E-autó minimum hatótáv számítás

Elektromos autóknál általában a hatótáv az egyik legfontosabb szempont a használói számára. Viszont tudjuk, hogy a hatótáv erősen függ a használat módjától és helyétől. Befolyásolja az időjárás, például szél iránya és erőssége, lejtők iránya és nagysága, forgalom ingadozás, dugók és millió másik rezgés, illetve hogy mi éppen hova megyünk.

Ezért érdemes lehet matematikai segítséggel pontosítani a hatótáv mértékét testre szabottan a használója számára. Ebbe mindig minden környezeti hatás bele lesz kódolva adaptívan és egyre pontosabb képet fogunk kapni.

 

Ez azt jelenti, hogy ha feljegyezzük töltések előtt, hogy mennyi energiából tudott mennyi kilométert megtenni az autó, akkor számolhatunk egy olyan minimum hatótávot, melyet mindig tud teljesíteni.

Mivel gyakorlati valóságunkban nem létezik 0% és 100% valószínűség, ezért a tudományban bevett 2 és 3 szigma megbízhatósággal érdemes számolni, melyek 95.4% és 99.7% megbízhatóságot jelentenek.

Tehát a kérdés az, hogy 95.4% eséllyel minimum mennyi km-t tudok megtenni az autóval mindenkor?

 

Kiszámítás módja a következő:

Normál valószínűségi eloszláshoz megállapítjuk a modell paramétereket, melyek az átlag és a szórás. Majd ezekkel képezünk egy alsó határértéket a várható km hosszára, mely túllépésének esélye 100% - 95.4%, vagyis 4.6%. Ugyanez 3 szigmánál 100% - 99.7% = 0.3%.

Mindösszesen 2 számot kell feljegyeznünk egy táblázatba töltésenként. Pár másodpercet talán megér. Akár mobilon egy Google docs-ba tapicskolva még kényelmes is lehet.

1) utolsó töltés óta megtett út (km)

2) utolsó töltés óta elhasznált energia (kwh)

Tudnunk kell még hozzá autónk akkujának maximális kapacitását feltöltött állapotnál (ezt negyed évente érdemes lehet frissíteni a folyamatos romlása miatt).

 

Az aktuálisan várható minimális hatótáv számítása:

Teljes energia / Energia x Út

Viszont ennek van egy varianciája (ingadozása, megbízhatatlansága), melyet figyelembe kell vennünk. Ezért a töltésenként kapott fenti értékekből számolunk egy újabb értéket, mely a végső választ adja. Ha a táblázat kialakítása a következő:

A oszlop → utolsó út

B oszlop → utolsó energia

C oszlop → teljes energia

 

Akkor D oszlopba megy az aktuálisan várható hatótáv:

= C$2 / B2 * A2

E oszlop tetejére pedig a végső válasz, vagyis a minimálisan várható hatótáv 2 szigma megbízhatósággal:

= AVERAGE(D:D) – STDEV(D:D) * 2

F oszlop tetejére mehet ugyanez 3 szigma megbízhatósággal 3-al szorozva.

 

2 és 3 szigma közötti választáshoz segítség: Küldetés kritikusnál 3 szigma megbízhatóság, egyébként pedig 2.

 

Példa:

(szintetikus adat, kék oszlopok kitöltendők, pirosak automatikusan kiszámolódnak)

https://docs.google.com/spreadsheets/d/157ubkw59k5oR1MHdgQOXibNxlJwj4lC…

 

sheet eauto

Hozzászólások

Nincs erre valami szabvány, vagy a gyártók közti egyezményes számítási/mérési módszer? Kell legyen...

Igazából beépítve lenne jó a funkció és úgy könnyű is lenne. Egyetlen reset gomb kellene, amivel újra kezdődik az adaptív folyamat. Így ha valaki átveszi az autót, akkor nyomhat egy reset-et és akkor a saját környezeti és felhasználási szokásaihoz kezdi el számítani a minimum "biztos" távot.

Arról nincs infóm, hogy jelenleg mit tudnak a rendszerükben. Amit szoktam általánosságban tapasztalni, hogy sokkal egyszerűbben sokkal okosabb számításokat lehetne eszközölni, mint amik elérhetők hardveres megoldásokban. Sok kevésbé hasznos mutató és funkció helyett lehetne kevesebb intelligensebb.

Kiegészítés: ez a számítás egy statisztikai (stochasztikus) modell, tehát nem egy mérési szabvány. Sok fajta képen lehet mérni, de szerintem ez lenne a legjobb, mert ez a gyakorlathoz idomul. Mi pedig mindig a valós gyakorlatban várható hatótávra vagyunk kíváncsiak, nem egy elméleti benchmark-ra.

na de tudod mar melyik budipapirt hasznald? a fogvajo palcikat kimaxoltad? mi a helyzet a vegetaval? melyik eri meg jobban per porszem? na es a zacskos leves? megannyi kinzo kerdes...

Az megvan, hogy somelierek egy vakteszten nem tudtak megmondani melyik bor voros es melyik feher? :D

(Amugy nekem 100-bol 99 szaraz bornak szimplan sav ize van. Desszertbor kivetel, annak van ertelme. De inkabb sorozok es whiskey-zek.)

Én is a desszertet szeretem (amikor iszom).
Ebből még itt az olasz lakásomban is van pár üveg:
https://www.bortarsasag.hu/en/wine/hungary/tokaj-hegyalja/oremus-kesoi-…

Ezt szoktam adni partnereimnek is. Egyik nagy kedvencem.

Vakteszt:

https://www.youtube.com/watch?v=IphDJH654TA

Azt akartam szemléltetni, hogy messziről a Dél az egy egységes valami. Pont úgy, ahogy a nyugatiak egy valaminek látják a Kelet-Európát.

Amikor a sógornőm Milánóban élt, tőle megkérdezték, hogy milyen lova van. Mondta neki nincs. Erre megkérdezték, akkor hogyan közlekedsz?

Szóval óvatosan kell bánni a Hortobágy mutogatásával. ;)

Nagyon sok. Úgy oldom meg, hogy resetelem az agyam. Átlag két-három óránként kiállok 5-10 percre és lecsukom a szemem. Ha ezt nem teszem, akkora terhelés a vizuális információ az agynak, hogy összemosódik amit látsz és balesetveszélyessé válsz emiatt. (Ilyenkor látod a bajt, csak nem reagálsz rá. Ettől leszel veszélyes.) Az említett módszert mikroalvásnak hívják (nem kell hozzá ténylegesen aludni). Olyan ez, mint amikor a hdd kiírja a puffert. 

Persze vannak hosszabb pihenőim is. A 15 órás vezetés így lesz 20-24 óra. Amikor 24 óra, akkor abban van 3+2 óra alvás is általában, ilyenkor nem hajnalban indulok, hanem random időben általában 12 után.

Nekem ehhez a BME Kognitív tanszék - Emberi emlékezet című tárgya kellett

:)

https://portal.vik.bme.hu/kepzes/targyak/TE471004/

 

 

Régen kvadoztam (ATV), ebből nekem leereszkedés és a mászás jött be.  Hamar ehhez a csapathoz kerültem: https://www.youtube.com/c/mijokoka/videos
Volt amikor elmentünk egy olyan túrára, hogy órákon keresztül egyenes mentünk a helyszínre. Na itt nekimentem az egyenes úton egy fának. Harmincan röhögtek rajtam. :) Láttam, hogy jön a fa csak nem reagáltam. Nagyon untam. Mi azzal a  csapattal a fizikával küzdöttünk azt élveztük és nem a távolság legyőzését.

En kb. 1400at szoktam menni egyben, meg lehet szokni. Eleinte 3 orankent megalltam, de most mar csak tankolni, altalaban 2x, 6-700km-enkent. Matricakat megveszem neten (most mar az osztrakot is meg lehet, halleluja), vezetes kozben eszem, inni keveset, hogy ne kelljen pisilni. Sok es valtozatos koffein kell, es sokkal tobb, mint egy atlag kodolasos, szamolasos naphoz. Persze a legfontosabb, hogy az ember figyelme ne kalandozzon el, igy idoben fel kell ismerni, ha jon a faradtsag. 

Egyedul vezetek, viszem a felesegem es a lanyom. Jo 10 eve jarunk igy haza evente 2-3 alkalommal, kialakult, hogy mit birunk. Ket idegesito dolog van, ha sok a dugo Nemetorszagban, es ha sokan vannak az osztrak-magyar hataron. Ez azert gaz, mert utana alig lehet haladni a levillogo turelmetlenek miatt. Ha epp nem beszelgetunk, akkor tudok gondolkozni valami egyenleten/algoritmuson. 

Koszi, rendeltem egyet kiprobalni (csak a 2017-est talaltam elso korben, nem tudom ez olyan-e, ahol nagy kulonbseg van evjaratok kozott, szolj ha igen es akkor levadaszom a 2013-ast). :)

Ott a room, hogy ez lesz a 100-bol az 1 kivetel. :) De sok jo boros vesz korul, el fog fogyni, az is lehet hogy egyedul nekem nem lesz kulonleges ize.

Magarol az Eszak-Olasz borvidekekrol annyi a velemenyem, hogy "vegulis sokkal jobbak, mint a franciak", delen erdekesebbeket szoktam (szamomra) talalni. De lassuk ez milyen, adok neki egy eselyt. :)

Koszonom az ajanlast, ma 4-en megkostoltuk. A masik 3 szereplo kifejezetten boros. En nem annyira.

Benne van a 100-bol 1 kivetelben az en kritikus szememmel is. Vorosnel ilyet meg csak a villanyi borvidek tudott osszehozni. De ez bevallom, azokhoz kepest is adott valami pluszt.

A masik harom resztvevonek is kifejezetten izlik, egyikuk vett is belole gyorsan maganak. A masikat meg mindig baszogatjuk, hogy lassan szokott inni: most ezt o itta meg a leggyorsabban kozulunk, mert annyira izlett neki.

El kell ismernem: kifezetten jot ajanlottal. Koszonjuk szepen. :)

Az még nem teljesen világos, hogy ezzel az infóval a gyakorlatban utána mit lehet kezdeni. Szerintem átlagos e-autó használat mellett két alapvető típusa van az utaknak: az egyik, ahol ránézésre egyértelmű, hogy elég lesz-e a hatótáv (pl. napi 2x25 km ingázás), a másik pedig az abszolút outlier*, ami minden szempontból eltér az előző típustól (pl. két felnőtt, két gyerek, csomagokkal megy nyaralni és dekkol az M7-esen a dugóban, miközben a kinti negyven fokkal küzd a klíma). Előbbi könnyű, utóbbit meg úgyis túl kell biztosítani tervezett megállásokkal, amikor töltesz, stb.

* Credit where it's due, nem tudom, mekkora eltérések vannak a fogyasztásban, de ha a kilencvennel tötymörgő, lehúzott ablakú Teslákat nézem, akkor gondolom sok

Hiszek neki, dízelnél asszem +1 liter per óra volt a klíma, de régen volt, már nem merek rá megesküdni.

Lehet, hogy minimálisan, de amikor nem vagy benne biztos, hogy odaérsz, akkor mindent megteszel. 

Valószínűleg itt a megoldás, ha kiszárad a tank, könnyebb a dízelest eltakarítani az autópályáról, mint a lemerült elektromosakat. :)

...egyik, ahol ránézésre egyértelmű..

Ilyen nincs. Ránézésre csak nagyon nagy hibával tudsz gondolkodni emberileg a gyorsan fakuló memóriád és a kognitív bias miatt. Pont ez az elemzés lényege, hogy a durva emberi hibát csökkentse.

Cél a minél kevesebb és minél zajosabb infóból minél erősebb várható értéket kapni. Ez egy stochasztikus modell és egy olyan alsó limitet képezek, mely erősen megbízhatóan mutatja, hogy minimum mekkora útra kell elegendőnek lennie 1 felöltésnek.

A gyakorlatban azt lehet kezdeni az eredménnyel, hogy tudni fogjuk indulás előtt, hogy ekkora útszakaszra elég fog lenni az akku kapacitás 1 felöltéssel, FÜGGETLEN a megjósolhatatlan környezettől. Pont azért, mert a számítás belekódolja a környezet rezgését és zaját. Pont erre vagyok kíváncsi, hogy a megbízhatatlansági tényezőket figyelembe véve minimum mennyi km-el számolhatok.

Ez az információ elérhetetlen másképpen. Ezért értékes.

Ilyen nincs. Ránézésre csak nagyon nagy hibával tudsz gondolkodni emberileg a gyorsan fakuló memóriád és a kognitív bias miatt.

Az átlag user kb ingázik az elektromossal, esetleg boltba megy. Megtesz mondjuk napi 50 km-t, és látja, hogy az aksi ilyenkor mondjuk kétharmadig van. Amikor hazaér, rárakja töltőre.

Technikailag igazad van a kognitív képességekkel kapcsolatban, de a napi workflow-t nem érinti.

erősen megbízhatóan mutatja, hogy minimum mekkora útra kell elegendőnek lennie 1 felöltésnek

Igen, de az elektromos autózás még nem elég érett ahhoz, hogy ennyire kicentizhesd. Kijön mondjuk, hogy 99,5% eséllyel meg tud tenni a kocsi 130 km-t, ezért a töltést a nyaraláson 120 km-re időzíted egy autópályás töltőnél. Odaérsz, és látod, hogy nem üzemel. A következő töltőoszlop 40 km-re van, hívhatod is a trélert.

Itt megint úgy érzem, mint az előzőeknél, hogy a matek stimmel, csak nem arra a kérdésre válaszol, ami valójában a probléma. :)

Az aktuális szokásokra illeszkedik a számítás, ezért azt válaszolja meg.

Egyébként mivel négyzetes eltérést vizsgálunk a szórásnál (középértéktől való eltérésnél), ezért a nagyobb hibák erősebben vannak súlyozva és ezért felnagyítódnak. Ezzel azt akarom mondani, hogy a valós gyakorlati környezet hatásait elcsípi éppen ezért. Tehát ha csak relatíve "kevés" rezgés jelenik meg, már azok is erősen növelik a szórást és ezért lejjebb húzzák a megállapított minimálisan várható hatótávot.

Tehát a gyakorlatban a másik esetre is erősen várható a fenti működése. Vagyis szokás és környezet váltásnál is sokkal megbízhatóbb lesz az érték az emberi becslésnél.

Nem így van. Az a stochasztikus modell adja a legmegbízhatóbb választ. Ettől csak megbízhatatlanabb van. Ha te az utóbbit használod, az nem gond.

Miért akarod megmagyarázni, hogy valami nem jó, mikor nincs jobb megoldásod? Ez miért zavar? Nekem a relatív egyszerűsége és erőssége tetszik a megoldásnak, ezért blogolok róla. Miért akarsz rosszabb metódust popularizálni?

Szerkesztve: 2022. 08. 16., k – 10:56

A módszered nem fogja lerontani a Taycan, EQS,EQE eladásokat? :P

Azt be kell látni, hogy a putriból elvenni egy feleséget is olcsóbb, mint a milánói modellek közül, és kevésbé rontja le az utóbbi értékét, ha még főzni sem tud, miközben az előbbiét javítja.
Most, hogy sikerült bemutatni ugyanaz a tulajdonság szükségességét más igényszintek mellett, azt hiszem lehetne egy olyan kérdés is, hogy mennyit szánsz autóra. :)

Ez nem költség optimalizálás, ha jól értelek. Mindegy milyen autót veszel, nem fogod megtudni a számodra várható hatótávot a gyári adatokból, mert függ a felhasználásod módjától. Ezért megéri rád szabni a számítást és így sokkal pontosabb képet tudsz kapni.

Vajon mekkora hatótávval számolhatsz?

Tehát a fenti egy egyébként elérhetetlen információ megszerzéséről szól.

Nyilván ha túl van méretezve az akku (mert minimum 100 km-t tud de te csak naponta 20 km-re használod), akkor a fenti nem érdekes. Viszont amint közelében mozogsz a hatótávnak, akkor szerintem fontos információ.

Bocs, de amikor az autókat pontoztad, akkor is ezt a módszert használtad. Oké, ez itt releváns lehet, de ott nem. 

> Vajon mekkora hatótávval számolhatsz?
Ezt már megtudtuk tőled: 5% a hiba. 

Én másik becslést néznék:
Legjobb eset: kb wltp
Várható eset: ez kb a te számításod
Pesszimista eset: has/kb, várható eset * 0.9 vagy várható eset - két töltőállomás közötti távolság

Én azt tartom hibának, hogy nem számolsz a pesszimista esettel, még ha ritka is (fekete hattyú). Aki ezzel számol, az nyugodtan autózik. Aki nyugodtan autózik, azzal kevesebb baleset történik. Akinek ég a lámpája mindig, azzal is kevesebb baleset történik és annak is csökken a hatótávja, Aki nem szürke autót választ azzal is kevesebb baleset történik. etc...

Ha pedig azt nézzük melyik okozza a nagyobb valószínűségű megérkezést egy mentálisan friss állapotban, akkor észrevehetjük ez a pesszimista eset. Tudod megérkezni egy kétórás út után egy tárgyalásra, nem kicsi versenyelőny, ha nyugodt vagy és tiszta a fejed, mert  útközben nem a fogyasztást nézted és kalkuláltál fejben, hanem a gondolataidat rendezted. Ha az agyad nem ezzel foglalkozott, akkor lehet a szeretteidre gondolva tervezted a jövőd. Teljesen más életminőség. Persze nagy kérdés, ha az egyetlen szempont az életben, hogy minél több pénz hagyjunk magunk után halálunk esetén.

Nem azt mondom, hogy szükségtelen amit csinálsz, hanem azt, hogy max paramétere lehet az autóhasználati viselkedésednek, de nem a leírása. Téves dolog mindig az optimumra törekedni. Kivéve, ha tudsz válaszolni a következő kérdésekre:
Két óra gondtalan jókedv az hány kWh? :P
Mennyiért vagy hajlandó egy órán keresztül stresszt okozni magadnak? :)

Ez nem ugyanaz a számítás.

A fenti számítás (kumulatív normál valószínűségi eloszlás) beleveszi a pesszimista esetet is. Ez a lényege. A kérdés viszont az, hogy hol van ez a határ? Minden emberi becslés durván hibás ehhez képest.

Nyugodtan számolhatsz hasból, nincs ezzel gond, csak ne akard mondani hogy az jobb lesz, mert nem.

Te most másra akarsz válaszolni, ez nem baj. Viszont nem tudod megállapítani, hogy mennyi hatótávval számolhatsz biztonságosan. Lehet hogy 170 km-el fogsz számolni, miközben 140 km az ELÉG megbízható táv.

Szerintem nagyon kevés idő és energia befektetés felírni 2 számot. Lehet hogy más máshogy vélekedik. De ezzel a felírással egy olyan pontos képet kapunk a minimálisan várható hatótávról, melyet nem tudsz más témával kimagyarázni. Ha neked nincs szükséged erre az infóra, az rendben van.

En nem akarok beleszolni, hogy hasznos-e vagy sem a vegeredmeny, mert szerintem ez inkabb egy jo tankonyvi pelda a statisztika alkalmazasara. Az 5% hiba itt nem a meres pontossagara utal, nem a hatotav+-5%rol van szo, hanem arrol, hogy az esetek 5%-ban a valodi hatotav kisebb lehet mint a becsles.

 

Van egy csomo szisztematikus hibaforras amugy, de sok helyen hasznaljak ugyanezeket a feltetelezeseket.

-a maradek toltes meresenek is van hibaja. A gyakorlatban a leadott aramerosseg fugg a toltottsegtol, ebbol a gorbebol probaljak becsulni a toltottseget. De ez a gorbe allandoan valtozik, az akku faradtsaganak fuggvenyeben (gondolom a homerseklettol is etc), szoval csak becsulni lehet a toltottseget. 

- a D oszlopnak nem biztos, hogy normal eloszlasa van, bar altalaban ez feltetelezheto

 

Ettol fuggetlenul, ezt a modszert minimum meghatarozasara gyakran hasznaljak mashol is. Pl egy egyenletes eloszlasnal, ha az ember meg akarja becsulni a minumum vagy a maximum erteket, ugyanigy kell eljarni.

https://en.wikipedia.org/wiki/German_tank_problem

Az eloszlás valóban feltételezés részemről, de az kiderül majd a plot-ból.

A teljesítmény leadás töltöttségtől való függése valóban torzíthat, de a CLT miatt (central limit theorem) az is normál eloszlás felé fog konvergálni. Ugyanis ott már eleve egy átlagot nézünk (D oszlop egyedi értékei). A tovább számításnál viszont az átlagok átlagát vizsgáljuk (teljes D oszlop), ott viszont belép a CLT.

A konklúzióm továbbra is az, hogy ahogy nő az adat, úgy nő a pontosság.

Köszi.

Matematikai érdekességnek jó, de a villanyautózás sokkal nagyobb szórással működik a gyakorlatban. Az elmúlt pár hétben többször is megtettem a Győr-Budapest távot, ebből volt olyan amikor 45%-ból kijöttem és volt amikor 75% volt ugyanez. Éjszaka vagy nappal, hűtés vagy fűtés, 90 vagy 120-as átlag, tél vagy nyár, akár 2-3 szoros fogyasztásod is lehet a körülményektől függően. 

Pontosan ezeket kódolja bele a fenti matek, csak éppen sokkal jobban az embernél.

Próbáld ki, vezesd és meglátod, ha pár másodpercet megér. A fenti Google sheet letölthető Excelben vagy más formátumban, így nincs vele dolgod, csak kitörölni a kékeket és beírni a tiéd.

Hianyolok par adatot, ami azert erosen befolyasolja a fogyasztast, pl.: ut alatti atlaghomerseklet, atlagsebesseg, megtetett szintkulonbseg, homerseklet az autoban.
Persze ettol meg mindig nem tudom hogyan segit ez valakinek aki belogolt 20e km-t ebbe a sheet be, amibol 500km autopalyazas volt az is 20 fokos atlaghomersekleten a "maradek" pedig csak varosi ingazas, hogy akkor most el merjen-e indulni 130-al telen -20 fokban a Becsbe vagy ne...

Bocs, de érted a mögöttes eljárást hogy mit számol és miért azt? :)

Eleve normál eloszlású lesz az eloszlása az 1 töltésen belüli fogyasztásnak. És ezek összességéből számolok. Tudjuk hogy normál eloszlású véletlen értékek összege szintén normál eloszlást ad. Ezért ezzel számolok.

Komplex módon belekódolódik a szórásba a sok fajta lokális környezeti hatás. Ezért erősen számolható az alsó limit. Ha még bizonytalanabb, akkor még lejjebb megy. Így teljesül a minimum hatótáv megbízhatósága.

Szerintem ertem. Ez eddig valoszinusegszamitas/statisztika alapjai masodik eloadas.

De nyugtass meg, hogy erted a kerdest. Ha szerinted az egyfajta folyamat mintaibol keszitett statisztikanak az eredmenye barmilyen betekintest nyujt egy teljesen mas folyamat (varosi autozas vs. autopalya a kerdezonel), akkor ott nagy gondok vannak.

Az ilyen kijelenteseket pedig, hogy "eleve normal eloszlasu lesz", illene probanak alavetni. Addig ez max egy elmelet alkalmazasa a legkisebb bizonyitas nelkul.

A plot azonnal megmondja, hogy normál-e az eloszlás, ezért erre választ fogunk kapni. A normálok összege meg bizonyítottan normál.

Ha jól értem, akkor végtelen pontosságot keresel. Én olyat nem adok.

A fenti számítás eleve nagyban csökkenti az emberi hibát és más egyéb emlékezet alapú becslést. Ha tovább tudod csökkenteni a hibát, akkor írd le nyugodtan.

A teljesen más folyamat csak akkor teljesen más folyamat, ha az azt alkotó folyamatok is mások. Ha hasonlók, akkor továbbra is tartom, hogy szintén elegendően pontos eredményt adhat a másik felhasználási módra is. Természetesen függ az eltérés mértékétől. És ahogy az is belekerül, még tovább illeszkedik.

Hiba mindig van. A kérdés az, hogy mekkora munkával mekkora hiba érhető el. Ugye egyet értünk, hogy ez a nulla és végtelen között lesz valahol. A fenti számítás elég egyszerű és elég nagy megbízhatóságot ad szerintem, tehát megfelelőnek tartom. Ha bárki jobb számítást szeretne adni, javaslom ne tartsa magában. Köszi.

"A plot azonnal megmondja". Szerintem inkabb majd a megfelelo statisztikai hipoezis proba mondja meg.

Nem keresek vegtelen pontossagot.

A kerdes az volt, hogy alkalmazhatja-e az eredmenyeket (nem a modellt) az auto egy masik felhasznalasi modjara. Erre a valasz, hogy nem.

Mi bizonyitja azt, hogy ugyanolyan szigoru arra az esetre is a statisztikai eredmenyedbol nyert valasz? Ha ugye _pont_ ugyanolyan, akkor mukodik. Ha szigorubb, akkor visszafele mar nem mukodik, mert akkot nyilvanvaloan lazabb lesz. Melyik a "visszafele"?

Persze, modell es a szamitas eleg egyszeru. Szeles korben hasznalt is pl. minosegellenorzesben. Nincs is vele semmi baj. Itt a dontesed (elindulok, mert eleg a toltottseg) minoseget, josagat (hogy mit tartunk josagnak, az valtozhat, lasd Oregont feljebb) ellenorzod vele. De ne keverjuk a korte josagat az alma josagaval.

Azért nem értek egyet azzal, hogy nem alkalmazhatja másik usecase-re, mert a maximálisan elérhető tudásból döntünk. Az elérhetőből kell mindig döntenünk. Nyilvánvalóan ha van további információ arra vonatkozóan, hogy az új usecase-nél mi lesz a minimálisan elvárható táv MILYEN MEGBÍZHATÓSÁG mellet, akkor azonnal tudja alkalmazni az információt.

De ilyen nincs. Főleg a megbízhatóságára vonatkozó információ nem elérhető. Remélem egyet értünk ebben. Tekintsük az esetek többségét, mivel általános felhasználási módot céloztam eleve. Nem emeltem ki speciális eseteket.

Az én megközelítésem az, hogy az elérhető információból muszáj céloznunk a minél jobb döntést. Maximum exploitation of minimal information. Mivel a szórás eleve lejjebb viszi a minimum hatótávot várhatóan minden más előre ismert értékhez képest, ezért ez az elérhető legkisebb hibájú döntés.

Miért EZ lesz a kisebb érték várhatóan más előre ismert infóhoz képest?

1) Mert a környezeti hatások sokrétűsége miatt könnyen megmutatható matematikailag, hogy ERŐSEN véletlenszerű lesz a hatások fluktuációja, és így azok eredője. (Már kevés számú hatás kombinációja is gyorsan elrobban.) Ez pedig egyenletesen teríti a hatások kombinációit. Ezáltal a state space-ből nagy merítést végez. Ez pedig azt biztosítja, hogy erős mintavételezés lesz sok fajta gyakorlati esetből, melyek a leggyakoribbak, tehát sok fajta esemény kerül beleszámításra.

Ez pedig azt vonja magával, hogy a számított szórás mértéke nagy általános usecase-t fog lefedni, mivel az események rész folyamataiból ered. A rész folyamatok pedig más usecase-ek részeit is képezik "nagy" mértékben (mindegy hogy a bécsi út 20% részen van emelkedő, vagy a városon belül leosztva az emelkedőt többször vesszük kisebb mértékben - mindkettőben lesz emelkedő illetve szél stb). Ebből pedig következik, hogy nem kicsi az esély arra, hogy használható a min hatótáv más usecase-re is. Sőt, ezt ajánlott használnunk, mert ez a legkisebb hibával elérhető döntés.

Illetve kicsit összemostuk, hogy küldetés kritikus dologról beszélünk-e, vagy sem. Ha igen, akkor ne felejtsük el, hogy a 3 szórás sokkal nagyobb megbízhatóságot ad. Ezért sokkal erősebben felel az előfordulható gyakorlati eseményekért.

2) Remélem megengeded hogy feltételezzem, hogy a gyári adatokból előre ismert érték sokkal kisebb varianciával kerül megállapításra. Éppen a marketing kényszerűsége miatt. Ráadásul ahogy írtam feljebb, nem ismerünk hozzá megbízhatósági mértéket sem. Hány százalék az esélye hogy ennyit mindenképpen tudunk utazni?

Ezekből érvelek az mellett, hogy még így is számunkra több infót tud adni egyetlen usecase mérésének eredménye, mint nélküle. Ha pedig így van, akkor ez lesz a legkisebb hibával elérhető döntés. Ha pedig így van, akkor ezt ajánlott használni minden usecase-hez by default.

Nyilván amikor azt mondom hogy "sok" vagy "nagy", akkor értsd hozzá kérlek, hogy miért ezt mondom.

https://hup.hu/comment/2819171#comment-2819171

Itt írtam erre választ.

Komplexabb matek a mögöttes működés, ezért blogolok róla, hogy másnak könnyű legyen felhasználni. Gondolom az autód motorját sem te tervezted, de mégis használod. Matek ugyanez.

Ha nem szakterületed a sztochasztikus folyamatok, akkor nehéz megértened, hogy miért működik.