在NIWeek 2016最後一天的主題演說上,國家儀器(NI)產品行銷副總裁Mike Santori指出,事實上,每個人都是「巨量資料」(big data)的最大產製者——過去幾十年來,透過資料擷取裝置所擷取的資料已經累積超過了22EB。「然而,就算你收集了大量的資料,也不見得都是有價值的,許多人在資料收集後只是儲存備用或甚至從未再度啟用。」

因此,Mike強調,基於LabVIEW與cRIO的平台提供了強大的即時處理器、FPGA以及可編程軟體,能夠與IT合作夥伴共同實現先進的IO與處理,並轉換成具有價值的「巨量類比資料」(Big Analog Data),進一步用於實現風力發電、半導體製造、無線電望遠鏡到車輛追蹤等各種強大的應用。

20160808 NI NT31P2

「由於工程師和科學家是從現實世界收集自然類比資料,我們經常以『巨量類比資料』來區隔其與工業/IT、新興『巨量資料』的差異。從類比世界量測到的巨量資料透過類比數位(A/D)轉換過程使資料數位化;」同時,Mike強調,巨量類比資料來源廣泛且迅速,而且必須即時做出決策...

20160808 NI NT31P1

針對巨量類比資料帶來的分析商機,Mike邀請來自不同應用與服務領域的業界主導廠商,包括惠普企業(Hewlett Packard Enterprise;HPE)資深副總裁暨技術長Mark Potter、Optimal+技術長Michael Schuldenfrei與PTC技術長Andy Timm,共同探討巨量類比資料對於電子產業與半導體產業的影響。

20160808 NI NT31P7 左起:NI產品行銷副總裁Mike Santori、HPE資深副總裁暨技術長Mark Potter、Optimal+技術長Michael Schuldenfrei,以及PTC技術長Andy Timm

在這個針對「巨量類比資料」的專題討論一開始,Mike Santori首先指出,儘量巨量資料話題持續炒熱,而所收集的資料也極具價值了,但根據IDC的資料顯示,至今有些公司僅使用所收集資料的5%。為什麼企業仍抗拒使用Big Analog Data?

Big Analog Data為何不被青睞?

HPE資深副總裁暨技術長Mark Potter表示,傳統的資料庫模式在時間與架構等方面並不適用,目前業界需要的是高度可擴展、能有效處理與分析資料的資料庫。因此,我們著重於與合作夥伴共同創造最佳的IoT平台,因為「IoT是有關於巨量資料的問題,我們希望融合在資訊技術(IT)的主導位置以及操作技術(OT)業者(如NI、PTC),促進IT與OT世界的對話,從而更有效地利用所產生的巨量類比資料。」

NI與HPE不久前才宣佈合作針對巨量類比資料推出基於NI DataFinder Server Edition以及HPE Moonshot Systems的預測試系統,協助解決工程師面臨的資料管理問題,以及更有效率地利用感測器資料進行決策。

20160808 NI NT31P3 HPE著重於從轉型至混合架構、保護數位企業、推動數據導向的組織以及提升工作環境的生產力等4個關鍵領域,協助客戶從數位領域轉型至IoT世界的主導位置

Optimal+技術長Michael Schuldenfrei則認為,原因就在於大量的資料並不一致,使得工程師必須花更多的時間尋找正確的資料。因此,他強調,目前還必須致力於建立可遵循的標準,以提升資料的一致性、高品質以及完整性。

Optima+是一家巨量資料分析公司,著重於為半導體與電子製造業提供可改善品質、良率與生產力的資料分析方案,為半導體製造商打造「智慧製造」。

20160808 NI NT31P4 Optima+的資料分析方案從收集、偵測到執行,即時收集資料至系統後,在基於HPE的平台上進行演算法與線上分析,並連接至共同打造的測試平台,最後並針對問題採取行動,讓測試程序更智慧化

PTC技術長Andy Timm則指出,隔閡之一在於執行IoT解決方案時不只是軟體套件、硬體平台或收集資料最大化,而是必須有效加以整合各方資源,讓客戶能直接利用資料而不必擔心安全性等問題。

「隨著IoT支援更多的感測器資料,改變了傳統的製造服務,PTC致力於重新建立與產品的對話。過去幾年來,PTC已投入數十億美元投資、收購與整合成一個完整PTC平台——ThingWorx,為合作夥伴帶來可實現工業連接性與應用等元素的靈活架構,部署於邊緣網路、雲端或二者的組合。」

20160808 NI NT31P5

Big Analog Data存在安全爭議

針對巨量類比資料最關鍵的安全性,業界廠商們也討論了如何協助客戶克服安全議題的挑戰。Andy Timm指出,「安全是一個重要且複雜的議題,特別是當我們討論IoT的價值時。以往製造廠房的機器可隨插即用,不必擔心資料外流的問題;如今設備裝載更多感測器後就面臨與安全有關的問題,而這也是開發人員必須面對的棘手問題,它涉及了與不同IoT平台與裝置之間的交握等細節。」

Michael Schuldenfrei坦承該公司也面臨這一方面的問題,特別是其供應商擁有許多不同的客戶,如何確保為每一客戶提供正確資料正是一大挑戰。甚至在幾年前的草創之初,「一家晶片製造商客戶的VP還告訴我,資料的安全性可能改變一個人的職業…。因此,我們十分看重安全性,因而進行了多層的安全防護、加密與驗證。」

Mark Potter也認同這一觀點表示,「安全或許是面對這一產業時的最重大議題,特別是討論如何利用巨量類比資料又必須確保安全時。從IT的觀點來看,當我們實現連網世界時,一部份的策略就是將從企業學習而來的網域安全方案導入邉緣網路,以確保自我安全。」

的確,Mike Santori指出,「安全議題正是IT與OT融合成為現實之處。但就像我們大部份的客戶都打造測試系統多年了,最不願意的仍是與IT部門打交道,」畢竟這涉及了最難以解決的安全問題。

導入機器學習、預測與診斷技術

此外,巨量類比資料的預測與分析,也與機器學習、深度學習以及預測與診斷密不可分。因此,Optima+在其軟體分析中部署了深度學習與機器學習演算法,以提升資料分析的精確度。PTC則持續與所打造的產品建立對話,透過瞭解用戶如何使用產品來建立雙向的循環,不僅使其易於進行資料的預測與分析,也有助於提升產品設計與改善性能。

Mike Santori強調,資料的擷取與管理可說是NI與合作夥伴共同打造的應用核心所在。業界專家們也都一致認同打造生態系統的重要性,期望結合合作夥伴在軟體、硬體、平台與系統的優勢,更有效掌握感測器取得的相關資料並即時進行精準、深入的分析與運用,讓人、機器、物件彼此間升級至互相溝通且具學習智慧的階段,從而提升IoT/IIoT應用達到新境界。

20160808 NI NT31P6