Vous êtes sur la page 1sur 106

1

Mtrologie
Jean-Marie De Conto
Bibliographie: Christophe Bindi - Dictionnaire
pratique de la mtrologie AFNOR (dition
2006) - ISBN 2-12-460722-7
Aot 2009
2
La mtrologie
Science de la mesure
Connatre une grandeur par un procd: le mesurage
Le rsultat obtenu entach dune erreur
Lie au principe et au dispositif de mesure
Lie aux appareils, lenvironnement et loprateur
Estimer et majorer (au minimum) les erreurs: calculs dincertitude
(A ou B)
Modlisation du procd de mesure ou estimation statistique ou
connaissance a priori
Avoir une rfrence dfinie (talon)
Type A: calcul dcart-type (par exemple), votre charge
Type B: donne de lappareil
Organisation requise dans lentreprise
3
Qui va utiliser la mtrologie?

Contrle de fabrication
Ne pas trop livrer de pices non-conformes
Ne pas rejeter trop de pices conformes
Estimer le risque en fonction du rsultat de la mesure
Savoir dfinir ses besoins en matriel de mesure

Laboratoire
Mesures fines.
Ex: mesurer une frquence de rsonance avec 5 chiffres significatifs (prise
en compte des drives en temps, en temprature)
Mesurer la constante de Planck avec 10 chiffres
Multiplier les mesures et rduire lincertitude par moyenne
Besoin de calculs parfois difficiles
Estimer les incertitudes sur des processus complexes et non
modlisables (mthodes empiriques)
Besoin dchange entre laboratoires
Besoin de normalisation
4
Parenthse: units
5
Grandeurs et units
6
7
8
9
Principes fondamentaux
10
Petit prambule
On considre une grandeur alatoire (une variable
alatoire) X
Elle est en gnral caractrise par sa moyenne
et son cart-type o
Les valeurs se distribuent alatoirement autour
de .
Leur dispersion autour de la valeur moyenne est
mesure par o
Exemple: loi uniforme sur [0,1]
=0.5
o=0.5/\3
X
X
X
11
Un exemple:ampremtre
On insre un ampremtre 7 chiffres dans un
circuit (gamme 0-1A).
On relve 0.516923A. Comment estimer
raisonnablement lerreur commise? Combien vaut
elle? Comment amliorer le rsultat?
On fait 3 mesures successives de 0.511294,
0.522917 et 0.505114 A. Que faire pour
amliorer le rsultat? Incertitude?
On ne peut PAS rpondre dans le premier cas car on ne connat
ni lampremtre ni lenvironnement
On na aucune ide de lerreur systmatique (mauvais zro)
Dans le second cas, on peut estimer la fluctuation des valeurs,
qui peut provenir de lenvironnement: ce nest pas parce que
lampremtre est parfait que les valeurs ne fluctuent pas
Mesure=appareil+environnement+oprateur

12
Moralit
Effectuer une mesure de courant correcte
demande
La connaissance parfaite de lappareil et de son
environnement
La dtermination (comment?) de lerreur systmatique
La connaissance ou la dtermination de la fluctuation
statistique des mesures (dispersion, cart-type o
lu
sur la
valeur lue).
o
lu
pourra tre estim exprimentalement. Cest une
constante indpendante du nombre de mesures!
.

Si possible, de faire la moyenne de plusieurs mesures
M
1
..M
N
et destimer la fluctuation statistique de cette
moyenne
N
u
N
M M
M
lu
M
N
o
=
+ +
=

1
Il ny a pas derreur!
13
Un second exemple: mesure de
rsistance
On lit I=0.5A avec une incertitude de 0.001A et
V=3V avec une incertitude de 0.02V
Incertitude sur R?
I
V
2
2
2
4
2
2
2
2
2
2
2
1
V I R
V I R
u
I
u
I
V
u
u
V
R
u
I
R
u
I
V
R
+ =
|
.
|

\
|
c
c
+
|
.
|

\
|
c
c
=
=
Formule de propagation des incertitudes
14
Un dernier exemple
On talonne un manomtre suppos
linaire V
lu=
f(P
ref
)
On fait passer une droite V=aP
ref
P
ref
est entach dune incertitude
V
lu
galement
On doit donc dduire (cf TDs)
lincertitude sur a
Quand on utilise le manomtre, on
relve une tension V
mes
(entache
dune incertitude) et lon dduit P
mes

par P
mes
=V
lu
/a
On dduit lincertitude sur P
mes

grce la loi de propagation
connaissant les incertitudes sur a et
V
0
5
10
15
20
25
30
35
40
0 2 4 6 8 10 12 14
B
B
A
y = m2 * M0
Error Value
0,15137 2,6301 m2
NA 26,211 Chisq
NA 0,95177 R
V=f(P)
2
2
2
4
2
2
1
V a P
u
a
u
a
V
u + =

=
2
x
xy
a
15
Processus de mesure
La mesure ne se borne pas la lecture dun
appareil
Les erreurs proviennent
Des performances de lappareil (moyens)
Du mode opratoire (mthode)
Du personnel (main-duvre)
De lenvironnement (milieu)
Du mesurande (matire)
Analyse ncessaire par une personne comptente

16
Votre but: une mesure prcise?
Ex: mesurer x (valeur vraie=4)
Faible dispersion: FIDELITE
Bon centrage: JUSTESSE
17
La bonne mesure doit tre juste et
fidle
Le terme prcision
nexiste pas en
mtrologie
18
Que faire?
Justesse (ex: tarage dune balance):
On lobtient par talonnage ou vrification sur une rfrence
(dtermination du facteur de correction).
Attention: un coefficient de correction a lui-mme une
incertitude, que lon devra intgrer au bilan final
Fidlit
Cas dune seule mesure: il faut connatre la dispersion (lcart-
type) sur une mesure. Il sagit alors en gnral dune
incertitude de type B.
Cas de plusieurs mesures:
On dtermine la dispersion en calculant lcart-type o
exp
exprimental su N mesures.
On prend la moyenne des N valeurs comme rsultat final
Lincertitude sur la moyenne est o
exp /\N
19
Mesures et incertitudes sur une grandeur
G, pour un appareillage suppos juste
G fluctue alatoirement autour de sa moyenne m avec un
cart-type (une dispersion) o
G
On estime m (inconnue) grce la moyenne exprimentale
et o
G
grce lcart-type exprimental o
E
La moyenne exprimentale, considre comme mesure finale,
a aussi une dispersion statistique. Lincertitude sur la
moyenne est donc lcart-type de not (ici) u
N
u
N
G G G G
m
N
G G
G
E
M
G
N
E
N
o
o o
=
=

+ +
=
=
+ +
=
2
2 2
1
2
1
1
) ( ) (

Pourquoi N-1 et pas N?


G
G
20
Autrement dit: ne pas confondre
Pour rduire lincertitude
on fait N mesures
Lcart-type exprimental
estime la dispersion des
mesures. Sa valeur se
stabilise vers la dispersion
vraie (non-nulle) de G
quand N grandit
Ce nest donc pas une
incertitude
Lincertitude sur la
moyenne est donne par
Elle tend vers zro avec N
1
) (
2

=

N
G G
i
E
o
N
u
E
o
=
o
E

G
21
Niveau de confiance
Lincertitude est, mathmatiquement, lcart-type o (ou u)
de la loi statistique de lerreur commise. La connaissance de
la loi de probabilit associe donne le niveau de confiance
On ne peut pas chiffrer un risque si on ne connat pas la loi
de probabilit de lerreur!! Lincertitude ne donne PAS la loi.

Cas uniforme, on a 57.7% dans o et 100% dans \3o
Cas gaussien, on a 68% dans o et 99.7% dans 3o
Lassertion on a 99.7% dans 3o est une stupidit.
Il faut connatre la loi de probabilit
22
Le cas particulier de la moyenne
des mesures
Thorme Centrale Limite: Si lon ralise N
mesures dune grandeur G, indpendantes et de
mme loi, la moyenne de ces N mesures converge
vers une Gaussienne dont lesprance (la moyenne)
est celle de G et la variance est celle de X divise
par N.
Autrement dit, quand on travaille sur la moyenne
des mesures, on sait que celle-ci converge vers une
loi gaussienne (N>30)
Pour N plus petit, pour G normale, la moyenne suit
une loi de Student

23
Niveau de confiance quand on sait que la
loi est gaussienne (ou N>30)
Intervalle de confiance n%: +-ko
E
k=facteur de confiance ou dlargissement

24
Si G semble suivre une loi normale, la moyenne des
mesures suit une loi de Student. Plus prcisment:
G est une variable alatoire gaussienne
Quelle est la loi de distribution de la loi normalise





X mesure lerreur commise sur lestimation de m
Pour N=2, cest une distribution de Lorentz
Pour N grand, cest une gaussienne
Pour N petit, cest la loi de Student

N
m G
X
E
m
m
2
2
o
o
o
=

=
25
Degrs de
libert: Nb
chantillons-1
Loi de Student
26
Loi de Student
Estimer lincertitude quand on ne connat
pas les lois statistiques est difficile. On
fait donc des hypothses et/ou des
majorations.
Rgle de base pour toute mesure:
comprendre ce que lon mesure
Nota: ici x correspond G
27
Autres lois
Garantir un niveau de confiance nest
possible que si lon connat les lois de
probabilit
Gauss: pas de pb
Gauss avec peu dchantillons: Student (facteur
correctif)
Sinon: estimer les lois et les rapprocher de
lois connues
TD: que valent les coefficients de
Student pour une loi uniforme?
28
exemples
Figures p 170 etc
29
Ex: Approximation grossire dune gaussienne
Ainsi que (un caf qui trouve)??????
30
Incertitudes et tolrances
Incertitude: garantit que la valeur est dans un
intervalle avec un niveau de confiance donn
Tolrance = zone de valeurs acceptables
Rapport Incertitude/Tolrance=U/T
Entre (valeur maximale) et 1/10.


31
Exemple: Fabriquer des barres de
400mm+-0.9mm
Un paramtre U/T petit permet
La rduction du nombre de pices dclares non-
conformes
Une amlioration du processus de fabrication
Figure 3.4
32
Dcision lors dun contrle
33
Incertitudes: La ralit du terrain
Il est indispensable de sadapter son environnement
A lIUT: utilisation stricte des rgles (but pdagogique)
Au laboratoire (notamment dtalonnage ou dessais): idem
En entreprise: Parfois difficile de bien estimer toutes les
incertitudes, problmes (parfois), de moyens, de temps ou de
comptences
Estimations plus sommaires fautes de moyens
Estimations plus sommaires pour des aspects scurit
(majoration+facteur de scurit)
Ncessit de comprendre finement ce que lon fait afin de
simplifier efficacement sans pour autant commettre une erreur
majeure valeur ajoute

Exemple: mesure de charge de llectron,calcul de vide, dpaisseur
de bton etc.
On fait des simplifications quand on a compris
le cas gnral!!!
34
Composition des incertitudes (loi
dite de propagation)
Grandeurs non-corrles
Grandeurs corrles





Cas dune distribution suppose non-normale: Loi de Student
avec un nombre de degrs de libert efficace (formule
de Welch-Satterhwaite, annexe G de NF ENV 13005)
2
1
2
2
) (
i
n
i
i
u
x
y
y u

=
|
|
.
|

\
|
c
c
=
ij j i ij
n
i
n
i j
ij
j i
i
n
i
i
r u u k
k
x
y
x
y
u
x
y
y u
=
c
c
c
c
+
|
|
.
|

\
|
c
c
=

= + = = 1 1
2
1
2
2
2 ) (
35
La formule de propagation revisite
Thorme: lapplication brutale de la formule conduit des
stupidits
36
La vraie rponse
La cl: les fluctuations de la grandeur de sortie sont dues
celles des grandeurs dentre, de moyenne suppose nulle
(justesse) et dcart-type donn
La loi de distribution de lerreur nest pas forcment connue
2
2
2
2
2
) , (
y x s
y
f
x
f
y
y
f
x
x
f
s
dy
y
f
dx
x
f
ds
y x f s
o o o
|
|
.
|

\
|
c
c
+
|
.
|

\
|
c
c
=
A
c
c
+ A
c
c
= A
c
c
+
c
c
=
=
37
Une application intelligente sur la
rgression linaire y=ax
(1) Formule de base et
incertitude

(2) Ou encore
( )
2
2
2
2
2
2
2
2
x
y
a
u
x
y
x
u
u
x
xy
a

+ = =
( )



+ =
+ = +
=
i i i i i
i i i i i i
dx ax y dy x da x
dx y dy x dx x a da x
xy x a
2
2
2
2
2
( ) ( ) ( )
( )


+ =
+ + = + =
2 2 2 2 2
2
2
2 2 2 2 2 2 2
2
2 2 2
2
2
4 4 2
y u u x u x
x a xy a y u u x u ax y u x u x
x y a
x y x y a
Ici, (1) reste le plus simple, mais a ne
dure pas
38
Rgression parabolique pour curiosit
cf document Rgressions et
incertitudes

39
Quelques exemples simples
Incertitude de lecture dun
voltmtre aiguille

On suppose lerreur uniforme
entre deux graduations

On apprcie la demi-
graduation a

Loi uniforme sur [-a,a]

a=demi-graduation
3 / a = o
3 /
) (
0 ) (
1 ) (
] , [ sur 2 / 1 ) (
2 2
___
2 2
___
2 2
a x x
x dx x n x
x dx x xn
dx x n
a a a x n
x
a
a
a
a
a
a
= =
=
= =
=
=
}
}
}

o
40
Et si je faisais plusieurs mesures ?
La dispersion, mesure par lcart-
type exprimental, inclut les deux
erreurs. Donc je nai plus de soucis
lecture mesurande lu
e e x x + + =
41
Fabrication de pices de
500mm0.19mm
Pied coulisse gradu au dixime (pas malin!)
UNE Mesure: 500.15mm
a=0.05mmu=0.029mm10% de risques=
500
500.15
500.18
u
u\3
500.19
500.2
500.1
42
Autre exemple (idiot?)
Je mesure une longueur de 600 mm avec
une rgle de 500 mm gradue au mm.
Incertitude?


4 . 0 3 / 2 5 . 0
3
5 . 0
3
5 . 0
29 . 0
2 2
2
2
2
1
2
2 1
2 1
= =
|
.
|

\
|
+
|
.
|

\
|
= + =
= =
+ =
x
x x x
x x
x x x
o
o o o
o o
43
Puisque lexemple est idiot, quel est le niveau de
confiance si lerreur sur chaque mesure est uniforme?
La densit de probabilit de la somme de deux VA continues est le produit de
convolution de leurs densits de probabilits
*
=
-a/2
a/2
-a/2 a/2
-a a
6 / a = o
Jai gagn un caf?
44
Mesure de la moyenne dun d
Moyenne vraie: 3.5 - Ecart-type vrai: 1.7
Essais: 3,3,5,4,4,2,4,5,4,6,3,5,4,1,5,1,5,2,4,5
Cinq premires valeurs
Moyenne exp: m
E
= 3.8, o
E
=0.836, o=0.37 (incertitude type)
m
E
1.14o [3.37 4.22] avec 68% de NC
m
E
2.13o

[3 4.6] avec 90% de NC
Dix premires
Moyenne exp: m
E
= 4, o
E
=1.11, o=0.35 (incertitude type)
m
E
1.06o [3.65 4.35] avec 68% de NC
m
E
1.83o

[3.35 4.64] avec 90% de NC
Vingt valeurs
Moyenne exp: m
E
= 3.75, o
E
=1.41, o=0.31 (incertitude type)
m
E
1.03o [3.44 4.06] avec 68% de NC
m
E
1.73o

[3.21 4.28] avec 90% de NC
Les dix dernires: m
E
= 3.5, o
E
=1.65, o=0.52 (idal!)
45
Prsentation des rsultats
Mesurande, incertitude type ou incertitude
et coefficient largissement)
M=100.02147g et u=0.36 mg
M=100.02147(36)g
M=100.02147(0.00036)g
M=(100.021470.00036)g risque de
confusion
M= (100.021470.00072)g et k=2
Faire les calculs avec la prcision maximale
(attention au cumul darrondis!)
46
Chiffres
Ex: on trouve M=12.783997342 g et
u=0.0673176 g
Pour M on garde les chiffres exacts+les
deux entachs derreur avec les rgles
darrondi.
Pour u on garde le 1
er
chiffre non nul et le
suivant major
Ici: M=12.784(0.068)g
47
Estimation concrte de
lincertitude: deux mthodes
Norme NF ENV 13005 (guide pour
lexpression de lincertitude de mesure) ou
GUM
Norme NF ISO 5725-1 6 (Exactitude
justesse et fidlit- des rsultats et
mthodes de mesure) ou 5725
48
GUM
Notion issue de la mtrologie
Modlisation du processus de mesure
Estimation de lincertitude de mesure (grandeur
de sortie) partir des incertitudes des grandeurs
dentre
Besoin de connatre toutes les sources derreurs
possibles (grandeurs dinfluence, talonnage,
erreurs de lecture)
Difficile cependant mettre en uvre dans le cas
dessais.
Il faut pouvoir modliser mathmatiquement le
processus, ce qui peut tre difficile ou impossible
49
5725
Issu du monde des essais
Quantification de la qualit dune mthode dessai
par des comparaisons exprimentales
interlaboratoires
Mthodes et dmarche : fascicule de
documentation FD X 07-021 (Normes
fondamentales. Mtrologie et applications de la
statistique. Aide la dmarche pour lestimation
et lutilisation de lincertitude des mesures et des
rsultats dessais)

50
Caractristiques
51
GUM
52
A titre dillustration: extrait de la
norme ENV13005
53
Estimation des incertitudes de type A
Estimation exprimentales des incertitudes/erreurs
Rptition des mesures et rduction de lincertitude
Pour k sries de mesures, on a la variance cumule




OU talonnage dbouchant sur une loi mathmatique
(ventuellement empirique) obtenue par moindres carrs
( ) ( )
( ) ( ) 1 1
1 1
1
2 2
1 1
2
+ +
+ +
=
k
k k
N N
N N

o o
o
54
Estimation des incertitudes de type B
Quand on ne peut pas (ou ne veut pas) valuer les
incertitudes de manire exprimentale
Rsultat de mesures antrieures
Spcifications fabricant
Exprience de ses instruments
Donnes issues de documents dont les certificats
dtalonnage
Domaine:
Incertitudes dues aux grandeurs dinfluence
Rsolution de lappareil
talonnage
Besoin:
Connaissance de ltendue des grandeurs utilises
Connaissance des lois de distribution statistiques
55
Exemples de lois et de leur domaine dapplication
56
Mthodologie
Rduction des erreurs alatoires et systmatiques
Dtermination du modle mathmatique de lerreur. Exemple
de lampremtre
Ex: Cv est une correction de calibre du voltmtre, avec son
incertitude (donns par le certificat dtalonnage)
C
0
est la diffrence entre valeur lue et valeur estime: correction
obtenue par plusieurs mesures et moyenne
ampremtre
Re
Ie
I
R
U
I lu e
R e
V e
e
C C C I I C
C R
C U
I
+ = =
+
+
=
0 0
Introduction de
lampremtre
dans le systme
(rsolution,
impdance etc)
talonnage
mesure
Ue
57
Les 5M
58
Incertitude type A
Calcul des valeurs moyennes sur I et V, avec les
incertitudes exprimentales (coef de Student
1.05 pour 68.27% de niveau de confiance)
59
Corrections
60
Incertitude de type B sur les corrections
Concerne Voltmtre, Shunt et Ampremtre
Voltmtre(exemple):
Certificat dtalonnage donne une incertitude de 5 10
-
5
V
mes
+0.7V pour k=2
u(C
vtal
)=2.9 V

Rsolution 1 V rectangulaire
1 V /12=0.6 V = u(C
vdrive
)

etc



61
( )
2 2 2 2
2
2
2
2 2
2
0
) (
I R
V
C Ia C R
C V
c
I
R
I
R e
V e
I
u u u u
R
V
R
u u
C u
I C
R C
C I
C R
C U
C C C
+ + + +
+
=
<<
<<
+
+
+
= + =
Rsultat final: application de la loi de
propagation des incertitudes au modle
choisi (calculs non donns ici)

62
Mthode 5725
63
La norme NF ISO 5725
Objectif: valuer la qualit dune mthode dessai,
grce des campagnes interlaboratoires, soumises
des protocoles spcifis
Exemples: dfinition dun matriau de rfrence,
performance des laboratoires sur des essais
spcifiques, comparaison de mthodes
64
Fidlit: modlisation
y=m+B+e
y=rsultat dessai
m=moyenne
B: cart du labo % m (biais du labo)
e=erreur alatoire survenant dans chaque mesure dans des conditions
de rptabilit
On dduit:
La variance intralaboratoire
La variance interlaboratoires
La variance de rptabilit
La variance de reproductibilit
Un modle plus raliste demande de
rajouter le biais de loprateur
2 2 2
2 2
2
2
B r R
e r
B
e
o o o
o o
o
o
+ =
=
65
Exactitude dune mthode dessai:
justesse et fidlit
66
Fidlit: Les facteurs qui influencent la
variabilit dun essai peuvent prendre
deux tats - Exemples
67
Fidlit: Le principe de la mthode des plans dexpriences
la catapulte: maximiser sa porte
http://www.si.ens-cachan.fr/ressource/r18/r18.htm
68
CINQ Paramtres (entres):
bandage de llastique (goupille du mt avant ; 4
positions possibles, 3 utilises)
accrochage de llastique (sur le bras ; 5 positions
possibles, 3 utilises)
position du bol sur le bras (5 positions possibles, 3
utilises)
angle de bute de percussion (goupille dans lune
des 6 positions prvues, 3 utilises)
angle darmement (variation continue, 3 positions
utilises)

Une grandeur de sortie: la porte
69
Ide: faire un minimum dessai
pour estimer ce que lon cherche

Bandage Angle
armement
Distance en
mm
ESSAI P1 P2 Rponse
1
- 1
-1 10
2
+ 1
-1 20
3
- 1
+ 1 200
4
+ 1
+1 140

E1=-12.5 E2 =77.5 Moyenne=92
.5

E1=-12.5 mm signifie que lorsque le bandage
est son niveau haut (position 4) la distance
en mm sera en moyenne de 92.5 - 12.5 = 80
Ainsi, en comparant les effets, il est possible
de constater que l'angle d'armement a une
influence suprieure au bandage
P1 : Bandage (niveau haut : position
4 ; niveau bas : position2)
P2 : Angle armement (niveau haut :
180 ; niveau bas : 150)
70
On peut obtenir leffet des facteurs sur la moyenne en seulement 27 essais.
graphe des effets des facteurs avec un plan rduit Taguchi
71
Les plans dexprience pour
estimer les dispersions
72
Estimation de la justesse
Il faut au pralable estimer la fidlit
Il faut disposer dune rfrence
conventionnellement vraie
Problme de la justesse = celui du biais
Biais o de la mthode : y=+o+B+O+e
Tous les labos sont dcals dune mme valeur
: valeur de rfrence accepte
Estimation du biais (ISO 5725-4)

o = y

73
Comment organiser
tout cela?
Organismes, talonnage,
raccordement, gestion
74
Les organismes
Convention du mtre: trait qui lgitime la suite
CGPM: runit des dlgus de la Convention du
mtre.
CIPM: Comit de supervision
BIPM: Bureau International des Poids et Mesures
(Breteuil): en charge des talons primaires +
recherches fondamentales (talons, techniques)

Nombreux organismes europens, mondial etc
Et en France?

75
LNE
Laboratoire National de Mtrologie et dEssais
(LNE)
A repris les activits du BNM depuis 2005
Coordination des 4 laboratoires nationaux de
mtrologie (CEA/LNHB, CNAM/INM,
Observatoire de Paris et LNE)
Mtrologie fondamentale (maintien des talons nationaux
pour le raccordement industriel la norme ISO9001).
Mcanique, thermique, optique, chimie et lectricit
Mtrologie lgale (Ministre de lIndustrie)
Mtrologie lusage des industriels, la Sant ou autres
(prestations de service) SI BESOIN
25 accrditations (mai 2005) par le COFRAC

76
COFRAC
Atteste que lorganisme accrdit est comptent
Permet de valider au niveau international
Garantit que le prestataire satisfait
Aux exigences de management de la qualit
celles de traabilit des oprations mtrologiques
Concerne les aspects techniques ET les aspects documentaires
Audit annuel
Accrditation
Peut tre ncessaire
Peut tre volontaire
Quatre sections
Laboratoires
Inspection
Certification dentreprises, personnel et environnement
Produits industriels et services
77
Le raccordement
Proprit dun mesurage ou dun talon
dtre reli des talons nationaux via une
chane ininterrompue de comparaisons
dincertitudes connues
Associ une traabilit (documentation)
tablie par un prestataire accrdit
COFRAC ou qualifi par le client
(FDX07019 et ISO/CEI 17025)
78
La dgradation des incertitudes
79
Cas o la mtrologie nest pas
accrdite
Mener un audit sur les points suivants
Raccordement des instruments utiliss
Comptence du personnel
Existence de procdures dtalonnage ou
vrification
Cohrence des incertitudes
80
Comment reconnatre le raccordement?
ISO 9001: audit et garantie de conformit aux rgles de
management de la qualit (respect des procdures) mais pas
technique!
ISO 17025: rfrentiel dvaluation dun laboratoire adapt
mais peu praticable (pbs de temps et/ou de comptence)
Sadresser un laboratoire accrdit COFRAC
Certification
Procdure indiquant quun produit, processus ou service est
conforme aux exigences (ISO9001 atteste la conformit dune
entreprise en termes de gestion de la qualit)
Accrditation
Un organisme officiel reconnat une comptence dun organisme
effectuer une tche spcifique
81
Aspects plus pratiques
Critre dobligation versus cot
Exemples de critres de dcision
Mesurages sur les caractristiques produit
(contractuelles)
Paramtres de fabrication ayant une incidence sur les
caractristiques produit
Mesurages lis la maintenance ou la scurit
Choix de lentreprise
Attention: tre sr des mthodes de mesures
avant de sengager sur une caractristique produit
82
Raccordement interne et externe
Un compromis trouver
talonnage des instruments par un prestataire accrdit
Contrle des talons internes par un prestataire accrdit
Autre
Intgrer la ralit de lentreprise (cot, besoin rel,
comptence du personnel interne, offres de service et
proximit et nature du parc)
Ex: un seul instrument externe (sauf cas de confidentialit
par exemple)
Beaucoup dinstruments interne, avec des talons
Attention: talonnage ne dit pas prcision
Un appareil talonn 10% ne permet pas des mesures 1%!!

83
Remarque: Sait on toujours
faire le raccordement? NON
Domaine physico-chimique
Duret
Matriaux de rfrence
Accept par des campagnes de validation
interlaboratoires
Raccordement certaines constantes
fondamentales (point triple de leau)
84
Etalonnage et vrification - Suivi
Etalonnage (but: rduire les incertitudes
de mesure)
Vrification: permet de dclarer que
linstrument est apte lemploi (conforme
aux spcifications)
Confirmation: talonnage + vrification +
rparation + rtalonnage + verrouillage +
tiquetage.
85
Quand talonner?
Connaissance dune valeur chiffre et de son incertitude
(dfinition des corrections, bilan des incertitudes) Evident
Utilisation dun appareil comme rfrence
Suivi de lappareil (drives)
Suivi des talons
Prise en compte des grandeurs dinfluence
Recherche dun niveau dexactitude diffrent de la
spcification constructeur
Pas de spcifications constructeur dans le domaine concern
Pas dautre connaissance possible de lappareil de mesure

86
La chane dtalonnage
87
Vrification si
lon veut savoir si les erreurs dindication de lappareil sont
infrieurs aux erreurs maximales tolres
Pas besoin de rsultat chiffr
On souhaite interchanger des appareils
On souhaite remettre un appareil en service
Comparaison des rsultats dun talonnage aux limites
derreurs tolres (mesure dun talon)
Sans chiffre, en regardant si lon excde ou non une erreur,
via un talon
Ex: une balance (donne +- 1mg par le constructeur) est
vrifie (incertitude constate +- 3 mg).
Elle peut tre conforme ou non selon les exigences requises par
lindustriel
88
Renseignement dun certificat dtalonnage ou
dun constat de vrification
89
La confirmation mtrologique
90
Exemple de certificat dtalonnage
P324-326 (3 pages)
91
92
Constat de vrification
P322 et 323
93
Gestion du parc dans
lentreprise
Norme ISO 10012: systmes de management de la
mesure. Exigences pour les processus et les
quipements de mesure
Matrise de la qualit des quipements (talonnage et/ou
vrification)
Matrise de la qualit des processus de mesure
Lentreprise doit
Atteindre ces objectifs
Dmontre quelle gre correctement les dispositions
associes
94
Rception dun appareil
Vrification de la conformit la
commandeet tout de suite!
Indentification de linstrument
Introduction dans linventaire
Confirmation mtrologique avant mise en
service
Marquage de confirmation mtrologique
Ex: tiquette numro/dates de la dernire et
prochaine confirmation, code barre
95
Fiche de vie (exemple)
96
Divers
Conserver les emballages!
Stocker dans des locaux appropris (temprature,
hygromtrie, poussires)
Protger les locaux contenant les moyens
dajustage confirms.
Dplacements
Protection adquate des appareils
Enregistrement (traabilit)
Avoir un systme de gestion (papier, informatique)
97
La structure documentaire
Mise en place dune dmarche qualit sans
documentation = chec
Pour la mtrologie, cest pareil
Pour matriser son systme de mesure, il faut
Grer la formation du personnel
Grer les responsabilits de manire formelle
Il faut pouvoir prouver cette matrise
Traabilit technique cad le raccordement mtrologique
La traabilit documentaire prouvant le raccordement
Inventaire, fiches de vie, certificats, rgles et
procdures..
98
La documentation: mythe ou pige?
La documentation est indispensable
Trop de documentation tue la documentation
Systme lourd
Trop de procdures inutiles
Le personnel ne lit pas les procdures
Dlais de mise jour trop longs
Trop de visas
Trop de redondance
Pas de concertation avec les utilisateurs
Bon compromis trouver
99
Exemple de procdure
dtalonnage
100
La sous-traitance de la mtrologie
Que sous-traiter?
Confirmation des instruments
Confirmation des talons
Ajustage, rparation
Maintenance
Identification des quipements
Conseil, expertise
Gestion complte

Une valuation correcte des sous-
traitants potentiels doit tre faite
101
Dfinir clairement le besoin
cahier des charges
Axe technique
Dfinir la liste des instruments concerns
Etablir les exigences techniques
Pour un talonnage, par exemple
Dfinition des oprations prliminaires (nettoyage, mise en
temprature, zro)
Gamme de mesure et calibres concerns
Besoin en incertitude
Documents attendus (certificats)
Pour une vrification
Idem Donner une liste claire et prcise des point, gammes
ou calibres particuliers vrifier
Non exhaustif!!
Le sous-traitant ne fait que ce qui a t
ngoci, et dans les dlais convenus
Le cahier des charges est un processus
itratif, pas un dogme
102
Dfinir clairement le besoin
cahier des charges
Axe qualit
Dterminer les exigences relatives la prestation, selon un
rfrentiel qualit ou spcifique une profession
Mise en place de modalits particulires comme la
confidentialit, le traitement ultrieur des non-conformits
Dfinir les audits ventuels
Axe logistique
Travaux sur place ou chez le prestataire
Rgles suivre en cas de rparation ou ajustage (change
standard, rendu en ltat)
Acceptation de plusieurs niveaux de sous-traitance (ou non)
Modalits de marquage
Dfinir les responsabilits
Aide la ralisation du cahier des charges: FD X 07-019
103
Exemples dchecs (pas forcment
dans le domaine de la mtrologie)

Impossible de lcrire !
Selon les humeurs de lenseignant
Tolrances mal dfinies
Conception hors specs et responsabilit non
dfinie
Analyse incomplte du problme industriel
Gestion documentaire en retard
.
104
Evaluation et optimisation
Optimiser: tout le monde le veut, y compris (et surtout) les
chefs
Optimiser implique de pouvoir valuer
Evaluer
Les cots de la mtrologie
La qualit de la mtrologie (autovaluation)
Etablir une grille de critres
Evaluer
Dterminer les points forts et les points faibles
Amliorer si possible
Assurer le suivi
Impliquer les utilisateurs
Conseil personnel: impliquer le chef, comme dans lAQ

105
106
Exemple de
grille

Vous aimerez peut-être aussi