工业大数据实时采集、存储及机器学习技术飞速发展，NI成重要推手

“根据IDC此前的EMC数字宇宙研究显示，平均仅5%的大数据得到分析。” NI(美国国家仪器，National Instruments，简称“NI”)工业物联网行业市场经理崔鹏在前不久举行的2017 NI工业物联网高峰论坛上谈到相较于 22 ×2 60 字节的大数据总量，5%无异于冰山一角。下面就随网络通信小编一起来了解一下相关内容吧。

而作为一种新的资产、资源和生产要素，工业大数据是工业物联网的核心，更是中国制造业转型升级的重要战略资源。

智能测量+管理，平台化方案方可透视不可见数据的价值

要解决大模拟数据挑战，NI认为第一步便是更智能的测量。作为此次NI工业物联网高峰论坛的特邀嘉宾，美国辛辛那提大学教授、美国智能维护系统中心主任李杰教授认为，未来数据收集的趋势将集中在三个方面：

1. 从可见世界到不可见世界的扩展，未来，数据收集将更多源于不可见世界;

2. 从固定式到无线移动式的扩展，以无线传感器为例的自主式将成为未来数据收集的主流;

3. 从物理特性到信息特性的扩展，不局限于当前的测量功能，未来的数据收集更将具备辨识功能。

图1. 李杰教授现场剖析工业大数据采集的未来趋势

进一步挖掘工业大数据背后的价值，除了测量分析数据的过程必须“智能化”，NI认为还需要更智能的数据管理。因此，NI由点及面提出了对应的解决方案，携一众新品：LabVIEW NXG、强调远程数据管理的分布式系统管理软件SystemLink、监测资产健康状况以便制定运营和维护计划的企业级分布式在线监测软件NI InsightCM™，以及支持TSN功能的最新CompactDAQ以太网机箱亮相论坛。

以快速测量、即时洞察、可选编程为特色的LabVIEW NXG通过引入重新设计的编辑器，不仅实现了测量自动化的创新，在基于配置的软件和自定义编程语言之间建立了桥梁;还进一步拓展了LabVIEW的开放性，将更多的语言集结合进来，极大提高了编程生产力，意欲掀起台式测量革命。

同时，伴随时间敏感网络(TSN)标准的制定将加速工业物联网平台的构建成为业界共识，NI积极帮助定义TSN，并将TSN集成至CompactDAQ平台——推出cDAQ-9185和cDAQ-9189，从而实现了长距离精确同步，并大幅简化高通道数分布式系统的客户安装和系统管理。

图2. NI以软件定义为中心的工业物联网平台化解决方案

这一系列新推出的重磅新品，仅是NI对应工业大数据和工业物联网领域推出的“点状”解决方案。而解决方案由点及面的贯通正是NI以软件定义为中心的平台设计方法，崔鹏展开介绍道：“NI希望基于LabVIEW平台，通过台式便携测量设备、CompactDAQ、PXI模块化仪器、CompactRIO等设备及嵌入式系统设计方案，帮助客户实现围绕工业大数据和工业物联网展开的细分应用，例如工业测量、在线状态监测、智能测试等。而软硬件平台的一脉相承和灵活兼容更能够帮助客户加速开发流程，减少上市时间。”

知识的智能化革命离不开基于平台化方案的生态系统构建

论坛现场，崔鹏还援引了一组数据：据Hydrocarbon Publishing Company统计，全球制造工业设备非预期停机和维护不善的耗费大约占整个行业年产值的5%，这相当于每年200亿美元。因此，当前对于工业大数据的深入分析以及工业物联网的不断推进，实质上都是为了两大目的：

1. 数据流动：通过智能化解决数据“自动流动”的问题，即能够把正确的数据在正确的时间以正确的方式传递给正确的人和机器;

2. 资源优化：继海量的工业数据转化为信息、信息转化为知识、知识转化为科学决策后，资源优化就需应对和解决制造过程的复杂性和不确定性等问题，并在这一过程中不断提高制造资源的配置效率。

正如李教授所讲：“下一代工业4.0的革命实际上是知识的智能化革命。”他认为工业4.0可分为3个阶段：“第一个阶段是基于计算机信息化系统，利用大数据分析的结果，让人变得更加智慧;第二个阶段则是如何让人机结合产生价值增值;第三个阶段最为重要，即利用自身知识化社会的经验帮助别的社会做平衡发展。”

落地工业4.0革命的三大阶段，NI无法靠一己之力全覆盖。因此，基于NI平台化的解决方案，NI同样注重在工业物联网领域构建自身的生态系统，此次受邀演讲的PTC就是NI的生态合作伙伴之一。据崔鹏介绍：“NI联合PTC和Hewlett Packard，为Flowserve的客户提供了最佳的设备资产管理及实时状态监控方案。”作为众所周知的制造业领导者，Flowserve为业界一些最先进的重型设备提供端到端的支持。因此，Flowserve一直希望利用最新的在线监测技术，通过预测性维护来帮助客户减少停机时间。

图3. 基于平台打造生态系统，NI携手合作伙伴推动工业物联网发展

“基于LabVIEW和CompactRIO来采集温度、压力、流速、振动和功率等传感数据，Flowserve泵的原始数据速率可以达到每秒2.5MB，同时系统将这些数据发送到PTC的ThingWorx分析引擎，从而在仪表板上可以看到所有需要监测的能耗指标以及故障预警提示，这对需要维护成百上千个设备的专家来说是非常有帮助的。”崔鹏补充道。

无独有偶，NI早前就已和IBM展开合作，基于LabVIEW共同开发基于云的分布式数据采集系统及状态监控与预测性维护测试平台，帮助企业寻求更好的方法管理重型机械、发电、加工制造与其他多个产业部门的旧有资产，延长相应设备的使用寿命。NI以软件为中心的开放式平台为状态监控与预测性维护测试平台提供机器学习的可能性，而与IBM的深入合作，不仅在于为操作技术(OT)与资讯技术(IT)提供绝佳的互通性，更希望在云计算、物联网技术与工业系统进行深度融合，实现工业数据分析与价值挖掘。

此外，将全球先进制造经验本土化，NI正在多维度践行工业4.0革命第三阶段。助力中国制造弯道取直，推进中国制造2025，NI不仅提供了贯穿产品研发设计、生产及使用生命周期的平台化工业物联网解决方案，更从以下2点着手深入：

图4. NI以平台化解决方案为基础，助力中国制造2025

一方面，NI加强培养本土合作伙伴，积极构建本土生态圈：例如此次受邀演讲的北京天泽智云就是NI在PHM领域的合作伙伴。基于NI平台化系统设计方案，天泽智云为客户定制化开发面向工业物联网领域端到端的解决方案，帮助中国的工业客户实现工业设备的实时健康管理与预测性维护;

另一方面，NI积极将国际先进经验本土化：NI与同济大学工业4.0智能工厂实验室紧密合作，共同建立NI工业互联网实验室就是众多案例之一。基于NI在工业物联网中数据采集、设备状态监测等领域的丰富工程经验，双方还将携手建立探索智能制造产学研合作与中外合作的新模式。

以上是关于网络通信中-工业大数据实时采集、存储及机器学习技术飞速发展，NI成重要推手的相关介绍，如果想要了解更多相关信息，请多多关注eeworld，eeworld电子工程将给大家提供更全、更详细、更新的资讯信息。