作為泛物聯網在工業領域的一個分支，工業物聯網(IIoT)是指互聯的傳感器、儀器和設備與計算機工業應用軟件系統一起組成的網絡，用于制造流程的自動化和效率提升，以及制造裝備、能源和資產的有效管理及成本降低。工業物聯網涉及數據采集、處理、交換和分析，是傳統分布式控制系統(DCS)的演進和擴展，借助云計算來優化流程控制以獲得更高程度的自動化。
工業物聯網的技術、架構、標準和應用
IIoT的使能技術包括網絡安全、云計算、邊緣計算、移動技術、機器-機器通信、3D打印、機器人、工業大數據、物聯網、RFID技術，以及認知計算等。其中最為重要的五大技術簡述如下：
虛擬-物理系統(CPS)：這是將傳統分離設備組網連接起來的IIoT基礎技術平臺，將物理流程的動態與數字化的軟件和通信集成起來，為整個網絡系統提供抽象和建模、設計及分析功能。
云計算：隨著互聯網云平臺技術和市場的發展趨于成熟、穩定和安全，工業領域的數據和通信也逐漸從傳統的本地服務器轉移到云計算平臺，工業流程的數據存儲和計算處理也更多地匯聚在云端進行。亞馬遜、微軟、阿里云和華為等公司都針對工業物聯網推出了各自的IIoT云平臺，GE、西門子等傳統工業巨頭也分別推出了工業互聯網云平臺。
邊緣計算：與云計算相反，邊緣計算是一種去中心化的數據處理技術，即在邊緣側和終端設備上直接進行數據存儲和處理，以滿足工業流程對數據實時處理和響應的要求。
大數據分析：對工業流程所產生的海量數據及各種數據集進行分析，以提煉出有價值的信息供科學決策使用。
AI和機器學習：將工業設備智能化以完成人機交互，或者機器與機器的通信與協作。機器學習是工業應用AI的重要組成部分，可通過精準的算法讓軟件系統更加準確地預測工業運營結果。
IIoT系統采用一種分層的模塊化結構，從下至上分別包括設備層、網絡層、服務層和內容層。設備層是指CPS、傳感器和設備等物理組件；網絡層包括物理網絡總線、云計算和通信協議等；服務層包括對數據進行處理和輸出的應用軟件；內容層包括用戶接口設備，比如屏幕、平板電腦等。
很多公司和行業組織都在開發技術平臺以支持各種IIoT技術、標準、軟件和設備，比如IBM的認知IoT、REST、OPC等，以及工業互聯網聯盟(IIC)的參考架構(IIRA)。
雖然連接和數據采集對IIoT來說是必不可少的元素，但這并非最終的目標。IIoT當前的一個熱門應用是預測性維護，因為這可以應用到現有的設備資產管理系統，降低非預期停機時間，從而提高生產效率。工業大數據分析在制造設備預測性維護方面扮演著關鍵角色。
以上簡要介紹了IIoT的概念、技術、架構、標準和應用，下面我們從硬件實現的角度，分別闡述邊緣計算和智能感傳感器這兩種工業物聯網關鍵技術。
邊緣計算
根據Gartner和IDC的市場預測，到2022年全球IoT市場規模將達到1.2萬億美元，企業級數據的一半將來自云平臺和數據中心以外的地方，其中增長最快的是移動和IoT設備產生的數據。到2020年投入到邊緣計算方面的資源將占到IoT整體開支的18%，這意味著邊緣計算將是一個快速增長且市場潛力巨大的新興領域，思科和華為等企業級系統方案提供商也在邊緣計算上投入更多技術和市場資源。
究竟什么是邊緣計算？到目前為止業界還沒有一個統一的定義。按照工業互聯網聯盟(IIC)的說法，邊緣并不是一個可以明確的物理層，而是一個因應用場景而異的邏輯層概念。但是，邊緣計算的主要價值在于可以降低數據延遲，因為邊緣計算設備離數據源比較近，可以就地計算、處理和觸發行動，而不必先傳輸到云端進行處理，然后再反饋行動指令，這對實時性和帶寬要求比較高的應用特別重要。
對于IIoT應用，除低延遲的實時性要求外，數據安全也是制造企業及IT/OT技術開發商需要考慮的因素。另外，制造設備在正常運行時產生的大量數據并沒有特別的變化，全部上傳到云端會造成很大的寬帶和成本壓力。而邊緣計算設備可以在本地處理和存儲這些數據，只將動態變化或異常的META信息傳輸到云端就可以了。
智能傳感器
傳統意義上的傳感器只是感應和測量物理環境的狀態，比如溫度、濕度、氣壓、振動和運動等，而所謂的“智能”傳感器不但具有這些基本的感應能力，還具有計算和處理性能，甚至無線網絡通信功能。此外，智能傳感器將傳感器件與微處理器和無線通信模塊集成在一個芯片封裝內，比傳統的傳感器尺寸更小、功耗更低，而性能更高，已經廣泛應用于模數轉換、數字處理和雙向通信等各種領域。微機電系統(MEMS)是一個典型的智能傳感器，其內置的微處理器可將傳感器采集的數據進行處理、轉換和傳輸。這類器件可以集成更多的功能，不但可以縮小電子設備的尺寸，而且精確度和靈敏度也有很大的提升。
在工業應用領域，智能傳感器可用于工業機器人、自動導引車(AGV)、自動化生產線、機器人激光焊接等各種場合。