Académique Documents
Professionnel Documents
Culture Documents
Jean-Michel POU, Dimitri VAISSIERE DELTA MU Conseil Parc Technologique La Pardieu 25, Rue Joseph Desaymard 63000 Clermont-Ferrand FRANCE
Rsum
Ce texte fait suite au sujet prsent en 2001, loccasion du 10me congrs de Mtrologie Saint Louis ( Et si le V.I.M stait tromp ? [1]). Cet article mettait en vidence quau moment dun talonnage, on naccde pas lerreur de linstrument mais lerreur de mesure dun processus de mesure particulier quest le processus dtalonnage. Il sagit donc dextraire de ces erreurs de mesure la part qui revient linstrument, sous rserve que cela soit possible !
graduations quil assemble ensuite pour offrir une tendue. On peut alors estimer que, comme dans tous les process de fabrication en srie, la valeur moyenne obtenue pour les n graduations ralises nest pas rigoureusement la valeur attendue (rsolution). Cette diffrence est lorigine de lerreur systmatique de linstrument qui devrait tre corrige. Dautre part, chaque graduation est diffrente car il est impossible de raliser n fois le mme objet (la mme graduation). Cette dispersion des graduations individuelles peut tre prsume gaussienne (cf throme central limite) mme si cette hypothse est sans consquence dans la suite de lexpos. En effet, seule la variance de cette dispersion nous intresse car cest elle qui devra tre estime et dlivre lutilisateur de linstrument.
Que recherche-t-on ?
Le but dun talonnage est dvaluer les erreurs de linstrument afin de pouvoir estimer, ensuite, lincertitude de mesure du (des) processus qui lutilise(nt). Il faut ici distinguer les erreurs qui sont : de type systmatique qui devraient tre corriges par lutilisateur. De fait seule lincertitude sur cette correction intervient dans lestimation de lincertitude de mesure du processus, de type alatoire qui participent en tant que variance lincertitude du processus de mesure. Ces dernires devraient tre dtermines directement sous forme de variances (car cest sous cette forme quelles seront utilises) et non sous le forme dune erreur maximale (qui na vraisemblablement rien de maximale compte tenu du faible nombre de points dtalonnage raliss !) tel que cest souvent le cas aujourdhui ! Ces deux types derreurs existent dans linstrument de mesure que lon peut interprter de la faon suivante : linstrument de mesure peut se reprsenter comme une succession de traits de graduation rgulirement espacs de la valeur de la rsolution. Ainsi, le fabricant dinstruments de mesure est un fabricant de
change pas (ce qui est souvent le cas lors dun talonnage), cette variance est longue . Il est simple dajouter ce caractre dans un bilan de causes dincertitude. Il suffit dexprimer un coefficient dautocorrlation (ou interdpendance de la cause sur ellemme). Ce coefficient, exprim en % (comme tout coefficient de corrlation), prend la valeur 0 pour une variance courte puis toutes les valeurs comprises entre 0 et 100 suivant que la variance de la cause est plus ou Causes d'incertitude Lecture Rptabilit Reproductibilit inter-oprateurs Diffrence de temprature entre ambiance et rfrence Diffrence de temprature entre instrument et talons Incertitude d'talonnage des talons Drive des talons Erreur Maxi 0,01 / / 20.10-6.L 5.10-6.L 0,002 + 4.106.L 0,001 Loi Uniforme / / ArcSinus Normale Normale (95%) Normale
moins longue. Dans les exemples ci-dessus, les effets de la temprature prendraient un coefficient de 80 100%, la reproductibilit un coefficient de 100%. Il est ensuite possible, par la simple multiplication de ce nouveau coefficient par la variance totale de la cause de dterminer la part qui entre dans la variance longue globale du processus dtalonnage qui se dtermine, la fin, par la simple somme des variances longues. Le tableau cidessous montre un exemple dapplication. Interdpendance 0% 0% 100% 80% 0% 50% 100%
Evidemment, les coefficients dinter-dpendance ne sont que des estimations, des ordres de grandeur. Il sagit de prendre en compte de faon physique le phnomne des variances longues qui vont perturber lvaluation de lerreur systmatique de linstrument en se faisant passer pour elle ! . Les variances courtes, quant elles, perturbent lestimation de la variance rsiduelle de linstrument (la dispersion de ses graduations) en se mlangeant avec. Note : Les variances longues sont lorigine de la corrlation entre deux valeurs mesures. Si je cherche valuer la surface dun chantillon rectangulaire en mesurant, laide de mon pied coulisse, sa largeur et sa longueur, les variances longues du processus de mesure composent la covariance entre les incertitudes sur la mesure de la largeur et de la longueur que la loi de propagation nous demande de considrer. Nanmoins, lorsque les mesures sont ralises avec des processus diffrents (une section et une force pour estimer une contrainte par exemple), on ne peut alors estimer la covariance qui restera malheureusement dtermine via un coefficient de corrlation. On remarque que la variance longue, comme la variance totale, sexprime proportionnellement la valeur mesure (une longueur dans le cas du tableau) et nest donc pas une constante. Cest typiquement cet effet l quon pourrait prendre analyser - pour un effet de gain (ou damplification). Le terme constant de la variance longue peut quant lui tre pris pour un dfaut doffset.
Linconvnient est quelle ne sait pas prendre en compte les covariances entre les incertitudes sur les paramtres sils sont mesurs par des processus diffrents. Il faudrait, pour cela, connatre lquation mathmatique qui lie les erreurs de mesure de chacun des paramtres du modle. Dans le cas particuliers des talonnages, les mesures sont ralises en gnral par un seul processus compos des facteurs du laboratoire (talons, mthodes, oprateurs, ) et de linstrument talonner. Ainsi, nous allons pouvoir utiliser la simulation numrique pour dterminer si linstrument observ a ou pas une erreur de type systmatique et, le cas chant, valuer lincertitude sur cette correction. On pourra galement dterminer son ventuel rsiduel de justesse, ou en tout cas, une valeur en dessous de laquelle il se situe !
Erreur longue
0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 0 5 10 15 20 25 30
On tire ensuite en chaque point une valeur dans la variance courte du processus dtalonnage :
Erreur courte
0,015 0,01
Ltalonnage quon aurait ainsi obtenu est la somme des deux courbes : Cette simulation tient donc compte du nombre de points de rfrence choisis et du nombre de rptitions de mesures ralises en chaque point.
Erreur totale 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 0 5 10 15 20 25 30
Ainsi, en comparant les erreurs observes lors de ltalonnage dun instrument rel avec celles obtenues par simulation, il est possible de savoir si oui ou non linstrument en cours dtalonnage a des erreurs. Leffet des variances longues Comme on la vu prcdemment, les variances longues se comportent, au moment dun talonnage, comme des erreurs systmatiques. Ce sont elles qui, dans le graphique ci-dessus, font penser un problme de gain. Si on connat par avance lordre du gain que peut produire le type dinstrument que lon va talonner avec ce processus, il est possible de dterminer, par la mthode des moindres carrs, lquation de gain apparent provenant des variances longues au degr choisi (cf. figure ci-dessous) :
y = 0,0046x + 0,0072
En simulant n fois ltalonnage dun instrument parfait, on va trouver n quations provenant des variances longues, au degr et la forme choisie, qui reprsenteront n quations de gain attribuable au processus dtalonnage et non linstrument talonn. Pour les quations de gain de forme polynomiale au premier degr (a + b.x), nous obtenons n doublets ai,bi issus des n simulations. Ces doublets peuvent tre matrialiss graphiquement en portant par exemple en abscisse la coordonne ai du doublet et en ordonne la coordonne bi : Dans le cas dun modle de degr suprieur, on obtient autant de graphes que de degrs du polynme. Ces graphes reprsentent la signature du processus dtalonnage.
Lors de ltalonnage dun instrument rel, il suffit alors de positionner le couple de coefficients a,b obtenu dans le graphe de signature. Si le point rel appartient au nuage de points de la signature, on peut en dduire que leffet observ nest probablement pas du linstrument observ (Cas 1). A linverse, si le point obtenu se distingue de la signature (Cas 2), on en dduit alors que linstrument a une erreur de type systmatique dont on connat lquation (les coefficients obtenus) et dont il faut maintenant dterminer lincertitude.
Cas 1
Le rsiduel de justesse
Cas 2 Deux cas se dessinent ici. Soit linstrument prsente un effet systmatique et il convient alors de raisonner sur les rsidus observs autour du modle dtermin (sous forme de variance). Soit il nen prsente pas et il faut alors travailler sur la variance des carts observs.
L encore, la simulation numrique nous donnera des informations, soit autour du modle apparent li aux variances longues (variance des rsidus), soit autour du zro avec la variance des carts. Suite ltalonnage, et suivant le cas qui se prsente, il suffit de tester si la variance exprimentale retenue (carts ou rsidus) est diffrente de la variance obtenue par signature. Un test de type Fischer-Sndcor [5] [6] est particulirement adapt cette problmatique mme sil mrite quelques modifications. Il sagit de comparer la variance exprimentale obtenue au moment de ltalonnage la variance moyenne obtenue lors des simulations. Le test ne peut donc sappliquer directement car la variance (ou plus exactement la valeur du khi deux) qui se trouve au dnominateur ne disperse pas car elle est issue dune moyenne obtenue sur n simulations. Il convient donc de retrouver les valeurs de Fisher Sndcor (i.e. valeurs limites), au niveau de confiance choisi, qui permettront de tester si la variance du numrateur (variance exprimentale) est diffrente de celle du dnominateur (variance moyenne laboratoire). Une nouvelle fois, la simulation numrique nous a permis de dfinir ces valeurs. Pour rester cohrent, nous avons recherch les valeurs limites 95% puisquil semble tre acquis aujourdhui que ce niveau de confiance soit satisfaisant, ou au moins consensuel. Le tableau ci-dessous donne les valeurs limites pour un nombre de points de rfrence compris entre 3 et 15 : DDL 3 4 5 6 7 8 9 10 11 12 13 14 15 Confiance 95,00% 95,00% 95,00% 95,00% 95,00% 95,00% 95,00% 95,00% 95,00% 95,00% 95,00% 95,00% 95,00% Valeurs. limites 2,551 2,215 2,145 2,035 1,979 1,904 1,826 1,786 1,693 1,71 1,672 1,669 1,618
La dtermination du facteur k a t ralise, une nouvelle fois, par simulation numrique. Nous avons fait varier la variance instrument entre 0 et 300 % (0<k<3) de la variance du dnominateur pour simuler des valeurs possibles du numrateur (instrument + laboratoire) afin dvaluer partir de quand le test devient positif dans plus de 5% des cas. Cette valeur reprsente le seuil de dtection du test, donc de la procdure dtalonnage utilise par le laboratoire. La courbe ci-dessous montre les rsultats obtenus pour diffrents nombres de points de rfrence :
120,00 100,00 80,00 Tests positifs (%) 60,00 40,00 20,00 0,00 0 100 200 300 400 Part de l'instrument Confiance 3 DDL 5DDL 7DDL 9DDL 11DDL 13DDL 15DDL
Si le test ne dtecte pas de diffrence, on peut conclure que linstrument reste en dessous dun seuil de dtection et la conclusion de ltalonnage se limite indiquer que le rsiduel de linstrument est infrieur au seuil du laboratoire. Le tableau et le graphe ci-dessous prsente les valeurs k conduisant 95% de tests positifs en fonction du nombre de points de rfrence. En dautres termes, il sagit du facteur multiplicatif de la variance du laboratoire qui dfinit le seuil de dtection de celui-ci. Nb Rfrences 3 5 7 9 11 13 15 k 3,7 2,35 1,9 1,6 1,4 1,4 1,3
Seuil de dtection (en nombre de fois la variance du laboratoire) 4 3,5 3 2,5 2 1,5 1 0,5 0 0 2 4 6 8 10 12 14 16 Nombre de rfrences
Ainsi, si le rapport des variances est infrieur la valeur limite du tableau, on peut conclure quil y a 95% de chances que linstrument nait pas influenc la variance exprimentale observe. Il est alors possible de dterminer partir de quelle valeur de la variance instrument le test devient positif (linstrument a influenc le rsultat dtalonnage). Pour ce faire, la variance instrument est dfinie comme le produit dun facteur (k) avec la variance du dnominateur (variance labo).
A linverse, si le test dtecte une diffrence, on peut alors conclure un effet de linstrument et en dterminer, par soustraction des variances, la part qui lui revient. Evidemment, la valeur obtenue ne peut en aucun cas tre infrieure au seuil de dtection. Par consquent, si la diffrence des variances est infrieure au seuil, alors cest
la valeur du seuil qui sera retenue comme majorant de la variance instrument. Il est intressant de souligner que la rptition des mesures en chaque rfrence a pour consquence directe de diminuer le seuil de dtection du rsiduel de linstrument. Ceci permet de dterminer le nombre de points de rfrences ncessaires compte tenu de lincertitude de linstrument de mesure et de la variance du laboratoire.
Conclusions
Avec la signature des processus dtalonnage, le laboratoire possde un vritable outil qui lui permet de choisir le nombre de rfrences optimal retenir (en fonction du modle pressenti) et le nombre de rptitions par point (en fonction des variances courtes du laboratoire). Il peut ainsi optimiser sa prestation en fonction du besoin de son client et lui indiquer les valeurs dont il a vraiment besoin. En effet, on assiste aujourdhui trs souvent des discussions sur le caractre systmatique ou non de lerreur de justesse et sur la loi de distribution appliquer lerreur maximale mesure. La mthode dcrite ici permet de rpondre ces deux interrogations puisquelle permet de faire la part des choses entre systmatique et alatoire et dexprimer directement une variance pour les caractres alatoires. Evidemment, nous avons conscience des profondes modifications quelle impose mais les enjeux ne valent-ils pas ces efforts ? (Le lecteur remarquera nanmoins que cette mthode ninduit pas de travail supplmentaire car seul le traitement des informations est ralis diffremment). En effet, comprendre mieux ce qui se passe
dans un processus de mesure, dfinir rigoureusement lchantillonnage ncessaire lors de ltalonnage en raisonnant en variance plutt quen erreur maximale (qui videmment nen est jamais une 100 %) est ncessaire pour interprter un rsultat de mesure ou dtalonnage. Cest aussi, terme, mieux comprendre les process industriels et, en consquence, mieux les matriser. Derrire cette approche se joue donc des gains importants de productivit qui, au-del de laspect conomique, se prsentent comme impratifs pour maintenir lactivit industrielle dans nos pays et respecter les ressources naturelles. Rfrences [1] J-M POU, Et si le VIM stait tromp ?, dans Actes des Confrences 10me congrs international de mtrologie, 2001. [2] Guide to the expression of uncertainty in measurement, 1995. [3] Normes fondamentales Guide pour lexpression de lincertitude de mesure norme NF ENV 13005, 1999, 115 p. [4] NF X 07-001 (1994) Normes fondamentales Vocabulaire international des termes fondamentaux et gnraux de mtrologie [5] J. POIRIER, Estimateurs et tests dhypothses, Techniques de lIngnieur, R250. [6] J. POIRIER, Analyse de la variance et de la rgression. Plans dexprience, Techniques de lIngnieur, R260