本指导将展示如何使用 AWS 服务部署、管理和监控智能工业产品。您可以大规模远程管理这些产品，并构建稳健的工业数据管理层和工业数据湖，它们统称为“工业数据基础”。 这一数据基础支持对维护人员进行远程监控和通知。此外，它还驱动人工智能和机器学习（AI/ML）模型、商业智能控制面板和报告、人工智能助手以及 API，并为联络中心座席提供情境化产品信息。
请注意：[免责声明]
架构图
-
连接和管理机器
-
构建工业数据基础
-
DevOps 生命周期管理
-
连接和管理机器
-
此架构图显示了连接智能机器、远程管理它们以及构建工业数据管理层的过程。
单击可放大
第 1 步
智能机器使用消息队列遥测传输（MQTT）客户端、AWS IoT 设备 SDK 或 AWS IoT Greengrass 提供的边缘运行时连接到 AWS IoT Core。随后，直接通过 AWS IoT SiteWise Edge 或通过 AWS IoT Core 将遥测数据摄取到 AWS IoT SiteWise 中。
第 2 步
如果机器无法直接连接到互联网，请使用边缘网关作为云连接层。边缘网关从机器、数据记录系统、应用程序收集数据，然后处理、存储并将其转发到 AWS 云。在边缘运行自定义应用程序和机器学习推理。
第 3 步
使用 AWS IoT Core 促进机器或边缘网关与 AWS 云之间的可扩展双向通信，无需管理基础设施。
第 4 步
利用 AWS IoT Device Management 远程配置、监控、更新和排除机器或边缘网关故障。使用 AWS Amplify 构建自定义机群管理控制台以可视化您的机群，并在其中搜索以查看机器状态和运行状况数据。第 5 步
审核您的机群是否符合安全最佳实践，并使用 AWS IoT Device Defender 持续进行监控。任何安全调查发现都会发送到 AWS Security Hub，以便集中查看来自各种 AWS 服务的所有安全问题。第 6 步
使用 AWS IoT SiteWise 数据流和建模功能，从您的机器中摄取运营数据并对其进行情境化处理。此外，还会计算性能指标、存储时间序列数据、创建警报定义以及提供对外部应用程序数据的灵活访问。第 1 步
智能机器使用消息队列遥测传输（MQTT）客户端、AWS IoT 设备 SDK 或 AWS IoT Greengrass 提供的边缘运行时连接到 AWS IoT Core。随后，直接通过 AWS IoT SiteWise Edge 或通过 AWS IoT Core 将遥测数据摄取到 AWS IoT SiteWise 中。
第 2 步
如果机器无法直接连接到互联网，请使用边缘网关作为云连接层。边缘网关从机器、数据记录系统、应用程序收集数据，然后处理、存储并将其转发到 AWS 云。在边缘运行自定义应用程序和机器学习推理。
第 3 步
使用 AWS IoT Core 促进机器或边缘网关与 AWS 云之间的可扩展双向通信，无需管理基础设施。
第 4 步
利用 AWS IoT Device Management 远程配置、监控、更新和排除机器或边缘网关故障。使用 AWS Amplify 构建自定义机群管理控制台以可视化您的机群，并在其中搜索以查看机器状态和运行状况数据。第 5 步
审核您的机群是否符合安全最佳实践，并使用 AWS IoT Device Defender 持续进行监控。任何安全调查发现都会发送到 AWS Security Hub，以便集中查看来自各种 AWS 服务的所有安全问题。第 6 步
使用 AWS IoT SiteWise 数据流和建模功能，从您的机器中摄取运营数据并对其进行情境化处理。此外，还会计算性能指标、存储时间序列数据、创建警报定义以及提供对外部应用程序数据的灵活访问。 -
构建工业数据基础
-
该架构图演示了上一个选项卡中的工业数据基础如何实现运营监控、警报、AI/ML 模型、仪表板、API 和生命周期管理，从而为代理提供符合情境的机器数据。
单击可放大
第 7 步
使用 AWS IoT SiteWise 提供的情境化数据构建一个工业数据湖。使用 AWS Lake Formation 进行高级分析，从而治理、保护和共享数据。使用 AWS Glue 和 Amazon Athena 等 AWS 分析服务，对数据进行编目和分析。第 8 步
使用 AWS IoT SiteWise Monitor 近乎实时地远程监控机器，或者使用 Amazon Managed Grafana 获得包含大量信息、情境化的控制面板。构建由 AWS IoT TwinMaker 提供支持的数字孪生，以提高设备性能。第 9 步
使用 AWS IoT Events 和 Amazon Simple Notification Service（Amazon SNS）向操作人员通知机器的运行状况。使用 AWS IoT Events 创建状态机和事件监控应用程序。第 10 步
使用 Amazon SageMaker 开发用于预测性维护的 AI/ML 解决方案，并使用 Amazon Bedrock 构建生成式人工智能解决方案。第 11 步
Amazon QuickSight 支持数据驱动的解决方案。借助 Amazon Q 插件，企业用户可以提出自然语言查询来快速获得见解。使用 Amazon Q 企业版为员工提供企业信息。第 12 步
使用 Amazon API Gateway 和 AWS AppSync 构建可扩展到数百万名用户的无服务器 API，以便为客户提供以往和实时的机器数据。第 13 步
使用 Amazon DynamoDB 存储机器配置、使用 AWS CodePipeline 自动化持续集成和持续交付（CI/CD）、使用 Amazon Simple Storage Service（Amazon S3）存储构件以及使用 AWS IoT Greengrass 管理边缘设备。第 14 步
利用 Amazon Connect 满足客户服务需求并为代理提供符合情境的机器信息。第 7 步
使用 AWS IoT SiteWise 提供的情境化数据构建一个工业数据湖。使用 AWS Lake Formation 进行高级分析，从而治理、保护和共享数据。使用 AWS Glue 和 Amazon Athena 等 AWS 分析服务，对数据进行编目和分析。第 8 步
使用 AWS IoT SiteWise Monitor 近乎实时地远程监控机器，或者使用 Amazon Managed Grafana 获得包含大量信息、情境化的控制面板。构建由 AWS IoT TwinMaker 提供支持的数字孪生，以提高设备性能。第 9 步
使用 AWS IoT Events 和 Amazon Simple Notification Service（Amazon SNS）向操作人员通知机器的运行状况。使用 AWS IoT Events 创建状态机和事件监控应用程序。第 10 步
使用 Amazon SageMaker 开发用于预测性维护的 AI/ML 解决方案，并使用 Amazon Bedrock 构建生成式人工智能解决方案。第 11 步
Amazon QuickSight 支持数据驱动的解决方案。借助 Amazon Q 插件，企业用户可以提出自然语言查询来快速获得见解。使用 Amazon Q 企业版为员工提供企业信息。第 12 步
使用 Amazon API Gateway 和 AWS AppSync 构建可扩展到数百万名用户的无服务器 API，以便为客户提供以往和实时的机器数据。第 13 步
使用 Amazon DynamoDB 存储机器配置、使用 AWS CodePipeline 自动化持续集成和持续交付（CI/CD）、使用 Amazon Simple Storage Service（Amazon S3）存储构件以及使用 AWS IoT Greengrass 管理边缘设备。第 14 步
利用 Amazon Connect 满足客户服务需求并为代理提供符合情境的机器信息。 -
DevOps 生命周期管理
-
该架构图说明了通过空中下载（OTA）更新增强机器功能和解决问题的过程，利用 DevOps 生命周期快速响应客户需求。
单击可放大
第 1 步
机器制造商通过客户意见反馈和产品使用分析收集需求，以增强机器功能或解决持续存在的问题。
第 2 步
软件开发人员和嵌入式开发人员对由 GitHub、GitLab 和 Bitbucket 等源代码控制服务托管的源代码进行更改。
第 3 步
利用 AWS CodeBuild 和交叉构建工具为设备和模拟器创建构件。DynamoDB 提供特定于机器的必要配置。CodePipeline 通过协调各个开发阶段来自动执行 CI/CD 流程。第 4 步
将用于测试和生产发布的构件安全地存储在 Amazon S3 中。第 5 步
通过将构件部署到模拟环境和物理设备测试组来测试它们。可以使用 Amazon Elastic Compute Cloud（Amazon EC2）上的 Quick Emulator（QEMU）和 Arm Virtual Hardware（AVH）等模拟器创建模拟环境。使用 AWS IoT Core 中的事物组来组织测试设备进行测试。第 6 步
设备从 AWS IoT Core 接收空中下载（OTA）更新，并使用预签名 URL 或 MQTT 文件流从 Amazon S3 安全地下载必要的构件。然后，它们会更新固件或软件并将状态报告回 AWS IoT Core。机器制造商验证更新是否能提高安全性、可用性、可靠性和功能性，然后批准更新。第 7 步
将已批准的构件以可配置的推出率和时间表部署到所有设备，并在部署期间和部署后持续监控。第 1 步
机器制造商通过客户意见反馈和产品使用分析收集需求，以增强机器功能或解决持续存在的问题。
第 2 步
软件开发人员和嵌入式开发人员对由 GitHub、GitLab 和 Bitbucket 等源代码控制服务托管的源代码进行更改。
第 3 步
利用 AWS CodeBuild 和交叉构建工具为设备和模拟器创建构件。DynamoDB 提供特定于机器的必要配置。CodePipeline 通过协调各个开发阶段来自动执行 CI/CD 流程。第 4 步
将用于测试和生产发布的构件安全地存储在 Amazon S3 中。第 5 步
通过将构件部署到模拟环境和物理设备测试组来测试它们。可以使用 Amazon Elastic Compute Cloud（Amazon EC2）上的 Quick Emulator（QEMU）和 Arm Virtual Hardware（AVH）等模拟器创建模拟环境。使用 AWS IoT Core 中的事物组来组织测试设备进行测试。第 6 步
设备从 AWS IoT Core 接收空中下载（OTA）更新，并使用预签名 URL 或 MQTT 文件流从 Amazon S3 安全地下载必要的构件。然后，它们会更新固件或软件并将状态报告回 AWS IoT Core。机器制造商验证更新是否能提高安全性、可用性、可靠性和功能性，然后批准更新。第 7 步
将已批准的构件以可配置的推出率和时间表部署到所有设备，并在部署期间和部署后持续监控。
开始使用
Well-Architected 支柱
当您在云中构建系统时，AWS Well-Architected Framework 可以帮助您了解所做决策的利弊。框架的六大支柱使您能够学习设计和操作可靠、安全、高效、经济高效且可持续的系统的架构最佳实践。使用 AWS 管理控制台中免费提供的 AWS Well-Architected Tool，您可以通过回答每个支柱的一组问题，根据这些最佳实践来检查您的工作负载。
上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构，您应该遵循尽可能多的 Well-Architected 最佳实践。
-
卓越运营阅读《卓越运营》白皮书
AWS IoT 服务套件为安全地管理智能工业产品提供了全面的功能。AWS IoT Device Management 支持即时预置和编排无线软件更新。基于组件的 AWS IoT Greengrass 可以对边缘应用程序进行无缝扩展和自定义，并通过本地诊断和 Amazon CloudWatch 监控设备运行状况。AWS IoT SiteWise 服务可以监控数据收集、处理和存储，并提供了用于大规模调整信息模型的批量操作。此外，AWS IoT Core 与 CloudWatch 集成，以监控设备运行状况，并提供自动化响应以解决运营问题。
-
安全性阅读《安全性》白皮书
AWS IoT Core 通过身份验证、加密和精细权限来保护设备通信。AWS IoT SiteWise 和 Amazon Simple Notification Service（Amazon S3）对静态数据进行加密。AWS IoT Device Defender 持续监控设备是否存在异常和漏洞。最后，Security Hub 聚合来自各项服务的警报并确定它们的优先级，以提供您的安全状况的整体视图。
-
可靠性阅读《可靠性》白皮书
AWS IoT Core 的服务套件专为提高可靠性而设计，并具有能够处理间歇性连接和数据弹性问题的功能。例如，即使无法访问云，AWS IoT Greengrass 也能够在边缘进行处理，而 AWS IoT SiteWise 提供了节流功能以维持服务可用性。AWS IoT SiteWise 可以将资产数据备份到 Amazon S3，而 AWS IoT Core 可以跨可用区复制设备信息。AWS IoT Device Management 提供了可靠的无线更新功能。作为该平台的基础，Amazon S3 提供了高达 99.9999999%（11 个 9）的可用性，并通过跨区域复制增强了数据保护。
-
性能效率阅读《性能效率》白皮书
本指导中使用的服务为摄取和存储工业遥测数据提供了灵活的选项。具体而言，AWS IoT SiteWise 提供热存储层、温存储层和冷存储层以优化性能和成本，而 AWS IoT SiteWise Edge 功能支持低延迟的本地处理。可以选择 Amazon S3 存储类以满足具体的性能需求，分段上传可以提高大型数据集的传输速度。 此外，SageMaker 可以根据资产重要性和服务级别协议执行可配置的推理调度，以优化预测性能。
-
成本优化阅读《成本优化》白皮书
AWS IoT Core 在它的服务套件中提供了成本优化功能。例如，AWS IoT SiteWise 提供了差异化的存储层和边缘处理以减少数据传输需求，而 AWS IoT Greengrass 在执行云摄取之前在本地筛选和聚合数据。即用即付的 AWS IoT Core 定价及其基本摄取功能进一步降低了消息收发成本。Amazon S3 通过分层类和基于访问模式的智能分层帮助优化存储支出。
-
可持续性阅读《可持续性》白皮书
AWS IoT SiteWise 提供了一个 Edge 组件，用于在本地筛选传入的数据，还提供了一个保留期设置，用于自动从不再需要的热存储层或温存储层中移除旧数据。可扩展的 AWS IoT Core 服务可以支持数十亿个资产和数万亿条消息。这样，您就可以根据需求纵向扩展或缩减您的物联网（IoT）产品。此外，物联网规则允许筛选和转换，以减少存储和处理需求。Amazon S3 提供了生命周期配置，用于在存储类之间转换对象并删除过期的数据，而 Amazon Redshift Spectrum 允许直接查询 Amazon S3 数据，无需加载这些数据。此外，SageMaker 中的 Inference Recommender 可以帮助优化用于模型推理的资源，因此减少了整体消耗。
免责声明
示例代码；软件库；命令行工具；概念验证；模板；或其他相关技术（包括由我方人员提供的任何前述项）作为 AWS 内容按照《AWS 客户协议》或您与 AWS 之间的相关书面协议（以适用者为准）向您提供。您不应将这些 AWS 内容用在您的生产账户中，或用于生产或其他关键数据。您负责根据特定质量控制规程和标准测试、保护和优化 AWS 内容，例如示例代码，以使其适合生产级应用。部署 AWS 内容可能会因创建或使用 AWS 可收费资源（例如，运行 Amazon EC2 实例或使用 Amazon S3 存储）而产生 AWS 费用。
本指南中提及第三方服务或组织并不意味着 Amazon 或 AWS 与第三方之间存在认可、赞助或从属关系。AWS 的指导是一个技术起点，您可以在部署架构时自定义与第三方服务的集成。