從半導體到電子子系統再到工業4.0的核心——智能機器，物聯網(IoT)設備和工業物聯網(IIoT)系統正變得越來越復雜。測試是該產品鏈中容易被忽視但卻非常關鍵的要素，而物聯網設備的復雜化又進一步增加了測試的復雜性。但同時物聯網還可以大大增強自動化測試的工作效率。將系統管理、數據管理、可視化和分析以及應用程序支持等物聯網功能應用于自動化測試工作流程，可以幫助測試工程師更輕松地應對物聯網的挑戰。
管理測試系統
IoT和IIoT的基礎是設備互聯及統一管理。然而，目前許多分布式測試系統并沒有實現互聯或有效的設備管理。通常，測試工程師難以跟蹤在任何一臺硬件設備上運行的軟件，或者只知道系統的位置，而無法獲知其性能、使用率和健康狀況。
幸運的是，大多數現代測試系統都基于PC或PXI，可以直接連接到企業系統，從而實現額外的功能，如管理軟件和硬件組件、跟蹤使用情況以及執行預測性維護，從而最大限度地提高測試投資的價值。
接入和管理數據
物聯網的商業價值來自互聯系統生成的海量數據。 然而，由于存在各種數據格式和來源，有效利用測試數據變得非常困難，從時域和頻域的原始模擬和數字波形到參數測量等數據通常以遠高于消費者或工業設備的速度和數量進行采集。更糟糕的是，測試數據通常存儲在沒有標準化的“孤島”(silos)中。 因此，這些數據對企業來說是“不可見的”，因此很容易錯過產品生命周期其他階段的有用信息。在部署全面的基于物聯網的數據管理解決方案之前，捷豹路虎(JLR)僅分析了10%的車輛測試數據。 JLR動力總成經理Simon Foster表示，“我們現在可以分析高達95%的數據并降低了測試成本和年度測試次數，因為我們不需要重新運行測試。”
將IoT功能應用于自動化測試數據，首先需要一套即用型的軟件適配器，用于接入標準數據格式。這些適配器必須基于開放的文檔化架構，以便能夠接收新的和唯一的數據，包括來自設計和生產的非測試數據。測試系統必須能夠與標準IoT和IIoT平臺共享其數據，以從企業級數據中提取有用信息。
可視化和分析數據
由于測試數據通常是復雜且多維的，使用通用業務分析軟件來分析測試數據可能非常困難。此外，典型的商務制圖并不包括測試和測量中的常見可視化功能，比如模擬和數字信號組合圖表、眼圖、史密斯圓圖和星座圖等等。
具有適當元數據管理的，面向測試的模式使工具具備可視化和分析測試數據的能力，并將其與設計和生產數據相關聯。結構清晰的測試數據可讓工程師將基本統計數據分析應用于人工智能和機器學習，從而將Python、R和The MathWorks，Inc.MATLAB®軟件等常用工具集成到工作流程中，進而從數據中提取更多有用的信息。
開發、部署和管理測試軟件
傳統的專用桌面應用程序正在逐步轉向基于網絡的移動應用程序。這種轉變使得測試難以實現。首先，需要在被測設備(DUT)上進行實時計算，以處理海量數據并實時做出測試通過/失敗的決策，同時本地操作員需要與測試設備和DUT進行交互。但是，公司希望遠程訪問測試設備以查看結果和利用率等系統運行狀態。為了解決這個問題，一些公司已經建立了一次性架構來集中管理軟件，并且將軟件下載到基于DUT的測試設備上。但正因為如此，他們必須維護自定義架構，這需要額外的資源，而這些資源本應用于具有更高業務價值的活動。
更高級別的測試管理是從本地測試設備遷移到云端部署。 基于網絡的工具可用于查看測試設備的狀態、安排測試時間以及檢查推送到云或服務器的測試數據。 更高級別的管理功能補充了使用NI LabVIEW、Microsoft .NET語言、NI TestStand和Python等常用工具構建的現有測試系統。 模塊化測試軟件架構(測試管理、測試代碼、測量IP、儀器驅動程序、硬件抽象層)使公司能夠評估將不同軟件功能從本地移動到服務器或云端的價值。 隨著越來越多的測試軟件棧遷移到云端部署，公司將意識到在云端計算存儲的數據、可擴展計算以及隨時隨地輕松訪問軟件和數據等方面所帶來的優勢。
利用物聯網進行測試
利用物聯網進行測試并不是一個未來設想，而是在當下切切實實可實現的。 一個組織的能力取決于其當前的自動化測試基礎架構和最迫切的業務需求。 需要考慮的一些常見領域是改進測試系統管理、提高測試設備利用率、從測試數據中獲得更有意義的信息，以及遠程訪問共享測試系統。具有高度模塊化的軟件定義方法可讓企業專注于最有價值的領域，而無需做出高風險的決策。
