FR3093795A1 - Procédé de génération d’un indice de POD - Google Patents
Procédé de génération d’un indice de POD Download PDFInfo
- Publication number
- FR3093795A1 FR3093795A1 FR1902629A FR1902629A FR3093795A1 FR 3093795 A1 FR3093795 A1 FR 3093795A1 FR 1902629 A FR1902629 A FR 1902629A FR 1902629 A FR1902629 A FR 1902629A FR 3093795 A1 FR3093795 A1 FR 3093795A1
- Authority
- FR
- France
- Prior art keywords
- test bench
- pod
- measurement
- probability
- calculation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005259 measurement Methods 0.000 claims abstract description 56
- 238000012360 testing method Methods 0.000 claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 239000006185 dispersion Substances 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 230000003542 behavioural effect Effects 0.000 claims abstract description 8
- 230000007547 defect Effects 0.000 claims description 30
- 239000000523 sample Substances 0.000 claims description 19
- 230000007257 malfunction Effects 0.000 claims description 2
- 238000009472 formulation Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 238000009659 non-destructive testing Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
- G01N27/9046—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents by analysing electrical signals
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
L’invention concerne un procédé de génération d’un indice de « probability of detection POD » pour un banc d’essai (10) donné, le procédé comprenant les étapes suivantes :- E11 : obtention de données de signal pour une pluralité de paramètres (α, β, γ, rep,…),- E12 : pour chaque paramètre, détermination d’une dispersion (Uα, Uβ) de la mesure des signaux par application d’une loi de probabilité comportementale,- E13 : calcul d’un intervalle d’incertitude globale (Uz) de mesure relative au banc d’essai,- E21 : mesure de données de signal avec le banc d’essai sur une pluralité de pièces de référence (60), - E22 : génération de données de signal supplémentaires à partir des données de signal mesurées sur la pluralité de pièces de référence et de l’incertitude globale (Uz) de mesure du banc d’essai, - E23 : correspondance entre la taille d’un défaut et l’amplitude du signal de la mesure, cette correspondance vérifiant une log-linéarité,- E3 : calcul du POD du banc d’essai à partir des données obtenues. Figure pour l’abrégé : Fig. 1
Description
DOMAINE TECHNIQUE GENERAL
L’invention concerne le domaine du contrôle non destructif (CND) et en particulier le contrôle qualité par indice POD, pour« probability of detection» (« probablité de détection »).
Les CND permettent le contrôle de matériaux selon un seuil fixé dans les spécifications pour chacune des pièces.
Les POD sont une étude statistique décrite dans le livre «Military Handbook 1823A» (duDepartement Of Defensedes USA et accessible sur www. statisticalengineering.com), permettant de donner la fiabilité et la performance de détection en fonction des pièces à contrôler, des moyens et des procédures utilisées pour le contrôle.
ETAT DE L’ART
Les POD sont déterminés pour un système de contrôle suite à une campagne de mesure nécessitant de multiples contrôles sur soixante anomalies de même nature. Les contrôles doivent être répétés par trois opérateurs différents. L’objectif est ainsi d’obtenir un nombre significatif de résultats de contrôle en fonction de l’opérateur et de la taille de l’anomalie pour déterminer la probabilité de détecter une anomalie en fonction de sa taille.
La campagne de mesure dure plusieurs mois avant d’obtenir toutes les données sur les 60 anomalies par les trois opérateurs.
Une méthode de mesure des défauts utilise par exemple les courants de Foucault : une sonde est approchée de la pièce à inspecter et génère des courants induits. Dans ce type de mesure, le positionnement dans l’espace de la sonde par rapport à la pièce à inspecter est source d’erreur et d’imprécision de mesure.
Les valeurs utilisées pour le calcul d’un POD sont obtenues après une campagne de mesure référençant un nombre significatif d’amplitudes résultantes de contrôle pour toutes les variations. Ces variations sont par exemple la taille des défauts, l’angulation de contrôle, les chaines de mesure, etc.
L’ensemble de ces valeurs doit respecter trois critères pour être recevable dans un POD :
1. Une courbe logarithmique de l’amplitude du signal en fonction de la taille des défauts qui soit linéaire (c’est-à-dire monotone).
2. La dispersion des résultats qui soit proportionnelle aux tailles de défauts.
3. La dispersion des résultats qui soit normale (loi gaussienne) autour de la courbe linéaire.
1. Une courbe logarithmique de l’amplitude du signal en fonction de la taille des défauts qui soit linéaire (c’est-à-dire monotone).
2. La dispersion des résultats qui soit proportionnelle aux tailles de défauts.
3. La dispersion des résultats qui soit normale (loi gaussienne) autour de la courbe linéaire.
La fabrication d’anomalie est également coûteuse et difficile à réaliser.
Dans ce domaine, un ouvrage fait foi : le «Military Handbook 1823A».
Il décrit la méthode suivante : un grand nombre de paramètres sont rassemblés dans un système fermé puis un nombre important de mesures est effectué pour s’assurer que les paramètres qui devaient varier ont effectivement varier. En effet, il a été prouvé que dans un système mécanique fermé (machine, opérateur, outil), vingt-neuf mesures successives assurent à 95% que les paramètres ont bien variés.
A l’issue de ces mesures, on obtient à chaque fois la somme des paramètres influents.
En revanche, il est impossible de savoir quel paramètre a varié : grâce à la loi binomiale, on accepte que les paramètres aient varié mais on ne sait pas lesquels.
Au terme des essais, on a une sanction : réussi ou échoué.
Effectuer ces mesures est gourmant en temps et en ressources. Il existe ainsi un besoin d’une nouvelle méthode d’analyse.
Pour cela, l’invention propose un procédé de génération d’un indice de «probability of detection POD» pour un banc d’essai donné, le procédé comprenant les étapes suivantes :
- E11 : obtention de données de signal relatives à la métrologie du banc d’essai pour une pluralité de paramètres (α, β, γ, rep,…),
- E12 : pour chaque paramètre (α, β, γ , rep, …), détermination d’une dispersion (Uα, Uβ) de la mesure des signaux dudit paramètre au sein d’un intervalle, ladite dispersion étant obtenue par application d’une loi de probabilité comportementale, afin de simuler des valeurs possibles des signaux issues d’une mesure empirique pour le défaut artificiel donné,
- E13 : calcul d’un intervalle d’incertitude globale (Uz) de mesure relative au banc d’essai à l’aide d’une équation de propagation des incertitudes, à partir des dispersions obtenues (Uα, Uβ),
- E21 : mesure de données de signal avec le banc d’essai sur une pluralité de pièces de référence comprenant chacune un défaut avec une taille différente,
- E22 : génération de données de signal supplémentaires à partir des données de signal mesurées sur la pluralité de pièces de référence et de l’incertitude globale (Uz) de mesure du banc d’essai, ces données étant utilisables dans un calcul d’un indice de «probability of detection POD»,
- E23 : correspondance entre la taille d’un défaut et l’amplitude du signal de la mesure, cette correspondance vérifiant une log-linéarité,
- E3 : calcul du POD du banc d’essai à partir des données obtenues aux étapes E22 et E23, ces données vérifiant des conditions de dispersion proportionnelles aux tailles des défauts et de normalité autour de la courbe log-linéaire pour la mise en œuvre du calcul du POD.
- E11 : obtention de données de signal relatives à la métrologie du banc d’essai pour une pluralité de paramètres (α, β, γ, rep,…),
- E12 : pour chaque paramètre (α, β, γ , rep, …), détermination d’une dispersion (Uα, Uβ) de la mesure des signaux dudit paramètre au sein d’un intervalle, ladite dispersion étant obtenue par application d’une loi de probabilité comportementale, afin de simuler des valeurs possibles des signaux issues d’une mesure empirique pour le défaut artificiel donné,
- E13 : calcul d’un intervalle d’incertitude globale (Uz) de mesure relative au banc d’essai à l’aide d’une équation de propagation des incertitudes, à partir des dispersions obtenues (Uα, Uβ),
- E21 : mesure de données de signal avec le banc d’essai sur une pluralité de pièces de référence comprenant chacune un défaut avec une taille différente,
- E22 : génération de données de signal supplémentaires à partir des données de signal mesurées sur la pluralité de pièces de référence et de l’incertitude globale (Uz) de mesure du banc d’essai, ces données étant utilisables dans un calcul d’un indice de «probability of detection POD»,
- E23 : correspondance entre la taille d’un défaut et l’amplitude du signal de la mesure, cette correspondance vérifiant une log-linéarité,
- E3 : calcul du POD du banc d’essai à partir des données obtenues aux étapes E22 et E23, ces données vérifiant des conditions de dispersion proportionnelles aux tailles des défauts et de normalité autour de la courbe log-linéaire pour la mise en œuvre du calcul du POD.
Dans un mode de réalisation, les paramètres comprennent des paramètres (α, β, γ, rep, …) liés aux instruments de mesure (α, β, γ) du banc d’essai et au moins un paramètre (rep, …) lié à l’opérateur du banc d’essai.
Dans un mode de réalisation, la loi de probabilité comportementale est choisie parmi :
- une loi normale, pour simuler une déviation avec une forte probabilité autour de la valeur cible,
- une loi d’arc-sinus, pour simuler une déviation avec une forte probabilité aux extrémités de l’intervalle,
- une loi uniforme, pour simuler une déviation avec une probabilité uniforme sur tout l’intervalle.
- une loi normale, pour simuler une déviation avec une forte probabilité autour de la valeur cible,
- une loi d’arc-sinus, pour simuler une déviation avec une forte probabilité aux extrémités de l’intervalle,
- une loi uniforme, pour simuler une déviation avec une probabilité uniforme sur tout l’intervalle.
Dans un mode de réalisation, le banc d’essai comprend un système de détection par courant de Foucault avec une sonde), et les paramètres du banc d’essai sont notamment l’angulation parallèle au sens de balayage de contrôle (α), l’angulation perpendiculaire au sens de balayage de contrôle (β), l’angulation de la sonde et l’entrefer (e) entre la sonde et la pièce.
Dans un mode de réalisation, strictement moins de vingt-neuf mesures pour chaque pièce de référence sont utilisées, préférablement moins de dix.
Dans un mode de réalisation, le procédé comprend une étape E24 d’association de l’intervalle global d’incertitudes pour différentes tailles de défaut.
Dans un mode de réalisation, le procédé comprenant une étape de décision E32, dans laquelle la valeur obtenue du POD est comparée à un seuil prédéterminé.
L’invention propose aussi un ensemble comprenant un banc d’essai et unité de calcul, configuré pour mettre en œuvre un procédé selon l’une quelconque des revendications précédentes, le banc d’essai étant configuré pour être utilisé dans les étapes E11 et E21, et l’unité de calcul étant configurée pour mettre en œuvre les étapes E12, E13, E22, E23 et E3 d’un procédé tel que décrit précédemment.
Dans un mode de réalisation, le banc d’essai comprend un système de détection par courant de Foucault), et dans lequel les paramètres sont les angles d’inclinaison (α, β, γ) d’une seconde du système et l’entrefer (e) étant la distance entre la pièce mesurée et la sonde.
Dans un mode de réalisation, l’ensemble comprend des capteurs pour mesurer le fonctionnement du banc d’essai, préférablement le système de détection par courant Foucault, dont les inclinaisons des angles et l’entrefer, les capteurs permettant d’identifier les dysfonctionnements du banc d’essai en cas de valeur du POD inférieur au seuil prédéterminé
D’autres caractéristiques, buts et avantages de l’invention ressortiront de la description qui suit, qui est purement illustrative et non limitative, et qui doit être lue en regard des dessins annexés, sur lesquels :
Un mode de réalisation particulier de l’invention va être décrit. Il sera fait pour le cas d’un CND à courant de Foucault.
En référence à lafigure 1, cette technique de banc d’essai 10 utilise un système de détection par courant de Foucault 20, avec notamment une sonde 22 qui génère un champ magnétique et une unité de traitement 24 qui traite les données récupérées par la sonde 22. Ce champ magnétique induit des courants dans une pièce 30 à inspecter.
Les défauts de la pièce 30 viennent perturber ces courants et il est ainsi possible d’identifier ces défauts.
La sonde 22 est positionnée dans l’espace : par conséquent, la mesure dépend de trois angles d’inclinaison α, β, γ pour respectivement l’angulation parallèle au sens de balayage de contrôle, l’angulation perpendiculaire au sens de balayage de contrôle et l’angulation de la sonde 22. A titre d’exemple, une erreur d’angulation de 2° crée un impact direct sur le contrôle en voltage de la sonde 22. La sonde 22 doit aussi rester à une certaine distance de la pièce 30 (la sonde 22 doit être aussi près que possible de la pièce 30 sans être en contact direct afin d’éviter une détérioration) : par conséquent, la mesure dépend aussi de l’entrefereentre la sonde 22 et la pièce 30.
Ainsi, quand une mesure est effectuée, il s’agit en pratique d’un intervalle de précision autour d’une valeur.
Une unité de calcul 40 permet de traiter informatiquement toutes les données récoltées. Cette unité de calcul 40 comprend typiquement une mémoire 42 et un processeur 44. Une interface d’affiche 46 est avantageusement prévue pour qu’un opérateur 50 puisse regarder les résultats.
En référence à lafigure 2, un mode de réalisation d’un procédé selon l’invention va être décrit.
Le but est de générer des données pouvant être utilisées dans un calcul de POD. Néanmoins, il s’agit d’effectuer moins de mesures empiriques que dans le «Military Handbook 1823A».
L’invention comprend ainsi deux parties : une première partie E1 concerne la métrologie du banc d’essai 10, pour caractériser les éléments qui le composent. « Banc d’essai » s’entend au sens large et comprend tous les éléments ou opérateurs capables d’influer sur la valeur de la mesure du signal. Une deuxième partie E2 concerne plus directement le calcul du POD, avec l’obtention des mesures réelles sur la pièce à inspecter.
Ainsi, dans une première étape E11, on détermine et on mesure les paramètres pouvant impacter les amplitudes des mesures.
En particulier, on classe les éléments parmi une liste préétablie : méthode, milieu, main d’œuvre, moyen et la matière (selon le diagramme d’Ishikawa). Cette liste inclut donc le banc d’essai 10 et l’opérateur 50.
Dans le modèle présenté, les paramètres présentant une grande influence sont les angles d’inclinaison α, β, γ et l’entrefere.La répétabilité (qui dépend donc de l’opérateur) est aussi présente, ainsi qu’une catégorie « divers » intégrant les éléments ne pouvant pas être intégrés dans les quatre précédents comme l’électronique.
Dans cette étape E11, pour un banc d’essai 10 donné, c’est-à-dire pour les éléments de la liste précitée, des mesures sur le banc d’essai 10 et à l’aide du banc d’essai 10 sont effectuées pour déterminer l’impact que peut avoir chaque paramètre. Ces mesures peuvent être effectuées sur des défauts artificiels et connus pour caractériser l’influence du paramètre sur la valeur du signal obtenu. Ces mesures ont pour but d’évaluer l’influence de chacun des paramètres précités sur le signal de mesure : par exemple, on fait varier l’entrefer de X% et on détermine les conséquences sur la valeur du signal mesuré, on fait varier les angulations de -X à +X° (comme -3° à +3°, par exemple) et on détermine la perte d’amplitude en fonction de l’angulation appliquée, puis on applique la perte mesurée à l’incertitude calculée pour l’angle (par exemple : perte de 0,5 V/degrés, incertitude 1,2° sur l’angle α, de sorte que l’intervalle de tolérance sur l’angle α est de 0,5x1,2=O,6V), etc.
On utilise le terme de métrologie pour caractériser ces mesures.
Ensuite, dans une étape E12, à chaque paramètre est associée une incertitude, qui se caractérise par une dispersion autour de la mesure théorique. Cela se traduit par l’application d’une loi probabiliste qui permet de décrire le comportement du paramètre. Ainsi, pour chaque valeur du signal de la mesure d’un paramètre, on obtient un intervalle incluant les valeurs possibles que peuvent prendre les mesures. Cet intervalle correspond aux valeurs possibles des signaux lors d’une mesure empirique.
On distingue notamment :
- une loi normale (figure 3a), pour simuler une déviation avec une forte probabilité autour de la valeur cible,
- une loi d’arc-sinus (figure 3b), pour simuler une déviation avec une forte probabilité aux extrémités de l’intervalle,
- une loi uniforme (figure 3c), pour simuler une déviation avec une probabilité uniforme sur tout l’intervalle.
- une loi normale (figure 3a), pour simuler une déviation avec une forte probabilité autour de la valeur cible,
- une loi d’arc-sinus (figure 3b), pour simuler une déviation avec une forte probabilité aux extrémités de l’intervalle,
- une loi uniforme (figure 3c), pour simuler une déviation avec une probabilité uniforme sur tout l’intervalle.
La loi uniforme est utilisée par défaut pour les comportements non décrits par les deux premières lois.
Dans une étape E13, on détermine une incertitude globale à l’aide de la relation suivante, issue de l’équation de propagation des incertitudes. Elle permet de mesurer l’impact sur l’incertitude de l’impédance Uz en fonction de l’incertitude des grands éléments :
Réécrite en prenant en compte en plus la répétabilité de contrôle mesurée en contrôlant au moins trente fois les défauts dans les mêmes conditions, on obtient :
où :
Uα² représente l’incertitude liée à l’angle α,
Uβ² représente l’incertitude liée à l’angle β,
Uγ² représente l’incertitude liée à l’angle γ,
Ue² représente l’incertitude liée à l’entrefer e,
Udivers² représente l’incertitude liée aux éléments supplémentaires,
Uα² représente l’incertitude liée à l’angle α,
Uβ² représente l’incertitude liée à l’angle β,
Uγ² représente l’incertitude liée à l’angle γ,
Ue² représente l’incertitude liée à l’entrefer e,
Udivers² représente l’incertitude liée aux éléments supplémentaires,
Urep² représente l’incertitude lié à la répétabilité.
Avec cette formulation, on obtient un intervalle décrivant les résultats possibles d’un contrôle empirique pour différentes tailles de défauts. Cet intervalle est associé à la dispersion des résultats de mesures.
Il remplit les critères 2 (dispersion des résultats proportionnelles à la taille des défauts) et 3 (dispersion des résultats qui suit une loi normale autour de la valeur linéaire) pour le calcul d’un POD.
La première formulation permet d’obtenir les incertitudes des éléments précités (par exemple : Uα= 1.2° ; Uβ= 0.7°) : on a les déviations pour chaque élément (notamment pour savoir qui a la plus grosse déviation). La deuxième formulation permet d’obtenir l’incertitudes résultante autour du résultat final en fonction des incertitudes calculées pour chaque élément (on a donc l’intervalle de confiance autour du résultat). Les essais réalisés permettent de connaitre l’impact des incertitudes des éléments (typiquement en volt) sur la mesure, comme expliqué précédemment.
Une fois la métrologie du banc d’essai 10 déterminé, il s’agit d’effectuer des mesures test sur des pièces de référence 60. Chaque pièce de référence comprend un défaut de taille différente. A titre d’exemple, une fissure est représentée par un trou carré dans les pièces de référence 60.
Du fait de la connaissance des incertitudes liées au banc, moins de mesures seront nécessaires à cette étape E21. Là il fallait des mesures sur soixante défauts par trois opérateurs différents, on pourrait utiliser strictement moins de vingt-neuf mesures par défaut, voire moins de dix.
Ainsi, dans une étape E21, on mesure des données sur une pluralité de pièces de référence 60. Ces données contiennent des informations relatives à chaque défaut des pièces de référence 60.
A partir de ces données mesurées, on utilise l’intervalle d’incertitude globale obtenu en étape E13 pour générer des données de signal supplémentaires, simulées.
Ces données simulées représentent des données qui auraient pu être obtenues à partir de mesure empirique sur le banc d’essai 10. Grâce à la caractérisation de la métrologie de ce dernier et à la connaissance sur les incertitudes, on évite les calculs longs et fastidieux tels que décrits dans le «Military Handbook 1823A».
En outre, ces données vérifient les conditions de dispersion proportionnelles aux tailles des défauts et de normalité autour de la courbe log-linéaire (voir introduction). Elles sont donc utilisables dans un calcul de POD.
Ensuite, d’une façon plus conventionnelle, dans une étape E23, la correspondance entre la taille d’un défaut et l’amplitude du signal de la mesure est effectuée. La relation se fait sous la forme d’une log linéarité, c’est-à-dire que le logarithme de l’amplitude est proportionnel au logarithme de la taille du défaut (figure 4, où a est la taille du défaut et â l’amplitude du signal mesuré).
Une étape E24 d’association de l’intervalle global d’incertitudes pour différentes tailles de défaut est mise en œuvre. C’est le critère 2 à respecter pour un POD. Un intervalle en fonction de la taille des défauts permet de garder une précision adaptée pour les intervalles (exemple : une incertitude constante de 1V pour un défaut ayant un résultat de mesure égal à 4V et un autre avec un résultat à 2V ne permet pas une bonne précision en fonction du résultat en volt - résultat en volt proportionnel aux dimensions des défauts).
Enfin, dans une étape E3, le calcul du POD relatif au banc d’essai 10 est effectué (étape E31). En effet, les trois conditions nécessaires pour ce calcul sont réunies. Puis, dans une étape E32 de décision le POD est comparé à un seuil prédéterminé. Ce seuil dépend de plusieurs aspects : notamment la valeur de la probabilité de détection en elle-même et la taille du défaut que l’on souhaite identifier.
La formulation de l’incertitude sous une loi de propagation permet de générer des données additionnelles de signaux, assimilables à des mesures empiriques, en utilisant les défauts du banc d’essai 10.
Grâce au procédé décrit ici, le fabricant a connaissance des paramètres qui influent le CND, à l’inverse de la méthode précédente du «Military Handbook 1823A» où tous les paramètres étaient considérés comme un tout indifférenciable. En effet, la double formulation de l’équation de propagation permet de classer les différentes contributions de l’incertitude. La première formulation permet de quantifier les déviations des éléments et la deuxième permet de quantifier un intervalle de tolérance autour du résultat de contrôle.
De la sorte, si le POD n’est pas atteint (c’est-à-dire inférieur à une valeur seuil, pour une taille de défaut donné), les causes peuvent être plus aisément identifiées et ciblées.
En particulier, une conséquence de l’invention est qu’une mise en place de capteur(s) sur le banc d’essai 10 permet alors de s’assurer que les conditions de mesure sont fiables et donc d’encore mieux cibler les causes. Par exemple, on peut mettre des capteurs pour l’entrefer e et/ou les trois angulations.
Ainsi, si le POD n’est pas atteint, il est possible d’établir un premier diagnostic, évitant ainsi les longues périodes d’incertitudes liées à l’absence de connaissance à la cause de l’échec du POD.
Claims (10)
- Procédé de génération d’un indice de «probability of detection POD» pour un banc d’essai (10) donné, le procédé comprenant les étapes suivantes :
- E11 : obtention de données de signal relatives à la métrologie du banc d’essai (10) pour une pluralité de paramètres (α, β, γ, rep,…),
- E12 : pour chaque paramètre (α, β, γ , rep, …), détermination d’une dispersion (Uα, Uβ) de la mesure des signaux dudit paramètre au sein d’un intervalle, ladite dispersion étant obtenue par application d’une loi de probabilité comportementale, afin de simuler des valeurs possibles des signaux issues d’une mesure empirique pour le défaut artificiel donné,
- E13 : calcul d’un intervalle d’incertitude globale (Uz) de mesure relative au banc d’essai (10) à l’aide d’une équation de propagation des incertitudes, à partir des dispersions obtenues (Uα, Uβ),
- E21 : mesure de données de signal avec le banc d’essai (10) sur une pluralité de pièces de référence (60) comprenant chacune un défaut avec une taille différente,
- E22 : génération de données de signal supplémentaires à partir des données de signal mesurées sur la pluralité de pièces de référence et de l’incertitude globale (Uz) de mesure du banc d’essai (10), ces données étant utilisables dans un calcul d’un indice de «probability of detection POD»,
- E23 : correspondance entre la taille d’un défaut et l’amplitude du signal de la mesure, cette correspondance vérifiant une log-linéarité,
- E3 : calcul du POD du banc d’essai (10) à partir des données obtenues aux étapes E22 et E23, ces données vérifiant des conditions de dispersion proportionnelles aux tailles des défauts et de normalité autour de la courbe log-linéaire pour la mise en œuvre du calcul du POD. - Procédé selon la revendication 1, dans lequel les paramètres comprennent des paramètres (α, β, γ, rep, …) liés à des instruments de mesure du banc d’essai (10) et au moins un paramètre (rep, …) lié à l’opérateur du banc d’essai (10).
- Procédé selon l’une quelconque des revendications précédentes, dans lequel la loi de probabilité comportementale est choisie parmi :
- une loi normale, pour simuler une déviation avec une forte probabilité autour de la valeur cible,
- une loi d’arc-sinus, pour simuler une déviation avec une forte probabilité aux extrémités de l’intervalle,
- une loi uniforme, pour simuler une déviation avec une probabilité uniforme sur tout l’intervalle. - Procédé selon l’une quelconque des revendications précédentes, dans lequel le banc d’essai (10) comprend un système de détection par courant de Foucault (20) avec une sonde (22), et les paramètres du banc d’essai (10) sont notamment l’angulation parallèle au sens de balayage de contrôle (α), l’angulation perpendiculaire au sens de balayage de contrôle (β), l’angulation de la sonde (22) et l’entrefer (e) entre la sonde (22) et la pièce (30, 60).
- Procédé selon la revendication précédente, dans lequel strictement moins de vingt-neuf mesures pour chaque pièce de référence (60) sont utilisées, préférablement moins de dix.
- Procédé selon l’une quelconque des revendications précédentes, comprenant une étape E24 d’association de l’intervalle global d’incertitudes pour différentes tailles de défaut.
- Procédé selon l’une quelconque des revendications précédentes, le procédé comprenant une étape de décision E32, dans laquelle la valeur obtenue du POD est comparée à un seuil prédéterminé.
- Ensemble comprenant un banc d’essai (10) et unité de calcul (40), configuré pour mettre en œuvre un procédé selon l’une quelconque des revendications précédentes, le banc d’essai (10) étant configuré pour être utilisé dans les étapes E11 et E21, et l’unité de calcul (40) étant configurée pour mettre en œuvre les étapes E12, E13, E22, E23 et E3 d’un procédé selon l’une quelconque des revendications précédentes.
- Ensemble selon la revendication 8, dans lequel le banc d’essai comprend un système de détection par courant de Foucault (20), et dans lequel les paramètres sont les angles d’inclinaison (α, β, γ) d’une sonde (22) du système (20) et l’entrefer (e) étant la distance entre la pièce mesurée (30, 60) et la sonde (22).
- Ensemble selon l’une quelconque des revendications 8 et 9, comprenant des capteurs pour mesurer le fonctionnement du banc d’essai, préférablement le système de détection par courant Foucault, dont les inclinaisons des angles et l’entrefer, les capteurs permettant d’identifier les dysfonctionnements du banc d’essai en cas de valeur du POD inférieur au seuil prédéterminé.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1902629A FR3093795B1 (fr) | 2019-03-14 | 2019-03-14 | Procédé de génération d’un indice de POD |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1902629A FR3093795B1 (fr) | 2019-03-14 | 2019-03-14 | Procédé de génération d’un indice de POD |
FR1902629 | 2019-03-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
FR3093795A1 true FR3093795A1 (fr) | 2020-09-18 |
FR3093795B1 FR3093795B1 (fr) | 2021-04-16 |
Family
ID=67660216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR1902629A Active FR3093795B1 (fr) | 2019-03-14 | 2019-03-14 | Procédé de génération d’un indice de POD |
Country Status (1)
Country | Link |
---|---|
FR (1) | FR3093795B1 (fr) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040117133A1 (en) * | 2002-09-10 | 2004-06-17 | Burkhardt Gary L. | System and method for nondestructive testing simulation |
-
2019
- 2019-03-14 FR FR1902629A patent/FR3093795B1/fr active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040117133A1 (en) * | 2002-09-10 | 2004-06-17 | Burkhardt Gary L. | System and method for nondestructive testing simulation |
Non-Patent Citations (2)
Title |
---|
ANDERS ROSELL ET AL: "Comparison of Experimental and Model Based POD in a Simplified Eddy Current Procedure", 18TH WORLD CONFERENCE ON NONDESTRUCTIVE TESTING, 1 July 2012 (2012-07-01), XP055653519, Retrieved from the Internet <URL:https://www.ndt.net/article/wcndt2012/papers/176_wcndtfinal00176.pdf> [retrieved on 20191217] * |
SUBAIR S MOHAMED ET AL: "Finite Element Simulations to Predict Probability of Detection (PoD) Curves for Ultrasonic Inspection of Nuclear Components", PROCEDIA ENGINEERING, ELSEVIER, AMSTERDAM, NL, vol. 86, 17 December 2014 (2014-12-17), pages 461 - 468, XP029116552, ISSN: 1877-7058, DOI: 10.1016/J.PROENG.2014.11.059 * |
Also Published As
Publication number | Publication date |
---|---|
FR3093795B1 (fr) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2979082B1 (fr) | Procédé et système de détection de défauts sur un objet | |
EP0178964B1 (fr) | Méthode de validation de la valeur d'un paramètre | |
EP2434280B1 (fr) | Contrôle non destructif d'une structure dans un aéronef | |
US10001457B2 (en) | Performance curve generation for non-destructive testing sensors | |
FR2602053A1 (fr) | Dispositif et procede d'essais non destructifs d'une piece par la mesure de l'impedance de courants de foucault | |
FR2854954A1 (fr) | Imagerie de defaut absolue a haute capacite | |
FR3057903A1 (fr) | Outils a courant de foucault a champ lointain | |
EP3009836B1 (fr) | Procédé et ensemble de vérification de la calibration d'un système de contrôle non destructif de pièces | |
EP3839679B1 (fr) | Procédé de contrôle d'un niveau de qualité de vissage d'une visseuse, dispositif associé et programme mettant en oeuvre le procédé | |
FR3088229A1 (fr) | Procede de controle d’un niveau de qualite de vissage d’une visseuse, dispositif associe et programme mettant en oeuvre le procede | |
US8830464B2 (en) | Film thickness, refractive index, and extinction coefficient determination for film curve creation and defect sizing in real time | |
FR2825800A1 (fr) | Procede et systeme pour determiner et quantifier les defauts dus a la corrosion sur et dans les composants metalliques | |
EP3769077B1 (fr) | Procede et dispositif de cartographie de pieces pour detection de direction d'allongement | |
EP4200604A1 (fr) | Procédé de caractérisation d'une pièce par contrôle non destructif | |
FR3093795A1 (fr) | Procédé de génération d’un indice de POD | |
EP2146188B1 (fr) | Procédé de détection de défaillance d`un capteur analogique et dispositif de détection pour mettre en oeuvre ledit procédé | |
FR3071611A1 (fr) | Procede et dispositif de controle non destructif d'une piece aeronautique | |
FR2939925A1 (fr) | Dispositif de test d'un circuit et procede de mise en oeuvre | |
Bean | Evaluation methods for low-cost particulate matter sensors | |
WO2021180726A1 (fr) | Procédé et système de contrôle non destructif d'une pièce aéronautique | |
Abidova et al. | Bearing defects diagnostics using the principal components analysis | |
Mesnil et al. | Model assisted probability of detection applied to guided wave imaging for structural health monitoring | |
Gerber et al. | Factorial design experiment to analyze the response of a luminescent photoelastic coating | |
US20220276190A1 (en) | Total organic carbon and conductivity verification and calibration using a single sample | |
FR2996917A1 (fr) | Procede et dispositif de determination de l'apparition d'un defaut lors du percage d'un panneau en materiau composite |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20200918 |
|
PLFP | Fee payment |
Year of fee payment: 3 |
|
PLFP | Fee payment |
Year of fee payment: 4 |
|
PLFP | Fee payment |
Year of fee payment: 5 |
|
PLFP | Fee payment |
Year of fee payment: 6 |