Codieren für Automatisierungsprojekte ist mehr als das Schreiben von Code

Das Übersetzen mathematischer Gleichungen in Code ist Teil, aber auch losgelöst von der Entwicklung von Automatisierungsprojekten mit Computerlösungen. Wir müssen die Wirksamkeit der mathematischen Gleichungen im Verhältnis zu den Anforderungen des zu entwickelnden Projekts berücksichtigen. Wir müssen auch die Lösungsmethode zum Lösen der Gleichungen mit den beteiligten Daten und Zeiten berücksichtigen.

Datenprobleme, die den Lösungsalgorithmus erreichen, müssen erkannt, kontrolliert und wenn möglich korrigiert werden. Präzisionsmanagement muss in verschiedenen Phasen des Prozesses erfolgen. Fehler, die während des Lösungsprozesses und der Implementierung entstehen, müssen erkannt und verwaltet werden.

Dies ist ein Thema für Bücher, aber hoffentlich kann der Denkprozess mit ein paar hundert Wörtern vorangetrieben werden.

Denken Sie zunächst daran, dass nicht alles, was wir nicht spezifisch deterministisch machen, standardmäßig stochastisch ist. Computer und die Verfahren, mit denen sie Probleme lösen, können obskure Verzerrungen einführen die mit Analyse eindeutig deterministisch sind – nur nicht beabsichtigt. Die einfachen, die das Problem veranschaulichen, gehen in Richtung Präzision. In vielen Fällen würden wir gerne glauben, dass Zwischenwerte genau richtig sind oder zumindest nach Kriterien gerundet werden, die wir aus der Mathematik kennen.

Auf verschiedenen Ebenen Abschneiden – anstatt zu runden – erzwingt, dass berechnete Zahlen in die dafür vorgesehene variable Größe passen. Manchmal spielt das keine Rolle, aber manchmal führt es zu Vorurteilen. Es kann nützlich sein, mathematische Verfahren und Übungen zu verwenden, um den gespeicherten Wert aller berechneten Werte aktiv zu verwalten, damit die Lösungsmaschine die für sie erwartete Genauigkeit bewahrt. Dies wird häufig in Programmierkursen gelehrt und häufig vernachlässigt, da es langweilig und ermüdend ist, Genauigkeit zu verstehen und zu verwalten.

Manchmal fehlt es den Beobachtungen an Konsistenz (z. B. aufgrund von Abtast- oder Synchronisationsproblemen) oder an zuverlässiger Genauigkeit zum Zeitpunkt der Messung (z. B. aufgrund vorübergehender Instabilitäten). Es gibt oft Möglichkeiten, dies zu bereinigen (z. B. durch Grenzüberprüfung, Datenanalyse und Regressionstechniken). Es gibt oft Möglichkeiten, etwas zu machen, das über den Datenstrom hinausgeht, aber viele von ihnen beinhalten Vermutungen des Programmierers darüber, was passieren könnte. Achten Sie darauf – ein gutes Ergebnis ist zu wichtig, um es a priori abzulehnen , aber ein falsches Ergebnis kann schädlicher sein als der Wert der potenziellen Verbesserung, die es ermöglicht hat.

Manchmal kann das Lösungsverfahren selbst, selbst bei angemessener Präzisionsverwaltung, Probleme verursachen. Angenommen, wir wollen eine Streaming-Funktion von jetzt bis unendlich integrieren. Selbst sehr kleine Fehler oder Unklarheiten, die in einer einzigen Berechnung unbedeutend sind, wachsen zu astronomischen Werten wenn sie sich kontinuierlich über lange Zeiträume ansammeln. Dies kann mit Rundung und Kürzung verwechselt werden und aufgrund einer kontinuierlich verzerrten Mess- oder Integrationsmethodik zu einer Ungleichheit führen. Dies kann sich im Laufe der Zeit in großen Fehlern äußern, beispielsweise im „I“-Anteil eines PID-Reglers. Es gibt Datenkontroll- und Präzisionsverwaltungsverfahren sowie mathematische Herangehensweisen an das Problem für die erforderliche Lösung, die diese Probleme lösen, aber der Weg, sie zu entdecken, kann peinlich sein.

Manchmal wird Mathematik auf eine Anforderung angewendet, ohne das Problem, die Mathematik oder den eigentlichen Zweck der Mathematik vollständig zu verstehen. Es kann zum Beispiel möglich sein, manchmal eine Situation zu erkennen und manchmal völlig zu übersehen, indem man genau dieselbe Mathematik verwendet.