Présentation
Auteur(s)
-
Jean-Michel POU : Président Fondateur de la société Delta Mu
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleINTRODUCTION
Les résultats de mesure ne sont pas parfaits. Chaque mesure est entachée d’une erreur qu’il convient de savoir estimer. En effet, de nombreuses décisions sont directement fondées sur des résultats de mesure. Il est donc important de pouvoir maîtriser le doute que l’on a sur la valeur du mesurande caractérisé. L’incertitude que l’on associe alors à un résultat de mesure permet de fournir une indication quantitative sur la qualité de ce résultat. Cette information est essentielle pour estimer la fiabilité d’un résultat de mesure.
DOI (Digital Object Identifier)
Présentation
Article inclus dans l'offre
"Qualité et sécurité au laboratoire"
(140 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
8. Erreurs à éviter
8.1 Ne négligez pas l’évaluation des causes d’incertitude
La simulation numérique ne remplace pas la réflexion sur les causes d’incertitude et leur loi de probabilité. En simulant des événements qui ne sont pas représentatifs de la réalité, on n’obtient pas une évaluation correcte de l’incertitude suivant le principe « garbage in, garbage out ».
HAUT DE PAGE8.2 Gardez de la hauteur de vue
La simulation numérique, comme beaucoup d’autres pratiques, s’appuie sur des modèles. Ces modèles sont forcément imparfaits et ne décrivent donc pas strictement la réalité, ils la simplifient. Il est par exemple compliqué de simuler des variables corrélées non gaussiennes. Il est également impossible de décrire la liaison entre deux variables par le seul coefficient de corrélation « linéaire ». Ces approximations doivent être connues et acceptées. Elles permettent de relativiser certains résultats.
Il est donc souvent plus raisonnable de parler « d’ordre de grandeur » que de « résultat de calcul », concept qui renvoie à une vérité « absolue ». Cette hauteur de vue permet notamment, dans le domaine de la simulation, de relativiser la question du nombre de simulations à réaliser pour obtenir un résultat représentatif…
HAUT DE PAGEErreurs à éviter
Article inclus dans l'offre
"Qualité et sécurité au laboratoire"
(140 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
-
Covariance evaluation by means of uncertainty assessment , DUBOIS (C.), LEBLOND (L.), POU (J.M.) et FERRERO (A.), in IEEE Instrumentation & Measurement Magazine, vol. 19, no. 6, pp. 12-18, décembre 2016
-
JCGM 100:2008(F) – Évaluation des données de mesure – Guide pour l’expression de l’incertitude de mesure. Téléchargeable gratuitement et en français
-
JCGM 101:2008 – Evaluation of measurement data – Supplement 1 to the “Guide to the expression of uncertainty in measurement “- Propagation of distributions using a Monte-Carlo Method. Téléchargeable gratuitement et en français
-
JCGM 200:2012 – Vocabulaire international de métrologie – Concepts fondamentaux et généraux et termes associés (VIM) 3e édition
-
FD X07-023 – Métrologie – Évaluation de l’incertitude de mesure par la méthode Monte-Carlo – Principes et mise en œuvre du supplément 1 au GUM, mai 2012
-
Simulateur d’une loi empirique (Outil fic1437m1.xlsx ).
Ce...
Article inclus dans l'offre
"Qualité et sécurité au laboratoire"
(140 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.