作者：是德科技全球企業(yè)和產(chǎn)品營(yíng)銷(xiāo)副總裁 Jeff Harris 隨著(zhù)標準的不斷發(fā)展，跨越多個(gè)云環(huán)境的應用逐漸增多，用戶(hù)對“一體化”產(chǎn)品的期望也日益升高，這一切都讓當今的新電子產(chǎn)品變得越來(lái)越復雜。復雜性的增加直接影響了新電子產(chǎn)品的設計、開(kāi)發(fā)、仿真和測試覆蓋率，導致開(kāi)發(fā)團隊倍受壓力。 在眾多測試發(fā)展方向中，最主流的方向仍然是自動(dòng)執行設計和測試流程，并智能地洞察整個(gè)工作流程――即自動(dòng)化人工智能。然而，是德科技最近委托 Forrester 進(jìn)行的一項調查顯示，89% 的公司仍在使用手動(dòng)流程，只有 11% 的公司完全實(shí)現了測試矩陣的自動(dòng)化。 雖然全自動(dòng)化的采用率仍然很低，但各家公司也的確看到了自動(dòng)化的價(jià)值，其中 75% 的公司部分采用了自動(dòng)化流程，近一半的公司希望在未來(lái)三年內實(shí)現全自動(dòng)化。 人工智能、機器學(xué)習和數字孿生在復雜的電子系統開(kāi)發(fā)中越來(lái)越受到關(guān)注 2021 年 12 月，是德科技委托 Forrester Consulting 公司對數據集成、分析、人工智能（AI）和機器學(xué)習（ML）等技術(shù)在典型產(chǎn)品開(kāi)發(fā)周期中的運用進(jìn)行了評估。Forrester 調查了 400 多位開(kāi)發(fā)負責人，就他們當前在產(chǎn)品開(kāi)發(fā)過(guò)程中使用 AI 和 ML 的程度詢(xún)問(wèn)了一系列問(wèn)題。 最初，我們聽(tīng)到大多數組織表示他們對當前所用的開(kāi)發(fā)方法感到滿(mǎn)意，其中 86% 的組織表示滿(mǎn)意乃至非常滿(mǎn)意。然而，同樣是這些組織表示，他們 84% 的項目和設計要么采用了復雜的多層子系統，要么采用了集成系統，其中大部分都沒(méi)有經(jīng)過(guò)測試。 盡管一開(kāi)始看起來(lái)公司比較滿(mǎn)意，但是我們通過(guò)調查了解到，當被問(wèn)及想要提高電子設計流程的自動(dòng)化和智能程度，尤其是未來(lái)的打算時(shí)， 他們都感覺(jué)到了壓力。 目前，只有 10% 的公司在開(kāi)發(fā)過(guò)程中實(shí)現了全自動(dòng)化的設計和測試，但新冠疫情的肆虐已經(jīng)迫使企業(yè)加速采用遠程開(kāi)發(fā)和自動(dòng)化測試序列。開(kāi)發(fā)團隊還在爭取實(shí)現讓在不同地點(diǎn)辦公的人員持續協(xié)作，因此數字孿生的使用率很可能進(jìn)一步提升。 數字孿生和仿真：電子設計的新模式 長(cháng)期以來(lái)，硬件開(kāi)發(fā)人員在制作原型之前一直依賴(lài)仿真環(huán)境來(lái)設計硬件。使用軟件驅動(dòng)的仿真器或數字孿生使他們能夠對照已知的良好參考系統來(lái)衡量不同操作環(huán)境、條件和協(xié)議演變的影響，從而減少設計迭代次數。同樣，軟件開(kāi)發(fā)人員使用 Scrum 等方法并在虛擬仿真過(guò)程中進(jìn)行測試，也能逐步構建和部署新特性，如此也有助于減少設計迭代次數。 通信協(xié)議和云平臺持續演進(jìn)，軟件和固件不斷更新，導致電子產(chǎn)品交互變得日益復雜，給開(kāi)發(fā)人員構成現實(shí)挑戰，因為每一次演進(jìn)、每一次更新都會(huì )帶來(lái)一系列新變化，需要接受?chē)栏駵y試。通過(guò)盡量使用測試自動(dòng)化和不斷更新的數字孿生，開(kāi)發(fā)團隊能夠測試更多的變化并降低具體設計出現問(wèn)題的風(fēng)險。 在電子設計工作流程中實(shí)現自動(dòng)化人工智能 自動(dòng)化正迅速變成一項必須要實(shí)現的目標。目前，基于人工數據輸入、部分 Python 或圖形編程以及 Excel 表格的全手動(dòng)測試計劃只能滿(mǎn)足一小部分可能的用戶(hù)場(chǎng)景。每次軟件發(fā)布新版本后，設計人員都需要手動(dòng)更新測試計劃，從而導致電子設計周期進(jìn)一步拖延。 不過(guò)，雖然測試自動(dòng)化軟件能夠解決其中的一部分問(wèn)題，因而不可或缺，但這還遠遠不夠。測試自動(dòng)化的效果由它們得出的分析結果和洞察決定。此次 Forrester 調查的受訪(fǎng)者透露，他們的測試例中有一半以上都“超出了必要的范圍”。測試自動(dòng)化有助于縮短測試時(shí)間，但不能解決測試范圍、測試質(zhì)量和覆蓋率等問(wèn)題。利用分析和洞察結果，設計人員將能夠在設計工作流程中實(shí)現自動(dòng)化人工智能并執行范圍更廣的測試序列，在確保出色測試速度的同時(shí)還能覆蓋理想的測試范圍。 自動(dòng)化人工智能作為一種軟件模型，以是德科技極其豐富的測量技術(shù)和仿真能力為基礎搭建，可以為開(kāi)發(fā)人員提供快速的洞察，助力他們更快將設計推向市場(chǎng)并盡量避免風(fēng)險。無(wú)論是測量電源和接地、波形信號質(zhì)量、高速數據 I/O、網(wǎng)絡(luò )完整性還是應用交付，我們都必須考慮如何幫助客戶(hù)加快開(kāi)發(fā)過(guò)程。 自動(dòng)化人工智能的成功標志是什么？ 過(guò)去，人們在為新開(kāi)發(fā)項目制定策略時(shí)往往發(fā)現“快、好、省無(wú)法同時(shí)兼得”。如果一切都不變的話(huà)，這個(gè)結論現在可能仍然成立。但是，通過(guò)在開(kāi)發(fā)工作流程中集成自動(dòng)化人工智能，您也許能夠三者兼顧： • 更快：能夠加快產(chǎn)品上市速度 • 更好：提供更優(yōu)質(zhì)產(chǎn)品，讓客戶(hù)更滿(mǎn)意 • 更�。鹤尞a(chǎn)品開(kāi)發(fā)流程更敏捷、更高效 開(kāi)發(fā)團隊已經(jīng)通過(guò)這種方法獲得回報。無(wú)論產(chǎn)品開(kāi)發(fā)涉及的是采用最新無(wú)線(xiàn)通信標準的新興電子產(chǎn)品，還是高速數據傳輸、復雜云網(wǎng)絡(luò )或分布式應用軟件交付，工作重心都是相同的。搭建您的實(shí)驗室設計與測試解決方案，在每個(gè)階段都交付富有洞察力的分析結果。再輔之以 AI 和 ML，讓他們可以始終探索新的改進(jìn)余地。像您在制造階段所做的那樣在開(kāi)發(fā)環(huán)境中實(shí)現自動(dòng)化，將可以盡量縮短開(kāi)發(fā)時(shí)間，同時(shí)確保盡量出色的產(chǎn)品性能。 |
