NI:巨量類比資料商機加速OT與IT對話

2016-08-08
作者 Susan Hong

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「巨量資料」的差異。從類比世界量測到的巨量資料能夠經由類比數位轉換過程使資料數位化,並且必須即時做出決策...

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]

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

Susan Hong

Engineering your dreams with us; Bringing innovative ideas to life.

發表評論

訂閱EETT電子報