NI Trend Watch 2018

Технология никогда не развивалась так быстро, как сейчас, поэтому следует серьезно задуматься о конечной цели и путях ее достижения. NI Trend Watch дает представление о некоторых наиболее крупных тенденциях и задачах, с которыми столкнутся инженеры по мере того, как технический прогресс продвигается все более интенсивными темпами.

ТЕНДЕНЦИИ, НАБЛЮДАЕМЫЕ В 2018 г.

3 требования для промышленного Интернета вещей

Быстрое распространение интеллектуальных и «подключенных» изделий в среде промышленного Интернета вещей (Industrial Internet of Things, IIoT) предоставляет огромные возможности для увеличения производительности и снижения затрат, однако часто из виду упускается управление этими распределенными системами. Ознакомьтесь с тремя требованиями для успешного управления вещами.

5G для изменения процессов тестирования

Инновационное влияние 5G не заканчивается на разработке. Решения для тестирования и измерения станут ключевыми в цикле коммерциализации, однако для 5G требуется другой подход к тестированию, отличный от подхода для предыдущих технологий беспроводной связи. Узнайте, что потребуется для реализации 5G.

Нарушение закона Мура

На протяжении десятилетий постоянный темп внедрения инновационных решений очень близко соответствовал закону Мура, несмотря на несколько незначительных пересмотров и разговоры о его нарушении. Однако на сегодняшний день после более чем 50-летнего периода наблюдения снова встает проблема его жизнеспособности. Узнайте, что это означает для будущего рынка полупроводников.

Последствия электрификации

Тенденция электрификации транспортных средств гораздо глубже по сравнению с глобальным переходом от двигателей внутреннего сгорания и гибридных автомобилей на полностью электрические силовые агрегаты. Рассмотрите условия, выходящие за рамки повышения сложности устройства самого транспортного средства, включая новые потребности в инфраструктуре.

Машинное обучение заставляет данные работать

Интеллектуальные системы создают и основываются на данных, но постоянно возрастающий объем данных обостряет проблему Big Analog Data™. Узнайте, как машинное обучение решает эту проблему, чтобы технические специалисты могли сосредоточиться на поиске следующей важной проблемы и ее решении.