El diseño de dispositivos electrónicos complejos, como los drones de entrega, implica una serie de decisiones críticas. Los ingenieros deben seleccionar motores y baterías que no solo minimicen costos, sino que también maximicen la carga útil y la distancia que el dron puede recorrer. Sin embargo, este proceso se complica cuando las especificaciones exactas de cada componente son inciertas. Además, factores impredecibles del mundo real, como las condiciones climáticas a lo largo de la ruta del dron, pueden afectar su rendimiento.
Investigadores del MIT han desarrollado un nuevo marco que permite a los ingenieros diseñar sistemas complejos teniendo en cuenta esta incertidumbre. Este enfoque les permite modelar las compensaciones en el rendimiento de un dispositivo compuesto por múltiples partes interconectadas, cada una de las cuales puede comportarse de manera impredecible.
La técnica propuesta captura la probabilidad de diversos resultados y compensaciones, proporcionando a los diseñadores más información que muchos enfoques actuales, que generalmente solo pueden modelar escenarios óptimos y pesimistas. En última instancia, este marco podría facilitar el desarrollo de sistemas complejos como vehículos autónomos, aeronaves comerciales o redes de transporte regionales más robustas y confiables ante la imprevisibilidad del mundo real.
Un enfoque innovador para el diseño
“En la práctica, los componentes de un dispositivo nunca funcionan exactamente como se espera. Si alguien tiene un sensor con un rendimiento incierto y un algoritmo igualmente incierto, así como el diseño de un robot que también presenta incertidumbres, ahora tienen una forma de combinar todas estas variables para lograr un mejor diseño”, explica Gioele Zardini, profesor asistente en ingeniería civil y ambiental en el MIT y autor principal del estudio sobre este marco.
Zardini trabajó junto a Yujun Huang, estudiante graduado del MIT; y Marius Furter, estudiante graduado en la Universidad de Zúrich. La investigación será presentada en la Conferencia IEEE sobre Decisión y Control.
El grupo Zardini investiga el co-diseño, un método para diseñar sistemas compuestos por múltiples componentes interconectados, desde robots hasta redes de transporte regional. Este lenguaje de co-diseño descompone problemas complejos en una serie de módulos que pueden combinarse para maximizar resultados o minimizar costos.
Incorporando la incertidumbre en el diseño
Anteriores investigaciones no consideraban la incertidumbre al modelar cada componente del co-diseño. Por ejemplo, se asumía que el rendimiento de cada sensor seleccionado para un dron era fijo. Sin embargo, los ingenieros a menudo desconocen las especificaciones exactas del rendimiento de cada sensor y es poco probable que sigan al pie de la letra su hoja de especificaciones una vez integrados en un dispositivo complejo.
“Con nuestro método, incluso si no estás seguro sobre las especificaciones de tu sensor, aún puedes diseñar el robot para maximizar el resultado deseado”, afirma Furter. Para ello, los investigadores incorporaron esta noción de incertidumbre en un marco existente basado en teoría de categorías.
A través de técnicas matemáticas específicas, simplificaron el problema a una estructura más general. Esto les permite utilizar herramientas provenientes de la teoría de categorías para resolver problemas de co-diseño considerando una gama amplia de resultados inciertos.
Ventajas competitivas en el diseño
Los investigadores aplicaron este nuevo enfoque para elegir sistemas de percepción y baterías para un dron con el objetivo de maximizar su carga útil mientras minimizan costos y peso a lo largo del tiempo. Aunque cada sistema puede ofrecer diferentes niveles de precisión bajo diversas condiciones climáticas, el diseñador no siempre sabe cómo fluctuará su rendimiento.
A diferencia de otros métodos que solo muestran escenarios óptimos o pesimistas para tecnologías como las baterías polímero-lítio, su marco proporciona información más detallada. Por ejemplo, revela que si la carga útil del dron es 1.750 gramos, existe un 12.8% de probabilidad de que el diseño sea inviable.
"Nuestro sistema proporciona las compensaciones necesarias para que el usuario pueda razonar sobre el diseño", añade Zardini.
Perspectivas futuras
De cara al futuro, los investigadores buscan mejorar la eficiencia computacional de sus algoritmos para resolver problemas y extender este enfoque a situaciones donde múltiples partes colaboran o compiten en el diseño del sistema, como ocurre con las redes ferroviarias que utilizan infraestructuras comunes.
"A medida que crece la complejidad de los sistemas e involucra más componentes dispares, necesitamos un marco formal para diseñarlos", concluye Aaron Ames, profesor Bren en ingeniería mecánica y civil en Caltech. "Este artículo presenta una forma modular para componer grandes sistemas y entender las compensaciones del diseño considerando la incertidumbre".
Si (
No(
