Résumé de la conférence en quelques lignes
La « smart metrology » a été introduite par des métrologistes et des statisticiens pour répondre aux besoins de l'industrie.
Pendant très longtemps, les ingénieurs se sont contentés de mesures entachées d'incertitudes mal estimées qu'ils ont compensées en surdimensionnant les coefficients de sécurité. Le problème est qu'en augmentant de façon déraisonnable les marges de sécurité, on augmente aussi les coûts en matières premières, les coûts de production et les coûts de maintenance.
Les exigences d'optimisation ont rendu ces méthodes caduques et l'approche par « smart metrology » est maintenant requise par les normes ISO 9001 afin de garantir la conformité de la chaîne de production: de la réception des approvisionnements jusqu'au produit fini. Ainsi, l’ancienne méthode du calcul de la « propagation des erreurs » (longtemps enseignée à l’Université) est maintenant remplacée par la « composition des incertitudes ». Néanmoins comme cette nouvelle méthode nécessite, dans de nombreux cas, des calculs assez fastidieux, elle n’est pas adoptée systématiquement et l’ancienne méthode continue à être utilisée dans certaines formations d'ingénieurs.
C’est ici que Moodle, avec le plug-in CodeRunner, peut devenir extrêmement utile. En réalisant des simulations de Monte-Carlo, on peut estimer efficacement l’incertitude sur les valeurs mesurées expérimentalement en travaux pratiques (TP).
Concrètement, il s’agit de tirer au sort des valeurs simulées en suivant une loi normale 𝒩(m, σ) pour les incertitudes de type A et des valeurs simulées en suivant une loi uniforme 𝓤(m-Δ,m+Δ) avec
Δ=√3.σ
pour les incertitudes de type B. A partir de ces valeurs simulées, on calcule la valeur recherchée. L’incertitude sur la mesure est simplement l’écart-type des valeurs recherchées.
Grâce à Moodle, l’évolution de l’enseignement de la métrologie a pu être mis en œuvre auprès de 385 élèves d’une école d’ingénieurs post-bac lors des TP de première année. En amont des séances de TP, les élèves doivent faire un travail de préparation qui consiste à coder la simulation de Monte-Carlo des grandeurs qui seront mesurées en séance. La fonction auto-grading permet de faire une évaluation formative de ce travail. Lors de la séance, les élèves utilisent leur travail de préparation en appliquant les valeurs m, σ, Δ qu’ils ont mesurées. Ils peuvent alors copier-coller le résultat de leurs simulations dans leurs comptes-rendus (évaluation sommative).
Au bout de quelques TP, les élèves prennent l'habitude de faire une simulation de Monte-Carlo après chaque mesure. Ils apprécient la simplicité de cette méthode: ils utilisent la structure du code d'une simulation précédente, modifient les valeurs numériques et obtiennent le résultat en ne changeant qu'une seule ligne de code (celle où l’on calcule la valeur recherchée).
Grâce à Moodle, les élèves peuvent appliquer les règles de la « smart metrology » de façon rigoureuse sans avoir à faire des calculs fastidieux.
Intervenant: Profil: Antonin Bourgeois
