NI让愈发复杂的产品以更快的速度推向市场

本文作者Patrick Moorhead，原载于福布斯专栏文章NI – Getting Complex Products To Market Faster 

NI（原名为 National Instruments）总部位于我的老家德克萨斯州奥斯汀，是一家我关注了很长时间的公司。2020年，National Instruments 将其名称缩短为“NI”，确定公司新的战略、同时采用了炫酷的新Logo。

NI以帮助研究和验证新技术的自动化测试和测量工具在业界闻名。最近，这家公司重塑了运营模式，专注于软件定义的测试系统，并增加了数据分析和机器学习等新技术。本文是一份进度报告，介绍了该公司如何帮助客户利用软件实现产品开发流程的现代化，以及该公司对测试、测量未来的愿景。

开发新产品要确保最终客户收到优质的产品，客户和制造商不会因交付后的产品发生故障而产生召回成本。

随着我们的数字技术演进到更高的成熟度，系统的复杂性有显著地增加。例如无线通信领域从4G发展到5G；航空航天和国防领域从第五代到第六代战斗机；汽车领域不断升级的自动驾驶；以及随着物联网技术兴起而导致的智能互联电子产品的激增。

要以更低的成本、更小甚至是零缺陷率将复杂的、更高性能的产品推向市场，取决于公司层面的产品数据策略--能在整个产品生命周期中无缝集成产品数据和分析。

为了竞争效率，公司必须使用所有数据来改进产品开发流程，最大化提取数据价值并使用测试数据来识别影响质量和性能的关键问题。

在产品生命周期的不同阶段，客户需要处理来自NI硬件和其他产品的测试数据。NI 的目标是务实地将数据整合在一起，这样客户就可以执行基本分析并获得见解，以改进产品开发流程。简而言之，就是使用测试数据来帮助提高产品性能。

真实世界与虚拟世界的融合

采用虚拟现实创建数字孪生(digital twins)和数字线程(digital threads)为测试工程的未来打开了新的可能性。数字线程是承载数字孪生模型的虚拟世界，透过共享API，进而让整个生命周期中的所有模型互联互通。

顾名思义，数字孪生是一种能精确反映物理对象的虚拟模型。该对象配备了传感器，可以生成与性能相关的数据，例如能量输出和温度，然后可以将这些数据应用于数字副本。数字孪生可以跑仿真、研究性能问题并对原始物理对象进行可能的改进。

具有互连模型的数字线程可以替代现实世界中的测试，从而让测试变得更快、成本更低，并且在某些情况下，减少对环境的影响。将更多的设计转移到虚拟世界中可以更快地探索复杂的产品，并减少对昂贵、耗时的物理原型的依赖。

这些不仅仅只是未来主义的想法。西门子交通的移动解决方案（Siemens Mobility Rail Solutions）要构建高速通勤列车，这是一个具有数千个组件构成的昂贵系统。西门子就是采用NI硬件、TestStand软件、VeriStand软件和LabVIEW FPGA模块来构建整列列车的全功能数字孪生体，可以查看文末的案例介绍，找到该应用的更多信息。

NI对未来如何利用测试数据的愿景

NI正在开发通过API组建的模块化软件平台，可以满足任何客户的特定需求。所有软件模块都将在本地或公共云中运行。该平台使用安全并具有弹性的框架和DevOps工具，以简单轻量的方式在数据中心和云中部署产品。

数据摄取服务从所有连接的系统中摄取数据用于分析。一旦被摄取，无论是时间序列、波形、参数还是其他未来的数据格式，数据就会受到正确及持久的数据服务（通过REST实现的API）的约束。持久性数据服务采用多语言持久性来实现正确的存储，无论是SQL、NoSQL还是对象存储。

该架构将包括一个分析和机器学习(ML)层，这一层由一组ML框架组成，例如用于构建机器学习模型的Kubeflow和Spark R。NI将提供模板模型以反映行业中的最佳实践。用户可以选择熟悉的分析工具，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和其他模块组成，可在任何浏览器或移动设备中提供简化的用户体验。

同样，这并不全是未来主义的想象。通用汽车公司正在与NI合作开发其电池单元工程流程，以提供对测试数据的可见性，从而做出优化产品性能的决策。通用汽车正在投资基于网络的云计算工具集、人员、以及包含NI Systemlink™软件作为架构一部分的数据平台。通过自动化从数据摄取到按需提供数据的端到端流程，这一可扩展的方案将节省数千小时的人工工作。

总结

将NI公司的战略转向通过软件、云和机器学习功能实现测试和测量的现代化，为客户创造价值；此外，让整个组织专注于四个市场：半导体、汽车、航空航天、国防和政府，这些都是明智的举措。

增加产品的复杂性需要对产品及其行为有更详细的洞察。测试数据提供了许多答案，但这种宝贵的资产往往没有充分发挥其潜力。

与其仅仅将测试数据存储在硬盘驱动器上，有效使用它们具有强大的能量。测试数据可以优化生产流程、甚至改进产品设计；可以将测试数据灌入到仿真系统中，提高其准确性、识别制造运营中的瓶颈、提高产品质量并缩短上市时间。

在公司发展的新篇章中，NI以收集和存储测试数据、并将其转化为强大的资产为己任，为组织增加价值。尤其是在客户产品从设计、验证、生产到使用的整个生命周期中，从根本上释放数据的价值，这对于客户的成功和竞争力至关重要。NI在整个设计过程中拥有广泛的工具集，可以与客户在设计实验室和仿真环境中已有的第三方工具无缝集成。

详细案例介绍

①西门子交通移动解决方案案例介绍：https://www.ni.com/en-us/innovations/case-studies/19/reducing-risk-and-cost-with-virtual-high-speed-and-commuter-train-test.html 

②通用汽车电池单元工程流程案例介绍：https://www.ni.com/en-us/perspectives/gm-uses-data-to-achieve-all-electric-future.html

Patrick Moorhead介绍

Patrick在ARInsights Power 100排行榜上8000名分析师中排名第一，也是阿波罗研究公司（Apollo Research）排名中被引用最多的分析师。Moorhead也是《福布斯》、《首席信息官》和《Next Platform》的撰稿人；他同时经营着咨询公司MI&S，涉及广泛的主题，包括软件定义的数据中心和物联网，Patrick是计算和半导体领域的资深专家。他拥有近30年的经验，包括15年在高科技公司担任高管，领导战略、产品管理、产品营销和企业营销，包括三次行业董事会任命。在Patrick创立公司之前，他曾担任过20多年的高科技战略、产品和营销主管，负责个人电脑、移动设备、图形和服务器生态系统。与其他分析师公司不同，Moorhead在战略、营销和产品部门担任高管职务，拥有丰富的董事会经验。他曾担任消费电子协会（CEA）和美国电子协会（AEA）的执行董事会成员，并担任圣大卫医疗中心（St. David’s Medical Center）董事会主席长达五年（被Thomson Reuters评为美国100家顶级医院之一）。