Codificar para projetos de automação é mais do que escrever código

A tradução de equações matemáticas em código faz parte, mas também afasta, do desenvolvimento de projetos de automação envolvendo soluções computacionais. Devemos considerar a eficácia das equações matemáticas em relação às necessidades do projeto que está sendo desenvolvido. Devemos também considerar o método de solução para resolver as equações com os dados e tempo envolvidos.

Problemas de dados que atingem o algoritmo de solução devem ser detectados, controlados e, quando possível, corrigidos. O gerenciamento de precisão deve ocorrer em vários estágios do processo. Erros criados ao longo do caminho pelo processo e implementação da solução devem ser detectados e gerenciados.

Este é um assunto para livros, mas esperamos que o processo de pensamento possa ser movido junto com algumas centenas de palavras.

Primeiro, tenha em mente que nem tudo que não tornamos especificamente determinístico é, por padrão, estocástico. Computadores e os procedimentos pelos quais eles resolvem problemas podem introduzir preconceitos obscuros que, com a análise, são claramente deterministas — apenas não intencionais. Os simples que ilustram o problema vão para a precisão. Em muitos casos, gostaríamos de pensar que os valores intermediários são exatamente corretos ou pelo menos arredondados usando critérios que conhecemos da matemática.

Em vários níveis, truncamento — em vez de arredondamento — força os números calculados a se ajustarem ao tamanho variável fornecido para eles. Às vezes isso não importa, mas às vezes introduz preconceitos. Pode ser útil usar o procedimento matemático e a prática para gerenciar ativamente o valor armazenado de todos os valores calculados para que o mecanismo de solução preserve a precisão esperada para eles. Isso é comumente ensinado em aulas de programação e frequentemente negligenciado porque entender e gerenciar a precisão é chato e tedioso.

Às vezes, as observações não têm consistência (por exemplo, devido a problemas de amostragem ou sincronização) ou precisão confiável no instante da medição (por exemplo, devido a instabilidades transitórias). Muitas vezes, há maneiras de limpar isso (por exemplo, por verificação de limite de limite, análise de dados e técnicas de regressão). Muitas vezes há maneiras de fazer algo mais do que divulgado pelo fluxo de dados, mas muitas delas envolvem conjecturas do programador sobre o que pode estar acontecendo. Tenha cuidado com isso —um bom resultado é muito importante para rejeitar a priori , mas um resultado incorreto pode ser mais prejudicial do que o valor da melhoria potencial que facilitou.

Às vezes, o próprio procedimento de solução, mesmo com um gerenciamento de precisão adequado, pode apresentar problemas. Suponha que queremos integrar uma função de streaming de agora até o infinito. Mesmo erros ou ambiguidades muito pequenos, insignificantes em um único cálculo, crescem para valores astronômicos quando acumulados continuamente por longos períodos de tempo. Isso pode se misturar com arredondamento e truncamento e produzir uma disparidade devido à medição continuamente tendenciosa ou à metodologia de integração. Isso pode se manifestar ao longo do tempo em grandes erros, por exemplo, no termo “I” de um controlador PID. Existem procedimentos de controle de dados e gerenciamento de precisão, bem como formas matemáticas de abordar o problema para a solução necessária que resolva esses problemas, mas o caminho para descobri-los pode ser embaraçoso.

Às vezes, a matemática é aplicada a um requisito sem entender completamente o problema, a matemática ou o que a matemática realmente foi projetada para fazer. Pode ser possível, por exemplo, às vezes detectar uma situação e outras vezes perdê-la completamente usando exatamente a mesma matemática.