本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 第 3 阶段：定义蓝图
<a name="phase-3"></a>

您可以根据上一阶段对当前状态的评估来开始构建蓝图。蓝图是您在数字化转型之旅中采用的 end-to-end IIo T 系统参考架构。它是 IIo T 数字化之旅的基础，可帮助您实现业务目标。蓝图：
+ 以您的 [北极星愿景](#north-star-vision) 为导向
+ 遵守[成功的解决方案框架的核心原则](#core-tenets)
+ 包含[可重复、可重用的构建块](#building-blocks)

有时，您可能需要进行快速的概念验证，以证明蓝图特定部分的价值和可行性。

## 北极星愿景
<a name="north-star-vision"></a>

您的蓝图应以北极星愿景为导向，北极星愿景是一个清晰、简洁和长期的目标，能够为制定业务决策提供方向。如果您没有北极星愿景，那么在创建北极星愿景时要从大处着眼。这一愿景通常需要 3-5 年才能实现。要实现这一愿景，成功的关键是从小处着手，并快速扩大规模。

## 成功的解决方案框架的核心原则
<a name="core-tenets"></a>

要在蓝图中创建统一的 IT 和 OT 数据主干，您需要一套功能架构。根据我们的经验，我们确定了解决方案框架的以下三个核心原则：
+ 见解最大化
  + 数据访问的民主化可以提供多样化的见解并推动业务价值，例如 SKU 利润优化。
  + 对实时或历史运营数据进行描述性分析可以帮助您监控 KPIs、识别趋势、确定潜在的改进领域并采取行动。
  + 对数据进行诊断分析可以帮助您确定运营事件的根本原因。
  + 对数据执行预测分析可以帮助您预测业务和运营中的未来事件。
  + 根据描述性和预测性分析结果，对数据执行规范性分析可以提供多种针对给定问题的解决方案。
+ 最大程度减少技术债务
  + 与关键的现有 IT/OT 系统无缝集成可以免除临时解决方案的使用。
  + 自动化管道部署可以免去您操作中的手动流程。
  + 标准化工具可以防止工具和定制应用程序的激增。
  + 使用集中管理服务在整个环境中部署标准化配置，防止在本地站点使用非标准和可能出现问题的配置。
  + 创建自动更新和部署基础设施的模式，或者以最少的干预来执行可重复的任务。示例包括更新操作系统、定期轮换设备证书、安装补丁或扩展数据存储。
  + 设计和实施可重复、可重用的模式，以实现跨站点的大规模快速生产部署。
+ 模块化且适应未来需求的蓝图
  + 专为现有 IT/OT 系统和基础设施的互操作性而设计。
  + 模块化设计可帮助您从小规模起步并快速扩展，以迭代方式添加新组件，并为您的使用案例选择最佳选项。
  + 利用现有设计实现灵活性（*棕地*）基础设施和新（*全新*）基础设施。

## 可重复、可重用的构建块
<a name="building-blocks"></a>

 IIoT 数字化转型之旅的*基*石是构成蓝图的各种功能层、注意事项和用例。下图显示了蓝图的高级可重复、可重用的功能构建块。

![蓝图中概念架构的高级构建块。](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/strategy-iiot-transformation/images/building-blocks.png)


以下是蓝图的层级：
+ **数据摄取** — 此边缘层从本地基础设施或云环境中的各种来源收集数据。典型的IT/OT数据源可能包括来自监督控制和数据采集 (SCADA) 系统、分布式控制系统 (DCS)、辅助传感器 PLCs、制造执行系统 (MES)、软件即服务 (SaaS) 和遗留应用程序、企业资源规划 (ERP) 系统、客户关系管理 (CRM) 系统、各种供应链系统和数据历史学家的遥测数据。
+ **边缘见解和应用程序** — 根据您的使用案例，您可能需要部署此边缘层。该层用于满足您的架构的所有低延迟和数据驻留要求，支持在与云端断开连接时继续生产，并实现边缘创新。
+ **数据管理** — 该层负责典型数据管理功能的各个方面，例如：
  + 为用于治理的 IT/OT 资源构建和管理语义数据模型 (SDMs)。使用语义数据模型为机器数据添加环境，这有助于对流程和机器建模进行下游分析。
  + 将收集的数据存储在数据摄取层。使用存储在该层中的数据进行处理和提供本地见解，并在与云断开连接时提供 store-and-forward功能。
  + 在云端处理数据，以满足最终用户的各种消费需求，例如数据集成、数据标准化、数据扩充、数据质量、数据发现、数据目录和搜索。
  + 为外部消费者提供灵活的数据使用服务，以提供业务见解。
+ **数据见解** — 此云层用于业务见解，见解范围从简单（例如近乎实时的 KPI 控制面板）到高级（例如预测性维护、需求预测和使用数据管理层灵活的数据使用服务的库存管理）不等。
+ **数据提供** — 此云层用于为各种最终用户（例如各种 OT 角色、数据科学家、数据工程师和数据分析师）提供民主化的数据访问。该层无缝地向其他企业系统和第三方解决方案提供数据，以支持使用案例和业务应用程序。
+ **使用案例和业务应用程序** — 这是架构的顶层。此云层包含可满足您的业务使用案例的业务应用程序和工具。根据需要，该层中的应用程序和工具可以访问支持层中的数据和见解。
+ **跨部门注意事项** — 此层包含适用于数据来源、边缘和云的关键非功能性要求。该层包括必备元素，例如 end-to-end安全性、配置管理、日志记录、合规性和监管要求。该层可帮助您安全高效地运行架构，从而提供了提高性能、降低成本或使用自动化来实现跨站点大规模快速部署的机会。

要创建此统一数据解决方案，我们建议使用与所示架构相似的统一功能架构。这种全面的方法可以帮助您从大处着眼、从小处着手、快速扩展。与其一口气实施整个数字化转型之旅使自己举步维艰，不如持续迭代规模较小的交付项，以帮助您实现业务成果。您当前可能已经有了其中的一些构建块，那样的话，您可以重复使用它们。

## AWS IDP 解决方案产品
<a name="aws-idp"></a>

AWS 专业服务使用 AWS 工业数据平台 (IDP) tried-and-tested 方法来发现、设计和实施灵活且可扩展的统一数据解决方案，以实现工业 4.0（也称为智能制造、智能工厂或智能工业）的成功。 AWS IDP 列出了常见用例的目录，例如：
+ 生产和资产优化的运营和可操作 KPIs 性，包括整体设备效率 (OEE)、吞吐量、产量和周期时间
+ 用于预测性质量的自动化质量和缺陷管理解决方案
+ 可减少停机时间和灾难性设备故障的预测性维护
+ 用于实现可持续制造业的优化能源和降低碳足迹
+ 供应链优化，包括库存管理、需求预测以及跟踪和追踪 

您的蓝图架构可能会因您的使用案例、当前状态评估和已识别的缺陷而异。有关可在蓝图中使用的相关 AWS 服务的更多信息，请参阅[AWS 工业数据平台 (IDP) 参考架构](https://d1.awsstatic.com/architecture-diagrams/ArchitectureDiagrams/industrial-data-platform-ra.pdf)。