SlideShare une entreprise Scribd logo
Les comparaisons inter-instruments 
: 
Une solution à la 
justification du 
raccordement 
Jean-Michel POU 
Président Fondateur de la société Delta Mu 
Président du Cluster d’Excellence Auvergne Efficience Industrielle
Le raccordement … 
Ce que la balance 
indique a-t-il bien 
quelque chose à 
voir avec l’unité de 
référence ?
L’étalonnage, démonstration du 
raccordement 
On compare les 
indications de la 
balance avec des 
poids dont le 
raccordement a 
été démontré par 
étalonnage
Et ça fonctionne, la plupart du temps … 
Pourquoi ?
Les comparaisons inter-instruments (C.2.I) 
Vmes 1 
Si toutes les valeurs sont 
« égales », ce n’est surement pas 
le hasard ! 
Vmes 2 
Vmes 4 
Vmes 3 
Vmes 5 
Vmes 6
Les C.2.I : Principe 
Les valeurs obtenues lors de la comparaison ne doivent pas forcément être 
égales entre elles au sens mathématique, elles doivent être égales entre elles 
au sens statistique, c’est à dire cohérentes entre elles. 
V1mes, V2mes, … sont en effet entachées d’incertitude, dont notamment la 
répétabilité et les erreurs propres à chacune des balances. C’est pourquoi elles 
ne sont pas forcément strictement identiques. 
La comparaison doit être faite dans des conditions où le maximum de causes 
d’incertitude doit être évité, pour tenter finalement de ne voir que les erreurs des 
moyens participants (Même opérateur, même lieu, la plus courte période de 
temps possible, … En somme, les conditions de répétabilité, mais en changeant 
le moyen) 
Note : La répétabilité peut être « amortie » en réalisant, si nécessaire, une série 
de mesures sur chaque moyen et en analysant les moyennes de chaque série 
(Versus les valeurs individuelles).
Les C.2.I : Principe 
Que signifie « des valeurs cohérentes entre elles » ? 
Face à un événement aléatoire (la mesure est un événement aléatoire considéré 
gaussien, centré sur la valeur vraie – inconnue – et de variance uc 
2 ), la notion de 
« cohérence » repose sur le constat : Une valeur donnée appartient-elle (à un 
niveau de confiance donné) à l’ensemble des valeurs possibles de mon 
phénomène ? 
Valeur vraie
Les C.2.I : Principe 
A partir d’une série de données, il est possible de statuer sur la « cohérence » en 
calculant l’écart normalisé de chaque valeur de la série : 
Où : 
ENi = 
(xi - x) 
s 
représente la moyenne empirique de la série de données 
xi chacune des valeurs disponibles 
s représente l’estimateur d’écart-type de la série de données 
Dans le cas d’une loi normale (cette condition peut être vérifiée et, le cas échéant, 
révisée), la valeur absolue de l’EN d’une valeur xi : 
• > 1 signifie que la valeur à 32% (1-68%) de chance d’être cohérente (avec les 
autres) 
• > 2 signifie que la valeur à 5% (1-95%) de chance d’être cohérente (avec les 
autres) 
• … Suivant les propriétés de la loi considérée
Les C.2.I : Principe 
Il existe de nombreux tests statistiques pour vérifier si une valeur 
particulière est susceptible ou non d’appartenir à une « population 
parente ». 
Dans le cas où on réalise plusieurs mesures pour diminuer l’effet 
« répétabilité », il faut également tester si les dispersions de chaque série 
sont cohérentes entre-elles. 
Ce test peut être fait simplement en comparant les estimateurs d’écart-type 
(de variance en fait) de chaque série les unes par rapport aux autres 
en utilisant les propriétés de la loi de Fisher Snédécor. Une présentation 
matricielle permet de voir immédiatement si l’un des moyens (au moins) a 
un souci de fidélité (car il s’agirait bien de cela, ou un souci de saisie des 
valeurs de la série)
Les C.2.I : Exemple 
C.2.I avec 6 balances 
1 série de 5 mesures d’un même objet inconnu
Les C.2.I : Exemple 
C.2.I avec 6 balances 
Test aux écarts normalisés sur les moyennes de chaque balance 
Cas sans anomalie Cas avec anomalie
Les C.2.I : Exemple 
C.2.I avec 6 balances 
Test des dispersions inter-séries 
Cas sans anomalie 
Cas avec anomalie 
=SI(MAX(sbal1;sbal5)^2/MIN(sbal1;sbal5) 
^2<Vlimite;"-";"Diff") 
Vlimite = 
INVERSE.LOI.F.(0,025;4;4) 
On remarque clairement ici 
un souci sur la 
Balance 6
Les C.2.I : Justification du raccordement 
Statistiquement, les tests présentés pourraient être suffisants pour 
justifier du raccordement des moyens non détectés douteux. En effet, il 
n’y a a priori pas de raison physique pour que les « n » moyens 
indépendants aient tous le même « biais » (qui ne serait alors pas détecté 
dans cette expérience). 
Pour être plus sûr : 
Option 1 : 
On peut utiliser, dans l’expérience, au moins un instrument étalonné. 
Option 2 : 
On peut faire mesurer l’objet par un laboratoire externe et vérifier que la 
moyenne de toutes les mesures de la C.2.I (hors moyen(s) écarté(s)) et la 
valeur trouvée par le laboratoire sont cohérentes entre-elles (par un Ecart 
Normalisé)
Les C.2.I : Cas des unités hors S.I 
Les C.2.I peuvent être utilisées en dehors du S.I. 
Dans le cas de grandeurs particulières qu’un certain nombre d’acteurs 
partagent (Client/Fournisseurs/Tierce Partie), les C.2.I peuvent être 
réalisées à partir de plusieurs échantillons afin : 
1. De vérifier que tous les acteurs trouvent des valeurs cohérentes 
entre-elles sur les échantillons fournis 
2. D’obtenir des « matériaux de référence » de valeur connue 
(« moyenne » des résultats) que chaque acteur peut ensuite 
conserver pour ses propres C.2.I. Prévoir alors suffisamment 
d’échantillons pour tout le monde … 
Note : On se retrouve ici dans un cas classique de comparaisons inter-laboratoires 
(Cf Normes ISO 5725).
Les C.2.I : Cas des moyens « en ligne » 
Parfois, les moyens dont il faut justifier du raccordement, sont installés en 
ligne et difficilement démontables. Dans ce cas, mesurer le même 
« support » est parfois impossible … 
Exemple : Les sondes de température ou de débit sur un process 
Dans ce cas, il est parfois possible de mesurer avec un autre moyen 
(étalonné de préférence) le même « support » que le moyen « en ligne ». 
On considère alors l’écart entre moyen « en ligne » et « autre moyen ». 
En reproduisant, avec le même « autre moyen », la même opération sur 
les différents moyens « en ligne » de même type, on peut traiter les 
écarts comme nous avons précédemment traité les mesures et détecter 
ainsi d’éventuelles anomalies sur un (des) moyen(s) « en ligne »
Les C.2.I : Avantages & Inconvénients 
Avantages : 
1. Les C.2.I font (enfin) rentrer la culture statistique dans l’entreprise. 
Elles remettent le métrologue au coeur d’une activité technique 
parfois oubliée … 
2. Les C.2.I permettent de statuer sur la conformité des moyens (versus 
les E.M.T). Un moyen est « conforme » car il est « comme les 
autres ». Par ailleurs, elles permettent d’estimer la variance d’une 
famille de moyen, utile pour des calculs d’incertitude (Versus une évaluation de 
type basée sur l’EMT et forcément plus discutable) 
3. Les C.2.I règlent en partie la question des instruments non (ou 
difficilement) démontables 
4. Les C.2.I sont beaucoup moins contraignantes en terme 
d’immobilisation des moyens, l’opération ayant lieu sur le site 
industriel 
5. Les C.2.I sont financièrement plus intéressantes car elles n’imposent 
pas de disposer d’étalons « métrologiques ».
Les C.2.I : Avantages & Inconvénients 
Inconvénients : 
1. Les C.2.I imposent de disposer de plusieurs moyens de même type. 
Plus il y en a, plus la détection d’un moyen « anormal » est 
pertinente. 
Remarque : On peut prévoir de faire des C.2.I en utilisant des moyens 
appartenant à d’autres entités : Clients, Fournisseurs, Partenaires, … 
2. Les C.2.I se présentent comme une innovation en matière de 
raccordement métrologique. En ce sens, elles ne sont pas connues 
des auditeurs. 
Remarque : Elles sont traitées dans le guide CFM (ce qui fait référence 
dans le métier). Par ailleurs, la commission X07b (Métrologie) de 
l’AFNOR devrait engager des travaux début 2015 qui conduiront à une 
norme (ou un fascicule). Ce projet de norme est soutenu notamment par 
PSA Peugeot Citroën, Schneider Electric, C.S.TB, …
La Métrologie du XXIème Siècle 
Merci pour votre attention 
Des questions ? 
JM POU : jmpou@deltamu.fr

Contenu connexe

Tendances

METROLOGIE ET CONTROLE QUALITE
METROLOGIE ET CONTROLE QUALITEMETROLOGIE ET CONTROLE QUALITE
METROLOGIE ET CONTROLE QUALITE
Mounir Frija
 
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
 
Test khi deux
Test khi deuxTest khi deux
Test khi deux
Adad Med Chérif
 
LES TECHNIQUES ET METHODES EN BIOLOGIE MÉDICALE.pdf
LES TECHNIQUES ET METHODES  EN BIOLOGIE MÉDICALE.pdfLES TECHNIQUES ET METHODES  EN BIOLOGIE MÉDICALE.pdf
LES TECHNIQUES ET METHODES EN BIOLOGIE MÉDICALE.pdf
BallaMoussaDidhiou
 
La partique au laboratoire de microbiologie
La partique au laboratoire de microbiologieLa partique au laboratoire de microbiologie
La partique au laboratoire de microbiologie
Dr Taoufik Djerboua
 
Metrologie
MetrologieMetrologie
Metrologie
taktakghazi
 
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
 
Investigation d'un épisode épidémique
Investigation d'un épisode épidémiqueInvestigation d'un épisode épidémique
Investigation d'un épisode épidémique
Institut Pasteur de Madagascar
 
Cours doumi spss 2013 2014
Cours doumi spss 2013 2014Cours doumi spss 2013 2014
Cours doumi spss 2013 2014
tsuhel
 
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
 
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
Jean-Michel POU
 
Guide des bonnes pratiques de laboratoire.
Guide des bonnes pratiques de laboratoire.   Guide des bonnes pratiques de laboratoire.
Guide des bonnes pratiques de laboratoire.
S/Abdessemed
 
Métrologie
MétrologieMétrologie
Métrologie
Mohamed Khalfaoui
 
Mycologie
MycologieMycologie
Mycologie
salhi emna
 
Choix de l’analyse statistique appropriée
 Choix de l’analyse statistique appropriée  Choix de l’analyse statistique appropriée
Choix de l’analyse statistique appropriée
Adad Med Chérif
 
Les streptocoques / Streptococcus / Enterococcus
Les streptocoques / Streptococcus / EnterococcusLes streptocoques / Streptococcus / Enterococcus
Les streptocoques / Streptococcus / Enterococcus
Dr Taoufik Djerboua
 
Evaluation des incertitudes de mesure avec biais eil ou crm
Evaluation des incertitudes de mesure avec biais eil ou crmEvaluation des incertitudes de mesure avec biais eil ou crm
Evaluation des incertitudes de mesure avec biais eil ou crm
Maurice Maeck
 
Stat4 Principes Des Tests Statistiques
Stat4  Principes Des Tests StatistiquesStat4  Principes Des Tests Statistiques
Stat4 Principes Des Tests Statistiques
Jean-Louis ESTRADE
 
Comment presenter vos données pour une analyse statistique
Comment presenter vos données pour une analyse statistiqueComment presenter vos données pour une analyse statistique
Comment presenter vos données pour une analyse statistique
Faculté de médecine de Tizi-Ouzou
 

Tendances (20)

METROLOGIE ET CONTROLE QUALITE
METROLOGIE ET CONTROLE QUALITEMETROLOGIE ET CONTROLE QUALITE
METROLOGIE ET CONTROLE QUALITE
 
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...
 
Test khi deux
Test khi deuxTest khi deux
Test khi deux
 
LES TECHNIQUES ET METHODES EN BIOLOGIE MÉDICALE.pdf
LES TECHNIQUES ET METHODES  EN BIOLOGIE MÉDICALE.pdfLES TECHNIQUES ET METHODES  EN BIOLOGIE MÉDICALE.pdf
LES TECHNIQUES ET METHODES EN BIOLOGIE MÉDICALE.pdf
 
La partique au laboratoire de microbiologie
La partique au laboratoire de microbiologieLa partique au laboratoire de microbiologie
La partique au laboratoire de microbiologie
 
Metrologie
MetrologieMetrologie
Metrologie
 
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)
 
Investigation d'un épisode épidémique
Investigation d'un épisode épidémiqueInvestigation d'un épisode épidémique
Investigation d'un épisode épidémique
 
Cours doumi spss 2013 2014
Cours doumi spss 2013 2014Cours doumi spss 2013 2014
Cours doumi spss 2013 2014
 
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 ?
 
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
 
Guide des bonnes pratiques de laboratoire.
Guide des bonnes pratiques de laboratoire.   Guide des bonnes pratiques de laboratoire.
Guide des bonnes pratiques de laboratoire.
 
Métrologie
MétrologieMétrologie
Métrologie
 
Mycologie
MycologieMycologie
Mycologie
 
Métrologie
MétrologieMétrologie
Métrologie
 
Choix de l’analyse statistique appropriée
 Choix de l’analyse statistique appropriée  Choix de l’analyse statistique appropriée
Choix de l’analyse statistique appropriée
 
Les streptocoques / Streptococcus / Enterococcus
Les streptocoques / Streptococcus / EnterococcusLes streptocoques / Streptococcus / Enterococcus
Les streptocoques / Streptococcus / Enterococcus
 
Evaluation des incertitudes de mesure avec biais eil ou crm
Evaluation des incertitudes de mesure avec biais eil ou crmEvaluation des incertitudes de mesure avec biais eil ou crm
Evaluation des incertitudes de mesure avec biais eil ou crm
 
Stat4 Principes Des Tests Statistiques
Stat4  Principes Des Tests StatistiquesStat4  Principes Des Tests Statistiques
Stat4 Principes Des Tests Statistiques
 
Comment presenter vos données pour une analyse statistique
Comment presenter vos données pour une analyse statistiqueComment presenter vos données pour une analyse statistique
Comment presenter vos données pour une analyse statistique
 

En vedette

Deltamu 2016
Deltamu 2016Deltamu 2016
Deltamu 2016
Jean-Michel POU
 
Photos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpesPhotos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpes
Jean-Michel POU
 
Alliance Industrie du Futur
Alliance Industrie du FuturAlliance Industrie du Futur
Alliance Industrie du Futur
Jean-Michel POU
 
Métrologie source de profits
Métrologie source de profitsMétrologie source de profits
Métrologie source de profits
Jean-Michel POU
 
Des mesures pour des décisions
Des mesures pour des décisionsDes mesures pour des décisions
Des mesures pour des décisions
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
 
Ecart type experimental : quelle formule choisir ?
Ecart type experimental : quelle formule choisir ?Ecart type experimental : quelle formule choisir ?
Ecart type experimental : quelle formule choisir ?
Jean-Michel POU
 
Pour une métrologie efficace et économique
Pour une métrologie efficace et économiquePour une métrologie efficace et économique
Pour une métrologie efficace et économique
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-Fd
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
 
Metrologie
MetrologieMetrologie
Metrologie
abdelkhalek26
 
Compu 1
Compu 1Compu 1
Compu 1
Joha Ramirez
 
Projet hfb 40
Projet hfb 40Projet hfb 40
Projet hfb 40
hervé M.
 
Carnet de voyage au 01:02:13
Carnet de voyage au 01:02:13Carnet de voyage au 01:02:13
Carnet de voyage au 01:02:13
kristined1
 
Rapport SCORAN (juin 2011)
Rapport SCORAN (juin 2011)Rapport SCORAN (juin 2011)
Rapport SCORAN (juin 2011)
Silicon Comté
 
Université libanaise (1)
Université libanaise (1)Université libanaise (1)
Université libanaise (1)
vanessabsarkis
 
Profet julio
Profet julioProfet julio
Profet julio
Alexandra Vh
 

En vedette (20)

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
 
Métrologie source de profits
Métrologie source de profitsMétrologie source de profits
Métrologie source de profits
 
Des mesures pour des décisions
Des mesures pour des décisionsDes mesures pour des décisions
Des mesures pour des décisions
 
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...
 
Ecart type experimental : quelle formule choisir ?
Ecart type experimental : quelle formule choisir ?Ecart type experimental : quelle formule choisir ?
Ecart type experimental : quelle formule choisir ?
 
Pour une métrologie efficace et économique
Pour une métrologie efficace et économiquePour une métrologie efficace et économique
Pour une métrologie efficace et économique
 
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
 
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...
 
La metrologie
La metrologieLa metrologie
La metrologie
 
Metrologie
MetrologieMetrologie
Metrologie
 
Compu 1
Compu 1Compu 1
Compu 1
 
Projet hfb 40
Projet hfb 40Projet hfb 40
Projet hfb 40
 
Carnet de voyage au 01:02:13
Carnet de voyage au 01:02:13Carnet de voyage au 01:02:13
Carnet de voyage au 01:02:13
 
Rapport SCORAN (juin 2011)
Rapport SCORAN (juin 2011)Rapport SCORAN (juin 2011)
Rapport SCORAN (juin 2011)
 
Université libanaise (1)
Université libanaise (1)Université libanaise (1)
Université libanaise (1)
 
La decentralisation
La decentralisationLa decentralisation
La decentralisation
 
Profet julio
Profet julioProfet julio
Profet julio
 
Declaration patrimoines
Declaration patrimoinesDeclaration patrimoines
Declaration patrimoines
 

Similaire à C.2.I

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
 
LECTURES9&10du11-11-2023-METROLOGIE-CALCUL.pdf
LECTURES9&10du11-11-2023-METROLOGIE-CALCUL.pdfLECTURES9&10du11-11-2023-METROLOGIE-CALCUL.pdf
LECTURES9&10du11-11-2023-METROLOGIE-CALCUL.pdf
AIMENHAMOUDA
 
Methodologie Validite et Fiabilite
Methodologie Validite et FiabiliteMethodologie Validite et Fiabilite
Methodologie Validite et Fiabilite
Rémi Bachelet
 
Article: Qu'est-ce que le R&R?
Article: Qu'est-ce que le R&R?Article: Qu'est-ce que le R&R?
Article: Qu'est-ce que le R&R?
Infodream
 
6sigma ibtissam el hassani-chapitre3
6sigma ibtissam el hassani-chapitre36sigma ibtissam el hassani-chapitre3
6sigma ibtissam el hassani-chapitre3
ibtissam el hassani
 
L’Econométrie des Données de Panel
L’Econométrie des Données de PanelL’Econométrie des Données de Panel
L’Econométrie des Données de Panel
Cherif Allah
 
Loic sarton (2)
Loic sarton (2)Loic sarton (2)
Loic sarton (2)
Loic Sarton
 
Analyse critique de la méthode des couts complets et des centres d'analyse
Analyse critique de la méthode des couts complets et des centres d'analyseAnalyse critique de la méthode des couts complets et des centres d'analyse
Analyse critique de la méthode des couts complets et des centres d'analyse
abdellah nasser
 
Article_pentest_Secus 10 12
Article_pentest_Secus 10 12Article_pentest_Secus 10 12
Article_pentest_Secus 10 12
michelcusin
 
Thème 2.docx
Thème 2.docxThème 2.docx
Thème 2.docx
Ella101447
 
94-justesse-fidélité.pdf
94-justesse-fidélité.pdf94-justesse-fidélité.pdf
94-justesse-fidélité.pdf
FousseyniTraor
 
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
 
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
 
1_PDFsam_MQG804_NotesDeCours_A23_1.pdf
1_PDFsam_MQG804_NotesDeCours_A23_1.pdf1_PDFsam_MQG804_NotesDeCours_A23_1.pdf
1_PDFsam_MQG804_NotesDeCours_A23_1.pdf
JeanPhilippeTurcotte5
 
Mwa study 1 specific greeks on cliquet options and variance options
Mwa study 1 specific greeks  on cliquet options and variance optionsMwa study 1 specific greeks  on cliquet options and variance options
Mwa study 1 specific greeks on cliquet options and variance options
mwaresearch
 
Des EMT dans les normes
Des EMT dans les normesDes EMT dans les normes
Des EMT dans les normes
Pascal Coquet
 
Cours1.pptx
Cours1.pptxCours1.pptx
Cours1.pptx
FarahHkiri
 
cec_SH.pdf
cec_SH.pdfcec_SH.pdf
cec_SH.pdf
YassineDiane1
 
Data Mining
Data MiningData Mining
Le Machine Learning... tous aux fourneaux !
Le Machine Learning... tous aux fourneaux !Le Machine Learning... tous aux fourneaux !
Le Machine Learning... tous aux fourneaux !
BeeBryte | Energy Intelligence & Automation
 

Similaire à C.2.I (20)

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...
 
LECTURES9&10du11-11-2023-METROLOGIE-CALCUL.pdf
LECTURES9&10du11-11-2023-METROLOGIE-CALCUL.pdfLECTURES9&10du11-11-2023-METROLOGIE-CALCUL.pdf
LECTURES9&10du11-11-2023-METROLOGIE-CALCUL.pdf
 
Methodologie Validite et Fiabilite
Methodologie Validite et FiabiliteMethodologie Validite et Fiabilite
Methodologie Validite et Fiabilite
 
Article: Qu'est-ce que le R&R?
Article: Qu'est-ce que le R&R?Article: Qu'est-ce que le R&R?
Article: Qu'est-ce que le R&R?
 
6sigma ibtissam el hassani-chapitre3
6sigma ibtissam el hassani-chapitre36sigma ibtissam el hassani-chapitre3
6sigma ibtissam el hassani-chapitre3
 
L’Econométrie des Données de Panel
L’Econométrie des Données de PanelL’Econométrie des Données de Panel
L’Econométrie des Données de Panel
 
Loic sarton (2)
Loic sarton (2)Loic sarton (2)
Loic sarton (2)
 
Analyse critique de la méthode des couts complets et des centres d'analyse
Analyse critique de la méthode des couts complets et des centres d'analyseAnalyse critique de la méthode des couts complets et des centres d'analyse
Analyse critique de la méthode des couts complets et des centres d'analyse
 
Article_pentest_Secus 10 12
Article_pentest_Secus 10 12Article_pentest_Secus 10 12
Article_pentest_Secus 10 12
 
Thème 2.docx
Thème 2.docxThème 2.docx
Thème 2.docx
 
94-justesse-fidélité.pdf
94-justesse-fidélité.pdf94-justesse-fidélité.pdf
94-justesse-fidélité.pdf
 
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...
 
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 ...
 
1_PDFsam_MQG804_NotesDeCours_A23_1.pdf
1_PDFsam_MQG804_NotesDeCours_A23_1.pdf1_PDFsam_MQG804_NotesDeCours_A23_1.pdf
1_PDFsam_MQG804_NotesDeCours_A23_1.pdf
 
Mwa study 1 specific greeks on cliquet options and variance options
Mwa study 1 specific greeks  on cliquet options and variance optionsMwa study 1 specific greeks  on cliquet options and variance options
Mwa study 1 specific greeks on cliquet options and variance options
 
Des EMT dans les normes
Des EMT dans les normesDes EMT dans les normes
Des EMT dans les normes
 
Cours1.pptx
Cours1.pptxCours1.pptx
Cours1.pptx
 
cec_SH.pdf
cec_SH.pdfcec_SH.pdf
cec_SH.pdf
 
Data Mining
Data MiningData Mining
Data Mining
 
Le Machine Learning... tous aux fourneaux !
Le Machine Learning... tous aux fourneaux !Le Machine Learning... tous aux fourneaux !
Le Machine Learning... tous aux fourneaux !
 

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 production
Jean-Michel POU
 
Conformité multidimensionnelle
Conformité multidimensionnelleConformité multidimensionnelle
Conformité multidimensionnelle
Jean-Michel POU
 
Révolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologieRévolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologie
Jean-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 2017
Jean-Michel POU
 
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
Jean-Michel POU
 

Plus de Jean-Michel POU (6)

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
 
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
 
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
 

C.2.I

  • 1. Les comparaisons inter-instruments : Une solution à la justification du raccordement Jean-Michel POU Président Fondateur de la société Delta Mu Président du Cluster d’Excellence Auvergne Efficience Industrielle
  • 2. Le raccordement … Ce que la balance indique a-t-il bien quelque chose à voir avec l’unité de référence ?
  • 3. L’étalonnage, démonstration du raccordement On compare les indications de la balance avec des poids dont le raccordement a été démontré par étalonnage
  • 4. Et ça fonctionne, la plupart du temps … Pourquoi ?
  • 5. Les comparaisons inter-instruments (C.2.I) Vmes 1 Si toutes les valeurs sont « égales », ce n’est surement pas le hasard ! Vmes 2 Vmes 4 Vmes 3 Vmes 5 Vmes 6
  • 6. Les C.2.I : Principe Les valeurs obtenues lors de la comparaison ne doivent pas forcément être égales entre elles au sens mathématique, elles doivent être égales entre elles au sens statistique, c’est à dire cohérentes entre elles. V1mes, V2mes, … sont en effet entachées d’incertitude, dont notamment la répétabilité et les erreurs propres à chacune des balances. C’est pourquoi elles ne sont pas forcément strictement identiques. La comparaison doit être faite dans des conditions où le maximum de causes d’incertitude doit être évité, pour tenter finalement de ne voir que les erreurs des moyens participants (Même opérateur, même lieu, la plus courte période de temps possible, … En somme, les conditions de répétabilité, mais en changeant le moyen) Note : La répétabilité peut être « amortie » en réalisant, si nécessaire, une série de mesures sur chaque moyen et en analysant les moyennes de chaque série (Versus les valeurs individuelles).
  • 7. Les C.2.I : Principe Que signifie « des valeurs cohérentes entre elles » ? Face à un événement aléatoire (la mesure est un événement aléatoire considéré gaussien, centré sur la valeur vraie – inconnue – et de variance uc 2 ), la notion de « cohérence » repose sur le constat : Une valeur donnée appartient-elle (à un niveau de confiance donné) à l’ensemble des valeurs possibles de mon phénomène ? Valeur vraie
  • 8. Les C.2.I : Principe A partir d’une série de données, il est possible de statuer sur la « cohérence » en calculant l’écart normalisé de chaque valeur de la série : Où : ENi = (xi - x) s représente la moyenne empirique de la série de données xi chacune des valeurs disponibles s représente l’estimateur d’écart-type de la série de données Dans le cas d’une loi normale (cette condition peut être vérifiée et, le cas échéant, révisée), la valeur absolue de l’EN d’une valeur xi : • > 1 signifie que la valeur à 32% (1-68%) de chance d’être cohérente (avec les autres) • > 2 signifie que la valeur à 5% (1-95%) de chance d’être cohérente (avec les autres) • … Suivant les propriétés de la loi considérée
  • 9. Les C.2.I : Principe Il existe de nombreux tests statistiques pour vérifier si une valeur particulière est susceptible ou non d’appartenir à une « population parente ». Dans le cas où on réalise plusieurs mesures pour diminuer l’effet « répétabilité », il faut également tester si les dispersions de chaque série sont cohérentes entre-elles. Ce test peut être fait simplement en comparant les estimateurs d’écart-type (de variance en fait) de chaque série les unes par rapport aux autres en utilisant les propriétés de la loi de Fisher Snédécor. Une présentation matricielle permet de voir immédiatement si l’un des moyens (au moins) a un souci de fidélité (car il s’agirait bien de cela, ou un souci de saisie des valeurs de la série)
  • 10. Les C.2.I : Exemple C.2.I avec 6 balances 1 série de 5 mesures d’un même objet inconnu
  • 11. Les C.2.I : Exemple C.2.I avec 6 balances Test aux écarts normalisés sur les moyennes de chaque balance Cas sans anomalie Cas avec anomalie
  • 12. Les C.2.I : Exemple C.2.I avec 6 balances Test des dispersions inter-séries Cas sans anomalie Cas avec anomalie =SI(MAX(sbal1;sbal5)^2/MIN(sbal1;sbal5) ^2<Vlimite;"-";"Diff") Vlimite = INVERSE.LOI.F.(0,025;4;4) On remarque clairement ici un souci sur la Balance 6
  • 13. Les C.2.I : Justification du raccordement Statistiquement, les tests présentés pourraient être suffisants pour justifier du raccordement des moyens non détectés douteux. En effet, il n’y a a priori pas de raison physique pour que les « n » moyens indépendants aient tous le même « biais » (qui ne serait alors pas détecté dans cette expérience). Pour être plus sûr : Option 1 : On peut utiliser, dans l’expérience, au moins un instrument étalonné. Option 2 : On peut faire mesurer l’objet par un laboratoire externe et vérifier que la moyenne de toutes les mesures de la C.2.I (hors moyen(s) écarté(s)) et la valeur trouvée par le laboratoire sont cohérentes entre-elles (par un Ecart Normalisé)
  • 14. Les C.2.I : Cas des unités hors S.I Les C.2.I peuvent être utilisées en dehors du S.I. Dans le cas de grandeurs particulières qu’un certain nombre d’acteurs partagent (Client/Fournisseurs/Tierce Partie), les C.2.I peuvent être réalisées à partir de plusieurs échantillons afin : 1. De vérifier que tous les acteurs trouvent des valeurs cohérentes entre-elles sur les échantillons fournis 2. D’obtenir des « matériaux de référence » de valeur connue (« moyenne » des résultats) que chaque acteur peut ensuite conserver pour ses propres C.2.I. Prévoir alors suffisamment d’échantillons pour tout le monde … Note : On se retrouve ici dans un cas classique de comparaisons inter-laboratoires (Cf Normes ISO 5725).
  • 15. Les C.2.I : Cas des moyens « en ligne » Parfois, les moyens dont il faut justifier du raccordement, sont installés en ligne et difficilement démontables. Dans ce cas, mesurer le même « support » est parfois impossible … Exemple : Les sondes de température ou de débit sur un process Dans ce cas, il est parfois possible de mesurer avec un autre moyen (étalonné de préférence) le même « support » que le moyen « en ligne ». On considère alors l’écart entre moyen « en ligne » et « autre moyen ». En reproduisant, avec le même « autre moyen », la même opération sur les différents moyens « en ligne » de même type, on peut traiter les écarts comme nous avons précédemment traité les mesures et détecter ainsi d’éventuelles anomalies sur un (des) moyen(s) « en ligne »
  • 16. Les C.2.I : Avantages & Inconvénients Avantages : 1. Les C.2.I font (enfin) rentrer la culture statistique dans l’entreprise. Elles remettent le métrologue au coeur d’une activité technique parfois oubliée … 2. Les C.2.I permettent de statuer sur la conformité des moyens (versus les E.M.T). Un moyen est « conforme » car il est « comme les autres ». Par ailleurs, elles permettent d’estimer la variance d’une famille de moyen, utile pour des calculs d’incertitude (Versus une évaluation de type basée sur l’EMT et forcément plus discutable) 3. Les C.2.I règlent en partie la question des instruments non (ou difficilement) démontables 4. Les C.2.I sont beaucoup moins contraignantes en terme d’immobilisation des moyens, l’opération ayant lieu sur le site industriel 5. Les C.2.I sont financièrement plus intéressantes car elles n’imposent pas de disposer d’étalons « métrologiques ».
  • 17. Les C.2.I : Avantages & Inconvénients Inconvénients : 1. Les C.2.I imposent de disposer de plusieurs moyens de même type. Plus il y en a, plus la détection d’un moyen « anormal » est pertinente. Remarque : On peut prévoir de faire des C.2.I en utilisant des moyens appartenant à d’autres entités : Clients, Fournisseurs, Partenaires, … 2. Les C.2.I se présentent comme une innovation en matière de raccordement métrologique. En ce sens, elles ne sont pas connues des auditeurs. Remarque : Elles sont traitées dans le guide CFM (ce qui fait référence dans le métier). Par ailleurs, la commission X07b (Métrologie) de l’AFNOR devrait engager des travaux début 2015 qui conduiront à une norme (ou un fascicule). Ce projet de norme est soutenu notamment par PSA Peugeot Citroën, Schneider Electric, C.S.TB, …
  • 18. La Métrologie du XXIème Siècle Merci pour votre attention Des questions ? JM POU : jmpou@deltamu.fr