Modélisation et simulation de l’étalonnage

Type : Projet du centre CRTI
Organisme : Centre de Recherche en Technologies Industrielles (CRTI)
Unité : Unité de recherche appliquée en sidérurgie et métallurgie
Division : Division de sidérurgie et métallurgie
Equipe résponsable : Equipe N°40 « Matériaux et Simulation »
Période : 2016 - 2018
Version PDF : (.pdf)
Mots Clés : Etalonnage, régression linéaire, simulation Monte Carlo, re-échantillonnage bootstrap
Description
En métallurgie et sidérurgie, le contrôle qualité des matériaux est primordial. L’analyse de sensibilité et l’estimation des incertitudes sont d’une importance majeure pour la déclaration de conformité des produits finis. Il faut chercher des modèles pour analyser les données d’essais métallurgiques, lors de l’élaboration et de la caractérisation des matériaux. L’objectif principal de ce travail d’établir des modèles fiables pour analyser nos données expérimentales et à valider ces modèles.L’étalonnage d’un instrument consiste à appliquer une valeur étalon connue en entrée du système de mesure afin de vérifier que la sortie correspond à la valeur attendue. Il existe plusieurs modèles qui servent à ajuster la courbe d’étalonnage. Le modèle de régression linéaire est le plus connu.Au cours de l’étalonnage, il est nécessaire de valider le modèle. L’industrie est de plus en plus exigeante sur la justesse du résultat d’analyse. Cela est possible grâce à la validation métrologique.Le problème, évidemment, est qu'il n’est pas toujours possible de répéter l'ensemble des mesures.Donc, il faut chercher des méthodes qui nous permettraient de prédire les écarts-types des coefficients à partir d'une seule mesure du signal, sans répéter les mesures. Il existe des méthodes de simulation pour analyser la variance des paramètres de la courbe d’étalonnage : (i) la simulation de Monte Carlo, et (ii) la méthode de re-échantillonnage Bootstrap.Le but de cette étude s’articule autour de deux objectifs : (i) la modélisation de la courbe d’étalonnage par la méthode des moindres carrés, et (ii) la simulation de données.