| name | measurement-uncertainty-analysis |
| description | Calculer les incertitudes de mesure selon le guide GUM (Type A et B, incertitude élargie) et évaluer la capabilité des systèmes de mesure par des études MSA R&R (Répétabilité & Reproductibilité). |
| version | 2.0.0 |
| author | EVA |
| license | Privée EVA St-Étienne |
| platforms | ["linux","macos","windows"] |
| metadata | {"tags":["uncertainty-analysis","gum","msa","r-and-r","metrology","statistics","quality-control","measurement-system"],"EVA":{"related_skills":["industrial-metrology-calibration","systems-engineering-sysml","pcb-design-altium"]}} |
Analyse d'Incertitudes & Capabilité de Mesure (GUM / MSA)
Vue d'ensemble
Cette compétence guide l'évaluation statistique rigoureuse de la qualité des systèmes de mesure industriels. Elle repose sur deux cadres méthodologiques complémentaires, largement reconnus dans l'industrie :
-
Le GUM (Guide to the Expression of Uncertainty in Measurement — JCGM 100:2008) : Cadre international pour le calcul mathématique des incertitudes de mesure, avec les évaluations de Type A (statistique, à partir de séries de mesures répétées) et de Type B (a priori, à partir de données constructeur, certificats d'étalonnage, spécifications). Le GUM fournit la loi de propagation des variances pour combiner les différentes sources d'incertitude et calculer l'incertitude élargie $U$ avec un niveau de confiance donné (généralement 95 %).
-
Le MSA (Measurement Systems Analysis — AIAG / IATF 16949) : Méthodologie issue du secteur automobile pour évaluer l'aptitude d'un système de mesure à discriminer correctement les pièces bonnes des pièces mauvaises. L'étude Gage R&R (Répétabilité et Reproductibilité) quantifie la part de variabilité apportée respectivement par l'instrument de mesure ($EV$ — Equipment Variation) et par les opérateurs ($AV$ — Appraiser Variation).
Ces deux approches sont complémentaires : le GUM calcule l'incertitude d'une mesure spécifique, tandis que le MSA évalue la capabilité globale du système de mesure (instrument + opérateur + procédure).
Cette compétence est conçue pour être actionnée par l'agent EVA lorsque l'utilisateur exprime un besoin lié au calcul d'incertitude, à la validation d'un système de mesure, ou à l'interprétation d'études statistiques de mesure.
Quand l'utiliser
À utiliser lorsque l'utilisateur demande de façon explicite ou implicite de :
- Calculer l'incertitude composée et l'incertitude élargie d'une chaîne de mesure complexe (capteur + transmetteur + convertisseur A/N + alimentation).
- Réaliser une analyse d'incertitude de Type A (estimation statistique à partir de mesures répétées) ou de Type B (certificats d'étalonnage, données constructeurs, conditions environnementales).
- Mener une étude MSA Gage R&R par la méthode de la moyenne et de l'étendue (Range Method) ou par ANOVA.
- Interpréter les indicateurs $%R&R$, $ndc$ (Number of Distinct Categories) et le rapport signal/bruit pour décider de l'acceptation ou du rejet d'un système de mesure.
- Rédiger un budget d'incertitude complet pour un rapport d'étalonnage ou de validation d'un moyen de contrôle.
- Former ou assister une équipe qualité dans la mise en place d'études MSA selon la norme IATF 16949.
Évaluation des incertitudes selon le GUM
Modèle mathématique de la mesure
Toute mesure physique $Y$ est une fonction de plusieurs grandeurs d'entrée $X_i$ :
$$Y = f(X_1, X_2, \dots, X_n)$$
L'incertitude-type composée $u_c(Y)$ est obtenue par la loi de propagation des variances :
$$u_c^2(Y) = \sum_{i=1}^{n} \left( \frac{\partial f}{\partial X_i} \right)^2 \cdot u^2(X_i) + 2 \sum_{i=1}^{n-1} \sum_{j=i+1}^{n} \frac{\partial f}{\partial X_i} \cdot \frac{\partial f}{\partial X_j} \cdot u(X_i, X_j)$$
Pour des grandeurs d'entrée non corrélées (cas le plus fréquent), le deuxième terme (covariance) est nul :
$$u_c(Y) = \sqrt{ \sum_{i=1}^{n} \left( c_i \cdot u(X_i) \right)^2 }$$
Où $c_i = \partial f / \partial X_i$ est le coefficient de sensibilité de la grandeur $X_i$ sur le résultat $Y$.
1. Incertitude de Type A ($u_A$)
L'incertitude de Type A est calculée à partir de séries d'observations répétées ($n$ mesures indépendantes du même mesurande, dans les mêmes conditions) :
$$u_A = \frac{s}{\sqrt{n}}$$
Où $s$ est l'écart-type expérimental :
$$s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2}$$
Nombre de mesures recommandé : $n \ge 10$ pour une estimation fiable de $s$, $n \ge 20$ pour une incertitude de Type A prédominante.
Degrés de liberté : $\nu_A = n - 1$ (utilisé dans le calcul du facteur d'élargissement $k$ via la distribution de Student).
2. Incertitude de Type B ($u_B$)
L'incertitude de Type B est évaluée à partir d'informations a priori, sans mesures supplémentaires. Les sources typiques sont :
| Source | Information disponible | Loi de distribution | $u_B$ |
|---|
| Certificat d'étalonnage | Incertitude élargie $U_{cert}$ avec $k_{cert}$ | Normale (par défaut) | $u_B = U_{cert} / k_{cert}$ |
| Résolution d'affichage | Demi-résolution $a$ | Rectangulaire (uniforme) | $u_B = a / \sqrt{3}$ |
| Tolérance constructeur | Demi-tolérance $\pm a$ | Rectangulaire | $u_B = a / \sqrt{3}$ |
| Tolérance constructeur | Demi-tolérance $\pm a$ | Triangulaire | $u_B = a / \sqrt{6}$ |
| Dérive entre étalonnages | Limite de dérive $\pm a$ | Rectangulaire | $u_B = a / \sqrt{3}$ |
| Condition environnementale (ex : T ambiante $\pm \Delta T$) | Variation $\pm a$ autour de la référence | Rectangulaire | $u_B = a / \sqrt{3}$ |
3. Incertitude élargie ($U$)
L'incertitude élargie $U$ définit un intervalle $y \pm U$ contenant la valeur vraie avec un niveau de confiance donné :
$$U = k \cdot u_c(Y)$$
| Niveau de confiance | Facteur d'élargissement $k$ | Condition |
|---|
| 95 % | $k = 2$ | Valeur par défaut (GUM), $\nu_{eff} \to \infty$ |
| 99 % | $k \approx 2.58$ | $\nu_{eff} \to \infty$ |
| 95 % | $k = t_{0.975}(\nu_{eff})$ | Si $\nu_{eff}$ fini (formule de Welch-Satterthwaite) |
4. Budget d'incertitude — Exemple complet
Mesure : Température d'un bain d'étalonnage à l'aide d'une sonde PT100 + transmetteur 4-20 mA + entrée automate.
| Source | Symbole | Valeur | Loi | $u(X_i)$ | Coefficient $c_i$ | Contribution $c_i \cdot u(X_i)$ |
|---|
| Répétabilité (Type A) | $u_A$ | $s=0.05$, $n=10$ | Normale | $0.05 / \sqrt{10} = 0.016$ | 1 | $0.016$ |
| Résolution du transmetteur | $s_{res}$ | $0.01,\mathrm{°C}$ | Rectangulaire | $0.01 / \sqrt{3} = 0.006$ | 1 | $0.006$ |
| Linéarité du transmetteur (certificat) | $s_{lin}$ | $U_{cert} = 0.05$, $k=2$ | Normale | $0.05 / 2 = 0.025$ | 1 | $0.025$ |
| Précision convertisseur A/N automate | $s_{conv}$ | $\pm 0.1%$ de la pleine échelle | Rectangulaire | $(0.001 \times 200) / \sqrt{3} = 0.115$ | 1 | $0.115$ |
| Dérive du transmetteur sur 1 an | $s_{drift}$ | $\pm 0.02,\mathrm{°C}$ | Rectangulaire | $0.02 / \sqrt{3} = 0.012$ | 1 | $0.012$ |
$$u_c = \sqrt{0.016^2 + 0.006^2 + 0.025^2 + 0.115^2 + 0.012^2} = 0.119,\mathrm{°C}$$
$$U = 2 \times 0.119 = 0.238,\mathrm{°C} \quad (95,%)$$
Analyse des contributions : Le convertisseur A/N de l'automate est ici le principal contributeur (93 % de la variance totale). L'amélioration du système de mesure passe par le remplacement de l'entrée automate standard par une carte de mesure de précision dédiée.
Capabilité de mesure : Études MSA Gage R&R
Une étude R&R décompose la variabilité totale d'un système de mesure en trois composantes :
$$\sigma_{totale}^2 = \sigma_{produit}^2 + \sigma_{R&R}^2 = \sigma_{produit}^2 + \sigma_{répétabilité}^2 + \sigma_{reproductibilité}^2$$
Protocole standard (AIAG)
- Pièces : 10 pièces (ou échantillons) représentatives de l'étendue de variation réelle du processus.
- Opérateurs : Au moins 3 opérateurs.
- Essais : Chaque opérateur mesure chaque pièce 2 à 3 fois, dans un ordre aléatoire.
Méthode de la moyenne et de l'étendue
-
Répétabilité (EV — Equipment Variation) : Variabilité du même opérateur mesurant la même pièce plusieurs fois.
$$EV = \bar{R} \cdot K_1$$
où $\bar{R}$ est la moyenne des étendues des mesures de chaque opérateur pour chaque pièce, et $K_1$ une constante dépendant du nombre d'essais ($K_1 = 4.56$ pour 2 essais, $3.05$ pour 3 essais).
-
Reproductibilité (AV — Appraiser Variation) : Variabilité entre les moyennes des différents opérateurs mesurant les mêmes pièces.
$$AV = \sqrt{ (\bar{X}_{diff} \cdot K_2)^2 - \frac{EV^2}{n \cdot r} }$$
où $\bar{X}_{diff}$ est l'étendue des moyennes des opérateurs, $K_2$ une constante ($K_2 = 2.70$ pour 2 opérateurs, $2.08$ pour 3 opérateurs), $n$ le nombre de pièces, $r$ le nombre d'essais.
-
R&R total : $R&R = \sqrt{EV^2 + AV^2}$
Critères d'acceptation $%R&R$
Le $%R&R$ est le rapport entre la variabilité du système de mesure et la variabilité totale (ou la tolérance) :
$$%R&R_{tolérance} = \frac{R&R}{USL - LSL} \times 100$$
$$%R&R_{processus} = \frac{R&R}{\sigma_{totale}} \times 100$$
| $%R&R$ | Décision | Action |
|---|
| $< 10%$ | Excellent — Acceptable sans réserve | Aucune |
| $10%$ à $20%$ | Bon — Acceptable sous conditions | Valable pour la plupart des applications |
| $20%$ à $30%$ | Marginal — Acceptable selon la criticité | Peut nécessiter une amélioration ou une révision des tolérances |
| $> 30%$ | Inacceptable | Le système de mesure doit être amélioré ou remplacé |
Nombre de catégories distinctes ($ndc$)
L'indicateur $ndc$ (Number of Distinct Categories) mesure la capacité du système de mesure à distinguer différentes classes de pièces :
$$ndc = \sqrt{2} \cdot \frac{\sigma_{produit}}{\sigma_{R&R}}$$
- $ndc \ge 5$ : Acceptable (le système peut discriminer au moins 5 niveaux distincts).
- $ndc < 5$ : Le système de mesure n'est pas assez sensible pour les besoins de contrôle.
Analyse de l'étude R&R par ANOVA
La méthode ANOVA (analyse de variance) est plus précise que la méthode des moyennes et étendues, car elle peut détecter une interaction opérateur × pièce (certains opérateurs mesurent systématiquement certaines pièces différemment des autres opérateurs).
Tableau ANOVA type (3 opérateurs, 10 pièces, 2 essais) :
| Source de variation | Somme des carrés ($SS$) | Degrés de liberté ($df$) | Carré moyen ($MS$) | $F$ | $p$-value |
|---|
| Pièce | $SS_{pièce}$ | 9 | $MS_{pièce}$ | $MS_{pièce}/MS_{int}$ | ... |
| Opérateur | $SS_{op}$ | 2 | $MS_{op}$ | $MS_{op}/MS_{int}$ | ... |
| Interaction (pièce × op) | $SS_{int}$ | 18 | $MS_{int}$ | $MS_{int}/MS_{rep}$ | ... |
| Répétabilité | $SS_{rep}$ | 30 | $MS_{rep}$ | — | — |
| Total | $SS_{tot}$ | 59 | | | |
Si l'interaction est significative ($p < 0.05$), l'effet de l'opérateur dépend de la pièce mesurée, ce qui indique un besoin de formation spécifique ou de clarification de la procédure de mesure.
Pièges Courants (Common Pitfalls)
1. Sommer les incertitudes de manière linéaire
Erreur : Additionner directement les erreurs maximales individuelles pour obtenir l'incertitude globale : $U_{tot} = U_1 + U_2 + \dots + U_n$. Par exemple, pour une mesure de température : $1.0,\mathrm{°C} + 0.5,\mathrm{°C} = 1.5,\mathrm{°C}$. Cette méthode surestime considérablement l'incertitude réelle (parfois de 40 % à 100 %), car elle suppose que toutes les erreurs individuelles s'additionnent dans le même sens simultanément — ce qui est statistiquement très improbable.
Correction : Appliquer la loi de propagation des variances (sommation quadratique) du GUM :
$$u_c = \sqrt{u_1^2 + u_2^2 + \dots + u_n^2}$$
Pour l'exemple ci-dessus avec $u_1 = 1.0 / \sqrt{3} = 0.577$ (loi rectangulaire) et $u_2 = 0.5 / \sqrt{3} = 0.289$ :
$$u_c = \sqrt{0.577^2 + 0.289^2} = 0.645 \quad \Rightarrow \quad U = 2 \times 0.645 = 1.29,\mathrm{°C}$$
L'incertitude élargie est de $1.29,\mathrm{°C}$, non $1.5,\mathrm{°C}$ comme dans la sommation linéaire.
2. Mener une étude R&R avec des pièces non représentatives de la production
Erreur : Utiliser des pièces de test parfaitement identiques (même dimension, même dureté, même état de surface) pour mener l'étude Gage R&R. La variabilité réelle des pièces ($\sigma_{produit}$) est sous-estimée (proche de zéro), donc le rapport $\frac{\sigma_{R&R}}{\sigma_{totale}}$ devient très grand, et le $%R&R$ semble inacceptable même pour un excellent système de mesure. À l'inverse, des pièces trop différentes sans représentativité de la plage de tolérance faussent aussi l'analyse.
Correction : Sélectionner soigneusement un échantillon de 10 pièces (selon AIAG) qui couvre au moins 80 % de la plage de tolérance $[LSL, USL]$, avec une répartition aussi uniforme que possible. Si la variation naturelle du processus ($6\sigma_{processus}$) est inférieure à la tolérance, sélectionner des pièces représentatives de toute la plage de variation du processus (y compris les pièces hors tolérance, si disponibles et autorisées).
3. Confondre précision et résolution
Erreur : Considérer qu'un instrument avec une résolution de $0.001,\mathrm{mm}$ (3 décimales sur l'afficheur) est nécessairement "précis" avec une incertitude de $0.001,\mathrm{mm}$. La résolution n'est qu'une des nombreuses composantes de l'incertitude (Type B). Un pied à coulisse digital de résolution $0.001,\mathrm{mm}$ a en réalité une incertitude élargie typique de $\pm 0.02,\mathrm{mm}$ à cause des défauts de géométrie des becs, de la force de mesure et de la température.
Correction : Les données constructeur fournissent la précision (ou erreur maximale tolérée) qui est généralement bien supérieure à la résolution. Dans le budget d'incertitude, inclure à la fois la résolution (petite contribution) et la précision constructeur (contribution principale) comme sources distinctes de Type B. La résolution contribue via $a/\sqrt{3}$ où $a$ est la demi-résolution.
4. Oublier d'inclure les conditions environnementales dans le budget d'incertitude
Erreur : Réaliser un budget d'incertitude pour une mesure dimensionnelle sans tenir compte de la température ambiante. Une variation de $5,\mathrm{°C}$ sur une pièce en acier de $500,\mathrm{mm}$ provoque une dilatation de $\Delta L = 500 \times 12\times10^{-6} \times 5 = 0.030,\mathrm{mm}$, ce qui peut être supérieur à la tolérance de la pièce.
Correction : Inclure dans le budget d'incertitude au moins les sources environnementales suivantes :
- Température ambiante : $\Delta T$ autour de $20,\mathrm{°C}$ de référence, coefficient de dilatation du matériau.
- Hygrométrie : Impact sur les matériaux hygroscopiques (bois, polymères).
- Pression atmosphérique : Pour les mesures de longueur d'onde (interférométrie) ou les mesures de force.
- Vibrations : Pour les mesures de précision (microscopie, profilométrie).
Liste de vérification (Checklist)
