La simulation numérique, dite simulation de Monte Carlo, est une autre approche de l’estimation de l’incertitude de mesure, notamment dans la mise en oeuvre de la loi de propagation. Il s’agit, dans le cadre de la propagation des incertitudes sur les données d’entrée d’un modèle de mesure, de simuler les dites données pour observer l’impact sur la donnée de sortie, c’est à dire le mesurande. Cette formation présente les techniques de simulation numérique et traite des avantages et limites de cette approche par rapport à la méthode classique.
Ingénieurs, chercheurs et techniciens chargés d’estimer les incertitudes de mesure et d’essais voulant maîtriser toutes les techniques d’évaluation des incertitudes de mesure.
À la fin du stage, le participant sait utiliser la simulation numérique pour estimer l’incertitude de mesure. Il est capable de comprendre dans les cas où les méthodes classiques ne sont pas applicables ou ne donnent pas de résultats satisfaisants.
Principes de la simulation numérique (méthode de Monté Carlo)
Rappels sur la loi de propagation des incertitudes
Propagation des distributions
Généralisation de l’emploi des méthodes numériques
Exemples d’applications
| IN01 | Sensibilisation à l'évaluation des incertitudes de mesure et d'essais |
| IN02 | Initiation pratique à l'évaluation et l'utilisation des incertitudes de mesure |
| IN03 | Evaluation des incertitudes de mesure dans le cas de mesurage non direct |
| IN04 | Evaluation des incertitudes de mesure par la méthode Monte Carlo |
| FP03 | Optimiser les périodicités d'étalonnage par la méthode OPPERET (FD X07-014) |
| FP04 | Optimiser les périodicités d'étalonnage par la méthode de la dérive (FD X07-014) |
| FP05 | Mettre en place des surveillances et C2I Comparaisons Inter-Instruments (FD X07-041) |
| FP06 | Réaliser des études de capabilité selon les méthodes MSA (Measurement Systems Analysis) |
| FP07 | Définition et paramétrage des procédures d'étalonnage |