Incertitude de Mesure

Ecole Nationale d’Ingénieurs de Bizerte (ENIB)
Cours
Incertitude de mesure
Réalisé par:
Boulahem khaled
Année 2022/2023
1
Sommaire
Introduction et présentation de concept d’incertitude
Procédés d’estimation des incertitudes de mesures
1. Bilan des causes d’incertitudes

2. Mettre en équation les causes
3. Evaluer les incertitudes
4. Calcul de l’incertitude Elargie
5. Annonce du résultat
Exemple pratique de calcul des incertitudes
Notion de capabilité
Travaux dirigés
2
Concepts Estimation d’incertitude de mesure Notion de capabilité
Textes de référence
Le GUM (NF ENV

La norme ISO 5725 « Exactitude
13005)
Guide pour l’expression de (justesse et fidélité) des résultats
l’Incertitude de Mesure et méthodes de mesure
Synthèse l’Afnor :
FD X 07-021
« Aide à la démarche pour
l’estimation et l’utilisation des
mesures et des résultats d’essais »
3
Il existe des spécifications dimensionnelles
ARBRE DE POMPE A PISTONS AXIAUX - CITROEN

4
Il existe des spécifications géométriques :

Défaut de Forme
Défaut de forme

5

Défaut d’Orientation
Défaut
d’orientation
6

Défaut de Position
Défaut de position
Il existe des spécifications d’Etat de Surface
Défaut d’état de
surface
8
Position du problème
Objectif de mesurage
Obtenir une valeur y d’une grandeur x
VALEUR VRAIE OBTENUE AVEC UN MESURAGE PARFAIT
Erreurs de mesures
Ecart entre résultat de mesurage et la valeur vraie
Systèmes de mesure
La grandeur mesurée
Les sources d’erreurs
Technique d’observation
10
Rôle du métrologue Diminuer ces erreurs
Plus proche de la valeur vraie
Nécissité d’annoncer une incertitude
‫ݕ‬േࢁ
[y-U, y+U]
11
Les erreurs de mesure
Une mesure n’est jamais parfaite, elle est toujours

entachée d’erreurs diverses
RESULTAT D’UN MESURANDE = VALEUR VRAIE + ERREUR DE MESURE
Un mesurande est ce Représente la valeur

que l’on veut mesurer. théorique de la mesure
Par exemple : si aucune erreur n’était
La longueur d’une faite : IMPOSSIBLE A
pièce Le diamètre CONNAITRE
d’une pièce à 25 °C…
12
Erreur de mesure :
Différence entre la valeur mesurée d’une grandeur et une valeur de
référence.
Erreur systématique :
Composante de l’erreur de mesure qui dans des mesurages répétés demeure
constante.
Erreur aléatoire :
Composante de l’erreur de mesure qui dans des mesurages répétés varie
de façon imprévisible
13
Comment réduire ces erreurs ?
On diminue généralement l’erreur aléatoire en augmentant le

nombre
de mesures et en prenant la moyenne de ces valeurs.
On diminue les erreurs systématiques en appliquant des

corrections
Ces deux règles constituent la base de la démarche du métrologue qui

cherche à donner la meilleure estimation possible du mesurande
14
Résumé
Résultat de Erreur de
Valeur vraie
mesure Mesure
Erreur de
Erreur systématique Erreur aléatoire
Mesure
Fidélité Justesse
Répétabilité
Reproductibilité
15
De l’erreur à l’incertitude
Exemple 1. 1/3
métrologues
On confie un pesage à
deux laboratoires
différents
? Quel est le
1000,236
bon résultat ?
999,785
Laboratoire A Laboratoire B
16
Exemple 1. 2/3
Représente la plage
d’incertitude
1000,236g
999,785g
Résultat accompagné de son :
incertitude de mesure
17
Exemple 1. 2/3
Représente la plage
d’incertitude
1000,236g
Ouf ! Il y a une intersection non-

Résultat accompagné de 999,785g nulle entre les deux plages
son : d'incertitude :
incertitude de mesure la valeur vraie est la dedans !
18
?? Erreurs de mesure ou incertitudes ??

En résumé
L’erreur de mesure est le maxi de ce que l’on peut avoir entre la valeur
vraie et la valeur mesurée
L’incertitude résulte d’un calcul statistique qui permet d’encadrer la valeur

mesurée dans des valeurs raisonnables.
C’est bien l’INCERTITUDE (et non l’erreur) qu’il faut faire apparaître dans le
résultat de mesure.
19
Estimation des incertitudes
Il va falloir faire des statistiques, il faut avoir la maitrise de ce qu’est:
- Une moyenne
- Un écart-type
- Une loi de distribution
- L’écart-type d’une loi de distribution
20

Rappel de statistique
Jeveux mesurer un diamètre d’une

série de pièces
21

Rappel de statistique : la moyenne
5 mesures faites au micromètre :

Pièce 1 Pièce 2 Pièce 3 Pièce 4 Pièce 5
19.85 19.992 19.859 19.993 19.991
1 n
x ¦ xi
ni 1
AN : 19.937 mm
Moyenne
22
Rappel de statistique : la variance
La variance donne des informations sur la dispersion des résultats. Elle permet
d’estimer la distance moyenne de chaque valeur observée par rapport à la
moyenne des résultats.
Le statisticien dirait :…àutiliser si
on a au moins 30 mesures
d4 Pièce 4
Pièce 3 d3 19.993
1 n
19.859 d2 Pièce 2
2
s (x)
n 1i 1
¦
(x i x)
2
Pièce 1 d1 19.992
19.85 d5 Pièce 5
19.991 Variance Expérimentale
AN : 0.0057 mm2
Moyenne
19.937 Flute, la variance n’est pas dans
Elle représente la moyenne des di la même unité que le
mesurande ! 23
Rappel de statistique : l’écart-type
!! Il est plus commode à utiliser car il est dans la même unité que la grandeur mesurée!!
L’écart-type est la racine carré de la variance !
Ecart Type Expérimental

AN : 0.0754 mm
24
Rappel de statistique : l’écart-type et l’incertitude
On admettra que
l’incertitude équivaut à unécart-type
et donc se manipule mathématiquement comme un écart-type
Les statisticiens démontrent que la variance d’un système global est la

somme des variances des éléments qui le constituent
Donc attention : pour additionner des incertitudes, il faut les élever au carré ! :
On met « s » si on est mathématicien (s est le

2
s globa s 2 s 2 s 2 ... s 2 symbole de l’écart-type)
l 1 2 3 n
On met « u » si on est métrologue

uc
2 u 2 u 2 u 2 ... u 2 (u est le symbole de uncertainties = incertitudes)
1 2 3 n
25
Procédés d’estimation des incertitudes
Etape 1 : Répertorier toutes les causes d’incertitudes (méthodes des 5M)
Méthode Milieu
Vibrations Température
Nombre de mesure
Durée de mesure
Rayonnements Pression
Application de
correction Choix des étalons Hygrométrie
Poussières
Résultat de
Masse volumique mesure
Vue
Propreté Expérience Résolution
Dérive
Coefficient de Parallaxe Justesse
dilatation Etat de surface Formation
Fidélité
Matière Main d’oeuvre Moyens
26
Etape 2 : Mettre en équation le mesurande : ( y = f(x1, x2, …,xn) )

Cela peut être une simple somme des différentes causes d’erreurs :
Mesurande = longueur mesurée + erreur liée à la dilatation + erreur lié à
la direction de mesure + …
Le mesurande peut aussi résulter d’une formule Mathématiques plus ou

moins complexe.
Exemple:
Détermination de la densité de l’air en fonction de la température (t),
de l’hygrométrie (h) et de la pression(P)
d=(0,464439.P-(0,00252*t-0,20582)*h)/2 3,15+t)…
27
Étape 3 : Evaluer les incertitudes types
2 méthodes :
Type A : évaluation à l’aide de méthodes statistiques
• Type B : évaluation par d’autres moyens
28

Étape 3 : Evaluer les incertitudestypes
Évaluation d’une incertitude-type A
Méthode de type A : évaluation de l’incertitude type par une méthode

statistique (moyenne, écart type…).
• Évaluation de la répétabilité du processus de mesure
• De réaliser n mesurages et de calculer un écart-type expérimental
29

Évaluation d’une incertitude-type A

Estimation de xi
n
xi X i
1 ¦ X
i
n k 1
Variance de catégorie type A
n
s 2 (X )
¦( X
1 1
2
u (xi ) 2
s (X i ) i
Xi ) 2
n (n 1)
i,k
n k 1
Incertitude type A est égale à l’écart type sur la valeur moyenne
s(X i )
u(xi ) s( X i ) u(x i )
࢔
30
Evaluation de l’incertitude de type B
31

En pratique, il est notamment nécessaire de faire un bilan des erreurs que l'on répartit
en :
• Erreurs systématiques
•(Erreur de parallaxe lors de la lecture sur un cadran à aiguille, le réglage de zéro
d'un appareil, les erreurs de méthode, le vieillissement des composants, ...).
• Erreurs aléatoires
• Les erreurs de lecture ou dues à l'appareil lui-même, ou dues aux conditions
extérieures (température, dilatation thermique, pression atmosphérique, humidité, ...).
32

L’incertitude-type B est évaluée par un jugement sur toutes informations disponibles

telles que :
des résultats de mesures antérieures,
– La connaissance générale du comportement et des propriétés des
matériaux et instruments utilisés,
– Des spécifications du constructeur,
– Des données fournies par les certificats d’étalonnage, constats de vérification
– L’incertitude assignée à des valeurs de référence provenant de documents
33

Etape 3 : Evaluer les incertitudes types
Les lois de distribution classique en métrologie
Si la loi est normale

et on a connaissance des bornes maxi et mini
(ici –a / +a)
f(x) Loi normale : cas classique lorsque

on a fait une série de mesure
L’écart-type (ou incertitude) est :
-a a asup ainf
x x u(x i )
2x3
34

Etape 3 :Evaluer les incertitudestypes
Si la loi est uniforme (rectangulaire)

et on a connaissance des bornes maxi et mini (ici –a / +a)
x a la même probabilité de prendre n’importe quelle
valeur de l’intervalle ]-a, +a[
f(x)
Loi rectangulaire :
- Résolution d’un appareil numérique
a/2 - Hystéresis
a a - Dérive supposé d’un étalon
- Instrument vérifié et conforme à une
classe.
-a x +a x
a sup a inf
u(x i )
2. 3 35

Etape 3 : Evaluer les incertitudestypes
Si la loi est en dérivée d’ArcSinus

Loi Dérivé d’Arcsinus :

f(x)
- Régulation d’une climatisation
a - Régulation d’un bain
a
- Générateur sinusoïdale
1/(∏a) a sup a inf

u(x i )
+a
2. 2
-a x x
36
Si la loi est triangulaire

f(x) Loi Triangle :
- Excentration d’un objet sur une
a a balance
1/a
asup ainf
u(x i )
-a +a x 2. 6
x
37

Exemple:
• Résolution d'un appareil de mesure

La graduation d'un instrument de mesure analogique ou l'afficheur d'un appareil numérique
sont des sources d'incertitude.
- La résolution du dispositif de lecture est δx,
- La valeur du signal d'entrée qui produit une indication donnée X peut se situer avec une
égale probabilité à n'importe quel endroit de
- le signal d'entrée est décrit par une loi de probabilité rectangulaire de largeur δx
et d'écart-type appelée incertitude de résolution
• Classe d'un instrument
L'Erreur Maximale Tolérée donne les limites extrêmes de variation de l'indication
obtenue d'un instrument de mesure de classe définie par l'intervalle
- L'incertitude-type associée est alors
38

Exemple:
Etude de la température d’un local :
• Méthode de type B : Connaissance des températures extrêmes du

local (17°C et 23°C) et choix d’une forme de distribution (uniforme) :
23qC 17qC 3qC

t 20qC u(t) 1,7qC
2 3
• Méthode de type A : on enregistre la température pendant un an puis

on traite les données :
t 1 t 2 ... t n 1 n 1 n
Moyenne : t
n
¦ ti
ni1
Incertitude – type : u(t) ¦
n 1 i 1
(ti t)2
39

Evaluation de l’incertitude de type composé
Plusieurs phénomènes à la fois peuvent influencer l’incertitude d’un résultat.

Donc :
Evaluer une incertitude de mesure, c’est:
- Identifier les différents facteurs qui y contribuentÆ bilan des causes d’incertitudes
- Quantifier ces facteurs par une méthode ( type A ou B) sous forme d’écart type
- Calculer l’incertitude type composée « uc» qui est la somme des écarts types
des facteurs d’incertitudes.
uc (V facteur1 ² V facteur 2 ² V facteur 3 ² ...... V facteurN ²
40
Etape 3 : Evaluer les incertitudes types

‫= ܿݑ‬ ‫ݑ‬2+‫ݑ‬2+‫ݑ‬2+…+‫ݑ‬2
1 2 3 8
Cause Cause
Incertitude Cause d’incertitude
d’incertitude d’incertitude
résultante dite n°3 : par exemple
n°1 : par n°2 : par
« globale » lié une erreur de
exemple lié à la exemple lié à
lecture
température l’humidité
L’incertitude globale uc est l’écart-type d’une loi de distribution normale
41

Exemple:
• Identification des différents facteurs
Causes :
Matière Milieu : T°
Incertitude « U » de mesure
Main-d’oeuvre Méthode : Machine :

Méthode de mesure A Caractéristique de l’instrument de mesure
Ici 3 facteurs sont les causes de l’incertitude :

Facteur 1 : T°
Facteur 2 : Méthode de mesure A
Facteur 3 : Caractéristique de l’instrument de mesure
42
Etape 3 : Evaluation des incertitudes

Exemple:
‫ݑ‬ଵ ‫݁ݎݑݐܽݎ݁݌݉݁ݐ̶ ݁ݎݑݏ݁݉ ݁݀ ݁݀ݑݐ݅ݐݎ݁ܿ݊ܫ ׷‬

‫ݑ‬ଶ ‫݁ݎݑݏ݁݉ ݁݀ ݁݀݋݄ݐ̶݁݉ ݁ݎݑݏ݁݉ ݁݀ ݁݀ݑݐ݅ݐݎ݁ܿ݊ܫ ׷‬
‫ݑ‬ଷ ‫ݐܿܽݎ̶ܽܿ ݁ݎݑݏ݁݉ ݁݀ ݁݀ݑݐ݅ݐݎ݁ܿ݊ܫ ׷‬±‫݈ ݁݀ ݁ݑݍ݅ݐݏ݅ݎ‬Ԣ݅݊‫݁ݎݑݏ݁݉ ݁݀ݐ݊݁݉ݑݎݐݏ‬
• Incertitude type composée : ‫ݑ‬௖ = ‫ݑ‬ଵ ଶ ൅ ‫ݑ‬ଶ ଶ ൅ ‫ݑ‬ଷ ଶ
43
Etape 4 :Incertitude Elargie
L’incertitude que l’on annonce dans le résultat de mesure :

l’incertitude Elargie
On utilisera :
x 2s x 2s l’incertitude élargie : U(x)= k. uc(x)
On va multiplier l’écart-type de la loi normale en question (donc uc)

par un coefficient k que l’on appelle le coefficient d’élargissement
La loi de distribution de l’incertitude sur le mesurande suit une loi normale (Ce
qui est vérifié mathématiquement par le théorème « Central Limite »,
44
Etape 5: Annonce du résultat

:
Le résultat doit contenir
Une valeur numérique avec un nombre correct de décimal : 23.34
L’unité : mm
L’incertitude élargie : 0,52
Le coefficient d’élargissement utilisé : k = 2
On peut donc dire

J’ai 95% de chance que la valeur vraie soit dans l’intervalle :
23,34 mm ± 0,52 mm
45

Incertitude de Mesure

Transféré par

Droits d'auteur :

Formats disponibles

Incertitude de Mesure

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Incertitude de Mesure

Transféré par

Droits d'auteur :

Formats disponibles

Ecole Nationale d’Ingénieurs de Bizerte (ENIB)

 Introduction et présentation de concept d’incertitude

 Procédés d’estimation des incertitudes de mesures

1. Bilan des causes d’incertitudes

 Exemple pratique de calcul des incertitudes

Le GUM (NF ENV

Concepts Estimation d’incertitude de mesure Notion de capabilité

Il existe des spécifications dimensionnelles

ARBRE DE POMPE A PISTONS AXIAUX - CITROEN

Il existe des spécifications géométriques :

ARBRE DE POMPE A PISTONS AXIAUX - CITROEN

Concepts Estimation d’incertitude de mesure Notion de capabilité

Il existe des spécifications géométriques :

ARBRE DE POMPE A PISTONS AXIAUX - CITROEN

Il existe des spécifications géométriques :

ARBRE DE POMPE A PISTONS AXIAUX - CITROEN

Concepts Estimation d’incertitude de mesure Notion de capabilité

Il existe des spécifications d’Etat de Surface

ARBRE DE POMPE A PISTONS AXIAUX - CITROEN

Obtenir une valeur y d’une grandeur x

VALEUR VRAIE OBTENUE AVEC UN MESURAGE PARFAIT

Concepts Estimation d’incertitude de mesure Notion de capabilité

Ecart entre résultat de mesurage et la valeur vraie

Rôle du métrologue Diminuer ces erreurs

Plus proche de la valeur vraie

Nécissité d’annoncer une incertitude

Concepts Estimation d’incertitude de mesure Notion de capabilité

Les erreurs de mesure

Une mesure n’est jamais parfaite, elle est toujours

RESULTAT D’UN MESURANDE = VALEUR VRAIE + ERREUR DE MESURE

Un mesurande est ce Représente la valeur

Les erreurs de mesure

Concepts Estimation d’incertitude de mesure Notion de capabilité

Les erreurs de mesure

Comment réduire ces erreurs ?

 On diminue généralement l’erreur aléatoire en augmentant le

 On diminue les erreurs systématiques en appliquant des

Ces deux règles constituent la base de la démarche du métrologue qui

Les erreurs de mesure

Concepts Estimation d’incertitude de mesure Notion de capabilité

Concepts Estimation d’incertitude de mesure Notion de capabilité

Ouf ! Il y a une intersection non-

?? Erreurs de mesure ou incertitudes ??

L’incertitude résulte d’un calcul statistique qui permet d’encadrer la valeur

Concepts Estimation d’incertitude de mesure Notion de capabilité

Estimation des incertitudes

Il va falloir faire des statistiques, il faut avoir la maitrise de ce qu’est:

- Une loi de distribution

- L’écart-type d’une loi de distribution

Estimation des incertitudes

Jeveux mesurer un diamètre d’une

Concepts Estimation d’incertitude de mesure Notion de capabilité

Estimation des incertitudes

5 mesures faites au micromètre :

Estimation des incertitudes

Rappel de statistique : la variance

Concepts Estimation d’incertitude de mesure Notion de capabilité

Estimation des incertitudes

Rappel de statistique : l’écart-type

L’écart-type est la racine carré de la variance !

Introduction et présentation de concept d’incertitude

Procédés d’estimation des incertitudes de mesures

Exemple pratique de calcul des incertitudes

On diminue généralement l’erreur aléatoire en augmentant le

On diminue les erreurs systématiques en appliquant des

Le mesurande peut aussi résulter d’une formule Mathématiques plus ou

Type A : évaluation à l’aide de méthodes statistiques

1/(∏a) a sup a inf

23qC 17qC 3qC

uc (V facteur1 ² V facteur 2 ² V facteur 3 ² ...... V facteurN ²