In diesem Tech-Talk geht es um Technologieentwicklung im Allgemeinen, aber vielleicht noch spezieller um die inkrementelle Technologieentwicklung. Er ist natürlich durch meine eigenen Erfahrungen in der Optikindustrie beeinflusst, wo das optische Modul nur eine Komponente in einem größeren System ist, das verschiedene technische Disziplinen wie Mechanik, Optik, Mathematik und Software vereint.
Nicht alle einfachen Dinge sind auch wirklich einfach. Wenn man genügend einfache Dinge voneinander abhängig macht, ist das Ergebnis oft nicht mehr einfach. Dies ist oft der Fall bei Systemintegratoren, die High-End-Komponenten auslagern oder erwerben und ihre eigene Nischentechnologie und Marktkenntnis hinzufügen, um komplexe Produkte zusammenzustellen.
Schließlich stellt sich die Frage: Erfüllen wir die Erwartungen? Welche Erwartungen? In einem reifen Markt sind die Erwartungen ziemlich gut bekannt. Manchmal werden die Erwartungen durch grundlegende physikalische Grenzen festgelegt. Viele reife Produkte arbeiten bei einem kleinen Faktor über den Grenzen, die durch die Physik festgelegt sind. Ihr Telefon ist ein Beispiel dafür. Schon vor 25 Jahren arbeiteten Telefonempfänger nicht allzu viele Dezibel über die von Temperatur und der Boltzmannschen Konstante festgelegten Schallgrenzen.
Einige Produkte sind jedoch noch dabei, diese Grenzen zu erreichen. Sollte nicht jeder Produkteigentümer im Namen der Sorgfaltspflicht wissen, wo sein Produkt in Bezug auf die grundlegenden Grenzen steht? Wenn Produkte (in den High-End-Segmenten) reifen, kommen sie in der Regel dorthin.
Nein, ich habe das nicht falsch geschrieben. Sie haben es richtig gelesen. Was meine ich damit? In diesem Zusammenhang bezieht sich die Fachsprache auf Systemintegratoren, und das bedeutet in der Praxis jemanden, der ein Produkt zusammenstellt, das viele bewegliche Teile enthält, deren Ergebnis von der Qualität des Gesamtsystems abhängt. Als Ingenieure sind wir uns der Kalibrierung bewusst. Diese ermöglicht es uns, einige recht komplexe Phänomene zu kompensieren, sofern sie sich wiederholen – sei es in Zeit oder Raum. Aus diesem Grund wird die Qualität vieler Produkte gemessen an der Abweichung von der nominalen Zielgröße im Durchschnitt. Die Messgröße dafür ist normalerweise die Varianz, aber da wir es vorziehen, primäre Variablen statt quadratischer zu betrachten, verwenden wir die Quadratwurzel und sprechen stattdessen von Standardabweichungen. Dennoch entsteht die zugrunde liegende Qualitätsmaßnahme aus der Summe von Quadraten (oft) unabhängiger Phänomene.
Das ist keine Kritik an Clayton Christensen, sondern es geht um die Vor- und Nachteile des inkrementellen Engineering, insbesondere im Kontext von Systemintegratoren. Wenn wir anhand einer Qualitätszahl gemessen werden, die auf einer Varianz basiert, kann das Wissen über das, was unser Produkt stört, aufgrund der Natur einer großen Summe quadratischer Fehler drastisch verschwommen sein, die schließlich als Standardabweichung dargestellt wird. Stellen wir uns vor, wir steigen in ein Projekt ein und eliminieren eines dieser Fehler komplett, und am Ende wird all diese Anstrengung durch eine% Verbesserung der Standardabweichung belohnt, mit der wir unser Produkt vergleichen. Das ist keine lustige Besprechung mit der Geschäftsführung. Wir haben 3 oder 6 Monate Gewinn auf eine marginale Leistungsverbesserung investiert. Das wird nicht wieder vorkommen.
Was nun? Hören wir auf, uns zu verbessern? Haben wir die physikalischen Grenzen erreicht? Hier müssen wir genau wissen, wie und warum die Produkte, die wir entwickeln, funktionieren. Erhebliche Fehler können sich in einer Abweichung verbergen, und wenn wir uns nicht um die Details kümmern, werden wir nicht wissen, welches wir zuerst angehen sollen, bis wir es geschafft haben, Unmengen von kleineren Beiträgen zu beseitigen, die es zuvor verborgen haben. Und es besteht die Gefahr, dass wir nie die Gelegenheit dazu bekommen.
Ich habe hier eine Geschichte aus meiner eigenen Vergangenheit: die Kalibrierung eines Kippspiegel-Raumlichtmodulators (SLM). So einfach das heute erscheinen mag, so schwierig wurde es damals betrachtet. Um das Problem zu lösen, erstellte ich ein Modell mit den Variablen, die ich für relevant hielt. Ich testete verschiedene Ideen, von denen sich schließlich eine bewahrheitete.
Mein Ansatz wurde jedoch mit Skepsis aufgenommen. Die Maschine erfüllte nicht die Erwartungen, und ich erhielt eine ordentliche Menge an Kritik. Da ich jedoch auf die Details geachtet hatte, wusste ich bereits während des Kalibrierungsprozesses, dass alle Zwischenergebnisse perfekt mit den Erwartungen des Modells übereinstimmten. Und hier liegt die erste Lehre: unsere Erwartungen im Auge zu behalten. Daher musste ich nicht allzu viel nachlegen, die Probleme lagen nicht im Algorithmus. Es dauerte fast drei Jahre, bis die Probleme mit der Ladung der SLM und dem mechanischen Versatz behoben wurden, und siehe da: das Algorithmus begann, die in dem Modell vorhergesagten Ergebnisse zu liefern.
Ein ausreichend detailliertes Modell zu haben, erwies sich bei dieser Entwicklung als entscheidend. Es hat weniger als zwei Wochen gedauert, es zu schreiben, und das war sogar mein erster Versuch. Das war jede Sekunde wert. Ich bin mir ziemlich sicher, dass ich sonst unter dem Druck zusammengebrochen wäre, Probleme zu lösen, die ich nicht zu lösen hatte.
Was ist also das Fazit aus all dem? Von meinen Anfängen vor 25 Jahren bis hin zur letzten Woche werde ich immer wieder an den Wert erinnert, zu wissen, wie das Ergebnis aussehen soll. Wie das Produkt funktionieren muss. Was auch immer ich entwickelt habe, es war stets mein Ziel zu wissen, wie das Produkt funktioniert, bevor es gebaut wird. Das ist nicht immer möglich, aber dieser Ehrgeiz liefert unschätzbare Erkenntnisse. Manchmal gibt es keine Riesen, auf deren Schultern man stehen kann. Wenn es an Riesen mangelt, bauen Sie Modelle – Modelle, die detailliert genug sind, um die Komplexität Ihres Produkts zu erfassen, damit Sie wissen, was Sie erwartet, wenn Sie das Licht einschalten.
BeamNotes-Schlüsselwörter WaveMe leitet Tastaturbefehle an das aktuell ausgewählte Plugin weiter, das Kompositionsvorhang erfasst diese. Dies ist in...
Der Trend hin zum GPU-Computing ist massiv und wird nicht nur durch KI angetrieben. Die parallelen Verarbeitungsfähigkeiten moderner GPUs übertreffen...
Die Anwendung "Glass Finder" ist ein Teil eines anderen Projekts, das darauf abzielt, die Palette der bereits angebotenen Dienste zu erweitern durch...
Rust bietet eine interessante Sprachoption für die Modellierung von Optik und Physik. Sehen Sie sich an, warum Rust eine Option sein könnte...
Arbeite dran. Ihnen ist vielleicht aufgefallen, dass es auf dem Blog in letzter Zeit etwas ruhig war – das ist Konzentration, nicht Vernachlässigung. Bei Senslogic wir...
Einleitung - CAD neu definiert Wenn die meisten Leute “CAD” hören, denken sie an 3D-Konstruktionssoftware für mechanische Zwecke, wie SolidWorks, AutoCAD oder...