Le codage pour les projets d'automatisation est plus que l'écriture de code

La traduction d'équations mathématiques en code fait partie du développement de projets d'automatisation impliquant des solutions informatiques, mais en est également éloignée. Il faut considérer l'efficacité des équations mathématiques par rapport aux besoins du projet en cours de développement. Nous devons également considérer la méthode de résolution pour résoudre les équations avec les données et le temps impliqués.

Les problèmes de données qui atteignent l'algorithme de solution doivent être détectés, contrôlés et, si possible, corrigés. La gestion de la précision doit intervenir à différentes étapes du processus. Les erreurs créées en cours de route par le processus de solution et la mise en œuvre doivent être détectées et gérées.

C'est un sujet pour les livres, mais j'espère que le processus de réflexion peut être déplacé avec quelques centaines de mots.

Tout d'abord, gardez à l'esprit que tout ce que nous ne rendons pas spécifiquement déterministe n'est pas, par défaut, stochastique. Les ordinateurs et les procédures par lesquelles ils résolvent les problèmes peuvent introduire des biais obscurs qui, avec l'analyse, sont clairement déterministes, mais pas intentionnels. Les plus simples qui illustrent le problème vont à la précision. Dans de nombreux cas, nous aimerions penser que les valeurs intermédiaires sont exactement correctes ou au moins arrondies en utilisant des critères que nous connaissons en mathématiques.

À différents niveaux, troncature - au lieu d'arrondir - force les nombres calculés à s'adapter à la taille de variable qui leur est fournie. Parfois, cela n'a pas d'importance, mais parfois cela introduit des biais. Il peut être utile d'utiliser une procédure et une pratique mathématiques pour gérer activement la valeur stockée de toutes les valeurs calculées afin que le moteur de solution préserve la précision attendue pour celles-ci. Ceci est couramment enseigné dans les cours de programmation et souvent négligé car comprendre et gérer la précision est ennuyeux et fastidieux.

Parfois, les observations manquent de cohérence (par exemple, en raison de problèmes d'échantillonnage ou de synchronisation) ou d'une précision fiable au moment de la mesure (par exemple, en raison d'instabilités transitoires). Il existe souvent des moyens de nettoyer cela (par exemple, par la vérification des limites des limites, l'analyse des données et les techniques de régression). Il existe souvent des moyens de faire quelque chose de plus que ce qui est divulgué par le flux de données, mais beaucoup d'entre eux impliquent des conjectures du programmeur sur ce qui peut se passer. Faites attention à cela — un bon résultat est trop important pour être rejeté a priori , mais un résultat incorrect peut être plus dommageable que la valeur de l'amélioration potentielle qu'il a facilitée.

Parfois, la procédure de solution elle-même, même avec une gestion de précision appropriée, peut introduire des problèmes. Supposons que nous souhaitions intégrer une fonction de streaming d'ici à l'infini. Même de très petites erreurs ou ambiguïtés, insignifiantes dans un seul calcul, atteignent des valeurs astronomiques lorsqu'il s'accumule en continu sur de longues périodes. Cela peut se confondre avec l'arrondi et la troncature et produire une disparité due à une méthode de mesure ou d'intégration continuellement biaisée. Cela peut se manifester au fil du temps par d'énormes erreurs, par exemple, dans le terme "I" d'un contrôleur PID. Il existe des procédures de contrôle des données et de gestion de la précision, ainsi que des méthodes mathématiques d'approche du problème pour la solution nécessaire qui résout ces problèmes, mais le chemin pour les découvrir peut être embarrassant.

Parfois, les mathématiques sont appliquées à une exigence sans comprendre pleinement le problème, les mathématiques ou ce que les mathématiques sont réellement conçues pour faire. Il peut être possible, par exemple, de parfois détecter une situation et d'autres fois de la rater complètement en utilisant exactement les mêmes calculs.