Il 18 febbraio 2025, a Milano, presso il Centro Congressi dell’NH Hotel, si sono svolti gli NI Days, un evento di rilevanza internazionale organizzato da National Instruments.
Questo incontro, che ha visto la partecipazione di professionisti del settore, partner aziendali e appassionati, ha offerto un’importante occasione di aggiornamento sulle ultime tendenze e tecnologie nel campo delle misurazioni, dell’automazione e della progettazione di sistemi.
Un tema centrale, emerso già dalla riunione esclusiva per i partner, ha riguardato la crescente integrazione tra LabVIEW e Python.
Questo argomento ha suscitato ampie discussioni tra i partecipanti, soprattutto in relazione alla scelta strategica di National Instruments di valutare l’integrazione di Python, uno dei linguaggi di programmazione più diffusi e utilizzati negli ultimi anni, al suo software di punta, LabVIEW, tradizionalmente utilizzato per la progettazione di sistemi di misurazione e controllo.
Il dibattito ha posto in evidenza le potenzialità e le sfide dell’adottare Python come parte integrante dell’ecosistema LabVIEW, esplorando aspetti legati all’efficienza, alla flessibilità e alla compatibilità tra i due strumenti.
L’integrazione di Python in LabVIEW: La Visione di NI dal 2018
Già nel 2018, National Instruments aveva previsto l’espansione del linguaggio di programmazione Python nel campo delle applicazioni di misurazione e automazione.
Per rispondere a questa tendenza crescente, NI ha sviluppato una libreria Python che consente di integrare Python all’interno di LabVIEW.
Questa integrazione avviene attraverso una catena di operazioni che include tre componenti principali:
- Close Python Session: Termina la sessione Python, liberando le risorse utilizzate.
- Python Node: Consente l’esecuzione di script Python direttamente all’interno di un diagramma a blocchi di LabVIEW.
- Open Python Session: Inizializza la sessione Python all’interno di LabVIEW.
Questo permette di eseguire script Python presenti nel PC, specificando il loro percorso all’interno del Python Node. Inoltre, è possibile ricevere in uscita i parametri passati nel terminale, utilizzando il tipo di ritorno definito.
Con il rilascio di LabVIEW 2023 Q1, NI ha esteso il supporto agli ambienti virtuali Python, inclusi Anaconda e venv.
Questa integrazione permette agli sviluppatori di gestire facilmente le dipendenze e le versioni dei pacchetti Python, garantendo un ambiente di sviluppo più controllato e replicabile.
Per versioni precedenti, potresti trovare interessante il nostro articolo Python Virtual Environment per LabVIEW.
L’uso di ambienti virtuali facilita inoltre la collaborazione tra team e la distribuzione di applicazioni, assicurando che le configurazioni Python siano coerenti su diverse macchine e installazioni.
Nonostante LabVIEW domini il settore dell’acquisizione dati grazie alla sua interfaccia grafica intuitiva e all’integrazione diretta con hardware di misura, negli ultimi anni ha dovuto confrontarsi con la crescente diffusione di Python.
Se da un lato LabVIEW eccelle nella gestione del flusso di dati provenienti da sensori e strumenti di misura, dall’altro Python si è imposto come lo standard per l’analisi avanzata, grazie alla sua vasta gamma di librerie per il machine learning, l’elaborazione statistica e la visualizzazione dei dati.
Questo ha portato molti sviluppatori e ricercatori a integrare entrambi gli strumenti, sfruttando la precisione dell’acquisizione di LabVIEW e la potenza analitica di Python.
Un Approccio Ibrido: LabVIEW per l’Acquisizione, Python per l’Elaborazione
Perché Utilizzare LabVIEW per l’Acquisizione Dati?
LabVIEW è lo standard per:
- Gestione Hardware: Integra in modo nativo strumenti di misura (oscilloscopi, sensori, attuatori) e sistemi di automazione.
- Applicazioni in Tempo Reale: Offre capacità real-time e deterministiche, fondamentali in settori quali controllo qualità, test industriali e ricerca scientifica.
- Affidabilità: Riduce il rischio di perdita di dati o errori di sincronizzazione grazie al supporto per moduli FPGA e sistemi embedded.
- Gestione implicita del Multithreading, Sincronizzazione con Code e Notifier, una migliore gestione e performance sulla programmazione asincrona.
- Interfacce WYSIWYG (What You See Is What You Get)
- Programmazione Grafica, intuitiva, AutoDocumentata
- Tempi di prototipazione e sviluppo più rapidi
- Curva di apprendimento più veloce
Queste caratteristiche rendono LabVIEW la scelta migliore per acquisire dati con alta precisione e affidabilità.
Python? Complementare al LabVIEW per quello che LabVIEW non fa.
Python può essere considerato come un linguiaggio general purpose, una sua grande applicabilità è l’analisi dati grazie a:
- Librerie Avanzate: Strumenti come NumPy, Pandas, SciPy, Matplotlib, Seaborn, TensorFlow e scikit-learn permettono di effettuare calcoli scientifici, analisi statistiche, machine learning e visualizzazione dei dati.
- Scalabilità e Automazione: La capacità di gestire grandi dataset e distribuire il carico computazionale su più core o GPU.
- Aggiornamenti Costanti e Comunità Attiva: Python beneficia di una comunità di sviluppatori in continua crescita, che garantisce aggiornamenti e nuove funzionalità per rimanere sempre all’avanguardia.
Grazie a queste potenzialità, Python è perfetto per trasformare i dati acquisiti in informazioni utili e approfondite.
Ancora può essere un valido complemento a LabVIEW per lavorare con database, applicazioni web e altro ancora, dove LabVIEW non è e speriamo non cerchi di andare.
Il nostro punto di vista: LabVIEW con Python (quando serve)
In Bytelabs siamo entusiasti di LabVIEW e rimane per noi lo strumento principale per garantire Software e sistemi di Test e Misura affidabili, con un elevato rapporto Qualità/Costo, riadattabili dai clienti che grazie alla rapidità di apprendimento e all’intuitività del codice, possono sentirsi parte del sistema, lavorando sul sorgente e collaborando a migliorare soluzioni, potendo esprimere il proprio KnowHow.
Ovviamente abbiamo da subito strizzato l’occhio a Python, in primis per realizzare connettività con il cloud, interoperabilità tra i sistemi e in seguito aprendo a tutto quello che è il tema Machine Learning e Intelligenza Artificiale, ma anche più semplicemente alla già citata elaborazione di dati, sfruttandone le librerie e la maggiore quantità di risorse comunitarie.
Noi speriamo quindi che LabVIEW continui ad evolvere a supporto dell’ Hardware e della sua enorme capacità, magari portando supporti vettoriali ai controlli per intefacce più performanti, nuovi controlli per sinottici di impianti, sempre maggiore connettività ad Hardware e supporto di protocolli, non vogliamo un labVIEW universale, in un mondo di sistemi sempre più complessi, sappiamo che è necessario implementare tecnologie complementari come in questo caso sta diventando Python.
