Principe
De nombreuses grandeurs ne se mesurent pas directement : la puissance s’obtient à partir de la tension et du courant, une résistance à partir de la tension et du courant, une masse volumique à partir de la masse et du volume. On définit un modèle y = f(x1, x2, …) qui relie le mesurande aux grandeurs d’entrée, et l’on évalue l’incertitude de chaque entrée.
Étapes
- Écrire le modèle mathématique complet, en incluant les corrections (température, poussée, dérive) qui apportent aussi de l’incertitude.
- Obtenir l’incertitude-type de chaque entrée, soit statistique (type A), soit à partir d’autres informations (type B).
- Calculer les coefficients de sensibilité : la dérivée partielle de f par rapport à chaque entrée, évaluée aux valeurs estimées.
- Composer : l’incertitude composée est la racine carrée de la somme des carrés de chaque produit coefficient par incertitude, plus les termes de covariance si les entrées sont corrélées.
- Élargir en multipliant par un facteur d’élargissement correspondant au niveau de confiance souhaité.
Un exemple avec la puissance
Si la puissance est le produit de la tension par le courant, le coefficient de la tension est le courant et celui du courant est la tension. Pour les produits et les quotients, il est pratique de travailler avec des incertitudes relatives : si les entrées ne sont pas corrélées, les incertitudes relatives s’additionnent en quadrature. Un exposant dans le modèle multiplie l’incertitude relative correspondante.
Corrélations
Si deux entrées sont mesurées avec le même instrument ou partagent un étalon, leurs erreurs ne sont pas indépendantes. Ignorer la corrélation peut surestimer ou sous-estimer l’incertitude, selon le signe des coefficients. Par exemple, dans une soustraction de deux lectures avec le même instrument, l’erreur commune s’annule en partie.
Quand la méthode linéaire ne suffit pas
La propagation analytique suppose que le modèle est à peu près linéaire au voisinage des valeurs d’entrée et que la loi de sortie est proche de la loi normale. Si le modèle est très non linéaire ou si une composante domine avec une loi non normale, on recourt à la propagation des lois par simulation de Monte Carlo.
Ce que voit l’ingénieur en pratique
Le résultat est présenté sous la forme d’un tableau de bilan : chaque ligne est une entrée avec son incertitude, sa loi, son coefficient de sensibilité et sa contribution. Ce tableau révèle quelle entrée domine et, par conséquent, où il convient d’investir dans de meilleurs étalons ou procédures.