Menu

Applicazione dell'IoT in fase di test

IoT e IIoT stanno rendendo il test più complesso.

Le tecnologie IoT possono aiutare ad affrontare sfide poste dal test automatizzato.

Gli ingegneri devono concentrarsi sui casi d'uso con il maggior valore aziendale.

image descriptionI dispositivi IoT (Internet of Things) e IIoT (Industrial Internet of Things), dai semiconduttori alle macchine intelligenti alla base dell'industria 4.0, stanno diventando sempre più complessi. Il test è una funzione nascosta ma critica in questa catena di prodotti e l'aumento della complessità dei dispositivi IoT aumenta a sua volta la complessità del test. L'IoT può anche migliorare notevolmente il test automatizzato. L'applicazione di funzionalità IoT come la gestione dei sistemi, la gestione, la visualizzazione e l'analisi dei dati e l'abilitazione delle applicazioni alle procedure di test automatizzato possono offrire ai test engineer strumenti migliori per superare le sfide dell'IoT.

Gestione dei sistemi di test

Avere dispositivi connessi e gestiti è fondamentale per IoT e IIoT. Molti sistemi di test, tuttavia, non sono collegati o ben gestiti, benché siano sempre più distribuiti. Spesso i test engineer hanno difficoltà a tracciare il software in esecuzione su un dato hardware o a capire dove si trovano i sistemi, per non parlare delle prestazioni di tracciamento, di utilizzo e di rilevamento dello stato di salute.

Fortunatamente, i più moderni sistemi di collaudo sono basati su PC o PXI e possono connettersi direttamente all'azienda, offrendo così funzionalità aggiuntive come la gestione di componenti software e hardware, il monitoraggio dell'utilizzo e l'esecuzione della manutenzione predittiva per massimizzare l'investimento nel test.

Acquisizione e gestione dei dati

image description Il valore aziendale dell'IoT deriva da enormi quantità di dati generati dai sistemi connessi. L'elaborazione dei dati di test è tuttavia resa difficile dalle diverse tipologie di formati e fonti, che possono andare dalle forme d'onda analogiche e digitali di tempo e frequenza alle misurazioni parametriche spesso raccolte a velocità e in volumi significativamente più elevati rispetto ai dispositivi consumer o industriali. Come se non bastasse, i dati di test sono spesso archiviati a compartimenti stagni con un livello di standardizzazione minimo. Di conseguenza, questi dati risultano "invisibili" per l'azienda, favorendo la perdita di informazioni che sarebbero preziose durante altre fasi del ciclo di vita del prodotto. Prima di implementare una soluzione completa per la gestione dei dati basata su IoT, Jaguar Land Rover (JLR) analizzava solo il 10% dei dati di collaudo dei veicoli. Simon Foster, amministratore di JLR Powertrain, ha dichiarato: "Attualmente stimiamo di analizzare fino al 95% dei nostri dati. Inoltre, la capacità di non ripetere i test ci ha permesso di ridurre i costi di collaudo e il numero di collaudi annuali".

L'applicazione delle funzionalità IoT ai dati di collaudo automatici inizia dagli adattatori software pronti all'uso per l'importazione di formati di dati standard. Questi adattatori devono essere costruiti con un'architettura aperta e documentata per garantire l'immissione di dati nuovi e unici, compresi i dati non di collaudo generati in fase di progettazione e produzione. I sistemi di collaudo devono essere in grado di condividere i propri dati con piattaforme IoT e IIoT standard per sfruttare completamente il valore dei dati a livello aziendale.

"Presto la norma sarà che i nostri clienti richiederanno la gestione e la manutenzione delle risorse di test ovunque nel mondo. Dobbiamo ridefinire le nostre architetture di test per integrare le tecnologie IoT, in particolare per evolvere la gestione della configurazione e l'analisi dei dati e supportare la digitalizzazione del nostro business per l'industria 4.0".

Franck Choplain, Digital Industry Director, Thales

Visualizzazione e analisi dei dati

L'uso di software di business analytics di carattere generale per i dati di collaudo può essere difficile perché tali dati sono spesso complessi e multidimensionali. Inoltre, le funzionalità tipiche dei grafici aziendali non includono visualizzazioni comuni nei collaudi e nelle misurazioni, come grafici combinati di segnali analogici e digitali, diagrammi a occhio, grafici Smith e diagrammi a costellazione.

Gli schemi orientati al collaudo con metadati appropriati consentono di fornire strumenti di visualizzazione e analisi per i dati di collaudo e di correlarli con i dati di progettazione e produzione. Dati di collaudo ben organizzati consentono ai test engineer di applicare analisi tratte da statistiche di base all'intelligenza artificiale o all'apprendimento automatico per ottenere processi che integrano e sfruttano strumenti comuni, come Python, Re il software sviluppato da MathWorks, Inc. MATLAB®, oltre a generare maggiori informazioni dai dati.

Sviluppo, distribuzione e gestione del software di collaudo

Il mondo si sta spostando da applicazioni esclusivamente desktop verso applicazioni Web e mobili. Questa trasformazione può essere difficile da realizzare nel mondo dei collaudi. L'elaborazione sul dispositivo in collaudo (DUT, Device Under Test) è necessaria per elaborare grandi quantità di dati e prendere decisioni pass/fail in tempo reale; gli operatori locali devono quindi interagire con il tester e il DUT. Allo stesso tempo, le aziende desiderano accedere da remoto ai tester per vedere i risultati e lo stato operativo. Per risolvere questo problema, alcune aziende hanno sviluppato architetture specifiche per la gestione centralizzata del software e scaricano software sui tester basati sul DUT. Tuttavia ne consegue la necessità di dover mantenere un'architettura personalizzata e risorse aggiuntive che potrebbero essere assegnate ad attività con un valore aziendale più elevato. La gestione di test di livello superiore è un buon motivo per passare dal tester locale a una distribuzione cloud.

li strumenti basati sul Web consentono di visualizzare lo stato del tester, pianificare i test ed esaminare i dati di collaudo inviati a una piattaforma cloud o a un server. Funzionalità di gestione di livello superiore completano i sistemi di collaudo esistenti realizzati con strumenti comuni come NI LabVIEW, Microsoft .NET, NI TestStand e Python. Un'architettura software di collaudo modulare (gestione del collaudo, codice di test, IP di misurazione, driver degli strumenti, livelli di astrazione hardware) consente alle aziende di valutare i compromessi legati alla migrazione di diverse funzionalità software da un'esecuzione locale a un server o una piattaforma cloud. Man mano che lo stack del software di prova si sposta verso implementazioni cloud, le aziende comprendono i vantaggi del cloud computing per l'archiviazione dei dati, l'elaborazione scalabile e un facile accesso a software e dati da qualsiasi luogo.

Trarre vantaggio dall'IoT per il test

Sfruttare l'IoT per il test non è un'idea futuristica; può accadere già oggi. Dipende dall'infrastruttura di test automatizzato in uso e dalle esigenze aziendali più pressanti. Gli aspetti più comuni da considerare sono il miglioramento della gestione del sistema di collaudo, l'aumento dell'utilizzo delle apparecchiature di test, l'acquisizione di informazioni più dettagliate e l'accesso remoto ai sistemi di collaudo condivisi. Un approccio software-defined con un alto grado di modularità consente alle aziende di concentrarsi sulle aree di maggior valore senza dover prendere una decisione categorica.

INTELLIGENZA CONNESSA PER IL TEST AUTOMATIZZATO

image description

Approfondimenti

image description

Mike Santori

NI Business and Technology Fellow

MATLAB® è un marchio registrato di The MathWorks, Inc.

NI Trend Watch 2019: Scopri i nuovi trend tecnologici per pianificare in modo efficace il tuo futuro

NI Trend Watch - Download