Essais & Simulations 149

MESURES MESURER LA

MESURES MESURER LA VALEUR DE L’INSPECTION OPTIQUE Dans de nombreux cas, les protocoles de contrôle de la qualité exigent la mesure de caractéristiques cruciales. Souvent, un système numérique sera plus rapide qu’un système optique, mais un système optique permet mieux de surmonter des défis spécifiques avec certains matériaux, en particulier lorsque le contraste est un problème. Les fabricants de pièces médicales micro-moulées pour des articles tels que les bouchons médicaux et les systèmes d’administration de médicaments connaissent très bien ce problème. Lorsque les pièces sont constituées de polymères transparents avec une micro-géométrie complexe, les bords des caractéristiques critiques sont beaucoup plus faciles à détecter avec un microscope de mesure optique. La tête optique fournit une image nette à plus haute résolution, améliorant ainsi la détection des bords et rendant le processus de mesure plus précis et efficace. Lorsqu’ils sont utilisés dans des applications d’atelier, les microscopes optiques aident à détecter les bords sur les caractéristiques de surface des pièces métalliques, là où le contraste n’est pas suffisant pour que la détection des bords vidéo fonctionne correctement. Par conséquent, les microscopes optiques sont encore largement utilisés dans les ateliers d’usinage pour mesurer rapidement et avec précision les composants. INTÉGRER LES AVANTAGES DU NUMÉRIQUE DANS LE PROCESSUS D’INSPECTION OPTIQUE Bien qu’une image optique de haute qualité puisse faire toute la différence pour comprendre et évaluer des composants complexes, les protocoles de contrôle qualité nécessitent souvent une documentation à l’appui du processus d’inspection. Dans les cas où une simple capture d’image 2D est la seule exigence, un appareil photo numérique peut être intégré au système optique. Un bon exemple de ceci est lorsque le miroir tournant à 360° est utilisée avec le Lynx EVO pour inspecter un Quad Flat Package (QFP). En utilisant le miroir tournant à 360° pour regarder sous et autour des pattes sans avoir à manipuler le PCB lui-même, le risque de dommages survenant pendant le processus d’inspection est réduit, sans nuire à la précision ou à la vitesse d’inspection. L’inspection des composants en plastique peut également bénéficier d’une vue stéréo 3D optique. Dans certains cas, la couleur du composant peut rendre difficile l’identification et l’inspection des zones surélevées et la perception de profondeur supérieure offerte par un microscope optique facilitera la tâche et améliorera la précision de l’opérateur. Lorsqu’un plus grand niveau de détail est requis, une gamme d’options de logiciels est disponible offrant du dimensionnement simple aux mesures extrêmement précises de la plus petite caractéristique, en fonction de l’équipement utilisé. Dans les cas où seule une image 3D suffit, cette dernière technologie innovante offre l’option de stéréo numérique 3D qui permet aux utilisateurs de capturer, stocker et partager des images stéréo numériques 3D ● Sarah Eagles (Vision Engineering) 16 IESSAIS & SIMULATIONS • N°149 • mai - juin - juillet 2022

PUBLI REPORTAGE MESURES L’utilisation de plusieurs méthodes d’estimation des incertitudes de mesurage est-elle un choix ou une obligation ? L’analyse des risques est devenue l’élément le plus important des mises à jour des normes depuis quelques années, un phénomène accentué par la publication de la mise à jour de la norme de certification ISO 9001 : 2015 suivie par la norme concernant l’accréditation des laboratoires d’essais et de métrologie l’ISO 17025 : 2017 et d’autres dans les domaines de la santé, de la technologie etc. C’est pour cela que le niveau de risque accepté pour nos mesurages, essais, analyses a pris une importance majeure et un autre chemin de réflexion vers la recherche de moyens et d’outils de validation de nos résultats. Généralement, la détermination des incertitudes s’effectue avec la méthode GUM (Guide to the expression of uncertainty in measurement) [JCGM 100:2008] basée sur la méthode de propagation des variances appelée par les métrologues « méthode de propagation des incertitudes ». Ce guide a été complété par le Supplément 1 [JCGM 101:2008] du guide pour l’expression des incertitudes de mesure de 2008 traitant la propagation de distributions par la méthode Monte Carlo, une alternative pratique du GUM lorsque la méthode de propagation des variances n’est pas facilement applicable. Traitons l’exemple S7 décrit dans le document EA-4/2 :2021 concernant l’étalonnage d’un atténuateur de pas coaxial à un réglage de 30 dB en utilisant le logiciel Gum Workbench 2.4 pour l’application des deux méthodes GUM et la méthode de simulation Monte-Carlo. Le modèle mathématique Lx relatif à l’atténuateur à étalonner tel que décrit dans l’exemple EA-4/2 :2021 est : Le résultat de la simulation d’une population de 2 millions d’essais, effectuée par des blocs de 10 000 essais, est présenté par la Figure 2 de cet article. Figure 2 : Résultat de la simulation de Monte Carlo pour LX - GUM Workbench 2.4, Simulateur OMCE V:1.2.14.1 Les résultats de simulation du modèle mathématique de l’équation n° 1 sont présentés en couleur gris et les valeurs théoriques attendues sont schématisées en couleur rouge, les traits bleus représentent le calcul basé sur des données expérimentales. Bien que la courbe de simulation du modèle n’est pas ce qu’on attendait – une courbe de distribution normale – , le niveau d’incertitude donné est rassurant et représente une probabilité de 4,6%, un niveau de risque accepté par les métrologues. La question, si on change la distribution de ce paramètre, est de savoir quel est l’impact sur le niveau de risque pris. Figure N° 3 : Résultat de la simulation de Monte Carlo pour LX - GUM Workbench 2.4, Simulateur OMCE V:1.2.14.1 Lx résultat de l’atténuation de l’atténuateur à étalonner en dB qui représente notre mesurande et les facteurs LS, δ LS, δ LD, δ LM, δ LK , δ Lib , δ Lia , δ L0b et δ L0a représentent les différents facteurs d’entrées du modèle mathématique (Formule n°1). Figure N° 1 : Bilan de la détermination de l’incertitude du mesurande Lx - Extrait du logiciel GUM Workbench 2.4 Le bilan d’incertitude présenté par la figure N° 1 met l’accent sur un paramètre prépondérant qui est la correction due à une perte de concordance δ LM ; celle-ci représente 79,7% de la valeur de l’incertitude globale qui a été estimé par la distribution arc-sinus. Observons l’impact sur un choix non adapté : la loi de distribution du paramètre δ LM a été changée de la loi arc-sinus vers la loi triangulaire, donc d’une probabilité qui tend vers l’infini aux deux extrémités de variation du facteur δ LM vers une probabilité maximale vers le centre du facteur en question. Le résultat est très représentatif. Il relève un écart important entre les résultats expérimentaux simulés et les résultats théoriques de la formule du mesurande avec un risque sur la détermination de résultat proche de 40%, risque non accepté par les utilisateurs du résultat de mesurage. Aurions-nous perçu cette problématique si on n’avait pas procédé à une détermination des résultats de mesurage par les deux méthodes GUM et Monte Carlo ? Plusieurs exemples pratiques démontrent l’importance de la comparaison entre les deux méthodes pour la validation adéquate de nos méthodes d’estimation des incertitudes et la détermination de nos résultats de mesurage. ● ESSAIS & SIMULATIONS • N°149 • mai - juin - juillet 2022 I17