SlideShare une entreprise Scribd logo
1  sur  40
LA METROLOGIE …
Hier,
Aujourd’hui,

Demain ?
Jean-Michel POU
Dirigeant-Fondateur de la société DELTA MU Conseil
Président du G.I.E QUANTUM METWORK

1
Deux mots d’histoire
En 1789, la plupart des cahiers de
doléances demandent l'uniformisation
des poids et mesures : l'incohérence
et la multiplicité des anciens
systèmes sont l'oeuvre de la
féodalité.
« Un roi, une loi,
un poids et une mesure ! »
Un historique du Mètre par
Denis FEVRIER

2
Deux mots d’histoire
La métrologie légale est l’intervention de l’Etat pour garantir la
qualité des instruments de mesure ou des opérations de mesurage
touchant l’intérêt public : sécurité des personnes, protection de
l’environnement et de la santé, loyauté des transactions.
En France, le Service des Poids et Mesures est constitué par la loi du
4 juillet 1837. Ce service deviendra le Service des Instruments de
Mesures en 1946, le Service de la Métrologie en 1984, puis la Sous
Direction de la Métrologie en 1987.
Ce sont sur la Sous Direction de la Métrologie (SDM) et sur les
Directions Régionales de l’Industrie, de la Recherche et de
l’Environnement (DRIRE) que reposent les missions d’élaborer les
différents textes réglementaires qui régissent le contrôle des
instruments de mesure, d’approuver les nouveaux modèles
d’instruments de mesure réglementés, et de coordonner les
contrôles métrologiques.

3
Notre culture actuelle
Au 10ème Congrès International de
Métrologie (Saint-Louis 2001),
M. GIACOMO, ancien Président du
B.I.P.M disait :
« Les enfants apprennent la mesure
dans la cour de l’école, comme ils
apprennent la vis et l’écrou »

4
Notre culture actuelle
Le concept même
d’ Incertitude de Mesure
ne nous est pas facilement accessible.
Notre culture a tout fait,
légitimement, pour nous faire oublier
qu’aucune mesure ne peut, par nature,
être juste !
5
Mais les objectifs de la
Métrologie Légale et de la
Métrologie Industrielle
sont-ils les mêmes ?

6
La Métrologie Industrielle
Si la Métrologie Légale vise à obtenir
l’honnêteté et l’égalité,
la Métrologie Industrielle
doit garantir :
LA FONCTIONNALITE

!

7
La Métrologie Industrielle
La fonctionnalité d’un produit est bien
évidemment assurée
par sa valeur vraie :

C’est la valeur vraie du diamètre
intérieur du bouchon du stylo qui fait
que le bouchon assure sa fonction !
8
La Métrologie Industrielle
Contrairement à ce que notre société nous a
inculqué de façon implicite :

La valeur mesurée ≠ La valeur vraie

Pourquoi
9
Pour réaliser une mesure, il faut :
Environnement

Étalon

Instrument

Mesurande
Opérateur
10
La Métrologie Industrielle
L’incertitude de mesure trouve son
origine dans tous les facteurs du
processus :
Cas N°1

Cas N°2

Moyen
Matière
Main d'œuvre

Milieu
Méthode
11
La Métrologie Industrielle
Norme ISO 14 253-1 : Déclaration de conformité
Zone de non
conformité

Spécification

Incertitude de mesure

Zone de non
conformité

Incertitude de mesure
Zone de conformité
Zone de doute

12
La Métrologie Industrielle

Spécification

= Zone de conformité ?

X

X

X

Valeur mesurée
Dérogation ?

Valeur mesurée
CONFORME

Valeur mesurée
CONFORME

13
Les perspectives de la
Métrologie

En intégrant le concept d’incertitude de
mesure, et en maîtrisant les facteurs les plus
influant des processus de mesure, la
Métrologie pourra se présenter en véritable
outil de la productivité industrielle
Incertitude

Spécification = Zone de conformité

Incertitude

Besoin fonctionnel
Besoin fonctionnel ?
14
Incertitude
et déclaration de conformité
En prenant conscience des incertitudes de mesure qui
entachent tous les résultats de mesure, les industriels
trouveront des axes d’amélioration et des possibilités de
gain de productivité :
• Tolérancement (Tolérancement quadratique)
•

Réglage (Cas des presses à injecter par exemple)

•

Recherche / Développement (Temps de mise au point)

•

Formulation

•

Etc …
15
Métrologie et Statistique
La multitude des facteurs intervenants dans
l’incertitude de mesure impose au métrologue de
découvrir l’outil statistique …

La statistique : une autre façon
de penser !

16
Métrologie et Statistique
A la découverte des phénomènes aléatoires …
En lançant 1 dé un grand nombre de fois,
on obtient :

1

2

3

4

5 ou 6
17
Métrologie et Statistique
A la découverte des phénomènes aléatoires …
Le premier réflexe, lorsqu’on a une série de
données, c’est d’en faire la moyenne :

3,5
La moyenne ne nous donne pas
d’information sur l’ensemble des valeurs
possibles, ni sur leur probabilité de se
présenter !

18
Métrologie et Statistique
A la découverte des phénomènes aléatoires …
Pour avoir des informations sur l’ensemble des
valeurs possibles, il est nécessaire de connaître
également …
σ

σ

3,5
L’écart type de la distribution noté :

σ
19
Métrologie et Statistique
A la découverte des phénomènes aléatoires …
En connaissant la loi de distribution (Loi uniforme
dans le cas d’un dé) et l’écart type, on connaît la
probabilité qu’une valeur de se présente :

σ

σ

Dans ce cas, en lançant un dé, on a
57,74 % de chance que la valeur soit
comprise dans l’intervalle : Valeur
Moyenne ± Ecart type

20
Métrologie et Statistique
A la découverte des phénomènes aléatoires …
Avec 3 dès maintenant, on obtient :

3, 4, 5 …………………………….18
21
Métrologie et Statistique
A la découverte des phénomènes aléatoires …
Il s’agit d’un effet démontrer par un théorème
mathématique (Théorème Central Limite) : une loi
normale !

±1σ : ≈ 68% des valeurs
±2σ : ≈ 95% des valeurs

±3σ : ≈ 99,7% des valeurs …
Mais jamais 100% !

22
Métrologie et Statistique
A la découverte des phénomènes aléatoires …
En ne lançant 3 dès que quelques fois, on a peu de
chance de trouver les valeurs limites du phénomène
(3 et 18).

Avec l’écart type et la moyenne, on peut
les estimer sans les avoir vues !

23
Métrologie et Statistique
A la découverte des phénomènes aléatoires …
Ainsi, quand on « mélange » des phénomènes
aléatoires indépendants, on obtient une loi normale !
L’objet mesuré
L’opérateur

La méthode
utilisée
Le moyen
L’environnement

L’incertitude de mesure a les propriétés
d’une loi normale !

24
Métrologie et Statistique
A la découverte des phénomènes aléatoires …
L’évaluation de l’incertitude de mesure correspond à
la recherche de l’écart type résultant du « mélange »
des écart types le constituant :
La méthode
L’objet mesuré : σ1
L’opérateur : σ2

utilisée : σ3
Le moyen : σ4
L’environnement : σ5

σTotal² = σ1²+ σ2²+…+ σn²

25
Les erreurs d’aujourd’hui …
Tous les instruments de mesure peuvent être représentés par le
schéma suivant :
La recherche des erreurs maximales, dans le cas de
l’étalonnage par exemple, conduit a des erreurs :

En réalité :

Erreur de la graduation i

Erreur de la graduation j
Erreur de la graduation k

Erreur de la graduation26
l
Les erreurs d’aujourd’hui …
En effet, il est impossible de mesurer toutes les
graduations, donc impossible de trouver l’erreur la
plus grande.
D’autre part, les informations données aujourd’hui
ne permettent pas de savoir si le comportement de
l’instrument est plutôt de type systématique (pas
d’écart type, une correction uniquement) ou plutôt
de type aléatoire (pas de correction possible,
chaque graduation a une erreur indépendante des
autres) ou un « mix » des deux cas précédents.
27
Les erreurs d’aujourd’hui …
De plus, la norme NF X 07-001 (V.I.M) s’est
probablement trompé :
Définition 3.10 : Erreur de mesure
Résultat d’un mesurage moins une valeur vraie du
mesurande
Définition 5.20 : Erreur d’indication d’un instrument
de mesure
Indication d’un instrument de mesure moins une
valeur vraie de la grandeur d’entrée correspondante.
28
Les erreurs d’aujourd’hui …
Qu’elle est la différence entre le résultat d’un
mesurage (la valeur mesurée) et l’indication d’un
instrument de mesure ???
Ainsi, à l’étalonnage, on ne mesure pas les erreurs
de l’instrument mais on estime les erreurs de
mesure d’un processus particulier dont on connaît 4
des variances et dont on cherche à extraire la part
provenant de l’instrument !

29
Les erreurs d’aujourd’hui …
La recherche des Erreurs Maximales conduit à un
autre type d’erreur :

Erreur de
justesse
totale

Dans le cas des instruments à « zéro flottant », l’erreur
maximale de justesse est définie comme étant la
différence entre les ordonnées max et min de la courbe !

30
Les erreurs d’aujourd’hui …
Pour ramener cette valeur sous la forme d’un écart
type, il convient de connaître la probabilité que cette
erreur se produise (un yam de 6 puis un yam de 1 !)
Avec une approche statistique, on peut directement
évaluer l’écart type, sans passer par l’erreur
maximale :
En notant e1, e2, …., en les n écarts obtenus sur
chacun des n points d’étalonnage, on peut
déterminer les erreurs (ei – ej) possibles en utilisant
cet instrument à zéro flottant. L’écart type de tous
ces écarts correspond au paramètre recherché !
31
Les erreurs d’aujourd’hui …
Sans outils statistiques, comment savoir si deux
valeurs sont différentes ?
D’une façon formelle, 11 et 13 sont différents …
Mais, en tenant compte des incertitudes sur ces
valeurs, est-ce si évident ?
Pour savoir si ces 2 valeurs sont différentes, il suffit
d’évaluer « leur distance » en terme d’écart type
(Ecart Normalisé) :
(11 – 13) / σ
32
Les erreurs d’aujourd’hui …
Exemple d’application :
L’évaluation de l’homogénéité d’une enceinte, d’un
bain, d’une étuve, … passe par la mesure de
différents points dans l’espace puis la recherche de
la température Max et de la température Min.
Là encore, tous les points de l’espace défini ne sont
pas mesurés … et l’incertitude sur la différence
entre TMax et TMin est influencée par la covariance
entre les incertitudes sur TMAX et sur TMin !
33
Les erreurs d’aujourd’hui …
En ayant une approche statistique, les résultats
pourraient être les suivants :
En prenant en compte toutes les valeurs mesurées,
sans tenir compte du capteur, on peut calculer un
écart type combiné qui peut s’écrire :

σ²c = σ²Homogénéité + σ²Capteur + …
Sous réserve qu’aucun des capteurs ne donne des
valeurs aberrantes, l’écart type des valeurs
mesurées se présente comme un majorant de
l’homogénéité de l’espace analysé !
34
Les erreurs d’aujourd’hui …
Pour détecter d’éventuelles valeurs aberrantes au
moment de la mesure, il suffit de vérifier l’écart
normalisé des valeurs moyennes obtenues pour
chaque capteur avec la valeur moyenne, tous
capteurs confondus !
Capteur 1 : θ1Moyen ⇒ ENCapteur1 = (θ1Moyen - θ Moyen) / σc
Capteur 2 : θ2Moyen ⇒ ENCapteur2 = (θ2Moyen - θ Moyen) / σc
…
Capteur n : θnMoyen ⇒ ENCapteurn = (θnMoyen - θ Moyen) / σc

35
Les erreurs d’aujourd’hui …
Et pourtant, ça marche !!!!

POURQUOI ?
COMMENT ?
Combien cela coûte-t-il aux industriels de croire
qu’ils mesurent juste ?

36
Demain ?
Dans l’industrie, on n’a pas besoin de tolérances
mais d’un résultat, d’une fonction !
On peut voir aujourd’hui les spécifications,
consignes et autres exigences comme autant de
recettes qui permettent d’atteindre le résultat
souhaité.
Ces recettes se sont écrites dans le temps, par
confrontation aux résultats obtenus … un peu
comme une vinaigrette que l’on goûte en la faisant !

37
Demain ?
Par exemple, pour obtenir la fonction « BOUCHON »
pour un stylo, la recette est :
Tolérance du bouchon

Tolérance du stylo

⇒
⇒

Le producteur choisit un
Process
(Production + Contrôle)
Le producteur choisit un
Process
(Production + Contrôle)

Cette recette donne satisfaction …
ça marche !
38
Demain ?
En raisonnant statistique, on peut changer la
« recette » en se disant qu’on n’a pas besoin d’avoir
tous les bouchons plus grands que tous les stylos
mais seulement d’avoir un bouchon compatible avec
un stylo en tirant l’un et l’autre au hasard :
En travaillant sur les moyennes
et les écart types de ces 2
distributions, il est possible de
Dispersion des bouchons déterminer le nombre de cas qui
ne fonctionneront pas :
Dispersion des stylos

Le coût Produit devient ainsi
associé au risque qu’il ne
fonctionne pas !
39
MERCI POUR VOTRE
ATTENTION
Coordonnées :
Jean-Michel POU – DELTA MU CONSEIL
•

Tél : 04 73 15 13 00

•

Fax : 04 73 15 13 09

•

Mail : jmpou@deltamu.fr

40

Contenu connexe

Tendances

Pour une métrologie efficace et économique
Pour une métrologie efficace et économiquePour une métrologie efficace et économique
Pour une métrologie efficace et économiqueJean-Michel POU
 
La métrologie dans les L.A.B.M : faire ou faire faire ?
La métrologie dans les L.A.B.M : faire ou faire faire ?La métrologie dans les L.A.B.M : faire ou faire faire ?
La métrologie dans les L.A.B.M : faire ou faire faire ?Jean-Michel POU
 
Methodologie Validite et Fiabilite
Methodologie Validite et FiabiliteMethodologie Validite et Fiabilite
Methodologie Validite et FiabiliteRémi Bachelet
 
Incertitude mesure cafmet_2008
Incertitude mesure cafmet_2008Incertitude mesure cafmet_2008
Incertitude mesure cafmet_2008Mohamed Kortbi
 
Comportement cyclique acier
Comportement cyclique acierComportement cyclique acier
Comportement cyclique acierSami Sahli
 
Atlas de poche microbiologie
Atlas de poche   microbiologieAtlas de poche   microbiologie
Atlas de poche microbiologieS/Abdessemed
 
Quelques exemples de calcul d'incertitudes (GUM et GUMS1)
Quelques exemples de calcul d'incertitudes (GUM et GUMS1)Quelques exemples de calcul d'incertitudes (GUM et GUMS1)
Quelques exemples de calcul d'incertitudes (GUM et GUMS1)Jean-Michel POU
 
Projet interne sur capteurs de température
Projet interne sur capteurs de températureProjet interne sur capteurs de température
Projet interne sur capteurs de températureArnaud CHIGBLO
 
Pourquoi le concept de capabilité est insuffisant
Pourquoi le concept de capabilité est insuffisantPourquoi le concept de capabilité est insuffisant
Pourquoi le concept de capabilité est insuffisantJean-Michel POU
 
Présentation juste-à-temps (1)
Présentation juste-à-temps (1)Présentation juste-à-temps (1)
Présentation juste-à-temps (1)Oussama Yous
 
Deltamu - Methode FD X07-014
Deltamu  - Methode FD X07-014Deltamu  - Methode FD X07-014
Deltamu - Methode FD X07-014Deltamu
 
144603938 exercices-capteur
144603938 exercices-capteur144603938 exercices-capteur
144603938 exercices-capteurMohammed moudine
 
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...Jean-Michel POU
 
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)Adad Med Chérif
 
Explications sur le fascicule AFNOR FD X 07-014
Explications sur le fascicule AFNOR FD X 07-014Explications sur le fascicule AFNOR FD X 07-014
Explications sur le fascicule AFNOR FD X 07-014Jean-Michel POU
 
Procédure de contrôle qualité
Procédure de contrôle qualité Procédure de contrôle qualité
Procédure de contrôle qualité Marwoua Ben Salem
 
Les QCM : les réponses à toutes vos questions
Les QCM : les réponses à toutes vos questionsLes QCM : les réponses à toutes vos questions
Les QCM : les réponses à toutes vos questionsMarcel Lebrun
 

Tendances (20)

Métrologie
MétrologieMétrologie
Métrologie
 
Pour une métrologie efficace et économique
Pour une métrologie efficace et économiquePour une métrologie efficace et économique
Pour une métrologie efficace et économique
 
La métrologie dans les L.A.B.M : faire ou faire faire ?
La métrologie dans les L.A.B.M : faire ou faire faire ?La métrologie dans les L.A.B.M : faire ou faire faire ?
La métrologie dans les L.A.B.M : faire ou faire faire ?
 
Methodologie Validite et Fiabilite
Methodologie Validite et FiabiliteMethodologie Validite et Fiabilite
Methodologie Validite et Fiabilite
 
Incertitude mesure cafmet_2008
Incertitude mesure cafmet_2008Incertitude mesure cafmet_2008
Incertitude mesure cafmet_2008
 
Métrologie
MétrologieMétrologie
Métrologie
 
Comportement cyclique acier
Comportement cyclique acierComportement cyclique acier
Comportement cyclique acier
 
Atlas de poche microbiologie
Atlas de poche   microbiologieAtlas de poche   microbiologie
Atlas de poche microbiologie
 
Quelques exemples de calcul d'incertitudes (GUM et GUMS1)
Quelques exemples de calcul d'incertitudes (GUM et GUMS1)Quelques exemples de calcul d'incertitudes (GUM et GUMS1)
Quelques exemples de calcul d'incertitudes (GUM et GUMS1)
 
Projet interne sur capteurs de température
Projet interne sur capteurs de températureProjet interne sur capteurs de température
Projet interne sur capteurs de température
 
Metrologie_Cours_GC.pdf
Metrologie_Cours_GC.pdfMetrologie_Cours_GC.pdf
Metrologie_Cours_GC.pdf
 
Pourquoi le concept de capabilité est insuffisant
Pourquoi le concept de capabilité est insuffisantPourquoi le concept de capabilité est insuffisant
Pourquoi le concept de capabilité est insuffisant
 
Présentation juste-à-temps (1)
Présentation juste-à-temps (1)Présentation juste-à-temps (1)
Présentation juste-à-temps (1)
 
Deltamu - Methode FD X07-014
Deltamu  - Methode FD X07-014Deltamu  - Methode FD X07-014
Deltamu - Methode FD X07-014
 
144603938 exercices-capteur
144603938 exercices-capteur144603938 exercices-capteur
144603938 exercices-capteur
 
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
 
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
 
Explications sur le fascicule AFNOR FD X 07-014
Explications sur le fascicule AFNOR FD X 07-014Explications sur le fascicule AFNOR FD X 07-014
Explications sur le fascicule AFNOR FD X 07-014
 
Procédure de contrôle qualité
Procédure de contrôle qualité Procédure de contrôle qualité
Procédure de contrôle qualité
 
Les QCM : les réponses à toutes vos questions
Les QCM : les réponses à toutes vos questionsLes QCM : les réponses à toutes vos questions
Les QCM : les réponses à toutes vos questions
 

En vedette

La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...
La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...
La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...Jean-Michel POU
 
Métrologie : Jusqu'où ne pas aller trop loin ?
Métrologie : Jusqu'où ne pas aller trop loin ?Métrologie : Jusqu'où ne pas aller trop loin ?
Métrologie : Jusqu'où ne pas aller trop loin ?Jean-Michel POU
 
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...Jean-Michel POU
 
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...Jean-Michel POU
 
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-FdPrésentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-FdJean-Michel POU
 
Photos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpesPhotos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpesJean-Michel POU
 
Alliance Industrie du Futur
Alliance Industrie du FuturAlliance Industrie du Futur
Alliance Industrie du FuturJean-Michel POU
 
Guide de la métrologie légale
Guide de la métrologie légaleGuide de la métrologie légale
Guide de la métrologie légaleMETTLER TOLEDO SAS
 
Management 3.0 synthèse en Français - Vue 6, Améliorer le tout et Conclusion
Management 3.0 synthèse en Français - Vue 6, Améliorer le tout et ConclusionManagement 3.0 synthèse en Français - Vue 6, Améliorer le tout et Conclusion
Management 3.0 synthèse en Français - Vue 6, Améliorer le tout et ConclusionCecile Auret
 
Management 3.0 synthèse en Français - Vue 3, Aligner les contraintes
Management 3.0 synthèse en Français - Vue 3, Aligner les contraintesManagement 3.0 synthèse en Français - Vue 3, Aligner les contraintes
Management 3.0 synthèse en Français - Vue 3, Aligner les contraintesCecile Auret
 
Management 3.0 synthèse en Français - Vue 5, Développer les structures
Management 3.0 synthèse en Français - Vue 5, Développer les structuresManagement 3.0 synthèse en Français - Vue 5, Développer les structures
Management 3.0 synthèse en Français - Vue 5, Développer les structuresCecile Auret
 
Management 3.0 synthèse en Français - Vue 4, Développer les compétences
Management 3.0 synthèse en Français - Vue 4, Développer les compétencesManagement 3.0 synthèse en Français - Vue 4, Développer les compétences
Management 3.0 synthèse en Français - Vue 4, Développer les compétencesCecile Auret
 
Management 3.0 synthèse en Français - Vue 2, Responsabiliser les équipes
Management 3.0 synthèse en Français - Vue 2, Responsabiliser les équipesManagement 3.0 synthèse en Français - Vue 2, Responsabiliser les équipes
Management 3.0 synthèse en Français - Vue 2, Responsabiliser les équipesCecile Auret
 

En vedette (17)

La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...
La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...
La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...
 
Métrologie : Jusqu'où ne pas aller trop loin ?
Métrologie : Jusqu'où ne pas aller trop loin ?Métrologie : Jusqu'où ne pas aller trop loin ?
Métrologie : Jusqu'où ne pas aller trop loin ?
 
C.2.I
C.2.IC.2.I
C.2.I
 
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
 
La metrologie
La metrologieLa metrologie
La metrologie
 
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
 
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-FdPrésentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
 
Deltamu 2016
Deltamu 2016Deltamu 2016
Deltamu 2016
 
Photos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpesPhotos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpes
 
Alliance Industrie du Futur
Alliance Industrie du FuturAlliance Industrie du Futur
Alliance Industrie du Futur
 
Guide de la métrologie légale
Guide de la métrologie légaleGuide de la métrologie légale
Guide de la métrologie légale
 
Management 3.0 synthèse en Français - Vue 6, Améliorer le tout et Conclusion
Management 3.0 synthèse en Français - Vue 6, Améliorer le tout et ConclusionManagement 3.0 synthèse en Français - Vue 6, Améliorer le tout et Conclusion
Management 3.0 synthèse en Français - Vue 6, Améliorer le tout et Conclusion
 
Management 3.0 synthèse en Français - Vue 3, Aligner les contraintes
Management 3.0 synthèse en Français - Vue 3, Aligner les contraintesManagement 3.0 synthèse en Français - Vue 3, Aligner les contraintes
Management 3.0 synthèse en Français - Vue 3, Aligner les contraintes
 
Management 3.0 synthèse en Français - Vue 5, Développer les structures
Management 3.0 synthèse en Français - Vue 5, Développer les structuresManagement 3.0 synthèse en Français - Vue 5, Développer les structures
Management 3.0 synthèse en Français - Vue 5, Développer les structures
 
Management 3.0 synthèse en Français - Vue 4, Développer les compétences
Management 3.0 synthèse en Français - Vue 4, Développer les compétencesManagement 3.0 synthèse en Français - Vue 4, Développer les compétences
Management 3.0 synthèse en Français - Vue 4, Développer les compétences
 
Management 3.0 synthèse en Français - Vue 2, Responsabiliser les équipes
Management 3.0 synthèse en Français - Vue 2, Responsabiliser les équipesManagement 3.0 synthèse en Français - Vue 2, Responsabiliser les équipes
Management 3.0 synthèse en Français - Vue 2, Responsabiliser les équipes
 
Benchmark football
Benchmark footballBenchmark football
Benchmark football
 

Similaire à Métrologie source de profits

Présentation Smart Metrology - 2017
Présentation Smart Metrology - 2017Présentation Smart Metrology - 2017
Présentation Smart Metrology - 2017Nuno DOS REIS
 
Smart Metrology - 2017
Smart Metrology - 2017Smart Metrology - 2017
Smart Metrology - 2017Nuno DOS REIS
 
Smart Metrology - 2017
Smart Metrology -  2017Smart Metrology -  2017
Smart Metrology - 2017Deltamu
 
Algorithmes et Big Data : Peut-on se souvenir du futur ?
Algorithmes et Big Data : Peut-on se souvenir du futur ?Algorithmes et Big Data : Peut-on se souvenir du futur ?
Algorithmes et Big Data : Peut-on se souvenir du futur ?marysesalles
 
Calibration de modèles d'agents de marchés financiers par une démarche d'infé...
Calibration de modèles d'agents de marchés financiers par une démarche d'infé...Calibration de modèles d'agents de marchés financiers par une démarche d'infé...
Calibration de modèles d'agents de marchés financiers par une démarche d'infé...MohamedAmineHACHICHA1
 
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...ENSET, Université Hassan II Casablanca
 
Approche GUM
Approche GUMApproche GUM
Approche GUMchris5712
 
18 06 deltamu - l'intelligence artificielle au service du budget et de la ...
18   06 deltamu -  l'intelligence artificielle au service du budget et de la ...18   06 deltamu -  l'intelligence artificielle au service du budget et de la ...
18 06 deltamu - l'intelligence artificielle au service du budget et de la ...Deltamu
 
L'Intelligence Artificielle au service du budget et de la performance de la M...
L'Intelligence Artificielle au service du budget et de la performance de la M...L'Intelligence Artificielle au service du budget et de la performance de la M...
L'Intelligence Artificielle au service du budget et de la performance de la M...Romuald Quitaud
 
Metrologie termilnal
Metrologie termilnalMetrologie termilnal
Metrologie termilnalm.a bensaaoud
 
Des EMT dans les normes
Des EMT dans les normesDes EMT dans les normes
Des EMT dans les normesPascal Coquet
 
Introduction a l'econometrie luxembourg 2008 2009
Introduction a l'econometrie luxembourg 2008 2009Introduction a l'econometrie luxembourg 2008 2009
Introduction a l'econometrie luxembourg 2008 2009mohamedchaouche
 
Cours de probabilites
Cours de probabilitesCours de probabilites
Cours de probabilitesomarBenhaggou
 
capteurs_rivision général instrumentation.pptx
capteurs_rivision général instrumentation.pptxcapteurs_rivision général instrumentation.pptx
capteurs_rivision général instrumentation.pptxAhmedLaibi
 

Similaire à Métrologie source de profits (20)

Cours masterlyon
Cours masterlyonCours masterlyon
Cours masterlyon
 
Présentation Smart Metrology - 2017
Présentation Smart Metrology - 2017Présentation Smart Metrology - 2017
Présentation Smart Metrology - 2017
 
Smart Metrology - 2017
Smart Metrology - 2017Smart Metrology - 2017
Smart Metrology - 2017
 
Smart Metrology - 2017
Smart Metrology -  2017Smart Metrology -  2017
Smart Metrology - 2017
 
Algorithmes et Big Data : Peut-on se souvenir du futur ?
Algorithmes et Big Data : Peut-on se souvenir du futur ?Algorithmes et Big Data : Peut-on se souvenir du futur ?
Algorithmes et Big Data : Peut-on se souvenir du futur ?
 
Calibration de modèles d'agents de marchés financiers par une démarche d'infé...
Calibration de modèles d'agents de marchés financiers par une démarche d'infé...Calibration de modèles d'agents de marchés financiers par une démarche d'infé...
Calibration de modèles d'agents de marchés financiers par une démarche d'infé...
 
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
 
Approche GUM
Approche GUMApproche GUM
Approche GUM
 
18 06 deltamu - l'intelligence artificielle au service du budget et de la ...
18   06 deltamu -  l'intelligence artificielle au service du budget et de la ...18   06 deltamu -  l'intelligence artificielle au service du budget et de la ...
18 06 deltamu - l'intelligence artificielle au service du budget et de la ...
 
L'Intelligence Artificielle au service du budget et de la performance de la M...
L'Intelligence Artificielle au service du budget et de la performance de la M...L'Intelligence Artificielle au service du budget et de la performance de la M...
L'Intelligence Artificielle au service du budget et de la performance de la M...
 
Thème 2.docx
Thème 2.docxThème 2.docx
Thème 2.docx
 
Loic sarton (2)
Loic sarton (2)Loic sarton (2)
Loic sarton (2)
 
Scm risques
Scm risquesScm risques
Scm risques
 
Metrologie termilnal
Metrologie termilnalMetrologie termilnal
Metrologie termilnal
 
Des EMT dans les normes
Des EMT dans les normesDes EMT dans les normes
Des EMT dans les normes
 
cec_SH.pdf
cec_SH.pdfcec_SH.pdf
cec_SH.pdf
 
Introduction a l'econometrie luxembourg 2008 2009
Introduction a l'econometrie luxembourg 2008 2009Introduction a l'econometrie luxembourg 2008 2009
Introduction a l'econometrie luxembourg 2008 2009
 
Cours de probabilites
Cours de probabilitesCours de probabilites
Cours de probabilites
 
Cours de probabilites
Cours de probabilitesCours de probabilites
Cours de probabilites
 
capteurs_rivision général instrumentation.pptx
capteurs_rivision général instrumentation.pptxcapteurs_rivision général instrumentation.pptx
capteurs_rivision général instrumentation.pptx
 

Plus de Jean-Michel POU

Comment analyser des données multivariées pour suivre une production
Comment analyser des données multivariées pour suivre une productionComment analyser des données multivariées pour suivre une production
Comment analyser des données multivariées pour suivre une productionJean-Michel POU
 
Conformité multidimensionnelle
Conformité multidimensionnelleConformité multidimensionnelle
Conformité multidimensionnelleJean-Michel POU
 
Evaluate and quantify the drift of a measuring
Evaluate and quantify the drift of a measuringEvaluate and quantify the drift of a measuring
Evaluate and quantify the drift of a measuringJean-Michel POU
 
Révolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologieRévolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologieJean-Michel POU
 
Digitalisation des entreprises : pour faire quoi, et quand ?
Digitalisation des entreprises : pour faire quoi, et quand ?Digitalisation des entreprises : pour faire quoi, et quand ?
Digitalisation des entreprises : pour faire quoi, et quand ?Jean-Michel POU
 
Congrès International de Métrologie - Paris 2017
Congrès International de Métrologie - Paris 2017Congrès International de Métrologie - Paris 2017
Congrès International de Métrologie - Paris 2017Jean-Michel POU
 
Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...
Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...
Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...Jean-Michel POU
 

Plus de Jean-Michel POU (8)

Comment analyser des données multivariées pour suivre une production
Comment analyser des données multivariées pour suivre une productionComment analyser des données multivariées pour suivre une production
Comment analyser des données multivariées pour suivre une production
 
Conformité multidimensionnelle
Conformité multidimensionnelleConformité multidimensionnelle
Conformité multidimensionnelle
 
Evaluate and quantify the drift of a measuring
Evaluate and quantify the drift of a measuringEvaluate and quantify the drift of a measuring
Evaluate and quantify the drift of a measuring
 
Annexe D du FD X 07-039
Annexe D du FD X 07-039Annexe D du FD X 07-039
Annexe D du FD X 07-039
 
Révolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologieRévolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologie
 
Digitalisation des entreprises : pour faire quoi, et quand ?
Digitalisation des entreprises : pour faire quoi, et quand ?Digitalisation des entreprises : pour faire quoi, et quand ?
Digitalisation des entreprises : pour faire quoi, et quand ?
 
Congrès International de Métrologie - Paris 2017
Congrès International de Métrologie - Paris 2017Congrès International de Métrologie - Paris 2017
Congrès International de Métrologie - Paris 2017
 
Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...
Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...
Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...
 

Métrologie source de profits

  • 1. LA METROLOGIE … Hier, Aujourd’hui, Demain ? Jean-Michel POU Dirigeant-Fondateur de la société DELTA MU Conseil Président du G.I.E QUANTUM METWORK 1
  • 2. Deux mots d’histoire En 1789, la plupart des cahiers de doléances demandent l'uniformisation des poids et mesures : l'incohérence et la multiplicité des anciens systèmes sont l'oeuvre de la féodalité. « Un roi, une loi, un poids et une mesure ! » Un historique du Mètre par Denis FEVRIER 2
  • 3. Deux mots d’histoire La métrologie légale est l’intervention de l’Etat pour garantir la qualité des instruments de mesure ou des opérations de mesurage touchant l’intérêt public : sécurité des personnes, protection de l’environnement et de la santé, loyauté des transactions. En France, le Service des Poids et Mesures est constitué par la loi du 4 juillet 1837. Ce service deviendra le Service des Instruments de Mesures en 1946, le Service de la Métrologie en 1984, puis la Sous Direction de la Métrologie en 1987. Ce sont sur la Sous Direction de la Métrologie (SDM) et sur les Directions Régionales de l’Industrie, de la Recherche et de l’Environnement (DRIRE) que reposent les missions d’élaborer les différents textes réglementaires qui régissent le contrôle des instruments de mesure, d’approuver les nouveaux modèles d’instruments de mesure réglementés, et de coordonner les contrôles métrologiques. 3
  • 4. Notre culture actuelle Au 10ème Congrès International de Métrologie (Saint-Louis 2001), M. GIACOMO, ancien Président du B.I.P.M disait : « Les enfants apprennent la mesure dans la cour de l’école, comme ils apprennent la vis et l’écrou » 4
  • 5. Notre culture actuelle Le concept même d’ Incertitude de Mesure ne nous est pas facilement accessible. Notre culture a tout fait, légitimement, pour nous faire oublier qu’aucune mesure ne peut, par nature, être juste ! 5
  • 6. Mais les objectifs de la Métrologie Légale et de la Métrologie Industrielle sont-ils les mêmes ? 6
  • 7. La Métrologie Industrielle Si la Métrologie Légale vise à obtenir l’honnêteté et l’égalité, la Métrologie Industrielle doit garantir : LA FONCTIONNALITE ! 7
  • 8. La Métrologie Industrielle La fonctionnalité d’un produit est bien évidemment assurée par sa valeur vraie : C’est la valeur vraie du diamètre intérieur du bouchon du stylo qui fait que le bouchon assure sa fonction ! 8
  • 9. La Métrologie Industrielle Contrairement à ce que notre société nous a inculqué de façon implicite : La valeur mesurée ≠ La valeur vraie Pourquoi 9
  • 10. Pour réaliser une mesure, il faut : Environnement Étalon Instrument Mesurande Opérateur 10
  • 11. La Métrologie Industrielle L’incertitude de mesure trouve son origine dans tous les facteurs du processus : Cas N°1 Cas N°2 Moyen Matière Main d'œuvre Milieu Méthode 11
  • 12. La Métrologie Industrielle Norme ISO 14 253-1 : Déclaration de conformité Zone de non conformité Spécification Incertitude de mesure Zone de non conformité Incertitude de mesure Zone de conformité Zone de doute 12
  • 13. La Métrologie Industrielle Spécification = Zone de conformité ? X X X Valeur mesurée Dérogation ? Valeur mesurée CONFORME Valeur mesurée CONFORME 13
  • 14. Les perspectives de la Métrologie En intégrant le concept d’incertitude de mesure, et en maîtrisant les facteurs les plus influant des processus de mesure, la Métrologie pourra se présenter en véritable outil de la productivité industrielle Incertitude Spécification = Zone de conformité Incertitude Besoin fonctionnel Besoin fonctionnel ? 14
  • 15. Incertitude et déclaration de conformité En prenant conscience des incertitudes de mesure qui entachent tous les résultats de mesure, les industriels trouveront des axes d’amélioration et des possibilités de gain de productivité : • Tolérancement (Tolérancement quadratique) • Réglage (Cas des presses à injecter par exemple) • Recherche / Développement (Temps de mise au point) • Formulation • Etc … 15
  • 16. Métrologie et Statistique La multitude des facteurs intervenants dans l’incertitude de mesure impose au métrologue de découvrir l’outil statistique … La statistique : une autre façon de penser ! 16
  • 17. Métrologie et Statistique A la découverte des phénomènes aléatoires … En lançant 1 dé un grand nombre de fois, on obtient : 1 2 3 4 5 ou 6 17
  • 18. Métrologie et Statistique A la découverte des phénomènes aléatoires … Le premier réflexe, lorsqu’on a une série de données, c’est d’en faire la moyenne : 3,5 La moyenne ne nous donne pas d’information sur l’ensemble des valeurs possibles, ni sur leur probabilité de se présenter ! 18
  • 19. Métrologie et Statistique A la découverte des phénomènes aléatoires … Pour avoir des informations sur l’ensemble des valeurs possibles, il est nécessaire de connaître également … σ σ 3,5 L’écart type de la distribution noté : σ 19
  • 20. Métrologie et Statistique A la découverte des phénomènes aléatoires … En connaissant la loi de distribution (Loi uniforme dans le cas d’un dé) et l’écart type, on connaît la probabilité qu’une valeur de se présente : σ σ Dans ce cas, en lançant un dé, on a 57,74 % de chance que la valeur soit comprise dans l’intervalle : Valeur Moyenne ± Ecart type 20
  • 21. Métrologie et Statistique A la découverte des phénomènes aléatoires … Avec 3 dès maintenant, on obtient : 3, 4, 5 …………………………….18 21
  • 22. Métrologie et Statistique A la découverte des phénomènes aléatoires … Il s’agit d’un effet démontrer par un théorème mathématique (Théorème Central Limite) : une loi normale ! ±1σ : ≈ 68% des valeurs ±2σ : ≈ 95% des valeurs ±3σ : ≈ 99,7% des valeurs … Mais jamais 100% ! 22
  • 23. Métrologie et Statistique A la découverte des phénomènes aléatoires … En ne lançant 3 dès que quelques fois, on a peu de chance de trouver les valeurs limites du phénomène (3 et 18). Avec l’écart type et la moyenne, on peut les estimer sans les avoir vues ! 23
  • 24. Métrologie et Statistique A la découverte des phénomènes aléatoires … Ainsi, quand on « mélange » des phénomènes aléatoires indépendants, on obtient une loi normale ! L’objet mesuré L’opérateur La méthode utilisée Le moyen L’environnement L’incertitude de mesure a les propriétés d’une loi normale ! 24
  • 25. Métrologie et Statistique A la découverte des phénomènes aléatoires … L’évaluation de l’incertitude de mesure correspond à la recherche de l’écart type résultant du « mélange » des écart types le constituant : La méthode L’objet mesuré : σ1 L’opérateur : σ2 utilisée : σ3 Le moyen : σ4 L’environnement : σ5 σTotal² = σ1²+ σ2²+…+ σn² 25
  • 26. Les erreurs d’aujourd’hui … Tous les instruments de mesure peuvent être représentés par le schéma suivant : La recherche des erreurs maximales, dans le cas de l’étalonnage par exemple, conduit a des erreurs : En réalité : Erreur de la graduation i Erreur de la graduation j Erreur de la graduation k Erreur de la graduation26 l
  • 27. Les erreurs d’aujourd’hui … En effet, il est impossible de mesurer toutes les graduations, donc impossible de trouver l’erreur la plus grande. D’autre part, les informations données aujourd’hui ne permettent pas de savoir si le comportement de l’instrument est plutôt de type systématique (pas d’écart type, une correction uniquement) ou plutôt de type aléatoire (pas de correction possible, chaque graduation a une erreur indépendante des autres) ou un « mix » des deux cas précédents. 27
  • 28. Les erreurs d’aujourd’hui … De plus, la norme NF X 07-001 (V.I.M) s’est probablement trompé : Définition 3.10 : Erreur de mesure Résultat d’un mesurage moins une valeur vraie du mesurande Définition 5.20 : Erreur d’indication d’un instrument de mesure Indication d’un instrument de mesure moins une valeur vraie de la grandeur d’entrée correspondante. 28
  • 29. Les erreurs d’aujourd’hui … Qu’elle est la différence entre le résultat d’un mesurage (la valeur mesurée) et l’indication d’un instrument de mesure ??? Ainsi, à l’étalonnage, on ne mesure pas les erreurs de l’instrument mais on estime les erreurs de mesure d’un processus particulier dont on connaît 4 des variances et dont on cherche à extraire la part provenant de l’instrument ! 29
  • 30. Les erreurs d’aujourd’hui … La recherche des Erreurs Maximales conduit à un autre type d’erreur : Erreur de justesse totale Dans le cas des instruments à « zéro flottant », l’erreur maximale de justesse est définie comme étant la différence entre les ordonnées max et min de la courbe ! 30
  • 31. Les erreurs d’aujourd’hui … Pour ramener cette valeur sous la forme d’un écart type, il convient de connaître la probabilité que cette erreur se produise (un yam de 6 puis un yam de 1 !) Avec une approche statistique, on peut directement évaluer l’écart type, sans passer par l’erreur maximale : En notant e1, e2, …., en les n écarts obtenus sur chacun des n points d’étalonnage, on peut déterminer les erreurs (ei – ej) possibles en utilisant cet instrument à zéro flottant. L’écart type de tous ces écarts correspond au paramètre recherché ! 31
  • 32. Les erreurs d’aujourd’hui … Sans outils statistiques, comment savoir si deux valeurs sont différentes ? D’une façon formelle, 11 et 13 sont différents … Mais, en tenant compte des incertitudes sur ces valeurs, est-ce si évident ? Pour savoir si ces 2 valeurs sont différentes, il suffit d’évaluer « leur distance » en terme d’écart type (Ecart Normalisé) : (11 – 13) / σ 32
  • 33. Les erreurs d’aujourd’hui … Exemple d’application : L’évaluation de l’homogénéité d’une enceinte, d’un bain, d’une étuve, … passe par la mesure de différents points dans l’espace puis la recherche de la température Max et de la température Min. Là encore, tous les points de l’espace défini ne sont pas mesurés … et l’incertitude sur la différence entre TMax et TMin est influencée par la covariance entre les incertitudes sur TMAX et sur TMin ! 33
  • 34. Les erreurs d’aujourd’hui … En ayant une approche statistique, les résultats pourraient être les suivants : En prenant en compte toutes les valeurs mesurées, sans tenir compte du capteur, on peut calculer un écart type combiné qui peut s’écrire : σ²c = σ²Homogénéité + σ²Capteur + … Sous réserve qu’aucun des capteurs ne donne des valeurs aberrantes, l’écart type des valeurs mesurées se présente comme un majorant de l’homogénéité de l’espace analysé ! 34
  • 35. Les erreurs d’aujourd’hui … Pour détecter d’éventuelles valeurs aberrantes au moment de la mesure, il suffit de vérifier l’écart normalisé des valeurs moyennes obtenues pour chaque capteur avec la valeur moyenne, tous capteurs confondus ! Capteur 1 : θ1Moyen ⇒ ENCapteur1 = (θ1Moyen - θ Moyen) / σc Capteur 2 : θ2Moyen ⇒ ENCapteur2 = (θ2Moyen - θ Moyen) / σc … Capteur n : θnMoyen ⇒ ENCapteurn = (θnMoyen - θ Moyen) / σc 35
  • 36. Les erreurs d’aujourd’hui … Et pourtant, ça marche !!!! POURQUOI ? COMMENT ? Combien cela coûte-t-il aux industriels de croire qu’ils mesurent juste ? 36
  • 37. Demain ? Dans l’industrie, on n’a pas besoin de tolérances mais d’un résultat, d’une fonction ! On peut voir aujourd’hui les spécifications, consignes et autres exigences comme autant de recettes qui permettent d’atteindre le résultat souhaité. Ces recettes se sont écrites dans le temps, par confrontation aux résultats obtenus … un peu comme une vinaigrette que l’on goûte en la faisant ! 37
  • 38. Demain ? Par exemple, pour obtenir la fonction « BOUCHON » pour un stylo, la recette est : Tolérance du bouchon Tolérance du stylo ⇒ ⇒ Le producteur choisit un Process (Production + Contrôle) Le producteur choisit un Process (Production + Contrôle) Cette recette donne satisfaction … ça marche ! 38
  • 39. Demain ? En raisonnant statistique, on peut changer la « recette » en se disant qu’on n’a pas besoin d’avoir tous les bouchons plus grands que tous les stylos mais seulement d’avoir un bouchon compatible avec un stylo en tirant l’un et l’autre au hasard : En travaillant sur les moyennes et les écart types de ces 2 distributions, il est possible de Dispersion des bouchons déterminer le nombre de cas qui ne fonctionneront pas : Dispersion des stylos Le coût Produit devient ainsi associé au risque qu’il ne fonctionne pas ! 39
  • 40. MERCI POUR VOTRE ATTENTION Coordonnées : Jean-Michel POU – DELTA MU CONSEIL • Tél : 04 73 15 13 00 • Fax : 04 73 15 13 09 • Mail : jmpou@deltamu.fr 40

Notes de l'éditeur

  1. Trat lalaallkaal