You are on page 1of 6

Mcanique & Industries 3 (2002) 261266

Dtermination des incertitudes des surfaces associes


Determination of associated surface uncertainties
Jean Marc Linares

, Jrme Bachmann, Jean Michel Sprauel


EA(MS)
2
, Universit de la Mditerrane, Institut Universitaire de Technologie, Avenue Gaston Berger, 13625 Aix-en-Provence cedex 1, France
Reu le 22 novembre 2000; accept le 1
er
fvrier 2002
Rsum
Sur machine mesure tridimensionnelle, la fonction pour obtenir la surface associe est base sur la minimisation de la distance entre le
point M
i
palp et la surface idale. Cette fonction est non linaire pour les surfaces usuelles. Pour acclrer les calculs itratifs de nombreux
travaux ont linaris le problme. Les hypothses sous-jacentes sont les suivantes : petits dplacements, dfaut dtat de surface petit devant
les dfauts de gomtrie et homocdasticit. Dans cet article, nous supprimerons les deux premires hypothses pour la mthode des moindres
carrs grce une nouvelle mthode de dtermination du vecteur alatoire constitu par les paramtres de la surface associe suivant un critre
doptimisation. 2002 ditions scientiques et mdicales Elsevier SAS. All rights reserved.
Abstract
The function to obtain associated surface on coordinate measuring machine is based on the minimization of the distance between point
measured and ideal surface. This function is nonlinear for usual surfaces. In many works to accelerate iterative calculations, the problem is
linearized. The assumptions posed are the following ones: small displacements, defect of surface quality is small in front of the defects of
geometry and homocedasticity. In this article, we will remove the rst two assumptions for the least squares method thanks to a new method
of determination of the random vector. 2002 ditions scientiques et mdicales Elsevier SAS. All rights reserved.
Mots-cls : Mtrologie tridimensionnelle ; Surfaces associes ; Incertitude ; Optimisation ; Moindres carrs ; Machine mesurer tridimensionnelle
Keywords: Metrology; Associated surface; Uncertainty; Optimization; Least squares method; Coordinate measuring machine
1. Introduction
Dans les annes 70, de nombreux travaux ont t raliss
sur lassociation de surfaces idales (modle mathmatique)
un nuage de points issu dun relev effectu par une Ma-
chine Mesurer Tridimensionnelle sur une pice mcanique
relle. La fonction minimiser est base sur la distance d
i
entre le point M
i
palp et la surface idale ou associe.
Le rsultat diffre suivant le critre de minimisation choisi
(moindres carres, critre de Chebicheff. . . ). Cette fonction
est non linaire pour les surfaces usuelles (Droite dans les-
pace, Plan, Cylindre, Cne, Sphre. . . ). Pour acclrer les
calculs itratifs de minimisation, de nombreux travaux ont li-
naris au premier ordre la matrice de dplacement. Aujour-
dhui, une grande majorit de logiciels de mtrologie em-
ploient cette mthode pour dterminer les paramtres de la
*
Correspondance et tirs part.
Adresse e-mail : linares@iut.univ-aix (J.M. Linares).
surface associe. Les hypothses attaches cette mthode
imposent que les dplacements soient petits et que la surface
mesure possde un dfaut de forme ngligeable devant les
dfauts de gomtrie (orientation, position. . . ). Le moyen de
mesurage est suppos lui aussi parfait. Lhypothse dhomo-
cdasticit prsage que tous les points M
i
sont acquis avec
la mme variance.
Dans cet article et pour lemploi du critre des moin-
dres carrs, nous montrons que cette mthode ne minimise
pas seulement la somme quadratique des d
i
mais associe
lensemble des rsidus obtenus aprs optimisation (distances
aprs minimisation) une loi de rpartition normale. En
utilisant cette proprit, nous montrons que les mthodes
gnralement bases sur les petits dplacements estiment
actuellement les moments dordre 1. Autrement dit, les
logiciels de mtrologie en grande majorit ne peuvent
calculer que les valeurs moyennes des paramtres de la
surface associe.
En annulant les deux premires hypothses cites prc-
demment, nous estimerons les moments dordre 1 et 2 du
1296-2139/02/$ see front matter 2002 ditions scientiques et mdicales Elsevier SAS. All rights reserved.
PII: S1296- 2139( 02) 01164- 8
262 J.M. Linares et al. / Mcanique & Industries 3 (2002) 261266
vecteur alatoire a. Il reprsente les paramtres de la surface
associe. Les moments dordre 2 sont homognes lincer-
titude avec laquelle les paramtres de la surface associe ont
t dtermins. Le moment dordre 1 est lestimateur du me-
surande. Le champ dapplication des moments dordre 2 est
vaste car les normes sur la qualit obligent les acteurs du
contrle fournir le rsultat dun mesurage avec son incerti-
tude [1].
2. Rpartition normale de la variable alatoire d
i
optimise
En mtrologie tridimensionnelle o la mthode des
moindres carrs occupe une place de choix, il est commun-
ment admis que les rsidus obtenus aprs optimisation sont
rpartis suivant une loi normale. Nous proposons de dmon-
trer cette suggestion en maximisant la quantit dinformation
au sens de Fisher.
Lorsque lon utilise la mthode des moindres carrs, on
recherche minimiser la somme quadratique des d
i
:
min
_
n

i=1
d
2
i
_
(1)
avec n nombre de points palps. La fonction d
i
a pour
variables les composantes a
i
du vecteur alatoire a :
d
i
=g( a) =g(a
1
, a
2
, . . . , a
i
, . . . , a
n
)
Posons lhypothse que la variable d
i
suive une loi normale
dans R aprs optimisation,
d
i
R, f =
_
1

2
_
n
exp
_

1
2
n

i=1
_
d
i

_
2
_
nous calculons le vecteur estim de a (not

a ) par la m-
thode du maximum de vraisemblance en posant lhypothse
dhomocdasticit :
lnf =nln
1

2
_

1
2
2
_
n

i=1
d
2
i
lnf
a
i
=

n
i=1
d
2
i
a
i
=0
(2)
Cette dernire formule permet dobtenir un systme dqua-
tions ncessaire lestimation du vecteur alatoire

a.
Lq. (2) correspond aux calculs raliss pour satisfaire le
critre (1). On peut donc conclure quaprs optimisation, les
rsidus d
i
sont rpartis suivant une loi normale de moyenne
nulle et dcart type
r
(Fig. 1).
La valeur de
r
est obtenue par lestimateur asymptoti-
quement sans biais suivant :

r
=
_
d
2
i
n p
avec n nombre de points et p nombre de composantes de a
estimes.
Fig. 1. Rpartition des rsidus d
i
aprs optimisation.
Fig. 1. d
i
after optimisation.
Actuellement, les mthodes de dtermination des para-
mtres de la surface associe supposent que le terme
r
est inniment petit. Rellement la surface possde un d-
faut dtat de surface. A ce dfaut vient sajouter le bruit du
processus de mesurage (termes alatoire et systmatique si
non corrigs). Il est variable et fonction dun grand nombre
de paramtres (oprateur, tte de mesure dynamique ou sta-
tique, vitesse accostage, qualit de la direction daccos-
tage. . . ) [2]. Le terme
r
est un bon indicateur de la qualit
du mesurage.
3. Suppression de lhypothse de petits dplacements
3.1. Rappel de la mthode des petits dplacements [3,4]
Le dplacement

D
M
=

MM

OM

OM entre le point
de dpart M et le point dplac M

peut tre modlis par


une transformation matricielle crite en coordonnes homo-
gnes dans le repre R(0, e
1
, e
2
, e
3
). Le dplacement est ob-
tenu par trois rotations et trois translations indpendantes
entre elles :

D
M
=
_
_
_
a
11
a
12
a
13
u
1
a
21
a
22
a
23
u
2
a
31
a
32
a
33
u
3
0 0 0 1
_
_
_

OM
avec :
a
11
=cos
2
cos
3
1
a
12
=cos
2
sin
3
a
13
=sin
2
a
21
=sin
3
cos
1
+sin
1
cos
3
sin
2
a
22
=(cos
1
cos
3
sin
1
sin
2
sin
3
) 1
a
23
=sin
1
cos
2
a
31
=sin
1
sin
3
cos
1
cos
3
sin
2
a
32
=sin
1
cos
3
+cos
1
sin
2
sin
3
a
33
=cos
1
cos
2
1
Si les trois rotations sont inniment petites (environ
10
3
rad), alors les fonctions trigonomtriques peuvent
tre linarises au premier ordre. Lexpression prcdente
devient :

D
M
=
_
_
_
0
3

2
u
1

3
0
1
u
2

2

1
0 u
3
0 0 0 1
_
_
_

OM
J.M. Linares et al. / Mcanique & Industries 3 (2002) 261266 263
Fig. 2. cart entre les deux mthodes.
Fig. 2. Difference between the two methods.
avec

OM =
_
_
_
x
y
z
1
_
_
_
Dans ce cas, la multiplication matricielle est remplace par
la somme dun vecteur translation et le vecteur rsultant,
dun produit vectoriel entre un vecteur rotation et le vecteur
position du point M :

D
M
=

D
O
+

MO

. En France, les
vecteurs translation et rotation sont les composantes du tor-
seur des petits dplacements (translation

D
O
et rotation

) :

=
_

3
_
,

D
O
=
_
u
1
u
2
u
3
_
La linarisation au premier ordre des fonctions trigono-
mtriques entrane plusieurs hypothses sur la validit de la
valeur

D
M
:
Hypothse 1. Les angles de rotation doivent rester inni-
ment petits.
Hypothse 2.

D
M
doit rester petit [5].
En mtrologie tridimensionnelle, une proprit particu-
lire a permis de dvelopper un grand nombre dalgorithmes.
La valeur de la projection de

D
M
calcule en petits dplace-
ments sur la normale de la surface permet dcrire les qua-
tions minimiser pour les surfaces usuelles. On remarquera
que lhypothse de conservation de lorientation de la sur-
face dplace doit tre respecte (Fig. 2). Le dplacement

D
M
au point i en projection sur la normale n
i
est gal

D
M
i
n
i
.
An de respecter les hypothses, il faut imprativement
se placer dans un rfrentiel local o les valeurs des com-
posantes du vecteur rotation

restent inniment petites.
Cet artice de calcul ncessite donc que lalgorithme estime
premirement une position de la surface associe proche de
la solution nale et transporte par une matrice de change-
ment de repre les points dans ce rfrentiel local. Ce der-
nier est construit partir des informations contenues dans
cette premire estimation. Ensuite lalgorithme doptimisa-
tion minimise la fonction cart en plusieurs itrations. Le
rsultat obtenu est donc connu dans le rfrentiel local, on
travaille donc en relatif. Une transformation inverse permet
de connatre les paramtres de la surface associe dans le r-
frentiel global.
Par exemple, dans le cas dun plan orient dune manire
quelconque dans lespace, les points M
i
sont transports
dans un rfrentiel R

dont laxe e

3
est orient suivant
la normale dun plan proche de la solution. Lquation
minimiser dans le rfrentiel local R

(0

, e

1
, e

2
, e

3
) est :
d
i
=z

i
(

D
M
i
n
i
)
avec (x

i
, y

i
, z

i
) les coordonnes de M

i
dans le rfrentiel
local R

.
Le vecteur alatoire estimer dans le rfrentiel local a
pour composantes (
1
,
2
, u
3
).
Lavantage majeur de cette mthode rside dans le fait
que lquation minimiser est simple trouver. Une opra-
tion matricielle est remplace par une opration vectorielle.
De plus, la fonction obtenue est un polynme de degr 1. La
linarit de lquation d
i
permet la simplication de lalgo-
rithme doptimisation.
Cette caractristique permettait dans les annes 70 de di-
minuer les temps de calculs car les ordinateurs ne poss-
daient pas les performances de leurs confrres actuels.
Nous proposons de travailler en grands dplacements.
Cette mthode permet de connatre les rsultats de loptimi-
sation dans le rfrentiel de base donc destimer directement
plusieurs proprits du vecteur alatoire (en absolu).
3.2. Mthode en grands dplacements
Avec cette mthode, les fonctions trigonomtriques de
la matrice de rotation ne sont pas linarises au premier
ordre. Les hypothses (1) et (2) ne sont plus ncessaires.
Des travaux ont t raliss dans cette direction ; cependant,
ils utilisent un repre local pour viter les problmes de
convergence de leurs algorithmes [6].
Lquation de d
i
nest pas linaire mais prsente lavan-
tage de donner les rsultats aprs optimisation dans le rf-
rentiel global. Dans le cas du plan, lquation de d
i
devient :
d
i
=
_

OM
i
n
i
_
h
avec h distance lorigine du plan.
La normale n
i
oriente par les angles (, ) est proje-
te dans le rfrentiel R(0, e
1
, e
2
, e
3
) (Fig. 3). En grands d-
placements, la distance d
i
calcule ne subit aucune approxi-
mation. Le vecteur alatoire estimer a pour composantes
(, , h). Tous ces moments statistiques pourront tre dter-
mins avec prcision.
3.3. Estimation du moment statistique dordre 1 en grands
dplacements
Lestimation du vecteur alatoire a est obtenue par la mi-
nimisation de la fonction

n
i=1
d
2
i
. Le problme rsoudre
264 J.M. Linares et al. / Mcanique & Industries 3 (2002) 261266
Fig. 3. Matrices de rotation et rotation vectorielle.
Fig. 3. Euler angles and vectorial rotation.
est non linaire. La mthode des gradients conjugus est uti-
lise pour estimer le vecteur alatoire

a. La mthode des
moindres carrs implique la minimisation dune quation
quadratique (concave). Elle possde un et un seul minimum.
Tous les algorithmes doivent donc trouver les mmes rsul-
tats. La prcision est fonction en autres du critre darrt
des mthodes itratives utilises. La formalisation dun pro-
blme ne doit pas inuer le rsultat. Le seul critre de perfor-
mance des algorithmes est la valeur de la somme quadratique
des d
i
optimiss.
Pour valider nos rsultats, nous avons crit la fonction
d
i
par plusieurs mthodes. Nous avons utilis les angles
dEuler et la rotation vectorielle pour toutes les surfaces
usuelles (Fig. 3).
An de valider les rsultats, nous avons programm dune
manire indpendante, les diffrentes modlisations. Deux
plates-formes de programmation ont t utilises par deux
personnes diffrentes (visual C++ et visual basic de Micro-
soft). Les deux codes raliss utilisent la programmation ob-
jets communicants et la programmation structure. Tous les
calculs issus des deux sources ont donn les mmes rsul-
tats.
De plus, nous avons test nos algorithmes sur 44 chiers
de rfrence. Ces exemples comprennent les difcults
majeures rencontres en optimisation (convergence et de
temps de calcul). Les moments dordre 1 obtenus sont
conformes aux valeurs attendues (coordonnes du vecteur
directeur 10
10
mm prs, paramtres intrinsques et
origine 10
6
mm prs).
4. Suppression de lhypothse de dfauts dtat
de surface nuls et de moyen de mesurage parfait
Les logiciels industriels de mtrologie se limitent
la dtermination des moments dordre 1. Lestimation du
mesurande sans lui adjoindre son incertitude implique que
lon suppose que la surface relle est non bruite. Les
hypothses de dfaut dtat de surface faible et de moyen
de mesurage parfait, ne sont pas valides dans la ralit.
Dans le premier paragraphe, nous avons montr que les d
i
se rpartissent autour de la surface associe suivant une
loi normale centre. Cette loi de rpartition possde une
variance
2
r
. Ce paramtre de dispersion est un indicateur sur
la qualit de la mesure. Il reprsente leffet des perturbations
non matrises introduites dans le processus de mesurage.
Elles peuvent tre de diverses origines : un tat de surface
de qualit excrable, une mauvaise rptabilit du moyen
de mesure, des vibrations de la structure. . . Lestimation
du moment dordre 1 du vecteur alatoire sera dautant
meilleure que cette variance sera faible.
4.1. Estimation du moment statistique dordre 2 du vecteur
alatoire [7]
La matrice de variance covariance des estimateurs du
vecteur alatoire est :
var(a )
=
_
_
_
_
var(a
0
) cov(a
0
,a
1
) . . . cov(a
0
,a
m1
)
cov(a
1
,a
0
) var(a
1
) . . . cov(a
1
,a
m1
)
.
.
.
.
.
.
.
.
.
.
.
.
cov(a
p1
,a
0
) cov(a
p1
,a
1
) . . . var(a
m1
)
_
_
_
_
Les algorithmes mis au point fournissent en plus des
moments dordre 1 du vecteur alatoire, la variance des
estimateurs. La mthode en grands dplacements travaille
en absolu et sans approximation, cela lui confre une trs
grande prcision dans le calcul de la matrice de variance
covariance. Dans le cas du plan, la matrice de variance
covariance est :
var(a ) =
_
var() cov(, ) cov(, h)
cov(, ) var() cov(, h)
cov(, h) cov(, h) var(h)
_
Les composantes du vecteur alatoire ne reprsentent pas
directement les paramtres couramment utiliss en mtro-
logie (vecteur directeur, origine et grandeurs intrinsques).
Nous calculons ces variables dafchage en faisant propager
les incertitudes par la mthode suivante [810] :
y

=f

_
x

1
+x

2
+ +x

n
_
J.M. Linares et al. / Mcanique & Industries 3 (2002) 261266 265
Fig. 4. Plan du marbre de la MMT.
Fig. 4. Plane of the CMM.
o y

est un vecteur,
cov
_
y

_
=
_
[J]
T
cov[X] [J]
_
avec la matrice jacobienne :
[J] =
_
_
_
_
_
_
f
1
x
1
f
1
x
2
. . .
f
1
x
n
.
.
.
.
.
.
.
.
.
.
.
.
f
m
x
1
f
m
x
2
. . .
f
m
x
n
_
_
_
_
_
_
T
Les termes diagonaux de la matrice reprsentent les compo-
santes de la variance du vecteur :
u
2
c(y

)
=cov
_
y

avec =
Cette connaissance permet dassurer la matrise de la propa-
gation de lincertitude dans le logiciel de mtrologie.
4.2. Application en mtrologie tridimensionnelle
Nos programmes permettent de calculer simultanment
les valeurs moyennes et les incertitudes des variables daf-
chage. Les Figs. 4 et 5 prsentent les fentres dun des deux
logiciels et propose les rsultats doptimisation pour un plan
et un cylindre. Les indications Cx, Cy, Cz sont les coordon-
nes de lorigine de la surface. Les valeurs de nx, ny, nz sont
les coordonnes du vecteur directeur de la surface. La va-
riable D correspond au diamtre de la surface. La valeur de
Chi reprsente le 1/2 angle au sommet dun cne.
Les doutes afchs sont les incertitudes composes.
Si lon souhaite obtenir les incertitudes largies, il faut
multiplier ces dernires par un coefcient dlargissement k
(k =2 gnralement en mtrologie) [8].
5. Perspectives
Lincertitude de mesure est homogne un cart type, elle
peut tre modlise grce cette nouvelle mthode desti-
mation. Sa situation amont dans le logiciel de mtrologie,
lui confre une position stratgique. Le mtrologue conna-
tra en temps rel, le doute qui entache ses rsultats. Toutes
les phases de vrications situes en aval de la dtermination
des surfaces associes, peuvent donc tre compltes par la
proposition dune incertitude (exemple vrication dun pa-
ralllisme, proposition de la valeur estime et de son doute).
Si lon vient palper une plaque de verre polie dfaut de
forme nul, les incertitudes composes fournies par les algo-
rithmes ont pour origine seulement les variations alatoires
du processus de mesurage. Ces valeurs pourraient servir la
caractrisation du processus.
6. Conclusion
La dmarche de qualit xe par la norme ISO9000,
impose au mtrologue destimer lincertitude avec laquelle,
il a obtenu sa mesure. Les algorithmes dvelopps apportent
une rponse aux problmes de contrle industriel. Ils ont fait
lobjet dun dpt denveloppes Soleau auprs de lINPI.
266 J.M. Linares et al. / Mcanique & Industries 3 (2002) 261266
Fig. 5. Cylindre talon.
Fig. 5. Standard cylinder.
Les essais raliss montrent que les incertitudes voluent
en fonction dun grand nombre de paramtres. Lautomati-
sation du calcul des incertitudes permet denvisager luti-
lisation de la mthodologie de la recherche exprimentale
(plans dexpriences) an de mettre en vidence les facteurs
inuents. Ils nous permettront de donner les prcautions
prendre an de diminuer les incertitudes sur les rsultats. De
mme, des indications sur la ralisation des gammes de me-
sures pourront tre fournies aux utilisateurs avant que les lo-
giciels de mtrologie incluent les fonctionnalits prsentes
dans cet article.
Rfrences
[1] M. Priel, Pourquoi faut-il annoncer une incertitude avec les rsultats de
mesure ?, Revue des laboratoires dessais, dcembre 1995, pp. 16-19.
[2] S. Courtois, J. Bachmann, J.M. Linares, Mthodologie de la recherche
exprimentale, Criblage des facteurs et foldover, Application lopti-
misation de lutilisation dune machine mesurer, in : Congrs CNR-
IUT2000, Vol. 1, 2000, pp. 303316.
[3] P. Bourdet, L. Mathieu, C. Lartigue, A. Ballu, The concept of the small
displacement torsor in metrology, Advanced Mathematical Tools in
Metrology 2 (1996) 110122.
[4] G. Goch, U. Tschudi, A universal algorithm for the alignment of
sculptured surfaces, in : Annals of CIRP, Vol. 41/1, Aix en Provence,
1992, pp. 507510.
[5] A. Clement, Principe dAbbe gnralis, Technologie et formation 32
(1990) 3945.
[6] J.P. Kruth, W. Ma, Parameter identication of geometric elements
from digitized data of coordinate measuring machines, in : MATADOR
Conference, Manchester, 1992, pp. 277285.
[7] J.M. Linares, P. Bourdet, J.M. Sprauel, Quality measurement on
CMM, in : Proceedings of the International IDMME2000, Montral,
May 2000, pp. 110, on CD.
[8] BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML, Guide to the expres-
sion of the uncertainty in measurement, 1st ed., 1993.
[9] V. Tuninski, S. Demilio, F. Cabiati, Concepts and rules in the guide
to the expression of uncertainty : additional proposals, in : Metrology
99, Proceedings of the Ninth International Metrology Congress,
Bordeaux, 1821 October 1999, pp. 361364.
[10] E. Arri, F. Cabiati, S. Demilio, L. Gonella, On the application, Guide
to the expression of the uncertainty in measurements to measuring
instruments, Measurement 16 (1995) 5157.