本指南中使用的服务有助于数据摄取、本地处理、事件监控、消息传送和机器学习，以实现制造优化。例如，AWS IoT SiteWise 和 IoT Greengrass 可处理数据收集、处理和边缘计算，AWS IoT Events 则可识别重要的传感器数据事件。Amazon SNS 可管理消息传递，AI/机器学习则可用于从运营数据中提取见解，以改进流程、进行预测性维护、质量控制和自动检查。

阅读“卓越运营”白皮书

本指南使用 AWS 身份和访问管理 (IAM) 和 AWS IoT Core 来帮助保护您的数据、系统和资产，同时改善您的安全状况。例如，IAM 策略限制为仅允许最低要求的权限，IoT Greengrass 策略则可以控制哪些设备可以发送数据并与云交互，从而限制未经授权的访问以防止产生费用、篡改或恶意操作。此外，所有云数据目的地都启用了静态加密，例如亚马逊简单存储服务 (Amazon S3) 和 AWS IoT SiteWise 。通过实施细粒度的访问控制、设备策略和数据加密，这些服务可以降低未经授权的访问、数据泄露以及对工业资产和运营的潜在威胁的风险，从而增强安全性。

阅读《安全性》白皮书

借助 AWS IoT SiteWise 和 AWS IoT TwinMaker，可以对数据入口和出口节流，以帮助确保持续运行。此外，Managed Grafana 控制台提供对工作区的访问，无需管理基础设施，即可对指标、日志和跟踪进行可视化和分析。它可以自动预置、配置、管理运营并扩展，以满足动态使用需求，这对于处理高峰工业运营至关重要。

为了获得最佳性能，建议您配置多可用区（AZ）部署策略。

通过实施多可用区架构、节流保护措施和自动扩展的托管服务，本指南有助于确保即使在高流量期间也能可靠地摄取、分析和可视化数据，从而最大限度地减少停机时间和工业流程中断。

阅读《可靠性》白皮书

AWS IoT TwinMaker 可以收集发送到 AWS IoT SiteWise 的传出消息，以防在标签量增加时节流。在分析方面，AWS IoT SiteWise 和 Amazon S3 可以自动扩展以满足数据存储需求。对于边缘应用程序，AWS IoT SiteWise Edge 提供经过优化的边缘仪表板和处理等功能，以实现近乎实时的性能。

此外，本指南还使用 AWS IoT SiteWise 和 Amazon S3 的自动扩缩功能。它还优化了 AWS IoT SiteWise Edge 的本地化处理能力，以在数据摄取、存储、分析和边缘计算方面提供高性能。这种可扩展且优化的方法可防止节流、适应波动的数据量，并为时间敏感的工业运营提供低延迟处理。

阅读《性能效率》白皮书

在设备连接性方面，节省成本主要来自减少现场运营工作，例如监管机构成本和人力资源。因此，您应该选择能够实现自动化、最大程度地减少管理工作且具有可扩展性的服务。在评测 AWS 技术时，应该将节省的工程时间作为主要指标，因为服务费率在财务评测中的占比很小。此外，总拥有成本（TCO）和节省的开销非常重要，因为 AWS 客户经常会花费大量资源来管理本地 IT 基础设施。

AWS IoT SiteWise 和 AWS IoT TwinMaker 是经过成本优化的托管服务，能以极低的价格提供数字孪生功能。它们采用即用即付定价模式，仅对摄取、存储和查询的数据收费。AWS IoT SiteWise 还提供经过优化的存储设置，可将数据从 Amazon S3 中的热层移动到冷层。

阅读《成本优化》白皮书

为了兑现制造业、建筑业、能源业、公用事业和石油天然气等行业的可持续发展承诺，本指南使用 AWS IoT SiteWise 和 Amazon Bedrock。这些服务通过弹性 IT 基础设施增强可持续性，该基础设施可根据使用量进行扩展，最大限度地减少可通过客户碳足迹工具跟踪的多余计算资源和相关排放。此外，这些服务还可以通过数字孪生、基于事件的自动化和 AI/机器学习洞察实现工程敏捷性，以优化现场运营、提高效率并最大限度地减少排放。

AWS IoT SiteWise 的冷存储层使用 Amazon S3 上的开源列式 Apache Parquet 格式实现高效的数据存储和检索，进一步支持可持续性。

最后，Amazon Bedrock 提供数据可视化和自然语言处理功能，让您可以访问基础模型来构建生成式人工智能应用程序。这些功能可帮助您从历史数据中识别未知风险区域并验证干预措施的有效性，从而进一步助力减排工作。

阅读《可持续性》白皮书