Essais & Simulations n°117

Mesures et Methodes de

Mesures et Methodes de Mesure en face des deux premiers segments. Chaque capteur contrôle la moitié d’un segment. Une première rotation à 180° permet de vérifier les deux premiers segments avec les quatre capteurs. Ensuite, la table fait une élévation sur l’axe Z. Une deuxième rotation est réalisée en sens inverse pour contrôler le troisième segment en utilisant deux capteurs. Si un segment se révèle non conforme, il est contrôlé une deuxième fois puis une troisième fois. Si le défaut se confirme, le piston est confié à un opérateur pour une analyse complémentaire. « Les capteurs de déplacement prennent toutes les cotes de chacun des demi-périmètres qu’ils analysent, explique Claude Tritz, Technicien maintenance montage au sein de PSA Trémery. Environ 2 500 mesures sont prises par tour, soit un pas inférieur au dixième de millimètre. Un cycle de contrôle des trois segments dure environ cinq secondes. Nous avons établi des seuils pour contrôler la présence et la position des trois segments dans le milieu de la gorge ainsi que la taille et l’emplacement de l’ouverture. On vérifie aussi le ressort du segment racleur via ses ouvertures. Pour cela, nous avons sélectionné le modèle de haute précision LK-G32 à spot fin de 30 microns de Keyence, car sinon le spot était trop large pour rentrer dans les ouvertures ». Deux modèles de LK-G ont été utilisés : deux têtes à spot fin diamètre 30 microns (LK-G32) pour le contrôle du segment racleur et étanchéité supérieure et 2 LK-G82 destinés aux détections du segment coup de feu. Le contrôle de 3 000 moteurs produits chaque jour Les LKG sont des capteurs laser de déplacement. Ils offrent une vitesse d’échantillonnage de 50 kHz pour une répétabilité de 0,05 μm pour les modèles les plus précis. Les segments de piston sont des pièces réfléchissantes, ce qui perturbe les mesures. Les LK-G permettent une détection stable d’objets transparents, en plastique et métalliques grâce à des fonctions de corrections. La technologie ABLE (Active Balanced Laser control Engine) détecte la surface d’une cible et ajuste l’intensité de la lumière du laser au niveau optimal. ABLE commande intelligemment les trois paramètres de la durée d’émission du laser, de la puissance du laser et du gain (facteur d’amplification du CCD), ce qui offre une large plage de réglage de l’intensité de la lumière jusqu’à quatre-vingtdix fois supérieure à celle des modèles conventionnels. L’algorithme MRC (Multiple Reflection Cancel) permet l’élimination des réflexions multiples d’une surface métallique. Quand au moins deux crêtes sont générées par des réflexions multiples, l’algorithme compare les formes d’ondes à la dernière forme d’onde lumineuse reçue et détermine laquelle présente le plus de similitudes avec la forme d’onde correcte. « Nous utilisons cette solution depuis des années, par rapport à la solution précédente, nous avons beaucoup réduit le nombre de faux défauts. Il est à noter également que 3 000 moteurs sont produits en continu chaque jours sur les lignes contrôlées par les LK-G et ce dans un environnement très difficile. En dépit de cela, les LK-G résistent très bien », conclut Claude Tritz. Essais & Simulations • JUIN 2014 • PAGE 16

Mecaclim Méthode Variabilité de l’environnement climatique – coefficient de variation associé aux températures extrêmes mensuelles La méthode « résistance - contrainte » est basée sur l’interaction probabiliste entre deux distributions statistiques. Dans le domaine climatique, la température est une contrainte d’environnement dont la distribution doit être caractérisée par une valeur moyenne et un coefficient de variation. Or dans ce but, les bases de données climatiques ne sont pas facilement utilisables. À partir des températures maximales journalières, on montre comment déterminer la valeur moyenne et le coefficient de variation d’une température mensuelle qui serait dépassée avec une probabilité conventionnelle de 1%. Mots-clés méthode « résistance - contrainte », température maximale journalière, température maximale mensuelle, loi normale, loi extrémale, probabilité de dépassement ; Abstract The “stress-strength” method is based on a probabilistic interaction between two statistical distributions. In the climatic field the temperature is an environmental stress which the distribution must be characterised by a mean value and a coefficient of variation. Now with this object the climatic data bases are not easily usable. Starting from the maximum daily temperatures, we show how to determine the mean value and the coefficient of variation of a monthly temperature which would be over-passed with a conventional exceeding probability of 1%. Key-words «stress-strength» method, daily maximum temperature, monthly maximum temperature, normal distribution, extreme distribution, exceeding probability; 1. Introduction et objectifs L’objectif des activités engagées par la Commission MECA-CLIM de l’ASTE, créée fin 2012, consiste à réviser les normes AFNOR relatives à « l’application de la démarche de personnalisation en environnement ». Ceci implique un transfert et une adaptation de tout ou partie du contenu des Annexes de la GAM-EG13 dont la version la plus récente est le fruit des travaux soutenus au cours des dernières années [GRZ-13]. Ceux-ci ont permis d’introduire dans les versions antérieures de nombreuses améliorations et extensions, dont le détail et les justifications seront regroupés ultérieurement dans un « Fascicule de Documentation » accompagnant les normes AFNOR. Au fil du temps, les sujets concernés ayant fait l’objet de notes ou rapports internes non publiés, ils le seront dans cette rubrique, sous forme d’articles courts. La présente note concerne la variabilité des températures extrêmes rencontrées dans divers environnements climatiques. Elle est caractérisée par un coefficient de variation qui intervient dans la détermination du coefficient de garantie présenté dans la Partie 5 de la future norme AFNOR [NFX-13]. 2. Problématique L’objectif de personnalisation adopté dans le cadre de la méthode « Résistance – Contrainte » nécessite de définir aussi précisément que possible les données relatives aux facteurs d’environnement, en particulier la température. En effet, la détermination d’un coefficient de garantie implique de définir une distribution adéquate de la température, caractérisée par une valeur moyenne et un coefficient de variation. Pour un site géographique donné, on dispose généralement de séries chronologiques de températures extrêmes maximales relatives à diverses échelles temporelles (horaire, journalière, mensuelle, annuelle) dont l’exploitation est loin d’être évidente. Nous montrons comment définir la distribution et le coefficient de variation des températures maximales mensuelles à partir d’un minimum d’informations disponibles, à savoir les moyennes et écart-types des températures journalières. Puis nous déterminons la valeur moyenne et le coefficient de variation des températures mensuelles susceptibles d’être dépassées avec une probabilité conventionnelle de 1%. Pour un site climatique donné, cette température, spécifique de chaque mois de l’année, est une donnée cohérente, pratiquement utilisable au sens où elle représente une valeur maximale statistiquement réa- Essais & Simulations • JUIN 2014 • PAGE 17