自動化プロジェクトのコーディングは、コードを書くだけではありません

数学方程式をコードに変換することは、コンピューターソリューションを含む自動化プロジェクトの開発の一部ですが、そこからも削除されています。開発中のプロジェクトのニーズに関連する数式の有効性を考慮する必要があります。また、関連するデータとタイミングを使用して方程式を解くための解法も検討する必要があります。

ソリューションアルゴリズムに到達するデータの問題は、検出、制御、および可能な場合は修正する必要があります。正確な管理は、プロセスのさまざまな段階で行う必要があります。ソリューションのプロセスと実装によって途中で発生したエラーを検出して管理する必要があります。

これは本の主題ですが、うまくいけば、思考プロセスは数百の言葉と一緒に動かすことができます。

まず、私たちが具体的に決定論的にしないすべてが、デフォルトでは確率論的であるとは限らないことに注意してください。コンピュータとそれらが問題を解決する手順は、あいまいなバイアスを導入する可能性があります 分析すると、それは明らかに決定論的であり、意図的ではありません。問題を説明する単純なものは精度に行きます。多くの場合、中間値は正確に正しいか、数学でわかっている基準を使用して少なくとも丸められていると考えたいと思います。

さまざまなレベルで、切り捨て 四捨五入の代わりに、計算された数値を、提供された可変サイズに合わせるように強制します。これが問題にならない場合もありますが、バイアスが生じる場合もあります。ソリューションエンジンが期待される精度を維持できるように、数学的な手順と実践を使用して、すべての計算値の保存された値を積極的に管理すると便利です。これはプログラミングクラスで一般的に教えられており、精度の理解と管理は退屈で退屈であるため、しばしば無視されます。

時々、観測は一貫性（例えば、サンプリングまたは同期の問題のため）または測定の瞬間の信頼できる精度（例えば、一時的な不安定性のため）を欠いています。多くの場合、それをクリーンアップする方法があります（たとえば、境界制限チェック、データ分析、および回帰手法によって）。多くの場合、データストリームによって開示される以上のものを作成する方法がありますが、それらの多くは、何が起こっているのかについてプログラマーの推測を伴います。 これに注意してください —良い結果は重要すぎて先験的を拒否できません 、しかし、誤った結果は、それが促進した潜在的な改善の価値よりも損害を与える可能性があります。

適切な精度管理を行ったとしても、解決手順自体が問題を引き起こす場合があります。今から無限にストリーミング機能を統合したいとします。非常に小さなエラーやあいまいさでさえ、1回の計算では重要ではなく、天文学的な値に成長します 長期間にわたって継続的に蓄積された場合。これは、丸めや切り捨てと混同され、継続的に偏った測定または統合方法論のために不一致が生じる可能性があります。これは、たとえば、PIDコントローラーの「I」用語などの巨大なエラーで時間の経過とともに現れる可能性があります。データ制御と精度管理の手順、およびこれらの問題を解決するために必要なソリューションのために問題にアプローチする数学的な方法がありますが、それらを発見するための道は恥ずかしいかもしれません。

問題、数学、または数学が実際に何をするように設計されているかを完全に理解せずに、数学が要件に適用されることがあります。たとえば、状況を検出したり、まったく同じ数学を使用して状況を完全に見逃したりする可能性があります。