“工業智能化，美國靠軟件，提倡技（技術）匠精神；德國靠機器，講究器匠精神；日本靠人，追求工匠精神；中國則靠數據。”在2017年7月14日2017 NI工業物聯網高峰論壇舉辦期間，美國辛辛那提大學教授、美國智能維護系統中心主任李杰（Jay Lee）對中國工控網如是說，中國最大的數據量來自工業，遠超阿里巴巴和谷歌。大量的數據都在中國匯集，這無疑給了中國制造最好的資源優勢。利用好這一資源，可彌補中國在裝備制造和核心零部件等方面的弱勢與短板。

言談間，無論是工業物聯網、大數據，還是智能制造的實施路徑，李杰教授都侃侃而談，見解獨到。他除了是精通工業4.0和大數據的教授、美國機械工程學會（ASME）及美國制造工程學會（SME）的會士之外，還是白宮信息物理系統項目顧問和美國國家科學基金會（NSF）智能維護系統產學合作中心創始主任，目前的研究方向包括以工業大數據分析、信息-物理系統技術（CPS）、智能維護系統和產品及服務主控式創新創值設計（Dominant Innovation）。

（美國辛辛那提大學教授、美國智能維護系統中心主任李杰）

不可見世界的價值挖掘

當前，智能制造成為業界關注的熱點。2015年，工信部批準了46個智能制造試點示范項目和94個智能制造專項，發布了國家智能制造標準體系建設指南（2015版），很多企業躍躍欲試，希望通過推進智能制造實現“少人化”，降低成本，靈活應對市場變化，更好地滿足客戶需求。

然而，智能制造概念滿天飛，很容易讓制造企業無所適從。追本溯源，從工業1.0步步升級而出的智能制造究竟是什么？在華南地區走訪時，李杰教授發現，很多企業誤將本應屬于自動化的“機器換人”視作智能化，“這是基本觀念產生了誤差”。

李杰教授就技術變革對工業的影響進行形象解讀：第一次工業革命是將人力自動化，蒸汽機的誕生實現了能源的轉換；第二次工業革命是對人力進行標準化、合理化分割，并系統化起來，形成流水線分工合作的自動化；第三次工業革命利用計算機技術實現機器動作的自動化，利用數控技術實現機器換人，這一階段對應工業3.0，其貢獻在于把機器變得聰明；工業4.0的智能化目的是促成知識化的誕生，第四次工業革命是知識的智能化，互聯網時代數據大爆發，你首先需要核實信息真假，其次就需考慮如何讓數據產生更多的價值。

“大數據的目的并不是追求數據量大，而是通過系統式的數據收集和分析手段，實現價值的最大化。所以推動智能制造的并不是大數據本身，而是大數據的分析技術，”李杰教授說，數據來源于不可見世界，它本身不會說話，也不會直接創造價值，真正為企業帶來價值的是數據經過實時分析后及時地流向決策鏈的各個環節，或是成為面向客戶創造價值服務的內容和依據。

他進一步解釋，大數據之于智能制造好比是一個健康檢查的過程，能夠真實反饋身體存在膽固醇過高，或肝指數過高等看不到的信息。大數據對智能制造的推動有幾種：其一，利用大數據分析，從解決問題到避免問題；其二，利用大數據預測隱性問題，在問題成為顯性前就進行解決；其三，利用反向工程，從結果中找到原因。

如何讓數據得到有效分析

大數據究竟有多大？美國國家儀器行業市場經理崔鵬給出一張圖。

（圖片來源：NI）

“然而，根據IDC此前的EMC數字宇宙研究顯示，平均僅5%的數據得到分析。”崔鵬說，工業領域各個行業客戶對此反饋出的問題集中體現在：第一，數據來源非常廣泛，或未被采集，或以手工方式記錄，缺少有效系統對數據進行采集；第二，數據采集到后如何進行有效存儲；第三，數據的存儲方式如何選擇，私有云、公有云、混合云還是服務器；第四，數據存儲后，是否有平臺對數據進行有效分析，誰來提供數據服務。

（美國國家儀器行業市場經理崔鵬）

為應對無限的模擬數據及傳感器和換能器數據等大模擬數據挑戰，NI認為，第一步需要更智能的測量數據，第二步需要更智能的數據管理。針對工業物聯網系統對數據采集、邊緣計算、開放連接、智能控制的需求，NI提出了基于LabVIEW平臺的工業物聯網解決方案，通過臺式便攜測量設備、CompactDAQ、PXI模塊化儀器、CompactRIO等設備及嵌入式系統設計方案，可實現分布式數據采集、狀態監測及預測性維護、工業大數據分析、智能控制、實時測試等應用。圖形化的編程平臺可幫助工程師極大地簡化系統復雜度及開發難度，加速產品上市時間。

（圖片來源：NI）

基于“中國制造2025”的NI平臺化解決方案

“隨著《中國制造2025》的逐步推進，智能制造、智慧測試、智慧電廠、智慧高鐵、智慧風電等領域對于分布式設備物聯網及大數據應用都有著迫切需求。”崔鵬說，NI平臺化解決方案可提供端到端的物聯網解決方案，將智能感知、分布式測量/數據采集/監測、邊緣計算、數據分析集為一體，涵蓋從產品前沿研究到快速原型、從硬件在環到臺架測試、從產線測試到工業監測的產品生命周期，助力加速實現工業物聯網與大數據創新應用。

（NI平臺化解決方案）

2017 NI工業物聯網高峰論壇上，NI展示出其解決方案中的諸多新成員：LabVIEW NXG、分布式系統管理軟件SystemLink、企業級分布式在線監測軟件NI InsightCM?、支持TSN功能的最新CompactDAQ以太網機箱。

（2017 NI工業物聯網高峰論壇現場產品展示）

其中，下一代LabVIEW工程系統設計軟件的第一版LabVIEW NXG 1.0幫助工程師進行臺式測量，通過新的非編程工作流程大幅提高其工作效率，以獲取并迭代分析測量數據。非編程工作方式在幕后生成必需的代碼達到簡化自動化作業的目的。例如，工程師能拖拽一部分代碼，相當于50行基于文本的代碼。

NI SystemLink是2017NI WEEK發布的一款遠程系統管理軟件。它優于遠程數據管理，可以在網絡端進行配置管理，不僅可以實現遠程故障診斷，還可以實現數據管理，對于分布式系統管理意義顯著。

NI InsightCM?是一款可幫助老化資產提高可靠性和正常運行時間的監測解決方案，幫助查看資產的健康狀況，以便制定運營和維護計劃。

“隨著測量系統逐漸從控制室轉變為更加靠近被測量設備，物理系統測試的性質也在迅速變化。盡管這樣的改變縮短了測量系統的安裝時間，降低了傳感器布線成本，并提高了測量精度，但同時也給同步和系統管理帶來了挑戰，特別是在使用當前的工業網絡技術時。”崔鵬說，為此，NI積極幫助定義TSN，TSN能夠提供分布式時間同步、低延遲、時間關鍵及網絡流量收斂，并于今年發布支持TSN功能的CompactDAQ多槽以太網機箱。

（TSN試驗臺）

CompactDAQ新機箱能使用基于網絡的時間自動同步測量數據。這能實現長距離精確同步，大幅簡化高通道數分布式系統的客戶安裝和系統管理。這種新的同步方式結合了LabVIEW系統級設計軟件的信號處理函數庫，幫助工程師快速收集并分析結果，有效提高測試速度和測試效率。

以NI系統集成商華穗科技與IBM公司合作推出的基于云的分布式數據采集系統為例，該系統覆蓋傳感層、設備層、網關層、云平臺、分析層等各個組成要素，通過利用NI CompactRIO將設備層傳來的基于各種協議的信號統一轉換為MQTT協議，并基于Bluemix大數據手機平臺搭建而成，最終幫助客戶實現預測性故障診斷和維護的解決方案。

此外，NI在工業智能領域的合作伙伴北京天澤智云科技有限公司作為NI 在PHM 領域的合作伙伴，通過基于NI平臺化系統設計方案，為客戶定制化開發面向工業物聯網領域的端到端解決方案，在現場也展示了基于NI InsightCM 架構的最新產品，通過工業智能算法引擎與賦能平臺及數據分析服務，幫助中國的工業客戶實現工業設備的實時健康管理與預測性維護。

聚焦工業物聯網和大數據創新應用，NI一直潛心研究自動化測試領域的未來技術。位于美國德克薩斯州奧斯汀NI全球總部的NI工業物聯網實驗室，專注于將操作技術、信息技術和專注于這些系統的公司連接起來的智能系統。該實驗室設計靈活，面向未來，其運營重點包括微電網控制和通信、先進制造控制，以及重型設備資產監測等領域.

“NI通過諸如工業互聯網聯盟（IIC）現場測試平臺的示范，眾多頂尖公司的參與以及相關領域專家的討論，共同提出創新解決方案，進而解決現實世界的挑戰。”崔鵬說。（文/gongkong張麗瑩）