本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 階段 3：定義藍圖
<a name="phase-3"></a>

根據上一階段中目前狀態的評估，可以開始建置藍圖。藍圖是您在數位轉型旅程中採用的端對端工業物聯網系統參考架構。它是您工業物聯網數位化旅程的基礎，可協助您實現業務目標。藍圖：
+ 由您的 [北極星願景](#north-star-vision) 指導
+ 堅持[成功解決方案框架的核心原則](#core-tenets)
+ 包含[可重複且可再使用的構成要素](#building-blocks)

有時候，可能需要快速驗證概念，來證明藍圖中某些部分的價值和可行性。

## 北極星願景
<a name="north-star-vision"></a>

您的藍圖應該由您的 North Star 願景為指導，這是一個清晰、簡潔且長期的目標，為制定業務決策提供方向。若您沒有北極星願景，請在建立時著眼未來。此願景通常需要 3-5 年才能實現。為了實現這一願景，小處著手且快速擴展是成功的關鍵。

## 成功解決方案框架的核心原則
<a name="core-tenets"></a>

若要在藍圖中建立統一的 IT 和 OT 資料骨幹，需要一個功能性架構。根據我們的經驗，我們確定了解決方案框架的以下三個核心原則：
+ 最大化洞察
  + 將資料存取民主化可提供多樣化的見解並推動商業價值，例如 SKU 利潤最佳化。
  + 對即時或歷史操作資料執行描述性分析可協助您監控 KPI、識別趨勢、確定潛在的改善領域以及採取行動。
  + 對資料執行診斷分析可協助您確定操作事件的根本原因。
  + 對資料執行預測分析可協助您預測業務和營運中的未來事件。
  + 根據描述性和預測性分析結果，對資料執行規範性分析可建議多種解決方案，以解決特定問題。
+ 最小化技術債務
  + 與主要的現有 IT/OT 系統無縫整合，無需臨時解決方案。
  + 將部署管道自動化，可從您的操作中移除手動程序。
  + 標準化工具可防止工具和定制應用程式的擴散。
  + 使用集中式管理服務在整個環境中部署標準化組態，避免在本機站點使用非標準且可能有問題的組態。
  + 建立自動更新和部署基礎設施的模式，或對可重複任務進行最少的介入。範例包括更新作業系統、定期輪換裝置憑證、安裝修補程式或擴展資料儲存。
  + 設計和實作可重複且可再使用的模式，以便在各站點之間快速進行大規模生產部署。
+ 模組化和面向未來的藍圖
  + 針對現有 IT/OT 系統和基礎設施的互通性而設計。
  + 針對模組化而設計，可協助您從小規模開始並快速擴展、反覆加入新元件，並為您的使用案例選取最佳選項。
  + 設計現有 (*棕地*) 和新的 (*綠地*) 基礎設施的靈活性。

## 可重複且可再使用的構成要素
<a name="building-blocks"></a>

IIoT 數位轉型之旅的*構成要素*是構成藍圖的各種功能層、考量事項和使用案例。下圖顯示藍圖的高層級可重複且可再使用的功能性構成要素。

![藍圖中概念架構的高層級構成要素。](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/strategy-iiot-transformation/images/building-blocks.png)


以下是藍圖的各層：
+ **資料擷取** – 此邊緣層會從內部部署基礎設施或雲端環境中的各種來源收集資料。典型的 IT/OT 資料來源可能包括來自監督控制和資料擷取 (SCADA) 系統、分散式控制系統 (DCS)、PLC、次要感測器、製造執行系統 (MES)、軟體即服務 (SaaS) 和舊版應用程式、企業資源規劃 (ERP) 系統、客戶關係管理 (CRM) 系統、各種供應鏈系統以及歷史資料記錄器的遙測資料。
+ **邊緣洞察與應用程式** – 根據您的使用案例，可能需要部署此邊緣層。此層可用來滿足架構的任何低延遲和資料儲存需求，在與雲端中斷連線時支援繼續生產，以及在邊緣實現創新。
+ **資料管理** – 該層負責典型資料管理功能的各個方面，例如：
  + 建置和管理 IT/OT 資源的語義資料模型 (SDM) 以進行管理。使用語意資料模型將內容新增至機器資料，有助於進行流程和機器建模的下游分析。
  + 將收集到的資料儲存在資料擷取層中。使用儲存在此層中的資料來處理和提供本機見解，以及在與雲端中斷連線時提供儲存和轉寄功能。
  + 處理雲端中的資料以滿足最終使用者的各種使用需求，例如資料整合、資料標準化、資料擴充、資料品質、資料發現、資料目錄以及搜尋。
  + 為外部消費者提供靈活的資料使用服務，以提供業務見解。
+ **資料洞察** – 此雲端層用於業務洞察，範圍從簡單 (例如近乎即時的 KPI 儀表板) 到進階 (例如利用資料管理層的靈活資料使用服務的預測性維護、需求預測和庫存管理)。
+ **資料提供** – 此雲端層用於民主化各種最終使用者對資料的存取，例如各種 OT 角色、資料科學家、資料工程師和資料分析師。此層將資料無縫地提供給其他企業系統和第三方解決方案，以啟用使用案例和商業應用程式。
+ **使用案例和商業應用程式** – 這是架構的頂層。此雲端層包含可處理業務使用案例的業務應用程式和工具。根據需要，此層中的應用程式和工具可以存取支援層中的資料和見解。
+ **跨領域考量事項** – 此層包含適用於資料來源、邊緣和雲端的關鍵非功能性需求。此層包括必備元素，例如端對端安全性、組態管理、日誌記錄、合規性和法規要求。此層可協助您安全且有效率地操作架構，提供機會增強效能、降低成本或使用自動化功能，以便跨站點快速部署。

若要建立此統一的資料解決方案，建議使用類似於所呈現的統一功能架構。這種全面的方法可協助您大處著眼、小處著手及快速擴展。不必一次完成整個數位轉型旅程，讓旅程變得異常困難，而是不斷重複執行較小的可交付項目，以協助您實現業務成果。您現在可能已經擁有一些構成要素，如果是的話，您可以對其進行重複使用。

## AWS IDP 解決方案產品
<a name="aws-idp"></a>

AWS Professional Services tried-and-tested AWS 工業資料平台 (IDP)，來探索、設計和實作適用於 Industry 4.0 （也稱為智慧製造、智慧工廠或智慧工業） 成功的靈活且可擴展的統一資料解決方案。 AWS IDP 會處理常見使用案例的目錄，例如：
+ 用於生產和資產最佳化的操作和可行 KPI，包括整體設備效率 (OEE)、輸送量、產量和週期時間
+ 可預測品質的自動化品質與瑕疵管理解決方案
+ 預測性維護可減少停機時間和災難性設備故障
+ 能源最佳化和減少碳足跡，實現可持續性製造
+ 供應鏈最佳化，包括庫存管理、需求預測以及追蹤和跟蹤 

您的藍圖架構可能會有所不同，這取決於您的使用案例、目前的狀態評定和發現的差距。如需您可以在藍圖中使用的相關 AWS 服務的詳細資訊，請參閱[AWS 工業資料平台 (IDP) 參考架構](https://d1.awsstatic.com/architecture-diagrams/ArchitectureDiagrams/industrial-data-platform-ra.pdf)。