La sûreté de fonctionnement est une exigence industrielle. La prévision des événements indésirables dans un processus de production est un domaine important de la statistique : la fiabilité. Le fiabiliste, statisticien d’origine doit comprendre (comment ça marche et comment ça tombe en panne), modéliser et calculer (les probabilités d’occurrence des événements non désirés), identifier et hiérarchiser (les scénarios et les actions les plus efficaces en terme de rentabilité). La clef de voûte de tout ce système est bien entendu constitué par les données numériques de base (taux de défaillance, de réparation...) collectées à partir des retours d’expériences et utilisées pour alimenter les modèles probabilistes. Il faut cependant reconnaître que les données recueillies concernant les études de sûreté sont rares, éparses et incomplètes. Il devient alors indispensable d’utiliser une méthodologie adaptée aux problèmes de sécurité comme le traitement des données manquantes, l’utilisation des méthodes bayésiennes, la collecte de données en cycle de vie... Evaluer le futur probable sur les acquis du passé, telle est la quête du statisticien fiabiliste.
Si dans le domaine de la fabrication de grande série, l'utilisation de la statistique est relativement ancienne, son utilisation dans le secteur de la recherche et du développement est beaucoup plus récente. Un bon usage de la statistique durant la phase de conception des nouveaux produits contribue cependant grandement à l'obtention de produits fiables et durables. En ce qui concerne le domaine de la fiabilité, la statistique intervient tout d'abord au niveau de l'analyse des retours d'expériences. La connaissance du point de vue des clients sur la fiabilité des véhicules est essentielle. Elle permet, à partir de différentes sources d’information (enquêtes, information après-vente,..), des actions correctives portant bien sûr sur le produit actuel, mais aussi sur le processus de développement afin d'éviter de "reconduire" les mêmes erreurs sur les productions futures.
La statistique intervient également durant la conception d'un nouveau véhicule afin de vérifier que le niveau de fiabilité souhaité est atteint. On juge la fiabilité d’une nouvelle conception à partir d'essais réalisés sur un petit nombre de prototypes. Se pose alors la question du nombre de prototypes nécessaires pour la validation expérimentale. Les objectifs de fiabilité de plus en plus ambitieux devraient, selon la logique statistique, conduire à des échantillons de plus en plus nombreux. Or ceci est tout à fait incompatible avec la logique industrielle de réduction des délais et avec les coûts engendrés. Dans ce contexte, les seuls résultats d’essais ne suffisent plus pour valider la fiabilité d'un nouveau produit. La prise en compte d’autres informations est alors indispensable : jugements d'experts ou résultats d'essais obtenus sur des productions antérieures. Les techniques de la statistique bayésienne permettent de combiner ces différents types d'information.
"Fabriquer des produits fiables et durables nécessite la prise en compte de critères de fiabilité dès la phase de conception. Dans ce but, Génichi Taguchi a introduit depuis une vingtaine d’années la notion de conception robuste. Il s’agit d’optimiser la définition d’un produit (ou d’un procédé) de manière à ce qu’il fonctionne le mieux possible tout au long de sa vie. Cette démarche repose sur l’hypothèse suivante : si le fonctionnement d’un système est peu perturbé par les différentes situations qu’il risque de rencontrer, il a toute chance d’être fiable et durable. La mise en œuvre de cette démarche s'appuie sur la technique statistique des plans d'expériences et sur des techniques d'optimisation. Des industriels tant au Japon qu’aux Etats-Unis (Ford, ITT, NASA, Minolta, Nissan…) utilisent largement cette méthode ; son application en France est beaucoup plus récente.