Jean-Marie De Conto

Mtrologie

Bibliographie: Christophe Bindi - Dictionnaire pratique de la mtrologie AFNOR (dition 2006) - ISBN 2-12-460722-7

Novembre 2012

1

La mtrologie

2

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

Objectif: 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

Qui va utiliser la mtrologie?

3

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

Principes fondamentaux

Questions naves

5

Quest ce quune incertitude? Une incertitude type?

Quest ce quun intervalle de confiance un niveau donn?

Une mesure se lit entre deux graduations. Que vaut lincertitude?

Et lincertitude type?

Do vient la formule dite de propagation?

Comment dois-je faire en cas derreur systmatique?

Comment dfinir une bonne mesure?

Je trace une grandeur Y en fonction dune grandeur mesure X

selon une droite de rgression Y~aX+b

Pourquoi ai-je besoin de connatre lincertitude sur a et b?

Comment dois-je faire?

Une incertitude est lestimation de lerreur commise

Erreur=variable alatoire avec une moyenne et un cart-type

Moyenne: erreur systmatique (offset, dcalage de zro)

Ecart-type: fluctuation dune mesure lautre

Erreur systmatique: implique un coefficient de correction

(entach derreur)

Fluctuation: peut se rduire par moyenne de plusieurs mesures

Incertitude type: estimation de lcart-type de lerreur

Incertitude largie = k*incertitude type

Intervalle de confiance: intervalle o la vraie valeur n% de

chances de se trouver

6

Lecture entre deux graduations

7

Loi derreur: uniforme (pas de rgion privilgie) sur [-a, a]

Une graduation = 2a

Densit: = 1/2

Moyenne: = = 0

(point milieu)

2 = 2 =1

32

= 2 2 =

3

Lincertitude type de lecture entre deux graduation est la demi-graduation divise par 3

Pas de philosophie du type je sais apprcier la demi-graduation

Dfinir lincertitude par un cart-type est la seule manire non ambigu de le faire

Rien nempche ensuite de prendre une incertitude largie!

X

Le processus de mesure

Soit V la valeur vraie

Le processus de mesure donne en fait = + +

E = erreur alatoire (fluctuations) de moyenne nulle et

dcart-type

D = erreur systmatique (constante)

8

Moyenne et incertitude sur la moyenne

On effectue N mesures mi dune mme valeur M

Moyenne exprimentale =1++

+ o D est lerreur systmatique

On estime D par comparaison/vrification/talonnage

Lcart-type de la fluctuation autour de Me est estim par

2 =

2

1 (cest lincertitude type sur une mesure)

=

est lincertitude type sur la moyenne (diffrente

de M)

La seule chose que lon sache dire:

9

Un exemple:ampremtre

10

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

Moralit

11

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 esur la valeur lue). e pourra tre estim exprimentalement. Ce devrait tre une constante

indpendante du nombre de mesures car il mesure la dispersion des mesures individuelles.

dcroit quand N augmente

2 =

2

1

=

Autrement dit: ne pas confondre

12

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 m quand N grandit

Ce nest donc pas une incertitude

Lincertitude sur la moyenne est donne par

Elle tend vers zro avec N

e

=1 ++

Me

2 =

2

1

=

Un second exemple: mesure de

rsistance

13

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

22

2

2

2

2

2

1VIR

VIR

uI

uI

Vu

uV

Ru

I

Ru

I

VR

Formule de propagation des incertitudes

Un dernier exemple

14

On talonne un manomtre suppos linaire Vlu=f(Pref)

On fait passer une droite V=aPref Pref est entach dune incertitude

Vlu galement

On doit donc dduire (cf TDs) lincertitude sur a

Quand on utilise le manomtre, on relve une tension Vmes (entache dune incertitude) et lon dduit Pmes par Pmes=Vlu/a

On dduit lincertitude sur Pmes 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

ErrorValue

0,151372,6301m2

NA26,211Chisq

NA0,95177R

V=f(P) 2

2

2

4

22 1

VaP ua

ua

Vu

2x

xya

Votre but: une mesure prcise?

Ex: mesurer x (valeur vraie=4)

15

Faible dispersion: FIDELITE Bon centrage: JUSTESSE

La bonne mesure doit tre juste et fidle

16

Le terme prcision

nexiste pas en mtrologie

Que faire?

17

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 eexprimental su N mesures.

On prend la moyenne des N valeurs comme rsultat final

Lincertitude sur la moyenne est e/N

Processus de mesure

18

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

Niveau de confiance

19

Lincertitude est, mathmatiquement, lcart-type u estim 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 u et 100% dans 3 u

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

Lassertion on a 99.7% dans 3 u est une stupidit.

Il faut connatre la loi de probabilit

Le cas particulier de la moyenne des

mesures

20

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

Niveau de confiance quand on sait que la loi est

gaussienne (ou N>30)

21

Intervalle de confiance n%: +-kE k=facteur de confiance ou dlargissement

Si m semble suivre une loi normale, la moyenne des

mesures suit une loi de Student. Plus prcisment:

22

G est une variable alatoire gaussienne

Quelle est la loi de distribution de la loi normalise (m=moyenne exprimentale)

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

mGX

Em

m

22

23

Degrs de libert: Nb chantillons-1

Loi de Student

Loi de Student

24

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

Autres lois

25

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?

exemples

26

Figures p 170 etc

27

Ex: Approximation grossire dune gaussienne

Ainsi que (un caf qui trouve)??????

Incertitudes et tolrances

28

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.

Exemple: Fabriquer des barres de

400mm+-0.9mm

29

Un paramtre U/T petit permet

La rduction du nombre de pices dclares non-conformes

Une amlioration du processus de fabrication

Figure 3.4

Dcision lors dun contrle

30

Incertitudes: La ralit du terrain

31

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!!!

Composition des incertitudes (loi dite

de propagation)

32

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

ux

yyu

ijjiij

n

i

n

ij

ij

ji

i

n

i i

ruuk

kx

y

x

yu

x

yyu

1 1

2

1

2

2 2)(

La formule de propagation: trouvez lerreur

33

Thorme: lapplication brutale de la formule conduit des contradictions

La vraie rponse

34

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 et lon ne peut

considrer que les carts-types

Lincertitude-type fournie ne caractrise que les fluctuations. Il manque

lerreur systmatique

2

2

2

2

2

),(

yxsy

f

x

f

yy

fx

x

fs

dyy

fdx

x

fds

yxfs

Une application intelligente sur la rgression

linaire y=ax

35

(1) Formule de base et

incertitude

(2) Ou encore

2

22

2

2

2

2

2 x

y

a ux

y

x

uu

x

xya

iiiii

iiiiii

dxaxydyxdax

dxydyxdxxadax

xyxa

2

2

2

2

2

2222222

2222222222222 442

yuuxux

xaxyayuuxuaxyuxux

xya

xyxya

Ici, (1) reste le plus simple, mais a ne dure pas

Nota: la regression classique privilgie un axe (minimisation de lerreur selon y, ce nest pas optimal mais nous nous limiterons ce cas

Rgression parabolique pour curiosit cf

document Rgressions et incertitudes

36

Et si je faisais plusieurs mesures ?

37

La dispersion, mesure par lcart-type exprimental, inclut

les deux erreurs. Donc je nai plus de soucis

lecturemesurandelu eexx

Fabrication de pices de

500mm0.19mm

38

Pied coulisse gradu au dixime (pas malin!)

UNE Mesure: 500.15mm

a=0.05mmu=0.029mm10% de risques=

500

500.15

500.18

u

u3

500.19

500.2 500.1

Autre exemple (idiot?)

39

Je mesure une longueur de 600 mm avec une rgle de

500 mm gradue au mm. Incertitude?

4.03/25.0

3

5.0

3

5.0

29.0

22

2

2

2

1

2

21

21

x

xxx

xx

xxx

Puisque lexemple est idiot, quel est le niveau de confiance si

lerreur sur chaque mesure est uniforme?

40

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

Mesure de la moyenne dun d

41

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: mE= 3.8, E=0.836, u=0.37 (incertitude type)

mE1.14u [3.37 4.22] avec 68% de NC

mE2.13u [3 4.6] avec 90% de NC

Dix premires Moyenne exp: mE= 4, E=1.11, u=0.35 (incertitude type)

mE1.06u [3.65 4.35] avec 68% de NC

mE1.83u [3.35 4.64] avec 90% de NC

Vingt valeurs Moyenne exp: mE= 3.75, E=1.41, u=0.31 (incertitude type)

mE1.03u [3.44 4.06] avec 68% de NC

mE1.73u [3.21 4.28] avec 90% de NC

Les dix dernires: mE= 3.5, E=1.65, u=0.52 (idal!)

Prsentation des rsultats

42

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!)

Chiffres

43

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 1er chiffre non nul et le suivant major

Ici: M=12.784(0.068)g

Estimation concrte de lincertitude:

deux mthodes

44

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

GUM

45

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

5725

46

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)

Caractristiques

47

48

GUM

A titre dillustration: extrait de la norme

ENV13005

49

Estimation des incertitudes de type A

50

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

11

11

1

22

112

k

kk

NN

NN

Estimation des incertitudes de type B

51

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

Exemples de lois et de leur domaine dapplication

52

Mthodologie

53

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)

C0 est la diffrence entre valeur lue et valeur estime: correction

obtenue par plusieurs mesures et moyenne

ampremtre

Re

Ie

I

R U

Ilue

Re

Vee

CCCIIC

CR

CUI

00

Introduction de lampremtre dans le systme

(rsolution, impdance etc)

talonnage mesure

Ue

Les 5M

54

Incertitude type A

55

Calcul des valeurs moyennes sur I et V, avec les incertitudes

exprimentales (coef de Student 1.05 pour 68.27% de niveau de

confiance)

Corrections

56

Incertitude de type B sur les corrections

57

Concerne Voltmtre, Shunt et Ampremtre

Voltmtre(exemple):

Certificat dtalonnage donne une incertitude de 5 10-5Vmes +0.7V pour k=2

u(Cvtal)=2.9 V

Rsolution 1 V rectangulaire

1 V /12=0.6 V = u(Cvdrive)

etc

Rsultat final: application de la loi de

propagation des incertitudes au modle

choisi (calculs non donns ici)

58

22222

2

2

22

2

0

)(IR

V

CIaCR

CV

c

I

R

I

Re

VeI

uuuuR

V

R

uuCu

IC

RC

CICR

CUCCC

59

Mthode 5725

La norme NF ISO 5725

60

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

Fidlit: modlisation

61

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

222

22

2

2

BrR

er

B

e

Exactitude dune mthode dessai:

justesse et fidlit

62

Fidlit: Les facteurs qui influencent la variabilit

dun essai peuvent prendre deux tats - Exemples

63

Fidlit: Le principe de la mthode des plans dexpriences

la catapulte: maximiser sa porte

64 http://www.si.ens-cachan.fr/ressource/r18/r18.htm

65

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

Ide: faire un minimum dessai pour

estimer ce que lon cherche

66

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)

67

On peut obtenir leffet des facteurs sur la moyenne en seulement 27 essais.

graphe des effets des facteurs avec un plan rduit Taguchi

Les plans dexprience pour estimer

les dispersions

68

Estimation de la justesse

69

Il faut au pralable estimer la fidlit

Il faut disposer dune rfrence conventionnellement vraie

Problme de la justesse = celui du biais Biais de la mthode : y=++B+O+e

Tous les labos sont dcals dune mme valeur

: valeur de rfrence accepte

Estimation du biais (ISO 5725-4)

y

Organismes, talonnage, raccordement, gestion

70

Comment organiser tout cela?

Les organismes

71

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?

LNE

72

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

COFRAC

73

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

Le raccordement

74

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)

La dgradation des incertitudes

75

Cas o la mtrologie nest pas

accrdite

76

Mener un audit sur les points suivants

Raccordement des instruments utiliss

Comptence du personnel

Existence de procdures dtalonnage ou vrification

Cohrence des incertitudes

Comment reconnatre le raccordement?

77

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

Aspects plus pratiques

78

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

Raccordement interne et externe

79

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%!!

Remarque: Sait on toujours faire le

raccordement? NON

80

Domaine physico-chimique

Duret

Matriaux de rfrence

Accept par des campagnes de validation interlaboratoires

Raccordement certaines constantes fondamentales (point

triple de leau)

Etalonnage et vrification - Suivi

81

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.

Quand talonner?

82

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

La chane dtalonnage

83

Vrification si

84

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

Renseignement dun certificat dtalonnage ou dun

constat de vrification

85

La confirmation mtrologique

86

Exemple de certificat dtalonnage

87

P324-326 (3 pages)

88

Constat de vrification

89

P322 et 323

Gestion du parc dans lentreprise

90

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

Rception dun appareil

91

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

Fiche de vie (exemple)

92

Divers

93

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)

La structure documentaire

94

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..

La documentation: mythe ou pige?

95

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

Exemple de procdure

dtalonnage

96

La sous-traitance de la mtrologie

97

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

Dfinir clairement le besoin

cahier des charges

98

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

Dfinir clairement le besoin

cahier des charges

99

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

Exemples dchecs (pas forcment dans le

domaine de la mtrologie)

100

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 .

Evaluation et optimisation

101

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

102

Exemple de grille

103