WEIBULL reste disponible pour les anciens classeurs, mais Excel recommande désormais LOI.WEIBULL.N pour tes nouveaux fichiers.
LOI.WEIBULL est la fonction statistique qui modélise la durée de vie des équipements et analyse leur fiabilité. Elle répond aux questions cruciales de la maintenance industrielle : quelle est la probabilité qu'une pièce tombe en panne avant 1 000 heures ? À quel moment planifier une intervention préventive ?
Concrètement, elle sert à estimer les coûts de garantie d'un produit électronique avant sa mise sur le marché, à identifier le moment critique de remplacement d'une pompe industrielle, ou à distinguer les défauts de jeunesse (alpha < 1) de l'usure progressive (alpha > 1). Si tu travailles en maintenance, qualité ou fiabilité, c'est un outil d'anticipation indispensable.
Syntaxe de la fonction LOI.WEIBULL
=LOI.WEIBULL(x; alpha; beta; cumulative)LOI.WEIBULL est la version ancienne (compatible Excel 2007 et antérieur) ; sa version modernisée s'appelle LOI.WEIBULL.N. Les deux calculent la même chose, mais LOI.WEIBULL.N est recommandée pour les nouvelles feuilles de calcul.
Comprendre chaque paramètre de la fonction LOI.WEIBULL
Les quatre arguments s'enchaînent dans un ordre que tu ne peux pas bousculer : le temps x que tu veux tester, puis alpha (la forme de l'usure), puis beta (le temps caractéristique), et enfin cumulative. Aucun n'est facultatif, et c'est surtout alpha et beta qu'on intervertit par réflexe : ils se ressemblent mais ne jouent pas du tout le même rôle.
Garde le même type d'unité pour x et beta (heures avec heures, jours avec jours), sinon le résultat tombe juste numériquement mais ne veut plus rien dire.
x
: le temps (ou nombre de cycles) auquel tu veux évaluer la probabilitéPar exemple, si tu veux savoir la probabilité qu'une pompe tienne 5 000 heures, x = 5000. Cette valeur doit être positive ou nulle.
Astuce : Utilise les mêmes unités pour x et beta. Si beta est en heures, x doit aussi être en heures. Si beta est en jours, x doit être en jours. Un écart d'unité fausse complètement les résultats.
alpha
: le paramètre de forme, qui détermine le comportement du taux de défaillance dans le tempsIl doit être strictement supérieur à 0.
Alpha < 1 : taux de défaillance décroissant, typique des défauts de jeunesse (mortalité infantile). Alpha = 1 : taux constant, équivalent à la loi exponentielle, pour des pannes aléatoires. Alpha > 1 : taux croissant, caractéristique de l'usure progressive.
Astuce : En pratique, alpha = 2 donne une distribution de Rayleigh et alpha = 3,5 approxime une loi normale. Ces valeurs sont courantes en fiabilité mécanique.
beta
: le paramètre d'échelle, aussi appelé temps caractéristiqueC'est le temps auquel environ 63,2 % des éléments auront échoué. Plus beta est grand, plus la durée de vie est longue. Il doit être strictement supérieur à 0.
Pour comparer deux équipements : celui qui a le beta le plus élevé est le plus fiable (à alpha égal). Si tu hésites entre deux fournisseurs avec beta = 5000 h et beta = 6000 h, le second est plus durable.
cumulative
: paramètre booléen qui choisit ce que tu calculesVRAI retourne la fonction de répartition cumulée : la probabilité qu'un élément échoue avant ou au temps x. FAUX retourne la densité de probabilité : utile pour calculer le taux de défaillance instantané.
Pour la maintenance préventive, tu utiliseras presque toujours VRAI.
Attention : Une fiabilité de 90 % à 1 000 heures ne signifie pas que l'équipement durera 1 000 heures. Cela signifie qu'il a 90 % de chances de dépasser 1 000 heures sans panne. C'est une nuance importante pour la planification.
Exemples pratiques pas à pas
Ingénieur fiabilité : évaluer la durée de vie d'un roulement
Tu es ingénieur fiabilité dans une usine automobile. Tes roulements suivent une loi de Weibull avec alpha = 2,1 (usure progressive) et beta = 5 000 heures. Tu veux savoir quelle est la fiabilité à 3 000 heures pour planifier ta maintenance préventive.
Avec une fiabilité de 73,2 %, la majorité des roulements dépasseront 3 000 heures. Note le 1 - devant la formule : LOI.WEIBULL donne la probabilité de panne, pas la fiabilité. Pour être plus prudent, tu pourrais planifier une inspection préventive à 4 000 heures où la fiabilité commence à chuter davantage.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Heures | Alpha | Beta | Formule | Résultat |
| 2 | 3 000 | 2,1 | 5 000 | =1-LOI.WEIBULL(3000;2,1;5000;VRAI) | 73,2% |
=1-LOI.WEIBULL(3000;2,1;5000;VRAI)Responsable garantie : estimer les coûts de retour produit
Tu es responsable garantie dans une entreprise électronique. Tes produits ont une garantie de 12 mois, avec alpha = 0,8 (mortalité infantile : les défauts apparaissent tôt) et beta = 36 mois. Tu veux estimer combien de produits échoueront sous garantie.
Le taux d'échec de 21,4 % te permet de budgéter tes coûts de garantie. Si tu vends 10 000 unités par an, attends-toi à environ 2 140 retours. Si chaque remplacement coûte 200 €, provisionne 42,80 € par unité vendue. Avec alpha < 1, les échecs diminuent dans le temps : c'est typique des défauts de fabrication qui se révèlent rapidement.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Durée garantie (mois) | Alpha | Beta | Formule | Taux d'échec |
| 2 | 12 | 0,8 | 36 | =LOI.WEIBULL(12;0,8;36;VRAI) | 21,4% |
=LOI.WEIBULL(12;0,8;36;VRAI)Responsable maintenance : optimiser les interventions préventives
Tu es responsable maintenance d'une centrale. Ta pompe industrielle suit une loi de Weibull avec alpha = 3,5 (forte usure) et beta = 8 000 heures. Tu veux savoir à quel moment planifier ton remplacement préventif pour éviter les pannes coûteuses.
À 8 000 heures (beta), la fiabilité chute à 36,8 % : c'est le moment critique. Le beta n'est pas une durée de vie moyenne, mais le seuil auquel 63 % des pompes auront échoué. Pour maximiser ta disponibilité, planifie ton remplacement préventif autour de 6 000-7 000 heures, avant que le risque n'explose.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Heures | Probabilité panne | Fiabilité | Décision |
| 2 | 2 000 | 0,4% | 99,6% | Pas de souci |
| 3 | 5 000 | 16,8% | 83,2% | Surveiller |
| 4 | 8 000 | 63,2% | 36,8% | Remplacer bientôt |
| 5 | 10 000 | 89,4% | 10,6% | Urgent ! |
=1-LOI.WEIBULL(8000;3,5;8000;VRAI)Astuce de pro : Pour calculer le taux de défaillance instantané h(t), utilise : =LOI.WEIBULL(t;alpha;beta;FAUX)/(1-LOI.WEIBULL(t;alpha;beta;VRAI)). Il identifie l'instant précis où le risque de panne devient inacceptable.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.WEIBULL
Le code #NOMBRE! est celui que tu croiseras le plus : il surgit dès qu'alpha ou beta glisse à zéro ou en négatif, ce qui arrive vite quand ces paramètres viennent d'un calcul ou d'une cellule mal remplie. Les deux autres pièges sont plus sournois car ils ne déclenchent aucune alerte : inverser alpha et beta, ou mélanger les unités entre x et beta, te renvoie un nombre parfaitement crédible mais complètement faux.
Erreur #NOMBRE! : paramètres négatifs ou nuls
Alpha et beta doivent être strictement positifs. Une valeur nulle ou négative produit l'erreur #NOMBRE!. La valeur x doit être positive ou nulle (pas négative).
Solution : Vérifie les valeurs de tes paramètres : =LOI.WEIBULL(5000; 0; 3000; VRAI) est invalide (alpha = 0), mais =LOI.WEIBULL(5000; 2,1; 3000; VRAI) fonctionne. Assure-toi qu'alpha et beta viennent de calculs ou de tables qui garantissent des valeurs strictement positives.
Résultat aberrant : confusion entre alpha et beta
L'ordre des paramètres est crucial : alpha (forme) vient avant beta (échelle). Les inverser donne des résultats numériquement cohérents mais totalement faux.
Solution : Mémorise l'ordre : =LOI.WEIBULL(x; alpha; beta; cumulative). Si tu hésites, teste avec des valeurs connues : pour alpha = 1 et beta = 1000, la probabilité à x = 1000 doit être environ 63,2 %.
Résultat faux : unités incohérentes entre x et beta
Si beta est en heures et x en jours (ou inversement), tes résultats sont aberrants. La fonction ne détecte pas cet écart d'unité.
Solution : Convertis tout dans la même unité avant de calculer. Si beta vaut 5 000 heures et que tu veux évaluer la fiabilité à 3 mois, convertis : 3 mois × 730 h/mois = 2 190 heures, puis utilise x = 2190.
Questions fréquentes sur la fonction LOI.WEIBULL
Quelle est la différence entre la loi de Weibull et la loi exponentielle ?
La loi exponentielle est un cas particulier de Weibull avec alpha = 1. Weibull est plus flexible car elle modélise des taux de défaillance croissants (alpha > 1), décroissants (alpha < 1) ou constants (alpha = 1) selon le type d'usure. La loi exponentielle ne peut modéliser que des taux constants.
Comment interpréter le paramètre alpha (forme) ?
Si alpha est inférieur à 1, le taux de défaillance décroît dans le temps : c'est la mortalité infantile, typique des défauts de fabrication. Si alpha = 1, le taux est constant : pannes aléatoires, indépendantes du temps. Si alpha est supérieur à 1, le taux croît : c'est l'usure progressive, la défaillance devient de plus en plus probable avec le temps.
Que représente le paramètre beta (échelle) ?
Beta représente le temps caractéristique : c'est le temps auquel environ 63,2 % des éléments auront échoué. Plus beta est grand, plus la durée de vie est longue. C'est une valeur de référence utile pour comparer deux équipements, à condition qu'ils aient le même alpha.
Comment calculer la durée de vie moyenne avec Weibull ?
La durée de vie moyenne (espérance) se calcule avec la fonction Gamma : =beta*GAMMA.PRECISE(1+1/alpha). Cette valeur peut être plus ou moins différente de beta selon la forme de la distribution. Pour une communication avec des non-spécialistes, la médiane (=beta*PUISSANCE(LN(2);1/alpha)) est souvent plus parlante.
Quand utiliser LOI.WEIBULL en entreprise ?
LOI.WEIBULL est utile pour l'analyse de fiabilité des équipements, la prévision de durée de vie, l'estimation des coûts de garantie, et la planification de la maintenance préventive. Elle est particulièrement adaptée aux composants mécaniques soumis à l'usure, aux produits électroniques avec défauts de fabrication, et à tout équipement dont les données historiques de panne sont disponibles.
Quelle différence entre LOI.WEIBULL et LOI.WEIBULL.N ?
Ces deux fonctions calculent exactement la même chose. LOI.WEIBULL.N est la version modernisée introduite dans Excel 2010, dans le cadre de la normalisation des noms de fonctions statistiques. Pour toute nouvelle feuille de calcul, préfère LOI.WEIBULL.N ; LOI.WEIBULL reste disponible pour la compatibilité avec les anciennes versions.
Pour aller plus loin
Les fonctions similaires : LOI.EXPONENTIELLE, LOI.LOGNORMALE, LOI.NORMALE, LOI.POISSON, LOI.GAMMA
Bloqué sur une formule Excel ?
Pose ta question à notre assistant Excel IA, il te sort la bonne formule en quelques secondes.
Essayer l'assistant IAGratuit · 10 questions par mois