物联网项目落地在即，NI平台化方案助力实现智能管理

工业物联网正从概念和试点项目迅速演变为大规模的厂级部署，埃森哲在最新的报告中指出：“95%的商业领袖期望他们的公司在未来三年内使用IIoT(工业物联网)”，智能设备和互联设备数量的快速增加，为提高性能和降低成本提供了巨大的机会，但一个最突出的挑战也浮现出来，那就是如何高效地管理这些分布式系统。

成功管理IIoT设备的三大准则

在10月26日召开的2017 NI Days上，NI发布了《2018 NI趋势展望报告》，其中提出了成功管理IIoT设备的三大准则：远程系统管理、软件配置管理、数据管理。

NI全球市场高级副总裁Ajit Gokhale在主题演讲中指出，随着物联网项目逐渐落地，如何扩展和管理大型IIoT部署，包括远程系统管理、软件配置管理和数据管理，成了时下最受关注的技术热点和挑战。

远程系统管理——随着运营技术成本的降低，针对关键资产的监测和控制系统应用日益普及。资产和维护经理正在面临的挑战是，如何利用高性价比的策略来管理这些运营资产并最大限度地减少资产停机。一个成功的远程系统管理解决方案需要能够解决配置、诊断和边缘设备管理等方面的挑战。

软件配置管理——与日俱增的快速上市压力要求企业使用灵活的软件来修复漏洞、修改功能以及解决安全漏洞，因此，软件配置管理的重要性与日俱增。如果没有有效的软件管理策略，就会导致系统运行的软件过时，从而影响资产性能、安全性和可靠性。 IIoT公司可通过部署经验证的框架和最佳实践来避免手动软件部署的高成本和低效率。

数据管理——IIoT系统会生成大量数据，数据量将会达到TB级，这些数据中隐藏着大量有价值的信息，如何挖掘和管理这些数据以实现优化的商业决策是企业亟待掌握的能力。据《IDC FutureScape: Worldwide Internet of Things 2017 Predictions》 报告指出：到2019年，至少有40%的IoT数据将存储到边缘设备进行处理、分析和操作。数据管理策略需要同时包含能够运行在边缘侧和企业级的分析功能。高效的数据管理解决方案必须能够整合来自多个分散源的数据，并提供不同级别的分析，以便让正确的人员获得正确的信息，并将原始数据转化为有据可依的决策。

通过机器学习，自动获取工程信息

机器学习不仅存在人工智能领域，现在正快速渗透到工业物联网领域。随着物联网项目落地，将产生海量的数据，有统计显示，到2020年，来自工业设备的传感器和机器数据预计将超过78艾字节。通过机器学习，这些海量的数据可以帮助我们自动获取工程信息，从而实现对工业系统的预测、诊断和维护。

为了帮助工程师在工作中应用机器学习，NI已经将机器学习集成到LabVIEW分析和机器学习工具包中，工程师可开放地使用任何第三方的机器学习资源。

NI平台化方案助力IIoT项目落地及管理

各行各业的公司正在采用一系列颠覆性的平台和生态系统，利用传感器驱动的计算、工业分析和智能机器应用等智能技术，将业务转变为实现创新和发展的引擎。作为一家平台供应商，NI提供最底层的软硬件产品，从传感器到边缘计算，再到监测系统以及整个物联网的软件架构。NI平台化的解决方案可以帮助企业更好地应对上述管理IIoT设备的三大挑战，为此，NI新推出了一些列针对IIoT领域的软硬件产品。

NI最新发布的远程系统管理软件——NI SystemLink兼具系统管理、软件部署和系统健康监测功能，相比其他远程数据管理工具，NI SystemLink还可以在网络端进行配置管理，不仅可以实现远程故障诊断，还可以实现数据管理，对于分布式系统管理意义显著。针对数据管理，NI推出了一系列软件工具，可实现数据搜索和索引、数据分析和处理以及信息报告和可视化功能。

NI新推出的多槽以太网机箱cDAQ-9185和cDAQ-9189提供了与TSN(时间敏感网络)的紧密时间同步，从而能够简化并提高同步、分布式系统的可扩展性。对于大型分布式系统，各设备之间的同步是一个棘手的难题，而利用NI的TSN多槽以太网机箱可以轻松解决这一难题。

基于NI平台实现的IIoT设备管理成功案例

北京天泽智云是NI在预测性维护及工业智能领域的合作伙伴，其联合中车青岛四方公司，基于NI InsightCM和CompactRIO平台，打造了针对高铁的预测性维护解决方案PHM(故障预测与健康管理)项目。高铁的预测性维护系统到底有多重要?据中车青岛四方公司国家工程实验室试验部主任张志强介绍，目前我国的高铁实行的是周期性维修方案，高铁运行到一定距离，就要进行相应等级的维修，例如，达到240万公里时，就要五级修，这意味着整台高铁要返厂维修。实际上，这种无差别对待的维修存在着极大的浪费，如果能有针对的施行预测性维修将节约大量成本。据张志强估计，单就高铁PHM(故障预测与健康管理)项目就能产生几千亿的效益。北京天泽智云技术研发副总裁刘宗长表示，在开发高铁PHM系统中，NI的平台提供了诸多的优势：NI模块化化的组件，能够大大提升我们的开发速度，例如，在数据采集部分，从需求提出到方案实施，只用了一到两周的时间;另外，CompactRIO本身就提供边缘计算的环境，我们的很多算法都可以集成到CompactRIO中，在实时环境下运行;InSightCM可以提供从数据管理到前端的硬件管理，再到后面的算法管理等所有的状态监测需求。

除了高铁预测维护中的应用，NI平台广泛应用在许多大型分布式监控及测试系统中。Blue Origin是亚马逊CEO杰夫-贝索斯创立的一家致力火箭回收再发射的高科技公司，该公司利用NI的软硬件产品实现了其庞大的分布式测试系统，尤其是借助NI SystemLink来实现远程的管理、部署。

作为一家平台供应商，NI除了推出更智能的软硬件产品，还非常重视生态系统的建设，NI全球技术与市场总监Rahman Jamal表示，NI定位于平台化的公司，同时，也会提供一些系统解决方案，与合作伙伴和客户共同推动工业物联网项目落地。为了推动一些领先技术在世界各国的实施，NI专门建立了IIoT实验室，在奥斯汀总部的IIoT实验室是由NI与PTC、HPE，赛灵思，英特尔等公司共同组建。同时，NI也加强本土合作伙伴的培养，与本地联盟商、大学及研究机构建立紧密合作，共同助推工业物联网及智能制造的发展。