五大技术热点趋“融合”：测试测量难度正激增

shuszhao

[li][size=; font-size: 2.5em,2.5em]

五大技术热点趋“融合”：测试测量难度正激增

[/li]

[li][/li]

未来有95%的工业企业，特别是重型装备企业、高端制造企业，会将产线或技术手段升级到工业物联网或者中国制造2025的框架体系下进行探索。这其中最受关注的技术热点和挑战有3个……
最近五到十年，技术发展突飞猛进，特别是互联网技术、云技术发展很快，这些外围技术的发展也渐渐影响到工业的发展。因此，未来五年会比以往五年发展更快，特别是在2018、2019这两年会有很多概念和原型落地，未来也会有大批的项目和企业落地。因此，美国国家仪器（NI）站在测试测量的角度发布了《2018 NI趋势展望报告》。日前，NI在“NIDays 2017全球图形化系统设计盛会（中国站）”上，也有针对性地对工业物联网（IIoT）、机器学习、摩尔定律、5G和汽车电气化这5个领域进行了全面分享。

                               
登录/注册后可看大图

NI中国产品市场主管刘旭阳

                               
登录/注册后可看大图

NI全球市场高级副总裁Ajit Gokhale（中）；NI亚太区销售和市场副总裁Chandran Nair（左）；NI大中华区市场经理汤敏（右）


工业物联网管理涉及3大准则

NI中国产品市场主管刘旭阳在会后媒体发布会环节对会议要点进行了解读。他指出，工业物联网应用会做生产监测，提升物料分配和生产的性能。对于核电机组、大型发电机等关键资产，我们需要配置相关监测设备来进行运营维护，保障大型设备工作稳定和可持续，减少停机时间。然而，很多运维监控设备部署到现场，管理是一大问题。未来有95%的工业企业，特别是重型装备企业、高端制造企业，会将产线或技术手段升级到工业物联网或者中国制造2025的框架体系下进行探索。
这其中最受关注的技术热点和挑战有3个。
1.远程系统管理。运维系统部署越多，管理就越难。比如，陕西顾锋机场提供大型资产给各个企业，希望交付的重型资产可以有效进行管理和故障预诊断。交付的资产从以往上十个拓展到成百个后，分布地域很广，进行有效的分布式管理以及监测系统的有效管理就很困难。2.软件配置管理。大型关键资产对软件的要求非常高，不仅要确保监测系统安全，而且要确保运维系统也安全。此外，不同的工况需要不同的监测体系进行配套。3.数据管理。运维系统的大量部署使数据越来越多。比如，科研单位希望将实验中心之间的数据做有效连接，而提升功能。

机器学习向工业物联网延伸

机器学习与工业物联网息息相关。百度、阿里、腾讯等基于大平台的机器学习，以及科大讯飞基于语音识别的机器学习，同样可以应用到整个工业领域。通过工业物联网产生数据，再以数据训练模型，这个阶段就是机器学习。比如，中车利用机器学习进行轨道交通故障预测和健康管理就是一个很好的例子。另外一个例子是航空发动机，很多单位现在已经开始用机器学习来进行相关研究，甚至是后期的保养与维护。

                               
登录/注册后可看大图

NI大中华区市场经理汤敏补充，大家现在看到AI被谈得很多，由此可能注意到一个现象，就是算法工程师突然非常热门起来了。对于我们来说，我们觉得很高兴的一点是，我们可以让算法工程师不需要那么了解硬件，而可以聚焦在算法和机器学习这些本身。


打破摩尔定律

目前，CPU的频率很难再进一步提高，更多的是采用多核或者异构的方式。频率继续提升会带来很大工艺上的问题，以及处理器散热的问题。现在处理器都是采用并行任务的方式，因此其涉及的并不是速度有多快，更多的是能不能协同处理。此外，随着虚拟现实（VR）应用的普及，它对于视频和图像的处理要求格外高，这就不是传统提升处理器性能所能解决的问题。因此，业界提出了很多方法，比如3D IC，即通过芯片堆叠提高芯片密度，继而提升处理器能力。同时，智能驾驶、人脸识别等新兴技术需要采用特殊的处理器，这其中就会用到异构技术，比如将FPGA或DSP整合到一起。
NI亚太区销售和市场副总裁Chandran Nair表示，NI提供的是一个开放化或平台化的方式，帮助大家在热门领域进行最先原型化的过程。比如对于处理器异构计算革新，我们可以利用平台和最新的FPGA和CPU技术，帮助大家在一些热门领域来做研究加速以及创新。NI的优势是能最早帮助大家利用这些技术。在原型开发上，底层开发涉及的语言难学也费时。NI的平台可以帮助大家跳过这个环节，直接用Labview快速开发，让开发缩短时间，可以更快实现。


5G颠覆测试过程

2020年中国将率先对5G进行商业化。5G相比4G并不只是单纯的速率提升，而是因为其速率提升、网络容量提升，很多应用将有望变成了现实。比如，我们现在的网络节点更多是智能手机，这是由于速度或者网络通信能力所限。但是未来随着5G的上线，越来越多的智能汽车将有望成为网络节点，进行数字交换，车与手机也有望实现通信。此外，5G之所以谈得多，是因为其跟4G的技术跨度比较大。5G会用到多天线技术、大规模MIMO、毫米波技术，以及波束成形技术，这也导致我们整个测试方法和思路要改变。再具体一点来说，由于采用毫米波技术，它需要更高的带宽。这也就意味着我们对信号的带宽要求和的测试要求越来越多。另外是软件无线电技术。5G尚未有标准化通信协议，各个国家都希望自己的协议和标准能成为未来的协议和标准。因此，各国都在争分夺秒，希望把自己的算法和原型协议最快实验出来，把速率最快提升上来。

                               
登录/注册后可看大图

汽车电气化带来各种颠覆

汽车的电气化指的是把新能源汽车和智能汽车相结合。其将在航空领域率先实现，现在飞机上的电气化程度比汽车高得多，比如浦东的商飞，其已经完全实现了电气化的机身结构。未来的汽车也会如此。尽管新能源车现在的技术还不是那么成熟，但是在中国，北上广深都出台了相关鼓励政策，德国、欧洲也都陆续推出了相关政策，未来新能源车应该是趋势。汽车的电气化不仅要用电机、电池来驱动，而且需要采用智能传感和传导器件使其更加智能，并通过电气化的方式使其有机连接成整体。以往汽车采用方向盘控制，通过齿轮臂来改变轮胎的方向。现在则是通过电传的方式，即通过电、信号和传感器的组合来实现车辆的偏移。不仅如此，汽车某个时段集中充电还会产生用电高峰，对电网建设提出挑战，并带来电价问题。
此外，内燃机是一套纯机械方式，有变速箱和齿轮。新能源汽车可能简化为只有电池、电机、驱动器。怎么对其测试，以及与自动驾驶联合测试是个挑战。前不久奥迪发布的A8，是第一款基于L3智能驾驶级别的车辆。其意味着真正的自动驾驶汽车面世，但其测试也变得愈加困难。汽车会越来越像飞机。比如，飞机有雷达来探测前方的云和空域；现在汽车也要安装雷达，不仅是方便开车和倒车，更多是实现道路的判别和识别。
最后，NI全球市场高级副总裁Ajit Gokhale对于其基于平台的方式方法（包括软件硬件）做了几点重点强调。
1.开放的软件，能够快速应对多种变化。比如无人驾驶汽车有很多标准还在定义当中，而NI开放的软件使得用户可以快速调整设计，来应对不断的变化。2.硬件。NI的硬件和软件紧密结合，并且可以和未来的生态系统很好地连接在一起。3.同步。不管是5G多路信号还是汽车传感器融合等等，同步都非常重要。4.数据。未来数据呈指数性、爆炸性增长，尤其是5G和IoT会产生大量数据。NI具有快速移动和管理数据的能力，其从25年以前就开始投资和布局。平台的宽度和广度，无论是汽车雷达测试、射频测试还是硬件在环仿真测试，NI提供了一个统一的平台，可以兼顾各种测试类型。这是其优势所在。


院校圆桌论坛：3个校企合作案例&“双一流、新工科”、“智能制造”话题

众所周知，NI非常注重校企合作，在NIDays上也举办了院校圆桌论坛。
论坛上谈到了2个校企合作案例。NI与西安电子科技大学共同合作开发了混合信号IC测试的课程。西电的老师将NI的ASTS半导体综合知识平台作为这门课程的专业实验教学平台，并且开发了配套的教材，让学生充分掌握静态参数测试、动态参数测试，以及综合测试的原理、技术及方法。
NI集行业合作伙伴，与常熟理工共同开发了11门的校企合作课程，覆盖了专业基础的测控技术、虚拟仪器到专业核心的汽车电子控制、测控技术等等。另外，常熟理工将NI助理开发工程师的行业认证引入到了教学当中，学生只有通过了这个认证，才能够毕业和就业。毕业生就业也是供不应求。
另外，NI也于近日发布新闻稿表示，NI与东南大学宣布达成战略合作，搭建毫米波技术联合实验室助力5G预研。
论坛上探讨了“双一流、新工科”、“智能制造”以及“人才培养”这几个话题。

                               
登录/注册后可看大图

论坛主持人：
●NI院校计划经理潘宇（左一）论坛嘉宾：
●吴幼华，中国仪器仪表学会常务副理事长（正中）●付宇卓教授，上海交通大学教务处副处长，学生创新中心常务副主任（右二）●张志强，中车青岛四方机车车辆股份有限公司，国家工程实验室实验部主任（左二）●郭文哲Sam，美国国家仪器有限公司上海研发部总经理（右一）对于“国家提出的‘双一流、新工科’的新方向和教育理念，背后的意义在哪里？”这个问题，付教授认为，双一流或者新工科，其实也不见得是教育部所提出来的。“双一流”网上有很多段子，也未必见得那么严肃。其实它是类似985的另外一种形式，是国家新的一轮战略投入。“新工科”则一是要对标2025，在大数据产业；二是对AI应用来说，怎么实现产业协同。
郭总表示，有一个报道说现在的学生有65%在就业的时候，要进入到一个现在不存在的、无关的行业。因此，这对于高校怎么培养下一代人才带来很大挑战，任重而道远。从企业角度来说，我们所重视的一个技能是要快速学习，因为现在技术变化非常快。怎么样把学习转变成真正有用？还有创新也非常重要。但是不管是快速学习，还是创新，都要建立在一个非常扎实的理论基础和基本功上。
对于智能制造，怎么样通过产学合作，去促进产业发展，张主任认为，我们可以借鉴一下NASA的分析体系理论。科研院校是对于高校的一个拓展支撑，他们最多能做到七级。这样后续再开展。然后把对学生的培养融合，从理论方面做到就业方面去。而对于工业界和企业来说，我们关注到八级。这就需要一些很专业的团队，比如美国好多的咨询公司，就做这方面的工作。因此，产学研用需要形成一个很大的项目团队。通过这种细致的分工，从学校、科研单位、专业公司、咨询机构和企业本身来讲，怎么样从需求层面进行完美的结合，效果能做得相对好一些。
对于人才培养的经验和建议，吴理事长表示中国的发展有很大的机遇。我们工科需求很大，相当于一个欧洲中等以上国家。但是这其中也包括很多人工智能、大数据、云计算、物联网等等，我们也不要忘了工业的基础，基础工艺、基础材料、基础人才管理。这一点NI做得非常好。我们怎么样让中国未来大学生呈井喷式发展，也是一种厚积薄发。大学很关键，大学强，则中国强，所以高校一定要做好产学研用，现在叫官（政府）产学研用媒（体）基（层机构）。