MÉTROLOGIE

Jean-Marie De Conto
2021

http://jmdeconto.pagesperso-orange.fr/

Bibliographie: Christophe Bindi - Dictionnaire pratique de la

métrologie – AFNOR (édition 2006) - ISBN 2-12-460722-7
1
LA MÉTROLOGIE
Science de la mesure
Connaître une grandeur par un procédé: le mesurage
Le résultat obtenu entaché d’une erreur
 Liée au principe et au dispositif de mesure
 Liée aux appareils, à l’environnement et à l’opérateur
Objectif: Estimer et majorer (au minimum) les erreurs:
calculs d’incertitude (A ou B)
 Modélisation du procédé de mesure ou estimation
statistique ou connaissance a priori
 Avoir une référence définie (étalon)
 Type A: calcul d’écart-type (par exemple), à votre
charge
 Type B: donnée de l’appareil
Organisation requise dans l’entreprise 2
QUI VA UTILISER LA MÉTROLOGIE?
 Contrôle de fabrication
Ne pas trop livrer de pièces non-conformes
Ne pas rejeter trop de pièces conformes
Estimer le risque en fonction du résultat de la mesure
Savoir définir ses besoins en matériel de mesure
 Laboratoire
Mesures fines.
Ex: mesurer une fréquence de résonance avec 5 chiffres
significatifs (prise en compte des dérives en temps, en
température…)
Mesurer la constante de Planck avec 10 chiffres
Multiplier les mesures et réduire l’incertitude par moyenne
Besoin de calculs parfois difficiles
 Estimer les incertitudes sur des processus complexes et non
modélisables (méthodes empiriques)
Besoin d’échange entre laboratoires
Besoin de normalisation
 Ce transparent n’est plus à jour. Où? 3
PRINCIPES FONDAMENTAUX
4
 QUESTIONS NAÏVES

1. De quoi est composé le résultat d’une (série de) mesure(s)?

2. Qu’est ce qu’une incertitude? Une incertitude type?
3. Que calculent les formules d’incertitude?
4. Que ne calculent pas les formules d’incertitudes?
5. Qu’est-ce qu’un résultat de mesure exprimé correctement?
6. Qu’est ce qu’un bonne mesure?
7. Comment améliorer?
8. J’effectue une seule mesure. Quelle est l’incertitude?
9. D’où vient la formule dite de propagation? Comment
l’écrire proprement dans un cas general?
5
REPONSES AUX QUESTIONS NAÏVES
1. De quoi est composé le résultat d’une (série de) mesure(s)?

𝑅 = 𝑉𝑣𝑟𝑎𝑖 + 𝐸𝑠𝑦𝑠𝑡é𝑚𝑎𝑡𝑖𝑞𝑢𝑒 + 𝐸𝑎𝑙é𝑎𝑠

L’erreur systématique se corrige par étalonnage/calibration

L’erreur aléatoire se réduit en faisant des moyennes, en restant
dans les mêmes conditions de mesure
2. Qu’est ce qu’une incertitude? Une incertitude type?

Incertitude type= estimation de l’écart-type de l’erreur

Incertitude = “à éviter”. Préciser “type” ou “élargie” par ex.
3 et 4 : Les formules de propagation concernent l’erreur ALEATOIRE
5. Qu’est-ce qu’un résultat de mesure exprimé correctement?
[Valeur suppose vraie, Incertitude, Intervalle de confiance] 6
 UNE BONNE MESURE C’EST QUOI?
EX: MESURER X (VALEUR VRAIE=4)

Faible dispersion: FIDELITE

Bon centrage: JUSTESSE

L’erreur de justesse se corrige par étalonnage

Les calculs d’incertitude ne servent à rien pour cela
7
LA BONNE MESURE DOIT ÊTRE JUSTE ET FIDÈLE

Le terme précision n’existe pas en

métrologie

8
PROCESSUS DE MESURE
La mesure ne se borne pas à la lecture d’un appareil
Les erreurs proviennent
 Des performances de l’appareil (moyens)
 Du mode opératoire (méthode)
 Du personnel (main-d’œuvre)
 De l’environnement (milieu)
 Du mesurande (matière)

Analyse nécessaire par une personne compétente

9
SOURCES D’INCERTITUDES/ERREURS
1. Les fluctuations dues à l’environnement
On réduit leur effet en effectuant la moyenne de plusieurs
mesures effectués dans des conditions strictement identiques. On
estime l’incertitude sur cette moyenne. Incertitude de type A

2. Les incertitudes dues à l’appareil sont données par le

certificat d’étalonnage en fonction du mode opératoire. On
corrige alors un éventuel défaut de justesse et on estime les
incertitudes de type B

𝑢2 = 𝑢𝐴2 + 𝑢𝐵2
10
 UN EXEMPLE:AMPÈREMÈTRE
On insère un ampèremètre à 7 chiffres dans un circuit
(gamme 0-1A).
On relève 0.516923A. Comment estimer raisonnablement
l’erreur commise? Combien vaut elle? Comment améliorer le
résultat?
On fait 3 mesures successives de 0.511294, 0.522917 et
0.505114 A. Que faire pour améliorer le résultat?
Incertitude?

On ne peut PAS répondre dans le premier cas car on ne connaît

ni l’ampèremètre ni l’environnement
On n’a aucune idée de l’erreur systématique (mauvais zéro)
Dans le second cas, on peut estimer la fluctuation des valeurs,
qui peut provenir de l’environnement: ce n’est pas parce que
l’ampèremètre est parfait que les valeurs ne fluctuent pas
Mesure=appareil+environnement+opérateur
11
AMÉLIORATION
o𝑅 = 𝑉𝑣𝑟𝑎𝑖 + 𝐸𝑠𝑦𝑠𝑡é𝑚𝑎𝑡𝑖𝑞𝑢𝑒 + 𝐸𝑎𝑙é𝑎𝑠
oOn estime 𝑉𝑣𝑟𝑎𝑖 + 𝐸𝑠𝑦𝑠𝑡é𝑚𝑎𝑡𝑖𝑞𝑢𝑒 par moyenne
o𝐸𝑎𝑙é𝑎𝑠 est de moyenne nulle par définition
On caractérise 𝐸𝑎𝑙é𝑎𝑠 par estimation de son écart-type 𝜎
La moyenne sera d’autant plus correcte que le nombre d’échantillons
sera grand
L’incertitude sur la moyenne dépend de l’écart-type de l’erreur (qui
est fixe) et du nombre d’échantillons

𝜎
𝑢𝐴,𝑚𝑜𝑦 =
𝑁

La moyenne estimée inclut l’erreur systématique. Il ne faut pas faire

dire n’importe quoi à l’incertitude obtenue. 12
INCERTITUDE ET INTERVALLE
oSur un appareil numérique supposé JUSTE , on regarde le dernier
chiffre qui ne fluctue pas
oEx: on relève 1.234xxx ampères (xxx sont les chiffres qui fluctuent)

0.001
𝑢𝐴 =
2 3

0.000001
oDire que c’est est absurde (« le dernier digit », « la demi
2 3
graduation »)

oSi c’est un appareil analogique supposé JUSTE , il faut considérer la

plage de fluctuation

oOn cumule quadratiquement avec les incertitudes de type B

13
POURQUOI 2 3?

Loi d’erreur: uniforme (pas de région privilégiée) sur [-a,

a], de moyenne nulle.
Largeur: L=2a
Densité: 𝑛 𝑥 = 1/2𝑎
𝑎 1 𝐿
𝑥 2 = ‫׬‬−𝑎 𝑥 2 ∙ 𝑛 𝑥 ∙ 𝑑𝑥 = 𝑎2 → 𝜎 = 𝑥 2 − 𝑥ҧ 2 =
3 2 3

D’où la notion d’intervalle dans lequel on est sûr de se

situer divisé par 2 3
Pas d’histoire de « demi-graduation »
Cf TD de S1
14
PROCÉDURE DANS LE CAS DE PLUSIEURS MESURES
EFFECTUÉES DANS DES CONDITIONS IDENTIQUES DE
JUSTESSE POUR LES INCERTITUDES DE TYPE A
On effectue N mesures mi d’une valeur 𝑀 = 𝑀𝑣𝑟𝑎𝑖 + 𝐸𝑎𝑙é𝑎𝑠
𝜎 = 𝜎𝐸𝑎𝑙é𝑎𝑠
𝑚1 +⋯+𝑚𝑁
Moyenne expérimentale 𝑀𝑒 =
𝑁

𝑀𝑒 ≈ 𝑀𝑣𝑟𝑎𝑖
L’écart-type de la fluctuation autour de Me est estimé par
σ 𝑚𝑖 −𝑀𝑒 2
𝜎𝑒2= → 𝜎 (𝑁 → ∞)
𝑁−1
𝜎
𝑢𝑀𝑒 = 𝑒 est l’incertitude type sur la moyenne (différente de M)
𝑁

𝜎𝑒 ≈ 𝜎
𝜎𝑒 ≈ 𝜎 mesure donc l’incertitude type sur une lecture seule

15
 AUTREMENT DIT: NE PAS CONFONDRE
Me

Pour réduire l’incertitude on fait N

mesures
𝑚1 + ⋯ + 𝑚𝑁
L’écart-type expérimental estime la 𝑀𝑒 =
𝑁
dispersion des mesures. Sa valeur
se stabilise vers la dispersion vraie σ 𝑚𝑖 − 𝑀𝑒 2
(non-nulle) de m quand N grandit 𝜎𝑒2 = e
𝑁−1
L’incertitude sur la moyenne est
donnée par 𝜎𝑒
𝑢𝑀𝑒 =
Elle tend vers zéro avec N 𝑁

16
L’ECART-TYPE EXPÉRIMENTAL. EXEMPLE DU
DÉ À 6 FACES
Point de vue des probabilités: on prend tout les cas car on connait la loi
1+2+⋯+6
𝐸 𝑋 = 6
= 3.5

2 (1−3.5)2 + ⋯+(6−3.5)2
𝜎 𝑋 = = 1.72
6
Point de vue (estimation) statistique: on prend des échantillons 𝑚𝑖 (Ex:
1,2,6,3,5,3,1,2) et on estime 𝐸 𝑋 et 𝜎 𝑋
On estime comme on peut E(X) et 𝜎 𝑋
𝑚1 +⋯+𝑚𝑁
𝐸(𝑋) ≈ 𝑀𝑒 = ≠ 𝐸(𝑋)
𝑁

2 σ 𝑚𝑖 −𝑀𝑒 2
𝜎 𝑋 ≈ 𝜎𝑒2 = 𝑁−1
L’écart-type expérimental est le meilleur estimateur du véritable écart-type. On
montre qu’il faut N-1 et pas N
L’explication « on ne peut estimer un écart-type avec un seul échantillon donc il
faut N-1 pour que ça ne marche pas » est une stupidité

17
FORMULE DE PROPAGATION
On mesure x et y et on déduit z=f(x,y)
𝜕𝑓 𝜕𝑓
𝑑𝑧 = ∙ 𝑑𝑥 + ∙ 𝑑𝑦
𝜕𝑥 𝜕𝑦
𝜕𝑓 𝜕𝑓
∆𝑧 ≈ ∙ ∆𝑥 + ∙ ∆𝑦
𝜕𝑥 𝜕𝑦

∆𝑥 et ∆𝑦 sont des variables aléatoire de moyenne nulle (justesse)

𝜕𝑓 2 𝜕𝑓 2
𝜎𝑧2 ≈ ∙ 𝜎𝑥2 + ∙ 𝜎𝑦2
𝜕𝑥 𝜕𝑦

𝜕𝑓 2 𝜕𝑓 2
𝑢𝑧2 = ∙ 𝑢𝑥2 + ∙ 𝑢𝑦2
𝜕𝑥 𝜕𝑦

18
COMPOSITION DES INCERTITUDES (LOI DITE DE
PROPAGATION) EN GÉNÉRAL

2
n
 z  2
Grandeurs non-corrélées u ( z )   
2
 ui
i 1  xi 
Grandeurs corrélées

2
n
 z  n n
z z
u 2 ( z )     ui2  2  kij
i 1  xi  i 1 j i 1xi x j

kij  ui u j rij

Cas d’une distribution supposée non-normale: Loi de Student avec un

nombre de degrés de liberté « efficace » (formule de Welch-
Satterhwaite, annexe G de NF ENV 13005)

19
MESURE DE RÉSISTANCE

On lit I=0.5A avec une incertitude de 0.001A et V=3V avec

une incertitude de 0.02V
Incertitude sur R?

V
I R
I
 R  2  R  2
2 2

V uR    u I  
2
 uV
 I   V 
2
V 1 2
uR  4 uI  2 uV
2 2

I I
 Formule de propagation des incertitudes
20
UN DERNIER EXEMPLE ET UN VRAI PROBLÈME
B
On étalonne un manomètre supposé linéaire
Vlu=f(Pref) y = m2 * M0
Value Error

On fait passer une droite V=aPref 40

m2
Chisq
2,6301
26,211
0,15137
NA
R 0,95177 NA
Pref est entaché d’une incertitude

35

Vlu également xy
30
a
On doit donc déduire (cf TDs) l’incertitude sur
a
25 x 2

Quand on utilise le manomètre, on relève une 20

B
tension Vmes (entachée d’une incertitude) et l’on
déduit Pmes par Pmes=Vlu/a 15

On déduit l’incertitude sur Pmes grâce à la loi 10

de propagation connaissant les incertitudes sur

a et V 5

2
V 1 2 0

uP  4 ua  2 uV
2 2 0 2 4 6 8 10 12 14

a a A

V=f(P)
Ua=????????? 21
 PRÉSENTATION DES RÉSULTATS
Mesurande, incertitude type ou incertitude et
coefficient élargissement)
M=100.02147g et u=0.36 mg
M=100.02147(36)g
M=100.02147(0.00036)g
M=(100.02147±0.00036)g risque de confusion
M= (100.02147±0.00072)g et k=2
Remarque: Nous sommes au XXIème siècle, nous disposons de calculatrices dans le
pire des cas, d’ordinateurs en général.
Faire les calculs avec tous les chiffres et sans arrondis PUIS finaliser
correctement le résultat en connaissant les incertitudes.
Ne pas supposer que « 3 chiffres suffisent ». Posez-vous la question de « combien
sont requis ». Parfois c’est 12.
22
CHIFFRES

Ex: on trouve M=12.783997342 g et u=0.0673176

g
Pour M on garde les chiffres exacts+les deux
entachés d’erreur avec les règles d’arrondi.
Pour u on garde le 1er chiffre non nul et le suivant
majoré
Ici: M=12.784(0.068)g

23
NIVEAU DE CONFIANCE
L’incertitude est, mathématiquement, l’écart-type u estimé de la loi statistique
de l’erreur commise. La connaissance de la loi de probabilité associée donne
le niveau de confiance
On ne peut pas chiffrer un risque si on ne connaît pas la loi de probabilité de
l’erreur!! L’incertitude ne donne PAS la loi.

Cas uniforme, on a 57.7% dans ± u et 100% dans ±3 u

Cas gaussien, on a 68% dans ± u et 99.7% dans ±3 u

L’assertion « on a 99.7% dans ±3 u » est une stupidité.

Il faut connaître la loi de probabilité

24
LE CAS PARTICULIER DE LA MOYENNE DES MESURES

Théorème Centrale Limite: Si l’on réalise N mesures d’une

grandeur G, indépendantes et de même loi, la moyenne de
ces N mesures converge vers une Gaussienne dont l’espérance
(la moyenne) est celle de G et la variance est celle de X
divisée 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

25
Loi de Student

Degrés de
liberté: Nb
échantillons-1

Facteur
d’élargissement

26
LOI DE STUDENT

Estimer l’intervalle de confiance quand on ne

connaît pas les lois statistiques est difficile. On
fait donc des hypothèses et/ou des majorations.
Règle de base pour toute mesure: comprendre
ce que l’on mesure
27
 ECART-TYPE EXPÉRIMENTAL, STUDENT ET
AUTRES FACÉTIES
Tirages selon une loi normale
L’écart-type expérimental fluctue
selon les tirages
Pour N=5 tirages, il y a environ
65% de chances de le trouver
dans [0.6,1.4]
L’incertitude sur l’écart-type est de
40%
La valeur vraie peut-être 1.4 fois
la valeur expérimentale pour 5 Ecart-type sur l’écart-type expérimental
vs nb d’échantillons
échantillons
28
 STUDENT ILLUSTRÉ

Ecart-type sur l’écart-type expérimental Coef de Student vs nombre

d’échantillons pour 95% de Niv. Conf.

Pour 5 échantillons, on prend bien 2 fois 1.5 environ. (nous avions trouvé 1.4 par simulation)
Student compense l’incertitude sur l’écart-type
Si l’on sous-estime l’écart-type, il rétablit l’équilibre
Si l’on sur-estime, l’erreur sera sur-estimée (pas de risque) 29
 N OU N-1?
𝑁
𝑁−1

Formellement il faut prendre l’écart-type expérimental

L’erreur sur l’incertitude est, sinon, de 10% pour 5 échantillons
Garder à l’esprit que 5 échantillons est une très mauvaise
statistique
Cela ne résout donc pas tout, loin de là. 30
 INTERVALLE DE CONFIANCE DANS LE CAS
D’UN TIRAGE DANS UNE LOI GAUSSIENNE

On a N échantillons et x% est le niveau de confiance requis

𝑚1 + ⋯ + 𝑚𝑁 σ 𝑚𝑖 − 𝑀𝑒 2 𝜎𝑒
𝑀𝑒 = 𝜎𝑒2 = 𝑢𝑀𝑒 =
𝑁 𝑁−1 𝑁

𝜎𝑒
𝑀𝑒 ± ∙ 𝑆𝑡𝑢𝑑𝑒𝑛𝑡 𝑑𝑒𝑔𝑟é𝑠 𝑑𝑒 𝑙𝑖𝑏 = 𝑁 − 1, 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑐𝑒 = 𝑥%
𝑁

31
 AUTRES LOIS

Garantir un niveau de confiance n’est possible que si

l’on connaît les lois de probabilité
 Gauss: pas de pb
 Gauss avec peu d’échantillons: Student (facteur correctif)

Sinon: estimer les lois et les rapprocher de lois

connues
TD: que valent les « coefficients de Student » pour
une loi uniforme?

32
 INCERTITUDES ET TOLÉRANCES
Incertitude: garantit que la valeur est dans un intervalle avec
un niveau de confiance donné
Tolérance = zone de valeurs acceptables
Rapport Incertitude/Tolérance=U/T
Entre ½ (valeur maximale) et 1/10.

33
EXEMPLE: FABRIQUER DES BARRES DE 400MM+-
0.9MM

Un paramètre U/T petit permet

 La réduction du nombre de pièces déclarées non-conformes
 Une amélioration du processus de fabrication

Figure 3.4

34
DÉCISION LORS D’UN CONTRÔLE

35
FABRICATION DE PIÈCES DE 500MM±0.19MM CONTRÔLE AVEC
UNE MESURE SUR UNE SEULE PIÈCE

Pied à coulisse u=0.029mm et loi uniforme

UNE Mesure: 500.15mm
10% de risques que la pièce soit mauvaise
u3 u3
u

500.15
500.19
500
500.1 500.18 500.2 36
 FABRICATION DE PIÈCES DE 500MM±0.19MM CONTRÔLE SUR
UNE SÉRIE DE PIÈCES
50 mesures, moyenne 500.15, 𝜎 =0.05mm supposé très supérieur à l’incertitude type de
l’appareil de mesure
Incertitude sur la moyenne(0.014mm) sans intérêt. Ce qui compte est 𝜎
Loi gaussienne (50 échantillons).
500.19−500.15 1 +∞ −𝑥 2 /2
= 0.8 → ‫׬‬ 𝑒 ∙ 𝑑𝑥 = 0.21 (on néglige –ici- la partie gauche)
𝜎 2𝜋 0.8

21% de risque que la pièce soit mauvaise

500.15
500.19
500
500.1 500.18 500.2 37
 NOTION DE CAPABILITÉ: COMPATIBILITÉ
TOLÉRANCE/CE QUE L’ON SAIT FAIRE
Tolérance: définie
par le client et
acceptée ou non par
le fournisseur.

C±T à 100% N. Conf.

Exemple: si la loi est Méthode des 𝟔𝝈: On

gaussienne, la zone vérifie que la région
de capabilité est la ± 3𝜎𝑒𝑥𝑝 autour de la
zone à ± 3𝜎 autour moyenne est dans la
de la valeur centrale zone de tolérance
pour 99% de Niv de
Conf.

C±T x% N. Conf.
38
INCERTITUDES: LA RÉALITÉ DU TERRAIN
Il est indispensable de s’adapter à son environnement
A l’IUT: utilisation stricte des règles (but pédagogique)
Au laboratoire (notamment d’étalonnage ou d’essais): idem
En entreprise: Parfois difficile de bien estimer toutes les incertitudes, problèmes
(parfois), de moyens, de temps ou de compétences
 Estimations plus sommaires fautes de moyens
 Estimations plus sommaires pour des aspects sécurité (majoration+facteur de sécurité)

Nécessité de comprendre finement ce que l’on fait afin de simplifier efficacement

sans pour autant commettre une erreur majeure  valeur ajoutée

Exemple: mesure de charge de l’électron,calcul de vide, d’épaisseur de béton etc.

On fait des simplifications quand on a compris

le cas général!!!
39
PLUS FORT: RÉGRESSIONS
A PARTIR D‘UNE ERREUR
40
RAPPELS DE CALCUL MATRICIEL
𝐴 𝐵 𝑥 𝐴𝑥 + 𝐵𝑦
∙ 𝑦 ≡𝑀∙𝑋 =
𝐶 𝐷 𝐶𝑥 + 𝐷𝑦

𝐴 𝐵 𝑎 𝑏 𝐴𝑎 + 𝐵𝑐 𝐴𝑏 + 𝐵𝑑
∙ =
𝐶 𝐷 𝑐 𝑑 𝐶𝑎 + 𝐷𝑐 𝐶𝑏 + 𝐷𝑑

𝑀 ∙ 𝑋 = 𝑌 ↔ 𝑋 = 𝑀−1 ∙ 𝑌 si l’inverse existe

−1
1 𝐷 −𝐵
𝑀 = ∙
∆ −𝐶 𝐴
41
 LE PROBLÈME
B
On effectue une régression linéaire
y=ax+b avec des points eux-mêmes y = m2 * M0
entachés d’incertitude Value Error
m2 2,6301 0,15137
40
Il est nécessaire de connaître les Chisq 26,211 NA
incertitudes sur a et b R 0,95177 NA
35

C’est un problème difficile

30
On le résout en comprenant ce que
l’on fait et avec quelques calculs 25

20
B
Warning: les tableurs (type excell)
font des calculs d’incertitude et
comportent des erreurs. Ne faites 15

jamais confiance à une boîte noire

10
Les tableurs ne donnent PAS les
formules de régression: ils ne
permettent pas le calcul des 5

incertitudes
0
0 2 4 6 8 10 12 14

42
A
 LA FORMULE DE PROPAGATION: TROUVEZ L’ERREUR

Théorème: l’application brutale de la formule conduit à des contradictions

43
LA RÉPONSE: BIEN CONNUE
On considère la grandeur (ici z) obtenue à partir de x et
de y:
z=f(x,y)
𝜕𝑓 𝜕𝑓
∆𝑧 ≈ ∙ ∆𝑥 + ∙ ∆𝑦
𝜕𝑥 𝜕𝑦

∆𝑥 et ∆𝑦 sont des variables aléatoire de moyenne nulle

(justesse)

𝜕𝑓 2 𝜕𝑓 2
𝑢𝑧2 = ∙ 𝑢𝑥2 + ∙ 𝑢𝑦2
𝜕𝑥 𝜕𝑦

44
RÉGRESSION LINÉAIRE Y=AX (1/2)
∆𝑢𝑣 = 𝑢∆𝑣 + 𝑣∆𝑢 Maths S1

𝑎 ∙ ෍ 𝑥 2 = ෍ 𝑥𝑦 Démontré en TD de
métrologie

∆𝑎 ∙ ෍ 𝑥 2 + 2𝑎 ∙ ෍ 𝑥∆𝑥 = ෍ 𝑦 ∙ ∆𝑥 + 𝑥 ∙ ∆𝑦 = 𝑎 ∙ ෍ 𝑥 ∆𝑥 + ෍ 𝑥 ∆𝑦

∆𝑎 ∙ ෍ 𝑥 2 = −𝑎 ∙ ෍ 𝑥 ∆𝑥 + ෍ 𝑥 ∆𝑦

𝑢𝑎2 ∙ ෍ 𝑥 2 = 𝑢𝑥2 ∙ 𝑎2 ∙ ෍ 𝑥 2 + 𝑢𝑦2 ∙ ෍ 𝑥 2

𝑢𝑎2 ∙ ෍ 𝑥 2 = 𝑢𝑥2 ∙ 𝑎2 + 𝑢𝑦2

En général: 𝑢𝑎2 ∙ σ 𝑥 2 2
= σ 𝑥𝑖2 ∙ 𝑎2 ∙ 𝑢𝑥𝑖
2 2
+ 𝑢𝑦𝑖 = 𝑎2 ∙ σ 𝑥𝑖2 ∙ 𝑢𝑥𝑖
2
+ σ 𝑥𝑖2 ∙ 𝑢𝑦𝑖
2

45
RÉGRESSION LINÉAIRE Y=AX+B (1/2)
On montre que les coefficients de la régression sont
donnés par la relation

෍ x2 ෍x ෍ xy
a a
∙ =𝑀∙ =
b b
෍x N ෍y

On observe aussi: ∆𝑥𝑦 = 𝑦∆𝑥 + 𝑥∆y

46
RÉGRESSION LINÉAIRE Y=AX+B (2/2)
Calculs: JM De Conto ∆𝑦 = 𝑎∆𝑥 + 𝑏

σ 𝑥2 σ𝑥 𝑎 σ 𝑥𝑦
∙ =
σ𝑥 𝑁 𝑏 σ𝑦

𝑢𝑎2 𝑢𝑎,𝑏 −1 ∙ σ 𝑢 2 + 𝑎 2 ∙ 𝑢 2 𝑥𝑖2 𝑥𝑖

𝜎= = 𝑀 𝑦𝑖 𝑥𝑖 ∙ 𝑀−1
𝑢𝑎,𝑏 𝑢𝑏2 𝑥𝑖 1

Si Uxi=Ux et Uyi=Uy (indépendant de i) alors:

𝜎 = 𝑎2 ∙ 𝑢𝑥2 + 𝑢𝑦2 ∙ 𝑀−1

47
 Estimation des incertitudes sur x et y

 On suppose que les mesures des x et y ont des incertitudes de mesure

respectives 𝑢𝑥0 et 𝑢𝑦0
 On réalise la régression y=f(x) selon l’un des trois procédés donnés plus haut
et on détermine les coefficients
 On calcule les écarts à la droite en horizontal et en vertical:
𝜀𝑖 et 𝜇𝑖

 On construit les écarts-types (expérimentaux) correspondants 𝜎𝜀 et 𝜎𝜇

 On a alors : B

y = m2 * M0
Value Error
m2 2,6301 0,15137
40
Chisq 26,211 NA
2
𝑢𝑥2 = 𝑢𝑥0 + 𝜎𝜀2 35
R 0,95177 NA

30 𝜇𝑖
2
𝑢𝑦2 = 𝑢𝑦0 + 𝜎𝜇2 25
𝜀𝑖
20
B

15

10

0 48
0 2 4 6 8 10 12 14
Valeurs estimées de k, incertitude avec la formule de la régression (bleu), incertitude avec
les droites extrêmes (vert)
𝑦 = 1+𝑘 𝑥+3
𝑘 = 10−5 et erreur vraie sur k : [−10−7 , 10−7 ]

Méthode des droites extrêmes: facile mais pessimiste

Méthode rigoureuse: excellente mais complexe
Tout dépend si on est aux limites de ce que l’on veut… 49
 Y=AX+B: CORRÉLATION DES INCERTITUDES SUR A ET B
ELLIPSE DE CONCENTRATION

෍ 𝑥2 ෍𝑥
𝑀=
෍𝑥 𝑁

𝑎2 𝑢𝑥2 + 𝑢𝑦2
𝜀𝑅𝑀𝑆 = → 0 (𝑁 → ∞)
det(𝑀)
σ 𝑥2 σ𝑥 1
𝜎= det(𝑀) 𝛽 = 𝛼= 𝛾=𝜎
𝜎 𝜎
𝛽𝑦 2 + 2𝛼𝑥𝑦 + 𝛾𝑥 2 = 𝑘𝜀𝑅𝑀𝑆
𝜎𝑢𝑥_𝑚𝑎𝑥 = 𝛽𝜀𝑅𝑀𝑆 𝜎𝑢𝑦_𝑚𝑎𝑥 = 𝛾𝜀𝑅𝑀𝑆

33% dans n=1 et 100% dans n=3 (uniforme)

50
GUM ET 5725
51
ESTIMATION CONCRÈTE DE L’INCERTITUDE: DEUX
MÉTHODES

Norme NF ENV 13005 (guide pour l’expression de

l’incertitude de mesure) ou « GUM »
Norme NF ISO 5725-1 à 6 (Exactitude –justesse et
fidélité- des résultats et méthodes de mesure) ou
« 5725 »

52
GUM
Notion issue de la métrologie
Modélisation du processus de mesure
Estimation de l’incertitude de mesure (grandeur de sortie)
à partir des incertitudes des grandeurs d’entrée
Besoin de connaître toutes les sources d’erreurs possibles
(grandeurs d’influence, étalonnage, erreurs de lecture…)
Difficile cependant à mettre en œuvre dans le cas
d’essais.
Il faut pouvoir modéliser mathématiquement le processus,
ce qui peut être difficile ou impossible
53
5725
Issu du monde des essais
Quantification de la qualité d’une méthode d’essai par
des comparaisons expérimentales interlaboratoires
Méthodes et démarche : fascicule de documentation FD X
07-021 (Normes fondamentales. Métrologie et
applications de la statistique. Aide à la démarche pour
l’estimation et l’utilisation de l’incertitude des mesures et
des résultats d’essais)

54
CARACTÉRISTIQUES (SOURCE: BINDI)

55
GUM
56
A TITRE D’ILLUSTRATION: EXTRAIT DE LA NORME
ENV13005

57
ESTIMATION DES INCERTITUDES DE TYPE B

Quand on ne peut pas (ou ne veut pas) évaluer les

incertitudes de manière expérimentale
 Résultat de mesures antérieures
 Spécifications fabricant
 Expérience de ses instruments
 Données issues de documents dont les certificats d’étalonnage
Domaine:
 Incertitudes dues aux grandeurs d’influence
 Résolution de l’appareil
 Étalonnage
Besoin:
 Connaissance de l’étendue des grandeurs utilisées
 Connaissance des lois de distribution statistiques

58
EXEMPLES DE LOIS ET DE LEUR DOMAINE D’APPLICATION (SOURCE: BINDI

59
 MÉTHODOLOGIE
Réduction des erreurs aléatoires et systématiques
Détermination du modèle mathématique de l’erreur. Exemple de
l’ampèremètre
Ex: Cv est une correction de calibre du voltmètre, avec son incertitude
(donnés par le certificat d’étalonnage)
C0 est la différence entre valeur lue et valeur estimée: correction obtenue
par plusieurs mesures et moyenne
U  CV Introduction de
Ie  e l’ampèremètre
Re  CR
dans le système
C0  I e  I lu  C  C0  CI
(résolution,
ampèremètre impédance etc)
étalonnage I
mesure

Ie

Re Ue U
R
60
LES 5M

61
INCERTITUDE TYPE A
Calcul des valeurs moyennes sur I et V, avec les
incertitudes expérimentales (coef de Student 1.05 pour
68.27% de niveau de confiance)

62
CORRECTIONS

63
INCERTITUDE DE TYPE B SUR LES CORRECTIONS

Concerne Voltmètre, Shunt et Ampèremètre

Voltmètre(exemple):
 Certificat d’étalonnage donne une incertitude de 5 10-5Vmes +0.7V
pour k=2
 u(Cvétal)=2.9 V

Résolution 1 V rectangulaire
1 V /√12=0.6 V = u(Cvdérive)

etc

64
RÉSULTAT FINAL: APPLICATION DE LA LOI DE PROPAGATION DES
INCERTITUDES AU MODÈLE CHOISI (CALCULS NON DONNÉS ICI)

U e  CV
C  C0  C I   I  CI
Re  CR

CR  R
C I  I

uV2  uC2V
 2 uR  uC2 R   uIa2  uC2 I
V2 2
 uc2 (C ) 
R2 R
65
MÉTHODE 5725
66
LA NORME NF ISO 5725

Objectif: évaluer la qualité d’une méthode d’essai, grâce

à des campagnes interlaboratoires, soumises à des
protocoles spécifiés
Exemples: définition d’un matériau de référence,
performance des laboratoires sur des essais spécifiques,
comparaison de méthodes

67
FIDÉLITÉ: LES FACTEURS QUI INFLUENCENT LA VARIABILITÉ
D’UN ESSAI PEUVENT PRENDRE DEUX ÉTATS - EXEMPLES

68
 ATTENTION AUX BIAIS

y=m+B+e
 y=résultat d’essai
 m=moyenne
 B: écart du labo % à m (biais du labo)
 e=erreur aléatoire survenant dans chaque mesure dans des conditions de
répétabilité
 Nota: barre = moyenne sur l’ensemble des labos (ici)
 2
e
On déduit:


La variance intralaboratoire
La variance interlaboratoires
 B2
 La variance de répétabilité
 La variance de reproductibilité  r2   e2
Un modèle plus réaliste demande de
rajouter le biais de l’opérateur
 R2   r2   B2
69
ESTIMATION DE LA JUSTESSE

Il faut au préalable estimer la fidélité

Il faut disposer d’une référence
conventionnellement vraie
Problème de la justesse = celui du biais
 Biais  de la méthode : y=++B+O+e
 Si tous les labos sont décalés d’une même valeur
 : valeur de référence acceptée (éventuellement décalée)
 Estimation du biais (ISO 5725-4 mais de bon sens) ˆ  y  
 La double barre indique que l’on fait la moyenne des moyennes fates dans chaque
laboratoire

70
FIDÉLITÉ: LE PRINCIPE DE LA MÉTHODE DES PLANS D’EXPÉRIENCES
LA CATAPULTE: MAXIMISER SA PORTÉE

http://www.si.ens-cachan.fr/ressource/r18/r18.htm
71
CINQ Paramètres (entrées):
bandage de l’élastique (goupille du mât avant ; 4 positions
possibles, 3 utilisées)
accrochage de l’élastique (sur le bras ; 5 positions possibles,
3 utilisées)
position du bol sur le bras (5 positions possibles, 3 utilisées)
angle de butée de percussion (goupille dans l’une des 6
positions prévues, 3 utilisées)
angle d’armement (variation continue, 3 positions utilisées)

Une grandeur de sortie: la portée

72
 IDÉE: FAIRE UN MINIMUM D’ESSAI POUR ESTIMER CE
QUE L’ON CHERCHE

Bandage Angle Distance en

armement mm
P1 : Bandage (niveau haut : position 4 ;
ESSAI P1 P2 Réponse
niveau bas : position2)
1 -1 -1 10
P2 : Angle armement (niveau haut : 180° ;
2 +1 -1 20 niveau bas : 150°)
3 -1 +1 200

4 +1 +1 140 E1=-12.5 mm signifie que lorsque le bandage est à

son niveau haut (position 4) la distance en mm sera en
E1=-12.5 E2 =77.5 Moyenne=92
.5 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 supérieure au bandage

73
On peut obtenir l’effet des facteurs sur la moyenne en seulement 27 essais.

graphe des effets des facteurs avec un plan réduit Taguchi

74
 Organismes, étalonnage,
ASPECTS D’ORGANISATION raccordement, gestion…

75
 LES ORGANISMES
Convention du mètre: traité qui légitime la suite
CGPM: réunit des délégués de la Convention du mètre.
CIPM: Comité de supervision
BIPM: Bureau International des Poids et Mesures (Breteuil):
en charge des étalons primaires + recherches
fondamentales (étalons, techniques…)

Nombreux organismes européens, mondial etc…

Et en France?

76
LNE
Laboratoire National de Métrologie et d’Essais (LNE)
A repris les activités du BNM depuis 2005
Coordination des 4 laboratoires nationaux de métrologie
(CEA/LNHB, CNAM/INM, Observatoire de Paris et LNE)
 Métrologie fondamentale (maintien des étalons nationaux pour le
raccordement industriel à la norme ISO9001). Mécanique, thermique,
optique, chimie et électricité
 Métrologie légale (Ministère de l’Industrie)
 Métrologie à l’usage des industriels, la Santé ou autres (prestations de
service) SI BESOIN
25 accréditations (mai 2005) par le COFRAC

77
COFRAC
Atteste que l’organisme accrédité est compétent
Permet de valider au niveau international
Garantit que le prestataire satisfait
 Aux exigences de management de la qualité
 À celles de traçabilité des opérations métrologiques
 Concerne les aspects techniques ET les aspects documentaires
 Audit annuel
Accréditation
 Peut être nécessaire
 Peut être volontaire
Quatre sections
 Laboratoires
 Inspection
 Certification d’entreprises, personnel et environnement
 Produits industriels et services

78
CAS OÙ LA MÉTROLOGIE N’EST PAS ACCRÉDITÉE

Mener un audit sur les points suivants

 Raccordement des instruments utilisés
 Compétence du personnel
 Existence de procédures d’étalonnage ou vérification
 Cohérence des incertitudes

79
LE RACCORDEMENT

Propriété d’un mesurage ou d’un étalon d’être

relié à des étalons nationaux via une chaîne
ininterrompue de comparaisons d’incertitudes
connues
Associé à une traçabilité (documentation) établie
par un prestataire accrédité COFRAC ou qualifié
par le client (FDX07019 et ISO/CEI 17025)

80
LA DÉGRADATION DES INCERTITUDES

81
COMMENT RECONNAÎTRE LE RACCORDEMENT?

ISO 9001: audit et garantie de conformité aux règles de

management de la qualité (respect des procédures) mais pas
technique!
ISO 17025: référentiel d’évaluation d’un laboratoire adapté mais
peu praticable (pbs de temps et/ou de compétence)
S’adresser à un laboratoire accrédité COFRAC
Certification
 Procédure indiquant qu’un produit, processus ou service est conforme aux
exigences (ISO9001 atteste la conformité d’une entreprise en termes de
gestion de la qualité)
Accréditation
 Un organisme officiel reconnaît une compétence d’un organisme à effectuer
une tâche spécifique

82
ASPECTS PLUS PRATIQUES

Critère d’obligation versus coût

Exemples de critères de décision
 Mesurages sur les caractéristiques produit (contractuelles)
 Paramètres de fabrication ayant une incidence sur les
caractéristiques produit
 Mesurages liés à la maintenance ou la sécurité

Choix de l’entreprise
Attention: être sûr des méthodes de mesures avant de
s’engager sur une caractéristique produit

83
RACCORDEMENT INTERNE ET EXTERNE

Un compromis à trouver
 Étalonnage des instruments par un prestataire accrédité
 Contrôle des étalons internes par un prestataire accrédité
 Autre…
Intégrer la réalité de l’entreprise (coût, besoin réel, compétence du
personnel interne, offres de service et proximité et… nature du parc)
 Ex: un seul instrument externe (sauf cas de confidentialité par exemple)
 Beaucoup d’instruments  interne, avec des étalons
Attention: Étalonnage ne dit pas précision
Un appareil étalonné à 10% ne permet pas des mesures à 1%!!

84
REMARQUE: SAIT ON TOUJOURS FAIRE LE
RACCORDEMENT? NON
Domaine physico-chimique
Dureté
 Matériaux de référence
 Accepté par des campagnes de validation interlaboratoires
 Raccordement à certaines constantes fondamentales (point triple de l’eau)

85
ETALONNAGE ET VÉRIFICATION - SUIVI

Etalonnage (but: réduire les incertitudes de

mesure)
Vérification: permet de déclarer que l’instrument
est apte à l’emploi (conforme aux spécifications)
Confirmation: étalonnage + vérification +
réparation + réétalonnage + verrouillage +
étiquetage….

86
QUAND ÉTALONNER?
Connaissance d’une valeur chiffrée et de son incertitude (définition
des corrections, bilan des incertitudes) – Evident
Utilisation d’un appareil comme référence
Suivi de l’appareil (dérives)
Suivi des étalons
Prise en compte des grandeurs d’influence
Recherche d’un niveau d’exactitude différent de la spécification
constructeur
Pas de spécifications constructeur dans le domaine concerné
Pas d’autre connaissance possible de l’appareil de mesure

87
VÉRIFICATION SI
l’on veut savoir si les erreurs d’indication de l’appareil sont inférieurs
aux erreurs maximales tolérées
Pas besoin de résultat chiffré
On souhaite interchanger des appareils
On souhaite remettre un appareil en service
Comparaison des résultats d’un étalonnage aux limites d’erreurs
tolérées (mesure d’un étalon)
Sans chiffre, en regardant si l’on excède ou non une erreur, via un
étalon
Ex: une balance (donnée à +- 1mg par le constructeur) est vérifiée
(incertitude constatée +- 3 mg).
Elle peut être conforme ou non selon les exigences requises par l’industriel

88
RENSEIGNEMENT D’UN CERTIFICAT D’ÉTALONNAGE OU D’UN
CONSTAT DE VÉRIFICATION

89
Exemple de certificat d’une résistance étalon

90
GESTION DU PARC DANS L’ENTREPRISE

Norme ISO 10012: systèmes de management de la

mesure. Exigences pour les processus et les équipements
de mesure
 Maîtrise de la qualité des équipements (étalonnage et/ou
vérification)
 Maîtrise de la qualité des processus de mesure

L’entreprise doit
 Atteindre ces objectifs
 Démontre qu’elle gère correctement les dispositions associées

91
RÉCEPTION D’UN APPAREIL

Vérification de la conformité à la commande…et

tout de suite!
Indentification de l’instrument
Introduction dans l’inventaire
Confirmation métrologique avant mise en service
Marquage de confirmation métrologique
 Ex: étiquette numéro/dates de la dernière et prochaine confirmation, code barre…

92
FICHE DE VIE (EXEMPLE)

93
DIVERS
Conserver les emballages!
Stocker dans des locaux appropriés (température,
hygrométrie, poussières…)
Protéger les locaux contenant les moyens d’ajustage
confirmés.
Déplacements
 Protection adéquate des appareils
 Enregistrement (traçabilité)

Avoir un système de gestion (papier, informatique)

94
LA STRUCTURE DOCUMENTAIRE

Mise en place d’une démarche qualité sans documentation

= échec
Pour la métrologie, c’est pareil
Pour maîtriser son système de mesure, il faut
 Gérer la formation du personnel
 Gérer les responsabilités de manière formelle
 Il faut pouvoir prouver cette maîtrise
 Traçabilité technique cad le raccordement métrologique
 La traçabilité documentaire prouvant le raccordement
Inventaire, fiches de vie, certificats, règles et procédures..

95
LA DOCUMENTATION: MYTHE OU PIÈGE?

La documentation est indispensable

Trop de documentation tue la documentation
 Système lourd
 Trop de procédures inutiles
 Le personnel ne lit pas les procédures
 Délais de mise à jour trop longs
 Trop de visas
 Trop de redondance
 Pas de concertation avec les utilisateurs
 Bon compromis à trouver

96
EXEMPLE DE PROCÉDURE D’ÉTALONNAGE

97
LA SOUS-TRAITANCE DE LA MÉTROLOGIE

Que sous-traiter?
Confirmation des instruments
Confirmation des étalons
Ajustage, réparation
Maintenance
Identification des équipements
Conseil, expertise
Gestion complète Une évaluation correcte des sous-
traitants potentiels doit être faite
…
98
 DÉFINIR CLAIREMENT LE BESOIN
CAHIER DES CHARGES Non exhaustif!!
Axe technique
 Définir la liste des instruments concernés
 Etablir les exigences techniques
 Pour un étalonnage, par exemple
 Définition des opérations préliminaires (nettoyage, mise en température,
zéro…)
 Gamme de mesure et calibres concernés
 Besoin en incertitude
 Documents attendus (certificats…)
 Pour une vérification
 Idem – Donner une liste claire et précise des point, gammes ou calibres
particuliers à vérifier
Le sous-traitant ne fait que ce qui a été
négocié, et dans les délais convenus
Le cahier des charges est un processus
itératif, pas un dogme 99
DÉFINIR CLAIREMENT LE BESOIN
CAHIER DES CHARGES

Axe qualité
 Déterminer les exigences relatives à la prestation, selon un référentiel
qualité ou spécifique à une profession
 Mise en place de modalités particulières comme la confidentialité, le
traitement ultérieur des non-conformités…
 Définir les audits éventuels
Axe logistique
 Travaux sur place ou chez le prestataire
 Règles à suivre en cas de réparation ou ajustage (échange standard, rendu
en l’état…)
 Acceptation de plusieurs niveaux de sous-traitance (ou non)
 Modalités de marquage
 Définir les responsabilités
Aide à la réalisation du cahier des charges: FD X 07-019
100
EXEMPLES D’ÉCHECS (PAS FORCÉMENT DANS LE
DOMAINE DE LA MÉTROLOGIE)

Impossible de l’écrire !
Selon les humeurs de l’enseignant
 Tolérances mal définies
 Conception hors specs et responsabilité non définie
 Analyse incomplète du problème industriel
 Gestion documentaire en retard
 ….

101
EVALUATION ET OPTIMISATION

Optimiser: tout le monde le veut, y compris (et surtout) les chefs

Optimiser implique de pouvoir évaluer
Evaluer
 Les coûts de la métrologie
 La qualité de la métrologie (autoévaluation)
 Etablir une grille de critères
 Evaluer
 Déterminer les points forts et les points faibles
 Améliorer si possible
 Assurer le suivi

Impliquer les utilisateurs

Conseil personnel: impliquer le chef, comme dans l’AQ
102