Vous êtes sur la page 1sur 235

Raliser une mesure nest pas un acte anodin, car elle permet de

prendre une dcision technique et conomique. Les moyens de


production ont une performance qui sest considrablement accrue
ces dernires annes. Paralllement, suite une offre abondante du
march, les exigences clients sont de plus en plus fortes pour une
demande en technologie de pointe. De fait, la conformit des produits
ne peut pas encore tre garantie directement sans mesure
En consquence, les entreprises utilisent un grand nombre de
matriels de mesure, destins prouver la conformit finale des
produits vis--vis des exigences clients (contrle de rception) et
vrier la capabilit dun processus de production (en phase de mise
au point et en suivi de production).
Cet ouvrage se propose dclairer le processus de mesure en abordant
les thmes suivants :
7 la comprhension des exigences de son client ;
7 le choix dun appareil bien adapt cette mesure ;
7 lassurance que les appareils utiliss ont bien la qualit
mtrologique requise ;
7 lanalyse des sources derreurs potentielles pouvant inuencer la
mesure ;
7 la validation dun processus de contrle ;
7 lestimation de lincertitude de mesure associe au rsultat donn ;
7 enn, le maintien de cette qualit mtrologique au cours du temps.
Daniel DURET, docteur agrg de gnie mcanique, ancien lve de lENS CACHAN, est
professeur au dpartement QLIO de lIUT dAnnecy. Il pratique la formation et le conseil industriel
dans le domaine de la qualit. Son ouvrage est constamment enrichi de cette double exprience
duniversitaire et de praticien.
Il a galement publi :
C
o
d
e

d
i
t
e
u
r

:

G
5
4
1
4
0
I
S
B
N

:

9
7
8
-
2
-
2
1
2
-
5
4
1
4
0
-
3
-
:
H
S
M
C
L
C
=
Z
Y
V
Y
U
X
:
35
b
a
r
b
a
r
y
-
c
o
u
r
t
e
.
c
o
m
155 x 240 14,0 mm
Q
u
a
l
i
t


d
e

l
a

m
e
s
u
r
e

e
n

p
r
o
d
u
c
t
i
o
n
D
a
n
i
e
l

D
U
R
E
T
Qualit de la
mesure en
production
Daniel DURET 1
54140_duret_140.indd 1 13/06/08 12:52:06
Daniel D

URET

Qualit de la mesure
en production
ditions dOrganisation
Groupe Eyrolles
61, bd Saint-Germain
75240 Paris cedex 05
www.editions-organisation.com
www.editions-eyrolles.com

Le Code de la proprit intellectuelle du 1

er

juillet 1992 interdit en effet expressment
la photocopie usage collectif sans autorisation des ayants droit. Or, cette pratique
sest gnralise notamment dans lenseignement provoquant une baisse brutale des
achats de livres, au point que la possibilit mme pour les auteurs de crer des uvres
nouvelles et de les faire diter correctement est aujourdhui menace.
En application de la loi du 11 mars 1957, il est interdit de reproduire intgralement
ou partiellement le prsent ouvrage, sur quelque support que ce soit, sans autorisation de lditeur
ou du Centre Franais dExploitation du Droit de copie, 20, rue des Grands-Augustins, 75006 Paris.

Groupe Eyrolles, 2008
ISBN : 978-2-212-54140-3
Introduction
7


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Les moyens de production ont une performance qui sest considrable-
ment accrue ces dernires annes (en facilit de rglage et en faibles dis-
persions). Paralllement, du fait dune offre abondante du march, les
exigences des clients pour une demande en technologie de pointe sont
de plus en plus fortes. En consquence, la conformit des produits ne
peut pas encore tre garantie directement sans mesure. Pour ce faire, les
entreprises utilisent un nombre important de matriels de mesure
destins :


prouver la conformit finale des produits vis--vis des exigences
clients (contrle de rception) ;


vrifier la faisabilit dun processus de production (en phase de
mise au point et en suivi de production).
Raliser une mesure nest pas un acte anodin, car elle permet de prendre
une dcision technique et conomique. Pour que cette dcision soit
prise bon escient, il faut avoir foi dans sa mesure. Contrairement de
mauvaises habitudes, cette foi ne doit pas tre aveugle, il faut savoir
garder un esprit critique. Cet ouvrage se propose dclairer le processus
de mesure en abordant les thmes suivants :


comprendre les exigences de mon client.

Cela suppose que nous
utilisons un mme langage. Les normes de dfinition du produit
(GPS

1

) ne seront pas abordes dans cet ouvrage. Par contre, le con-
cept dunits talon sera expos avec quelques rappels historiques
(chapitre 1) ;


tre capable de choisir un appareil bien adapt cette mesure.

Sans faire de la technologie mtrologique, cela ncessite de connatre
les diffrents principes de mesure et le vocabulaire de description y
affrents (chapitre 2) ;

1. GPS : NF EN ISO 14253-1 mars 1999, Spcification gomtrique du produit (GPS)
Vrification par la mesure des pices et quipements de mesure, Partie 1 : rgles de
dcision pour prouver la conformit ou la non-conformit la spcification.
Qualit de la mesure en production

8


G
r
o
u
p
e

E
y
r
o
l
l
e
s


sassurer que les appareils utiliss ont bien la qualit mtrolo-
gique requise.

Pour cela ils doivent tre identifis et accrdits par
un service interne ou un organisme externe qui prouvera leur ratta-
chement aux talons nationaux (chapitre 3) ;


analyser les sources derreurs potentielles pouvant influencer la
mesure.

Dans lesprit dune analyse 5M

1

, nous chercherons mettre
en vidence les diffrents acteurs perturbateurs de la mesure
(chapitre 4). Nous mettrons laccent sur linfluence du posage que
nous retrouvons dans beaucoup de mesurage et comment y remdier
(chapitre 5) ;


valider un processus de contrle.

Pour cela nous devons quantifier
lerreur de justesse et de fidlit (rptabilit et reproductibilit).
Aprs quelques rappels de statistiques de base appliques la mesure
(chapitre 6), nous prsenterons comment estimer la fidlit en rap-
pelant la mthode industrielle du MSA

2

. Ensuite, nous prciserons
comment estimer lerreur de justesse et nous prsenterons une syn-
thse avec lapproche incertitude inertielle , permettant de lier ces
deux concepts (chapitre 7) ;


estimer lincertitude de mesure associe au rsultat donn.

Nous
rappellerons la mthode du GUM

3

permettant destimer une incerti-
tude de mesure par expertises et statistiques. Nous lappliquerons aux
mesures avec correction (chapitre 8) ;


maintenir cette qualit mtrologique au cours du temps.

Pour
cela, on prsentera diffrentes mthodes de dtection de drive ven-
tuelle. Cette surveillance du matriel sera aborde au chapitre 9.

1. Duret D., Pillet M.,

Qualit en production : de lISO 9000 Six Sigma

, Paris, ditions
dOrganisation, 2005.
2. MSA :

Measurement Systems Analysis

, manuel dvelopp sous la responsabilit de Daimler
Chrysler Corporation, Ford Motor Company et General Motors Corporation
(

www.carwin.co.uk/qs

).
3. GUM :

Guide to the Expression of Uncertainty in Measurement

(NF ENV ISO 14253-2
dcembre 2002).
9


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Sommaire

Introduction

..................................................................................................................................................................................................

5

Chapitre 1

Systme dunits

..........................................................................................................................

13

Le besoin dtalons

.......................................................................................................................................................................

15

Un peu dhistoire mtrologique

............................................................................................................................

16
Lhritage de lAntiquit

...................................................................................................................................................

17
La mtrologie et le pouvoir

............................................................................................................................................

17
Le systme anglais

........................................................................................................................................................................

18
La gense du systme mtrique dcimal

......................................................................................................

19
La Confrence gnrale des poids et mesures

.....................................................................................

20

Le systme international dunits : SI

.........................................................................................................

22
Units SI de base

...........................................................................................................................................................................

23
Units SI drives

.........................................................................................................................................................................

24
Prfixes des multiples et sous-multiples

.......................................................................................................

24
Principales rgles dcriture

..........................................................................................................................................

25
Units hors du SI

..........................................................................................................................................................................

25

Chapitre 2

Principes de mesure et terminologie

......................................

27

Principe physique de mesure

.....................................................................................................................................

29
Mthode directe

.............................................................................................................................................................................

29
Mthode indirecte

.....................................................................................................................................................................

30
Mthode directe globale avec lecture indirecte locale

..............................................................

31

talons externes ou internes

.......................................................................................................................................

32
Mesure par comparaison (talons externes)

............................................................................................

32
Mesure autonome (talons internes)

................................................................................................................

33

Terminologie

.............................................................................................................................................................................................

34

Notions de chane de mesure

....................................................................................................................................

35
Capteur

.......................................................................................................................................................................................................

36
Amplificateur dinstrumentation

.........................................................................................................................

37
Qualit de la mesure en production

10


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Traitement du signal de mesure

.............................................................................................................................

37

Affichage mmorisation de la mesure

................................................................................................

39

Chapitre 3

Gestion des moyens de mesure

...........................................................

41

Situer sa fonction mtrologie

.......................................................................................................................

43

La confiance dans la mesure

........................................................................................................................................

46
Linstrument

.......................................................................................................................................................................................

46
Le milieu

.................................................................................................................................................................................................

48
La main-duvre et la mthode

..............................................................................................................................

49
La matire (pice)

........................................................................................................................................................................

50

Chane nationale dtalonnage

..............................................................................................................................

50
Le Comit franais daccrditation (COFRAC)

.............................................................................

50
Laboratoire national de mtrologie et dessais (LNE)

.............................................................

51
Les laboratoires accrdits

...............................................................................................................................................

52
Choix dune stratgie dtalonnage

....................................................................................................................

53

La mesure, un tat desprit

..........................................................................................................................................

55

Mise en place dune gestion des moyens de mesures

................................................



56
Identification et inventaire des appareils

..................................................................................................

56
Indicateurs de qualit dun appareil

................................................................................................................

57
talonnage ou vrification des appareils

...................................................................................................

58
Cas de la sous-traitance (vrification externe)

....................................................................................

60
Suivi du matriel

.........................................................................................................................................................................

60
Formation du personnel

....................................................................................................................................................

62

Chapitre 4

Erreurs de mesurage

.........................................................................................................

63

Analyse des sources derreurs

.................................................................................................................................

65
Recherche des influences par la mthode des 5 M

.....................................................................

66
Comment lutter contre les grandeurs dinfluence

........................................................................

67

Influence du moyen de mesure

..............................................................................................................................

68
Principe dAbbe

............................................................................................................................................................................

70
Influence des efforts de contact

...............................................................................................................................

72
Matrise des influences dues lappareil de mesure

....................................................................

73

Influence du milieu

........................................................................................................................................................................

73
Exemples de grandeurs dinfluence dues au milieu

....................................................................

74
Classer les grandeurs dinfluence lies au milieu

...........................................................................

75
tude de linfluence de la temprature

.........................................................................................................

77

Chapitre 5

Matriser linfluence du posage

.............................................................

85

limination : amliorer lisostatisme du montage de contrle

....................

87
Notions de degrs de libert

.........................................................................................................................................

88
Optimisation de la position des points dappui

.............................................................................

89
Optimisation de la localisation des points dappui

...................................................................

93
Sommaire

11


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Insensibilisation

....................................................................................................................................................................................

95

Compensation

........................................................................................................................................................................................

97
tude de lincidence du dplacement de ltalon dans la mesure
dun rayon (exemple avec trois capteurs)

...................................................................................................

97

Correction

......................................................................................................................................................................................................

101
Association dun lment gomtrique un ensemble de points

............................

102
Analyse modale dune surface ou dune courbe

................................................................................

111

Chapitre 6

lments de statistiques appliqus
la mesure

......................................................................................................................................................................................................

115

Estimation dune valeur vraie

....................................................................................................................................

117
Estimation par une moyenne

....................................................................................................................................

117

Comparaison de deux estimations de moyennes

.................................................................



120
Paramtrage du problme

................................................................................................................................................

120
Test de comparaison

................................................................................................................................................................

121

Comparaisons dchantillons apparis

.....................................................................................................

122
chantillon des diffrences............................................................................................................................................. 122
Recherche de linfluence dun facteur
(analyse de la variance un facteur).............................................................................................................. 122
Influence du facteur identifi...................................................................................................................................... 122
Test sur leffet suppos du facteur........................................................................................................................ 126
Recherche de linfluence de deux facteurs
(analyse de la variance deux facteurs) ................................................................................................. 132
Convention dcriture des diffrentes moyennes ........................................................................... 133
Modlisation....................................................................................................................................................................................... 134
Analyse de la variabilit........................................................................................................................................................ 134
Test sur la validit de linfluence des facteurs...................................................................................... 135
Rgression linaire........................................................................................................................................................................ 137
Estimation des paramtres............................................................................................................................................... 138
Incertitudes sur les paramtres .................................................................................................................................. 139
Intervalle de confiance de la correction........................................................................................................ 139
Chapitre 7 Valider un processus de contrle...................................................... 143
Concept de fidlit....................................................................................................................................................................... 145
Mthode du GUM..................................................................................................................................................................... 147
Mthodes GRR ............................................................................................................................................................................. 148
GRR type average and range method ....................................................................................................... 149
GRR type ANOVA .......................................................................................................................................................... 155
Capabilit dun processus de contrle............................................................................................................ 158
Conformit de lappareil en production dans le cas dune capabilit
du processus leve..................................................................................................................................................................... 162
Cas des contrles automatiques............................................................................................................................... 163
Qualit de la mesure en production
12


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Concept de justesse................................................................................................................................................................... 164
Bornes dacceptation pour lerreur de justesse................................................................................... 165
Capabilit du processus de contrle : approche inertielle................................. 168
Rappel sur les contraintes relatives aux dispersions.................................................................... 168
Influence du dcentrage..................................................................................................................................................... 169
Tolrancement inertiel ........................................................................................................................................................ 169
Indice de capabilit Cpi...................................................................................................................................................... 170
Couplage inertie du processus de contrle et inertie du processus
de production .................................................................................................................................................................................. 172
Chapitre 8 Estimer lincertitude de mesure........................................................... 175
Prsentation de la mthode du GUM........................................................................................................ 178
Exemple conducteur ............................................................................................................................................................... 178
Modlisation du processus de mesure............................................................................................................ 179
Loi de propagation de lincertitude................................................................................................................... 181
Risque d au dveloppement limit au premier ordre........................................................... 186
Quantifier les incertitudes types u(x
i
) :
valuation de type A ou de type B........................................................................................................................... 186
Incertitude largie....................................................................................................................................................................... 190
Incertitude sur les corrections ............................................................................................................................... 191
Correction locale.......................................................................................................................................................................... 192
Correction globale...................................................................................................................................................................... 196
Chapitre 9 Maintenir la qualit mtrologique................................................. 201
Correction de la drive priodicit calendaire fixe.................................................... 204
Choix arbitraire dinitialisation de la priodicit........................................................................... 205
Principes de calcul des priodes de vrification................................................................................ 206
Choix de la priodicit par la mthode Opperet............................................................................ 207
Correction de la drive en utilisant les mthodes de la MSP......................... 212
Rappel sur la MSP...................................................................................................................................................................... 212
Application de la MSP au suivi de vrification................................................................................. 215
Conclusion........................................................................................................................................................................................................... 221
Annexes.................................................................................................................................................................................................................... 225
Bibliographie................................................................................................................................................................................................. 229
Index................................................................................................................................................................................................................................. 233
Chapitre 1

Systme dunits
Systme dunits

15


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Le besoin dtalons

Mesurer, cest faire une division. Le numrateur reprsente une grandeur
(longueur, masse) que lon veut quantifier. Le dnominateur reprsente
une certaine quantit, de mme nature physique, que lon a pu (ou que
lon a su) bien dfinir. Cest la notion mme dtalon (qui correspond
dans ce cas la grandeur unit

1

), que nous dvelopperons par la suite.
Illustrons ce concept avec un exemple didactique : mesurer un tas de
sable en nombre de brouettes.
Pour faire une mesure, il faut :


avoir une grandeur physique mesurer (ici un

volume

de sable) ;


choisir un domaine de cette grandeur comme talon de mesure
appel galement grandeur unit (attention ce nest pas la brouette
qui est ltalon, mais le volume contenu dans la brouette) ;


dnombrer la quantit retenir en prcisant le nombre (ou mesure)
dunits dfinies par la quantit talon.

Figure 1.1 : Exemple didactique de mesure

1. Les termes spcifiques la mtrologie (comme grandeur ou unit) sont dfinis dans le
VIM (

Vocabulaire international de la mtrologie

) PR NF ISO 99999 octobre 2006
(VIM), 3

e

d.
Mesure =
Quantit
mesurer
(mesurande)
talon :
volume contenu
dans la brouette
Qualit de la mesure en production

16


G
r
o
u
p
e

E
y
r
o
l
l
e
s

La mesure, en tant que rsultat de la division, sexprime par une gran-
deur scalaire (un rel qui est estim par un entier et une partie fraction-
naire).

Exemple

Pour mesurer le temps qui passe (chronomtrie), le choix de ltalon cor-
respond la priode dun mouvement oscillatoire (du pendule la
vibration dun atome). Il faut ensuite prvoir un systme de comptage.

Nous verrons par la suite que le choix de ltalon est quelque chose de
dlicat. Sa dfinition et son appropriation ne sont pas toujours videntes.
Cela a conduit une multitude dtalons concurrents pour une grandeur
physique donne. Cest pourquoi nous ferons toujours suivre le rsultat
dune mesure par le type de ltalon retenu (par exemple : 2,35 mm).
Nous voyons apparatre deux sources derreurs potentielles :


une dfinition faible de ltalon (grandeur unit) ;


un dnombrement incorrect dans le rsultat de la division.

Un peu dhistoire mtrologique

On peut retenir quatre grands domaines dapplication ncessitant une
mtrologie de qualit :


domaine commercial (sous-entendu, tre sr den avoir pour son
argent) ;


domaine architectural et cadastral (pyramides, cathdrales, palais) ;


domaine scientifique (changer et comparer ses rsultats pour valider
un modle) ;


domaine industriel (passer de lunitaire la srie, avec la possibilit
dinterchangeabilit).
Concernant le domaine scientifique, rappelons les propos de Lord Kelvin :

Si vous pouvez mesurer ce dont vous parlez, et lexprimer par un nombre,
alors vous connaissez quelque chose de votre sujet. Si vous ne le pouvez,
votre connaissance est dune bien pauvre espce et bien incertaine.
[William Thomson (1824-1907), mieux connu en tant que Lord Kelvin.]
Systme dunits

17


G
r
o
u
p
e

E
y
r
o
l
l
e
s

A contrario

, ce nest pas parce que lon a retenu un systme de mesure,
que lon connat parfaitement la grandeur mesurer (par exemple,
les tests de mesure du quotient intellectuel proposs par Binet (1857-
1911)).

Lhritage de lAntiquit

Lide de choisir

un domaine dune grandeur

[par exemple la lon-
gueur] comme talon est naturel et trs ancien (le plus souvent li la
morphologie humaine). On peut citer par exemple, les systmes
dunits et de leurs multiples et sous-multiples gyptiens, grco-
romains, arabes et chinois. Ces derniers ont trs tt utilis un systme
dcimal.

Figure 1.2 : La coude royale gyptienne

La mtrologie et le pouvoir

Pour quantifier les changes commerciaux, il fallait bien utiliser des ta-
lons de mesures (par exemple, talons de volume pour la mesure des
crales). Dans les transactions commerciales, il pouvait y avoir des
achats dans une unit et des ventes dans une autre unit plus avanta-
geuse. La lutte contre ces pratiques injustes relevait naturellement du
Palme
Paume
Coude royale gyptienne :
= 7 paumes
= 28 doigts
= 1 corde / 100
Qualit de la mesure en production

18


G
r
o
u
p
e

E
y
r
o
l
l
e
s

garant de la justice dans le pays, cest--dire le roi lui-mme. Dans la
plupart des pays, se trouvait un systme de poids et mesures plac
sous la haute autorit du roi.
En 1671, Colbert avait cherch rendre uniforme les poids et mesures
dans tous les ports et arsenaux de France

1

.
Notons que cette volont dunicit des diffrents talons intressait ga-
lement les services de collecte des taxes et des impts.

Le systme anglais

Ce systme, fond sur des multiples qui ne nous sont plus habituels, est
en fait trs ancien. Cest un des premiers exemples de normalisation
tendue tout un royaume.
Par exemple, pour les longueurs, les multiples et sous-multiples sont
construits partir du pied . Effectivement, cela correspond approxi-
mativement la longueur dun pied humain (de grande taille), mais cela
peut tre vu galement au sens dinstrument de mesure (comme pour un
pied coulisse) (tableau 1.1).

Tableau 1.1 : Systme anglais pour les longueurs (exemples)

2

.

1. Hocquet J.-C.,

La Mtrologie historique

, Paris, PUF, 1995.

Nom anglais Nom franais Ratio/pied quivalence SI

Mile

Mille 5 280/1 1 609,344000 m

Yard

Verge 3/1 0,914000 m

Foot

Pied 1 0,304800 m

Inch

Pouce 1/12 25,400 mm

Point

Point 1/144 0,176388 mm

2.

http://fr.wikipedia.org

.
Systme dunits

19


G
r
o
u
p
e

E
y
r
o
l
l
e
s

La gense du systme mtrique dcimal

En France, on trouvait un systme dunits trs proche du systme
anglais. Le problme essentiel venait de la non-uniformit (dans les pro-
vinces) de la dfinition du pied et dune base de division qui pouvait
varier (par exemple, la toise et le pied ntaient pas diviss de la mme
faon).

Le besoin dunicit de ltalon

Bien que lide dunicit ait dj t propose, son application ne
pouvait se faire que suite une volont forte, de manire vaincre les
habitudes et linertie des usagers. Cependant, le dveloppement du
commerce, de la rgion vers linternational, va tre un vecteur de redfi-
nition dun systme plus cohrent. Pour viter toutes querelles de natio-
nalisme, lide dune dfinition universelle des talons, rattachs des
constantes physiques, a germ dans lesprit de la communaut scienti-
fique.
La fin du

XVII

e

sicle voit saffronter deux coles. Lune propose de ratta-
cher ltalon larc terrestre (Gabriel Mouton, 1618-1694), lautre
dfinit ltalon comme le tiers de la longueur dun pendule battant la
seconde, appel pied universel (Jean Picard, 1620-1682).
Les deux coles coexisteront pendant prs dun sicle et donneront lieu
diffrentes expriences (cela permettra daffiner la dfinition de ltalon
souhait). Notons que la dfinition partir du pendule crait un lien
entre lunit de longueur et lunit de temps. Ce lien sera nouveau
dactualit, quelque trois cents ans plus tard.

La ncessit dune volont politique

Promouvoir un nouveau systme de mesure ne doit pas uniquement
tre une affaire de spcialistes. Cette promotion doit tre soutenue par
une volont politique forte de changement et des moyens financiers
associs. Ds 1774, Turgot charge Condorcet (nomm inspecteur des
Monnaies) de rflchir au choix dun talon et de son usage dans le
royaume partir de copies (on ne parle pas encore de chane dtalon-
nage, mais le concept est n).
Qualit de la mesure en production

20


G
r
o
u
p
e

E
y
r
o
l
l
e
s

La Rvolution franaise, et sa soif de changement, sera un catalyseur
pour promouvoir ce nouveau systme. Luniformisation des poids et
mesures devient un enjeu national.
LAcadmie des sciences est charge de dfinir le nouvel talon de lon-
gueur. La dfinition de ltalon laide dun pendule ou partir dun arc
du mridien terrestre sera lobjet de controverses importantes. Cest la
seconde proposition qui lemportera. En effet, en 1791, lAssemble
nationale accepte les termes du rapport de la commission compose de
Borda, Lagrange, Laplace, Monge et Condorcet. La longueur du pen-
dule battant la seconde est rejete au profit de la dix-millionime partie
du quart du mridien terrestre.

De la dfinition la matrialisation du mtre

Il y avait dj eu diffrentes mesures darcs de mridien terrestre par
triangulation. Il a t dcid de mesurer par triangulation larc de mri-
dien entre Dunkerque et Barcelone, deux villes situes 45 degrs de
latitude environ. Le choix des villes donnait une dimension internatio-
nale cette opration.
LAssemble nationale, en juin 1792, va charger deux astronomes, Jean-
Baptiste Delambre pour la partie nord et Pierre Mchain pour la partie
sud, de faire ces mesures. Dans le contexte historique difficile de
lpoque, ce fut une vritable pope

1

.
Le 22 juin 1799, ltalon mtre est consacr. Pour des raisons pure-
ment pratiques, le mtre sera matrialis ensuite par une rgle de platine.

La Confrence gnrale des poids et mesures

Le systme mtrique dcimal du 22 juin 1799 reprsentant le mtre et
le kilogramme mettra quelques annes simposer. Prsent lors des
expositions internationales, sa diffusion sera rapide au sein de la com-
munaut scientifique mondiale (citons en particulier Gauss, Weber,
Maxwell et Thomson).

1. Pour en savoir plus, lire

La Mridienne

et

Le Mtre du monde

de Denis Guedj.
Systme dunits

21


G
r
o
u
p
e

E
y
r
o
l
l
e
s

De ces diffrentes rencontres et associations internationales de scientifi-
ques, naquit le Bureau international des poids et mesures (1876) qui tra-
vaille sous lautorit de la Confrence gnrale des poids et mesures

1

(CGPM), rassemblant des dlgus des tats membres de la Convention
du mtre et des tats associs la CGPM, et qui se runit Paris tous les
quatre ans.
En 1889, la premire CGPM adopte un nouvel talon du mtre, copie
de lancien, mais de forme et dalliage plus robustes aux influences (de
mme pour le kilogramme). Il reprsente le mtre la

temprature de la
glace fondante

. Un nouvel talon va tre adopt pour le temps : la
seconde. Ces trois units de base vont former le systme MKS.
En 1901, Giorgi proposera dajouter une unit lectrique ce systme.
Cela donnera le systme MKSA adopt en 1946.
En 1960 (onzime CGPM), ce systme sera complt par lintroduction
du kelvin et de la candela et prendra le nom de Systme international
dunits (SI). La CGPM propose galement une nouvelle dfinition du
mtre (en accord avec lancienne) :

Le mtre est la longueur gale 1 650 763, 73 longueurs donde dans le
vide de la radiation correspondant la transition entre les niveaux 2p10 et
5d5 de latome de krypton 86.

La dfinition renoue avec la volont de ses crateurs, cest--dire essayer
de le lier des constantes physiques.
En 1967, la treizime CGPM rattache la seconde au monde de latome :

La seconde est la dure de 9 192 631 770 priodes de la radiation corres-
pondant la transition entre les deux niveaux hyperfins de ltat fonda-
mental de latome de csium 133.

En 1971, la quatorzime CGPM lui ajoutera la mole.
En 1983, la dix-septime CGPM propose une autre dfinition du mtre :

Le mtre est la longueur du trajet parcouru dans le vide par la lumire
pendant une dure de 1/299 792 458 de seconde.

Le mtre et la seconde sont lis, nous retrouvons lesprit du pied uni-
versel dfini partir du pendule battant la seconde.

1.

http://www.bipm.org/fr/convention/cgpm/

.
Qualit de la mesure en production

22


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Dune manire gnrale, en fonction des connaissances physiques du
moment, on cherchera rattacher les units fondamentales des phno-
mnes physiques

1

supposs invariants. Seule lunit de masse (pour
linstant) reste fidle sa premire dfinition.
Nous navons dcrit que quelques rsolutions des diffrentes conf-
rences gnrales des poids et mesures. Pour plus dinformations, le lec-
teur pourra se reporter au site du Bureau International des Poids et
Mesures (BIPM)

2

.

Le systme international dunits : SI

3

3

Il est divis en units SI de base et en units SI drives. Choisir les
units de base juste ncessaires et indpendantes fait appel des connais-
sances physiques de haut niveau et qui dpendent donc de lpoque o
elles ont t dfinies, hritage de lhistoire, avec ses habitudes et son
inertie face aux changements. Les sept units de bases seront considres
comme indpendantes et uniques. Le choix a forcment une part darbi-
traire, comme lillustre la figure 1.3.

Figure 1.3 : Choisir ses units de base

1.

http://www.bipm.fr/fr/si/si_constants.html

.
2.

http://www.bipm.org/fr/publications/resolutions.html

.
3. Pour plus de dtails, le lecteur est invit tlcharger la notice Le systme interna-
tional dunits BIPM sur le site :

http://www.bipm.org/fr/si/si_brochure/general.html

.
S
y
s
t

m
e

1
S
y
s
t

m
e

2
Units de base
Longueur
Temps
Units drives
Vitesse
Exemple : m/s
Vitesse
Temps
Longueur
Exemple : 2 heures
(sous-entendu : de marche)
Systme dunits

23


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Units SI de base

Elles sont au nombre de sept. Leur mise en uvre pratique est dfinie
sur le site Web du BIPM ladresse :

http://www.bipm.org/fr/si/si_brochure/
appendix2/.
Tableau 1.2 : Units SI de base
m Le mtre (unit de longueur)
Le mtre est la longueur du trajet parcouru dans le vide par la lumire pendant une dure
de 1/299 792 458 de seconde.
kg Le kilogramme (unit de masse)
Le kilogramme est lunit de masse ; il est gal la masse du prototype international du kilo-
gramme.
s La seconde (unit de temps)
La seconde est la dure de 9 192 631 770 priodes de la radiation correspondant
la transition entre les deux niveaux hyperfins de ltat fondamental de latome
de csium 133.
A Lampre (unit de courant lectrique)
Lampre est lintensit dun courant constant qui, maintenu dans deux conducteurs parallles,
rectilignes, de longueur infinie, de section circulaire ngligeable et placs une distance
de 1 mtre lun de lautre dans le vide, produirait entre ces conducteurs une force gale
2 10 7 newton par mtre de longueur.
K Le kelvin (unit de temprature thermodynamique)
Le kelvin est la fraction 1/273,16 de la temprature thermodynamique du point triple de
leau.
mol La mole (unit de quantit de matire)
1. La mole est la quantit de matire dun systme contenant autant dentits lmentaires
quil y a datomes dans 0,012 kilogramme de carbone 12.
2. Lorsquon emploie la mole, les entits lmentaires doivent tre spcifies et peuvent tre
des atomes, des molcules, des ions, des lectrons, dautres particules ou des groupements
spcifis de telles particules.
cd La candela (unit dintensit lumineuse)
La candela est lintensit lumineuse, dans une direction donne, dune source qui met
un rayonnement monochromatique de frquence 540 1 012 hertz et dont lintensit
nergtique dans cette direction est 1/683 watt par stradian.
Qualit de la mesure en production
24


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Units SI drives
11
De nombre illimit, elles sont le plus souvent dfinies partir des units
de base (par exemple, la vitesse exprime en m/s). Vingt-deux dentre
elles ont reu un nom propre, le plus souvent correspondant au nom
dun scientifique illustre (par exemple, la force exprime en newtons).
Notons que deux units sans dimension (correspondant un rapport de
mme grandeur, comme pour un pourcentage) ont un nom propre,
savoir le radian (angle plan) et le stradian (angle solide).
Prfixes des multiples et sous-multiples
La onzime CGPM (1960) a dfini des prfixes pour les multiples et
sous-multiples des diverses units. Au-dessus du kilo et au-dessous du
milli, on retrouve une base en 10
3
(fig. 1.4).
Figure 1.4 : Choix des multiples et sous-multiples
Le kilogramme en tant quunit de base devrait avoir un nom propre
(comme par exemple, la proposition historique du grave , qui a laiss
la place au gramme pour revenir au kilogramme ). En cons-
quence, on crira un mg et non un kg. Il faut faire attention de ne pas
1. http://www.bipm.org/fr/si/si_brochure/chapter2/2-2/table3.html.
yotta zetta exa pta tra giga mga kilo hecto dci centi milli micro nano pico femto atto zepto yocto dca
Y Z E P T G M k h da d c m n p f a z y
24
21
18
15
12
9
6
3
2
1
0
1 2
3
6
9
12
15
18
21
24
Prfixes SI
Nom & symbole
P
u
i
s
s
a
n
c
e

d
e

1
0
Systme dunits
25


G
r
o
u
p
e

E
y
r
o
l
l
e
s
confondre les prfixes avec les units. Ainsi un mN correspond un
milli newton et non pas un couple, qui sexprimera, pour viter toute
confusion, en Nm .
Principales rgles dcriture
Les symboles dunits sont en minuscules sauf si elles drivent dun
nom propre (par exemple, 1 A).
Le prfixe est sans sparateur (par exemple, 1 m).
Lorsque lunit est crite compltement, elle doit tre en minuscule
comme un nom ordinaire (par exemple, 2 ampres).
Remarque : le litre peut scrire l ou L pour viter toute confusion avec
le chiffre 1 (CGPM, 1979). Il ny a jamais eu de Monsieur Litre
1
.
1
Units hors du SI
Par habitude, certaines anciennes units rsistent. Il est difficile de
sapproprier une nouvelle unit. Par exemple le radian, dans le langage
courant, a du mal simposer devant le degr. En revanche, la minute
dangle commence laisser le pas au 1/10
e
et au 1/100
e
de degr (calcu-
latrice oblige). La mesure du temps utilise toujours une base non dci-
male (heure, minute, seconde). Dautres units comme lhectare, le litre,
la tonne sont toujours utilises.
Les units prcites ont un usage accept par le SI.
Il existe un grand nombre dunits en dehors du systme SI. Certaines
sont tolres pour des raisons de commodit dusage, dautres par contre
ne sont pas recommandes et devraient donc disparatre progressive-
ment (par exemple, le cheval remplac par une expression en watts)
2
.
1. http://www.student.math.uwaterloo.ca/~stat231/stat231_01_02/w02/section3/fi1.2.pdf.
2. http://www.bipm.org/fr/si/si_brochure/chapter4/4-2.html.
Chapitre 2
Principes de mesure
et terminologie
Principes de mesure et terminologie
29


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Dans ce chapitre nous essayerons de classer les appareils de mesure sui-
vant deux approches :
la premire sera base sur la ralisation physique de lappareil
(mthode directe et mthode indirecte). Nous nous limiterons aux
principes de base. Pour une approche plus technologique, le lec-
teur est renvoy aux ouvrages spcialiss portant sur linstrumentalisa-
tion ;
la seconde prcisera si lutilisation dtalons annexes est ncessaire
(mthode par comparaison ou lecture autonome).
Comme pour toutes disciplines, le mtrologue doit utiliser un langage
de communication si possible exempt de toute ambigut. Pour cela un
minimum de normalisation est ncessaire. Nous dtaillerons quelques
termes utiliss dans ce chapitre en nous rfrant au Vocabulaire interna-
tional des termes fondamentaux et gnraux de la mtrologie
1
. Ce docu-
ment de synthse est lmanation de sept organisations mondiales
(BIPM, CEI, FICC, ISO, OIML, UICPA, UIPPA).
De la valeur dentre (grandeur relle ou mesurande) la valeur de sortie
(mesure), transitent des donnes intermdiaires qui peuvent prendre
diffrentes formes physiques. Nous recenserons les lments qui peu-
vent intervenir dans cette chane de mesures .
Principe physique de mesure
Mthode directe
Cest la mthode la plus ancienne et la plus naturelle. Par exemple, si
nous mesurons la longueur dun objet avec un double dcimtre, nous
obtenons directement une mesure de lobjet. Il ny a pas de transforma-
tion physique de lentre (dplacement).
1. Les termes spcifiques la mtrologie sont dfinis dans le VIM (Vocabulaire international
de la mtrologie) Projet de norme AFNOR X07-001PR (PR NF ISO 99999
octobre 2006).
Qualit de la mesure en production
30


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Exemples de mesures directes
Mesure partir dune rgle (en mtal grav, en verre avec dpt).
Mesure de masse (balance type Roberval ).
Mesure de volumes (pipette gradue).
etc.
Mthode indirecte
Cest la mthode la plus rpandue dans les appareils de mesure actuels.
La grandeur dentre (mesurande) est transforme en une succession de
grandeurs intermdiaires de nature physique diffrente jusqu la gran-
deur finale de sortie qui sera quantifie (mesure).
Plus particulirement, cela permet de passer des grandeurs de type
lectrique qui facilitent le transfert vers un traitement informatique.
Exemples de mesures indirectes pour les longueurs
Le dplacement (entre) pourra tre transform par exemple :
en rotation (micromtre
1
) : bien que lutilisateur ait limpression de
lire directement un dplacement, il compte en ralit un nombre de
tours et en dduit indirectement le dplacement du fait du pas de la
vis micromtrique (fig. 2.1) ;
Figure 2.1 : Entre-Sortie du micromtre
en grandeurs lectriques (capteurs inductifs, capteurs capacitifs,
variations de rsistances lectriques) ;
1. Connu galement sous le nom de son inventeur Jean-Louis Palmer (1848).
Entre
Sortie
Micromtre dtendue
0-25 mm
Principes de mesure et terminologie
31


G
r
o
u
p
e

E
y
r
o
l
l
e
s
en ondes sonores (par exemple la conformit dimensionnelle dune
pale de turbine sera donne suite lanalyse du spectre du son pro-
voqu par sa vibration) ;
en variations de pression (analyse des pressions des fuites dair, fonc-
tion du jeu entre lappareil et la pice mesurer) ;
etc.
Certaines mesures de grandeurs ncessitent une mthode indirecte
comme par exemple :
la mesure des forces (dynamomtre de type peson , jauge de con-
traintes, anneau de dformation avec mesure de pression dair, cap-
teur pizolectrique) ;
la mesure des tempratures (dilatation de liquide, solide ou gaz,
variation de rsistance lectrique, thermocouple, effet photovol-
taque, rayonnement).
Mthode directe globale avec lecture indirecte locale
En mtrologie dimensionnelle, la lecture directe par rgle est trs
employe. Il suffit de compter directement un nombre de pas. Il reste le
problme de mesurer une fraction de pas. Cette fraction peut tre
mesure directement par des moyens de grossissement (type micros-
cope) ou en utilisant une lecture par amplification gomtrique de type
vernier
1
(fig. 2.2) ou franges de Moir.
Figure 2.2 : Exemple dune lecture (30,80 mm) avec vernier au 1/50
e
1. Invent par le gomtre franais Pierre Vernier (1580-1637).
Qualit de la mesure en production
32


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Lors de lutilisation de rgles optiques, on peut compter le nombre de
pas (rseau de traits distants de 0,25 10 m environ, correspondant
des couches de mtal sur un support en verre ou en cramique) et dter-
miner la fraction de pas complmentaire par analyse du signal lectrique
correspondant.
talons externes ou internes
Mesure par comparaison (talons externes)
Cest le type mme de lappareil utilis en grande srie. En effet, dans ce
cas particulier, lappareil sera utilis toujours pour la mme tche. On
lui demandera de permettre lestimation dcarts par rapport une pice
suppose connue (talon de travail), sensiblement de mme dimension
(voisinage de mesure). Ltalon de travail peut tre une pice particulire
de la production que lon a retenue et promue au rang dtalon aprs
lavoir mesure finement, ou une pice de forme gomtrique plus
simple (cales-talons, cylindres talons).
En ralit, lappareil a de fait un talon embarqu (interne), mais il est
de faible tendue. Il doit simplement permettre de couvrir ltendue des
carts par rapport ltalon de travail. Ces appareils sont souvent
appels comparateurs . Par exemple, dans un comparateur mca-
nique dtendue de mesure denviron 10 mm, la crmaillre taille dans
la tige joue ce rle dtalon interne.
Principes de mesure et terminologie
33


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 2.3 : Exemple de mesure de la longueur dune pice
avec un comparateur mcanique et une cale-talon
Dans lexemple de la figure 2.3, lincertitude sur le rsultat de la mesure
va dpendre entre autres de la qualit de la cale-talon et du compara-
teur.
Mesure autonome (talons internes)
Dans ce cas de mesure, lappareil devra fournir un rsultat seul. Cela
ncessite un systme dtalons propres, embarqu dans la structure de
lappareil. Ce systme doit permettre de couvrir ltendue de mesure
dutilisation de lappareil.
Exemples
Pied coulisse (rgle grave).
Micromtre (vis micromtrique).
Machine mesurer tridimensionnelle (rgle optique).
0,1
talon
50
Pice
Qualit de la mesure en production
34


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Terminologie
Nous prciserons simplement quelques termes utiliss rgulirement
dans cet ouvrage. Pour la dfinition normalise des diffrents termes, le
lecteur est renvoy au Vocabulaire international des termes fondamentaux
et gnraux de la mtrologie
1
.
Mesurande : valeur vraie de la grandeur mesurer (par dfinition
cette valeur ne sera jamais exactement connue).
Mesure : valeur estime du mesurande suite un mesurage.
Mesurage : activits permettant dobtenir une mesure.
talon : entit physique cense reprsenter en un lieu donn, le
mieux possible, une fraction de lunit de base. Au niveau de lentre-
prise, on distinguera :
les talons de rfrence : matrialisant la plus haute qualit
mtrologique de lentreprise (gnralement situs en mtrologie
centrale),
les talons de travail : utiliss pour talonner ou vrifier les appa-
reils utiliss sur les sites de production. Ils sont eux-mmes ta-
lonns par rapport aux talons de rfrence (ou aux talons de
transfert quand il y a plusieurs niveaux dtalons).
Intervalle de mesure : correspond lensemble des valeurs que peut
prendre la grandeur mesurer. Par exemple, pour un thermomtre
[ 20 C, + 80 C], cela donne une tendue de mesure de 100 C.
Rptabilit : si la mesure est rpte plusieurs fois par le mme op-
rateur, dans les mmes conditions (mme appareil et mme labora-
toire), dans un laps de temps court, lestimation de la variance
partir des rsultats permet de quantifier ce concept de rptabilit.
Justesse : la justesse dune mthode de mesure est estime par la dif-
frence entre une valeur vraie de la grandeur mesure et la moyenne
des diffrents rsultats de mesure, elle est exprime en termes de
biais.
1. VIM (Vocabulaire international de la mtrologie) Projet de norme AFNOR X07-001PR
(PR NF ISO 99999 octobre 2006).
Principes de mesure et terminologie
35


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Sensibilit : la mesure S (sortie) est fonction du mesurande E
(entre). Soit S f (E) la fonction correspondante. La sensibilit sera
gale la drive de cette fonction : s . Si s est une constante,
lappareil aura un comportement linaire.
Chane de mesure : suite des lments de lappareil conduisant le
signal de mesure de lentre (capteur) jusqu la sortie (communica-
tion avec lutilisateur).
Rsolution : la plus petite diffrence dindication dun dispositif affi-
cheur qui peut tre perue de manire significative (VIM). La rsolu-
tion est un indicateur de qualit de lappareil, mais il ne faut pas se
focaliser uniquement sur cet aspect et regarder le rapport rsolution/
tendue (pouvoir de rsolution). Nous obtenons par exemple :
pied coulisse : ,
micromtre : ,
comparateur mcanique (course 10 mm) : .
Notions de chane de mesure
Lappareil peut trs bien tre utilis sans que lon sache comment est
trait le signal de mesure. On ne soccupe alors que de la fonction de
transfert entre lentre et la sortie (fig. 2.4).
Figure 2.4 : Lappareil de mesure considr
comme une bote noire
dS
dE
-----
0,02
150
---------
1,3 10
4


=
0,01
25
---------
4 10
4


=
0,01
10
---------
1 10
3


=
Fonction
de transfert
Grandeur dentre Grandeur de sortie
Rsultat de mesure Mesurande

Qualit de la mesure en production

36


G
r
o
u
p
e

E
y
r
o
l
l
e
s

La mesure nest quune interprtation subjective de la ralit (mesu-
rande). Pour tre conscient de cette subjectivit (et ventuellement tre
capable desprit critique), il est souhaitable davoir une vue de
lensemble des composants de la chane de mesure. Cette dernire peut
tre illustre par les composants suivants (fig. 2.5).

Figure 2.5 : Exemples dlments dune chane de mesure

Capteur

Cest llment clef de la chane de mesure qui donne le signal de base.
Les variations du mesurande doivent tre captes de manire signifi-
cative afin dtre interprtes par la suite. Cette saisie dinformations
ne peut se faire souvent quavec un apport dnergie extrieure (

nergie
dactivation

). Par exemple, avec un pied coulisse, il faut exercer une
pression au niveau des becs pour garantir une bonne saisie. Cet apport
dnergie est ncessaire, mais peut galement tre nfaste en perturbant
le mesurande que lon veut quantifier (chapitre 4).

Mesurande
nergie dactivation
Source dnergie
extrieure
Capteur
Amplificateur
Mesure
Filtrage
Convertisseur A/N
Analyse et agrgation des donnes de base
Affichage/mmorisation

Principes de mesure et terminologie

37


G
r
o
u
p
e

E
y
r
o
l
l
e
s

La conversion physique de la nature du signal commence souvent au
niveau du capteur, par exemple convertir une grandeur mcanique en
une grandeur lectrique (fig. 2.6).

Figure 2.6 : Capteur LVDT
(

Linear Variable Differential Transformer

)

Amplificateur dinstrumentation

Le niveau nergtique dans lenvironnement du capteur est souvent trs
faible et fortement influenc par les perturbations. Pour pouvoir com-
muniquer avec lutilisateur (enregistrement graphique, indicateur),
cela ncessite un seuil nergtique minimal. Lamplificateur doit fournir
un nouveau signal le plus fidle possible loriginal. Ce gain dnergie
est souvent obtenu laide du rseau lectrique ou pneumatique dispo-
nible dans lentreprise.

Traitement du signal de mesure

Nous nous limiterons dans ce chapitre indiquer deux modes de
traitement : le filtrage et la conversion analogique/numrique. Pour plus
de dtails, le lecteur est convi se reporter des ouvrages spcialiss.
Lanalyse et le traitement mathmatique des donnes seront repris dans
les chapitres suivants.
Primaire
Tension V
Secondaire 1
Tension V1
Noyau mobile
(capteur de dplacement)
Secondaire 2
Tension V2

Qualit de la mesure en production

38


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Filtrage

Le filtrage est ncessaire lorsque le signal de mesure fourni est trop riche.
Ce surplus dinformation peut tre vu comme une pollution vis--vis de
lobjectif recherch. Il sera alors ncessaire de trier linformation fournie.
Parfois, cest linverse qui se produit, des informations utiles sont igno-
res par le capteur qui ne les peroit pas.
La mesure de la rugosit illustre bien cet aspect. La surface relle palpe
comporte des dfauts de forme (premier ordre), des dfauts dondula-
tion (deuxime ordre), des dfauts de rugosit (troisime ordre) et pour
finir, des dfauts dordre suprieur (arrachements par exemple). La tech-
nologie employe va engendrer de fait un filtrage. Par exemple, un pal-
page mcanique est tributaire de la forme du palpeur (rayon de pointe)
et du type dexploration de la surface (palpage avec ou sans patin). En
fonction du critre que lon veut mesurer (rugosit par exemple), cela
ncessitera de choisir le filtre le plus adapt (par exemple : emploi dun
filtre gaussien surfacique ISO 16610-61) (fig. 2.7).
Figure 2.7 : Exemple de reprsentation de rugosit
Convertisseur analogique numrique
Le plus souvent le capteur traduit le signal dentre physique (dplace-
ment, pression, temprature) en un signal lectrique de faible puis-
sance sous forme analogique (signal continu). Pour des raisons
daffichage, de stockage dinformation, de traitement par un calculateur
il sera ncessaire de transformer cette grandeur analogique en une gran-
deur numrique laide dun codage (par exemple, code binaire naturel,
code de GRAY, code DCB) (fig. 2.8).
m
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
mm
2
4
6
8
10
12
14
Principes de mesure et terminologie
39


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 2.8 : Exemple de conversion analogique/numrique
Affichage mmorisation de la mesure
Lappareil de mesure peut communiquer avec lutilisateur sous diff-
rentes formes.
La mesure est du type grandeur scalaire : un affichage aiguille ou
numrique est suffisant.
La mesure est multi-composantes :
affichage plusieurs cadrans (type multi-cotes),
affichage sous forme de graphe (diagramme de circularit sous
forme de coordonnes polaires, rugosit),
affichage sous forme de zones (relev de temprature par thermo-
graphie),
criture sous forme de fichier (fichier de points sur machine
mesurer tridimensionnelle) avec traitement informatique associ.
Les enregistrements (physiques ou informatiques) permettent de conserver
une mmoire de cette information et de permettre un traitement ult-
rieur.
Sortie
(numrique)
0000
0001
0010
0011
0100
0101
0110
0111
1000
1001
1010
1011
1100
1101
1110
1111
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75
Entre (analogique)
Chapitre 3
Gestion des moyens
de mesure
43


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Les entreprises utilisent beaucoup dappareils pour garantir la confor-
mit de leurs produits et pour valuer la performance de leurs processus
(conception et production). Pour cela, il faut avoir confiance dans les
mesures obtenues. Les rfrentiels de systmes qualit, de type ISO
9001, exigent que les appareils soient vrifis rgulirement pour pou-
voir assurer cette qualit de mesure. Cela demandera une gestion admi-
nistrative et technique du parc dappareils de contrle.
La mise en uvre de la gestion et de la matrise des moyens de mesure,
doit saccompagner dune rflexion plus globale de la fonction
mtrologie , portant sur la stratgie de suivi (gestion externe ou
interne) et, dune manire plus gnrale, sur limportance dune culture
mtrologique dans lentreprise.
Situer sa fonction mtrologie
Pour cette rflexion, il est souhaitable de rpondre aux questions sui-
vantes.
Est-ce que la qualit requise est bien spcifie par mon client ?
Des disparits trs fortes peuvent se rencontrer. On trouve des secteurs
industriels o le produit est dfini avec une grande rigueur. Par
exemple, dans le secteur automobile o lon peut avoir plusieurs four-
nisseurs (de langue et de culture diffrentes) pour un mme produit,
cela ncessite de prciser les variations de qualit acceptables en utilisant
le mieux possible les normes internationales. Dans les entreprises de
taille moyenne, o les tudes et la production cohabitent, il y a risque
dutiliser un langage de dfinition interne, pseudo-normalis, engen-
drant des ambiguts. Enfin lextrme, il reste des secteurs o la des-
cription de la qualit relve du bon usage. Ce dernier cas est dangereux,
car il engendre une subjectivit de dcision de conformit, source dune
variabilit importante.
Qualit de la mesure en production
44


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Est-ce que je comprends les exigences de mon client ?
Cela sous-entend que lon parle le mme langage et que celui-ci est suffi-
samment riche pour tre le plus explicite possible. En toute rigueur, une
dfinition de domaine de conformit ne devrait pas conduire deux
interprtations diffrentes. Par exemple, la lecture des spcifications
gomtriques du produit
1
ncessite de bien connatre la normalisation
se rapportant ce sujet. Lexigence vrifier doit conduire au choix dun
appareillage de mesure appropri. Dans lexemple suivant, la mesure
dune cale prsentant deux dfauts angulaires
1
et

2
, ne donnera pas le
mme rsultat suivant la technique de mesure utilise. La dcision de
conformit exige de bien savoir ce que lon veut rellement mesurer et
ne pas se contenter de prendre lappareil disponible (fig. 3.1).
Figure 3.1 : Extraction de longueur avec machine mesurer monodimensionnelle
et colonne de mesure
Quels moyens de mesure retenir et qui sera charg de faire ces mesures (dispo-
nibilits, comptences) ?
La mesure napporte pas de valeur ajoute physique au produit. court
terme, cela peut tre peru comme un investissement non prioritaire
1. NF EN ISO 14253-1 mars 1999, Spcification gomtrique du produit (GPS) Vri-
fication par la mesure des pices et quipements de mesure Partie 1 : Rgles de dci-
sion pour prouver la conformit ou la non-conformit la spcification.
L
1
L
2

2
Gestion des moyens de mesure
45


G
r
o
u
p
e

E
y
r
o
l
l
e
s
(souvent lev) par rapport des ressources de production. Cest un peu
comme une assurance, linvestissement en ressources humaines et mat-
rielles doit tre mis en regard avec le risque de dtection de produit non
conforme chez le client. Cest un investissement rentable long terme,
cependant il faut viter toute surenchre. Parfois, cest le client, du fait
de son poids conomique, qui exigera tel ou tel moyen de contrle.
Dans le cas de transactions concernant les domaines du commerce, de la
sant, de la scurit et de lenvironnement, les autorits publiques exi-
gent une garantie de la qualit de la mesure, on parlera alors de mtro-
logie lgale
1
.
Bien rpondre cette question est une source dconomie importante.
Comment sassurer de la performance requise pour ces appareils, dans leur
contexte de mesure ?
Il sagit de valider un processus de mesure. La performance du moyen
sera tributaire des composantes humaine et technique et perturbe par
les influences du milieu dans lequel la mesure se ralise. Le rsultat de
mesure nest quune image de la ralit. Pour que les dcisions dcoulant
de cette mesure soient fondes, il faut avoir une perception de la robus-
tesse de cette dernire.
Comment vrifier quils ne se dgradent pas dans le temps ?
Comme dans tout processus, des drives en fonction du temps risquent
dapparatre. Il sera ncessaire de dfinir une frquence de surveillance
pour garantir que la performance de lquipement ne sest pas dgrade.
Commet grer cette information ?
ces questions techniques, il faut rajouter la partie administrative rela-
tive la matrise des enregistrements pour prouver que ces vrifications
ont bien eu lieu et ont t ralises par un personnel comptent et accr-
dit.
Tout cela dans un environnement conomique souvent difficile. Il faut
le juste ncessaire pour viter toute surqualit.
1. Organisation internationale de la mtrologie lgale (OIML : www.oiml.org).
Qualit de la mesure en production
46


G
r
o
u
p
e

E
y
r
o
l
l
e
s
La confiance dans la mesure
La qualit de la mesure est dfinie par une approche de type 5M (cette
analyse sera reprise en dtail au chapitre suivant) (fig. 3.2).
Figure 3.2 : Exemple de dmarche 5M pour une mesure de rugosit
Le MSA
1
retient une arborescence lgrement diffrente, mmorise
laide de lacronyme : SWIPE (Standard, Work Piece, Instrument,
Person/Procedure, Environment).
Linstrument
Par instrument, il faut comprendre lappareil, les quipements et les
montages associs ainsi que les talons utiliss.
Toutes les entreprises nont pas le besoin (ni les moyens) dtre au
niveau de la dfinition du mtre talon. Une copie de bonne qualit
dun sous-multiple, sous une forme physique plus accessible (bote de
cales par exemple), est suffisante, sous rserve quelle soit garantie par un
organisme mandat.
Lentreprise doit sassurer que la matrise de la mesure est dcline
jusque sur les sites de production. Chaque site na pas forcment besoin
1. Measurement Systems Analysis : manuel dvelopp sous la responsabilit de Daimler Chrysler
Corporation, Ford Motor Company et General Motors Corporation (www.carwin.co.uk/qs).
Mthodes Milieu Main-duvre
Machine
(instrument)
Matire
Choix
du filtre
Vibrations
du sol
Absence
formation
Palpeur
Zone
de palpage
Mesure
Gestion des moyens de mesure
47


G
r
o
u
p
e

E
y
r
o
l
l
e
s
des mmes performances mtrologiques. Il suffit quelles soient en ad-
quation avec la qualit requise par la dfinition du produit (sauf si
lentreprise possde lappareil et dsire tout simplement le rentabiliser).
Pour cela on utilise des appareils spcifiques ou standard qui devront,
une frquence donne, tre compars aux talons de rfrence (cest la
plus haute qualit mtrologique existante dans lentreprise). Si la qualit
mtrologique exige au niveau de lappareil de mesure en production
nest pas trs grande, on peut se contenter de le tester laide dtalons
intermdiaires, sous rserve quils soient vrifis par rapport aux talons
de rfrence. Ces talons sont appels talons de travail . On utilise
parfois des talons de transfert comme maillon secondaire dans la
comparaison avec les talons de rfrence. La gestion et la mise en place
de ces tests et comparaisons constituent une chane de mesure interne
(fig. 3.3).
Exemple
Imaginons une grande entreprise, implante sur plusieurs sites. Elle pos-
sde une mtrologie centrale au service des autres sites, une mtrologie
gnrale et des mtrologies datelier dans chaque site respectif
(fig. 3.3). Le raccordement aux talons nationaux sera dvelopp au
paragraphe suivant (chane nationale dtalonnage).
Figure 3.3 : Notion de chane dtalonnage interne





ENTREPRISE
Mtrologie centrale
talon de rfrence
Site de production A
Site de production B
talon de transfert A
Mtrologie datelier
talon de travail
Appareils de mesure
talon de transfert B
Mtrologie datelier
talon de travail
Appareils de mesure
talons
nationaux
Qualit de la mesure en production
48


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Toutes les entreprises nont pas les moyens techniques et financiers pour
mettre en place une chane de mesure aussi consquente. Elles peuvent
faire vrifier (ou talonner) tout ou partie de leurs appareils de mesure
par un fournisseur de prestations mtrologiques apportant les garanties
ncessaires de liaison aux talons nationaux. Rappelons le paragraphe a
du chapitre 7.6 Matrise des dispositifs de surveillance de mesure de
la norme ISO 9001
1
:
[] Lorsquil est ncessaire dassurer des rsultats valables, les quipe-
ments de mesure doivent tre :
a) talonns ou vrifis intervalles spcifis ou avant leur utilisation, par
rapport des talons de mesure relis des talons de mesure internatio-
naux ou nationaux (lorsque ces talons nexistent pas, la rfrence utilise
pour ltalonnage doit faire lobjet dun enregistrement) ;
[]
Le milieu
Avec linstrument, cest le second facteur qui vient spontanment
lesprit, lorsque lon rencontre des problmes de qualit de mesure. En
particulier, en cas de problmes de mtrologie dimensionnelle,
linfluence de la temprature est souvent perue comme la cause
majeure, alors que la contribution des autres M est peut-tre plus
importante et nettement moins coteuse corriger.
Linfluence du temps peut engendrer une augmentation de la dispersion
des mesures, mais galement une drive (fig. 3.4). Elle est galement
appele constance ou stabilit.
1. Reproduction faite avec lautorisation dAFNOR.
Gestion des moyens de mesure
49


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 3.4 : Influence du temps (constance)
La main-duvre et la mthode
Ces deux M nous semblent insparables. En plus de laptitude phy-
sique (dextrit, sens exprimental), une formation scientifique et tech-
nique est ncessaire pour faire des mesures de qualit. Elle sappuie sur
des connaissances technologiques et normatives. En effet, si lon est
cens valider une conformit, cela va de soi que lon comprend ce que
demande le client (par exemple avec lemploi des normes GPS).
Lauto-matrise dans un processus de production impose de normaliser
le sous-processus de mesure (appel galement protocole de mesure).
Dans bien des secteurs, souvent avec une main-duvre trs comp-
tente, ce point est nglig, car cela semble faire offense aux oprateurs.
Pourtant suite des tudes GRR (chapitre 7), on constate que des diff-
rences de comportement mineures, a priori sans influence, engendrent
une variabilit de mesure forte. Do limportance de la communication
entre les diffrents oprateurs sur les mthodes de mesure retenues (ru-
nions, supports visuels, instructions).
Cible
Temps
Qualit de la mesure en production
50


G
r
o
u
p
e

E
y
r
o
l
l
e
s
La matire (pice)
Lincidence de la pice peut provenir de :
ses qualits physiques (par exemple de la souplesse du matriau) ;
de linteraction oprateur-matire . Par exemple, un oprateur
recherchera systmatiquement le diamtre maximum pour une pice
ovalise, et ceci de faon intuitive ;
de sa dfinition de conformit lorsque des caractristiques sont lies.
Il est dangereux de chercher quantifier sparment linfluence de
chaque M . Une dmarche type Analyse de la variance peut tre
retenue pour voir sil y a des interactions (chapitre 6).
Chane nationale dtalonnage
La traabilit des raccordements, fruit de deux organismes, permet :
de retrouver les enregistrements dtalonnage diffrents niveaux, de
lentreprise au niveau national, cest la garantie du COFRAC ;
de garantir le lien physique avec les talons nationaux, cest le rle du
LNE.
Le Comit franais daccrditation (COFRAC
1
)
1
Le rle du COFRAC est daccrditer les organismes dlivrant des certifi-
cations. Laccrditation dun laboratoire est la reconnaissance dune cer-
taine comptence dans un domaine prcis (par exemple, vrification des
tampons filets de diamtre 5 mm 20 mm) et lassurance de la pren-
nit de cette comptence par un organisme faisant lui-mme autorit en
la matire (par exemple, systme de management de la qualit suivant le
rfrentiel NF EN ISO/CEI 17025 : septembre 2005
2
pour le labora-
toire accrdit).
1. http://www.cofrac.fr.
2. NF EN ISO/CEI 17025 septembre 2005, Exigences gnrales concernant la comp-
tence des laboratoires dtalonnages et dessais.
Gestion des moyens de mesure
51


G
r
o
u
p
e

E
y
r
o
l
l
e
s
En simplifiant, on peut dire que laccrditation COFRAC apporte la
garantie que les laboratoires retenus (possdant cette accrditation) sont
fournisseurs de prestations de qualit car ils possdent une technologie ad-
quate et quils mettent en uvre un suivi documentaire prouvant le lien
mtrologique des talons du client aux talons nationaux. Cette accrdita-
tion nest pas impose par lISO 9001, cela simplifie laudit
1
pour la
partie mtrologie.
Il existe une reconnaissance mutuelle entre divers organismes daccrdi-
tation
2
, cest--dire que lon estime que les carts constats entre ces
laboratoires ne sont pas significatifs.
Laboratoire national de mtrologie et dessais (LNE
3
)
3
Pour assurer la confiance dans lappareil utilis, celui-ci doit tre ta-
lonn. Cet talonnage se fera souvent lintrieur de lentreprise en rf-
rence aux talons de la mtrologie centrale (talons de rfrence).
Cette confiance ne sera totale que si lon peut valider les talons de
lentreprise. Le LNE a mis en place les structures et procdures permet-
tant dassurer la valeur technique et scientifique des talonnages et de
fournir une garantie officielle.
Le Laboratoire national de mtrologie et dessais (LNE) remplace
depuis le 27 janvier 2005 le Bureau national de mtrologie (BNM),
organisme interministriel, qui avait t cr en 1969. Fdrant les labo-
ratoires de recherche dtenant les talons nationaux, le LNE a une mis-
sion de soutien technique et scientifique lindustrie et au monde de la
recherche. Il contribue galement au dveloppement des programmes
de mtrologie europens et internationaux.
Les quatre laboratoires nationaux sont :
LNE (Laboratoire national de mtrologie et dessais) ;
LNHB (rattach au Commissariat lnergie atomique) ;
1. Pour plus de dtails, le lecteur pourra consulter LAudit de la mtrologie dans le cadre des
certifications de systmes de management, Collge franais de mtrologie, septembre 2005.
2. www.european-accreditation.org.
3. www.lne.fr.
Qualit de la mesure en production
52


G
r
o
u
p
e

E
y
r
o
l
l
e
s
INM (rattach au Conservatoire national des arts et mtiers) ;
SYRTE (rattach lObservatoire de Paris).
Les laboratoires accrdits
Des organismes intermdiaires sont chargs de divulguer la mtrologie
diffrents niveaux. Cela permet une approche plus efficace et plus co-
nomique.
En 1977, on avait prcis les maillons intermdiaires de la chane dta-
lonnage entre le BNM et les entreprises en crant :
des centres dtalonnage agrs ;
des services de mtrologie habilits.
Dans le souci dune harmonisation europenne, il ny aura plus de label
CEtA ou SMH, mais simplement des laboratoires accrdits par le
COFRAC. Ces laboratoires, en situation concurrentielle, doivent faire la
preuve que leur niveau dincertitude est bien en conformit avec les
prestations quils fournissent (de petits laboratoires peuvent atteindre,
dans un domaine particulier, un savoir-faire mtrologique trs pointu).
Ils doivent pour cela tre raccords un laboratoire accrdit dincerti-
tude plus faible. Si ce nest pas possible, ils se raccordent alors directe-
ment aux laboratoires nationaux ou aux laboratoires associs.
En simplifiant, on peut illustrer la dissmination de la mtrologie
laide de la figure 3.5.
Figure 3.5 : volution des incertitudes
Incertitudes
Niveau 1 : laboratoires nationaux
(talon primaire)
Niveau 2 : laboratoires associs
(talon secondaire)
Niveau n 1 : laboratoires locaux
(talon de transfert)
Niveau n : entreprise
(talon de rfrence
de lentreprise)
Gestion des moyens de mesure
53


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Lobjectif de cette chane de mesure est de quantifier la croissance de
lincertitude de ltalon primaire ltalon de rfrence de lentreprise.
Choix dune stratgie dtalonnage
Le rattachement aux talons nationaux
1
ncessite partir dun certain
seuil une externalisation des talonnages. Reste le problme de savoir
quel niveau la faire. En simplifiant, on peut envisager deux solutions
(fig. 3.6).
Figure 3.6 : Exemples de chanes dtalonnage
1. http://www.metrologiefrancaise.fr.
Bureau international des poids et mesures (BIPM)
NIST
(USA)
LNE
(talons nationaux)
Autres
pays europens
Laboratoire
accrdit
(incertitude trs faible)
Laboratoire
accrdit
(incertitude trs faible)
Laboratoire accrdit
intgr
(possibilit de faire
de la sous-traitance
en mesure
pour lentreprise A)
Laboratoire accrdit
indpendant
(public ou priv)
Entreprise B Entreprise C
Regroupement EURAMET e.V.
Qualit de la mesure en production
54


G
r
o
u
p
e

E
y
r
o
l
l
e
s
En dehors de laspect stratgique de conserver ou non un savoir mtro-
logique dtalonnage, ce choix peut tre dict par des considrations
conomiques :
raccordement externe (facturation de lordre de vrification, cot
dabonnement) ;
raccordement interne (formations et salaires, cot des quipements,
locaux adapts, veilles normatives).
Les laboratoires (internes ou externes) peuvent tre considrs comme
des fournisseurs. Ils fournissent une prestation mtrologique. Pour
garantir la satisfaction du client (au niveau organisation et comptence
technique), il doivent mettre en place une dmarche qualit. Cette
dmarche sappuiera sur un rfrentiel de systme qualit reconnu ayant
fait ses preuves. De nombreuses normes et guides concernent les labora-
toires, on peut citer en particulier :
NF EN ISO/CEI 17025 (septembre 2005) : Exigences gnrales
concernant la comptence des laboratoires dtalonnages
et dessais
Btir son systme qualit sur cette norme, permet de garantir :
lefficacit du management du laboratoire (dans lesprit de lISO 9001 :
2000
1
) ;
la comptence scientifique et technique (qualit des ressources
humaines et matrielles ainsi que des mthodes retenues).
Avoir son systme qualit construit en accord avec ce rfrentiel sera une
aide prcieuse pour se faire accrditer.
NF EN ISO 10012 (septembre 2003) :
Exigences pour les processus et les quipements de mesure
Au sein de lentreprise, la norme ISO 9001 : 2000 prconise un mana-
gement de lentreprise par une approche processus, avec la volont de
satisfaire le client aprs avoir bien compris ses exigences. Lide gnrale
est dappliquer la mme mthodologie aux processus de mesure quaux
autres processus. On retrouve les mmes chapitres que dans la norme
1. NF EN ISO 9001 dcembre 2000, Systmes de management de la qualit Exigences.
Gestion des moyens de mesure
55


G
r
o
u
p
e

E
y
r
o
l
l
e
s
ISO 9001, seul le chapitre 7 est rintitul Confirmation mtrologique
et mise en uvre des processus de mesure . On retrouvera entre autres
dans ce chapitre 7, des recommandations sur la priodicit dtalon-
nage, la matrise des quipements et logiciels, la conception des appa-
reils, lestimation des incertitudes, etc.
La mesure, un tat desprit
Le concept mesure ne concerne pas uniquement loprateur mtro-
logue. Ce concept doit tre intgr de la conception llaboration du
produit. En particulier :
le bureau dtudes ne doit pas dfinir des paramtres ou des caract-
ristiques non quantifiables. Il doit aussi estimer le mieux possible les
variations acceptables, compatibles avec un fonctionnement correct
du mcanisme (fonction perte de Taguchi). Cette distribution des
tolrances doit tre faite avec laide dexperts en production. Citons
dans cet esprit la dmarche GPS (spcification gomtrique des pro-
duits) qui a comme objectif dtre un langage unique (cohrence des
diffrentes normes) pour tous les services, des tudes au contrle
final ;
le service mthodes doit vrifier la compatibilit entre les valeurs de
dfinition et les capacits des moyens de production et de contrle
(notion de capabilit). Suite cette analyse, les cotes de fabrication
risques devront tre bien rpertories et clairement indiques sur
les plans de surveillance en fabrication. Les autres cotes pourront tre
contrles avec une frquence beaucoup plus faible ;
les mtrologues de terrain doivent garder un esprit critique (cons-
tructif) pour lutilisation des moyens de contrle et savoir estimer
leur incertitude de mesure. Tout constat de drives ou de rebut lev
doit tre rpertori et linformation retourne aux services de concep-
tion et de production concerns ;
Qualit de la mesure en production
56


G
r
o
u
p
e

E
y
r
o
l
l
e
s
le service mtrologie doit squiper (achat ou construction) dun
matriel compatible avec les exigences de qualit requises mais en
vitant un degr de prcision de mesure excessif (besoin rel). Gros-
sirement, le cot des appareils de mesure est une fonction puissance
de linverse de la rsolution.
Mise en place dune gestion
des moyens de mesures
Dans ce paragraphe, nous tudierons laspect purement gestionnaire.
Laspect matrise de laptitude lemploi (notion de conformit) des
quipements de contrles, de mesures et dessais sera trait dans les cha-
pitres suivants.
Identification et inventaire des appareils
Rappelons que la norme ISO 9001
1
demande de :
dterminer [] les dispositifs de surveillance et de mesure ncessaires
pour apporter la preuve de la conformit du produit aux exigences
dtermines .
A priori, tous les appareils ont une incidence, ils ont t achets dans un
but bien prcis qui a toujours un lien plus ou moins direct avec le pro-
duit.
Pour cette identification, on peut faire des classes correspondant au
risque encouru sur le produit en cas dinformation errone dans la
mesure. Par exemple, un ohmmtre, destin la maintenance dans une
industrie de sous-traitance mcanique, ne demande pas un suivi attentif.
Les appareils non identifis sont considrs comme des indicateurs (par
exemple, un rglet pour un prrglage de machine). Lidentification
peut se rsumer un point de couleur prcisant que ces appareils ne sont
pas suivis.
1. Reproduction faite avec lautorisation de lAFNOR.
Gestion des moyens de mesure
57


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Le code didentification contient plus ou moins dinformations (site
daffectation, type, service). Il permet didentifier lappareil (inscrip-
tion indlbile sur lappareil si possible) et davoir accs la fiche de vie
et au dossier le concernant (par exemple : PC 011 pour le 11
e
pied
coulisse achet).
Linventaire des appareils de mesure de lentreprise reprsente une
somme de travail importante. Dans certaines entreprises, lappareil de
mesure est peru comme un bien prcieux et personnel dans lequel on a
une confiance parfois aveugle. En plus de laspect technique, il faut
expliquer le bien-fond de la dmarche pour lever toute rticence
didentification.
Cette tche permet de bien cerner les besoins mtrologiques de lentre-
prise et ventuellement dviter des doublons pour les acquisitions
futures. En particulier, on pourra tudier lvolution en analysant les
dates dacquisition.
Cet inventaire donne galement la possibilit de faire du tri. On con-
serve parfois des appareils pour une hypothtique et peu probable utili-
sation. Cela cote cher en immobilisation et est contraire la mthode
des 5S.
Il arrive que des appareils peu utiliss doivent tre maintenus car on ne
trouve pas une prestation identique sur le march. De plus, certaines
entreprises pensent quil est stratgique de garder une comptence
mtrologique importante. Comme nous lavons dj signal, il peut tre
opportun alors de fournir des prestations mtrologiques pointues
laide de ce matriel des tiers.
Indicateurs de qualit dun appareil
La performance mtrologique est quantifie par les notions de justesse et
de fidlit. Lcart de justesse sera estim par lopration dtalonnage ou
born par lopration de vrification
1
. La fidlit, paramtre de disper-
sion, devra tre explicite plus finement. On retrouvera par exemple les
1. NF EN ISO 10012 septembre 2003, Systmes de management de la mesure Exi-
gences pour les processus et les quipements de mesure.
Qualit de la mesure en production
58


G
r
o
u
p
e

E
y
r
o
l
l
e
s
notions de rptabilit et de reproductibilit (on remarquera une ana-
logie assez forte avec la matrise statistique du produit). Cela va provo-
quer un flou dans lexactitude de lexpression de la mesure, appel
incertitudes . Nous consacrerons les chapitres 7 et 8 ltude des
incertitudes avec comme objectif principal de vrifier ladquation
tolrances-incertitudes .
Il existe beaucoup dautres paramtres pour caractriser les appareils de
mesure et de contrle. Pour plus dinformation et surtout dexactitude
dans le choix des termes retenus, le lecteur est renvoy au Vocabulaire
international de la mtrologie (VIM).
Il faudra vrifier que ces qualits ne se dgradent pas au cours du temps.
Il sera ncessaire de mettre en uvre un suivi des appareils de mesure
(chapitre 9).
talonnage ou vrification des appareils
Ltalonnage a comme objectif dessayer dexprimer une valeur vraie
(jamais exactement connue). Imaginons par exemple une cale sans
aucune inscription. En la comparant des talons situs en amont dans
la chane dtalonnage, on pourra graver la longueur estime sur la cale.
Pour un appareil qui donne la mesure directement (un pied coulisse
par exemple), on comparera le rsultat fourni par lappareil avec une
valeur suppose vraie de ltalon. On en dduira une correction (positive
ou ngative) appliquer aux rsultats fournis par lappareil. Une
dmarche partir de statistiques affinera lestimation de la correction.
Un talonnage ncessite de relativement bien matriser les grandeurs
dinfluences perturbatrices (fig. 3.7).
Gestion des moyens de mesure
59


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 3.7 : Exemple dtalonnage
La vrification ne cherche pas garder une connaissance intrinsque de
lappareil. Elle a comme objet de maintenir ou de rejeter lappareil.
Cette dcision est prise par le vrificateur laide de la position relative
de la courbe de correction obtenue en mesurant diffrents mesurandes
talons par rapport aux limites dcarts maximum tolres (fig. 3.8).
La vrification entrane une perte dinformation, qui devient binaire
(appartenance ou non la zone acceptable). Comme par la suite, on ne
sait plus comment on est positionn lintrieur des limites derreurs
tolres, on associera souvent cette position une distribution uniforme.
Figure 3.8 : Exemple simplifi de courbe de correction
La notion dcart maximum tolr (EMT) reprsente un indice de per-
formance (par exemple le 1/10 ou le 1/100 de mm). LEMT est dfini
par rapport lobjectif de qualit du produit que lon doit surveiller
(voir la notion de capabilit traite au chapitre 7). Lappareil sera dclar
conforme ou non, on nenregistrera pas les carts constats.
50.02
50
cart
Limite suprieure (+ EMT)
Limite infrieure ( EMT)
Mesurande
Qualit de la mesure en production
60


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Dans le cas dtalonnages internes, il faut dfinir des procdures dta-
lonnage (certaines procdures sont normalises, il est prfrable de les
utiliser). Lapproche ISO Spcification gomtrique des produits
(GPS) sintresse non seulement la dfinition du produit mais gale-
ment sa vrification. Par exemple, pour le comparateur mcanique
cadran, on pourra consulter la norme NF EN ISO 463 : juin 2006.
Cas de la sous-traitance (vrification externe)
Cette activit de suivi, dtalonnage ou de vrification de tout ou partie
des appareils nest pas toujours possible en interne dans lentreprise. Elle
demande beaucoup de temps et des moyens humains et techniques qui
peuvent faire dfaut. Il est possible de contacter un laboratoire de
mtrologie pour sous-traiter tout ou partie de ces tches. Par exemple, si
lentreprise possde de nombreux appareils identiques, ltalonnage de
ceux-ci pourra se faire en interne, laide de cales-talon vrifies en
externe. Lorganisme doit, soit sassurer par des audits que le laboratoire,
en position de fournisseur, prsente la garantie mtrologique ncessaire,
soit que le laboratoire possde laccrditation COFRAC correspondant
aux besoins. Dans ce second cas, la traabilit du raccordement aux ta-
lons nationaux est alors garantie.
Suivi du matriel
1
1
Une drive des moyens de mesure risque dentraner une drive de la
production. Pour viter ce danger potentiel coteux, il faut talonner ou
vrifier rgulirement les appareils de mesure. Reste le problme de
savoir quelle frquence faire ces vrifications (chapitre 9).
1. Rfrences normatives :
FD X07-018 dcembre 1997, Mtrologie Mtrologie dans lentreprise Fiche de
vie des quipements de mesure, de contrle et dessai ;
NF EN ISO 10012 septembre 2003, Systmes de management de la mesure Exi-
gences pour les processus et les quipements de mesure.
Gestion des moyens de mesure
61


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Dclaration de conformit
lissue de chaque vrification, lappareil peut tre :
maintenu pour lutilisation prvue (conformit) ;
ajust ou rpar et remis en service ;
dclass (utilisation ncessitant une prcision plus faible) ;
mis au rebut.
Les deux derniers cas relvent de la matrise de produits non conformes,
ils doivent tre clairement identifis.
Documents de suivi
La vrification engendre un constat de vrification
1
prcisant le
maintien ou non de lappareil dans le service concern. Ltalon-
nage donne un document dtalonnage
2
caractrisant lappareil.
Une tiquette (ou plaque) de confirmation permet immdiatement
lutilisateur ou lauditeur de connatre pour chaque appareil son code,
sa validit et sa date limite dutilisation (fig. 3.9).
Figure 3.9 : Exemple dtiquette de confirmation
Cette tiquette doit tre si possible solidaire de lappareil (auto-adhsive
ou illet ou marquage indlbile).
1. X07-011 dcembre 1994, Mtrologie Essais Mtrologie dans lentreprise Constat
de vrification des moyens de mesure.
2. FD X07-012 novembre 1995, Mtrologie Mtrologie dans lentreprise Certificat
dtalonnage des moyens de mesure.
Affectation : ........................................................................
Rfrence : .........................................................................
talonn le : ........................................................................
Date de validit : .................................................................
Qualit de la mesure en production
62


G
r
o
u
p
e

E
y
r
o
l
l
e
s
On utilise parfois un systme simplifi utilisant des points de couleurs
(peinture indlbile). Chaque couleur fait rfrence un chancier qui
associe une anne de fin de validation de lappareil une couleur spci-
fique.
Une fiche de vie
1
, rfrence par ltiquette, permet de connatre exacte-
ment lhistorique de lappareil (entretien, maintenance, rparation, ta-
lonnage, dclassement, concepteur, fournisseur, etc.). Une gestion
documentaire gre cette fiche en assurant le suivi et planifie automati-
quement les intervalles de vrification ou dtalonnage. Elle permet ga-
lement daccder au dossier technique de lappareil.
Il existe de nombreux logiciels facilitant cette tche de gestion. Ils assu-
rent par exemple les missions suivantes :
tat du stock (en service, en vrification, rforms) ;
dition dune fiche de vie dun appareil ;
prochain ordre de vrification, liste des retards ;
aide la dtermination des frquences de vrification ;
etc.
Cette gestion des moyens de mesure, avec les suivis et ordres de vrifica-
tion, peut tre compltement externalise. Beaucoup de fournisseurs de
logiciels proposent cette option.
Formation du personnel
Le meilleur des matriels nest rien si lon ne matrise pas son emploi.
Les mesures deviennent souvent trs complexes du fait des caractristi-
ques vrifier (tolrances gomtriques par exemple), des techniques
employes (mtrologie tridimensionnelle) et de la culture mathma-
tique associe (statistiques, analyse du signal).
Mme avec une technologie simple mettre en uvre, il est toujours
bon de prendre quelques instants pour sassurer que loprateur a bien
compris sa mission et quil possde suffisamment dinformations pour
garantir le respect de lauto-matrise sur son poste de travail.
1. FD X 07-018 dcembre 1997, Mtrologie dans lentreprise Fiche de vie des quipe-
ments de mesure, de contrle et dessai.
Chapitre 4
Erreurs de mesurage
65


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Lors dun mesurage, le rsultat de la mesure va tre perturb par diff-
rentes grandeurs dinfluence engendrant des erreurs. Nous ne cherche-
rons pas, dans ce chapitre, quantifier les incertitudes associes ces
erreurs, mais simplement donner des mthodes et rgles danalyse
pour le mtrologue, en recherchant les causes et comment les mini-
miser, voire les supprimer.
Analyse des sources derreurs
Le mesurage (ou processus de mesure) est sensible certains paramtres.
Une partie de ces paramtres est immdiatement identifie par le mtro-
logue. Lautre partie est plus sournoise, au sens o le mtrologue nen a
pas forcment conscience. Cela va augmenter la part dalatoire sur les
paramtres recenss, par ignorance de leffet des paramtres non pris en
compte (fig. 4.1).
Figure 4.1 : Exemple de la non-prise en compte de linfluence
de la temprature
S
o
r
t
i
e
T
e
m
p

r
a
t
u
r
e
(
p
a
r
a
m

t
r
e

2
)
S
o
r
t
i
e
Entre (paramtre 1) Entre
Zone dincertitude sur k due
lignorance de linfluence
de la temprature
S = k E
Qualit de la mesure en production
66


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Recherche des influences par la mthode des 5 M
1
1
Les paramtres influents sont classs en cinq types :
influence de lappareil et des composants associs (machine ou moyen
de mesure) ;
influence de loprateur (main-duvre) ;
influence de la matire (matire ou mesurande) ;
influence de lenvironnement (milieu) ;
influence de la procdure de contrle (mthode).
Rappel : le MSA
2
retient un dcoupage lgrement diffrent en distin-
guant les talons de lappareil et en rattachant la mthode et lopra-
teur. Il est mmoris laide de lacronyme : SWIPE (Standard, Work
Piece, Instrument, Person/Procedure, Environment).
2
Il est parfois difficile de pouvoir partager les influences aussi nettement.
En particulier, la mthode
3
de mesure peut tre troitement lie (interac-
tions) :
la main-duvre : en dehors de lexpertise physique, il faut tenir
compte de la comptence intellectuelle qui permettra de bien appli-
quer les mthodes retenues ;
le moyen de mesure : de plus en plus de logiciels embarqus, qui appli-
quent des mthodes de calcul et doptimisation, font partie de lins-
trument (par exemple, choix du type de filtrage pour calculer un
critre de rugosit) ;
la matire ou mesurande : par exemple, pour la prise dun diamtre
sur un axe, loprateur recherchera systmatiquement le diamtre
maximum dans le cas dovalisation ;
1. Duret D., Pillet M., Qualit en production. De lISO 9000 Six Sigma, Paris, ditions
dOrganisation, 3
e
d., 2005.
2. Measurment Systems Analysis : manuel dvelopp sous la responsabilit de Daimler Chrysler
Corporation, Ford Motor Company et General Motors Corporation (www.carwin.co.uk/qs).
3. Breissand G., Une vision industrielle de la mtrologie , Contrles, Essais & Mesures,
janvier 2004 propose la rpartition suivante : mesurande (10 %), instruments (5 %),
oprateur (15 %), milieu (20 %) et mthode (50 %).
Erreurs de mesurage
67


G
r
o
u
p
e

E
y
r
o
l
l
e
s
le milieu : une mthode de mesure est au moins systmatiquement
perturbe par une grandeur dinfluence particulire. Si celle-ci est
faible, elle sera nglige sous rserve que lon ne recherche pas une
finesse de mesure trop leve (par exemple, linfluence de la pousse
dArchimde sur la mesure de masse).
Comment lutter contre les grandeurs dinfluence
On peut recenser quatre mthodes pour contrer linfluence des gran-
deurs perturbatrices. On peut procder par :
limination : cest la mthode la plus radicale mais souvent la plus
onreuse (par exemple, un laboratoire climatis). De plus dans
certaines situations, cette limination est impossible (mesure sur
site industriel). Par contre lorsque lon donne un rsultat, il faut
garder lesprit que ce rsultat correspond de fait des niveaux
bien dfinis des grandeurs dinfluence de lenvironnement. Par
exemple, lorsque lon caractrise la longueur dune pice, cela
suppose
1
que :
la temprature est 20 C,
la pression atmosphrique est de 101325 Pa,
lhumidit relative est denviron 55 %,
leffort de mesurage est nul,
la pice nest pas contrainte par lablocage,
etc. ;
insensibilisation : lappareil de mesure est insensible la grandeur
dinfluence. Par exemple pour un instrument en invar
2
trs faible
coefficient de dilatation, les variations de temprature ne sont pas
perturbatrices ;
1. Voir NF E 10-100-1 dcembre 2002, Spcification gomtrique des produits
Mthode de mesurage dimensionnel.
2. Invar (TM) est une marque dpose dImphy Alloys depuis 1907. Cest un acier forte
teneur en nickel (36 %). Son coefficient de dilatation est de lordre de 1.10
6
K
1
.
Qualit de la mesure en production
68


G
r
o
u
p
e

E
y
r
o
l
l
e
s
compensation : on cherche combiner deux signaux de mesure de
manire ce que le signal rsultant (une somme algbrique par
exemple) ne soit pas perturb. Cette combinaison permet de sastreindre
linfluence de certaines grandeurs perturbatrices comme la temp-
rature (par exemple, balancier compens en horlogerie) ou le posage
(dveloppe au chapitre 5) ;
correction : cest la solution la plus ambitieuse. Elle ncessite davoir
modlis linfluence tudie. Il peut sagir dune correction math-
matique ou physique (par exemple, came linaire mise en parallle
dune vis pour corriger les erreurs de pas en agissant sur lindexation
du vernier).
Sans tre exhaustifs, nous donnerons titre dexemples quelques appli-
cations des mthodes prcdentes appliques linfluence de linstru-
ment de mesure et linfluence du milieu. Linfluence globale du posage
est trs importante en mtrologie dimensionnelle, nous ltudierons en
dtail dans le chapitre 5.
Influence du moyen de mesure
Par moyen de mesure, nous considrons bien sr lappareil, mais gale-
ment les matriels annexes comme un marbre, un support, une potence,
etc.
Les appareils de mesure paraissent lourds et massifs. Cela vient du fait
quils sont calculs en dformations et non en contraintes. Les liaisons
mcaniques sont ralises avec un jeu trs faible. Il est possible duti-
liser, lorsque lon na besoin que de faibles courses, la dformation de
lames mtalliques (par exemple, acclromtres, montages de compara-
teurs) (fig. 4.2).
Erreurs de mesurage
69


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 4.2 : Liaison glissire ralise par dformation de lames mtalliques
Le concepteur dappareil de mesure cherche autant que possible sup-
primer les erreurs lies lappareil par limination, cest--dire quil vise
un appareil parfait. Pour cela, il doit se proccuper :
des erreurs de lecture (par exemple, dfaut de parallaxe) ;
des erreurs de mobilit (incidence du frottement, phnomne de
stick slip) ;
de la gomtrie des palpeurs (filtrage ou non des dfauts de rugosit,
par exemple) ;
de la vitesse daccostage lors de palpages mcaniques sur une machine
mesurer tridimensionnelle. On constate souvent des diffrences
significatives entre la premire mesure faite manuellement et celles
faites en automatique vitesse normale (bien souvent de meilleure
qualit) ;
de la qualit gomtrique des mcanismes (jeux et dispositions rela-
tives). Ernst Abbe a tabli un principe de conception qui est toujours
dactualit ;
des efforts retenus au niveau du contact (capteur) avec la pice ;
etc.
Les dilatations dues la temprature modifient la structure. On ren-
contre parfois lutilisation de bilames (juxtaposition de deux matriaux
de coefficient de dilatation diffrent) qui vont permettre en se dfor-
mant, de conserver une longueur ou un moment dinertie. Nous verrons
dautres utilisations aux niveaux des posages utilisant ce principe de
compensation (fig. 4.3).
F
i
x
e
Qualit de la mesure en production
70


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 4.3 : Linertie de ce volant est pratiquement insensible
laugmentation de temprature
Principe dAbbe
1
1
Le systme de mesure doit tre plac dans le prolongement (coaxiale-
ment) de la pice mesurer (mesurande). Pour illustrer ce concept,
nous retiendrons un pied coulisse, appareil qui ne respecte pas le prin-
cipe dAbbe (fig. 4.4).
Figure 4.4 : Incidence du jeu J sur la mesure pour le pied coulisse
1. Physicien allemand, Ernst Abbe (1840-1905) tait professeur et directeur de recherche
dans la socit Carl Zeiss.
Bilames
L
J
Mesure : y
Mesurande : x
h


Erreurs de mesurage
71


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Dans cet appareil, ltalon embarqu (les graduations) est en parallle de
la pice mesurer (mesurande). Il est situ une distance h qui peut tre
importante par rapport au mesurande x. Au lieu davoir y x, nous
obtenons :
Note : pour ce calcul, les angles tant petits, nous navons conserv que
les infiniment petits du premier ordre ( et
). Cette technique de calcul sera souvent retenue en mtro-
logie dimensionnelle (parfois en passant au deuxime ordre :
). Remarquons que le dfaut angulaire pourrait gale-
ment tre d au dfaut de rectitude de la glissire (non pris en compte
dans cet exemple).
Figure 4.5 : Type dappareil respectant le principe dAbbe
Le micromtre est un appareil qui respecte ce principe (fig. 4.5). Ce
type de conception engendre des appareils encombrants, ce qui nest pas
toujours possible. Par exemple, sur une machine mesurer tridimen-
sionnelle type portique, seul laxe Z respecte ce principe. Les axes X et Y
retiennent larchitecture vue pour le pied coulisse.

y x h x h x h
J
L
tan( )
( ) sin ( ) tan
( ) cos 1
cos( )

1
2
2
Systme dindexation
Rglage du zro
Pice mesurer talon
talon
Qualit de la mesure en production
72


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Influence des efforts de contact
La mesure dune pice suppose que celle-ci ne soit soumise aucune
force. Tout effort de contact va engendrer des contraintes gnrant des
dformations globales au sein de la structure de la pice et du moyen de
mesure, et locales par pression de contact. Nous avons vu que dans une
chane de mesure, une nergie dactivation tait ncessaire pour assurer
la prise dinformation. Cet effort de contact est gnr par loprateur
(cas du pied coulisse) ou par le moyen de mesure. Parfois, un dispositif
sur linstrument permet simplement de limiter leffort fourni par lop-
rateur (cas du limiteur de couple sur le micromtre).
Pour les dformations de contact entre les solides S
1
et S
2
, elles vont
dpendre :
du type de contact (ponctuel, linique ou surfacique) ;
des rayons de courbure des solides en contact (R
1
et R
2
) ;
de la nature des matriaux (module de Young E et coefficient de
Poisson ).
Cet crasement peut-tre modlis laide des formules de Hertz
1
(fig. 4.6).
Figure 4.6 : Application des formules de Hertz pour un contact ponctuel
(sphre/sphre ou sphre/plan)
1. Heinrich Rudolf Hertz (1857-1894), ingnieur et physicien allemand.
Rayon R
1
:
sphre
de palpage
Rayon R
2
:
sphre
de rfrence
crasement total :
avec :
et

9P
2
16RE
*2
------------------
,

_
1 3
=
1
E
*
-----
1 v
1
2

E
1
-------------
1 v
2
2

E
2
-------------
+ =
1
R
---
1
R
1
-----
1
R
2
-----
+ =
Erreurs de mesurage
73


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Dans lexemple prcdent avec des billes en cramique (R
1
1 mm) et
en acier (R
2
15 mm), on trouve un crasement total denviron 0,3 m
pour une force de contact d1 N. sera le plus souvent nglig ou com-
pens (notion de rayon dynamique). Cette formule est galement
valable pour le contact de type sphre plan, il suffit de faire R
2
.
Matrise des influences dues lappareil de mesure
Le mtrologue devra choisir un appareil appropri son problme
(course utile, rsolution, pice dformable ou non, matrise de leffort de
contact, etc.). Sil reste une influence non matrisable, on pourra :
estimer le caractre systmatique de linfluence et vrifier quelle est
infrieure un seuil qui est ngligeable par rapport aux autres sources
de variation. En particulier, on peut vrifier que lon reste dans la classe
dexactitude spcifie par un indice de classe. Dans le cas contraire, il
faut envisager de faire des corrections ;
rduire les effets alatoires (par exemple, linfluence dun jeu) en tra-
vaillant partir de moyenne. Lincertitude est rduite en n.
Figure 4.7 : Diminution de la part alatoire de lincertitude en fonction
du nombre de mesures
Influence du milieu
Tout mesurage se fait dans un environnement qui va plus ou moins
perturber les rsultats de mesure. Recenser exhaustivement toutes les
grandeurs dinfluences dues au milieu est impossible. On demandera
simplement au mtrologue dtre conscient des principales sources
dinfluences.
0
0,2
0,4
0,6
0,8
1
0 5 10 15 20 25 30 35 40 45 50
Nb mesures
Qualit de la mesure en production
74


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Exemples de grandeurs dinfluence dues au milieu
La temprature : cest celle qui est le plus souvent cite spontan-
ment. Attention en particulier aux gradients de temprature qui peu-
vent tre engendrs par lclairage et provoquer des dformations
non homognes (marbre par exemple). En micromcanique, son
influence reste faible puisque la dilatation est proportionnelle la
longueur de base. Nous ltudierons plus en dtail au chapitre sui-
vant.
Les vibrations du sol et des supports (ainsi que les chocs) :
influence difficile modliser, on cherchera lliminer par isolation
(dalle flottante, support filtrant, suspension pneumatique, etc.).
Lhygromtrie : le taux dhumidit, en dehors de la cration nfaste
doxydation, peut perturber la gomtrie de certains composants (les
marbres par exemple). Un air trop sec (gnant pour loprateur) peut
galement gnrer des dysfonctionnements lectroniques.
Les champs lectriques et magntiques : les champs magntiques
peuvent tre provoqus par lenvironnement du processus de pro-
duction ou plus simplement par le processus lui-mme (ablocage,
frottement de la meule en rectification). La pice peut se dformer
sous sa propre aimantation rsiduelle. Le CETIM
1
montre quune
opration supplmentaire de dsaimantation dans la gamme permet
de minimiser le dfaut de circularit. On peut noter galement
comme influence lectrique, les variations de tension du rseau dali-
mentation.
La latitude et laltitude : le mesurage des masses est souvent une
mesure indirecte, o lon dtermine le poids et ensuite la masse en
introduisant la gravit g. La gravit
2
nest pas une constante math-
matique, elle dpend de la situation gographique et de la nature des
sols.
La pesanteur : la gravit a galement une influence sur la dforma-
tion de la machine et de la pice (par exemple, une pice longue
naura pas la mme longueur en position horizontale et verticale).
1. Grandadam A., La Mtrologie dimensionnelle en mcanique industrielle, CETIM, 1977.
2. Lorsque lon veut prendre en compte son influence, il faut tenir compte principalement
de laltitude et de la latitude (http://www.ptb.de/en/org/1/11/115/_index.htm).
Erreurs de mesurage
75


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Tout objet se dforme sous son propre poids (rappelons que les appa-
reils de mtrologie sont souvent massifs). Il sera important de bien
situer les appuis pour minimiser les dformations rsiduelles (points
supports
1
pour les marbres : points de Bessel
2
situs 0,22 de la lon-
gueur ou de la largeur par rapport aux bords).
La propret : la fois du milieu ambiant (poussire, brouillard
dhuile) et de la pice (trace dhuile par exemple), surtout dans le cas
de mesures optiques.
Les clairages latraux : par exemple dans le cas de mesure par
vision, une baie vitre situe proximit peut tre la source de per-
turbations (type : coucher de soleil).
Le temps : action long terme, il provoquera des drives lentes (par
exemple, fluage de certains composants) et court terme (dcharge
de condensateurs dans des mesures de rugosits ou de forces, base de
temps). Il est recommand un temps de stabilisation avant utilisa-
tion.
Etc.
Classer les grandeurs dinfluence lies au milieu
Les influences tant nombreuses, on demandera au mtrologue davoir
une dmarche de physicien. Cela permettra de rellement retenir les
influences prpondrantes pour pouvoir ventuellement faire des cor-
rections. Les autres seront ngliges, elles augmenteront le bruit de fond
de mesure (incertitude rsiduelle). Pour illustrer cette dmarche de clas-
sement, nous allons lutiliser lors dune comparaison de masse entre un
talon de 1 kg en platine (talon de rfrence) et un talon suppos de
1 kg en acier inoxydable (par simplification, les lments gomtriques
de la balance seront supposs parfaits) (fig. 4.8).
1. NF E 10-100-1 dcembre 2002, Mthodes de mesurage dimensionnel.
2. A. Friedrich Bessel (1784-1846), astronome et mathmaticien allemand.
Qualit de la mesure en production
76


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 4.8 : Principe de comparaison de deux talons de matires diffrentes
Dans lexemple prcdent on croit comparer deux masses, et dans ce cas
avoir : .
En ralit on compare des couples, qui peuvent se ramener la compa-
raison de forces avec lhypothse de bras de levier identiques. Dans le
vide, on peut garder comme forces uniquement les poids, alors que dans
lair il faut en toute rigueur tenir compte de la pousse dArchimde .
Lquation devient :
(indpendant de g)
Avec les valeurs approximatives suivantes :

P
22 000 kg/m
3
(platine 10 % diridium) ;

I
8 000 kg/m
3
;

Air
1,2 kg/m
3
( 20 C, 50 % dhumidit relative et faible alti-
tude)
1
.
k est lgrement infrieur 1,0001. Ce qui veut dire que lerreur syst-
matique commise est denviron 0,1 gramme.
1. Voir le site www.metgen.org/ pour calculer
Air
avec plus de prcision.
0
P
I
m m
I P

m g V g m g V g
I I Air P P Air

m V m V
I I Air P P Air

m
m
m
m
I
I
I
Air P
P
P
Air


m m k m
I P
Air
P
Air
I
P


1
1

Erreurs de mesurage
77


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Le plus souvent cette erreur sera nglige. Avec des talons de masses
volumiques voisines ; les pousses dArchimde sont pratiquement
identiques, elles se compensent.
tude de linfluence de la temprature
Pour cette grandeur particulire, nous allons reprendre les quatre mthodes
dj cites, savoir :
limination ;
insensibilisation ;
compensation ;
correction.
limination
Rappelons que les longueurs dun objet sont implicitement dfinies la
temprature de 20 C
1
. Lors de mtrologie fine (recherche du m), il
est naturel de chercher faire des mesures cette temprature. Cela
ncessite davoir un local climatis, avec un sas dentre pour viter les
perturbations brusques, de matriser les flux dentre des personnes
(ordre de grandeur : 60 80 watts par personne), de choisir un emplace-
ment labri des changements climatiques (par exemple, viter une face
sud avec des baies vitres), etc. Toutes ces prcautions ne suffisent pas.
Une pice venant du lieu de production a probablement une tempra-
ture interne diffrente. Elle ne passera pas instantanment la tempra-
ture de 20 C. Le temps de transition pour atteindre lquilibre
thermique est complexe modliser. Empiriquement, on peut constater
quil sera proportionnel (pour une mme matire) au rapport du
volume par la surface de lobjet (peau de la pice). Notons que ce rap-
port nest pas sans dimension, il faut travailler dans les mmes units
pour faire des comparaisons (fig. 4.9).
1. NF E 10-100-1 dcembre 2002, Mthodes de mesurage dimensionnel.
Qualit de la mesure en production
78


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 4.9 : Exemple de quelques rapports V/S
Pour une mme morphologie (par exemple, une pice cubique), ce rap-
port est fortement influenc par la taille :
cube de 1 m darte : ;
cube de 10 mm darte : .
Le cube de 10 mm darte se refroidira environ cent fois plus vite. Le
CETIM
1
donne pour un tampon cylindrique de diamtre 60 mm, un
temps de 6 heures pour passer de 25 C 20 C.
Nous verrons quil est possible de faire des corrections pour prendre en
compte une temprature diffrente de 20 C. Ces corrections ne seront
efficaces que si toute la matire de la pice est la mme temprature.
En cas de gradient de temprature lintrieur de la pice, cela va engen-
drer des dformations, particulirement dans le cas darchitecture com-
plexe (par exemple des nervures, rayons, etc.).
Insensibilisation
Lide est de retenir des matriaux peu sensibles aux variations de
tempratures. Cette aptitude est quantifie par un indicateur appel
coefficient de dilatation exprim en K
1
(tableau 4.1).
1. Grandadam A., La Mtrologie dimensionnelle en mcanique industrielle, CETIM, 1977.
Sphre : D Cube : arte L Plaque L L h
V
=
D
S 6
V
=
L
S 6
V

h
S 2
V
S

1
6
V
S

10
6
2
Erreurs de mesurage
79


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Tableau 4.1 : Exemples de coefficients de dilatation
Linsensibilisation du moyen de mesure la temprature ne sera intres-
sante que si tous les composants de lacte de mesurage sont galement
concerns. Par exemple, si lon compare une pice en acier (
Acier
11,5 10
6
K
1
) avec une cale-talon cramique en ZrO2 (
Cramique
2,8 10
6
K
1
) une temprature diffrente de 20 C, la diffrence
de dilatation sera perturbatrice.
Matriaux Coefficient (10
6
/K)
Vitro-cramique 0.02
Invar 0,6 1,2
Cramiques Al2O3 7
Cramiques SiC 4
Cramiques Si3N4 3.5
Cramiques ZrO2 2,3 3,2
Carbure de tungstne 4,5 7
Diabase 5
Verres 6 9
Granit 7,5 8
Alliages titanes 8,5 9,5
Aciers 11,5
Inox ferritiques & martensitiques 10.5
Inox austnitiques 15 16
Fontes grises 10 11
Fontes grises GS 12,5
Fontes blanches 20
Bronzes 17,5 19
Laitons 18(CuZn5) 21(CuZn40)
Alliages lgers 5356 22,5
Alliages lgers 2017A 24
Alliages de Zinc 26
Magnsium 26
Qualit de la mesure en production
80


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Compensation
La mthode par compensation ne cherche pas annuler linfluence de la
temprature (dilatation), mais essayer de contourner ses diffrents
effets (au niveau de chaque composant), de manire ce que le rsultat
global ne soit pas perturb. Citons, par exemple, le problme historique
de mesure de la longitude. John Harrison
1
pour amliorer la qualit de
son horloge marine chercha compenser linfluence de la temprature
sur la priode du pendule (matrise de la longueur) en combinant judi-
cieusement des matriaux de coefficients de dilatation trs diffrents
(1725) (fig. 4.10).
Figure 4.10 : Principe de la compensation de longueur
sur un balancier
Lors de la mesure de cales de haute qualit, on emploie souvent une
mthode par comparaison en utilisant des cales de rfrences de mme
matire que les cales vrifier (fig. 4.11).
1. John Harrison (1693-1776), modeste horloger/menuisier, eut beaucoup de mal faire
reconnatre la communaut scientifique anglaise le bien-fond de son approche de la
mesure de la longitude grce une horloge de haute prcision. Ses diffrentes inventions
firent progresser lhorlogerie et eurent un impact financier important sur la fiabilit du
trafic maritime en permettant dviter de nombreux naufrages.
Alliage
lger
Acier
Erreurs de mesurage
81


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 4.11 : Comparaison de cales de mme matriau
Correction
Faire une correction suppose que lon est capable de prvoir les cons-
quences de la grandeur dinfluence. Dans le cas dune influence variable,
non prvisible a priori comme pour la temprature, seule la correction
de type modlisation du phnomne est envisageable.
Pour des pices mtalliques (dilatation thermique isotrope), lallonge-
ment peut tre modlis par une fonction linaire sous rserve quil ny
ait pas de changement de phase (par exemple, passer dune structure
cubique centre cubique face centre ) :
partir de la mesure faite la temprature , on peut en dduire la lon-
gueur de la pice 20 C (la mesure pouvant tre faite galement en kel-
vins puisquil sagit dune diffrence de temprature) :
avec :

t
a
l
o
n

t
r
a
n
s
f
e
r
t

t
a
l
o
n

r

r
e
n
c
e

c
a
r
t
L L
Matire
+
( )

1
]
20
1 20
L L L
Matire 20 20
20


( )


L L C
20 20


C L L
Matire Matire



( )

20 20
20 220
( )
Qualit de la mesure en production
82


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Exemple de correction de temprature
Nous comparons dans un atelier la temprature de 26 C, une pice en
acier avec une cale-talon en cramique (ZrO2) de valeur 75,000 mm.
Lcart e donn par le comparateur est de + 5 m. Quelle est la longueur
de la pice 20 C (fig. 4.12) ?
Figure 4.12 : Exemple dillustration de correction de temprature
Retenons les valeurs de coefficients de dilatation suivants :

Pice
11,5 10
6
K
1
et
talon
2,8 10
6
K
1
Si la pice et ltalon sont dans latelier depuis suffisamment longtemps,
on peut considrer quils sont la mme temprature :
soit :
Rappelons que, par dfinition, la valeur grave sur la cale correspond

5

t
a
l
o
n

(
Z
r
O
2
)

c
a
r
t

e
P
i

c
e
L L e
P E , ,
+
L L
P P E E , , 20 20
1 20 1 20

+
( )

1
]
+
( )

1
]
+ e
L
E ,20
L
L e
P
E E
P
,
,
20
20
1 20
1 20

+
( )

1
]
+
+
(


))

1
]
Erreurs de mesurage
83


G
r
o
u
p
e

E
y
r
o
l
l
e
s
soit la valeur approche :
Valeur numrique :
sans correction : ;
avec correction : .
Remarques :
Le lecteur peut remarquer que lorsque ltalon et la pice ont le mme
coefficient de dilatation, la correction est inutile.
La valeur corrige nest quune estimation de la valeur vraie, lintervalle
de confiance associ cette valeur (incertitudes) dpend de nombreux
paramtres (en particulier des coefficients
i
qui ne sont pas connus
exactement). Nous reviendrons dans le chapitre 8 sur ce point.
L L
P E
E
P
, , 20 20
1 20
1 20


+
( )

1
]
+
( )

1
]
+ e
L mm
P,
,
20
75 005


L mm
P,
,
20
75 001


Chapitre 5
Matriser linfluence
du posage
87


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Par idal, lors de mtrologie dimensionnelle, le posage de la pice ne
devrait pas avoir dinfluence perturbatrice. Pourtant bien souvent, il y
a un risque important dimputer la mesure dune caractristique de
la pice un complment dcart provenant en ralit dun mauvais
posage.
Comme pour les autres grandeurs dinfluence, nous chercherons inter-
venir par :
limination : plus modestement, nous chercherons garantir un
posage de qualit garantissant si possible lunicit dans le temps des
diffrentes mises en position ;
insensibilisation : retenir un processus de mesure qui soit insensible
aux variations de posage ;
compensation : combiner des signaux de mesure corrls pour
saffranchir des erreurs de mise en position ;
correction : nous essayerons de modliser lerreur de mise en posi-
tion ( partir de donnes initiales) de manire pouvoir faire une
correction pour liminer linfluence des variations de posage.
Ces diffrentes mthodes seront illustres laide dexemples emprunts
la production mcanique. La lecture de ce chapitre nest pas indispen-
sable pour la suite de louvrage.
limination : amliorer lisostatisme
du montage de contrle
Si lon prend une pice et quon la monte plusieurs fois de suite sur le
montage de contrle, il faut que la pice soit toujours positionne de la
mme manire (en translation et en orientation). Si ce nest pas le cas,
cela peut provenir principalement :
de la dformation de la pice ;
du frottement qui interrompt le glissement pour venir en appui ;
Qualit de la mesure en production
88


G
r
o
u
p
e

E
y
r
o
l
l
e
s
du systme dablocage engendrant des efforts qui vont faire bouger la
pice lors du serrage ;
et du choix judicieux des surfaces (ou points) dappui ralisant
linterface pice-montage . Plus particulirement, le nombre de
points dappui ne doit pas tre surabondant.
Notions de degrs de libert
Un solide dans lespace (non contraint) peut se dplacer en translation
(trois composantes de dplacement) et en rotation (trois composantes
angulaires). On dira quil a six degrs de libert.
Dans notre cas particulier, il sagit de caractriser un ensemble de posi-
tions dans un voisinage dune position initiale cible. Comme il sagit de
micro-dplacements, la transformation gomtrique permettant de
passer de la position cible la position relle (ou rciproquement) peut
tre modlise par un torseur (linarisation) appel torseur de petits
dplacements
1
(les composantes sont considres comme des infini-
ment petits du premier ordre) :
Mesurer la position, revient connatre les six grandeurs scalaires corres-
pondantes. Remarquons que le dplacement (en mm) est modlis par
un champ de moments, le lieu o il est exprim doit tre clairement
indiqu :
1. Bourdet P. et Clment A., Controlling a Complex Surface with a 3 Axis Measuring
Machine , Annals of CIRP, vol. 25/1/1976, p. 354-361.

O
S R
O
O
O
O
D
u
v
w

/
u r uuuu
u r uu

D D OP
P O S R i
i
u r uu u r uu u r uuuu u r uu
+
/
Matriser linfluence du posage
89


G
r
o
u
p
e

E
y
r
o
l
l
e
s
ou sous forme matricielle :
La qualit dun posage de contrle sera caractrise par la mesure de ces
six grandeurs scalaires. Cette mesure multicritres va tre fortement
influence par le choix des points dappui ralisant linterface entre la
pice et le montage de contrle.
Optimisation de la position des points dappui
Lobjectif est de crer une liaison mcanique complte entre la pice et le
montage de contrle. Le plus souvent, celle-ci sera rellement ralise
par six petites surfaces de contact matrialisant les six contacts ponc-
tuels. Dans le cas de surfaces de contact diffrentes (plan sur plan, par
exemple), on pourra toujours imaginer le nombre de liaisons ponc-
tuelles quivalentes (exemple, trois points pour un appui plan).
Exemple : mise en position de Lord Kelvin
1
(fig. 5.1)
Figure 5.1 : Mise en position de Lord Kelvin et points de Bessel
1. William Thomson (1824-1907), physicien britannique mieux connu en tant que Lord
Kelvin.
u
v
w
u
v
w
P
P
P
i
i
i

1
]
1
1
1
1

1
]
1
1
1
+

0
0
0
0


0
0

1
]
1
1
1

1
]
1
1
1
1
x
y
z
P
P
P
i
i
i
h
L
l
Qualit de la mesure en production
90


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Ce modle de mise en position (connu galement sous lappellation :
plan-trait-point) est trs rpandu. Nous lutiliserons comme exemple
conducteur. Si le choix parat relativement vident (bien que lappui
plan puisse tre construit diffremment), il nen est pas toujours de
mme lors de pices la morphologie tourmente (pices de forge ou de
fonderie par exemple).
Note : nous posons comme hypothse que la pice se comporte
comme un solide indformable. Dans le cas contraire, la disposition
des points cherchera lutter contre linfluence de la gravit (dforma-
tions). Par exemple on pourra retenir les points de Bessel
1
pour mini-
miser la dformation due laction de la gravit (cas des marbres
notamment).
1
Coordonnes plckriennes dune droite
Partant dun point de contact entre la pice et le montage et aprs avoir
dfini le plan tangent nous pouvons construire la droite normale ce
plan et passant par le point de contact (fig. 5.2).
Figure 5.2 : Droite normale (D
i
) au point de contact M
i
1. Les points de Bessel sont retenus pour minimiser les dformations de la longueur
mesurer en positionnant les appuis par rapport aux bords respectivement 0,22.L et
0,22.l (NF E 10-100-1).
Pice
(D
i
)
M
i
Montage
Matriser linfluence du posage
91


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Si nous associons un repre lensemble machine-mon-
tage de contrle , nous pouvons dfinir chaque droite normale par ses
coordonnes plckriennes
1
.
Figure 5.3 : Position spatiale de la droite (D
i
) dans le repre R
est un vecteur unitaire de (D
i
). Partant des coordonnes de :
on calcule le produit vectoriel :
.
Les coordonnes plckriennes sont dfinies par les six grandeurs (com-
posantes) scalaires suivantes :
1. Julius Plcker (1801-1868), mathmaticien et physicien allemand.
n
xi
n
yi
n
zi
et
x
i
y
i
z
i
R O x y z ( , , , )
r r r
(D
i
)
M
i
x
y
n
i
z
O
n
i
ur
n
i
ur
OM
i
u r uuu
g OMi n
O i
u r u u r uuu ur

i
O
i
i i
O
xi
yi
zi
i zi i
n
OM n
n
n
n
y n z

ur
u r uuu ur
. ..
. .
. .
n
z n x n
x n y n
yi
i xi i zi
i yi i xi

,,

Qualit de la mesure en production


92


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Ces six composantes ne sont pas indpendantes, elles sont lies par :



Note : le point Mi peut tre pris nimporte o sur la droite (proprit
dquiprojectivit).
Rang dun systme de droite
Les six droites normales (D
1
) (D
6
) constituent un systme de droites.
On appelle rang du systme, lordre le plus grand des dterminants non
nuls que lon peut extraire de la matrice construite partir des coordon-
nes plckriennes des droites appartenant au systme.
Remarque : le rang dun systme est au maximum de 6.
Thorme de Hunt
Thorme : soit r le rang du systme S des droites de contact (nor-
males), les degrs de libert restant entre les deux solides sont au nombre
de
.
Application : dans ce cas, nous cherchons immobiliser (sans sur-
contraindre) la pice par rapport au montage. Lobjectif est donc
dobtenir r 6.
n n n
xi yi zi
2 2 2
1 + +

n g
i
ur ur u

0
0
. . . . n y n z n n z n x n n
xi i zi i yi yi i xi i zi z

( )
+
( )
+
ii i yi i xi
x n y n
( )
. . 0
r
n n n n n n
n n n n n n
n n
x x x x x x
y y y y y y
z z

1 2 3 4 5 6
1 2 3 4 5 6
1 22 3 4 5 6
1 1 1 1 2 3 4
n n n n
y n z n g g g g
z z z z
z y O x O x O x
. .
, , ,

OO x z y
x z O y O y O
y n z n
z n x n g g g
,
, ,
. .
. .
5 6 6 6 6
1 1 1 1 2 3

,, ,
, ,
. .
. .
y O y x z
y x O z O
g z n x n
x n y n g g
4 5 6 6 6 6
1 1 1 1 2

zz O z O z y x
g g x n y n
3 4 5 6 6 6 6 , ,
. .
d r 6
Matriser linfluence du posage
93


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Optimisation de la localisation des points dappui
Nous ne rappellerons pas les rgles de bon sens pour positionner judi-
cieusement les six points dappui (par exemple, viter trois points aligns).
Loptimisation est multi-objectifs. Il faut minimiser simultanment
six sorties (trois translations et trois rotations) en choisissant six points
dappui (les normales associes dpendent des interfaces pice-
montage ). Nous proposons de remplacer loptimisation multi-objec-
tifs par un indicateur mono-objectif simple calculer. Nous cherche-
rons maximiser le dterminant extrait de la matrice des coordonnes
plckriennes.
Exemple
Reprenons le cas prcdent en observant linfluence du coefficient k
(pour les points 1 5 de la figure 5.4) sur le dterminant de la matrice
construite avec les coordonnes plckriennes (rappel : points de
Bessel pour k 0,22).
Figure 5.4 : Influence du coefficient k
sur le dterminant des six normales
Les points dappuis latraux tant mi-hauteur, cela donne en fonction
de k pour L 100 mm ; l 50 mm ; h 20 mm :
y
l
L
k L
1
2
3
4
5
6
h
z
x
Qualit de la mesure en production
94


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 5.5 : Le dterminant comme indicateur de qualit du montage
On remarque que pour k 0,5 nous navons que trois appuis efficaces,
ce qui revient une liaison rotule (trois degrs de libert).
Cette technique
1
permet de comparer diffrentes solutions, sous rserve
dun encombrement voisin (voir figure 5.6 pour la liaison de Boys qui
donne de meilleurs rsultats).
Figure 5.6 : Exemple dune liaison de Boys
1. La mesure globale de position fournie est fortement bruite par le couple matire pice-
montage (dformations locales, frottement) et par le systme dablocage. Cette propo-
sition de mesure globale est en cours de test (laboratoire SYMME).
Coef k
0 0.1
4.E+05
4.E+05
3.E+05
3.E+05
2.E+05
2.E+05
1.E+05
5.E+04
0.E+00
0.2 0.3 0.4 0.5
D

t
e
r
m
i
n
a
n
t
Matriser linfluence du posage
95


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Il est galement possible de dfinir une mesure de la qualit de la liaison
en utilisant une norme de la matrice des coordonnes plckriennes
(P. Bourdet et A. Clment). Les normes matricielles associes la
matrice ntant pas toujours aises calculer, on retiendra la pseudo-
norme euclidienne :
avec
Les lments de cette matrice ntant pas homognes, on ne peut
quoptimiser un montage dont le type est dj retenu.
Insensibilisation
Le processus de contrle est tel que pour une position quelconque (en
restant dans un voisinage acceptable), il donne la mme valeur de sortie.
Pour illustrer ce concept, nous retiendrons la mesure dune pice type
cale par mesure diffrentielle avec une cale-talon.
Figure 5.7 : Exemple de mesure sans dgauchissage
Si lon ne prend pas garde au dgauchissage de la pice (orientation de la
pice sur la machine suivant deux axes), le rsultat sera erron (fig. 5.7).
Par exemple pour une pice de 75,000 mm, incline de 2, la
mesure donnera :
mm
1 2

E
P p
E
ij
j i


2
L
L
0
L
L

0
75 048
cos
,

Qualit de la mesure en production


96


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Pour annuler cet effet, on envisage une mesure par comparaison, en uti-
lisant la procdure suivante (fig. 5.8) :
mettre la pice et la cale-talon cte cte (placage) ;
poser lensemble sur la machine ;
faire le zro sur la cale-talon ;
dplacer lensemble laide du chariot transversal ;
mesurer lcart entre la pice et la cale-talon.
Figure 5.8 : Exemple de posage avec dfaut dorientation
(vue de dessus)
La longueur observe de ltalon ne correspond pas la valeur certifie :
Si est petit, le processus de mesure est pratiquement insensible la
perturbation dorientation.
L
talon
L
Pice
Pice
talon
L L e
L
L
piceObs EtalonObs
piceVraie
Etal
+

cos
oonVraie
piceVraie EtalonVraie
e
L L e
cos
+
+ 1

2
2

_
,

Matriser linfluence du posage


97


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Compensation
Lobjectif est de trouver une technologie de montage o les sorties
locales (mesures) vont pouvoir se compenser. Intuitivement, cest ce que
nous pouvons vrifier sur la figure 5.9 pour la mesure dun diamtre
avec deux jauges inductives A et B (type stop cote).
Figure 5.9 : Somme algbrique des sorties
des capteurs inductifs
Il est possible dobtenir le mme rsultat avec un seul comparateur
mont sur un c flottant.
tude de lincidence du dplacement
de ltalon dans la mesure dun rayon
(exemple avec trois capteurs)
Prsentation
On veut mesurer le rayon dun cercle laide de trois capteurs linaires
inductifs placs 120 degrs (mouvement plan sur plan, points de pal-
page P
i
), avec la sortie du capteur n i.
Erreur
de mise
en position
A
B
A + B

i
Qualit de la mesure en production
98


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 5.10 : Position des capteurs
Imaginons ltalon bien centr , nous avons alors . Si
nous dplaons ltalon, pour ne pas perturber le rsultat, nous devrions
avoir :
Position dun capteur
Chaque capteur est positionn par un point de palpage P
i
:
et orient par une normale
La droite support du capteur peut tre reprsente par ses coordonnes
plckriennes :
0
x
y
P
1
P
2
n
2
n
1
n
3
P
3

1 2 3
0

1 2 3
0 + +
P
x
y
i
i
i
0
n
n
n
i
xi
yi
ur
0

i
O
i
i i
O
xi
yi
i yi i
n
OP n
n
n
x n y

ur
u r uu ur
0
0
0
. .nn
xi

Matriser linfluence du posage


99


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Ces coordonnes sont lies par : , soit : .
Caractrisation du dplacement de solide
Le dplacement du solide tant petit, il sera dfini par un torseur de
petits dplacements (linarisation) :
Mesurer le dplacement revient connatre les trois grandeurs scalaires
u
0
, v
0
et .
Mesure locale au niveau dun capteur
Le capteur mesure la projection (
i
) du dplacement du point P
i
sur la
normale (au premier ordre) :
soit :
Le produit scalaire peut se reprsenter comme le comoment de
deux torseurs, le torseur de petits dplacements dj tudi {} et le tor-
seur reprsentant les coordonnes plckriennes {} (ce point sera gn-
ralis au paragraphe traitant lapproche avec correction p. 97 et suiv.).
n
i
ur
1 n n
xi yi
2 2
1 +

O
S R
O
O
O
O
D
u
v

/
u r uuuu
u r uu
0
0
0

n
i
ur

i P i
D n
i

u r uu ur

i O S R i i
D OP n +
( )

u r uu u r uuuu u r uu ur

i O i S R i i
D n OP n + ( ) ( )
/
u r uu ur u r uuuu u r uu ur

D n
Pith i
u r uuu ur




i O xi O yi i yi i xi
u n v n x n y n + +
( )
. . .( . . )
Qualit de la mesure en production
100


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Incidence du dplacement {} sur les capteurs
On obtient un lien entre les trois composantes u
0
, v
0
et et les sorties
capteurs
1
,
2
et

3
en rsolvant le systme :
Exemple
En reprenant la configuration de la figure 5.8, posons :

Nous obtenons :
Rsolution avec choix de lorigine au centre du cercle

n n x n y n
n n x n y n
n n x n
x y y x
x y y x
x y
1 1 1 1 1 1
2 2 2 2 2 2
3 3 3

yy x
y n
u
v
3 3 3
0
0
1
2

1
]
1
1
1
1

1
]
1
1
1

33

1
]
1
1
1
n
1
0
1
ur

n
2
3 2
1
2
ur u
n
3
3
2
1
2
ur u

0 1
3
2
1
2
1
2
3
2
3
2
1
2
1
2
3
2
1
2 2
3

( )

_
,

+
x
x y
x yy
u
v
3
0
0

_
,

1
]
1
1
1
1
1
1
1
1

1
]
1

11
1

1
]
1
1
1

1
2
3
OP
R
1
0
u r uu

OP
R
R
2
3
2
1
2
u r uu

OP
R
R
3
3
2
1
2
u r uu

Matriser linfluence du posage


101


G
r
o
u
p
e

E
y
r
o
l
l
e
s
partir des diffrentes valeurs , nous obtenons le systme suivant :
Nous pouvons calculer en fonction de u
0
, v
0
et . Nous
avons bien :
Conclusion : le systme est insensible la position de ltalon (sous
lhypothse de petits dplacements).
Correction
Nous avons montr que pour la temprature, il tait possible de faire
une mesure une temprature quelconque et ensuite prdire, grce
une modlisation adquate, ce quil en tait rellement 20 C. Pour
cela, il tait ncessaire de connatre lcart de temprature. Nous retrou-
verons ici la mme dmarche. Lobjectif est didentifier lerreur de
posage et ensuite dtre capable, par logiciel (dplacement virtuel) ou
par dplacement physique (table motorise par exemple), de corriger
cette influence perturbatrice.
Il existe plusieurs approches pour proposer des corrections. Ce type
dtude pouvant donner lieu un ouvrage complet, nous nous
limiterons :
lassociation dun lment gomtrique un nuage de points
(mthode didentification dun lment optimis) ;
lanalyse modale dune surface (mise en vidence des dfauts de
position et de forme).

i
0 1 0
3
2
1
2
3
4
3
4
0 0 1
0 0
+
+ + +

_
,
u v
u v R R


+ + +

_
,




2
0 0 3
3
2
1
2
3
4
3
4
u v R R

1 2 3
+ +

1 2 3
0 + +
Qualit de la mesure en production
102


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Association dun lment gomtrique
un ensemble de points
Identification de llment ralis (fig. 5.11)
Figure 5.11 : Palpage des points dans le repre machine
Cration dun repre local de dgauchissage (balanage)
Ce repre peut tre construit soit physiquement en tant li la pice,
laide dun nombre de points minimum (choisis en fonction du type de
surface), soit gomtriquement en sappuyant sur la dfinition nominale
de la pice (modle CAO). Par exemple, pour la premire solution, dans
le cas du plan, le choix de trois points, judicieusement choisis, sera suffi-
sant pour dfinir ce repre local de calcul R
P
(O
P
, x
P
, y
P
, z
P
).
Figure 5.12 : Dfinition dun repre brut de dgauchissage
O
M
X
M
Y
M
Z
M
P
i
Llment est identifi
par palpage. Sa connaissance
se rsume en un ensemble
de coordonnes de points
de llment rel dans un repre
mesure R
M
entirement localis
par rapport la machine
O
M
X
M
Y
M
Z
M
O
P
x
P
y
P
z
P
P
i
Les points P
i
sont tous
sensiblement la
mme altitude z
P
= 0
Notation :
[O
M
P
i
] = [X,Y,Z]
RM
[O
P
P
i
] = [x,y,z]
RP
Matriser linfluence du posage
103


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Remarquons que :
le choix des axes va permettre de dfinir un sens daccostage lors du
palpage dun point. Par exemple si la surface ralise est du type plan,
laxe z
P
correspond la direction de palpage ;
pour dfinir le repre R
P
nous avons retenu trois points assez loigns.
Ces trois points sont par dfinition daltitude z
P
0. Dautres tech-
niques pourraient tre retenues.
Mesure de llment rel
En chaque point, nous allons mesurer (par calcul) la diffrence constate
entre la surface relle (contact physique) et la surface nominale. Cette
surface nominale est suppose reconstruite gomtriquement dans le
repre R
P
. Lcart mesur au point P
i
sera nomm
i
(fig. 5.13).
Figure 5.13 : Position de llment rel par rapport
llment nominal
Nous avons ainsi un ensemble de mesures {
i
} qui caractrise la surface
relle.
Exemple
Dans le cas dune planit, le plan reconstruit correspond au plan (O
P
,
x
P
, y
P
). Le dfaut de planit brut est gal :
O
P
x
P
y
P
z
P
P
ith
P
i
x
i
Planit Sup Inf
i i
( ) ( )
Qualit de la mesure en production
104


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Optimisation du dgauchissage
Pour la dfinition du repre R
P
les trois points choisis ne conduisent pas
forcment la meilleure association, il reste une part darbitraire. Un
autre choix aurait conduit un repre R
P
voisin de R
P
.
Figure 5.14 : Choix du repre de dgauchissage
En utilisant la mme technique de mesure, nous obtiendrions lensemble
de valeurs (mesures) {
i
}. La technique propose par Bourdet et Cl-
ment
1
consiste reprsenter la transformation gomtrique de passage
du repre R
P
R
P
de manire simple laide dun torseur (linarisation)
appel torseur de petits dplacements. (Les composantes sont consid-
res comme des infiniment petits du premier ordre.)
1. Bourdet P. et Clment A., Controlling a Complex Surface with a 3 Axis Measuring
Machine , Annals of CIRP, vol. 25/1/1976, p. 354-361.
Op
zp
zp
yp
yp
xp
xp
Pi
O
M
Z
M
Y
M
X
M

O
S R
O
O
P
P
P
D
u
v
w

/
u r uuuu
u r uuu

,,

Matriser linfluence du posage


105


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Imaginons quaprs avoir fait la mesure, o pour le point P
i
nous avons
mesur la valeur
i
, nous recommencions la mesure avec un nouveau
repre de dgauchissage (fig. 5.15).
Figure 5.15 : Dplacement de llment nominal
Le plan contenant P
ith
sest dplac. Le dplacement local est reprsent
par le vecteur D
Pith
, la nouvelle mesure vaut e
i
. (En toute rigueur, la
mesure ne sest plus faite suivant n
i
mais suivant n
i
, lerreur commise
est du second ordre.)
Lensemble de mesures {
i
} est remplac, suite au lger dplacement, par
lensemble {e
i
} o chaque valeur e
i
est estime par :
Par commodit de calcul, on peut prendre le point P
ith
ou le point
rel palp P
i
, cela ne modifie pas le produit scalaire :
avec :
n
i
P
i
D
Pith
P
ith
e
i

i
e D n
i i Pith i

u r uuu ur
D n D P P
Pith i Pi i ith
u r uuu ur u r uu ur u r uuuu
+
( )
nn
i
ur
D n D n
Pith i Pi i
u r uuu ur u r uu ur

P P k n
i ith i
u r uuuu ur

Qualit de la mesure en production
106


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Le produit scalaire peut se reprsenter comme le comoment de
deux torseurs :
le torseur de petits dplacements {} ;
et un torseur reprsentant le point de palpage et la direction de pal-
page associe. Cela revient situer une droite dans le repre associ.
Ce torseur {
i
}, appel torseur des coordonnes plckriennes, est dfini
comme suit :
Vrifions que :
.
Nous obtenons en dveloppant le comoment (attention de bien
exprimer les torseurs au mme point) :
Le champ de moment permet dcrire :
Ce qui donne :
On remarquera que les deux produits mixtes sannulent. La nouvelle
expression de lcart e
i
sera donne par :
En rsum, un dplacement exprim par le torseur de petits dplace-
ments {} correspond un ensemble de mesures {e
i
} dduit partir de
lensemble initial de mesures {
i
}.
D n
Pith i
u r uuu ur

i
O
i
ith i
O
xi
yi
zi
i i
P
P
n
OP n
n
n
n
L y

ur
u r uuu ur
.. .
. .
. .
n z n
M z n x n
N x n y n
zi i yi
i i xi i zi
i i yi i x



ii



i Pith i
D n
u r uuu ur




( )
+
i P ith i O
O P n D
P

ur u r uuuuu ur u r uuu
nn
i
ur
D D P O
O Pith ith P
P
u r uuu u r uuu ur u r uuuuu
+




( )
+
i P ith i Pith
O P n D
ur u r uuuuu ur u r uu
, ,
uu ur ur u r uuuuu ur
+
( )
n P O n
i ith P i
, ,

e n u n v n w L M N
i i xi yi zi i i i
+ + + + +
( )

Matriser linfluence du posage
107


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Notre objectif sera de dterminer le dplacement optimal {} permet-
tant de minimiser lensemble {e
i
}.
Note : en plus des paramtres gomtriques de position, il est possible
dajouter des paramtres de forme r
i
intrinsques la surface (comme
une variation de rayon pour un cylindre). Lexpression prcdente
devient
1
:
1
Dans la suite, nous ne chercherons pas optimiser en intgrant ces cri-
tres de forme (la dmarche reste identique, il suffit de prendre en
compte ces nouvelles variables complmentaires).
Critres doptimisation
Minimiser lensemble {e
i
} na de sens que si lon se donne un critre de
minimisation.
Exemples de critres
Critre des moindres carrs : rendre minimum :
.
Critre du dfaut de forme minimum (critre de Chebyshev) :
rendre minimum : .
Critre de la somme minimale des valeurs absolues : rendre
minimum : .
Application du critre des moindres carrs
un lment du type plan
Rappelons que chaque valeur e
i
est donne par lexpression :
soit :
1. Bourdet P., Schneider F., Spcification gomtrique des produits. Cotation et tolrance-
ment ISO, Paris, Dunod, 2007.
e r n u n v n w L M N
i i i xi yi zi i i i

( )
+ + + + +
( )

Z e
i 2
2

Z Max e
i

1
]
1
Z e
i 1

e w y x
i i i i
+
( )


Z w y x
i i i 2
2
+
( )

1
]


Qualit de la mesure en production
108


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Z
2
sera minimum lorsque lon aura simultanment :
; ;
Exemple didactique
Lerreur suivant laxe z a t fortement amplifie (fig. 5.16).
Figure 5.16 : Exemple de choix de critres doptimisation
Calcul du dfaut de forme (exemple de la planit)
Maintenant que lon a une solution optimise (
0
,
0
,
0
), on peut cal-
culer chaque e
i0
correspondant ce petit dplacement.
Le dfaut de forme (planit) sera donn par :

Z
2
0

Z
2
0

Z
w
2
0
Dforme de la surface avant optimisation Dforme de la surface avec norme Z2
Dforme de la surface avec norme Zoo Dforme de la surface avec norme Z1
0.300
0.250
0.200
0.150
0.100
0.050
0.000
0.050
60
30
0 0
10
20
30
40
60
30
0 0
10
20
30
40
60
30
0 0
10
20
30
40
60
30
0 0
10
20
30
40
0.100
0.000
0.100
0.200
0.300
0.100
0.000
0.100
0.200
0.300
0.200
Planit Sup e Inf e
Optimis i i
( ) ( )
0 0
Matriser linfluence du posage
109


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Insistons sur le fait quil est troitement li la mthode doptimisation
retenue (on peut, en particulier, rechercher un dfaut de planit
minimum en utilisant un solveur).
Calcul du dfaut de position
Soit la pice relle de la figure 5.17.
Figure 5.17 : Position relative des surfaces relles S
1
et S
2
chaque surface relle S
i
, nous sommes capables, suivant son type,
dassocier un lment gomtrique type (par exemple deux plans dans
lexemple).
Pour la mesure de dfaut de forme, nous pouvions nous contenter de
raisonner avec les centres de sphres et non sur les points rels de contact.
Par contre pour des mesures dimensionnelles de positions relatives, cette
ambigut devra tre leve.
Par exemple, pour le plan associ, il faudra le dcaler suivant la direction
des z
p
de manire ce quil soit tangent la pice (matire). Compte
tenu des remarques ci-dessus, on associe respectivement le plan P
1
la
surface S
1
et le plan P
2
la surface S
2
.
Surface S
2
Surface S
1
.
. .
.
.
.
.
.
.
.
.
.
.
.
Qualit de la mesure en production
110


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Souvent ces plans sont stocks dans la base de donnes uniquement par
la position dun point et dune normale. Si la normale est parfaitement
dfinie, le choix du point le plus reprsentatif de la surface est moins vi-
dent (effets de bords dus aux surfaces latrales). Soient O
1
et O
2
ces
deux points (fig. 5.18).
Figure 5.18 : Dfinition de la position relative de deux plans
Les logiciels de machines mesurer tridimensionnels ne mesurent pas
tous la position relative entre les deux lments plans de la mme faon.
Mathmatiquement, cela na pas de sens puisque les deux plans, non
parallles, se coupent (formation dun didre). Il faut tre extrmement
prudent lors de ltablissement de la gamme de contrle (par exemple,
en utilisant la mesure de lerreur de position, mais alors lordre des sur-
faces nest plus indiffrent).
Mesure par calibres virtuels
Il est possible dimaginer la pice relle emprisonne par deux plans
parallles, libres en rotation. Ces deux plans peuvent se rapprocher pro-
gressivement jusqu une position limite autorise par la forme de la
n
1
O
1
O
2
n
2
Matriser linfluence du posage
111


G
r
o
u
p
e

E
y
r
o
l
l
e
s
pice. Cette technique
1
permet denglober les dfauts de forme et de
position. Elle prsente un grand avenir pour vrifier la conformit des
spcifications type GPS (fig. 5.19).
Figure 5.19 : Principe du calibre virtuel
Analyse modale dune surface ou dune courbe
Lanalyse modale
2
est une mthode gnrique danalyse de forme, elle
sapplique tout type de gomtrie pour obtenir automatiquement une
base de dfaut. partir dun nuage de points reprsentant la surface
relle dans sa position, la mthode modale propose, la manire des
sries de Fourier, de dcomposer ce nuage en une somme incluant la
valeur moyenne et les dfauts associs, tris selon leur degr de com-
plexit (position, forme, ondulation, etc.). Mthode fort potentiel, sa
prsentation sort du cadre de cet ouvrage. Par contre, son application est
facile interprter par le mtrologue. Par exemple, cette approche est
intuitive lors de mesure de circularit.
1. Pairel ., Logiciel GeoVerif, laboratoire SYMME, www.polytech.univ-savoie.fr.
2. Adragna P.-A., Samper S., Pillet M., Favreliere H., Analysis of Shape Deviations of
Measured Geometries with a Modal Basis , Journal of Machine Engineering, vol. 6,
2006, p. 134-143.
Qualit de la mesure en production
112


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Mesure de la circularit par analyse de Fourier
1

1
Lorsque lon mesure une circularit, celle-ci est fortement perturbe par
la non-concidence entre laxe de la pice et laxe de rotation du pla-
teau. Une table chariots croiss permet de saffranchir progressivement
de ce problme (fig. 5.20).
Figure 5.20 : Position du profil par rapport
au plateau de la machine
Plusieurs solutions permettent un dgauchissage assist. Lanalyse par
srie de Fourier en est une.
En effet, dans la formule suivante :
1. Joseph Fourier (1768-1830), mathmaticien franais connu pour la dcomposition des
fonctions priodiques en sries trigonomtriques et de ses tudes sur la propagation de
la chaleur.
Profil de la pice en
position excentre
Capteur
f a a b a n
n
( ) cos( ) sin( ) ... cos( ) + + + + +
0 1 1
bb n
n
+ sin( ) ...
Matriser linfluence du posage
113


G
r
o
u
p
e

E
y
r
o
l
l
e
s
le terme en a
0
peut se corriger en dplaant plus ou moins le compara-
teur, et les termes a
1
et b
1
correspondent respectivement aux petits
dplacements u et v excuter avec la table chariots croiss.
Si lon soustrait ces termes, il reste les dfauts intrinsques de la pice
(fig. 5.21).
Figure 5.21 : Exemple de dgauchissage par analyse de Fourier
Cette dmarche peut se gnraliser tout type de surface, au prix dune
complexit accrue.
Rayon = f()
110
105
100
95
90
85
80
Position angulaire
Relev brut Relev corrig Erreur centrage
0
3
0
6
0
9
0
1
2
0
1
5
0
1
8
0
2
1
0
2
4
0
2
7
0
3
0
0
3
3
0
3
6
0
Chapitre 6

lments de statistiques appliqus

la mesure
117


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Estimation dune valeur vraie

Le mesurande est quantifi par une valeur vraie

x

0

qui ne sera jamais
exactement connue, mais simplement estime soit par une valeur
unique, soit par une moyenne de valeurs. En revanche, la vraie valeur

x

0

peut tre prsente comme appartenant probablement un intervalle
(nomm intervalle de confiance) fonction dun seuil de probabilit
dappartenance fix.

Estimation par une moyenne

Si lon tait capable de faire un nombre de mesures tendant vers linfini,
nous pourrions calculer la moyenne


de cet ensemble. La valeur vraie
peut tre assimile


, sous rserve que lappareil ne prsente pas de
biais. Matriser lerreur de justesse, revient estimer ce biais pour pou-
voir faire ventuellement des corrections :
Pour des raisons conomiques, techniques et de temps, nous limiterons
le nombre de mesures. Cela revient dire que


sera simplement
estime par les informations que lon pourra retirer du ou des chan-
tillon(s) en notre possession. partir des mesures

x

i

de lchantillon,
nous calculerons une moyenne arithmtique , qui est une valeur parti-
culire de

1

. est un estimateur de la moyenne


de la population :

Rappel :

est une variable alatoire. Pour chaque chantillon, on
obtiendra une valeur particulire :
.

1. NF ISO 3534-1, Statistique Vocabulaire et symboles Partie 1 : Termes statistiques
gnraux et termes utiliss en calcul des probabilits.
x b
0
+
x
X X
X
n
X
i
i
n

1
1
X
x
n
x
i
i
n

1
1
Qualit de la mesure en production

118


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Dispersion de

Les

n

mesures de lchantillon sont censes appartenir une population
de taille

N

suppose infinie (

N



>>



n

). La dispersion de la population de
mesures est caractrise par sa variance


2

. Cette variance sera estime
partir des donnes de lchantillon avec lemploi de lestimateur

S

2

:

S

2

est une variable alatoire qui dpend de lchantillon retenu. Pour un
chantillon particulier, nous obtenons une variance dchantillon observe
note

s

2

:
reprsente le nombre de degrs de libert (

n

variables indpen-
dantes, lies par lquation donnant la moyenne, qui est ncessaire pour
le calcul de

s

2

).
Nous sentons intuitivement que la performance de lestimateur va
dpendre de la taille de lchantillon

n

mais galement de la dispersion
de la population mre. Cette dernire est soit connue (du fait dun
grand nombre de mesures pralables), soit quantifie laide de

s

2


partir des valeurs de lchantillon.

Cas o



est connu

En toute rigueur, ce cas nexiste jamais. En revanche, si lon connat la
reproductibilit du moyen de mesure depuis un certain temps, on peut
admettre que ce cas est applicable.
Partant de la loi des mesures suppose normale :
,
on en dduit la loi pour :
qui scrit lorsque lon passe en variable centre rduite :
X
S
n
X X
i
i
n
2 2
1
1
1

( )
s
n
x x
i
i
n
2 2
1
1
1

( )
n 1
X

Loi X
i
( ) ( , )
2
X
Loi X
n
( ) ( , )

2
Loi
X
n
( ) ( , )

0 1
lments de statistiques appliqus la mesure

119


G
r
o
u
p
e

E
y
r
o
l
l
e
s

La formule donnant la variance de , soit
,
nest valable que si

n

est petit devant

N

(le tirage sans remise naffectant
pas alors les caractristiques successives de la population mre).
Cela donne lintervalle de confiance suivant (

u

: variable de la loi nor-
male centre rduite ou loi de Gauss) :


reprsente le risque que lhypothse dappartenance de la moyenne
cet intervalle ne soit pas vrifie. Par exemple, si lon retient un risque de
5 %, nous obtenons :

Cas o



est inconnu

Faute de mieux, nous allons travailler avec lestimateur

S

.

S

donne une
estimation assez mdiocre de


, particulirement si

n

est petit. Linter-
valle de confiance pour


est donn laide de la loi du


2

par :

Exemple

Si

S

donne une estimation partir de cinq valeurs, nous obtenons :

La mthode pour obtenir lintervalle de confiance sur la moyenne est
dans le mme esprit que dans le cas o


est connu, mais cela revient
utiliser une sorte de coefficient de scurit en remplaant la variable

u

par la variable

t

(loi de Student).
X
V X
n
( )

2
Prob X u
n
X u
n
+

1
]
1

1
2
1
2
1

Prob X
n
X
n
+

1
]
1
1 96 1 96 0 95 , , ,


Prob
n
S
n
S
n n

1
]
1

1 1
1 1
2
2
1
2
2


; ;
11
1
1
Prob
4
1114
4
0 48
0 95
, ,
,

1
]
1
1
S S
Prob 0 60 2 87 0 95 , , ,

1
]
S S
Qualit de la mesure en production

120


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Avec lexemple prcdent, cela donne :

Comparaison de deux estimations
de moyennes

Ce cas est assez frquent lorsque lon veut comparer les rsultats :


de deux machines ;


de deux oprateurs ;


de deux fournisseurs ;


etc.

Paramtrage du problme

Chaque contexte de mesure dindice 1 ou 2 est caractris par un chan-
tillon propre (tableau 6.1).

Tableau 6.1 : Paramtres des deux sources de mesures

Les variables alatoires dchantillon

X

1

et

X

2

seront supposes tre dis-
tribues suivant une loi normale. Les chantillons de mesures ne sont
pas apparis (cest--dire quil ny a pas de lien par exemple ente la

j

me

valeur de lchantillon 1 et la

j

me

valeur de lchantillon 2).
Notre objectif est de savoir si la diffrence observe des moyennes note

D

est significative ou non.

Taille
chantillon
Moyenne
population
cart-type
population
Moyenne : estimation
chantillon
cart-type :
estimation chantillon

n

1


1

s

1

n

2


2

s

2
Prob X t
S
n
X t
S
n
n n
+

1
]
1

1 1
2
1 1
2
1
; ;


Prob X
S
X
S
+

1
]
1
2 78
5
2 78
5
0 95 , , ,
x
1
x
2
lments de statistiques appliqus la mesure

121


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Nous retenons a priori lhypothse nulle H
0
(
1

2
). D est une
variable alatoire :
avec : (Hypothse H
0
)
Test de comparaison
D tant une variable alatoire, nous devons prendre une dcision partir
de sa valeur observe d. Nous considrerons que nous sommes dans le
cas ou
1
et
2
ne sont pas connus (donc a priori diffrents). Pour pou-
voir faire une comparaison avec la variable t de Student, nous utiliserons
la variable suivante :
Z sera estime par .
La distribution de Z reste trs proche de la distribution de Student, on
considrera que lhypothse H
0
sera accepte si
.
s
D
est calcul partir des estimations s
1
et s
2
:
Le nombre de degrs de libert est le plus souvent approch par
.
Pour plus de rigueur, on peut utiliser le test de Welch
1
:
1. Pags J., Statistiques gnrales pour utilisateurs, PUR, 2005.
D X X
1 2
E D ( ) 0


D
n n
2 1
2
1
2
2
2
+
Z
D
D

z
d
s
D

d
s
t
D
<


;1
2
s
s
n
s
n
D
+
1
2
1
2
2
2
+ n n
1 2
2

( )

_
,

_
,
s
n
s
n n
s
n
D
2
2
1
1
2
1
2
2
2
2
2
1
1
1
1

2
Qualit de la mesure en production
122


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Comparaisons dchantillons apparis
Ce cas se produit par exemple lorsque quun chantillon de pices est
mesur par deux personnes diffrentes ou sur deux moyens de mesures
diffrents. De plus, chaque pice est identifie, si bien quil est possible
de comparer les deux mesures obtenues pour chaque pice. Cest un cas
particulier de lanalyse de variance deux facteurs sans rptition (le fac-
teur pice peut prsenter plusieurs modalits, par contre lautre facteur
na que deux modalits).
chantillon des diffrences
Pour chaque pice i, on calcule la diffrence
.
De cet chantillon de diffrences, on calcule les estimations suivantes :
Lhypothse nulle H
0
sera accepte (risque ) si
.
Recherche de linfluence dun facteur
(analyse de la variance un facteur)
Influence du facteur identifi
Lobjectif est de savoir si les diffrences de moyennes lorsque le facteur
varie (modalits), sont imputables au hasard (hypothse nulle : H0) ou
d x x
i i i

1 2 , ,
d
n
d
i
i
n

1
1
s
n
d d
d i
i
n
2 2
1
1
1

( )
s
s
n
d
d 2
2

d
s
t
d
n
<
1 1
2
;

lments de statistiques appliqus la mesure
123


G
r
o
u
p
e

E
y
r
o
l
l
e
s
si au moins une des moyennes diffre des autres (hypothse : H1). Par
exemple, le facteur peut tre un changement :
doprateurs ;
de pices ;
de machines ;
de posages ;
datelier (environnement) ;
etc.
Notations et prsentation
Nous avons :
n mesures (chantillon total) ;
L niveaux du facteur dinfluence tudi (modalits) ;
r rptitions par modalit (r sera constant pour chaque modalit,
donc n L r).
Tableau 6.2 : Prsentation des donnes
y
ij
est une valeur particulire de la variable Y
ij
. Cette variable suit la loi :
Nous supposerons que le facteur tudi agit seulement sur la moyenne. La
non-influence sur la variance
2
doit tre vrifie par un test (Cochran,
Hartley, Bartlett).
Rptitions
F
a
c
t
e
u
r
M
o
d
a
l
i
t

s
1 j r Moyennes
1

L
y
ij
y
i
y
Loi Y (
ij
( ) , )
i
2
Qualit de la mesure en production
124


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Chaque variable Y
ij
peut tre reprsente par une valeur moyenne,
fonction de linfluence du facteur et un cart alatoire (dispersion de
mesure) :
les mesures sont indpendantes.
Pour mettre en vidence linfluence (
i
) explicite de la modalit i du
facteur, on retiendra lcriture suivante ( reprsentant la moyenne
globale) :
avec : .
Estimation des paramtres
est estime par . Avec la notation prcdente, il vient :
est estim par
Estimation de la variance des rsidus :
ou encore, comme ici :
Y
ij i ij
+
Loi( ) ( , ); ,
ij
i j 0
2
Cov( , ) ; , ,
ij kl
i j k l
( )

( )
0
Y
ij i ij
+ +

i
i

0
y
y y e
ij i ij
+ +

y
L
y
i
i

i i
y y

2 2
2 2

( )


( )


s
y y
n L
e
n L
ij i
j i
ij
j i
n r L
s
e
L r
s
L
ij
j i
i
i 2
2
2
1

( )




( )
lments de statistiques appliqus la mesure
125


G
r
o
u
p
e

E
y
r
o
l
l
e
s
tude de la variabilit
(sommes des carrs des carts)
chaque rsultat de mesure y
ij
, nous pouvons associer deux carts :
un cart la mesure moyenne du facteur (influence pour la modalit i) :
;
un cart la moyenne gnrale :

qui peut se mettre sous la forme
.
Lquation danalyse de variance donne :
ou encore :
Chaque terme reprsente une somme de carrs dcarts, note SCE.
Soit :
SCE
T
(variabilit totale) SCE
F
(variabilit due au facteur)
+ SCE
Rsiduelle
(variabilit rsiduelle).
chaque somme correspond un nombre de degrs de libert (ddl)
(tableau 6.3).
Tableau 6.3 : Degrs de libert des sommes dcarts
SCE cart Somme Relations ddl ()
SCE
T

T
n 1
SCE
F

F
L 1
SCE
R

R
n L
y y
ij i

( )
y y
ij

( )
y y y y
ij i i
+ +
( )

( )
i

y y r y y y y
ij
j
i
i
ij i
j i

( )

( )
+
( )
2
2
2
y y r e
ij
i
i
i
ij
ij

( )
+

2
2 2

y y
ij

( )
y y
ij
j i

( )
2
y y
ij
j i

( )


0
y y
i i

( )
r y y
i
i

( )

2

i
i

0
e y y
ij ij i

( )
y y
ij i
j i

( )
2

i e
ij
j
0
Qualit de la mesure en production
126


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Coefficient de dtermination R
2
La variabilit se dcompose en deux parties :
une partie non matrise, variabilit rsiduelle, correspondant
SCE
R
;
lautre partie subissant linfluence du facteur tudi : SCE
F
.
Dans le cas particulier, de lanalyse de la variance un facteur, cela
donne :
Si ce rapport est gal un, cela revient dire que 100 % de la variabilit
sont expliqus par le facteur dinfluence.
Pour savoir, si la part de variabilit attribue la grandeur dinfluence
est significative, nous allons utiliser le test suivant.
Test sur leffet suppos du facteur
Carrs moyens
En divisant chaque somme de carrs des carts par le nombre de degrs
de libert associs, on obtient un carr moyen dcarts (CME) reprsen-
tant physiquement une variance.
Pour estimer la variance inter-lots (variance rsiduelle), nous avons
crit :
Les lots tant de taille identique, nous pouvons utiliser galement :
CME
R
correspond lestimation de la variance rsiduelle.
R
SCE SCE
SCE
SCE
SCE
T R
T
F
T
2

s
y y
n L
e
n L
R
ij i
j i
ij
j i
2
2 2

( )


( )


CME s
SCE
n L
R R
R

2
CME s
s
L
R R
i
i

2
2
lments de statistiques appliqus la mesure
127


G
r
o
u
p
e

E
y
r
o
l
l
e
s
De mme, posons :
Si lon retient lhypothse H
0
, cela revient dire que le changement de
modalits na pas dinfluence. Avec cette hypothse, les diffrentes
modalits peuvent tre considres comme des chantillons appartenant
la mme population. La variance sur les moyennes dchantillons est
estime par :
Lesprance de est gale .
Donc, sous lhypothse H
0
, lesprance de CME
F
devrait tre :

2
CME
R
.
Le test consiste comparer CME
F
CME
R
. Pour cela, on calcule le
rapport :
Si H
0
est vraie, la variable F
Observ
suit la loi :
.
Lhypothse H
0
sera retenue si :
(test de Snedecor).
CME
SCE
L
F
F

1
CME
r y y
L
r
y y
L
F
i
i
i
i


( )

( )


2 2
1 1
s
y y
L
CME
r
y
i
i F
i
2
2
1

( )

s
y
i
2

2
r
F
CME
CME
SCE
L
s
r y y
L
Observ
F
R
F
R
i
i


( )

1 1
2
2
ss
R
2
Loi F F
Observ n L
L
( ) ( )

2
1
1
1
F F
Observ n L
L
<

2
1
1
1 ( )
Qualit de la mesure en production
128


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Exemple : mesure dune cale sur machine mesurer
Suite lacquisition de mesures dune cale-talon sur machine
mesurer tridimensionnelle, on a des doutes sur lincidence de la position
de la cale par rapport la machine. En effet, ce nest pas les mmes
masses de chariots mises en mouvement suivants les axes utiliss
(tableau 6.4).
Tableau 6.4 : Mesure dune cale en faisant varier sa position
Rsultats de lanalyse de variance un facteur (la position de la cale)
(tableau 6.5).
Tableau 6.5 : Rsultats de lanalyse de variance
Remarque : lutilitaire danalyse Excel permet dobtenir directement
cette tude (tableau 6.6).
Tableau 6.6 : Analyse directe avec Excel
Mesure dune cale de 75 mm suivant diffrentes orientations sur MMT
n 1 n 2 n 3 n 4 n 5 s
i
Plan YZ, mesure axe Z 75,002 75,002 75,001 75,001 75,000 75,0012 0,0008
Plan YZ, mesure axe Y 74,996 74,996 74,996 74,995 74,996 74,9958 0,0005
Plan XY, mesure axe X 74,994 74,996 74,994 74,996 74,996 74,9952 0,0011
Plan XY, mesure 45 74,999 74,998 74,998 74,997 74,999 74,9982 0,0008
Source ddl SCE CME
MMT (rsiduel) 16 0,00001120 0,00000070
Position 3 0,00011160 0,00003720
Total 19 0,00012280 0,00000646
R
2
90,88 %
F
observ
53,143
F
calcul
3,24
ANALYSE DE VARIANCE
Source des
variations
Somme
carr
Degr
libert
Moyenne
carrs
F Probabilit
Valeur critique
pour F
Entre groupes 0,0001116 3 3,72E-05 53,143 1,53E-08 3,23886695
lintrieur
des groupes
1,12E-05 16 7E-07
y
i
lments de statistiques appliqus la mesure
129


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Conclusion : lhypothse H
0
est refuse, la position de la cale semble
avoir de linfluence sur la mesure.
Test non significatif (H
0
est accepte)
Lorsque H
0
est accepte, cela revient dire quil ny a pas de dtection
dinfluence du facteur. On peut considrer que lon a un seul gros
chantillon de taille n L r :
soit comme intervalle de confiance pour la variance :
La moyenne gnrale est estime par avec une variance .
Soit comme intervalle de confiance sur la moyenne :
o t est la variable de Student n 1 degrs de libert.
Test significatif (H
0
est refuse)
Nous avions modlis la mesure par : .
Si H
0
est vraie, cest que lon pense avoir : .
Dans le cas contraire, cest que manifestement, il existe au moins un
trs diffrent de 0 (au moins une modalit du facteur F a une grosse
influence).
s
SCE
n
R
T 2
1

Prob


R
R R
R
R
s s
1
2
2
2 2
2
2
2

1
]
1
1
1
1
1
Prob
n
s
n
s
R R R

1
]
1
1

1 1
1
2
2
2 2
2
2
2


11
1
1
y
s
n
R
2
Prob y t
s
n
y t
s
n
n
R
n
R

_
,

+
1 1
2
1 1
2
; ;

_
,

1
]
1
1
1
Y
ij i ij
+ +

i
i 0;

i
Qualit de la mesure en production
130


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Il va falloir distinguer une variance rsiduelle et une variance due au
facteur .
La variance rsiduelle est estime par :
avec : n L degrs de libert.
Soit comme intervalle de confiance pour la variance rsiduelle :
Pour linfluence du facteur, nous ferons la distinction entre deux cas :
soit la modalit du facteur est alatoire (par exemple, position de la
cale au hasard, choix des oprateurs) ;
soit il sagit de modalits fixes (par exemple, comparaison inter-labo-
ratoires).
Modalits alatoires
CME
F
a comme esprance : .
La variance peut tre estime par :
soit comme intervalle de confiance pour la variance :

R
2

F
2
CM s
SCE
n L
R R
R

2
Prob


R
R R
R
R
s s
1
2
2
2 2
2
2
2

1
]
1
1
1
1
1
Prob
n L
s
n L
s
R R R

1
]
1
1


1
2
2
2 2
2
2
2
11
1
1
E CME r
F R F
( ) +
2 2

F
2
s
CME CME
r
CME s
r
F
F R F R 2
2


Prob
1
1
2
1
2 2
r
CME
F
s
F
n L
L
R F

_
,

( )


11
1
2
1 2
r
CME F s
F n L
L
R

_
,

1
]
1
1
1

( )

11
1
lments de statistiques appliqus la mesure
131


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Application la mesure de la cale : nous considrerons que la position
de la cale sur la machine est alatoire et dpend du choix arbitraire de
loprateur.
Modalits fixes
Dans ce cas, le choix de la modalit nest pas d au hasard, il relve
dune volont de comparaison (par exemple, comparaison inter-labora-
toires).
Les effets de la modalit n i sont notes et estimes par
On peut rechercher si une modalit a un effet trs fort par rapport aux
autres ou si lon peut classer les modalits en groupes dinfluence com-
parable (dans ce dernier cas on peut utiliser la mthode de Tukey-
Kramer).
Nous allons envisager deux hypothses pour la modalit
i
:
hypothse H
0
: la modalit na pas dinfluence (
i
0) ;
hypothse H
1
: la modalit est nettement diffrente de la valeur
moyenne (
i
<> 0).
Rappelons que est estim par , qui peut se mettre sous la
forme :
Lestimation de la variance est gale .
Elle est plus faible que la variance sur la moyenne des modalits (parti-
culirement quand L est petit).
Comme nous travaillons avec un estimateur, nous utiliserons la loi de
Student :
s mm
Position
0 0027 .
Prob 0 0013 0 0055 0 95 . . .

1
]

Position

i i
y y

i i
y y

i i i
i
y
L
y

1
s
L
L
s
r
i
R

2
2
1

Loi
s
i
i

_
,



t
n L
Qualit de la mesure en production
132


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Lacceptation de H
0
se fera laide du test suivant (avec le risque ) :
Remarque : si lon a une valeur vraie du mesurande (note y
0
), leffet de
la modalit (erreur systmatique) est estime par .
Recherche de linfluence de deux facteurs
(analyse de la variance deux facteurs)
Nous devons traiter des donnes de mesures, obtenues pour diffrentes
modalits de deux facteurs. Ce cas est souvent rencontr lorsque lon
cherche des influences potentielles sur la reproductibilit. Par exemple,
dans les tudes GRR (chapitre 7) on cherche connatre linfluence
de la pice et de loprateur sur la dispersion des mesures.
Exprimentalement (plan factoriel), on se fixera un nombre de moda-
lits pour chaque facteur (par exemple trois oprateurs mesurant dix
pices). chaque combinaison de modalits (un oprateur/une pice)
correspond une ou plusieurs mesures (r rptitions) (tableau 6.7).
Chaque mesure y
ijr
est une occurrence de la variable Y
ij
repre par trois
indices :
i : indice de ligne (par exemple, oprateur A, B ou C) ;
j : indice de colonne (par exemple, numro de la pice mesure) ;
r : indice de rptition.

i
s
i
<

t
n L 1
2

i i
y y
0
lments de statistiques appliqus la mesure
133


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Tableau 6.7 : Prsentation des donnes avec deux facteurs
Convention dcriture des diffrentes moyennes
Moyenne des R rptitions pour la combinaison modalit i du fac-
teur 1 et modalit j du facteur 2 :
Moyenne (QR) de toutes les mesures correspondant la modalit i
du facteur 1 :
Moyenne (PR) de toutes les mesures correspondant la modalit j du
facteur 2 :
Moyenne gnrale (PQR) de toutes les mesures :
Modalits facteur 2
1 j Q Moyennes
M
o
d
a
l
i
t

s

f
a
c
t
e
u
r

1
1

P
Moyennes
y
i
y y y y
ij ijr ijR ij 1,
.... .....
( )

y
j y

y
R
y
ij ijr
r



1
y
QR
y
i ijr
j r



1
,
y
PR
y
j ijr
i r



1
,
y
PQR
y
ijr
i j r



1
, ,
Qualit de la mesure en production
134


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Modlisation
Pour mettre en vidence les influences explicites (
i
) de la modalit i du
facteur 1 et (
j
) de la modalit j du facteur 2, on retiendra lcriture sui-
vante ( reprsentant la moyenne globale) :
Notion dinteraction : si est diffrent de zro, on parlera dinterac-
tion entre les modalits i et j. Par exemple, pour la mesure de la pice i
par loprateur j, cela peut reprsenter la recherche systmatique du dia-
mtre maximum pour une pice prsentant un dfaut dovalisation.
Analyse de la variabilit
Dans ce chapitre, nous nous contenterons dtudier sommairement la
dcomposition de la variabilit. Pour une tude plus approfondie, nous
renvoyons le lecteur aux ouvrages spcialiss.
La variabilit totale (SCE
T
) se dcompose dans ce cas en quatre parties
(tableau 6.8).
Tableau 6.8 : Sommes des carrs dcarts et carrs moyens dcarts
Source SCE Ddl () CME
Totale
T
PQR 1
Facteur 1
F1
P 1
Facteur 2
F2
Q 1
Interaction
F1F2
(P 1) * (Q 1)
Rsidus
R
(R 1) * (PQ)
Y
ijr i j ij ijr
+ + + +
Loi( ) ( , ); , ,
ijr
i j r 0
2
y y
ijr
r j i

( )


2
CME
SCE
PQR
T
T

1
QR y y
i
i

( )

2
CME
SCE
P
F
F
1
1
1

PR y y
j
i

( )
2
CME
SCE
Q
F
F
2
2
1

R y y y y
ij i j
j i

+
( )
2
CME
SCE
P Q
F F
F F
1 2
1 2
1 1

( )

( )
y y
ijr ij
r j i

( )


2
CME
SCE
PQ R
R
R

( ) 1
lments de statistiques appliqus la mesure
135


G
r
o
u
p
e

E
y
r
o
l
l
e
s
On peut vrifier que :
et :
Test sur la validit de linfluence des facteurs
partir des carrs moyens dcarts calculs prcdemment, on va com-
parer une valeur F
observ
un F
seuil
(test de Snedecor) :
Nous allons vrifier :
Si F
Observ
est plus grand que la valeur seuil, lhypothse de non-
influence sera rejete.
Exemple : analyse type GRR
Nous allons analyser une srie de dix pices, mesures par trois opra-
teurs, chaque mesure tant rpte trois fois (tableau 6.9).
Tableau 6.9 : Exemple dtude GRR
Pice 1 Pice 2 Pice 3 Pice 4 Pice 5 Pice 6 Pice 7 Pice 8 Pice 9
Pice
10
Oprat.
A
87,830
87,420
87,170
89,770
89,680
89,540
90,140
90,160
90,180
89,750
89,450
89,110
89,440
89,380
89,590
87,550
87,520
87,490
88,470
88,030
88,150
89,570
89,450
89,590
88,160
88,700
88,600
87,350
86,970
87,430
Oprat.
B
88,120
88,080
87,955
89,870
89,970
90,070
90,670
90,430
90,440
89,820
89,580
89,530
89,060
89,040
89,190
87,630
87,560
87,640
88,370
88,410
88,540
89,300
89,430
89,430
88,850
88,890
89,150
87,730
87,460
87,610
Oprat.
C
87,920
88,050
87,580
89,970
90,030
90,160
91,040
90,810
90,950
89,510
90,140
89,840
89,360
89,610
89,580
88,250
87,980
88,120
88,700
88,940
88,620
89,750
89,760
89,770
89,190
89,010
88,860
87,570
87,790
87,700

T F F F F R
+ + +
1 2 1 2
SCE SCE SCE SCE SCE
T F F F F R
+ + +
1 2 1 2
F F
observ
<

2
1
1 ( )
CME
CME
F
F
R
PQ R
P 1
1
1

( )
CME
CME
F
F
R
PQ R
Q 2
1
1

( )
CME
CME
F
F F
R
PQ R
P Q 1 2
1
1 1



( )
( )( )
Qualit de la mesure en production
136


G
r
o
u
p
e

E
y
r
o
l
l
e
s
En reprenant le tableau 6.8, nous obtenons les rsultats suivants
(tableau 6.10).
Tableau 6.10 : Exemple dtude GRR
Les deux facteurs sont bien influents et lon peut noter une interaction
non nulle entre ces deux facteurs. Cela se manifeste en figure 6.1, par
des courbes qui ne sont pas simplement dcales.
Figure 6.1 : tude de linteraction oprateurs/pices
Cette exemple sera repris au chapitre 7. Notons que nous pouvions
avoir directement ces rsultats en utilisant lutilitaire danalyse dExcel
en choisissant Analyse de variance : deux facteurs avec rptition
dexprience (tableau 6.11).
Source SCE ddl(v) CME F
observ
F
seuil
Totale 91,6855 89 1,030
Facteur Oprateurs 2,7838 2 1,392 48,983 3,150
Facteur Pices 85,6567 9 9,517 334,933 2,040
Interaction 1,5400 18 0,086 3,011 1,778
Rsidus 1,7050 60 0,028
Interaction oprateurs/pices/moyenne
2,000
1,000
0,000
1,000
2,000
3,000
1 2 3 4 5 6
7
8 9 10
M
o
y
e
n
n
e

o
p

r
a
t
e
u
r
Pierre Lucas Paul
lments de statistiques appliqus la mesure
137


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Tableau 6.11 : Exemple direct avec Excel
Rgression linaire
Cet outil statistique sera intressant pour comparer deux sries de
mesures dun mme chantillon de pices, obtenues dans des contextes de
mesure diffrents (changement de machine, de lieu, etc.). Par exemple,
il permet de calculer les corrections de justesse en comparant les rsul-
tats dune machine mesurer talon, en salle de mtrologie, avec ceux
donns par une machine mesurer en production (nous reviendrons
plus en dtail sur ce point aux chapitres 7 et 8).
Pour une mme pice n i, nous reporterons la valeur x
i
de la machine
datelier en abscisse et la valeur y
i
de la machine mesurer talon en
ordonne, comme le proposent C. Perruchet et M. Priel
1
. Cette disposi-
tion nest pas naturelle. Pourtant, elle est justifie car la machine date-
lier devrait fournir un rsultat correspondant la machine talon. x
i
nest pas une valeur alatoire, cest la valeur lue. Par contre, pour une
mme valeur x
i
, on peut sattendre diffrentes valeurs y
i
correspon-
dantes. Cette dernire est une valeur alatoire. y
i
est une valeur particu-
lire de la variable Yi

(fig. 6.2).
ANALYSE DE VARIANCE
Source
des variations
Somme carrs
Degr
libert
Moyenne
carrs
F Probabilit
Valeur critique
pour F
chantillon 2,783787222 2 1,391893611 48,983 2,44132E-13 3,5150411487
Colonnes 85,65668472 9 9,517409414 334,933 7,87534E-48 2,040096092
Interaction 1,540029444 18 0,085557191 3,0109 0,000711265 1,778445835
lintrieur
du groupe
1,70495 60 0,028415833
Total 91,68545139 89
1. Perruchet C., Priel M., Estimer lincertitude, AFNOR, avril 2000.
Qualit de la mesure en production
138


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 6.2 : Rgression linaire
Nous retiendrons comme modle : .
reprsente les rsidus. Cest une variable alatoire suppose distribue
par une loi normale (0, ).
Malheureusement, ce modle ne pourra qutre estim. En effet, nous
navons quun chantillon de points (couples x
i
, y
i
). laide de cet
chantillon, nous proposons un modle estim : , en
cherchant minimiser (mthode des moindres carrs).
En rsum, a et b ne sont que des estimations de et . La qualit de
cette estimation sera fortement influence par le nombre de points et
ltendue de mesure (valeur
maximum
valeur
minimum
).
Estimation des paramtres
partir des moyennes et , on en dduit :
X
Y
x
i
+ x Y
Y
i
y x
i i i
+ +
y a x b e
i i i
+ +
e
i
2

x y
a
x x y y
x x
Cov x y
Var x
b y
i
i
i
i
i

( )

( )

( )

2
( , )
( )
a x
lments de statistiques appliqus la mesure
139


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Intuitivement, des machines identiques dans leur comportement
devraient donner a 1 et b 0.
Si b est diffrent de zro, cela correspond une erreur systmatique
correspondant un dcalage dorigine.
Si a est diffrent de 1, cela correspond un changement dchelle
(mtriques diffrentes suivant les moyens de contrle).
Incertitudes sur les paramtres
Il est vident que ltendue de mesure, ou plage des x , va amliorer la
qualit des coefficients a et b mais galement la distribution des points.
Cela se traduira par lemploi de lindicateur variance sur les x .
Dautre part a et b ne sont pas indpendants (covariance non nulle). En
utilisant lcart-type des rsidus, cela donne :
nest en gnral pas connu. On devra travailler avec son estimation s.
(il y a deux paramtres estims).
Intervalle de confiance de la correction
Lutilit de ltude prcdente est de prvoir une correction sur la
mesure brute x
*
sans avoir recours systmatiquement une comparaison
la machine talon. En rsum, quelle est la confiance que lon peut
avoir dans le rsultat y
*
calcul en fonction de la mesure brute x
*
.
Dans le rsultat donn par ,


a
x
n
s
2
2
2
1

1
]
1
1


b
x
n
x
s
2
2 2
2
1 +

1
]
1
1
s
y a x b
n
i i
i 2
2
2


( )

y a x b
* *
+
Qualit de la mesure en production
140


G
r
o
u
p
e

E
y
r
o
l
l
e
s
rappelons que nous ne sommes pas srs des coefficients a et b, soit :
Le dernier terme correspond linfluence de la covariance entre a et b
(pour plus de dtails voir le chapitre 8 sur le calcul dincertitudes).
Nous venons de quantifier lincertitude propre la mconnaissance des
facteurs et . Cela permet de calculer un intervalle de confiance sur la
moyenne des y
*
pouvant correspondre la valeur x
*
. Pour une valeur
individuelle, il faut rajouter la variance propre et utiliser :
ou encore :
Lintervalle de confiance (fig. 6.3) (pour une probabilit de refus de )
est donn par :
s x
s
n
s
s
n
x
s
y
x x
*
*
2 2
2
2
2
2 2
2
1
1 1
( )

1
]
1
1
+
( )
+

1
]
1
1
+
( )

( )

1
]
1
1
2 1
2
2
x
s
n
x
s
x
*
s
s
n s
x s x x x
y
x
x
*
* *
2
2
2
2 2 2
2

+ +

1
]
s
s
n s
s x x
y
x
x
*
*
2
2
2
2
2

+
( )

1
]
1
s
s
n s
s x x s
y
x
x
*
*
2
2
2
2
2
2

+
( )

1
]
1
+
s s
n
x x
n s
y
x
*
* 2 2
2
2
1
1
+ +

( )

1
]
1
1
+ +

( )


t s t s
n
x x
n s
n
y
n 2 1
2
2 1
2
2
1
1
; ;
*
*

xx
2
1
2

1
]
1
1
lments de statistiques appliqus la mesure
141


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 6.3 : Exemple dintervalle de confiance pour la correction
0,01
0,008
0,006
0,004
Machine mesurer de production
10,000 10,010 10,020 10,030 10,040 10,050 10,060 10,070 10,080 10,090 10,100
M
a
c
h
i
n
e


m
e
s
u
r
e
r

d
e

r

r
e
n
c
e
10,120
10,110
10,100
10,090
10,080
10,070
10,060
10,050
10,040
10,030
10,020
10,010
10,000
9,990
y = 1,0833 0,8326
Invervalle de confiance pour E(y*)
Invervalle de prvision pour y*
Valeurs mesures
0
0,01
0,008
0,006
0,004
0,002
0,002
1
0
,
0
0
1
0
,
0
1
1
0
,
0
2
1
0
,
0
3
1
0
,
0
4
1
0
,
0
6
1
0
,
0
5
1
0
,
0
7
1
0
,
0
8
1
0
,
0
9
1
0
,
1
0
y
i


y

e
s
t
i
m

Chapitre 7
Valider un processus
de contrle
145


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Pour avoir confiance dans une mesure, il faut que lensemble des res-
sources humaines et matrielles du processus de contrle conduisent :
une mesure fidle (le processus ritre des rsultats voisins) ;
une mesure juste (la moyenne de ces rsultats sapproche dune
valeur vraie).
Dans ce chapitre, nous chercherons valider un processus de contrle
ddi une tche bien dfinie. Il sagit dappareils utiliss en production
de srie. Pour ceux demploi plus universel (un pied coulisse par
exemple), la justesse globale (sur toute ltendue de mesure) sera estime
en utilisant loutil rgression linaire vu aux chapitres 6 et 8.
Concept de fidlit
Cela sera peru comme laptitude donner des rsultats de mesure voi-
sins pour un mme mesurande. Ce degr de voisinage est quantifi par
une statistique du type cart-type ou tendue de mesure. Pour valuer la
robustesse de cette fidlit, il est judicieux denvisager linfluence de
diverses grandeurs pouvant perturber la qualit de cette statistique. Ces
grandeurs constituent lensemble des 5M
1
du processus de mesure :
moyen de contrle : lappareil (avec ses talons) ;
main-duvre : loprateur (dextrit physique et comptence) ;
matire : la pice (problmes de la gomtrie, de la forme, de ltat de
surface, etc.) ;
mthode de mesure (protocole, traitement, etc.) ;
milieu (temprature, vibrations, hygromtrie, etc.).
1. Duret D., Pillet M., Qualit en production : de lISO 9000 Six Sigma, Paris, ditions
dOrganisation, 2005.
Qualit de la mesure en production
146


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Il est pratiquement impossible de prendre en compte toutes les
influences, soit simplement par ignorance, soit parce quon a estim que
cette influence particulire engendrait une variabilit trs faible.
Lorsque les influences sont figes et que lon ne prend en compte que
linfluence de lquipement de mesure sur une courte priode de mesure
(variabilit rsiduelle), on dfinira la fidlit par la rptabilit
1
. Si au
moins une des influences varie au cours des mesures, on parlera alors de
reproductivit.
Rptabilit des rsultats de mesurage (repeatability) : troitesse de
laccord entre les rsultats des mesurages successifs du mme mesu-
rande, mesurages effectus dans la totalit des mmes conditions de
mesure :
mme mode opratoire ;
mme observateur ;
mme instrument de mesure utilis dans les mmes conditions ;
mme lieu ;
rptition durant une courte priode de temps.
Reproductibilit des rsultats de mesurage (reproducibility) : troi-
tesse de laccord entre les rsultats des mesurages du mme mesu-
rande, mesurages effectus en faisant varier les conditions de mesure
dcrites ci-dessus.
Attention, car certaines entreprises limitent la reproductibilit (repro-
ducibility) uniquement au complment d loprateur (appraiser
variation). La prise en compte du temps est alors nomme stabilit
(stability/drift) (fig. 7.1).
1. Les termes spcifiques la mtrologie (comme grandeur ou unit) sont dfinis dans le
VIM (Vocabulaire international de la mtrologie), PR NF ISO 99999 octobre 2006
(VIM), 3
e
d.
Valider un processus de contrle
147


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 7.1 : Deux perceptions du concept de reproductibilit
Industriellement, deux approches sont souvent retenues
1
, savoir la
mthode du GUM
2
et la mthode GRR du MSA
3
.
Mthode du GUM
Trs pratique lorsque le rsultat final Y dpend de mesures de bases X
i
(entres), elle ncessite de connatre la relation fonctionnelle :
Y f(X
1
, X
2
X
n
)
1. Le lecteur pourra galement consulter les normes CNOM0 : E41.36.110.N et
GE41-013N, tlchargeables sur www.cnomo.com.
2. Guide to the Expression of Uncertainty in Measurement (GUM), NF ENV 13005 aot
1999. LAFNOR publie ce document sous la rfrence XP X 07-020.
3. Automotive Industry Action Group (AIAG) (2002). Measurement Systems Analysis
Reference Manual, 3
e
d., Chrysler, Ford, General Motors Supplier Quality Require-
ments Task Force (www.carwin.co.uk/qs).
Reproductibilit
Reproductibilit
(majorant de la rprabilit)
Rptabilit
Rptabilit
Dfinition VIM
Mthodes Milieu Main-duvre
Machine
(instrument)
Matire
Choix
du filtre
Vibrations
du sol
Absence
formation
Palpeur
Zone
de palpage
Mesure
Qualit de la mesure en production
148


G
r
o
u
p
e

E
y
r
o
l
l
e
s
En particulier, une mesure de base brute peut tre affine en appliquant
des corrections c
i
(vues comme des entres). la mesure corrige, on
peut associer une incertitude obtenue partir du dveloppement de f
autour des moyennes des c
i
en srie de Taylor du premier ordre (tude
reprise en dtail au chapitre 8).
Lcriture prcdente suppose que les corrections ne sont pas corrles.
Lorsquune correction nest pas prise en compte, cela revient faire une
correction nulle. Ce qui ne veut absolument pas dire quil faut ngliger
lincertitude associe cette correction.
Les mesures corriges sont plus du domaine des laboratoires. En pro-
duction, pour un rsultat immdiat, on demandera lquipement de
donner directement le rsultat. En cas de corrections, celles-ci devront
tre intgres ce dernier.
Mthodes GRR
Trs employes dans lindustrie automobile, elles sont bases sur lana-
lyse de variance deux facteurs avec rptition dexpriences. On retiendra
les facteurs dinfluence :
oprateurs ;
pices.
En ralit, linfluence de la mthode est incluse dans linfluence de
loprateur au cas o la procdure de mesure ne serait pas parfaitement
explicite. Les autres influences seront masques dans la variance rsi-
duelle et sajouteront la variance intrinsque de lappareil, cest pour-
quoi lon parlera dincertitude de lquipement de mesure.
Il existe principalement deux approches :
GRR type average and range method . Cette approche suppose
quil ny a pas dinteractions entre les pices et les oprateurs. Chaque
mesure peut tre modlise par : , cest--dire
que la mesure de la r
ime
rptition est influence par leffet de la
pice (
i
) et par leffet de loprateur (
j
). Il reste une part alatoire
M M c
M c
cor brute i
c cor M i
brute
+
+


2 2 2
( ) ( )
Y
ijr i j ijr
+ + +
Valider un processus de contrle
149


G
r
o
u
p
e

E
y
r
o
l
l
e
s

ijr
non identifie explicitement qui vient sajouter au rsultat
moyen ;
GRR type ANOVA . Linteraction pice-oprateur peut se ren-
contrer du fait de mthodes de mesures propres chaque oprateur.
Par exemple, en cas dovalisation dun alsage, un des oprateurs
recherchera systmatiquement le diamtre maximum, alors que,
pour un autre, cest la valeur minimum quil faut retenir. La modli-
sation sera lgrement diffrente, elle prendra en compte cette
interaction : .
Pour les deux types dtudes, nous associerons au processus de mesure
un cart-type global appel
GRR
qualifiant lincertitude de reproducti-
bilit.
Notations des diffrents carts-types recenss :

GRR
: variabilit de reproductibilit de mesure ;

EV
: variabilit de rptabilit (quipement de mesure) ;

AV
: variabilit due loprateur (au niveau de la mesure) ;

PV
: variabilit du moyen de production (si non connue par MSP
1
,
elle sera estime laide de lchantillon de dix pices par exemple) ;

TV
: variabilit totale (production & mesure). Cest celle qui est
estime en MSP.
GRR type average and range method
Cette mthode se veut simple et pragmatique. Nous la prsenterons
laide de lexemple donn en figure 7.2 sous forme de feuille de calcul.
Mode opratoire
On retient un nombre de n pices diffrentes slectionnes au hasard (ce
qui laisse entendre quelles ne sont pas prleves sur un intervalle trop
court de production). Elles doivent donner, si possible, une bonne
image de la dispersion globale du moyen de production. Ces pices
1. Pillet M., Appliquer la matrise statistique des procds, Paris, ditions dOrganisation,
4
e
d., 2005.
Y
ijr i j ij ijr
+ + + +
Qualit de la mesure en production
150


G
r
o
u
p
e

E
y
r
o
l
l
e
s
seront rfrences et mesures par k oprateurs, sans que ceux-ci voient le
numro didentification. Cela permettra de faire mesurer les pices plu-
sieurs fois par chaque oprateur (r rptitions) en vitant des mesures
successives sur une mme pice (il faut viter la perturbation due un
effet mmoire de loprateur).
Pour pouvoir utiliser cette mthode sans correction particulire, il est
demand davoir un nombre doprateurs k et un nombre de pices n
vrifiant la relation suivante :
Formules statistiques de base
La dispersion de mesure est le plus souvent estime 6. (ce qui corres-
pond, pour une distribution gaussienne centre, une probabilit de
99,73 %). Il est bien sr possible de retenir un autre coefficient si on le
dsire.
Lcart-type est calcul directement partir des moyennes dtendues
par une formule du type :
o est calcule laide de N sous-groupes (N k oprateurs n
pices). Chaque sous-groupe (pice i mesure par loprateur j) a comme
tendue (obtenue partir des r rptitions de mesure x
ijk
).
Tableau 7.1 : Tableau coefficient d
2
Si , on retiendra un coefficient d
2
lgrement modifi appel
d
2
* 1
.
Nombre
de rptitions
2 3 4 5 6 7 8 9 10
Coef d
2
1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078
1. Duncan A.J., Quality Control and Industrial Statistics,4
e
d., Homewood, IL, Richard
D. Irvin Inc., 1974.
k n 16

R
d
ij
2
R
ij
R
ij
N 15
Valider un processus de contrle
151


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Tableau 7. 2 : Tableau coefficient d
2
*
Calcul des moyennes et tendues
Rappelons que pour chaque pice i mesure (en gnral) deux ou trois
fois par loprateur j, on calcule ltendue R
ij
.
Pour chaque oprateur j, on obtient :
la moyenne de ses mesures :
;
la moyenne des diffrentes tendues :
.
Avec la mme dmarche que celle utilise en analyse de la variance
(chapitre 6), en comparant les carrs moyens CM
Rsiduel
et CM
Oprateur

,
nous allons utiliser :
la moyenne des moyennes dtendues :
;
ltendue des moyennes des oprateurs :
.
Nombre N de sous-groupes
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
2 rptitions 1,414 1,279 1,231 1,206 1,191 1,181 1,173 1,168 1,163 1,160 1,157 1,154 1,153 1,151 1,149
3 rptitions 1,912 1,806 1,769 1,750 1,739 1,731 1,726 1,722 1,719 1,716 1,714 1,712 1,711 1,710 1,708
x x
j j


R
R
n
j
ij
i

R
R
k
j
j

R x x
x Maxi i

min
Qualit de la mesure en production
152


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 7.2 : Exemple dtude GRR (mthode moyenne et tendue)
Valider un processus de contrle
153


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Validation des mesures
On peut utiliser les mthodes de la matrise statistique des produits pour
vrifier que la diffrence de mesures obtenue par oprateur pour une
mme pice reste dans des limites raisonnables.
Une diffrence trop importante entre les mesures dune mme pice
pour un oprateur donn (tendue forte) peut dtecter un problme
avec lappareil ou un problme dutilisation par loprateur. Rcipro-
quement, des diffrences trop voisines de zro sont douteuses (appareil
bloqu ou en bute).
La limite suprieure de contrle est donne par la formule :
avec :
Figure 7.3 : Exemple de surveillance de la dispersion par oprateur
Rptabilit (Equipment Variation)
La rptabilit de lquipement de mesure est calcule partir de la
moyenne des moyennes dtendues :
Nous avons k n chantillons de taille 2 ou 3 (rptitions).
Nb mesures/pice/oprateur 2 3
D
4
3,267 2,574
LSC D R
R
ij

4
1 2 3 4 5 6 7 8 9 10

t
e
n
d
u
e
s
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000

EV
R
d

2
Qualit de la mesure en production
154


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Incidence de loprateur sur la reproductibilit
(Appraiser Variation)
Nous avons calcul ltendue sur les moyennes des oprateurs :
.
Nous pouvons en dduire lcart-type sur les moyennes dchantillons,
laide du coefficient d
2
*
:
Note : nous retenons le coefficient d
2
*
car nous avons un seul sous-
groupe de deux ou trois moyennes (dans lexemple trait, un sous-
groupe de trois moyennes, trois oprateurs, soit d
2
*
1,912).
Rappelons que les moyennes dchantillons extraits dune mme popu-
lation mre de variance
2
, sont distribues avec une variance gale
(r n correspondant ici la taille des chantillons de
mesure par oprateur).
Si linfluence des oprateurs est rellement nulle, nous devrions avoir
, soit :
Deux cas peuvent se prsenter :
si le premier membre de lquation est infrieur ou gal au second,
nous considrerons que linfluence des oprateurs est nulle :
sinon, linfluence de loprateur sera caractrise par la variance

2
AV
, calcule partir de la formule suivante :
R x x
x Maxi i

min

MoyOp
x
R
d

2
*

x
r n
2 2
( )

MoyOp x

R
d r n
x EV
2
*

AV
0

MoyOp
x EV
AV
R
d
r n

+
2
2
2
*


AV
x EV
R
d
r n

_
,

2
2
2
*
Valider un processus de contrle
155


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Dispersions du processus de contrle
La dispersion globale de lquipement de mesure est donne par :

GRR
permet dobtenir une estimation de la reproductibilit du pro-
cessus de contrle.
GRR type ANOVA
Ce cas correspond une analyse de variances deux facteurs avec rpti-
tions dexpriences (traite au chapitre 6). Elle permet de dtecter des
ventuelles interactions pices-oprateurs et dans ce cas lcart-type
du processus
GRR
de contrle est lgrement modifi :
Figure 7.4 : Exemple dinteractions entre pices et oprateurs
(mthodes de mesure diffrentes)
Ce type dtude donne une analyse plus fine et est prfrable (exemple
dtude complte en figure 7.5).
Avant de faire une analyse de variance, il est souhaitable de vrifier si les
dispersions par oprateurs sont homognes ou si, dans le cas contraire,
elles mettent laccent sur un problme dutilisation de linstrument (ins-
trument bloqu par exemple).

GRR EV AV

( )
+
( )
2 2


GRR EV AV Inter

( )
+
( )
+
( )
2 2 2
Accentuation du dfaut de forme
Qualit de la mesure en production
156


G
r
o
u
p
e

E
y
r
o
l
l
e
s
On peut utiliser pour cela les tests de Hartley, de Cochran ou de Bartlett.
Exemple : test de Cochran
(sous rserve du mme nombre de mesures par oprateur)
Soit s
i
2
lestimation de la variance pour loprateur i. On calcule le rap-
port , que lon compare la valeur tabule g
1-
( reprsentant
le risque encouru).
Cette valeur g
1-
est fonction du nombre doprateurs et du nombre de
degrs de libert pour chaque estimation ( n
mesures
1).
g
s
s
Max
i

2
2
Valider un processus de contrle
157


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 7.5 : Exemple de fiche GRR de type ANOVA
1
1. Tlchargeable sur le site : http://www.ogp.univ-savoie.fr.
Qualit de la mesure en production
158


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Capabilit dun processus de contrle
Les indicateurs sont calculs en comparant les dispersions de mesures
soit avec la dispersion de production, soit avec la tolrance de la caract-
ristique tudie.
Conformit de lappareil en contrle de rception
Il sagit dans ce cas de vrifier la conformit du produit destin au client
(externe ou interne). Cet indicateur de capabilit maximum potentielle
du moyen de mesure revient comparer la dispersion de mesure (k
RR
)
avec lintervalle de tolrance IT.
Soit par exemple, les rgles dusage qui suivent.
Rgle de ldition 2 du MSA
Nous pouvons calculer les quatre indicateurs suivants (PV sera dfinie
au chapitre suivant) :
Tableau 7.3 : Rgles dition 2 du MSA
%R&R < 10 % quipement conforme
10 % < %R&R < 30 % Acceptable (drogation) si contraintes fortes (conomique,
disponibilit, limites techniques, etc.). Une dmarche
damlioration doit tre entreprise.
30 % < %R&R Problme de mesure (instruction de mesure revoir,
environnement, formation). Sans amlioration potentielle,
penser changer de moyen.

%
*
%
*
% &
*
EV
IT
AV
IT
R R
EV
AV
G



100
6
100
6
100
6

RRR
PV
IT
PV
IT
%
*
100
6
Valider un processus de contrle
159


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Rgle type Matrise statistique des procds
Cette rgle est un compromis, elle conduit retenir .
Zone de conformit en contrle de rception
La zone de spcification doit tre rduite si lon veut garantir la qualit
fournie au client (ISO 14253 Partie 1
1
). Si cette rduction nest pas
faite, il y a partage des risques entre le client et le fournisseur.
Figure 7.6 : Restriction de la zone de spcification
pour garantir la qualit
1. NF EN ISO 14253-1 : 1998, mars 1999, Spcification gomtrique des produits
(GPS) Vrification par la mesure des pices et des quipements de mesure. Partie 1 :
rgles de dcision pour prouver la conformit ou la non-conformit la spcification.
C
IT
mc
RR


6
4

RR
IT

24
Zone de spcification
Zone de conformit
(qualit certifie par la mesure)
Zone
dincertitude
Zone
dincertitude
Qualit de la mesure en production
160


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Conformit de lappareil en validation de processus
Industriellement, cette approche est moins utilise. Dans la MSA
1
, il est
demand de comparer la dispersion de lappareil avec la tolrance (%IT)
et galement avec la dispersion du moyen de production (%TV, TV :
dispersion totale). Ldition 3 insiste sur ce point en introduisant un
nouvel indicateur le ndc
2
(Number of Distinct Categories) dfini par :
1. Automotive Industry Action Group (AIAG) (2002), Measurement Systems Analysis
Reference Manual, 3
e
d., Chrysler, Ford, General Motors Supplier Quality Require-
ments Task Force (www.carwin.co.uk/qs).
2. Wheeler D. J., Lyday R.W., Evaluating the Measurement Process, 2
e
d., SPC Press Inc,
1989.
Origine du ndc
Partant de lide que la variation du processus de contrle intervient
dans la variabilit totale, on dfinit un facteur de discrimination
DR :
Suivant limportance de la part de variabilit due au processus de
contrle, le ratio DR peut varier de un linfini.
ndc
PV
GRR
2

DR
PV
TV
PV
TV
TV PV
TV PV


1
1
2
2
2
2
2 2
2 2



22
2
1 1
2 2
2
2
2
2
+


+ +

PV GRR
GRR
PV
GRR
DR ndc
ndcc
PV
GRR
2

Valider un processus de contrle


161


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 7.7 : Intgrer un processus de contrle
en fonction du ndc
Si la dispersion de production nest pas connue, alors par dfaut, elle
sera estime partir du lot de pices mesures. Chaque pice tant
mesure k r fois (k oprateurs faisant chacun r mesures), on estime le
mesurande (dimension de chaque pice) par la moyenne des mesures.
Pour cela, il faut sassurer que lchantillon de pices soit reprsentatif
(image de la dispersion du moyen de production et 50 % environ des
pices en dehors du bruit de mesure ) (fig. 7.8). Lidal est destimer la
dispersion de production par une approche de type MSP.
Figure 7.8 : Vrification de la reprsentativit
de lchantillon de pices
Donnes
clients (IT)
Choisir une machine
capable de produire
en conformit avec
les exigences du client
(indicateur Cp)
Machine de production
(Dispersion 6.
PV
)
Choisir un appareil,
non pas en fonction
des donnes du client (IT)
mais en fonction
de la dispersion
du moyen de production
(indicateur ndc)
Appareillage de contrle
(Dispersion 6.
GRR
)
1 3 5 7 9
M
o
y
e
n
n
e
s
13,000
12,000
11,000
10,000
9,000
8,000
7,000
Qualit de la mesure en production
162


G
r
o
u
p
e

E
y
r
o
l
l
e
s
partir des n moyennes, on dtermine ltendue R
PV
. laide de ce
rsultat, on calcule un cart-type de production
PV
(Part to part Varia-
tion) (dans lexemple trait, il y a un sous-groupe de dix mesures).
Partant de ladditivit des variances, on calcule la variation totale appa-
rente du processus, incluant les dispersions de production et de mesure
(Total Variation) :
Attention, si lon a des donnes provenant dune dmarche MSP, cela
correspond probablement
TV
, car il y a de grandes chances que les
mesures aient t faites avec cet appareil. On en dduit
PV
et lon cal-
cule le nombre de catgories distinctes ndc qui, dans lidal, doit tre
suprieur ou gal cinq :
Conformit de lappareil en production dans le cas
dune capabilit du processus leve
La dmarche avec lindice ndc vu prcdemment est bien adapte
lorsque le processus de production est capable sans excs. Il peut arriver,
suite des problmes de disponibilit et de charge machine, que lon
accepte de faire de la sur qualit. Lindicateur Cp est alors lev (par
exemple Cp 4). Il est tout fait possible, dans ce cas de figure, de
piloter une production avec un appareil dispersant dans le mme ordre
de grandeur que le moyen de production, et cela sans risque pour le
client.

PV
PV
R
d

2
*


TV GRR PV

( )
+
( )
2 2
ndc Partie entire
PV
GRR

_
,

_ 2 5

Valider un processus de contrle


163


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 7.9 : Cas dun processus de production
correspondant un indicateur Cp lev
(possibilit dune dispersion de mesure plus importante)
Cas des contrles automatiques
De plus en plus, on voit apparatre en production de grande srie des
postes automatiques de contrles finaux. Cest souvent une exigence du
client (donneur dordre), rassur par la mesure systmatique des pro-
duits achets. La mesure de toutes les caractristiques de dfinition du
produit exige des solutions technologiques dacquisition trs rapide
(infrieure ou gale aux temps de production). Reste savoir si la
cadence leve de contrle ne dtriore pas la qualit mtrologique.
Tout tant automatis, linfluence de loprateur nexiste plus. Pourtant,
comme la culture GRR est prsente dans lentreprise, on aimerait bien
avoir quelque chose dquivalent pouvant servir dindicateur de qua-
lit de mesure. Rappelons quune tude GRR nest quune analyse de la
variance deux facteurs dinfluence (pices et oprateurs) avec rpti-
tion de la mesure (voir chapitre 6). On peut trs bien faire le mme type
dtude, o le facteur oprateur est remplac par un facteur prsum
influent (prise de pice, indexation, milieu ambiant). Une enqute de
terrain, auprs des utilisateurs journaliers, est souvent riche denseigne-
ments pour dtecter les facteurs dinfluence.
Zone de spcification
(variation de qualit autorise par le client)
Zone de conformit
(qualit certifie par la mesure)
Dispersion
de production
Zone dincertitude
de mesure
Qualit de la mesure en production
164


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Concept de justesse
Ltude prcdente a permis de mettre en vidence linfluence de diff-
rents facteurs. Par exemple, si un des oprateurs donne des rsultats plus
forts que ses collgues, cela se remarquera. Par contre, si lensemble des
oprateurs drivent systmatiquement de faon identique, cela ne se
remarquera pas. En consquence, il est ncessaire davoir une valeur
vraie matrialise par un talon. La valeur vraie est par dfinition
inconnue. Une mesure trs fine de ltalon (correction incluse) permet
dapprocher cette dernire, on parlera dune valeur conventionnellement
vraie. Cest partir de cette donne que lon testera lappareil.
Une valeur talon ne correspond pas forcment une valeur nominale
(par exemple, 50,000 mm). Physiquement, cela peut tre une pice,
extraite de la production, qui a t mesure par des moyens plus perfor-
mants. Lestimation de lcart moyen entre un chantillon de mesures
de ltalon et une valeur suppose vraie de ltalon permet destimer un
cart de justesse locale (biais). Cest pourquoi, si possible, il faudra
retenir un talon voisin des pices mesurer car bien videmment
lerreur de justesse peut varier en fonction de lentre (dfaut de linarit
et dchelle).
Lerreur de justesse est dfinie par :
correspond la moyenne dun nombre infini de mesures ;
X
0
est la valeur de ltalon (suppose vraie).
En ralit, nous ne pouvons questimer lerreur de justesse par :
est lestimation de laide des n valeurs de lchantillon (lincer-
titude sur cette estimation est de type A, voir chapitre 8) ;
x
0
est la valeur donne par le certificat dtalonnage (estimation de
X
0
).
La tolrance dtalonnage permet de calculer lincertitude associe la
valeur talon (incertitude de type B).
Lincertitude sur J est caractrise par :
et estime par :
J X
0
J x x
0
x

J
Mesure
Etalon
n
2
2
2
+ s
s
n
s
J
Mesure
Etalon
2
2
2
+
Valider un processus de contrle
165


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Par exemple, si le certificat dtalonnage propose : , on peut
retenir avec lhypothse dune distribution uniforme :
La qualit de lestimation peut tre borne en utilisant la loi de Student
( reprsentant le risque, voir exemple figure 7.10) :
Figure 7.10 : Illustration de lintervalle de confiance
de lerreur de justesse
Note : tant que la valeur x
0
est incluse dans cet intervalle de con-
fiance, il est possible que le biais mesur ne soit que lexpression de la
variabilit due lchantillonnage.
Bornes dacceptation pour lerreur de justesse
Rappelons que lon espre avoir un appareil avec une erreur de justesse
tendant vers 0 (esprance nulle). Plusieurs rgles peuvent tre envisa-
ges :
si possible la valeur 0 doit rester fortement probable, cest--dire
quelle doit appartenir lintervalle de confiance (exemple figure 7.11).
X x
0 0 0

s
s
n
J
Mesure

2
2
0
2
3
+


Probabilit

J t s J J t
n J n
+
1 1 2 1 1 ; / ;

//2
1

1
]
s
J

x
J
/2
(moyenne des
mesures de l'chantillon)
Intervalle de confiance
de la moyenne
x : Paramtre
mesur
Positions extrmes de (1 )

x
0
(valeur vraie)
Qualit de la mesure en production
166


G
r
o
u
p
e

E
y
r
o
l
l
e
s
si ce nest pas le cas, cela peut ventuellement provenir galement de
lestimation de lcart-type sur J (valeur trs faible due des mesures
pratiquement identiques), qui conduit un fort resserrement des
bornes de lintervalle de confiance. Si cette hypothse se confirme, on
peut comparer J avec la tolrance et exiger par exemple (norme
interne dusage) :
Dans le cas contraire, on peut conclure une erreur systmatique de jus-
tesse effective et envisager une retouche ou un rebut de lappareil. Il est
possible de faire de la bonne mesure en corrigeant lerreur de justesse,
mais cela est dangereux en production. Cette approche est plus rserve
une mesure de laboratoire.
Rappelons quil sagit ici dune mesure de justesse locale. Dans le cas
dappareil de type universel forte tendue de mesure, il faudra vrifier
lerreur de justesse en plusieurs points de cette tendue (chapitre 6 et 8).
J
IT
<
1
20
Valider un processus de contrle
167


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 7.11 : Exemple destimation derreur de justesse
Qualit de la mesure en production
168


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Capabilit du processus de contrle :
approche inertielle
Dans la validation des processus de contrle, lapproche classique
consiste, soit valider de faon spare la justesse et la fidlit, soit
simplement additionner les variances de ces deux lments. La propo-
sition du ndc
I
est une approche permettant de donner plus de cohrence
aux deux tudes de fidlit et de justesse en se fixant une limite qui
dpend de la combinaison de ces deux lments (illustration en
figure 7.12).
Rappel sur les contraintes relatives aux dispersions
Si pour le choix du moyen de production, on retient un indicateur Cp
qui doit tre suprieur 4/3, cela donne :
soit :
Si lon retient un indicateur ndc , suprieur ou gal 5, cela donne :
En combinant ces inquations, nous obtenons une valeur seuil pouvant
tre utilise directement en contrle de rception :
Cp
IT
Client
PV


6
4
3

PV
Client
IT

8

GRR PV

2
5

GRR Client
Client
IT
IT

2
40 28
Valider un processus de contrle
169


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Influence du dcentrage
La qualit livre au client est caractrise par sa dispersion
PV
et par un
dcentrage
P
. En ralit, lestimation de la qualit intrinsque est
perturbe par le processus de contrle entranant une dispersion et un
dcalage parasites. Cette identification globale de la qualit est quanti-
fie par :
Nous ne chercherons pas limiter ces deux caractristiques sparment
(dispersion et dcentrage) mais globalement. Le concept de tolrance
inertielle nous permettra une analyse permettant des compensations
entre ces deux composantes.
Tolrancement inertiel
Le tolrancement inertiel
1
a comme principe de vrifier quune sortie Y
(pour un lot de k produits) prsente une dispersion acceptable en regard
de lcart systmatique constat par rapport la cible. Ces deux carac-
tres (dispersion rsiduelle et cart par rapport la cible) peuvent tre
reprsents comme les composantes dun pseudo-vecteur :
Le seuil de conformit sur la sortie Y permet des compensations entre
ces deux caractres (sous forme de lien). Par exemple, une faible disper-
sion permet de compenser un cart systmatique par rapport la cible
Y
0
.
Le lien entre ces deux caractres correspond la norme applique
.
1. Pillet M., Inertial Tolerancing , The Total Quality Management Magazine, vol. 16,
n 3, mai 2004, p. 202-209.


TV PV GRR
T P G
+
+
2 2
r
I

2
r
I
Qualit de la mesure en production
170


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Nous appellerons cette norme inertie et la noterons I. La dcision de
conformit pour la sortie Y sera donne si :
Sauf mention particulire du client, linertie maximum sera dduite de
la tolrance classique par :
Dans le cas contraire, cela suppose que le client a attribu chaque
composante de dfinition une inertie spcifique que devra respecter le
fabricant.
Indice de capabilit Cpi
Par analogie avec lindicateur Cp, il est possible de dfinir un nouvel
indicateur :
En ralit, lindicateur valu est gal :
Max
I +
2 2

I
Tol
Max

6
Cpi
I
Max
PV P

+
2 2
Cpi
I
Obs
Max
TV T

+
2 2
Valider un processus de contrle
171


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 7.12 : Indicateurs de capabilit inertielle
Qualit de la mesure en production
172


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Couplage inertie du processus de contrle
et inertie du processus de production
Linertie rsultante vectorielle est la combinaison de linertie vecto-
rielle de production et de linertie vectorielle de contrle .
Loi inter ne
Lensemble des inerties vectorielles est muni dune loi de composition
interne, qui applique aux inerties vectorielles prcdentes, donne :
soit au niveau des composantes :
Linertie rsultante, combinaison des deux processus (production et
mesure), est gale :
Influence des dcalages
Lquation prcdente ne peut pas se rduire la loi classique :
car les sources de variabilit ntant quau nombre de deux, il ny a pas
deffet de compensation a priori.

G
sera estim par une analyse de la justesse du processus de contrle.
Cela ncessite lemploi dun talon voisin des pices de la produc-
tion.

P
sera estim indirectement partir des observations dun journal
de bord dun pilotage par SPC nous donnant le dcalage rsultant
T
instantan.
Nous obtenons la relation :
I
T
u r u
I
P
u r u
I
G
u r u
I I I
T P G
u r u u r u u r u



T P G
T P G
+
+
2 2
I
T P G P G
+
( )
+ +
( )

2 2
2
I I I
T P G P G
+
( )
+
2 2
2
I I
T i
i
2 2

I I I
T P G T G G
2 2 2
2 + +
( )

Valider un processus de contrle
173


G
r
o
u
p
e

E
y
r
o
l
l
e
s
ndc inertiel
Suivant limportance de la part de variabilit due au processus de
contrle par rapport la variabilit totale, nous avions dfini un indica-
teur ndc partir dun ratio DR. Par analogie, ce calcul de ratio peut
sappliquer aux inerties de ces deux processus. Il peut varier, de mme,
de un linfini :
Comme
P
nest pas directement mesur, nous retiendrons la formule
pratique suivante :
Remarquons que :
Partant du principe quun pilotage permet de faire tendre vers zro
P
nous poserons que :
En rsum, avec lhypothse dun
P
tendant vers 0 (cest--dire
T

G
), il faut choisir un processus de contrle dont la valeur I
G
, relative-
ment linertie de production I
P
, respecte la rgle suivante :
DR
I
I
I
I
I I
I I
I I
I
P
T
P
T
T P
T P
P


+
1
1
2
2
2
2
2
2 2
2 2
2
GG P G
G P G
P
G P G
I
DR
I
I
2
2
2
2
2
2
2
2
1
+
+


+
+



+

+
ndc
ndc
I
I
I
I
P
G P G
2
2
1
2
2
ndc
I
I
I
P
G T G G

+
( )

2
2
2

ndc
I
I
I
P
G
P


0
2
2
I
I
ndc
P
G
I
limite
I
ndc
I
G
I
P

2
limite
Qualit de la mesure en production
174


G
r
o
u
p
e

E
y
r
o
l
l
e
s
I
G
est dtermin suite lanalyse de la rptabilit-reproductibilit
du processus de contrle qui nous permet de calculer
GRR
[MSA
2002] et dune tude de justesse donnant lestimation
G
.
I
P
est obtenu par comparaison de linertie globale I
T
, dtermine
partir de lanalyse MSP et de linertie du processus de contrle I
G
.
Si lon veut comparer directement I
G
I
T
, nous obtenons :
soit par exemple pour un ndc
I
limite de 5, cela donne sensiblement la
contrainte suivante :
Figure 7.13 : Illustration graphique avec exemples
des inerties I
P
et I
G
I
ndc
I
G
I
T

( )
+

2
2
2
limite
I I
G T

1
4
I
Max
= I
Client
I
P
Limite Inertie production : I
P
P

PV
G
I
G
Limite Inertie contrle : I
G
Limite Inertie client : I
Max

GRR

Chapitre 8
Estimer lincertitude
de mesure
177


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Rappelons quune mesure sert prendre une dcision. Cela peut servir :
dcrter la conformit dun produit (par rapport aux exigences du
client) ;
valider un processus (capabilit, performance, pilotage, scurit,
dveloppement durable, etc.).
Cette mesure a comme objectif dtre le reflet de la qualit ralise. Mal-
heureusement, le processus de mesure va donner une image perturbe
(ou bruite) de la qualit rellement produite. Pour prendre une dci-
sion bon escient, il faut que lon soit conscient de cette perturbation.
Pour cela, on cherchera dfinir une zone lie la mesure ralise, o la
valeur vraie (jamais connue par dfinition) de grandes chances dtre
situe. Cest le concept mme dincertitude.
Le mtrologue doit grer son processus de contrle comme un fournis-
seur (de prestation). Il doit situer sa performance par rapport aux exi-
gences de mesure de son client. On retrouve la notion classique
dindicateur de capabilit (voir chapitre 7).
Nous nous contenterons dans ce chapitre dtudier des incertitudes sur
des mesures simples ncessitant des corrections dinfluence (influence
de la temprature par exemple) ou sur des mesures indirectes partir de
grandeur de base (comme la mesure dune masse volumique).
Pour estimer cette incertitude, nous nous appuierons sur une approche
statistique de la mesure. La mesure rsultante sera modlise suivant la
dmarche propose par le GUM (Guide to the Expression of Uncertainty
in Measurement). Cette dmarche, initialise par le Bureau international
des poids et mesures et pouvant tre applique de multiples secteurs
dactivits, a t retenue par de nombreuses instances nationales de
mtrologie. Ce guide est propos comme norme franaise sous la
rfrence : NF ENV 13005 aot 1999, Guide pour lexpression de
lincertitude de mesure Indice de classement : X07-020.
Pour approfondir lapproche statistique de la mesure, on pourra se
reporter entre autres, aux normes suivantes :
Qualit de la mesure en production
178


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Prsentation de la mthode du GUM
Exemple conducteur
Pour donner un aperu de la mthode, nous retiendrons comme
exemple conducteur la mesure indirecte de la masse volumique dun
cylindre. Partant de grandeurs de base (longueurs et masse), avec des
hypothses simplificatrices (en considrant le volume comme un
cylindre de rvolution parfait), nous allons calculer la masse volumique
(modlisation de la sortie en fonction des entres). Nous rappellerons
les formules gnriques et leurs applications cet exemple (fig. 8.1).
NF ISO 3534-1 Janvier 2007 Statistique Vocabulaire et sym-
boles Partie 1 : Termes statistiques gnraux et termes utiliss en
calcul des probabilits.
ISO/TS 21748 Mars 2004 Lignes directrices relatives lutilisa-
tion destimations de la rptabilit, de la reproductibilit et de
justesse dans lvaluation de lincertitude de mesure.
NF ISO 5725-1 Dcembre 1994 Application de la statistique
Exactitude (justesse et fidlit) des rsultats et mthodes de
mesure Partie 1 : Principes gnraux et dfinitions.
NF ISO 5725-2 Dcembre 1994 Application de la statistique
Exactitude (justesse et fidlit) des rsultats et mthodes de mesure
Partie 2 : Mthode de base pour la dtermination de la rptabilit
et de la reproductibilit dune mthode de mesure normalise.
NF X07-001 Dcembre 1994 Normes fondamentales Vocabu-
laire international des termes fondamentaux et gnraux de mtrologie.
FD X07-021 Octobre 1999 Normes fondamentales Mtro-
logie et applications de la statistique Aide la dmarche pour
lestimation et lutilisation de lincertitude des mesures et des rsul-
tats dessais.
FD X07-022 Dcembre 2004 Mtrologie et applications de la
statistique Utilisation des incertitudes de mesures : prsentation
de quelques cas et pratiques usuelles.
Estimer lincertitude de mesure
179


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 8.1 : Exemple conducteur : mesure dune masse volumique
Modlisation du processus de mesure
Cest un des points les plus dlicats. Il faut recenser les variables de base
(X
i
) permettant de calculer la variable finale (Y) et proposer un modle
(en essayant dtre le plus exhaustif possible). On pourra saider dune
dmarche 5M ou de la liste publie dans le GUM.
criture gnrique :
Application :
Variables de bases caches
Dans lexemple prcdent, avec la formule retenue, nous navons pas pris
en compte linfluence de la temprature. Si son influence nest pas direc-
tement modlise dans la formule donnant , de fait elle sera implicite-
ment prise en compte dans les paramtres dimensionnels (D et h) sous
rserve dtre en conditions de reproductibilit. Ce type de variable
engendre de la covariance entre les variables identifies.
Note sur les constantes mathmatiques : est une constante math-
matique (a priori invariable). Pour calculer les incertitudes, nous ferons
de lanalyse numrique o ne sera pas exactement connue (simplement
D
D
h
M
V


H
a
u
t
e
u
r

:

h
Masse M
Y f X X X
n
( , ,.......... )
1 2





M
V
M
D
h
M D h
2
2 1
4
4
Qualit de la mesure en production
180


G
r
o
u
p
e

E
y
r
o
l
l
e
s
estime par une valeur dcimale). En toute rigueur, cette dfinition
incomplte engendre de lincertitude. Nous ngligerons, dans les exem-
ples suivants, cette part dincertitude (ordre considr comme suprieur).
Variables de bases ignores
Il sagit de variables ayant une influence sur le rsultat final de mesure,
mais qui ninterviennent pas implicitement dans les autres variables de
bases recenses. Bien quinfluentes, elles peuvent tre compltement
ignores du mtrologue et fausser son estimation. Nous en donnerons
un exemple simple en mesurant la surface dune tle rectangulaire
laide des dimensions de base (a et b), en ignorant le dfaut de perpendi-
cularit (fig. 8.2).
Figure 8.2 : Exemple de variable ignore :
Le modle simple donne : .
alors que nous avons en ralit ( est infiniment petit du premier
ordre) :
La mesure du mme mesurande, par des mthodes diffrentes, peut per-
mettre de dmasquer ce genre de variables.
a
b
a
b

S a b
S
a b a b
a b

_
,

cos

1
2
1
2
2
2
Estimer lincertitude de mesure
181


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Loi de propagation de lincertitude
Le modle permet dobtenir une estimation y
de Y partir des estimations de base (entres) x
1
, x
2
.x
n
:
La qualit finale de lestimation y va dpendre de la variabilit rencon-
tre sur les estimations x
i
.
Le paramtre caractrisant la variabilit dans lestimation de X
i,
est
appel incertitude type, il sera not u(x
i
). Mathmatiquement, il repr-
sente lcart-type
i
(la lettre u, comme uncertainty , permet de se
dmarquer de la dispersion de production).
Le GUM retient deux approches pour quantifier les incertitudes types
de base (valuation de type A ou de type B). Nous reviendrons plus en
dtail sur ces deux types dvaluation.
Lincertitude compose est donne par lquation suivante (obtenue
partir du dveloppement de f autour des moyennes des x
i
en srie de
Taylor du premier ordre) :
coefficient de sensibilit par rapport la variable x
i
, se lit d rond f
sur d rond x
i
. Il correspond la drive partielle de f par rapport la
variable X
i
au voisinage de la valeur x
i
. Cette drive se calcule comme
pour une drivation classique, il suffit de considrer les autres varia-
bles comme des constantes pendant lopration de drivation ;
u(x
i
) est lincertitude type de la variable x
i
(cart-type), u
2
(x
i
) corres-
pond la variance ;
u(x
i
,x
j
) u(x
j
,x
i
) est la covariance des variables x
i
,x
j
(attention aux
units).
Y f X X X
n
( , ,.......... )
1 2
y f x x x
n
( , ,.......... )
1 2

u y
f
x
u x
f
x
c
i
i
i
2
2
2
2 ( ) ( )

1
]
1

_
,

ff
x
u x x
j
i j
j i
n
i
n
i
n

_
,


( , )
1 1
1
1

f
x
i
Qualit de la mesure en production
182


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Il est souvent plus pratique de prsenter lquation prcdente sous la
forme suivante :
Lorsque les variables ne sont pas corrles (r 0), lincertitude com-
pose se calcule comme suit :
Cette formulation est beaucoup plus simple. Il ne faut lutiliser que
lorsque lon a vrifi que les covariances sont nulles (ou au moins que
lon a de fortes prsomptions).
Application au calcul de la masse volumique :
Rappels
u(x
i
,x
j
) Cov (x
i
,x
j
) E(x
i
y
j
) E(x
i
).E(x
j
)
avec E(x
i
) : esprance mathmatique de la variable alatoire x
i
.
u
2
(x
i
) u (x
i
, x
i
) Var (x) E(x
2
) (E(x))
2

Coefficient de corrlation : r(x
i
,x
j
) u(x
i
,x
j
)/u(x
i
) u(x
j
)

u y
f
x
u x
f
x
c
i
i
i
2
2
2
2 ( ) ( )

1
]
1

_
,

ff
x
r x x u x u x
j
i j i j
j i
n
i
n

_
,

( , ) ( ) ( )
1 1


1
1 i
n
x x x x
i j i j

x x
i i
2
2

( )
Cov x x
i j
x x
i j
( , )


u y
f
x
u x
c
i
i
i
n
2
2
2
1
( ) ( )

1
]
1

_
,

u
M
u M
D
u D
c
2
2
2
2
2
( ) ( ) ( )

1
]
1
+

1
]
1
+

h
u h
M D
r M D u M

1
]
1

+
2
2
2
( )
( , ) ( ) uu D
M h
r M h u M u h
h
( )
( , ) ( ) ( ) +
+
2
2

D
r h D u h u D ( , ) ( ) ( )
Estimer lincertitude de mesure
183


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Si lon fait lhypothse que la masse (choix de la matire) est complte-
ment indpendante du volume, on peut admettre que r(M,D) et r(M,h)
sont nuls. Lexpression prcdente se simplifie fortement :
Exemple
Pour un cylindre en alliage daluminium, on a fait cinquante mesures de
M, D et h. Les triplets de mesures (M, D et h) sont mesurs successive-
ment sur un temps relativement court (rptition) 20 C. On a estim
ensuite, avec une variation de temprature de lordre de 18 C 26 C,
les mesures corriges que lon aurait eues dans des conditions de repro-
ductibilit (tableau 8.1).
Tableau 8.1 : Mesure des paramtres avec et sans influence
de la temprature
Si lon mesure temprature constante, linfluence de la temprature
sera nglige. Elle nintroduira pas de covariance entre D et h (fig. 8.3).
Nous retiendrons la formule simplifie suivante :
soit :
laide des valeurs moyennes des variables, on obtient :
Masse M
D
( 20 C)
h
( 20 C)

( 20 C)
D
( 20 C)
h
( 20 C)

( 20 C)

(g/mm
3
)
992.1656 80.0083 70.0088 0.0028 80.0117 70.0118 0.0028
S
(g/mm
3
)
0.0975 0.0049 0.0051 4.81E-07 0.0065 0.0048 5.84E-07
u
M
u M
D
u D
c
2
2
2
2
2
( ) ( ) ( )

1
]
1
+

1
]
1
+

h
u h
h D
r h D u h

1
]
1

+
2
2
2
( )
( , ) ( ) uu D ( )
x
u
M
u M
D
u D
c
2
2
2
2
2
( ) ( ) ( )

1
]
1
+

1
]
1
+

h
u h

1
]
1

2
2
( )
u
D h
u M
M
D h
c
2
2
2
2
3
4 8
( ) ( )

1
]
1
+

1
]
11
+

1
]
1

2
2
2 2
2
2
4
u D
M
D h
u h ( ) ( )

u
c
2
( ) + 8.072E-12 9.510E-03 4.965E-09 2.390E--05 1.621E-09 2.617E-05
2.378E-13
u
c
+
u
c
2
( )
(

) 4.88E-07g/mm
3
Qualit de la mesure en production
184


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 8.3 : Distribution des couples (D et h) en fonction du temps
temprature constante de 20 C
Si lon fait le mme type dtude, avec variation de la temprature, sans
tenir compte de la covariance entre D et h, nous obtenons :
Or, lexamen de la rpartition des couples (D et h) mesurs des tem-
pratures diffrentes, on subodore une lgre corrlation (fig. 8.4).
Diamtre/Hauteur
70,03
70,02
70
70,01
69,99
79,99 80 80,01 80,02 80,03
H
a
u
t
e
u
r
Diamtre
u
c
2
( ) + 8.070E-12 9.510E-03 4.963E-09 4.195E--05 1.621E-09 2.276E-05
3.218E-13
+
u
u
c
c
2
( )
(

) 5.67E-07g/mm
3
Estimer lincertitude de mesure
185


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 8.4 : Distribution des couples (D et h) en fonction du temps
avec variation de la temprature
En tenant compte de la covariance, nous obtenons :
soit pour cet exemple :
Note : il est parfois plus simple de traiter la covariance que de dfinir
une relation fonctionnelle plus complexe (par exemple, retenir comme
variables supplmentaires la temprature et le coefficient de dilatation
du matriau).
70,03
70,02
70
70,01
69,99
79,99 80 80,01 80,02 80,03
H
a
u
t
e
u
r
Diamtre
Diamtre/Hauteur (influence de la temprature)
u
M
u M
D
u D
c
2
2
2
2
2
( ) ( ) ( )

1
]
1
+

1
]
1
+

h
u h
h D
Cov h D

1
]
1
+
2
2
2 ( ) ( , )
u
D h
u M
M
D h
c
2
2
2
2
3
4 8
( ) ( )

1
]
1
+

1
]
11
+

1
]
1

+

2
2
2 2
2
2
4
2
4
u D
M
D h
u h
M
( ) ( )

DD h
M
D h
Cov D h
2 2 3
8

_
,

_
,

( , )
u
c
2
( ) + 8.072E-12 9.510E-03 4.965E-09 2.390E--05 1.621E-09 2.617E-05
5.672E-09 4.866E-0
+
+ 66
3.494E-13
5.91E-07g/mm
3
u
u
c
c
2
( )
( )

Qualit de la mesure en production


186


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Risque d au dveloppement limit au premier ordre
On peut remarquer de lgres diffrences entre les valeurs calcules et les
valeurs estimes par chantillonnage. Ceci est particulirement vrai
lorsque la rponse Y nest pas une fonction linaire des entres X
i
(fig. 8.5). Dans un cas de forte non-linarit, il faut envisager un dve-
loppement de Taylor au deuxime ordre. De toute vidence, si la varia-
bilit sur les entres est forte, il faut rester prudent.
Figure 8.5 : Influence de la non-linarit sur lestimation
de lincertitude compose
Quantifier les incertitudes types u(x
i
) :
valuation de type A ou de type B
Le GUM retient deux modes dvaluation des incertitudes types u(x
i
),
savoir le type A et le type B.
valuation de type A
Ce type est bas sur lutilisation des techniques statistiques (variance exp-
rimentale, variance de distribution des moyennes, etc.) (voir chapitre 6).
Y

) . ,......... , (
2 1 n
X X X f Y
i
x
f

y
x
i
X
i
Variabilit sur xi
V
a
r
i
a
b
i
l
i
t

e
s
t
i
m

e

s
u
r

y
V
a
r
i
a
b
i
l
i
t

e
l
l
e

s
u
r

y
Surface :
Estimer lincertitude de mesure
187


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Pour un chantillon de n rsultats de mesure, la moyenne arithmtique
est le meilleur estimateur dun nombre infini de mesures.
Lestimation de la moyenne
i
du paramtre X
i
est donne par :
. Cest la valeur prendre en compte dans la formule
(voir exemple prcdent sur la mesure de masse
volumique).
Lestimation de lcart-type exprimental est donne par :
.
Si lon dispose de plusieurs sries de mesures pour un mme paramtre,
avec pour chaque srie une estimation s
ik
, une meilleure estimation de la
variance sous rserve dappartenance une mme population sera
donne par :
Lincertitude type sur la moyenne de lchantillon est obtenue par :
(sous rserve dindpendance des mesures x
ij
).
Ce type dvaluation est souvent prfr au type B (parfois tort). Il faut
rappeler que rpter la mesure permet de faire chuter lincertitude type
(au dtriment du cot et du temps dacquisition), que cette diminution
varie en inverse de n, cest--dire que la chute est rapide uniquement
au dbut (fig. 8.6).
s
i
est une pauvre estimation de
i
, il faut tre assez prudent sur la perti-
nence de la valeur obtenue (chapitre 6).
soit :
x X
n
x
i i ij
j
n

1
1
y f x x x
n
( , ,.......... )
1 2
s
n
x X
i ij i
j
n

1
1
2
1
( )
s
n s n s n s
n
i
i i k ik 2 1 1
2
2 2
2 2
1 1 1

+ + + ( ) ( ) .... ( )
(
11 2
1 1 1 + + + ) ( ) ... ( ) n n
k
X
i
u X
s
n
i
i 2
2
( )

Prob
n
S
n
S
n
i i
n
i


1 1
1 1
2
2
1
2
2


; ;
11
]
1
1
1
1
Prob k n S k n S
Inf i i Sup i
( , ) ( , )




2 2
1

1
]

Qualit de la mesure en production
188


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Pour une probabilit de 95 %, les bornes k
Inf
et k
Sup
sont reprsentes
sur la figure 8.7 (en fonction de la taille de lchantillon).
Figure 8.6 : Chute de lincertitude type en fonction de n
Figure 8.7 : Fourchette (coefficients) de lestimation de
i
valuation de type B
Ces mthodes sont utilises, soit lorsque loutil statistique est dutilisa-
tion difficile (trop onreux ou destructif par exemple), soit parce que
lon pense bnficier de meilleures estimations, provenant dexpertises
internes ou externes. Ainsi, si lon a une garantie sur la variable X
i
(par
exemple, certificat dtalonnage donnant lincertitude largie), on peut
estimer lincertitude type (sous hypothses de distribution) comme on le
ferait partir dun intervalle de confiance.
Cette dmarche ncessite une analyse de praticien. Elle peut faire appel
une expertise construite sur des observations (mmoire). Parfois, cest
0 5
volution de 1/Racine (n)
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
10 15 20 25 30 35 40 45 50
0
1
2
3
4
456789
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0
C
o
e
f
.

K


Nb mesure
Fourchette destimation 95 %
klnf
kSup
Estimer lincertitude de mesure
189


G
r
o
u
p
e

E
y
r
o
l
l
e
s
une information donne par un tiers qui sera utilise (certificat dtalon-
nage, donnes constructeurs, valeurs encyclopdiques, etc.). Souvent,
on se contente des lois de probabilit suivantes, reprsentes sur linter-
valle a (figure 8.8 gradue en a/3) :
loi uniforme (ou loi rectangulaire) :
.
Cette loi est retenue lorsque lon a peu dinformation. Par exemple
un certificat dtalonnage nous garantit que la valeur X
i
appartient
a, mais ne nous donne aucune information complmentaire sur la
densit de probabilit f(x). Par dfaut, toutes les valeurs internes
seront considres comme quiprobables ;
loi normale (ou loi de Gauss) :
.
Toutes les valeurs nont pas une probabilit de 100 % dtre com-
prises dans a, mais une probabilit qui dpend du choix de niveau
de confiance (1 ) retenu (par exemple si k 3, cela veut dire que
la probabilit dappartenance a est de 99,73 %. Si k 2, elle est
voisine de 95 %). Cette loi est dun usage frquent, elle est bien
approprie lorsque les causes de variabilit sont nombreuses et du
mme ordre de grandeur (thorme central limite).
Il existe dautres lois pouvant tre retenues. Ce choix peut tre guid par
lanalyse dhistogrammes avec lappui de tests statistiques. Nous citerons
simplement :
loi triangulaire avec : compare la loi uniforme, on estime
que la position moyenne est la plus probable. Cest un compromis
des deux prcdentes lois ;
loi en U (ou drive darc sinus
1
) :
.
1. www.metgen.org.
f x
a
( )

1
2
u x
a
( )
3
f x e
x
( )

( )
1
2
2
2
2

u x
a
k
( )
u x
a
( )
6

f x
a
x b
a
( )

_
,

1 1
1
2

u x
a
( )
2
Qualit de la mesure en production
190


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Cette loi est bien adapte une grandeur centre sur b et pouvant
voluer entre a de faon sinusodale. On rencontre ce problme
avec des variables asservies et prsentant un problme de pompage
(climatisation par exemple).
Figure 8.8 : Comparaison des quatre lois usuelles
Incertitude largie
En statistique, on donne pour une grandeur tudie, un intervalle de
confiance ayant une certaine probabilit de contenir la valeur vraie
(chapitre 6). Pour construire cet intervalle, on utilise gnralement :
une estimation donne par la moyenne de n observations indpen-
dantes ;
un paramtre de variabilit (par exemple lestimation de lcart-type) ;
une fonction de densit de probabilit f(x) (par exemple, la loi nor-
male).
Nous navons pas cette dernire information. Cependant, il est pratique
de donner une mesure sous la forme :
U est appele incertitude largie et calcule par : .
Mesure Valeur estime U
0
0,1
0,2
0,3
0,4
0,5
4 3 2 1 0 1 2 3 4
a/3
f

(
x
)
Loi normale Loi uniforme
Loi triangulaire Loi drive dArc sinus
U k u y
c
( )
Estimer lincertitude de mesure
191


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Le passage de u
c
U ne donne pas de nouvelle information, car le coeffi-
cient k, appel facteur dlargissement est choisi arbitrairement
1
. Le
plus souvent, par analogie avec le calcul de probabilit laide de la loi
normale, on retient :
.
Les indicateurs de capabilit dun processus de production sont calculs
laide dune dispersion dfinie 6.. Par souci de normalisation, sauf
indications contraires, il parat normal dtendre cela la mesure et de
retenir k 3.
Expression de lincertitude : on peut soit donner lestimation du
mesurande et lincertitude compose associe, soit donner lestimation
et lincertitude largie. Nous retiendrons la seconde solution, qui est
plus dans lesprit de la production. Il faut prendre garde de retenir la
mme rsolution pour ces deux composantes.
Exemple
M 99,166 g 0,095 g (k 3)
Incertitude sur les corrections
Nous distinguerons deux types de correction :
une correction locale pour un processus de mesure utilis en srie avec
des mesurandes voisins (par exemple un lot de pices usines sur la
mme machine) ;
une correction globale, applicable sur toute ltendue de mesure de
lappareil (appareil demploi plus universel, comme un pied cou-
lisse).
1. Pour un calcul plus fin de k, le lecteur pourra consulter lannexe G, Degrs de libert
et niveau de confiance de la norme NF ENV 13005 aot 1999, Guide pour lexpres-
sion de lincertitude de mesure.
2 3 k
Qualit de la mesure en production
192


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Correction locale
partir dune estimation (mesure brute), nous appliquerons diverses
corrections pour obtenir une mesure corrige (meilleure image du
mesurande) :
Le plus souvent, ces corrections (supposes non corrles) ne sont pas
faites pour diffrentes raisons (ignorance des influences, complexit de
modlisation, cot, qualification, etc.). Ne pas faire ces corrections ne
veut pas dire quelles ne sont pas prises en compte, mais quelles ont t
estimes dans un premier temps la valeur 0 .
Mathmatiquement, sous rserve dindpendance des diffrentes cor-
rections, on peut crire :
Correction locale de justesse
Pour faire une correction de justesse, il faut avoir une estimation de la
diffrence entre la mesure et une valeur vraie.
Rappels (chapitre 7) :
Lerreur de justesse est dfinie par :
correspond la moyenne dun nombre infini de mesures ;
X
0
est la valeur de ltalon (suppose vraie).
En ralit, nous ne pouvons questimer lerreur de justesse par :
est lestimation de laide des n valeurs de lchantillon (lincerti-
tude associe est de type A) ;
x
0
est la valeur donne par le certificat dtalonnage.
Mesure corrige mesure brute + correction de justesse + correction
de drive + correction des facteurs dinfluence + autres corrections
M M c
u M u u c
cor brute i
c cor M
brute
+
+

2 2 2
1 1 ( ) ( (
ii
))

J X
0
J x x
0
x
Estimer lincertitude de mesure
193


G
r
o
u
p
e

E
y
r
o
l
l
e
s
La tolrance dtalonnage permet de calculer lincertitude associe la
valeur talon (incertitude de type B).
Lincertitude sur J est caractrise par :

et estime par :
Par exemple si le certificat dtalonnage propose : , on
peut retenir avec lhypothse dune distribution uniforme :
Lerreur de justesse est estime J
Cela ne ncessite pas une courbe complte dtalonnage, mais simple-
ment une connaissance locale pour le voisinage de la valeur nominale du
mesurande.
Lerreur de justesse nest pas connue
Dans ce cas, on fera de fait une correction nulle. Ce choix peut aussi tre
dict par des considrations conomiques et de rapidit dacquisition. Si
lappareil a t vrifi (chapitre 3), cela veut dire que son dfaut de jus-
tesse (inconnu de lutilisateur courant) ne doit pas dpasser une valeur
seuil maximum (a EMT : cart maximum tolr).
La mconnaissance de lerreur de justesse invite la prudence. On
retiendra comme fonction de densit de probabilit, une loi uniforme :

J
MesureEtalon
Etalon
n
2
2
2
+
s
s
n
s
J
MesureEtalon
Etalon
2
2
2
+
X x
0 0 0

s
s
n
J
MesureEtalon

2
2
0
2
3
+

M M
u M u s
cor brute J
c cor M J
brute

+

2 2 2
( )

+ a J a
M M
u M u
a
cor brute
c cor M
brute

+
2 2
2
3
( )
Qualit de la mesure en production
194


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Remarque : il y a une grande similitude avec le concept dinertie du pro-
cessus de contrle I
G
(propos au chapitre 7) :
I
G
ncessite un talonnage pour tre quantifie. Pour amliorer linertie
I
G
du processus de contrle, on peut chercher amliorer les deux com-
posantes, en acceptant des compensations. Pour amliorer u
c
, il faut en
priorit intervenir sur lincertitude de la mthode ou, en dernier recours,
changer de classe dappareil (rduire la valeur de a).
Correction locale de drive
Ce cas est trs proche du prcdent, sauf quen plus, lerreur de justesse est
une fonction du temps. La solution la plus utilise est dessayer dliminer
cette influence (voir chapitre 9). Lincertitude associe est contenue dans
lincertitude de justesse.
Correction locale de grandeurs dinfluence
La mthode de traitement correspond la mthode classique, o lon
cherchera autant que possible soustraire les facteurs dinfluence (sous
forme de corrections algbriques c
i
) dans la relation :
titre dexemple, nous prsentons la correction faire lors dune
mesure directe avec un appareil qui nest pas la mme temprature que
la pice fabrique (fig. 8.9). En particulier, si la pice vient dtre usine,
sa temprature interne peut-tre nettement plus leve que celle de
lappareil.
I
G GRR J
+
2 2

M M c
u M u s
cor brute J i
i
c cor M J
brute
+
+ +

2 2 2
( )

ss
i
i
2

Estimer lincertitude de mesure


195


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 8.9 : Exemple de correction de temprature
Qualit de la mesure en production
196


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Correction globale
Lappareil retenu couvre une tendue de mesure importante :
.
Par commodit de prsentation, nous retiendrons x
inf
0 (mais ce nest
pas toujours le cas, par exemple pour un micromtre : 25-50 mm).
Prenons le cas dun micromtre 0-25 mm. laide de cales-talons de
classe 1, on compare la valeur fournie par lappareil (x
ij
) et la valeur cor-
respondante lue sur la cale-talon Y
0i
(lexactitude de cette valeur sera
suppose grande par rapport aux indications fournies par lappareil).
Pour chaque groupe de k mesures x
ij
, on calcule une estimation dcart :
Note : nous utiliserons la prsentation de C. Perruchet et M. Priel
1
qui
conseillent de retenir la donne de linstrument comme grandeur
dentre et comme grandeur de sortie la valeur de ltalon correspon-
dante. Cette prsentation permet dobtenir des rgressions linaires
par la mthode des moindres carrs, lentre (valeur lue) ntant pas une
variable alatoire (exemple figure 8.10).
Figure 8.10 : Exemple derreurs de justesse par rapport ltendue
Cas A : lestimation de lerreur de justesse est constante sur toute
ltendue (cas typique dune lame dair entre un marbre et une cale-
talon).
Cas B : au dfaut prcdent, sajoute un dfaut dchelle (par exemple,
le pas du micromtre est un peu fort).
X x x
i

1
]
inf sup
,
e x
k
x Y
i ij
j
i
( )

1
0
E
S
Cas B
E
S
Cas A
E
S
Cas C
Estimer lincertitude de mesure
197


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Cas C : cas le plus gnral, un dfaut de linarit vient se superposer
aux deux prcdents (variation non constante du pas de vis du micro-
mtre).
Remarque : dans lexemple prcdent, nous avons considr que la
courbe S f(E) est la mme en charge ou en dcharge. Il ny a pas deffet
dhystrsis.
La reprsentation de la figure 8.10 est peu exploitable si lon a une
grande tendue relativement aux carts estims. Il est plus pratique de
redresser ce graphique en reprsentant les carts par rapport la pre-
mire bissectrice (appareil sans dfaut). De plus, rappelons quil ne sagit
que destimations en nombre limit (fig. 8.11).
Figure 8.11 : Exemple derreur de justesse pour un micromtre
Incertitude associe une correction nulle
Nous sommes dans le mme cas que pour une justesse locale, son dfaut
de justesse (inconnu de lutilisateur occasionnel) ne doit pas dpasser
une valeur seuil maximum (a EMT : cart maximum tolr), ceci
quelle que soit la valeur dentre.

On retiendra comme fonction de densit de probabilit, une loi uniforme :
Erreur de justesse
tendue

c
a
r
t
s
0,030
0,020
0,010
0,000
0,010
0,020
0,030
0,000 5,000 10,000 15,000 20,000 25,000
+ a J X a
i
( ) X
i
M X M X
u M u
a
cor i brute i
c cor M X
brute i
( ) ( )
( )
( )

+
2 2
22
3
Qualit de la mesure en production
198


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Parfois, le bornage a se fait plage par plage. On a des limites en
marches descalier (par exemple, instrument de pesage
1
en figure 8.12).
Figure 8.12 : Exemple derreur tolre en fonctionnement
pour une balance de classe II dtendue 30 kg
Incertitude associe une correction spcifique
une valeur locale
Cela ncessite davoir la courbe dtalonnage avec lincertitude locale
associe (suivant la position dans ltendue, nous navons pas les mmes
valeurs) :
Vu la faible taille des chantillons, on peut ventuellement retenir une
incertitude constante pour toute ltendue de mesure, calcule avec
lensemble des valeurs.
1. NF EN 45501 novembre 1993, Aspects mtrologiques des instruments de pesage
fonctionnement non automatique Indice de classement : E12-000.
0,004
0,003
0,002
0,001
0
0,001
0,002
0,003
0,004
0
5 10 15 20 25 30
E
r
r
e
u
r

d

i
n
d
i
c
a
t
i
o
n
Masse mesurer
Erreur maximale tolre en service

M M X
u M u s X
cor brute J i
c cor M J
brute

+
( )
( ) (
2 2 2
ii
)
Estimer lincertitude de mesure
199


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Bien que ce genre de courbe soit donne avec chaque appareil, ce nest
pas dun emploi pratique en production. Cette approche est plutt
rserve la mesure en laboratoire.
Figure 8.13 : Courbe dtalonnage brute (non modlise)
Incertitude associe une correction modlise
Cest un compromis entre les deux mthodes prcdentes. La correction
est modlise, cela vite de mmoriser un nombre important de valeurs.
Par exemple, si lon retient un modle linaire, il suffit de mmoriser
deux paramtres pour faire les corrections (fig. 8.14).
Figure 8.14 : Modlisation de la courbe dtalonnage
Cette approche est dune mise en uvre pratique et facile (tableur).
Nanmoins, il faut rester trs prudent. Il ne faut pas oublier que ce nest
quun modle et quil ne colle pas toujours parfaitement la ralit. On
peut choisir un modle plus complexe, mais il demandera la mise en
mmoire de plus de paramtres.
Erreur de justesse
tendue

c
a
r
t
s
0,030
0,020
0,010
0,000
0,010
0,000 5,000 10,000 15,000 20,000 25,000
Erreur de justesse
tendue

c
a
r
t
s
0,030
0,020
0,010
0,000
0,010
0,000 5,000 10,000 15,000 20,000 25,000
y = 0,0002x + 0,00
R
2
= 0,4171
Qualit de la mesure en production
200


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Dans lexemple de la figure 8.14, la correction propose est du type :
a et b ne sont que des estimations des vrais paramtres et . Lincerti-
tude va devenir importante ds que lon sloigne de la valeur moyenne
des X
i
( peu prs le milieu de ltendue). Cette incertitude ncessite
destimer un cart-type des rsidus s
Rsidus
(voir chapitre 6). Nous pou-
vons proposer :

J i
a X b +
M M a X b
u M u s
cor brute i
c cor M Rsid
brute

+
2 2
( )
uus
i
X
n
X X
n s
2
2
2
1
1
+ +

( )

1
]
1
1
Chapitre 9
Maintenir la qualit
mtrologique
203


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Lentreprise doit vrifier au cours du temps que la qualit de la mesure
ne se dgrade pas. En cas de constat trop tardif de drive excessive de
lappareil, il faut reprendre les mesures ayant permis de dcrter tort la
conformit. Pour limiter ce risque, lentreprise devra mettre en place et
piloter un processus de surveillance pour certifier cette garantie de qualit.
Il est tentant dexiger une frquence de surveillance leve pour minimiser
le risque client. Ce processus de surveillance ncessite des ressources mat-
rielles et humaines et immobilise les appareils. Cela engendre des cots
supplmentaires quil faut mettre en regard avec les risques de non-
dtection (reprise des contrles, rappels, etc.). Le choix de la frquence
de surveillance devra essayer de rpondre ce souci doptimisation
financire et de qualit. On commence souvent par une vrification
priodicit calendaire fixe, associe un rajustage si ncessaire. Cela
permet de voir comment se comportent les appareils. Avec plus dexp-
riences, on peut appliquer les mthodes employes en matrise statis-
tique des procds (MSP). En effet, il serait inutile et coteux de rajuster
systmatiquement un appareil qui ne sest pas drgl (en fait o il ny a
pas confirmation de drglage). Quelle que soit la stratgie retenue, elle
doit tre dcrite dans une procdure prcisant les mthodes utilises pour
dterminer ou modifier les intervalles de confirmation mtrologique
1
.
Il va de soi quun appareil qui aurait subi des problmes de fonctionne-
ment (mauvaise manipulation, chocs, surcharge, etc.) ne doit pas
attendre la date prvue avant dtre vrifi nouveau (certains appareils
sont trs sensibles aux dmnagements et doivent tre vrifis systmati-
quement).
Rappelons qu lissue de chaque vrification de conformit mtrolo-
gique, lappareil peut tre :
maintenu pour lutilisation prvue (conforme) ;
ajust ou rpar et remis en service ;
1. NF EN ISO 10012 septembre 2003, Systmes de management de la mesure Exigences
pour les processus et les quipements de mesure et FD X07-014 novembre 2006,
Mtrologie Optimisation des intervalles de confirmation mtrologique des quipe-
ments de mesure.
Qualit de la mesure en production
204


G
r
o
u
p
e

E
y
r
o
l
l
e
s
dclass (utilisation ncessitant une prcision plus faible) ;
mis au rebut.
Les deux derniers cas relvent de la matrise de produits non conformes,
ils doivent tre clairement identifis.
Correction de la drive
priodicit calendaire fixe
Cette tradition de priodicit calendaire est hrite de la mtrologie lgale
(vrification des balances commerciales, des pompes volumtriques
essence, etc.). Cet tat desprit est pass naturellement de la mtrologie
lgale la mtrologie industrielle. LOIML (Organisation internationale
de la mtrologie lgale) publie le document n 10 : ILAC G24/OIML
D10 : Conseils pour la dtermination des intervalles de rtalonnage des
quipements de mesure utiliss dans les laboratoires dessais
1
. Ce document
retient cinq mthodes de rvision des intervalles de vrification :
mthode 1 : ajustement automatique en escalier (inspire des cartes
CUSUM, on reporte sur un graphique une augmentation si lon
dpasse la valeur tolre ou une diminution dans le cas contraire) ;
mthode 2 : utilisation des cartes de contrles de la MSP (cette
mthode permet dapprhender les drives, lentes ou rapides). Elle
est bien adapte pour les entreprises matrisant ces outils de contrle
de la qualit par les statistiques (nous reviendrons sur cette mthode
au paragraphe 2) ;
mthode 3 : on reprend les principes prcdents mais en se basant
sur une dure relle dutilisation. Cela ncessite un systme ou une
technique de mesure du temps de fonctionnement. Cette mthode
nest pas forcment judicieuse lorsque les cycles de fonctionnement
sont trs courts ;
mthode 4 : utilisation systmatique dune pr-vrification (appele
test bote noire ). Bien adapte aux instruments complexes, cette
mthode propose chaque mise en route une vrification intgre
1. Tlchargeable sur le site : www.oiml.org/publications/D/D010-e07.pdf.
Maintenir la qualit mtrologique
205


G
r
o
u
p
e

E
y
r
o
l
l
e
s
simplifie qui tire la sonnette dalarme en cas de soupon de drive
importante exigeant un complment de vrification (maintenance
prdictive). Il faut que la pr-vrification soit potentiellement sen-
sible toutes les causes de drives possibles ;
mthode 5 : approches statistiques bases sur les observations dun
grand nombre dinstruments.
Choix arbitraire dinitialisation de la priodicit
Lempirisme est souvent de rgle au dbut pour choisir la priode de
correction (par exemple une priode de six mois, recommandation du
fournisseur dappareils). Elle est affine suite aux constats de drive
ou non lors des vrifications. On peut diminuer la frquence si les enre-
gistrements indiquent des drives inexistantes ou lentes.
La priodicit des ajustages (si ncessaire) est fonction entre autres :
du degr dexactitude souhait : en gnral les appareils de basse
rsolution (comme un rglet) drivent peu et ncessitent moins
dattention. On peut accepter une incertitude de lquipement plus
importante ;
du taux dutilisation : certains appareils sont trs spcifiques
(comme des piges de contrle), ils peuvent rester plus ou moins long-
temps sans tre utiliss. On peut ne faire dmarrer la priode dutili-
sation qu partir de la date de mise en service, sous rserve que cette
dernire soit bien identifie (pige recouverte de cire par exemple) ;
de lenvironnement dutilisation : si linstrument est utilis dans
un environnement difficile (chaleur, vibrations, etc.), il est vident
quil faudra rduire la priode de vrification, de mme si le nombre
doprateurs utilisant lappareil est important. Lorsquil ny a quun
seul oprateur expriment et soigneux, cela cre un sentiment
dappartenance bnfique pour lappareil ;
de laptitude driver des appareils : par exemple des querres uti-
lises en mcano-soudage peuvent tre vrifies seulement tous les
trois ans (sauf accident dutilisation) ; a contrario certains appareils
peuvent prsenter des drives rapides et ncessiter des vrifications
quotidiennes (processus dquilibrage par exemple) ;
Qualit de la mesure en production
206


G
r
o
u
p
e

E
y
r
o
l
l
e
s
du risque conomique et/ou dinscurit encouru : dans lindus-
trie spatiale, le cot dune vrification sera ngligeable en regard du
cot dun lanceur. La vrification sera alors systmatique. Pour des
pices de scurit, une campagne de rappel deviendrait ncessaire en
cas de doute ;
etc.
Principes de calcul des priodes de vrification
La dtermination de la priode inter-vrifications ncessite (fig. 9.1) :
de dfinir ou calculer un cart maximum tolr (EMT) pour la drive
(limite dexactitude retenue) ;
davoir un modle de drive en fonction du temps : . Cest
souvent un modle linaire qui est retenu laide dune rgression
partir de points de contrle.
Figure 9.1 : Priode de drive limite en fonction
de lincertitude largie U
Pour calculer la valeur limite, il faut faire une hypothse de point de
dpart (par exemple, d(0) 0). Par prudence, comme la vrification de
d f t ( )
Modle de drive
Temps
Priode de drive limite
+ EMT
+ U
U
EMT
Maintenir la qualit mtrologique
207


G
r
o
u
p
e

E
y
r
o
l
l
e
s
la drive nest pas exempte dincertitude (U : incertitude largie, sup-
pose a priori constante en fonction du temps, vue au chapitre 8), on
diminuera par scurit la priode.
Soit avec un modle linaire : :
Par exemple pour les contrles par calibre, si lon a constat que lusure
tait bien linaire, cette technique sapplique bien. On peut mme
laffiner si lon a estim la drive d
0
initiale pour lappareil neuf :
Cette approche nest applicable que lorsque lincertitude nest pas trop
forte en regard de lEMT.
Choix de la priodicit par la mthode Opperet
Le Collge franais de mtrologie a propos une mthode originale
doptimisation des priodicits dtalonnage appele Opperet
1
(pour
optimiser les periodicits dtalonnage ). La mthode
2
est une solu-
tion ouverte, intgre dans plusieurs logiciels de gestion des moyens de
mesure. Cette mthode prsente le gros avantage de prendre en compte
des critres techniques et conomiques. Sa mise en uvre est base sur la
dmarche suivante.
Prise en compte des facteurs dinfluence
La mthode propose, comme suggestions non limitatives, neuf thmes
de rflexion prcisant les influences conomiques, dutilisations, de ris-
ques. partir de ces items de rflexions, on dfinira un certain nombre
1. www.cfmetrologie.com.
2. Cette mthode est galement prsente dans lannexe D du fascicule de documentation
FD X07-014 novembre 2006.
EMT U f Priode ( )
Priode f EMT U
1
( )
d k t
Priode
EMT U
k


Priode
EMT U d
k


0
Qualit de la mesure en production
208


G
r
o
u
p
e

E
y
r
o
l
l
e
s
de critres C
j
de jugement pour les appareils appartenant un mme
primtre (cest--dire concerns par le mme choix de critres). Ce
choix de critres doit tre consensuel et faire intervenir diffrents ser-
vices (analogie avec lAMDEC). Chaque instrument i appartenant au
primtre sera not pour chaque critre (note N
ij
pour le critre C
j
). Il
est propos de retenir une base de notation comprise entre 2 et + 2.
Prenons comme exemple didactique un primtre constitu de cinq
appareils (A
1
A
5
) pour lesquels, on a retenu quatre critres (C
1
C
4
;
normalement la mthode prvoit au moins cinq critres) (tableau 9.1).
Tableau 9.1 : Exemple simplifi de notation
Notation de lappareil
Pour viter un problme de notation, on propose pour chaque critre C
j
un changement de variable transformant la note N
ij
de lappareil i en un
cart normalis EN
ij
(qui est analogue la variable centre rduite u de
la loi normale, ou t de la loi de Student) :
s
j
est la valeur de lcart-type exprimental pour lensemble des notes
correspondant au critre C
j
.
Chaque appareil i se verra affect dune note globale NG
i
en utilisant un
systme de pondration des critres (classement de type ABC).
Primtre 1
Critres
C1 C2 C3 C4
A
p
p
a
r
e
i
l
s
A
1
N
11
N
12
N
13
N
14
A
2
N
21
N
22
N
23
N
24
A
3
N
31
N
32
N
33
N
34
A
4
N
41
N
42
N
43
N
44
A
5
N
51
N
52
N
53
N
54
EN
N N
s
ij
ij j
j

NG P EN
i j ij
j

( )
Maintenir la qualit mtrologique
209


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Tableau 9.2 : Calcul des notes globales (pondration des critres)
Cette note globale est nouveau transforme en cart normalis suivant
la mme procdure, soit pour lappareil i :
Tableau 9.3 : Calcul des carts normaliss globaux
Distribution des priodicits
La priodicit initiale a t choisie au pire des cas pour tous les appareils
dun mme primtre (pratiquement valable pour tous les appareils, elle
devient trop excessive pour les appareils plus fiables). La mthode
Opperet a comme objectif dindividualiser cette priodicit en fonction
de lcart normalis global EN
NG_i
attribu chaque appareil. On part
de lhypothse raliste (thorme central limite) que la distribution des
priodicits pour lensemble des appareils du primtre est normale.
Primtre 1
Critres
C
1
C
2
C
3
C
4
A
p
p
a
r
e
i
l
s
A
1
NG
1
P
1
EN
11
P
2
EN
12
P
3
EN
13
P
4
EN
14
A
2
NG
2
EN
21
EN
22
EN
23
EN
24
A
3
NG
3
EN
31
EN
32
EN
33
EN
34
A
4
NG
4
EN
41
EN
42
EN
43
EN
44
A
5
NG
5
EN
51
EN
52
EN
53
EN
54
Primtre 1
A
p
p
a
r
e
i
l
s
A
1
EN
NG_1
A
2
EN
NG_2
A
3
EN
NG_3
A
4
EN
NG_4
A
5
EN
NG_5
EN
NG NG
s
NG i
i
NG
_


Qualit de la mesure en production
210


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Rappelons que ce modle dpend uniquement de deux paramtres (un
de tendance, la moyenne et un de dispersion, lcart-type). Donc, pour
pouvoir lappliquer, il nous faut deux informations indpendantes. Elles
nous seront fournies indirectement par le choix de probabilits qui nous
permettront de calculer deux variables rduites u
inf
et u
Sup
(fig. 9.2).
Figure 9.2 : Prsentation des distributions de priodicits
Pour la priodicit actuelle, on pourra vrifier le pourcentage dappa-
reils qui taient non conformes (cela suppose que lon a des enregis-
trements). Le plus souvent cette probabilit est estime entre 2 % et
3 %. Cela donne :
Nous retiendrons pour u
inf
la valeur arrondie 2.
La priodicit maximum est value sur des critres de bon sens (par
exemple, si lon a des observations, on peut la dfinir laide des
appareils du primtre qui nont jamais ncessit un rajustage).
Cette valeur est souvent plafonne une limite raisonnable.
La probabilit davoir une priodicit suprieure cette limite est for-
tement improbable. Par exemple, si lon retient :
La valeur u
Sup
sera arrondie 3.
Priodicit maximum (acceptable/raisonnable)
Priodicit actuelle
Priodicit
(temps)
p u
inf inf
% , 2 2 054
p u
inf inf
% , 3 1 881
p u
p u
Sup Sup
Sup Sup
+
+
99 8 2 878
99 9 3 09
, % ,
, % , 0 0
Maintenir la qualit mtrologique
211


G
r
o
u
p
e

E
y
r
o
l
l
e
s
En rsum, on appliquera la mthode suivante (fig. 9.3) :
1. Saisir la priode actuelle.
2. Dfinir la priode maximum raisonnable.
3. En dduire u
inf
en fonction du risque associ la priode actuelle (en
gnral u
inf
2).
4. En dduire u
Sup
en fonction de la probabilit davoir une priode
infrieure la priode maximum (en gnral u
Sup
+3).
5. Calculer en variable centre rduite (pris 5 par dfaut).
6. En dduire s
Priodicit
:
.
7. En variable centre rduite la moyenne est par dfinition nulle.
8. En variable physique (temps) la priodicit moyenne est gale :
Figure 9.3 : Calcul de la moyenne et de la dispersion de la priodicit
u u
Sup

inf
s
P P
u u
P
Priodicit
Maximum actuelle
Sup
M


inf
aaximum actuelle
P
5
P P u s P
Moyenne actuelle Priodicit actue

inf llle Priodicit
s + 2
u : Variable
centre rduite
0 2
3
5
1
2
3 4
5
6
7
8
t
u
Priodicit maximum (acceptable/raisonnable)
Priodicit actuelle
Moyenne
priodicit
Priodicit
(temps)
5 sigma
Qualit de la mesure en production
212


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Personnalisation de la priodicit dtalonnage
En admettant que la distribution de la variable centre rduite u et la
distribution de lcart normalis global EN
G
sont identiques, on peut
crire :
soit :
La diffrence entre la nouvelle priodicit P
i
et la priodicit actuelle
P
i_Actuelle
sappelle le correcteur Opperet . Le plus souvent, il est
positif, cest--dire que lon gagne en priodicit. Par contre, dans le cas
de notation svre pour les critres C
j
, ce correcteur peut-tre ngatif.
Note 1 : sil existe dans lentreprise une mthode propre de dtermina-
tion des priodicits, il est toujours intressant de voir sil y a une corr-
lation entre les priodicits retenues et les carts normaliss calculs
par la mthode Opperet.
Note 2 : cette mthode demande une notation des critres attentive,
non partisane, faite par des experts provenant de services diffrents. Il
ne faut pas oublier ou sous-estimer un critre important.
Correction de la drive
en utilisant les mthodes de la MSP
Rappel sur la MSP
1
1
La sortie dun processus de production est sujette des variations pou-
vant provenir de causes communes ou de causes spciales.
les causes communes correspondent un bruit de fond du processus.
On narrive pas les matriser ni les identifier de faon prcise. Il faut
faire avec . Elles engendrent la variabilit intrinsque du processus ;
1. Pillet M., Appliquer la matrise statistique des processus, Paris, ditions dOrganisation, 2005.
EN u
EN
P P
s
NG i i
NG i
i Moyenne
Priodicit
_
_


P P EN s
i Moyenne NG i Priodicit
+
_
Maintenir la qualit mtrologique
213


G
r
o
u
p
e

E
y
r
o
l
l
e
s
les causes spciales, difficilement prvisibles, vont perturber fortement
la sortie du processus. Cela se manifestera soit par un drglage
(variation de la moyenne), soit par un accroissement de la dispersion
(augmentation de lcart-type). Le pilote du processus devra identi-
fier rapidement la cause de cet ala. Pour cela, il travaillera sur un
chantillon de sorties afin de diminuer leffet de la dispersion rsi-
duelle (fig. 9.4)
Figure 9.4 : Dispersion et drglage dun processus
partir de la moyenne dun chantillon, le pilote du processus doit
prendre une dcision :
soit considrer que lcart entre la moyenne de lchantillon et la
cible reste faible et imputable aux causes communes ;
soit estimer que cet cart parat inadmissible, quil y a de fortes pr-
somptions de causes spciales.
La moyenne de lchantillon donne une estimation de la moyenne relle
du processus. Il reste un certain flou dans cette estimation (chapitre 6).
Avec un risque derreur (risque fournisseur), nous pouvons donner un
intervalle de confiance contenant les moyennes dchantillons de taille
n, pour un processus parfaitement centr sur sa cible.
On supposera que la variabilit naturelle (causes communes) est par-
faitement identifie (observation de longue dure).
1 valeur
=
drglage
+
dispersion
Cible
Drglage
Dispersion
En faisant la moyenne
de plusieurs valeurs
on limine en partie
leffet de la dispersion
Prob Cible u
n
X Cible u
n
+

1
]
1

1
2
1
2
1

Qualit de la mesure en production


214


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Le fait de travailler avec une moyenne permet davoir des limites natu-
relles plus fiables pour dtecter une drive ventuelle (rduction en 1/n)
(fig. 9.5).
Figure 9.5 : Pilotage par moyenne ou par valeur individuelle
Shewhart
1
a propos de reprsenter (fig. 9.6) la double inquation ci-
dessus par une carte graphique de pilotage permettant une visualisation
aise des drives (rglage laide de la moyenne ou de la mdiane) et des
dispersions (indicateur avec ltendue ou lcart-type).
1. Shewhart Walter A. (1891-1967), Statistical Method from the Viewpoint of Quality Control.
NF X06-031-1 dcembre 1995, Application de la statistique Cartes de contrle
Partie 1 : cartes de contrle de Shewhart aux mesures.
Probabilit de dtecter
le dcentrage
avec une seule valeur
Cible
Distribution
des valeurs individuelles
Distribution des moyennes
Limite naturelle
dans le cas dune moyenne
Limite naturelle
dans le cas dune valeur
Probabilit de dtecter
le dcentrage
avec la moyenne
Maintenir la qualit mtrologique
215


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 9.6 : Exemple simplifi dune carte de contrle

Application de la MSP au suivi de vrification
Le processus de contrle peut tre pilot comme un processus de pro-
duction. la consigne dentre (mesurande), donne par ltalon,
correspond une sortie mesure qui va prsenter des dispersions.
Soit ces dispersions sont dues uniquement la variabilit rsiduelle
intrinsque, soit il y a une cause spciale qui provoque des variations
Date 23/02
Heure 6 h 00 6 h 30 7 h 00 7 h 30 8 h 00 8 h 30 8 h 35 9 h 00 9 h 30
Mesure 1 1 1 1 0 1 0 2 1 2
Mesure 2 1 0 0 0 1 2 1 1 1
Mesure 3 2 2 1 3 0 3 1 1 1
Mesure 4 1 0 1 1 1 2 1 1 0
Mesure 5 0 0 0 0 0 3 2 0 0
Total 1 3 1 4 3 10 1 0 4
Moyenne 0,2 0,6 0,2 0,8 0,6 2,0 0,2 0 0,8
tendue 3 2 2 3 1 3 4 2 2
Cible
Limite suprieure de contrle
Moyenne
Limite infrieure de contrle
Limite suprieure de contrle
Moyenne des tendues
Point hors contrle
Journal de bord
Moyenne de lchantillon
tendue de lchantillon
Vrification du rglage
1
2
1
2
0
2
4
6
Rglage
Qualit de la mesure en production
216


G
r
o
u
p
e

E
y
r
o
l
l
e
s
inhabituelles. La connaissance de la variabilit rsiduelle demande
une longue observation du processus qui fait dfaut ici. Par dfaut
linitialisation, on peut la quantifier laide de
GRR
, ou de
EV
si
cest toujours le mme oprateur qui fait les talonnages (voir
chapitre 7 pour les tudes GRR de capabilit des processus de
contrle).
La frquence de contrle tant faible compare celles utilises en pro-
duction, nous utiliserons une carte moyennes et carts-types plutt
quune carte mdianes et tendues .
Les limites de contrle, permettant de savoir si un ajustage est nces-
saire, sont bases sur les inquations suivantes :
Par exemple avec n 5 et un risque de 2 (cest--dire dajuster un
appareil qui nen avait pas besoin), nous obtenons :
soit :
Pour lcart-type S, on surveille surtout la borne suprieure, tant donn
le faible effectif de lchantillon (fig. 9.7).
Prob Cible u
n
X Cible u
n
GRR GRR
+

1
2
1
2

1
]
1
1
Prob


n
GRR
n
GRR
n
S
n

1
2
2
1 1
2
2
1 1
; ;

1
]
1
1
1
1
Prob Cible X Cible
GRR GRR
+

1
3 09
5
3 09
5
. .

]]
1
99 8 . %
Prob
0,091
4
18,466
4

1
]
1
1

GRR GRR
S 99 8 . %%
Prob -1,382 1,382 Cible X Cible
GRR GRR
+

1
]
99 8 . %
Prob 0,151 2,149

1
]

GRR GRR
S 99 8 . %
Maintenir la qualit mtrologique
217


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 9.7 : Exemples de cartes avec
GRR
de 0,01 mm
et un chantillon de cinq mesures de ltalon
Les rgles de base dinterprtation des cartes se feront comme pour le
pilotage dun processus classique de production (par exemple, point
hors limite, sept points conscutifs dun mme ct, sept points cons-
cutifs tous en augmentation ou en diminution , on prend alors la
dcision de rajuster le processus de contrle).
La carte de Shewhart permet de voir lvolution de la justesse en fonc-
tion du temps. Suivant le VIM
1
, cest le concept de constance (nomme
stability pour le MSA
2
).Elle est particulirement performante dans le cas
de drive rapide (comme un choc par exemple), par contre pour les
drives lentes, la carte EWMA est mieux adapte.
1. Les termes spcifiques la mtrologie (comme grandeur ou unit) sont dfinis dans le
VIM (Vocabulaire international de la mtrologie) Projet de norme X07-001PR (PR
NF ISO 99999 octobre 2006).
2. Automotive Industry Action Group (AIAG) (2002), Measurement Systems Analysis
Reference Manual, 3
e
d., Chrysler, Ford, General Motors Supplier Quality Require-
ments Task Force (www.carwin.co.uk/qs).
0 1 2 3 4 5
6
7 8 9 10 11 12
0 1 2 3 4 5 6 7 8 9 10 11 12
Carte des moyennes
Cartes des carts-types
0,020
0,015
0,010
0,005
0,000
0,005
0,010
0,015
0,020
0,000
0,005
0,010
0,015
0,020
0,025
Qualit de la mesure en production
218


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Carte EWMA
1
Nous dcrirons simplement lesprit de la mthode, pour une application
concrte le lecteur est renvoy aux ouvrages spcialiss.
Mesurons laide dun appareil un talon de longueur x
0
. Nous allons
obtenir une mesure lgrement diffrente x
i
. laide de ces deux valeurs,
nous dterminons un cart :
Cest cet cart que nous allons surveiller. Lcart rel peut tre estim
partir dune seule mesure ou partir dun chantillon de n valeurs e
ij
. La
seconde solution est plus onreuse mais meilleure quant la confiance
de la dcision prendre.
Les cartes EWMA (Exponentially Weighted Moving Averages) semblent
particulirement bien adaptes la gestion des moyens de mesure lors
de drives lentes (la moyenne est pondre par les valeurs antrieures) :
M
0
valeur cible (valeur initiale prise gale 0).
dpend des risques encourus (risques fournisseur et client ). Il est
souvent pris gal 0,2. Une valeur plus faible ( 0,1) prend plus en
compte les valeurs prcdentes, elle permet de mieux dtecter de petits
carts mais est moins performante pour dtecter un dcalage instantan
important ( 0,4).
On dtectera une cause spciale, lorsque lindicateur M
i
franchit une
limite (infrieure LIC
Mi
ou suprieure LSC
Mi
). Lorsque i crot, ces
limites convergent assez vite vers les valeurs suivantes (en retenant un
facteur dlargissement gal trois) :
1. NF X06-031-3 dcembre 1995, Application de la statistique Cartes de contrle
Partie 3 : cartes de contrle moyennes mobiles avec pondration exponentielle
(EWMA).
e x x
i i

0
M e M
n
i i i
M
i
i
+

1
]




( )
( )
(
1
1 1
2
1
2
)
Maintenir la qualit mtrologique
219


G
r
o
u
p
e

E
y
r
o
l
l
e
s
(Pour les chantillons de une mesure prendre n 1.)
Carte CUSUM
1
Il existe plusieurs types de cartes CUSUM (CUmulative SUMs). Le
principe est de faire la somme des carts e
i
prcdents. Si cette somme
dpasse une limite H, cela dtectera une drive probable. Comme la
drive peut tre positive ou ngative, on calculera deux sommes (tou-
jours positives) pouvant tre compares la mme limite H :
(h est choisi entre 4 et 5, k 0,5 pour dtecter un dcentrage
dun cart-type.)
1. NF X06-031-4 dcembre 1995, Application de la statistique Cartes de contrle
Partie 4 : Cartes de contrle des sommes cumules (CUSUM).
LSC
n
LIC
n
Mi
Mi
+

( )


( )
3
2
3
2

SH Max SH e k
SL Max SL
i i i e
i i
+
( )

1
]

0
0
1
1
,
,

ee k
i e

( )

1
]

H h
e

Conclusion
223


G
r
o
u
p
e

E
y
r
o
l
l
e
s
La dmarche Six Sigma a permis de passer dune production de masse
avec contrle final une production optimise avec contrle intgr.
Lobjectif principal de cette dmarche est de faire la chasse la disper-
sion. Lapproche processus, fortement prconise par la norme ISO
9001 (v 2000), permet de bien identifier o mesurer la dispersion. Les
sorties du processus demandent bien sr dtre vrifies (conformit
produit), mais on met de plus en plus laccent sur la matrise et le
pilotage.
Une des solutions pour mettre en uvre la dmarche Six Sigma, consiste
appliquer la mthode DMAICS, prsente la figure 10.1.
Ltape Mesurer arrive en deuxime position. En effet, si la qualit
de linformation saisie est douteuse, ce sont toutes les tapes suivantes
qui seront perturbes. Cette tape doit tre robuste. Le processus de
mesurage ncessite un investissement en ressources humaines et mat-
rielles. En particulier, la dispersion inhrente au processus de contrle
doit tre faible vis--vis de celle du processus matriser et surveiller.
Par exemple, il est utopique de vouloir prtendre faire du SPC (Statis-
tical Process Control) si le processus de mesure nest gure plus perfor-
mant que le processus de production piloter (en supposant que ce
dernier est capable vis--vis des exigences du client mais sans excs). Le
remde risque dtre pire que le mal.
Pour cela, nous avons vu quil faut vrifier :
ladquation processus de contrle-processus de production ( laide
dune tude de rptabilit et de reproductibilit) ;
la justesse de linformation en raccordant les appareils aux talons
nationaux,
la prennit de la performance des appareils en utilisation (gestion et
suivi).
Qualit de la mesure en production
224


G
r
o
u
p
e

E
y
r
o
l
l
e
s
Figure 10.1 : Les tapes et revues de projet de la mthode DMAICS
1
Ces diffrentes tapes doivent tre compatibles avec un objectif de cot.
Faire des mesures de qualit, suppose que lon obtient une information
pertinente pour les dcisions futures prendre, mais que le degr dexac-
titude recherch reste raisonnable en rapport aux exigences du client et
des dispersions des autres composantes de la chane de production.
1. In Pillet M., Six Sigma Comment lappliquer, Paris, ditions dOrganisation, 2003.
Mesurer
Analyser
Contrler
Dfinir
Standardiser
R0
R1
R2
R3
R4
Revues
R5
fiche de poste
x
2

x
4
x
1
x3
Y
x 1x2 x 3 x 4
I nnover
Bien dfinir le problme,
les limites de remise
en cause,
l'quipe de travail
Trouver un moyen
de mesure de la qualit.
Vrifier sa capabilit.
Rcolter des faits.
Dterminer le Z
du processus.
Examiner, analyser
les donnes.
Prouver statistiquement
les facteurs influents
Exprimenter, Modifier,
Amliorer, Optimiser.
Prouver statistiquement
que les amliorations
sont efficaces
Appliquer la solution.
La formaliser.
La mettre sous contrle.
Prenniser la solution.
Dployer les bonnes
pratiques.
Clore le projet.
225


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Annexes


226


G
r
o
u
p
e

E
y
r
o
l
l
e
s
E
s
t
i
m
a
t
i
o
n
d
'
u
n
e
m
o
y
e
n
n
e
(
c
a
s
o

e
s
t
c
o
n
n
u
)
n
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0

=

5

%
1
,
9
6
0
1
,
3
8
6
1
,
1
3
2
0
,
9
8
0
0
,
8
7
7
0
,
8
0
0
0
,
7
4
1
0
,
6
9
3
0
,
6
5
3
0
,
6
2
0
0
,
5
9
1
0
,
5
6
6
0
,
5
4
4
0
,
5
2
4
0
,
5
0
6
0
,
4
9
0
0
,
4
7
5
0
,
4
6
2
0
,
4
5
0
0
,
4
3
8
0
,
4
2
8
0
,
4
1
8
0
,
4
0
9
0
,
4
0
0
0
,
3
9
2
0
,
3
8
4
0
,
3
7
7
0
,
3
7
0
0
,
3
6
4
0
,
3
5
8

=

1

%
2
,
5
7
6
1
,
8
2
1
1
,
4
8
7
1
,
2
8
8
1
,
1
5
2
1
,
0
5
2
0
,
9
7
4
0
,
9
1
1
0
,
8
5
9
0
,
8
1
5
0
,
7
7
7
0
,
7
4
4
0
,
7
1
4
0
,
6
8
8
0
,
6
6
5
0
,
6
4
4
0
,
6
2
5
0
,
6
0
7
0
,
5
9
1
0
,
5
7
6
0
,
5
6
2
0
,
5
4
9
0
,
5
3
7
0
,
5
2
6
0
,
5
1
5
0
,
5
0
5
0
,
4
9
6
0
,
4
8
7
0
,
4
7
8
0
,
4
7
0

=

2

3
,
0
9
0
2
,
1
8
5
1
,
7
8
4
1
,
5
4
5
1
,
3
8
2
1
,
2
6
2
1
,
1
6
8
1
,
0
9
3
1
,
0
3
0
0
,
9
7
7
0
,
9
3
2
0
,
8
9
2
0
,
8
5
7
0
,
8
2
6
0
,
7
9
8
0
,
7
7
3
0
,
7
4
9
0
,
7
2
8
0
,
7
0
9
0
,
6
9
1
0
,
6
7
4
0
,
6
5
9
0
,
6
4
4
0
,
6
3
1
0
,
6
1
8
0
,
6
0
6
0
,
5
9
5
0
,
5
8
4
0
,
5
7
4
0
,
5
6
4
E
s
t
i
m
a
t
i
o
n
d
'
u
n
e
m
o
y
e
n
n
e
(
c
a
s
o

e
s
t
i
n
c
o
n
n
u
)
n
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0

=

5

%
8
,
9
8
5
2
,
4
8
4
1
,
5
9
1
1
,
2
4
2
1
,
0
4
9
0
,
9
2
5
0
,
8
3
6
0
,
7
6
9
0
,
7
1
5
0
,
6
7
2
0
,
6
3
5
0
,
6
0
4
0
,
5
7
7
0
,
5
5
4
0
,
5
3
3
0
,
5
1
4
0
,
4
9
7
0
,
4
8
2
0
,
4
6
8
0
,
4
5
5
0
,
4
4
3
0
,
4
3
2
0
,
4
2
2
0
,
4
1
3
0
,
4
0
4
0
,
3
9
6
0
,
3
8
8
0
,
3
8
0
0
,
3
7
3

=

1

%
4
5
,
0
1
5
,
7
3
0
2
,
9
2
0
2
,
0
5
9
1
,
6
4
6
1
,
4
0
1
1
,
2
3
7
1
,
1
1
8
1
,
0
2
8
0
,
9
5
6
0
,
8
9
7
0
,
8
4
7
0
,
8
0
5
0
,
7
6
9
0
,
7
3
7
0
,
7
0
8
0
,
6
8
3
0
,
6
6
0
0
,
6
4
0
0
,
6
2
1
0
,
6
0
4
0
,
5
8
8
0
,
5
7
3
0
,
5
5
9
0
,
5
4
7
0
,
5
3
5
0
,
5
2
4
0
,
5
1
3
0
,
5
0
3

=

2

2
2
5
,
1
1
2
,
8
9
5
,
1
0
7
3
,
2
0
8
2
,
4
0
6
1
,
9
6
8
1
,
6
9
2
1
,
5
0
0
1
,
3
5
9
1
,
2
4
9
1
,
1
6
2
1
,
0
9
0
1
,
0
2
9
0
,
9
7
8
0
,
9
3
3
0
,
8
9
4
0
,
8
5
9
0
,
8
2
8
0
,
8
0
0
0
,
7
7
5
0
,
7
5
2
0
,
7
3
1
0
,
7
1
1
0
,
6
9
3
0
,
6
7
7
0
,
6
6
1
0
,
6
4
7
0
,
6
3
3
0
,
6
2
0

1
P
r
o
b
2
1
2
1
n
u
X
n
u
X
n
u
2
1

1
P
r
o
b
2
1
;
1
2
1
;
1
n
S
t
X
n
S
t
X
n
n
n
t
n
2
1
;
1

/
2

/
2
T
a
b
l
e
s

d

i
n
t
e
r
v
a
l
l
e
s

d
e

c
o
n
f
i
a
n
c
e
227


G
r
o
u
p
e

E
y
r
o
l
l
e
s
E
s
t
i
m
a
t
i
o
n
d
'
u
n

c
a
r
t
t
y
p
e
n
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0

=

5

%
0
,
4
4
6
0
,
5
2
1
0
,
5
6
6
0
,
5
9
9
0
,
6
2
4
0
,
6
4
4
0
,
6
6
1
0
,
6
7
5
0
,
6
8
8
0
,
6
9
9
0
,
7
0
8
0
,
7
1
7
0
,
7
2
5
0
,
7
3
2
0
,
7
3
9
0
,
7
4
5
0
,
7
5
0
0
,
7
5
6
0
,
7
6
0
0
,
7
6
5
0
,
7
6
9
0
,
7
7
3
0
,
7
7
7
0
,
7
8
1
0
,
7
8
4
0
,
7
8
8
0
,
7
9
1
0
,
7
9
4
0
,
7
9
6

=

1

%
0
,
3
5
6
0
,
4
3
4
0
,
4
8
3
0
,
5
1
9
0
,
5
4
6
0
,
5
6
9
0
,
5
8
8
0
,
6
0
4
0
,
6
1
8
0
,
6
3
0
0
,
6
4
1
0
,
6
5
1
0
,
6
6
0
0
,
6
6
9
0
,
6
7
6
0
,
6
8
3
0
,
6
9
0
0
,
6
9
6
0
,
7
0
2
0
,
7
0
7
0
,
7
1
2
0
,
7
1
7
0
,
7
2
2
0
,
7
2
6
0
,
7
3
0
0
,
7
3
4
0
,
7
3
7
0
,
7
4
1
0
,
7
4
4

=

2

0
,
3
0
4
0
,
3
8
0
0
,
4
2
9
0
,
4
6
5
0
,
4
9
4
0
,
5
1
7
0
,
5
3
6
0
,
5
5
3
0
,
5
6
8
0
,
5
8
1
0
,
5
9
3
0
,
6
0
4
0
,
6
1
4
0
,
6
2
3
0
,
6
3
1
0
,
6
3
8
0
,
6
4
6
0
,
6
5
2
0
,
6
5
8
0
,
6
6
4
0
,
6
7
0
0
,
6
7
5
0
,
6
8
0
0
,
6
8
5
0
,
6
8
9
0
,
6
9
4
0
,
6
9
8
0
,
7
0
2
0
,
7
0
5
n
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0

=

5

%
3
1
,
9
1
6
,
2
8
5
3
,
7
2
9
2
,
8
7
4
2
,
4
5
3
2
,
2
0
2
2
,
0
3
5
1
,
9
1
6
1
,
8
2
6
1
,
7
5
5
1
,
6
9
8
1
,
6
5
1
1
,
6
1
1
1
,
5
7
7
1
,
5
4
8
1
,
5
2
2
1
,
4
9
9
1
,
4
7
9
1
,
4
6
1
1
,
4
4
4
1
,
4
2
9
1
,
4
1
5
1
,
4
0
3
1
,
3
9
1
1
,
3
8
0
1
,
3
7
0
1
,
3
6
1
1
,
3
5
2
1
,
3
4
4

=

1

%
1
5
9
,
6
1
4
,
1
2
6
,
4
6
7
4
,
3
9
6
3
,
4
8
5
2
,
9
8
0
2
,
6
6
0
2
,
4
3
9
2
,
2
7
8
2
,
1
5
4
2
,
0
5
6
1
,
9
7
6
1
,
9
1
0
1
,
8
5
4
1
,
8
0
6
1
,
7
6
4
1
,
7
2
7
1
,
6
9
5
1
,
6
6
6
1
,
6
4
0
1
,
6
1
7
1
,
5
9
5
1
,
5
7
6
1
,
5
5
8
1
,
5
4
2
1
,
5
2
6
1
,
5
1
2
1
,
4
9
9
1
,
4
8
7

=

2

7
9
7
,
9
3
1
,
6
1
1
1
,
1
1
6
,
6
3
7
4
,
8
7
7
3
,
9
6
8
3
,
4
2
0
3
,
0
5
5
2
,
7
9
5
2
,
6
0
0
2
,
4
4
9
2
,
3
2
8
2
,
2
2
9
2
,
1
4
6
2
,
0
7
5
2
,
0
1
5
1
,
9
6
2
1
,
9
1
6
1
,
8
7
5
1
,
8
3
8
1
,
8
0
5
1
,
7
7
5
1
,
7
4
8
1
,
7
2
3
1
,
7
0
0
1
,
6
7
9
1
,
6
6
0
1
,
6
4
2
1
,
6
2
5
2
2
1
;
1
1

n
n

1
1
1
P
r
o
b
2
2
;
1
2
2
1
;
1
S
n
S
n
n
n
2
2
;
1
1

n
n
5
1
0
1
5
2
0
2
5
3
0
229


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Bibliographie

AFAQ,

Guide dauto-valuation ISO/TS 16949 : 2002

, AFNOR, 2004.
AFNOR,

Mtrologie : grer et matriser les processus et les quipements de
mesure

, AFNOR, sept. 2003.
B

AILLARGEON

G.,

Mthodes statistiques

, ditions SMG, 2001.
B

ASSIERE

M., G

AIGNEBET

E.,

Mtrologie gnrale

, Dunod, 1960.
B

INDI

C.,

Un roman sur mesure

, AFNOR, 2004.
B

INDI

C.,

Dictionnaire pratique de la mtrologie

, AFNOR, 2006.
BIPM,

Le Systme international dunits

, BIPM, 8

e

d., 2006.
BNM,

talons et units de mesure

, AFNOR, 1996.
B

OTHE

D.R.,

Measuring Process Capability

, Mc Graw Hill, 1997.
B

OURDET

P., S

CHNEIDER

F.,

Spcification gomtrique des produits. Cota-
tion et tolrancement ISO

, Dunod, 2007.
C

ENTRES



TECHNIQUES



INDUSTRIELS

,

La Mtrologie en PME-PMI : Pra-
tique de la mesure dans lindustrie

, AFNOR, 1996.
C

HROUTE

G.,

Contrle par chantillonnage

, AFNOR Pratique, 2002.
C

HRYSLER

, F

ORD

, GM,

Statistical Process Control (SPC), Reference manual

,
1995.
C

OLLGE



FRANAIS



DE



MTROLOGIE

,

Mtrologie dans lentreprise. Outils
de la qualit

, AFNOR, 2003.
Qualit de la mesure en production

230


G
r
o
u
p
e

E
y
r
o
l
l
e
s

C

OLLGE



FRANAIS



DE



MTROLOGIE

,

Optimisation des priodicits
dtalonnage : la mthode Opperet

, Collge franais de mtrologie, 2005.
C

OLLGE



FRANAIS



DE



MTROLOGIE

,

LAudit de la mtrologie dans le cadre
de certifications de systmes de management

, Collge franais de mtrologie,
2005.
D

OUCET

C.,

La Matrise de la qualit

, Entreprise moderne d'dition,
1986.
D

URET

D, P

ILLET

M.,

Qualit en production (De lISO 9000 Six Sigma)

,
Paris, ditions dOrganisation (3

e

d.), 2005.
F

ORD

,

Statistical Process Control

, Instruction Guide Ford Motor Com-
pany, 1982.
G

EORGES

J.-M.,

Frottement, usure et lubrification

, Eyrolles, 2000.
G

RANDADAM

A.,

La Mtrologie dimensionnelle en mcanique industrielle

,
CETIM, 1977.
G

UEDJ

D.,

La Mridienne

, Pocket, 2003.
GUM,

Guide to the Expression of Uncertainty in Measurement

, ISO, 1993.
H

OCQUET

J.-C.,

La Mtrologie historique

, PUF, coll. Que sais-je ? ,
1995.
ISO 3534, 1

er

janvier 2007,

Vocabulaire et symboles. Partie 1 : Termes statis-
tiques gnraux et termes utiliss en calcul des probabilits

, AFNOR, 2007.
ISO/CEI 17025, septembre 2005,

Exigences gnrales concernant la comp-
tence des laboratoires dtalonnages et dessais

, AFNOR, 2005.
K

ELLER

A., La modification du systme des chanes nationales d'talon-
nage BNM-COFRAC ,

Contrle industriel

, n 206, octobre 1997.
M

ARIA

C.,

La Qualit des produits industriels

, Dunod, 1991.
M

ARQUET

L., L

E

B

OUCH

A., R

OUSSEL

Y.,

Le Systme mtrique, hier et
aujourdhui

, ditions ADCS, 1996.
M

EASUREMENT

S

YSTEMS

A

NALYSIS

,

Reference Manual, 3
e
d., Carwin
Continous Ltd., 2003.
MOUVEMENT FRANAIS POUR LA QUALIT, 27 exemples dvaluation
dincertitudes dtalonnage, MFQ, 1999.
NEUILLY M., CETAMA, Statistique applique lexploitation des mesures,
Masson, 1993.
PAGS J., Statistiques gnrales pour utilisateur, Presses universitaires de
Rennes, 2005.
Bibliographie
231


G
r
o
u
p
e

E
y
r
o
l
l
e
s
PERDIJON J., La Mesure. Histoire, science et philosophie, Dunod, 2004.
PERRUCHET C., PRIEL M., Estimer lincertitude Mesures Essais, AFNOR,
2000.
PILLET M., Appliquer la matrise statistique des processus, ditions dOrgani-
sation, 2005.
PILLET M., Six Sigma. Comment lappliquer, ditions dOrganisation,
2003.
PRIEUR G., NADI M., La Mesure et lInstrumentation, Masson, 1995.
RABINOVICH S., Measurment Errors : Theory and Practise, American Insti-
tute of Physics, 1993.
REGTIEN P.P.L., Measurement Science for Engineers, Kogan Page Science,
2004.
SOUVAY P., Savoir utiliser la statistique, AFNOR, 2002.
VIAUD M., LASNIER J., Introduction la mtrologie dimensionnelle,
CETIM, 1992.
233


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Index

A

Ampre, 23
Analyse de Fourier, 112
Analyse de la variance, 122
Association, 102
Audit, 51

B

BIPM, 22
Boys, 94

C

Calibres virtuels, 110
Candela, 23
Capabilit, 168
Capteur, 36
Carte CUSUM, 219
Carte de contrle, 215
Carte EWMA, 218
CGPM, 21
Chane de mesure, 35
Chane de mesure interne, 47
Chane nationale dtalonnage, 50
Circularit, 112
Code didentification, 57
Comit franais daccrditation
(COFRAC), 50
Compensation, 68, 80, 87, 97
Confrence gnrale des poids et mesures, 20
Constance, 217
Coordonnes plckriennes, 90, 106
Correction, 68, 81, 87, 101, 190
Correction globale, 196
Correction locale, 192

D

Dgauchissage, 95, 102
Degrs de libert, 88, 118

E

cart maximum tolr (EMT), 59, 206
Efforts de contact, 72
limination, 67, 77, 87
talon, 15, 34
de rfrence, 34, 47
de transfert, 47
de travail, 34, 47
externe, 32
interne, 33
talonnage, 58
Qualit de la mesure en production

234


G
r
o
u
p
e

E
y
r
o
l
l
e
s

F

Facteur dlargissement, 191
Fiche de vie, 62
Fidlit, 145
Formules de Hertz, 72

G

Gestion des moyens de mesures, 56
GPS, 44
GRR, 148
GUM, 147, 177-178, 186

H

Hystrsis, 197

I

Incertitude, 181
largie, 190
type, 181
Insensibilisation, 67, 78, 87, 95
Instrument, 46
Intervalle de confiance, 117
Intervalle de mesure, 34
ISO 10012, 54
ISO 9001, 43, 48
ISO/CEI 17025, 50, 54
Isostatisme, 87

J

Justesse, 34, 164

K

Kelvin, 23, 89
Kilogramme, 23

L

Laboratoire national de mtrologie et
dessais (LNE), 51
Laboratoires accrdits, 52
Loi de Gauss, 119, 189
Loi en U, 189
Loi normale, 119, 189
Loi rectangulaire, 189
Loi triangulaire, 189
Loi uniforme, 189

M

Main-duvre, 49
Matire, 50
Mesurage, 34
Mesurande, 30, 34, 117
Mesure, 30, 34
Mthode, 49
des 5 M, 46, 66
directe, 29
Mtre, 23
Mtrologie lgale, 45, 204
Milieu, 48, 73
MKS, 21
MKSA, 21
Mole, 23
Montage de contrle, 87
Moyenne, 117
Moyenne arithmtique, 117
MSA, 46, 66
MSP, 212
Multiples, 24

O

OIML, 204
Opperet, 207

P

Priodes de vrification, 206
Pied, 18
Plan-trait-point, 90
Points dappui, 89
Pouce, 18
Principe dAbbe, 70

R

Rgression linaire, 137
Rptabilit, 34, 146
Reproductibilit, 146
Rsolution, 35

S

Seconde, 23
Sensibilit, 35
SI ,21
Index

235


G
r
o
u
p
e

E
y
r
o
l
l
e
s

Sous-multiples, 24
SWIPE, 46, 66
Systme international dunits
SI, 22

T

Temprature, 77
Test de comparaison, 121
Thorme de Hunt, 92
Tolrancement inertiel, 169
Torseur de petits dplacements, 88, 104
Type A ,177, 186
Type B ,177, 188

V

Valeur vraie, 117
Variance, 118
Vrification, 58
Vernier, 31
VIM, 29, 34
Vocabulaire international des termes
fondamentaux et gnraux
de la mtrologie, 29