De kracht van MathCAD ligt in de combinatie van mens enmachine. Een computer rekent vele malen sneller dan ik maar mist decreativiteit om te bedenken wat de volgende som moet zijn. Deze combinatievan mens en machine is een enorme “boost” geweest voor mijn productiviteit.
Een paar maanden terug las ik “The Innovators” van Walter Isaacson. Het boek beschrijft de geschiedenis van de informatierevolutie. Een stoet van onwaarschijnlijke figuren, van een dame van adel tot kunstenaars passeert de revu. Ik beveel het boek van harte aan.
Ik werd getroffen door J.C.R. Licklider, een psycholoog diein de jaren 1950 theorieën ontwikkelde voor samenwerking tussen mens enmachine. De manier waarop u en ik werken met de smart-phone zijn deels terug tevoeren op hem. In een tijd dat de mens via ponskaarten communiceerde met decomputer en soms dagen moest wachten op resultaten, was het bedenken vandirecte interactie echte kennisontwikkeling. Licklider was van mening dat juistde combinatie mens/machine het sterkst is. De mens is creatief, de computerklaagt niet bij het herhaald uitvoeren van taken. Ik herkende mezelf en mijnMathCAD-blaadjes.
Data
Het vak van de modelleur/rekenaar in de civiele techniek is de afgelopen twintig jaar sluipend veranderd. In het verleden was er weinig tot geen meetdata in bruikbare vorm beschikbaar. Ons vak bestond uit het goed snappen van de fysica en het in kaart brengen van onder- en bovengrenzen van (bijvoorbeeld) krachten op een constructie. Data was er wel maar was slecht toegankelijk; het gebruiken van de meetdata van Rijkswaterstaat kon met een abonnement en speciale hardware. Later kwam er een website, maar die kon slechts beperkte sets tegelijk leveren zodat het beschikbaar krijgen van lange tijdreeksen als te arbeidsintensief vaak achterwege werd gelaten.
Dat is nu allemaal anders. Rijkswaterstaat heeft sinds enkele jaren een geweldige website waar alle metingen vanaf 1900 beschikbaar zijn. Ook het KNMI heeft de metingen vanaf 1900 goed ontsloten beschikbaar via de website.
Geleidelijk zijn we in de omstandigheid dat we ons voor het ontwerp kunnen baseren op statistische analyses van meetgegevens. Daar waar we ons eerder nog verlieten op schattingen en (verantwoorde) gevoeligheidsanalyse. Ik heb het nu over de ontwerpende ingenieurs. De modellering van (grote)oppervlaktewateren heeft altijd veel data gebruikt en randvoorwaarden voorwaterkeringen worden al sinds jaar en dag op basis van statistiek vastgesteld.
De verschuiving naar het gebruik van meetdata heb ik met MathCAD goed kunnen volgen. Statistische analyses zijn ook heel goed in dit programma uit te voeren. Maar langzamerhand wordt de beschikbaarheid van data zo groot dat MathCAD zich in de grootte van de bestanden verslikt. Om dat probleem te omzeilen ga je dan over naar het gebruik van gedeeltes van de data. Dus of een lagere inwinfrequentie hanteren of een kortere periode beschouwen. Vaak een goede oplossing maar onbevredigend omdat je niet alle informatie gebruikt die er is.
Python
Een jaar of vijf geleden hoorde ik voor het eerst van Python. Dat was op de TU Delft en ik dacht toen dat het een programma was voor het onderwijs; een mooie tool om studenten te leren programmeren en modelleren. Ik had het grondig mis.