Evaluation de Probabilités de Détection (POD) utilisant … · Les recherches en cours et...
Transcript of Evaluation de Probabilités de Détection (POD) utilisant … · Les recherches en cours et...
Evaluation de Probabilités de Détection (POD) utilisant la simulation
JOURNEES NIVEAUX 3 COSAC
Nicolas Dominguez
18 Septembre 2012
Possible line for organisation unit / Arial Regular 10pt
Plan de l’exposé
1. Généralités sur les POD
– POD : Pourquoi ?
– POD : Comment ?
– POD et Confiance ?
2. L’approche « POD utilisant la simulation »
– Pourquoi ?
– Comment ?
– Exemples et résultats
3. Les recherches en cours et perspectives
POD & Simulation supported POD
Page 2
28 September,
2012
POD : Pourquoi ?
POD & Simulation supported POD
Page 3
28 September,
2012
Damage tolerance is a property of a structure relating to its ability to
sustain defects safely until repair can be effected or the structure replaced.
Damage tolerance
Maintenance programme
(NDT & repair)
NDT reliability
Obligation règlementaire de produire des POD
Conception en Tolérance aux Dommages
1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Les évènements « dommage », « détection, « charge » sont des évènements bien
réels décrits par des grandeurs probabilistes.
POD : Pourquoi ?
POD & Simulation supported POD
Page 4
28 September,
2012
1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Pourquoi parler de « détection » avec des probabilités ?
Les CND mis en œuvre sur les structures aéronautiques sont bien spécifiés,
définis par des procédures répétables et reproductibles.
Pourtant le résultat d’un CND reste sujet à des « incertitudes » qui apparaissent
comme une « variabilité » dans les résultats des campagnes POD.
Sources possibles d’incertitudes :
• Defect (e.g. fatigue cracks)
• Procedure (fine tuning)
• Testing material (one instrument & an equivalent one)
• Material under test (conductivity variability, grain structure…)
• Mechanical repeatability (positioning)
• Human appreciation (diagnosis)
• …
S
a
“Real” NDT
S(a) = (a) + a(M)
S
a
No uncertainty
S(a) = (a)
POD : Pourquoi ?
POD & Simulation supported POD
Page 5
28 September,
2012
1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Le facteur humain
Mechanical positionning:
reproducibility
Screen reading
… diagnosis
POD : Pourquoi ?
POD & Simulation supported POD
Page 6
28 September,
2012
1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Le résultat de POD est riche, il intègre les informations :
• Plus petit défaut que l’on peut détecter
• Plus grand défaut que l’on peu manquer
La POD ne décrit en aucun cas la propention d’une procédure à
déclencher de fausses alarmes.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50
10
20
30
40
50
60
70
80
90
100
Crack length (mm)
Pro
ba
bili
ty O
f D
ete
ctio
n (
%)
Observed POD
PÔD
POD 95 % confidence
La POD est une “métrique” caractérisant les performances d’un CND en
intégrant la notion de fiabilité.
POD : Pourquoi ?
POD & Simulation supported POD
Page 7
28 September,
2012
1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Exemple de POD
Fissures de fatigue dans un alliage de titane
CND “A” CND “B”
Plan de l’exposé
1. Généralités sur les POD
– POD : Pourquoi ?
– POD : Comment ?
– POD et Confiance ?
2. L’approche « POD utilisant la simulation »
– Pourquoi ?
– Comment ?
– Exemples et résultats
3. Les recherches en cours et perspectives
POD & Simulation supported POD
Page 8
28 September,
2012
POD : Comment ?
Page 9
28 September,
2012
Définition :
“The POD(a) function is defined as the proportion of all cracks of size a that
will be detected in a particular application of an NDE system”(*)
Rephrased in the MIL-HDBK 1823, 2009 version:
“The fraction of targets of nominal size, a, expected to be found, given their
existence”
* A.P. Berens, Metals Handbook, vol. 17, 9th edition: Nondestructive Evaluation and Quality Control
Une POD est applicable pour
– Une structure à inspecter/un matériau donné
– Un type de défaut donné
– Un CND donné
– Une procédure donnée
Définition de seuils : Détection, Saturation, Bruit
… influencent la POD
saturation
decision noise
POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
POD : Comment ?
Page 10
28 September,
2012 POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Deux types de données
« Hit/Miss » : diagnostic binaire, T,
Détection : T = 1
Non-détection : T = 0
« Signal Response » : diagnostic quantitatif, S,
s th le seuil de détection. Pour une taille de défaut a,
Détection si S(a) s th
Non-détection si S(a) < s th
Remarque :
On peut toujours se ramener à un cas “Hit/Miss”
• T=1 if S(a) sth
• T=0 if S(a) < sth
Dans la littérature américaine on
trouve â au lieu de S
POD : Comment ?
Page 11
28 September,
2012 POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Estimation POD sur données Hit/Miss
)( trialsofNumber
)(Hits ofNumber )(
a
aaPODobs
(A.P. Berens, Metals Handbook, vol. 17, 9th edition: Nondestructive Evaluation and Quality Control)
• Pour chaque taille a, calcul de la « POD observée » comme le ratio de
détections pour la taille a
• La fonction POD est ensuite obtenue pour tout a par régression paramétrique
sur les valeurs de PODobs à l’aide d’une fonction « choisie » a priori (log-odd,
normale, log-normale, …)
POD : Comment ?
Page 12
28 September,
2012 POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Estimation POD sur données « Signal »
(A.P. Berens, Metals Handbook, vol. 17, 9th edition: Nondestructive Evaluation and Quality Control)
Hypothèses :
ln(S) et ln(a) sont liés linéairement : ln(S) = 0 + 1ln(a) + , est une variable aléatoire gaussienne N(0,)
est constant pour tout a
)]ln())([ln(])([)( thth saSsaSaPOD PP
))ln(()ln(1)( 10 as
aPODth
1
10
/
/))(ln()ln(
thsa
Les paramètres 0, 1 et sont estimés par régression linéaire de ln(S) sur ln(a)
Fonction de répartition de N(0,1)
La fonction POD est une loi log-normale cumulée de paramètres
1
10
/
/))(ln(
thsµ
Dans ce cadre, ln(S) suit une N(0+ 1ln(a),).
Alors pour a fixé,
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.50
10
20
30
40
50
60
70
80
90
100
Void radius (mm)
Pro
ba
bili
ty O
f D
ete
ctio
n (
%)
Estimated POD
POD 95% confidence
POD : Comment en pratique ?
Page 13
28 September,
2012 POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Combien de données ?
Hit/Miss : 60 défauts « minimum »
Signal Response : 40 défauts « minimum »
En général au moins 3 opérateurs (5 recommandés) doivent participer à la
campagne de test
Il est (très) important de prévoir des échantillons sans défaut dans le plan de test
pour éviter de biaiser l’étude.
Quelles données ?
Des défauts répartis en majorité dans la zone de
forte pente de POD
+ des défauts jamais détectés (petits)
+ des défauts toujours détectés (grands)
Quand on ne sait pas a priori situer la POD une
répartition régulière (espacement constant) est
optimale.
v v
Plan de l’exposé
1. Généralités sur les POD
– POD : Pourquoi ?
– POD : Comment ?
– POD et Confiance ?
2. L’approche « POD utilisant la simulation »
– Pourquoi ?
– Comment ?
– Exemples et résultats
3. Les recherches en cours et perspectives
POD & Simulation supported POD
Page 14
28 September,
2012
POD et confiance ?
Page 15
28 September,
2012 POD & Simulation supported POD
a90/95
Probabilité Niveau de confiance
L’estimation statistique est menée sur un échantillon fini.
La considération d’un autre échantillon mène à une “autre” courbe POD.
L’intervalle de confiance estime l’erreur commise du fait de l’échantillonnage
Moins il y a de données dans l’échatillon plus l’intervalle de confiance est grand (pénalisant)
La largeur de l’intervalle de confiance décroit en ~𝟏/ 𝑵
Quel usage de la bande de confiance ?
» Couvre l’erreur d’échantillonnage
» Politique de marge des bureaux d’études
(conservativité)
Les valeurs de POD sont généralement données avec un niveau de confiance
1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Plan de l’exposé
1. Généralités sur les POD
– POD : Pourquoi ?
– POD : Comment ?
– POD et Confiance ?
2. L’approche « POD utilisant la simulation »
– Pourquoi ?
– Comment ?
– Exemples et résultats
3. Les recherches en cours et perspectives
POD & Simulation supported POD
Page 16
28 September,
2012
POD & Simulation: Pourquoi ?
POD & Simulation supported POD
Page 17
28 September,
2012
1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Une campagne POD coûte cher
Beaucoup de données sont nécessaires pour calculer une POD
Données =
échantillons avec défauts + temps opérateur + utilisation du moyen
~200 k€ per POD campaign
(80% for samples manufacturing)
~60 flawed samples
Utiliser la simulation pour produire des données peu coûteuses
et accéder à l’estimation POD
Plan de l’exposé
1. Généralités sur les POD
– POD : Pourquoi ?
– POD : Comment ?
– POD et Confiance ?
2. L’approche « POD utilisant la simulation »
– Pourquoi ?
– Comment ?
– Exemples et résultats
3. Les recherches en cours et perspectives
POD & Simulation supported POD
Page 18
28 September,
2012
Challenge to use simulation for POD
Page 19
28 September,
2012
S
a
Targeted simulation output:
accounting for variability
S(a) = (a) + a(M)
S
a
Classical simulation output:
deterministic
S(a) = (a)
How to generate data with variability using deterministic simulation tools?
Deterministic Deterministic With uncertainty With variability
Deterministic NDT
simulation software
(e.g. CIVA)
Input parameters Output Values
X Y
Uncertainty propagation
POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
L’approche « POD utilisant la simulation »
Page 20
28 September,
2012
Input parameters:
• Part
• Dimensions
• Conductivity
• Probe
• Dimensions
• Number of turns
• Frequency
• Inspection
• Start scan position
• Scan increment
• Lift-off
• Flaw
• Shape
• Length
• Height
• Width
-1 -0.5 0 0.5 10
0.2
0.4
0.6
0.8
1
1.2
Conductivity variation (MS/m)
Pro
babi
lity
dens
ity
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 10
0.2
0.4
0.6
0.8
1
Y start position (mm)
Pro
ba
bili
ty d
en
sity
0 10 20 30 40 50 60 70 80 90 1000
0.005
0.01
0.015
Lift-off (µm)
Pro
ba
bili
ty d
en
sity
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.90
0.5
1
1.5
2
2.5
3
3.5
4
Crack height (ratio of length)
Pro
ba
bili
ty d
en
sity
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50
20
40
60
80
100
Crack length (mm)
Sig
nal r
esp
onse
(%
FS
H)
With uncertainties
Deterministic
0 0.5 1 1.5 2 2.5 3 3.50
10
20
30
40
50
60
70
80
90
100
Crack length (mm)
PO
D (
%)
Estimated POD
(simulation with uncertainties)
POD 95% confidence
(simulation with uncertainties)
Step detection function
(no uncertainty)
POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
La propagation d’incertitudes
Page 21
28 September,
2012
-4 -3 -2 -1 0 1 2 3 40
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Probe angle (°)
Pro
ba
bili
ty d
en
sity
Les valeurs des paramètres d’entrée sont
tirées aléatoirement selon la loi de proba qui
leur est associée.
a
SY
*
*
* *
Input: incertitude Output: variabilité
POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Plan de l’exposé
1. Généralités sur les POD
– POD : Pourquoi ?
– POD : Comment ?
– POD et Confiance ?
2. L’approche « POD utilisant la simulation »
– Pourquoi ?
– Comment ?
– Exemples et résultats
3. Les recherches en cours et perspectives
POD & Simulation supported POD
Page 22
28 September,
2012
Use case: HFET of fatigue cracks in Titanium
Page 23
28 September,
2012
Part NDT
Material: Titanium (TA6V)
Geometry: Flat areas
Defects: Fatigue cracks
Configuration: High Frequency Eddy
Currents Testing (HFET)
Probe: Pencil probe (2MHz)
Conditions: In-service (manual)
POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Plan d’expériences numériques : HFET sur Titane
Page 24
28 September,
2012
Paramètre caractéristique du défaut : longueur de fissure (mm)
Paramètres incertains :
POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Start scan position Crack height (mm) Angle of the probe (°) Electrical contacts in
the crack
Corresponds to the position of
the probe for picking the
maximum amplitude signal
Fatigue cracking is subject to
many uncertainties
Translated into an additional
lift-off using geometrical rule
Uniform in [-0.5;05]
(scan increment=1mm)
Gaussian
0.5*length +N(0,1)*0.12*length
Gaussian(0°;1°)
(a) (b) (c)(a) (b) (c)-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 10
0.2
0.4
0.6
0.8
1
Y start position (mm)
Pro
ba
bili
ty d
en
sity
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.90
0.5
1
1.5
2
2.5
3
3.5
4
Crack height (ratio of length)
Pro
ba
bili
ty d
en
sity
-4 -3 -2 -1 0 1 2 3 40
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Probe angle (°)
Pro
ba
bili
ty d
en
sity
0 1 2 3 4 50
5
10
15
20
25
30
35
40
45
50
Crack length (mm)
Ra
tio
of e
lectr
ica
l co
nta
cts
(%
)
Settings – Calibration & Data extraction
Page 25
28 September,
2012
Quelle quantité extraire des simulations ?
En HFET typiquement l’amplitude sur la voie Y, après avoir réglé
• Phase du Lift-off à zéro
• Gain tel que l’entaille de référence soit à 100 % de hauteur d’écran (FSH)
Celle spécifiée par la procédure
Rotation de 56.5°
Y gain: 27.3 dB
POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Données Expérimentales / Simulées
Page 26
28 September,
2012
• Experimental database
– 69 cracks from 0.33 mm to 6.66 mm
– 5 operators
• Simulations
– 100 crack lengths from 0.25 mm to 5.0 mm
– 6 samples per crack length
0 1 2 3 4 5 6 70
20
40
60
80
100
Crack length (mm)
Sig
na
l re
sp
on
se
(%
FS
H)
Experimental data
POD & Simulation supported POD, EADS NDT Days 2010 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
0 1 2 3 4 5 6 70
20
40
60
80
100
Crack length (mm)
Sig
na
l re
sp
on
se
(%
FS
H)
Measured data
Simulated data
Simulated data
with electrical bridges
Exp=3.4 mm
Simul=2.9 mm
First saturated data
Exp=1.4mm
Simul=1.55 mm
All cracks are detected
Analyse POD
Page 27
28 September,
2012
mma
mma
8.1
5.1
exp
95/90
exp
90
mma
mma
ECsimu
ECsimu
7.1
5.1
,
95/90
,
90
0.5 1 1.5 2 2.5 3 3.50
10
20
30
40
50
60
70
80
90
100
Crack length (mm)
Pro
ba
bili
ty O
f D
ete
ctio
n (
%)
Observed ratio (experimental)
Estimated POD (experimental)
POD 95 % conf. (experimental)
Observed ratio (simulation)Estimated POD (simulation)POD 95 % conf. (simulation)
0.5 1 1.5 2 2.5 3 3.50
10
20
30
40
50
60
70
80
90
100
Crack length (mm)
Pro
ba
bili
ty O
f D
ete
ctio
n (
%)
Observed ratio (experimental)
Estimated POD (experimental)
POD 95 % conf. (experimental)
Estimated POD (simulation)
POD 95 % conf. (simulation)
Empirical POD (simulation)
Comparaison POD expérimentale et simulée
Courbes POD similaires: • Léger écart sur les pentes (nombre de données dans la zone de pente)
• Bande de confiance plus étroite en simulation (2 fois plus de données)
Valeurs d’intérêt
similaires
POD & Simulation supported POD, EADS NDT Days 2010 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Page 28
28 September,
2012 POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
AUTOMATED PHASED ARRAY INSPECTION OF ELECTRON BEAM WELDING (STEEL)*
Part NDT
Material: Steel
Electron Beam Welding
Geometry: Locally flat areas
Defects: Voids
Configuration: Phased array UT
Multi-points focusing along the weld (0.2 mm
pitch)
0.2 mm increment on external radius
Probe:
Linear array 32 elements, pitch 0.3 mm,
10 MHz central frequency
Conditions:
In-plant (automated rotation)
* N. Dominguez, F. Jenson, V. Feuillard, P. Willaume, “Simulation-Assisted POD of a Phased Array Ultrasonic Inspection in Manufacturing”, QNDE 2011
Plan d’expériences numériques : PAUT sur EBM
Page 29
28 September,
2012
Paramètre caractéristique du défaut : rayon soufflure (mm)
Paramètres incertains :
POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
Defect radial position Defect angular position (mm) Water path (mm)
Position of the defect along the radial axis Position of the defect in the angular
direction (relative to the probe)
Uniform along the weld Uniform [-0.1;0.1] mm on external radius Gaussian with 3mm standard deviation
-36 -34 -32 -30 -28 -26 -240
0.05
0.1
0.15
Radial position (mm)
Pro
ba
bili
ty d
en
sity
-0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.20
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
Angular position (mm)
Pro
ba
bili
ty d
en
sity
50 55 60 65 700
0.02
0.04
0.06
0.08
0.1
0.12
0.14
Water path (mm)
Pro
ba
bili
ty d
en
sity
Page 30
28 September,
2012 POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
* N. Dominguez, F. Jenson, V. Feuillard, P. Willaume, “Simulation-Assisted POD of a Phased Array Ultrasonic Inspection in Manufacturing”, QNDE 2011
– 100 soufflures, rayons de 0.01 mm à 0.75 mm
– 6 échantillons par soufflure
0,000
0,005
0,010
0,015
0,020
0,00 0,10 0,20 0,30 0,40 0,50 0,60
Deterministic data
POD data
Noise threshold
Detection threshold
Void radius (mm)
Sig
nal M
ax. A
mplit
ude
Données POD (simulées)
Page 31
28 September,
2012 POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
– 100 soufflures, rayons de 0.01 mm à 0.75 mm
– 6 échantillons par soufflure
Résultat POD (simulées)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.50
10
20
30
40
50
60
70
80
90
100
Void radius (mm)
Pro
ba
bili
ty O
f D
ete
ctio
n (
%)
Estimated POD
POD 95% confidence
mma 25.095/90
La procédure a été mise au point pour
détecter des soufflures de 0.5 mm...
La bande de confiance est très étroite
(600 données + très peu de variabilité)
Plan de l’exposé
1. Généralités sur les POD
– POD : Pourquoi ?
– POD : Comment ?
– POD et Confiance ?
2. L’approche « POD utilisant la simulation »
– Pourquoi ?
– Comment ?
– Exemples et résultats
3. Les recherches en cours et perspectives
POD & Simulation supported POD
Page 32
28 September,
2012
En cours et Perspectives
Page 33
28 September,
2012
• Augmenter la robustesse de l’approche « POD simulée »
• Point sensible = renseigner les propriétés des paramètres incertains
Quelle influence sur la POD ? Quelle robustesse ?
• Comment intégrer l’information de données expérimentales ?
Comment optimiser la production de données expérimentales ?
• Améliorer les méthodes d’estimation statistique de la POD
• Fournir des estimations fiables lorsque les hypothèses de Berens sont violées
• Intégrer les outils et méthodes développées dans CIVA pour les
rendre accessibles à la communauté CND
POD & Simulation supported POD 1. Généralités sur les POD
2. POD & Simulation
3. Perspectives
■ 34
Confidence in POD using simulation A new approach of « confidence »
CONFIDENCE WITH SIMULATED DATA
• One POD scenario is:
» Define uncertainties in input
» Calculate POD curve
QNDE 2012, Confidence in POD using simulation
POD study
Scan
position Crack height
Probe
angle
Min Max µ µ
1 -0.5 0.5 0.5L 0.13L 0 1.6
2 -0.5 0.5 0.5L 0.09L 0 0.9
3 -0.5 0.5 0.5L 0.11L 0 0.5
… … … … … … …
k -0.5 0.5 0.5L 0.17L 0 1.2
POD study
Scan
position Crack height
Probe
angle
Uniform Gaussian Gaussia
n
Min Max µ µ
1 -0.5 0.5 0.5L 0.13L 0 1.6
2 -0.5 0.5 0.5L 0.09L 0 0.9
3 -0.5 0.5 0.5L 0.11L 0 0.5
k POD curves
Confidence approach: calculate a beam of scenarios and use the scattering on the POD curves
to estimate a confidence
POD
scenario
Scan
position Crack height
Probe
angle
Uniform Gaussian Gaussia
n
Min Max µ µ
1 -0.5 0.5 0.5L 0.12L 0 1.0
Sure Not sure
■ 35
Confidence in POD using simulation A new approach of « confidence »
CERTAINTY INDEX DEFINITION
Applies on the probability distribution parameters
Index 5
No uncertainty on the distribution parameter
Index 4
The distribution parameter follows a gaussian law with
(µ=GV*, =20% GV)
Index 3
The distribution parameter follows a gaussian law with
(µ=GV, =50% GV)
Index 2
The distribution parameter follows a gaussian law with
(µ=GV, =100% GV)
Index 1
The distribution parameter follows a uniform law with
(min=GV-3*GV, max=GV+3GV)
QNDE 2012, Confidence in POD using simulation
Not sure at all
Sure
Not so sure
Rather sure
Almost sure
* GV stands for « guessed value »
■ 36
Confidence in POD using simulation A new approach of « confidence »
COMPUTATION OF THE POD CURVE WITH CONFIDENCE
The 95% lower confidence POD curve is the curve which leaves on the left 95%
of the « POD curves » of the beam.
QNDE 2012, Confidence in POD using simulation
In practice the POD curve with confidence can be built pointwize, looping on POD values :
For p in [0.01;0.99]
Find the POD curve leaving 95 % of the curves on the left at ordinate p
Pick-up the corresponding flaw size ap
End
The POD curve with confidence is the set of points (ap, p).
■ 37
Confidence in POD using simulation Cases study
HFET FOR FATIGUE CRACKS IN TITANIUM (TA6V): MANUAL INSPECTION*
• Uncertainty description with confidence index
QNDE 2012, Confidence in POD using simulation
Parameter Scan position Crack height Angle of the probe
“Guessed”
uncertainty
distribution
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 10
0.2
0.4
0.6
0.8
1
Y start position (mm)
Pro
ba
bility d
en
sity
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.90
0.5
1
1.5
2
2.5
3
3.5
4
Crack height (ratio of length)
Pro
ba
bility d
en
sity
-4 -3 -2 -1 0 1 2 3 40
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Probe angle (°)
Pro
ba
bility d
en
sity
Distribution
parameters
CI Distribution CI Distribution CI Distribution
µ 5 = 0 Min 5 = -0.5 µ 5 = 0.5L
2 ~N(1°; 1°) Max 5 = 0.5 3 ~N(0.12L; 0.06L)
Distribution of Distribution of
■ 38
Confidence in POD using simulation Cases study
HFET FOR FATIGUE CRACKS IN TITANIUM (TA6V): MANUAL INSPECTION
• Results
QNDE 2012, Confidence in POD using simulation
a90/95 = 1.51 mm
Adaptative Database
1335 stored CIVA calculations
Total computation time: 68.5 hours
Surrogate-model
Computation time: 0.9 ms
Total computation time for 100
POD curves made of 600 data: 52 s
Total computation time: 68h30mn
If no surrogate-model
Total computation time would be:
506 hours
■ 39
Confidence in POD using simulation Cases study
AUTOMATED PHASED ARRAY INSPECTION OF ELECTRON BEAM WELDING (STEEL)*
QNDE 2012, Confidence in POD using simulation
Part NDT
Material: Steel
Electron Beam Welding
Geometry: Locally flat areas
Defects: Voids
Configuration: Phased array UT
Multi-points focusing along the weld (0.2
mm pitch)
0.2 mm increment on external radius
Probe:
Linear array 32 elements, pitch 0.3
mm, 10 MHz central frequency
Conditions:
In-plant (automated rotation)
* N. Dominguez, F. Jenson, V. Feuillard, P. Willaume, “Simulation-Assisted POD of a Phased Array Ultrasonic Inspection in Manufacturing”, QNDE 2011
■ 40
Confidence in POD using simulation Cases study
AUTOMATED PHASED ARRAY INSPECTION OF ELECTRON BEAM WELDING (STEEL)
• Uncertainty description with confidence index
QNDE 2012, Confidence in POD using simulation
Parameter Radial position Angular position Water path
“Guessed”
uncertainty
distribution
-36 -34 -32 -30 -28 -26 -240
0.05
0.1
0.15
Radial position (mm)
Pro
ba
bility d
en
sity
-0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.20
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
Angular position (mm)
Pro
ba
bility d
en
sity
50 55 60 65 700
0.02
0.04
0.06
0.08
0.1
0.12
0.14
Water path (mm)
Pro
ba
bility d
en
sity
Distribution
parameters
CI Distribution CI Distribution CI Distribution
Min 5 = -32.5 mm Min 5 = -0.1 mm µ 5 = 58.1 mm
3 ~N(3; 1.5) Max 5 = -26.2 mm Max 5 = 0.1 mm
Distribution of
■ 41
Confidence in POD using simulation Cases study
AUTOMATED PHASED ARRAY INSPECTION OF ELECTRON BEAM WELDING (STEEL)
• Results
QNDE 2012, Confidence in POD using simulation
a90/95 = 0.26 mm
Adaptative Database
140 stored CIVA calculations
Total computation time: 1 hour
Surrogate-model
Computation time: 0.6 ms
Computation time for 100 POD
curves made of 600 data: 38 s
Total computation time: 1h 38s
If no surrogate-model
Total computation time would be:
50 hours!
■ 42
Intégration de données expérimentales et simulées Une approche Bayesienne
La méthode de “mise à jour Bayesienne” peut être utilisée pour prendre en compte
l’apport d’information dans le résultat découlant de cette information
QNDE 2012, Confidence in POD using simulation
Schéma envisagé :
1. POD simulée
2. Apport de données expérimentales (avec parcimonie)
3. Evaluation de l’impact de l’apport de données
4. Continue à ajouter des données ou arrêt.
Conclusion
Page 43
28 September,
2012
La méthodologie POD simulée ouvre des possibilités importantes pour
le CND et les démonstrations de performances
Plusieurs cas de validation ont été menés avec succès
– PICASSO
– Groupe MAPOD aux USA (GE, Pratt-Whittney)
Des échanges Européens-Américains ont lieu tous les ans (QNDE,
ASNT Fall conference) => Session dédiée à QNDE en 2013
La FAA suit le groupe de travail et promeut les activités R&D sur le sujet
Des outils sont disponsibles dans CIVA 10
CIVA 11 : Extension des fonctionnalités et convivialité améliorée
POD & Simulation supported POD
CIVA
Page 44
28 September,
2012 POD & Simulation supported POD
200 customers located in 35 countries.
More than 250 active licenses
100 people trained per year
CIVA team
120 people (½ developers, ½ methods engineers)