Vous êtes sur la page 1sur 8

Article

Exploitation des rsultats dtalonnage pour valuer la


part de linstrument dans un bilan dincertitude

Comment exploiter des rsultats dtalonnage ? Voil une question qui devrait tre traite
depuis plus de 20 ans mais qui reste pourtant en suspens, encore de nos jours
Si tous les mtrologues dentreprise et tous les talonneurs ont bien compris lexigence des
auditeurs en terme de respect dune priodicit souvent arbitraire, il est stupfiant de constater
que la faon dinterprter des rsultats dtalonnage reste floue Tous les mtrologues ont de
nos jours des logiciels qui leur permettent dtablir des plannings et des indicateurs, mais que
font-ils des informations disponibles dans les certificats dtalonnage ?

La rponse la plus classique tient souvent en une phrase : on ne fait pas des talonnages, on
fait des vrifications ! . Rappelons, dans un premier temps, quune vrification impose (dans
la trs grande majorit des cas, mme sil existe des exceptions) un talonnage pralable. Et
pire, la vrification est souvent effectue par rapport une norme souvent totalement
inadapte au besoin spcifique de lindustriel qui se sent pourtant concern, par la force des
pratiques qui ont fini par simposer sans forcment tre pertinentes

En 2008, le VIM a volu. Il a dfini un talonnage (dfinition 2.39) de la faon suivante :

talonnage : opration qui, dans des conditions spcifies, tablit en une premire tape une
relation entre les valeurs et les incertitudes de mesure associes qui sont fournies par des
talons et les indications correspondantes avec les incertitudes associes, puis utilise en une
seconde tape cette information pour tablir une relation permettant dobtenir un rsultat de
mesure partir dune indication.

NOTE 1 Un talonnage peut tre exprim sous la forme dun nonc, dune fonction
dtalonnage, dun diagramme dtalonnage, dune courbe dtalonnage ou dune table
dtalonnage. Dans certains cas, il peut consister en une correction additive ou multiplicative
de lindication avec une incertitude de mesure associe.

NOTE 2 Il convient de ne pas confondre ltalonnage avec lajustage dun systme de mesure,
souvent appel improprement auto-talonnage , ni avec la vrification de ltalonnage.

Le Collge Franais de Mtrologie sest rapidement saisi de cette volution pour traiter de
cette volution. Il a produit un guide nomm Application du nouveau concept dtalonnage
du VIM 3 qui permet de rpondre cette nouvelle dfinition. Il propose galement un
logiciel tlchargeable gratuitement, M-CARE, qui permet de raliser les calculs proposs.

Force est de constater qu ce jour, alors que le VIM fte ses 7 ans cette anne, rares sont les
talonneurs qui appliquent cette dfinition. videmment, il faut reconnatre quelques
difficults mathmatiques et, finalement, tant que les industriels ne demandent rien

Quelques mots de thorie

Il existe dans la littrature de nombreuses stratgies pour trouver un modle partir de


donnes exprimentales. La plus classique, utilise par Excel, repose sur une stratgie dite des
moindres carrs . Apparemment simple, lapproche par les moindres carrs recouvre
diffrentes possibilits plus ou moins labores :

Moindres carrs ordinaires (O.L.S.) qui ne traite que des valeurs de x et de y observes,
sans tenir compte des incertitudes associes. Pour tre utilisable, cette technique demande que
quelques conditions soient respectes :

Pas dincertitude en x (ce qui nest jamais le cas lors dun talonnage, mais on peut
parfois la supposer ngligeable),
Incertitude identique sur les y (ce qui est rarement le cas en talonnage car il est
frquent que lincertitude soit proportionnelle la valeur de x cas des incertitudes
qui sexpriment en %),
Pas de covariance entre les incertitudes en y (ce qui est rarement le cas lors des
talonnages, pour les raisons voques ci-avant.

Moindres carrs pondrs (W.L.S.) qui prend en compte la qualit des donnes
disponibles en y, notamment en associant des poids diffrents, inversement proportionnels
lincertitude sur chacun des y (qui doivent donc tre connus), chaque valeur de y pour le
calcul des coefficients du modle. L encore, quelques conditions :

Pas dincertitude en x (ce qui nest jamais le cas lors dun talonnage, mais on peut
parfois la supposer ngligeable),
Pas de covariance entre les incertitudes en y (ce qui est rarement le cas lors des
talonnages, pour les raisons voques ci-avant).
Moindres carrs gnraliss (G.L.S.) qui prend en compte la qualit des donnes
disponibles en x et en y. Dans cette mthode, les covariances ne sont pas prises en compte.

Mthode dite G.G.M.R. (Generalized Gauss Markov Regression) qui prend en compte
la totalit de linformation, cest--dire les incertitudes en x, en y et toutes leurs covariances
ventuelles.

Cette liste nest donc pas exhaustive. Dautres approches, trs diffrentes, sont disponibles
dans la littrature. On peut notamment citer les techniques dites de maximum de
vraisemblance ou dinfrence baysienne .

Dans tous les cas cits ci-avant, tout type de modle (ou fonction de mesure) peut tre estim.
Elles ne se limitent pas aux simples droites et peuvent permettre destimer tout type de
polynmes notamment.

Ces diffrentes techniques ne se limitent pas estimer les coefficients du modle. Elles
permettent galement destimer lincertitude sur lesdits coefficients, incertitudes qui
proviennent du fait que les donnes dentre, notamment les y dans tous les cas, ne sont pas
parfaites.

Quelle stratgie choisir ?

Cette question est essentielle en matire dtalonnage. Lorsquon est attentif la ralit des
conditions dtalonnage et aux conditions dutilisation de telle ou telle approche, seule la
technique dite G.G.M.R. correspond au contexte. On peut souligner que lapplication M-
CARE propose une solution pour calculer la matrice de variances/covariances sur les donnes
disponibles, ce qui est un prrequis de la mthode G.G.M.R.

Force est de constater que dans le quotidien des laboratoires, la mthode la plus utilise est la
mthode propose par Excel, savoir la mthode O.L.S. De plus, rares sont les laboratoires
qui vont au bout de la dmarche en estimant, en plus des coefficients, leurs incertitudes
associes. Ces incertitudes doivent pourtant ensuite tre considres dans le calcul
dincertitude globale des processus de mesure auxquels linstrument participe, dans le cas,
videmment, o une modlisation est applique la mesure brute donne par le moyen.

Par ailleurs, les techniques des moindres carrs permettent de calculer le modle qui donne y
(mesure) partir de x (talon). Or, en mtrologie, cest le modle inverse qui est utile, celui
qui donne x (valeur vraie ) en fonction de y (valeur physiquement mesure). Cette
inversion du modle impose une prcaution essentielle car il ne suffit pas dinverser les
colonnes pour que a fonctionne (mme si les mathmatiques Excel donnent toujours
des valeurs) !

Les points clefs des modlisations

On peut prendre acte que les conditions dapplication des mthodes de rgression ne sont pas
respectes mais il faut nanmoins simposer quelques prcautions :

Le sens du modle :
Pour les calculs des coefficients, il est impratif de choisir pour valeurs des x (cest--dire
en abscisse) les valeurs connues avec le moins dincertitude et ce ne sont pas toujours les
valeurs talons. Lorsque des solutions filles sont labores par dilution dune solution mre, il
nest pas rare que les incertitudes lies aux dilutions (et trs corrles entre elles) soient plus
importantes que les incertitudes sur la lecture (cas des densits optiques par exemple). En
pratiquant ainsi, le modle est parfois directement dans le bon sens (de y vers x), parfois dans
le mauvais (de x vers y). Dans le second cas, il convient dinverser mathmatiquement le
modle estim. Dans le cas dune droite, on trouve :

videmment, dans le cas dun modle plus complexe, linversion nest pas toujours simple.
La mthode G.G.M.R. nest pas sujette cette condition sur les incertitudes en x. Elle peut
donc se prsenter comme une alternative en cas de modles trop complexes.

Lopportunit de la correction :

Dans le cas simple dun modle linaire de type y = x (cas des instruments de mesure qui
mesurent directement), il ne suffit pas de trouver une valeur pour b0 0 et/ou une valeur de
b1 1 (b0, ordonne lorigine du modle, b1 la pente) pour dmontrer lexistence dun
modle.

Par extension, si le modle est diffrent de y = x :

o Par exemple y = M(b0 ,b1, , bn, x) avec des coefficients b0, b1, , bn connus a
priori , par exemple la moyenne des coefficients habituellement trouvs lors des
talonnages prcdents

Il ne suffit pas de trouver b0NouvelEtalonnage b0Apriori, b1NouvelEtalonnage b1Apriori,


bnNouvelEtalonnage bnApriori pour statuer sur lopportunit de remplacer les anciens
coefficients par les nouveaux.

La prise en compte des rsidus au modle

Lorsquun modle est recherch, il est rare quil passe par tous les points exprimentaux. La
diffrence entre lordonne y (souvent, mais parfois suivant le sens impos par les
incertitudes) et lordonne modlise ym = M(b0, b1, , bn, x) se nomme rsidu . Un
rsidu existe donc pour chaque valeur de x . Il contient des erreurs de diffrents types :

o Lerreur lie au modle choisi : si vous modlisez un phnomne rellement


polynomial avec une droite, le rsidu contient lcart entre la ralit (polynomiale)
et le modle (fix par hypothse mais pas conforme la ralit),
o La fidlit de linstrument de mesure talonn, cest--dire ses propres erreurs locales
qui font que sa ralit ne peut pas tre rduite une forme analytique simple (droite ou
autres modles),
o La rptabilit qui sest exprime sur le y au moment mme de la mesure.
Note : Les rsidus ne contiennent pas les effets des facteurs dincertitude dtalonnage qui
nont pas eu lopportunit de varier pendant ltalonnage. Par exemple, si la temprature,
identifie comme un facteur dinfluence de lincertitude dtalonnage, na pas (ou peu) vari
pendant ltalonnage et quelle nest pas gale la valeur de rfrence, cela gnre un cart
qui est lorigine dune erreur qui sera la mme (en absolu ou en relatif) dans tous les y. Elle
ne se verra donc pas dans les rsidus mais se glissera dans les paramtres du modle. Il
sagit l de leffet des covariances que la mthode G.G.M.R. prend en compte dans ses
calculs.

ce stade, on peut donc dire que la variance des rsidus est un majorant des effets fidlit
et erreur de modle de linstrument. Il est dailleurs dusage dobserver la distribution des
rsidus qui doit tre gaussienne si le modle est conforme la ralit et viter ainsi des erreurs
de modle trop grossires.

Des techniques approximatives acceptables

La question de la significativit des coefficients est une question traite par les statisticiens
mais souvent oublie. Elle sappuie sur un test de Fisher qui permet de comparer les
anciennes et nouvelles valeurs des coefficients en tenant compte des incertitudes associes et
de leurs covariances. Mme si cette difficult nest pas insurmontable, notamment dans le
cadre dune droite, ce test nest pas trivial et demande quelques calculs pouvant repousser,
ceci explique probablement cela. Le guide du C.F.M. aborde cette question sous langle de la
signature dun processus dtalonnage , concept dvelopp et expos depuis longtemps par
Delta Mu.

Cas des modles linaires

Dans le cas du modle simple y = x, lapproche thorique est abordable avec quelques calculs
aisment accessibles.

Soient des rsultats dtalonnage qui conduisent n couples (xi, yi) o xi reprsente les
valeurs talons ou les valeurs mesures (suivant limportance des incertitudes sur les unes
talons ou les autres valeurs mesures) et yi les autres. La relation suppose est yi = b0 +
b1.x . Le rsultat ci-dessous nest valable en toute rigueur que si les paramtres b0 et b1 sont
obtenus en appliquant la rgression O.L.S.

Le modle linaire sera significativement diffrent de y = x si :


Si la correction nest pas significative, lcart-type des rsidus s2y/x sera une estimation
acceptable de la performance (lincertitude) du moyen de mesure dans un bilan de causes
dincertitude.

Si la correction est significative, il convient alors destimer lincertitude lie la correction en


appliquant la loi de propagation du GUM. Ceci suppose destimer les incertitudes sur les
coefficients du modle avec comme seule solution statistiquement acceptable la mthode
G.G.M.R. mise en uvre par M-CARE.

Approximation pour les modles (y = x)

Les calculs proposs par la thorie statistique peuvent, dans ces cas-l, devenir compliqus.
Vous pourrez trouver des informations dans : P.H. Cornillon, E.M. Lober, Rgression
Thorie et application, Ed Springer .

En premire approximation, on peut estimer la pertinence de la correction (ou du modle) en


comparant les paramtres obtenus partir des donnes du nouvel talonnage et les paramtres
utiliss jusque-l (ou a priori ). Excel ne met en uvre que la mthode O.L.S. dans le cadre
des calculs de moindres carrs et la fonction DROITEREG retourne les paramtres et leurs
incertitudes, en lutilisant sous forme de fonctions matricielles .

Pour un polynme lordre n, la syntaxe de la fonction est la suivante :

DROITEREG(yconnus;xconnus^{1.2.3.n} ;VRAI ;VRAI)

Pour que cette fonction retourne tous les rsultats, il convient :

de taper la formule ci-dessus, en faisant rfrence aux valeurs de Y et de X, dans une


cellule (ici la cellule A8 pour un exemple lordre 3) ;

de slectionner la cellule qui contient la formule et autant de cellules que ncessaire


pour contenir les paramtres (4 cellules en tout, si un polynme de degr 3 est attendu)
droite de la cellule qui contient la formule plus les 2 lignes du dessous, puis taper
F2 ;
Taper Ctrl + Maj + Entre pour obtenir les valeurs des coefficients, dans lordre
dcroissant, et leurs incertitudes associes dans la ligne du dessous et du coefficient de
dtermination r2 dans la premire cellule de la 3e ligne.

ce stade, le coefficient de dtermination r2, donn par Excel dans la 1re cellule de la 3e ligne
(0,9999 dans lexemple) permet de valider que le degr du polynme permet de dcrire
correctement les donnes exprimentales.

La 2e ligne donne les incertitudes types sur chacun des paramtres. Il est ainsi possible de
comparer chacun des nouveaux coefficients (b0, b1, ) aux coefficients prcdents (a priori),
suivant la formule ci-dessous, pour statuer sur leur diffrence ou pas.

Dans le cas o aucun paramtre nest statistiquement diffrent du paramtre a priori , le


nouveau modle nest pas diffrent du modle a priori . Il est alors possible de considrer
les nouveaux paramtres pour rviser les paramtres a priori , par le biais dune moyenne
pondre des paramtres par exemple. Dans le cas contraire, le nouveau modle dcrit par
lensemble de ces nouveaux paramtres peut tre utilis mais il conviendrait dutiliser la
mthode G.G.M.R. pour le traiter convenablement.

Cette mthode simplifie ne permet pas de prendre en compte les covariances entre les
paramtres du modle alors quelles sont souvent consquentes. Du coup, un nouveau modle
peut tre considr comme non diffrent du modle a priori alors quil lest en ralit.
Lutilisation de la mthode G.G.M.R. permet de limiter cette potentielle erreur de jugement.

Note : La fonction matricielle DROITEREG retourne les incertitudes types sur les paramtres
des modles. De ce fait, lapplication de la loi de propagation des incertitudes du GUM est
parfaitement ralisable.

Conclusion

Cet article a pour objectif de sensibiliser la problmatique de la modlisation, qui ne peut


pas se rsumer lajout dune courbe de tendance via Excel. Le monde de la mtrologie est le
monde des incertitudes, et tous nos calculs en sont entachs.

Le mtrologue doit prendre conscience que chaque mesure, chaque paramtre calcul partir
de mesures ne sont finalement que des estimations de la ralit recherche. Et qui dit
estimation dit test , cest--dire la confirmation ou linfirmation dune hypothse

Partager la publication "Exploitation des rsultats dtalonnage pour valuer la part de


linstrument dans un bilan dincertitude"

Viadeo
LinkedIn
Facebook
Twitter
E-mail

Articles similaires :

1. Une piste pour valuer limpact de la drive dans lincertitude des processus de
mesure faisant appel des instruments mesureurs
2. Les talonnages cotent chers, autant quils servent !
3. Session de formation Inter-Entreprise : Modlisation des rsultats dtalonnage
4. Etalonnage et volution du VIM

post par Jean-Michel Pou le 31 mars 2015 18 h 49 min dans Mtrologie

mots-cls: correction d'talonnage, talonnage, M-CARE, modlisation

Pingback : Une piste pour valuer limpact de la drive dans lincertitude des processus de
mesure faisant appel des instruments mesureur . | La Mtrologie Autrement

Les commentaires sont ferms.