Fiche de révision : Optimisation de la Fiabilité des Mesures

📋 Plan du Cours

1. Variabilité des mesures
2. Phénomènes influençant la précision
3. Nécessité de séries de mesures
4. Évaluation de la répétabilité
5. Effet de la résolution du CAN
6. Impact de la fréquence d’échantillonnage
7. Traitement par moyenne glissante
8. Filtre passe-bas numérique
9. Relation stabilité et qualité
10. Analyse de la chaîne de mesure

📖 1. Variabilité des mesures

🔑 Notions clés & Définitions

• Fluctuations des mesures même sous tension constante : Variations observées dans les résultats de mesure lorsque la grandeur physique ne change pas, dues à des phénomènes intrinsèques ou environnementaux, même si la tension d’entrée reste stable.

• Influence du bruit électronique sur la variabilité : Effets aléatoires générés par les composants électroniques internes, tels que le microcontrôleur ou le capteur, qui introduisent des fluctuations dans la valeur mesurée, même en absence de variation réelle du phénomène.

• Effets de quantification liés à la résolution du CAN : Limitation imposée par le nombre de niveaux de quantification du convertisseur analogique–numérique, qui détermine la finesse de la représentation numérique de la tension d’entrée, pouvant masquer ou réduire la visibilité des fluctuations réelles.

• Perturbations environnementales affectant la mesure : Influences extérieures telles que la température, l’alimentation ou les champs électromagnétiques, qui peuvent provoquer des variations lentes ou rapides dans la valeur mesurée, même si la grandeur physique est constante.

• Variabilité intrinsèque des mesures numériques : Fluctuations naturelles et aléatoires dans les résultats numériques dues à la combinaison des phénomènes de bruit, de quantification et de perturbations environnementales, affectant la stabilité et la fiabilité des mesures.

📝 Points essentiels

• La valeur numérique mesurée sous tension constante n’est pas strictement identique d’une mesure à l’autre, en raison de phénomènes comme le bruit électronique, les perturbations environnementales ou la quantification du CAN (TP2).

• Les variations successives peuvent être attribuées à plusieurs sources : bruit électronique interne, perturbations électriques externes, bruit du capteur, effets de quantification liés à la résolution du CAN, et variations lentes de l’environnement (TP2).

• Une seule mesure ne suffit pas pour juger de la qualité du système, car elle ne reflète pas la dispersion ou la stabilité du système de mesure. La réalisation d’une série de mesures est nécessaire pour analyser la répétabilité et la fiabilité (TP2).

• La stabilité d’une mesure peut être évaluée par la dispersion des valeurs, l’écart-type, et l’amplitude des fluctuations autour de la moyenne. Une faible dispersion indique une bonne répétabilité (TP2).

• La réduction de la résolution du CAN (ex : 10 bits vs 12 bits) diminue l’apparence des fluctuations, mais ne garantit pas une amélioration réelle de la qualité, car elle limite la finesse de la représentation du signal (TP2).

💡 À retenir

La variabilité des mesures, même sous tension constante, résulte d’un ensemble de phénomènes liés au bruit, à la quantification et aux perturbations environnementales, rendant essentielle l’analyse de séries pour évaluer la stabilité et la qualité d’un système de mesure.

📖 2. Phénomènes influençant la précision

🔑 Notions clés & Définitions

• Bruit électronique interne au microcontrôleur : Fluctuations indésirables générées par les composants électroniques internes, affectant la stabilité et la précision des mesures (voir phase 6).
• Perturbations électriques externes (champs électromagnétiques) : Interférences causées par des champs électromagnétiques environnants qui perturbent le signal électrique et dégradent la qualité de la mesure (voir phase 6).
• Bruit du capteur : Variations aléatoires ou parasites issus du capteur lui-même, pouvant fausser la lecture même si la grandeur physique reste constante (voir phase 6).
• Effets de quantification du CAN : Approximation introduite lors de la conversion analogique–numérique, liée à la résolution finie du convertisseur, qui limite la finesse de la mesure et peut générer des fluctuations apparentes (voir phase 1).
• Variations lentes de l’environnement (température, alimentation) : Modifications progressives de l’environnement qui influencent la stabilité de la mesure, comme la température ou la tension d’alimentation, provoquant des dérives ou fluctuations (voir phase 1).

📝 Points essentiels

• La valeur numérique mesurée par un CAN n’est pas strictement identique d’une mesure à l’autre, même en tension constante, en raison de phénomènes comme le bruit électronique, les perturbations environnementales ou les effets de quantification (voir phase 1).
• Les fluctuations observées dans une série de mesures successives peuvent provenir du bruit électronique interne au microcontrôleur, des perturbations électriques externes, du bruit du capteur, des effets de quantification du CAN, ou de variations lentes de l’environnement (température, alimentation) (voir phase 1).
• La seule observation d’une mesure ne permet pas d’évaluer la qualité du système, car elle ne donne pas d’informations sur la dispersion ou la stabilité. La réalisation d’une série de mesures est nécessaire pour analyser la répétabilité et la fiabilité (voir phase 1).
• La réduction de la résolution du CAN (ex : de 12 bits à 10 bits) peut donner une impression de stabilité accrue, mais elle masque en réalité les fluctuations réelles, qui sont mieux représentées avec une résolution plus fine (voir phase 3).
• La fréquence d’échantillonnage influence la fidélité de la représentation du signal : une fréquence trop basse entraîne une perte d’information et une déformation du signal, conformément au théorème de Shannon (voir phase 4).
• Le traitement numérique, comme la moyenne glissante, atténue les fluctuations rapides et améliore la stabilité apparente du signal, mais introduit un retard et peut réduire la réactivité du système (voir phase 5).

💡 À retenir

Les phénomènes tels que le bruit électronique, les perturbations externes, la quantification du CAN et les variations lentes de l’environnement influencent la précision des mesures, et leur compréhension permet d’optimiser la fiabilité et la qualité des systèmes de mesure.

📖 3. Nécessité de séries de mesures

🔑 Notions clés & Définitions

• Insuffisance d’une mesure unique : Une seule mesure ne permet pas d’évaluer la qualité d’un système de mesure, car elle ne donne pas d’informations sur la dispersion ou la stabilité des résultats (voir phase 3).
• Nécessité d’une série de mesures successives : Réaliser plusieurs mesures dans les mêmes conditions pour observer la dispersion, les fluctuations et la stabilité globale du système (voir phase 2).
• Observation de la dispersion et des fluctuations : Analyse de la variabilité des valeurs mesurées, notamment par l’écart-type, pour évaluer la stabilité et la répétabilité du système (voir phase 3).
• Importance de la stabilité globale : La stabilité des mesures sur une série indique la fiabilité du système, même si des fluctuations ponctuelles existent (voir phase 3).
• Évaluation de la répétabilité : La répétabilité se mesure par la cohérence des résultats obtenus lors de séries de mesures, permettant de juger de la qualité du système (voir phase 3).

📝 Points essentiels

• Une seule mesure ne suffit pas pour juger de la qualité, car elle ne reflète pas la dispersion ou la stabilité du système, qui peuvent être affectées par le bruit électronique, perturbations environnementales ou effets de quantification (voir phase 1).
• La réalisation d’une série de mesures permet d’observer la dispersion des résultats, leur fluctuation autour d’une valeur moyenne, et d’évaluer la stabilité globale du système (voir phase 2).
• La quantification du CAN limite la finesse des variations observables, mais ne modifie pas la nécessité de séries pour une évaluation fiable (voir phase 3).
• La stabilité d’un système de mesure est indiquée par une faible dispersion et une cohérence des valeurs successives, même si des fluctuations aléatoires existent (voir phase 3).
• Le traitement numérique, comme la moyenne glissante, améliore la stabilité apparente en réduisant les fluctuations, mais ne remplace pas la nécessité de séries pour une évaluation complète (voir phase 5).

💡 À retenir

La qualité d’un système de mesure ne peut être évaluée à partir d’une seule mesure ; une série de mesures successives est essentielle pour analyser la dispersion, la stabilité et la répétabilité, garantissant ainsi la fiabilité des résultats.

📖 4. Évaluation de la répétabilité

🔑 Notions clés & Définitions

• Valeur moyenne des mesures : La somme de toutes les valeurs mesurées divisée par le nombre de mesures, permettant d’obtenir une estimation centrale du signal (voir phase 3).
• Écart-type : La racine carrée de la variance, mesurant la dispersion des valeurs autour de la moyenne. Plus l’écart-type est faible, plus les mesures sont proches de la moyenne, indiquant une bonne répétabilité (voir phase 3).
• Amplitude des fluctuations autour de la moyenne : La différence entre la valeur maximale et la valeur minimale d’une série de mesures, illustrant l’étendue des variations du système (voir phase 2).
• Utilisation de l’écart-type pour évaluer la répétabilité : L’écart-type sert à quantifier la dispersion des mesures ; un faible écart-type indique une bonne répétabilité du système (voir phase 3).
• Interprétation d’une faible dispersion comme bonne répétabilité : Lorsque la dispersion des mesures, notamment l’écart-type, est faible, cela reflète une stabilité et une fiabilité élevées du système de mesure, même si la précision absolue n’est pas garantie (voir phases 2 et 3).

📖 5. Effet de la résolution du CAN

🔑 Notions clés & Définitions

• Pas de quantification : La différence entre deux valeurs numériques successives possibles lors de la conversion, déterminée par la résolution du CAN. Elle est calculée par $q = \frac{V_{ref}}{2^N}$, où $V_{ref}$ est la tension de référence et $N$ le nombre de bits (voir phase 3). Plus la résolution est élevée, plus le pas de quantification est petit, permettant une représentation plus fine du signal.

• Relation entre résolution (bits) et pas de quantification : La résolution en bits du CAN détermine la finesse de la discretisation de la tension d’entrée. Une augmentation du nombre de bits réduit le pas de quantification, améliorant la précision apparente mais ne modifiant pas la véritable stabilité du système (voir phase 3). La relation est exponentielle : chaque bit supplémentaire double le nombre de niveaux de quantification.

• Impact de la résolution sur la précision apparente : La résolution influence la finesse avec laquelle le signal analogique est représenté numériquement. Une résolution plus élevée permet de distinguer des variations plus petites, mais ne garantit pas une amélioration réelle de la stabilité ou de la fidélité du système si d’autres phénomènes (bruit, perturbations) sont présents (voir phase 3).

• Effet de la résolution sur l’amplitude des fluctuations : En diminuant la résolution (ex. de 12 bits à 10 bits), l’amplitude des fluctuations visibles dans les mesures diminue, car le nombre de niveaux de quantification est réduit, ce qui "écrase" en partie les variations du signal (voir phase 3). La mesure paraît plus stable mais cette stabilité est trompeuse, liée à la perte d’information.

• Limitation des fluctuations visibles par résolution inférieure : Une résolution plus faible limite la capacité du système à détecter de petites variations, masquant ainsi la dispersion réelle du signal. Cela peut donner une impression de stabilité accrue, mais en réalité, la précision effective est dégradée, ce qui peut fausser l’interprétation de la qualité de la mesure (voir phase 3).

📖 6. Impact de la fréquence d’échantillonnage

🔑 Notions clés & Définitions

• Influence de la fréquence d’échantillonnage sur la fidélité du signal : La fréquence d’échantillonnage détermine la capacité du système à représenter fidèlement un signal analogique en numérique. Une fréquence trop basse peut entraîner une perte d’informations importantes, tandis qu’une fréquence adéquate permet une reconstruction précise du signal (voir théorème de Shannon).
• Représentation détaillée du signal avec fréquence élevée : Lorsqu’on augmente la fréquence d’échantillonnage, le nombre de points capturés par unité de temps augmente, permettant une représentation plus fidèle et détaillée du signal, notamment pour suivre ses variations rapides.
• Lien avec le théorème de Shannon (1950) : Ce théorème stipule que pour éviter la perte d’information et la déformation du signal, la fréquence d’échantillonnage doit être supérieure à deux fois la fréquence maximale du signal (f_s > 2f_max). En dessous de cette limite, le phénomène de « repliement » ou aliasing se produit, déformant la reconstruction du signal.

📝 Points essentiels

• Une fréquence d’échantillonnage insuffisante (inférieure à 2× la fréquence du signal) provoque une déformation du signal, appelée aliasing, rendant la reconstruction impossible ou imprécise.
• À haute fréquence d’échantillonnage, le signal numérique conserve une structure proche de l’original analogique, permettant une analyse précise des variations rapides.
• La déformation du signal due à un échantillonnage insuffisant est une conséquence directe du non-respect du théorème de Shannon, qui établit la limite minimale pour une représentation fidèle.
• Une fréquence d’échantillonnage adaptée permet d’éviter la perte d’informations et d’assurer une fidélité optimale dans la reconstruction du signal.

💡 À retenir

La fidélité du signal numérique dépend crucialement de la fréquence d’échantillonnage, qui doit respecter le théorème de Shannon pour éviter aliasing et déformation, garantissant ainsi une représentation fidèle et détaillée du signal original.

📖 7. Traitement par moyenne glissante

🔑 Notions clés & Définitions

• Principe de la moyenne glissante : Technique de traitement numérique qui consiste à calculer la moyenne des Nmoy dernières valeurs mesurées pour atténuer les fluctuations rapides du signal, en réduisant l’impact du bruit et des variations aléatoires.
• Effet de l’augmentation de Nmoy sur la stabilité du signal : Plus Nmoy est élevé, plus la moyenne glissante atténue les fluctuations rapides, ce qui augmente la stabilité apparente du signal mais réduit la réactivité. La stabilité s’améliore donc avec la croissance de Nmoy.
• Comparaison entre signal brut et signal filtré : Le signal brut, issu directement du CAN, présente des fluctuations rapides et importantes dues au bruit, tandis que le signal filtré par moyenne glissante est plus lisse, avec une atténuation des variations rapides. La moyenne glissante agit comme un filtre passe-bas numérique.
• Atténuation des variations rapides par moyenne glissante : La moyenne glissante réduit efficacement les fluctuations de haute fréquence, correspondant au bruit ou aux variations rapides, tout en conservant les variations lentes du signal.
• Absence de filtrage pour Nmoy=1 : Lorsque Nmoy=1, la moyenne glissante n’effectue aucun filtrage, le signal filtré est identique au signal brut, sans atténuation des fluctuations.

📝 Points essentiels

• La moyenne glissante est un filtre numérique simple, basé sur la moyenne des Nmoy dernières valeurs, qui permet de lisser le signal en atténuant les fluctuations rapides dues au bruit électronique, perturbations environnementales ou effets de quantification.
• L’augmentation de Nmoy améliore la stabilité du signal en réduisant la dispersion des valeurs, mais au prix d’un retard dans la réponse du système, ce qui diminue la réactivité face aux variations rapides.
• La moyenne glissante agit comme un filtre passe-bas, atténuant les composantes de haute fréquence (bruit) tout en conservant les variations lentes du signal.
• Lorsqu’on augmente Nmoy, la différence entre le signal brut et le signal filtré devient plus grande, mais la stabilité apparente du signal s’améliore.
• La valeur Nmoy=1 correspond à l’absence de filtrage, où le signal filtré est identique au signal brut, sans atténuation des fluctuations.
• La réduction de fluctuations par moyenne glissante ne modifie pas la grandeur physique mesurée, mais améliore la lisibilité et la stabilité du signal affiché.

💡 À retenir

La moyenne glissante est un filtre numérique efficace pour améliorer la stabilité apparente d’un signal en atténuant les fluctuations rapides, mais elle introduit un compromis entre stabilité et réactivité, notamment lorsque Nmoy est élevé.

📖 8. Filtre passe-bas numérique

🔑 Notions clés & Définitions

• Filtre passe-bas numérique : Un filtre qui atténue les composantes de haute fréquence du signal numérique, permettant de conserver principalement les variations lentes ou continues. Il agit comme un filtre analogique mais en traitement numérique, souvent implémenté par des méthodes comme la moyenne glissante.
• Réduction des fluctuations rapides dans le signal : Processus par lequel le filtre élimine ou atténue les variations rapides et aléatoires du signal, souvent dues au bruit ou à des perturbations, pour obtenir une représentation plus stable et fidèle du phénomène mesuré.
• Lien entre moyenne glissante et filtrage passe-bas : La moyenne glissante est une méthode simple de filtrage numérique qui agit comme un filtre passe-bas, en atténuant les hautes fréquences du signal en faisant la moyenne des dernières valeurs mesurées, comme le souligne la relation de la moyenne glissante avec le filtrage passe-bas (voir section 5).
• Effet du filtre sur la stabilité du signal mesuré : En atténuant les fluctuations rapides, le filtre passe-bas numérique améliore la stabilité apparente du signal, rendant la mesure plus fiable et moins sensible au bruit, tout en conservant les variations lentes du phénomène.
• Amélioration de la qualité du signal par filtrage numérique : En réduisant le bruit et les fluctuations indésirables, le filtrage numérique permet d’obtenir un signal plus lisible, plus précis, et plus représentatif du phénomène réel, tout en limitant les effets de perturbations externes ou internes (voir phase 5).

📝 Points essentiels

• La moyenne glissante est une méthode de filtrage passe-bas simple, qui consiste à calculer la moyenne des N dernières valeurs pour lisser le signal (section 5).
• Elle agit comme un filtre passe-bas en atténuant les composantes de haute fréquence, c’est-à-dire les variations rapides dues au bruit ou aux perturbations, tout en laissant passer les variations lentes ou continues.
• La réduction des fluctuations rapides permet d’améliorer la stabilité apparente du signal, mais introduit un retard dans la réponse, ce qui peut diminuer la réactivité du système (section 5).
• La relation entre moyenne glissante et filtrage passe-bas est fondamentale pour comprendre comment le traitement numérique peut optimiser la qualité de la mesure en supprimant le bruit sans altérer la grandeur physique réelle.
• La mise en œuvre d’un filtre passe-bas numérique doit être adaptée à la fréquence du signal et à la nature du bruit, pour équilibrer stabilité et réactivité (section 5).
• La stabilité accrue grâce au filtrage numérique ne garantit pas une meilleure fidélité ou précision intrinsèque, mais contribue à une meilleure lisibilité et interprétation des mesures (section 5).

💡 À retenir

Le filtrage passe-bas numérique, notamment par la moyenne glissante, atténue efficacement les fluctuations rapides du signal, améliorant la stabilité et la lisibilité des mesures, tout en conservant les variations lentes du phénomène.

📖 9. Relation stabilité et qualité

🔑 Notions clés & Définitions

• Stabilité des mesures : Capacité d’un système à produire des résultats proches entre eux lors de mesures successives dans des conditions identiques. Elle est essentielle pour garantir la fiabilité globale du système (voir phase 6).
• Qualité globale d’une mesure : Ensemble des caractéristiques qui déterminent la fiabilité, la précision, et la fidélité du résultat par rapport à la grandeur physique réelle (voir phase 1).
• Dispersion faible comme indicateur de qualité : Une faible dispersion des résultats, mesurée par des indicateurs statistiques comme l’écart-type ou le coefficient de variation, indique une bonne répétabilité et donc une meilleure qualité de la mesure (voir phase 3).
• Répétabilité et incertitude élargie : La répétabilité correspond à la proximité des résultats successifs, tandis que l’incertitude élargie, liée au coefficient de variation, quantifie la confiance dans la moyenne des mesures (voir phase 3).
• Impact du coefficient de variation (CV) : Un CV faible (inférieur à 1%) indique une excellente répétabilité, ce qui contribue à une meilleure stabilité perçue et à une réduction de l’incertitude élargie, renforçant la fiabilité du système (voir phase 3).
• Importance de la stabilité pour la fiabilité : La stabilité des mesures assure que le système est capable de fournir des résultats cohérents dans le temps, ce qui est un critère fondamental pour la confiance dans la qualité globale (voir phase 6).

📝 Points essentiels

• La stabilité des mesures est directement liée à leur fiabilité ; une mesure stable présente peu de fluctuations autour d’une valeur moyenne, même si cette dernière n’est pas forcément exacte (voir phase 6).
• La faible dispersion des résultats, évaluée par l’écart-type ou le coefficient de variation, est un bon indicateur de la qualité, car elle reflète une bonne répétabilité du système (voir phase 3).
• La relation entre stabilité et qualité est renforcée par l’analyse de la chaîne de mesure dans son ensemble, incluant capteur, convertisseur, environnement, et traitement numérique (voir phase 6).
• Une faible dispersion ne garantit pas une bonne qualité si la mesure est biaisée ou faussée ; la stabilité doit donc être complétée par une évaluation de la fidélité et de l’exactitude (voir phase 1).
• La réduction de l’incertitude élargie, notamment via un faible CV, contribue à renforcer la confiance dans la valeur moyenne obtenue, améliorant ainsi la qualité perçue (voir phase 3).

💡 À retenir

La stabilité des mesures, caractérisée par une faible dispersion et une répétabilité élevée, est un pilier fondamental pour assurer la fiabilité et la qualité globale d’un système de mesure, mais elle doit toujours être complétée par une évaluation de la fidélité et de l’exactitude.

📖 10. Analyse de la chaîne de mesure

🔑 Notions clés & Définitions

• Analyse complète de la chaîne de mesure : Approche systémique qui consiste à examiner l’ensemble des éléments intervenant dans la processus de mesure, du capteur au traitement numérique, afin d’identifier les sources d’erreurs et d’optimiser la fiabilité du système.
• Identification des sources d’erreurs et perturbations : Processus visant à repérer et quantifier les phénomènes (bruit électronique, perturbations environnementales, effets de quantification) qui peuvent dégrader la qualité des mesures, comme souligné dans la phase 6.
• Évaluation globale de la qualité du système de mesure : Analyse intégrée prenant en compte la stabilité, la répétabilité, la précision et la fidélité du système, en considérant tous ses composants et paramètres, conformément à la synthèse de la phase 5.
• Intégration des effets de résolution, bruit et échantillonnage : Considération simultanée de l’impact de la finesse de la quantification (résolution du CAN), des fluctuations aléatoires (bruit) et de la fréquence d’échantillonnage sur la représentativité et la stabilité du signal mesuré, comme discuté dans la phase 4 et 5.
• Approche systémique pour améliorer la qualité : Méthodologie globale visant à optimiser chaque étape de la chaîne de mesure, en ajustant paramètres et composants pour réduire les erreurs, augmenter la stabilité et garantir la fiabilité des résultats, selon la conclusion de la phase 6.

📝 Points essentiels

• La qualité d’une mesure ne dépend pas uniquement du capteur ou du convertisseur, mais de l’ensemble de la chaîne, incluant la résolution, la fréquence d’échantillonnage, le traitement numérique et les conditions environnementales (phase 6).
• Les phénomènes de bruit électronique, perturbations environnementales et effets de quantification sont des sources majeures d’erreurs, qui peuvent provoquer des fluctuations même avec une grandeur physique constante (phase 1 et 6).
• La stabilité apparente d’un système de mesure peut être trompeuse si elle masque une perte de précision ou une mauvaise fidélité, notamment lorsque la résolution est faible ou lors de l’utilisation de traitements numériques (phase 5).
• La réduction de la résolution du CAN ou la diminution de la fréquence d’échantillonnage peut donner une impression de stabilité accrue, mais cela masque souvent la véritable qualité de la mesure (phase 4 et 5).
• La démarche d’amélioration doit être systémique, en ajustant et en contrôlant chaque paramètre et composant pour optimiser la fiabilité et la fidélité du système global (phase 6).

💡 À retenir

L’analyse systémique de la chaîne de mesure permet d’identifier et de corriger les sources d’erreurs pour garantir une mesure fiable, en intégrant l’impact de la résolution, du bruit et de l’échantillonnage dans une démarche d’optimisation globale.

📊 Tableaux de Synthèse

⚠️ Pièges & Confusions Fréquentes

1. Confondre fluctuation de mesure avec une erreur systématique.
2. Croire qu’une seule mesure suffit pour évaluer la stabilité du système.
3. Sous-estimer l’impact des perturbations environnementales sur la précision.
4. Penser que la réduction de la résolution du CAN améliore la qualité réelle des mesures.
5. Ignorer l’effet de la fréquence d’échantillonnage sur la fidélité du signal.
6. Confondre bruit électronique et bruit du capteur.
7. Négliger la nécessité d’analyser la dispersion des résultats plutôt que de se baser sur une seule valeur.

✅ Checklist Examen

• Connaître la définition de Perroux sur la croissance.
• Savoir expliquer la variabilité des mesures même sous tension constante.
• Identifier les phénomènes influençant la précision : bruit électronique, perturbations, quantification, variations environnementales.
• Comprendre l’impact de la résolution du CAN sur la visibilité des fluctuations.
• Expliquer pourquoi une seule mesure est insuffisante pour évaluer la qualité d’un système de mesure.
• Maîtriser l’intérêt de réaliser une série de mesures pour analyser la stabilité et la répétabilité.
• Savoir utiliser l’écart-type pour évaluer la dispersion des mesures.
• Connaître le rôle du traitement numérique (moyenne glissante) dans la réduction des fluctuations.
• Comprendre l’effet de la fréquence d’échantillonnage selon le théorème de Shannon.
• Identifier les phénomènes influençant la précision : bruit électronique, perturbations électriques, bruit du capteur, effets de quantification, variations lentes.
• Connaître la relation entre stabilité et qualité dans une chaîne de mesure.
• Analyser la chaîne de mesure pour détecter les sources de variabilité.