NI – швидке виведення складних продуктів на ринок
NI (раніше National Instruments), штаб-квартира якої знаходиться в моєму рідному місті Остіні, штат Техас, є компанією, за якою я стежу протягом тривалого часу. У 2020 році National Instruments скоротила назву до «NI» разом із новим крутим логотипом і стратегією компанії.
NI найбільше відомий своїми інструментами автоматизованого тестування та вимірювання, які допомагають досліджувати та перевіряти нові технології. Нещодавно компанія переосмислила свою операційну модель, зосередившись на програмно-визначених системах тестування та додавши такі технології, як аналіз даних і машинне навчання. Ця стаття є звітом про те, як компанія допомагає клієнтам модернізувати процес розробки продукту за допомогою програмного забезпечення, а також бачення компанії щодо майбутнього тестування та вимірювання.
Національні інструменти
Національні інструменти
Розробка нового продукту спрямована на те, щоб кінцевий споживач отримував якісний продукт, і ні клієнт, ні виробник не несуть витрат на відкликання через несправності продукту після доставки.
У міру того, як ми перейшли на наступний рівень цифрової зрілості, відбулося значне зростання складності систем. Приклади включають перехід від 4G до 5G у бездротовому просторі, від винищувачів п’ятого до шостого поколінь в аерокосмічній і оборонній промисловості, до автономності в транспорті та поширення інтелектуальної підключеної електроніки з появою пристроїв IoT.
Постачання складних високопродуктивних продуктів на ринок за нижчою ціною з незначною кількістю або нульовим дефектом залежить від загальнокомпанійної стратегії даних про продукт, яка плавно інтегрує дані про продукт і аналітику протягом життєвого циклу продукту.
Щоб ефективно конкурувати, компанії повинні використовувати всі дані для вдосконалення процесу розробки продукту, витягаючи максимальну цінність і використовуючи тестові дані для виявлення критичних проблем, які впливають на якість і продуктивність.
Клієнти мають справу з тестовими даними, що надходять від апаратного забезпечення NI та інших продуктів на різних етапах життєвого циклу продукту. Мета NI полягає в прагматичній консолідації даних, щоб клієнти могли виконувати базову аналітику та отримувати розуміння для вдосконалення процесу розробки продукту. По суті, для використання тестових даних для покращення продуктивності продукту.
Злиття реального та віртуального світів
Використання віртуальної реальності для створення цифрових двійників і цифрових потоків відкриває нові можливості для майбутнього розробки тестів. Цифровий потік — це віртуальний всесвіт, у якому розміщена модель цифрового близнюка. Цифровий потік дозволяє створювати взаємопов’язані моделі протягом життєвого циклу системи, при цьому всі моделі синхронізуються через спільний API.
Як випливає з назви, цифровий двійник — це віртуальна модель, яка точно відображає фізичний об’єкт. Об’єкт оснащений датчиками для отримання даних про аспекти продуктивності, такі як вихідна енергія та температура, які потім можна застосувати до цифрової копії. Цифровий двійник може запускати моделювання, вивчати проблеми продуктивності та генерувати можливі покращення вихідного фізичного об’єкта.
Цифровий потік із взаємопов’язаними моделями може замінити тестування в реальному світі. Тестування стає швидшим і дешевшим, а в деяких випадках зменшує вплив на навколишнє середовище. Перенесення більшої частини дизайну у віртуальний світ дозволяє швидше досліджувати складні продукти та зменшує залежність від дорогих і трудомістких фізичних прототипів.
Це не футуристичні ідеї. Siemens Mobility Rail Solutions будує високошвидкісні та приміські поїзди – дорогі дорогі системи з тисячами компонентів. Siemens використовує апаратне забезпечення NI, програмне забезпечення TestStand, програмне забезпечення VeriStand і модуль LabVIEW FPGA для створення повнофункціонального цифрового двійника цілого поїзда. Детальніше про цю історію ви можете знайти тут.
Бачення NI майбутнього використання тестових даних
NI розробляє модульну програмну платформу, зібрану через API, щоб задовольнити потреби будь-якого клієнта. Усі будівельні блоки програмного забезпечення працюватимуть локально або в загальнодоступній хмарі. Платформа використовує інфраструктури безпеки та стійкості та інструменти DevOps для простого та легкого розгортання продуктів як у центрі обробки даних, так і в хмарі.
Служба прийому даних отримує дані з усіх підключених систем для аналізу. Після прийому дані піддаються правильній службі постійних даних (API, реалізованому через REST), будь то часові ряди, хвилі, параметри чи інші майбутні формати даних. Служба постійних даних використовує поліглотну постійність для використання правильного сховища, будь то SQL, NoSQL або сховища об’єктів.
Архітектура включатиме рівень аналітики та машинного навчання (ML), що складається з набору фреймворків ML, таких як Kubeflow і Spark R, які використовуються для створення моделей машинного навчання. NI надасть шаблонні моделі для відображення найкращих практик у галузі. На вибір будуть знайомі аналітичні інструменти, такі як Microstrategy, Tableau та Power BI.
Рівень візуалізації підключений або вбудований у стандартні інструменти та рівень інтерфейсу користувача. Фреймворк інтерфейсу користувача складається з Angular та інших будівельних блоків, щоб забезпечити спрощену роботу користувача в будь-якому браузері чи мобільному пристрої.
Знову ж таки, це не все футуристично. General Motors співпрацює з NI над процесом розробки батарейних елементів, щоб забезпечити видимість тестових даних для прийняття рішень щодо оптимізації продуктивності продукту. GM інвестує в набір інструментів для хмарних обчислень на базі Інтернету; персонал; і платформа даних, яка включає програмне забезпечення NI SystemLink™ як частину архітектури. Масштабоване рішення заощадить тисячі годин ручної роботи завдяки автоматизації наскрізного процесу від прийому даних до надання їх на вимогу. Ви можете знайти цю та інші історії тут.
Підведенню
Зміна стратегії компанії NI на модернізацію тестування та вимірювання за допомогою програмного забезпечення, хмари та можливостей машинного навчання створює цінність для клієнтів. Крім того, переведення всієї організації на чотири ринки: напівпровідники, транспорт, аерокосмічна промисловість, оборона та уряд, також було блискучим кроком.
Збільшення складності продукту вимагає більш детального розуміння продукту та його поведінки. Дані тестування дають багато відповідей, але цей цінний актив часто не використовується повною мірою.
Тестові дані є потужними, якщо їх ефективно використовувати, а не просто зберігати їх на жорсткому диску. Тестові дані можуть оптимізувати виробничі процеси та навіть покращити дизайн продукту. Дані випробувань можна використати для моделювання, щоб підвищити точність, виявити вузькі місця у виробничих операціях, підвищити якість продукту та скоротити час виходу на ринок.
Статут NI полягає в тому, щоб взяти на себе відповідальність за збір і зберігання тестових даних і перетворити їх на потужний актив, який повертає цінність організації. По суті, розкриття цінності даних протягом усього життєвого циклу продукту від проектування, перевірки, виробництва та використання буде мати вирішальне значення для успіху та конкурентоспроможності. NI має широкий набір інструментів для всього процесу проектування, які легко інтегруються з інструментами сторонніх виробників, які клієнти вже можуть мати в лабораторіях проектування та середовищах моделювання.
