大数据开始在工业制造测量领域崭露头角

　　如今，大数据不仅登上了技术新闻头条还占领了流行资讯的版面。然而，与大模拟数据相比，大数据也只是小巫见大巫。美国国家仪器公司（NI）TomBradicich称，从生产线和产品获取的模拟数据或称为物联网（IoT）使大数据相形见绌。

　　谈到数据，就要考虑流量。首先，要从模拟测量中实时或非实时地获取数据；然后区分动态数据和静态数据；最后归档数据，并按照数据来源或用途进行描述。如果是监控一个即将起火的电机，数据的实时性至关重要。另一方面，如果是要从三年的数据中分析出其发展趋势，实时性就可以忽略。

　　“在测试和测量过程中，我们可能会和IT争论到底哪种数据更大。”Bradicich表示，“这不仅是看数据量，还得看速度。数据离开NI设备时是动态的，然后到达交换机、服务器或工作站，最后在IT服务器中落脚。随后，IT会接管这些数据，对其进行分析和归档。我们面临的问题是客户到底想了解哪一步？是更接近仪器还是最终桌面上的文件。数据的四个传统变量包括流量、速度、多样性和价值。我们还为那些需要看到分析结果的人增加了第五个变量-可见性。”

　　作为一家领先的测量公司，NI已经与数家公司合作准备推出大数据解决方案。鉴于NI研发高级副总裁TomBradicich来自IBM，IBM成为NI最亲密的合作伙伴一点也不出乎意料。作为IBM大数据平台的一部分，IBM的InfoSphereStreams产品可以实时处理海量数据，并允许用户开发的应用快速吸收、分析和关联来自数千个实时数据源的信息。该解决方案的数据吞吐量极高，每秒可处理数百万的事件或消息。

　　NI的另一个合作伙伴PhasorMeasurement已经研发出一个监控电网的解决方案。Bradicich称，它每月可以产生5TB数据。一个风力涡轮每天可产生10TB数据，一个喷气式飞机每小时可产生20TB数据。这些快速流动的数据很容易堆叠起来。

　　DukeEnergy也建成了一个监控和分析化石燃料发电厂数据的系统。传统方法是将手持数据采集设备的状态监测专家送到每个站点，这些专家将花费80%的时间收集数据而他们实际分析数据的时间仅有20%。如果部署了大模拟数据解决方案，预防维护专家就可以行程观看设备和记录异常指数，如果需要的话就将这些指数与故障指数数据库中的信息对比，然后更及时地采取纠正操作。

　　在你深入探究一个流行词的时候，有时你会发现解决一些棘手问题的方法。因此，不要被各种各样的大数据弄得不知所措，或许你可以利用它解决一些主要的工程问题。（Shirley译）