엔지니어가 복잡한 시스템을 설계하는 데 도움이 되도록 불확실성을 고려

배달 드론과 같은 복잡한 전자 장치를 설계하려면 드론이 운반할 수 있는 탑재량이나 이동할 수 있는 거리를 최대화하면서 비용을 최소화하는 모터 및 배터리를 선택하는 등 다양한 선택 사항을 고려해야 합니다.

이 문제를 해결하는 것은 쉬운 일이 아닙니다. 하지만 설계자가 각 배터리와 모터의 정확한 사양을 모른다면 어떻게 될까요? 또한 이러한 구성 요소의 실제 성능은 드론 경로에 따른 날씨 ​​변화와 같은 예측할 수 없는 요인에 의해 영향을 받습니다.

MIT 연구원들은 엔지니어들이 그러한 불확실성을 명시적으로 설명하는 방식으로 복잡한 시스템을 설계하는 데 도움이 되는 새로운 프레임워크를 개발했습니다. 프레임워크를 사용하면 각 부품이 예측할 수 없는 방식으로 작동할 수 있는 상호 연결된 많은 부품이 있는 장치의 성능 장단점을 모델링할 수 있습니다.

그들의 기술은 다양한 결과와 절충의 가능성을 포착하여 일반적으로 최상의 시나리오와 최악의 시나리오만 모델링할 수 있는 기존의 많은 접근 방식보다 더 많은 정보를 설계자에게 제공합니다.

궁극적으로 이 프레임워크는 엔지니어가 실제 예측 불가능성에도 불구하고 더욱 강력하고 신뢰할 수 있는 자율 주행 차량, 상업용 항공기 또는 지역 교통 네트워크와 같은 복잡한 시스템을 개발하는 데 도움이 될 수 있습니다.

“실제로 장치의 구성 요소는 생각한 대로 작동하지 않습니다. 성능이 불확실한 센서, 알고리즘이 불확실하고 로봇의 설계도 불확실한 경우 이제 이러한 모든 불확실성을 결합하여 더 나은 설계를 생각해 낼 수 있는 방법이 있습니다.”라고 MIT LIDS(정보 및 의사 결정 시스템) 연구소의 토목 및 환경 공학 조교수인 Giolo Giordini는 말합니다. 의 소속 학부의 수석 연구원. 데이터, 시스템 및 사회 연구소(IDSS)이자 이 프레임워크에 대한 논문의 수석 저자입니다.

Zardini는 MIT 대학원생인 수석 저자 Yujun Huang이 논문에 합류했습니다. 그리고 취리히 대학의 대학원생인 마리우스 퍼터(Marius Furter)도 있습니다. 이 연구는 IEEE 의사결정 및 통제 컨퍼런스에서 발표될 예정입니다.

불확실성을 고려

Zardini의 그룹은 로봇에서 지역 운송 네트워크에 이르기까지 여러 상호 연결된 구성 요소로 구성된 시스템을 설계하는 방법인 공동 설계를 연구합니다.

공동 설계 언어는 복잡한 문제를 일련의 상자로 분해합니다. 각 상자는 결과를 최대화하거나 비용을 최소화하기 위해 다양한 방식으로 결합할 수 있는 구성 요소를 나타냅니다. 이를 통해 엔지니어는 합리적인 시간 내에 복잡한 문제를 해결할 수 있습니다.

이전 연구에서 연구자들은 불확실성을 고려하지 않고 각 공동 설계 구성 요소를 모델링했습니다. 예를 들어, 설계자가 드론용으로 선택할 수 있는 각 센서의 성능이 결정되었습니다.

그러나 엔지니어들은 각 센서의 정확한 성능 사양을 알지 못하는 경우가 많으며, 설사 알더라도 상원의원이 사양서를 완벽하게 따를 가능성은 거의 없습니다. 또한 각 센서가 복잡한 장치에 통합되면 어떻게 작동할지, 날씨와 같은 예측할 수 없는 요인이 성능에 어떤 영향을 미칠지 알 수 없습니다.

“우리의 방법을 사용하면 센서의 사양이 무엇인지 확실하지 않더라도 원하는 결과를 극대화하도록 로봇을 설계할 수 있습니다.”라고 Furter는 말합니다.

이를 달성하기 위해 연구자들은 이러한 불확실성 개념을 범주 이론에 기반한 기존 프레임워크에 통합했습니다.

그는 몇 가지 수학적 트릭을 사용하여 문제를 보다 일반적인 구조로 단순화했습니다. 이를 통해 그들은 범주 이론의 도구를 사용하여 다양한 불확실한 결과를 고려하는 방식으로 공동 설계 문제를 해결할 수 있습니다.

문제를 재구성함으로써 연구자들은 개별 성능이 불확실하더라도 다양한 설계 선택이 서로 어떻게 영향을 미치는지 이해할 수 있습니다.

이 접근 방식은 일반적으로 광범위한 도메인 전문 지식이 필요한 많은 기존 도구보다 간단합니다. 플러그 앤 플레이 시스템을 사용하면 수학적 제약을 위반하지 않고 시스템의 구성 요소를 재배치할 수 있습니다.

그리고 특정 도메인 전문 지식이 필요하지 않기 때문에 각 구성원이 더 큰 시스템의 구성 요소를 설계하는 여러 분야의 팀에서 프레임워크를 사용할 수 있습니다.

Huang은 “한 사람이 전체 UAV를 설계하는 것은 불가능하지만 UAV의 구성 요소를 설계하는 것은 가능합니다. 불확실성을 고려하면서 이러한 구성 요소가 함께 작동하는 방식에 대한 프레임워크를 제공함으로써 사람들이 전체 UAV 시스템의 성능을 더 쉽게 평가할 수 있게 만들었습니다.”라고 말했습니다.

더 자세한 정보

연구원들은 이 새로운 접근 방식을 사용하여 수명 비용과 무게를 최소화하면서 페이로드를 최대화할 드론용 인식 시스템과 배터리를 선택했습니다.

각 인식 시스템은 날씨 조건에 따라 서로 다른 감지 정확도를 제공할 수 있지만 설계자는 성능이 어떻게 변동할지 알 수 없습니다. 이 새로운 시스템을 통해 설계자는 드론의 전반적인 성능을 고려할 때 이러한 불확실성을 고려할 수 있습니다.

그리고 다른 접근 방식과 달리 해당 프레임워크는 각 배터리 기술의 구체적인 이점을 보여줍니다.

예를 들어, 그들의 결과는 낮은 페이로드에서 니켈-금속 수소화물 배터리가 가장 낮은 예상 수명 비용을 제공한다는 것을 보여줍니다. Zardini는 불확실성을 고려하지 않고는 이러한 통찰력을 완전히 포착하는 것이 불가능하다고 말합니다.

다른 방법은 리튬 폴리머 배터리의 최상의 성능 시나리오와 최악의 성능 시나리오만 보여줄 수 있지만 해당 프레임워크는 사용자에게 더 자세한 정보를 제공합니다.

예를 들어, 드론의 탑재량이 1,750그램인 경우 배터리 설계가 실현 불가능할 확률은 12.8%임을 보여줍니다.

그는 “우리 시스템은 절충안을 제시하고 사용자는 디자인에 대해 추론할 수 있습니다”라고 덧붙였습니다.

앞으로 연구자들은 문제 해결 알고리즘의 계산 효율성을 향상시키고 싶어합니다. 또한 그들은 철도 회사가 동일한 인프라를 사용하여 운영하는 운송 네트워크와 같이 협력적이고 경쟁적인 여러 당사자가 시스템을 설계하는 상황으로 이 접근 방식을 확장하려고 합니다.

“시스템의 복잡성이 증가하고 더 많은 이질적인 구성 요소가 포함됨에 따라 이러한 시스템을 설계하기 위한 공식적인 프레임워크가 필요합니다. 이 문서는 모듈식 구성 요소에서 대규모 시스템을 구축하고 설계 상충 관계를 이해하며 중요하게는 불확실성을 가정하여 이를 수행하는 방법을 제시합니다. 이는 학습 지원 구성 요소를 사용하여 대규모 시스템의 설계를 공식화할 수 있는 기회를 창출합니다”라고 Caltech의 기계 및 토목 공학, 제어 및 동적 시스템 및 항공 우주 분야의 Bren 교수는 말했습니다. 관련되지 않은 Aaron Ames는 말합니다. 이번 연구로.