在這個工程和測量數(shù)據(jù)爆炸的時代，如果企業(yè)沒有制定穩(wěn)妥的數(shù)據(jù)管理戰(zhàn)略，幾年后他們將無法有效應(yīng)對和管理所有的數(shù)據(jù)。因此，一流的測量和分析解決方案必須具備兩個基本功能：(1) 終端分析 (2) 智能企業(yè)管理和分析。

將測量分析推向智能終端

將測量分析推向智能終端過去十年來，數(shù)據(jù)采集設(shè)備和傳感器的智能功能快速增加，而且變得更加分散，處理元件也放置在更靠近傳感器的位置。如果看一下ARM、Intel和Xilinx 等公司的最新芯片和IP 所集成的采集系統(tǒng)和節(jié)點就可以充分證明這一點。但是除了測量設(shè)備更加智能之外，傳感器同樣也日益智能化，智能傳感器將傳感器、信號調(diào)理、嵌入式處理器和數(shù)字接口/ 總線集成到一個極其小巧的封裝或系統(tǒng)中。

鑒于這一趨勢，現(xiàn)在許多應(yīng)用都強調(diào)了邊緣設(shè)備的智能化和高級信號處理。在資產(chǎn)監(jiān)控應(yīng)用中，傳統(tǒng)的測量系統(tǒng)將每個數(shù)據(jù)點記錄到磁盤上，即使所測量的物理現(xiàn)象并有發(fā)生任何實質(zhì)性的行為。這將導致所部署的系統(tǒng)會產(chǎn)生數(shù)千兆字節(jié)甚至數(shù)萬億字節(jié)的數(shù)據(jù)需要進行分析和線下篩選。

由于處理在更加靠近傳感器的位置進行，測量系統(tǒng)軟件必須所有創(chuàng)新才能在邊緣設(shè)備上高效地進行分析。未來基于終端的系統(tǒng)的軟件需要能夠快速配置和管理成千上萬個聯(lián)網(wǎng)的測量設(shè)備，并在這些節(jié)點上進行大量分析和信號處理。 展望未來，企業(yè)必須過渡到更加智能且基于軟件的測量節(jié)點才能跟上模擬數(shù)據(jù)爆炸式增長的速度。

?

物聯(lián)網(wǎng)的智能終端分析和其他工業(yè)解決方案對于解決工業(yè)大數(shù)據(jù)問題發(fā)揮著重要的作用。智能測量節(jié)點提供在線數(shù)據(jù)分析，從而更快速獲得有意義的結(jié)果。現(xiàn)在是時候通過大數(shù)據(jù)獲得更多信息了。

— Tom Bradicich，惠普企業(yè)超大型主機服務(wù)器和物聯(lián)網(wǎng)系統(tǒng)總經(jīng)理和副總裁

?

更智能的企業(yè)管理和分析

采集智能系統(tǒng)的數(shù)據(jù)后，下一個步驟就是將數(shù)據(jù)傳送到企業(yè)系統(tǒng)來有效地管理和整合數(shù)據(jù)以及進行大規(guī)模分析。一個能夠多來源工程數(shù)據(jù)的企業(yè)數(shù)據(jù)管理和分析解決方案將有助于正確的人員在正確的時間獲得正確的數(shù)據(jù)，從而做出正確的決策。其中兩個主要的考量因素是能否正確地歸檔數(shù)據(jù)以及更智能地進行分析。

正確地歸檔數(shù)據(jù)

為了準確地對多個數(shù)據(jù)源進行數(shù)據(jù)分析，所有數(shù)據(jù)集應(yīng)包含一致的元數(shù)據(jù)或描述性信息來解釋測試數(shù)據(jù)被保存的原因。元數(shù)據(jù)包含的信息包括測試設(shè)置、測試結(jié)果、測量單位等。據(jù)IDC 的調(diào)查顯示，大多數(shù)公司僅對22% 的采集數(shù)據(jù)進行文檔記錄，而實際上能夠進行分析的數(shù)據(jù)平均只有5％。因此還有許多可能非常重要的數(shù)據(jù)沒有被充分利用。重視將元數(shù)據(jù)標準化的公司將能夠?qū)崿F(xiàn)更高程度的數(shù)據(jù)分析自動化，從而獲得明顯的競爭優(yōu)勢。

但是在開始進行元數(shù)據(jù)標準化之前，工程師必須首先在哪些元數(shù)據(jù)對分析非常重要這個問題上達成一致。 一流的公司通常會有一個項目規(guī)范來定義所采集的元數(shù)據(jù)的命名和屬性。應(yīng)用程序應(yīng)該在采集時試圖記錄盡可能多的已定義屬性。但是在采集了數(shù)據(jù)之后，許多公司會通過運行自動檢查和插入缺少的屬性來添加數(shù)據(jù)屬性。比如，捷豹路虎對元數(shù)據(jù)進行自動化質(zhì)量檢查，并在一年內(nèi)開發(fā)和實現(xiàn)了企業(yè)數(shù)據(jù)管理解決方案，以前該公司僅能分析10％的數(shù)據(jù)，預計接下來這個數(shù)據(jù)將可達到驚人的95％。元數(shù)據(jù)的一致性使得它們能夠應(yīng)用一致的自動化分析來匹配已定義的屬性。

更智能的分析

根據(jù)Frost ＆ Sullivan 2015 年9 月對全球測試與測量大數(shù)據(jù)分析市場報告指出，如果將大數(shù)據(jù)分析應(yīng)用到測試中，產(chǎn)品開發(fā)成本將可減少近25％，運營成本將可減少近20％，維護成本將可降低50％。由于大模擬數(shù)據(jù)是增長最快速且數(shù)量最龐大的數(shù)據(jù)類型，尋找新的相關(guān)性并預測未來行為是保持競爭優(yōu)勢的關(guān)鍵。

要做到這一點，為了研究、設(shè)計和驗證目的而進行測量的公司需要大大優(yōu)化采集和分析邊緣設(shè)備數(shù)據(jù)的方式，并在企業(yè)內(nèi)部對數(shù)據(jù)進行管理和分析，以確保能夠有效地利用這些數(shù)據(jù)來做出正確的決策。 他們越早這樣做，就能夠越早利用更精準的數(shù)據(jù)獲得更大回報。