将复杂的产品快速推向市场NI的愿景解读

NI 以帮助研究和验证新技能的自动化测试和丈量工具而有名。
最近，该公司重塑了其运营模式，专注于软件定义的测试系统，并增加了数据剖析和机器学习等技能。
本文是一份进度报告，先容了该公司如何帮助客户利用软件实现产品开拓流程的当代化，以及该公司对未来测试和丈量的愿景。

新产品开拓旨在确保终极客户收到优质产品，客户和制造商不会因交付后的产品故障而产生召回本钱。

随着我们发展到更高的数字成熟度水平，系统的繁芜性显著增加。
比如包括无线领域从 4G 到 5G，航空航天和国防领域从第五代到第六代战斗机，到交通运输的自动驾驶，以及随着物联网设备的兴起智能连接电子产品的激增。

以更低的本钱将繁芜、更高性能的产品推向市场，从而生产出险些没有缺陷或零毛病的产品，这取决于公司产品数据策略，该策略须要在全体产品生命周期中无缝集成产品的数据和剖析。

为了有效竞争，公司必须利用所有数据来改进产品开拓流程，提取最大代价并利用测试数据来识别影响质量和性能的关键问题。

客户在产品生命周期的不同阶段处理来自 NI 硬件和其他产品的测试数据。
NI 的目标是将数据整合在一起，这样客户就可以实行基本剖析并得到洞察力，从而改进产品开拓流程。
之后利用测试数据来帮助提高产品性能。

真实天下与虚拟天下的领悟

利用虚拟现实创建数字孪生为测试工程的未来开辟了新的可能性。
数字线程是容纳数字孪生模型的虚拟天下。
数字线程支持跨系统生命周期的互连模型，所有模型都通过共享 API 同步。

顾名思义，数字孪生是一种准确反响物理工具的虚拟模型。
该工具配备了传感器，可以天生有关性能方面的数据，例如能量输出和温度，然后可以将这些数据运用于数字副本。
数字孪生可以运行仿照、性能研究并对原始物理工具进行可能的改进。

具有互连模型的数字线程可以替代现实天下中的测试，使测试变得更快、本钱更低，并且在某些情形下，减少对环境的影响。
将更多的设计转移到虚拟天下中可以更快地探索繁芜的产品，并减少对昂贵、耗时的物理原型的依赖。

这些不是未来主义的想法。
Siemens Mobility Rail Solutions 构建高速和通勤列车——具有数千个组件的昂玉体系。
西门子利用 NI 硬件、TestStand 软件、VeriStand 软件和 LabVIEW FPGA 模块构建整列列车的全功能数字孪生体。

NI 对测试数据未来的愿景

NI 正在开拓通过 API 组装的模块化软件平台，以知足任何客户的特定需求。
所有软件构建块都将在本地或公共云中运行。
该平台利用安全和弹性框架以及 DevOps 工具，以大略轻量的办法在数据中央和云中支配产品。

数据提取做事从所有连接的系统中提取数据并进行剖析。
一旦被提取，数据就会受到精确的持久数据做事（通过 REST 实现的 API）的约束，无论是韶光序列、波形、参数还是其他未来的数据格式。
持久数据做事利用多措辞持久性来利用精确的存储，无论是 SQL、NoSQL 还是工具存储。

该架构将包括一个剖析和机器学习 (ML) 层，该层由一组 ML 框架组成，例如用于构建机器学习模型的 Kubeflow 和 Spark R。
NI 将供应模板化的模型以反响行业中的最佳实践。
可以选择熟习的剖析工具，例如 Microstrategy、Tableau 和 Power BI。

可视化层连接或嵌入标准工具和 UI 框架层，UI 框架由 Angular 和其他构建块组成，可在任何浏览器或移动设备中供应简化的用户体验。

同样，这还不是全部。
通用汽车公司正在与 NI 互助开拓其电池工程流程，以供应对测试数据的可见性，从而做出优化产品性能的决策。
通用汽车正在投资云打算工具集；职员; 以及包含 NI SystemLink软件作为架构一部分的数据平台。
通过自动化从数据提取到按需供应数据的端到端流程，该可扩展办理方案将节省数千小时的手动事情。

总结

NI 公司计策转向利用软件、云和机器学习功能实现测试和丈量当代化，为客户创造代价。
此外，让全体组织专注于四个市场：半导体、交通、航空航天、国防和政府，也是一个绝妙的举措。

增加产品的繁芜性须要对产品及其行为有更详细的洞察。
测试数据供应了许多答案，但这种宝贵的资产每每没有充分发挥其潜力。

与仅将其存储在硬盘驱动器上比较，有效利用的测试数据具有强大功能。
测试数据可以优化生产流程，乃至改进产品设计。
可以将测试数据输入到仿真中，以提高准确性、识别制造运营中的瓶颈、提高产品质量并缩短上市韶光。

NI 卖力网络和存储测试数据，并将其转化为强大的资产，并增加代价。
在从设计、验证、生产和利用的全体产品生命周期中，从根本上开释数据的代价对付成功和竞争力至关主要。
NI 在全体设计过程中拥有广泛的工具，可与客户在设计实验室和仿真环境中可能已经拥有的第三方工具无缝集成。