La codificación para proyectos de automatización es más que escribir código

La traducción de ecuaciones matemáticas en código es parte del desarrollo de proyectos de automatización que involucran soluciones informáticas, pero también se elimina del mismo. Debemos considerar la eficacia de las ecuaciones matemáticas en relación con las necesidades del proyecto que se está desarrollando. También debemos considerar el método de solución para resolver las ecuaciones con los datos y el tiempo involucrados.

Los problemas de datos que llegan al algoritmo de solución deben detectarse, controlarse y, cuando sea posible, corregirse. La gestión de precisión debe ocurrir en varias etapas del proceso. Los errores creados en el camino por el proceso de solución y la implementación deben detectarse y gestionarse.

Este es un tema para libros, pero es de esperar que el proceso de pensamiento se pueda mover junto con unos pocos cientos de palabras.

Primero, tenga en cuenta que no todo lo que no hacemos específicamente determinista es, por defecto, estocástico. Las computadoras y los procedimientos mediante los cuales resuelven problemas pueden introducir sesgos oscuros que, con el análisis, son claramente deterministas, pero no intencionales. Los simples que ilustran el problema van a la precisión. En muchos casos, nos gustaría pensar que los valores intermedios son exactamente correctos o al menos redondeados utilizando criterios que conocemos de las matemáticas.

En varios niveles, truncamiento —en lugar de redondear— obliga a los números calculados a encajar en el tamaño variable proporcionado para ellos. A veces esto no importa, pero a veces introduce sesgos. Puede ser útil usar procedimientos y prácticas matemáticos para administrar activamente el valor almacenado de todos los valores calculados para que el motor de solución conserve la precisión esperada para ellos. Esto se enseña comúnmente en las clases de programación y con frecuencia se descuida porque comprender y manejar la precisión es aburrido y tedioso.

A veces, las observaciones carecen de consistencia (p. ej., debido a problemas de muestreo o sincronización) o de precisión confiable en el instante de la medición (p. ej., debido a inestabilidades transitorias). A menudo hay formas de limpiar eso (por ejemplo, mediante la verificación de límites, análisis de datos y técnicas de regresión). A menudo hay formas de hacer algo más que lo revelado por el flujo de datos, pero muchas de ellas involucran conjeturas del programador sobre lo que puede estar sucediendo. Cuidado con esto —un buen resultado es demasiado importante para rechazarlo a priori , pero un resultado incorrecto puede ser más dañino que el valor de la mejora potencial que facilitó.

A veces, el procedimiento de solución en sí mismo, incluso con una gestión de precisión adecuada, puede presentar problemas. Supongamos que queremos integrar una función de transmisión desde ahora hasta el infinito. Incluso errores o ambigüedades muy pequeños, insignificantes en un solo cálculo, crecen a valores astronómicos cuando se acumula continuamente durante largos períodos de tiempo. Esto puede mezclarse con el redondeo y el truncamiento y producir una disparidad debido a una metodología de medición o integración continuamente sesgada. Esto puede manifestarse con el tiempo en grandes errores, por ejemplo, en el término "I" de un controlador PID. Existen procedimientos de gestión de precisión y control de datos, así como formas matemáticas de abordar el problema para la solución necesaria que resuelven estos problemas, pero el camino para descubrirlos puede ser vergonzoso.

A veces, las matemáticas se aplican a un requisito sin comprender completamente el problema, las matemáticas o para qué están diseñadas realmente las matemáticas. Puede ser posible, por ejemplo, a veces detectar una situación y otras pasarla por alto usando exactamente las mismas matemáticas.