由 dawei 工业物联网（IIoT）通常与大数据和云相关联，从广泛分布的传感器中收集大量数据，将“信息转化为洞察力”。在一些工业流程中，洞察时间非常关键，而将数据发送到云端并接收响应的延迟时间可能过长。在其他情况下，数据安全性可能会受到影响，或者与互联网的快速，可靠连接可能无法使用。为了克服这些挑战，边缘计算可以补充云计算的大数据处理能力。它可以执行需要即时响应的计算密集型任务，并在适当的时候将数据存储和过滤到云中。边缘计算可以包含简单的数据过滤，事件处理，甚至机器学习等元素，并且可以托管在任何连接的设备上，从小型嵌入式计算机或PLC到工业PC或本地微型数据中心。从同一平台上运行的其他进程隔离并占用很小的空间是关键要求。
最大限度地提高数据的价值
IIoT的许多价值在于它可以汇集多种来源的信息，帮助企业看到更大的局面：如何改进流程，优化维护活动，减少浪费和能源消耗，并消除可避免的成本。以云为中心的IIoT视图可以看到使用重量级软件应用程序在远程数据中心汇集和分析的各种数据流。
在任何这些情况下，将从流程或设备捕获的原始数据发送回云可能是不切实际的。尽管如此，在个别机器或过程控制逻辑层面上需要一些智能和决策能力，使企业能够确定最佳的行动方案。这是边缘计算的作用。
边缘计算提供了一个提升
作为IIoT的一部分，边缘计算越来越重要。在资产或流程附近实施计算能力的第一线，可以对事件进行智能或协调的响应，并有助于减轻云上的数据处理负担。在可能具有数十，数百甚至数千个传感器的系统中，来自这些传感器的大部分数据可能具有最小的价值，仅仅报告“正常”操作条件。智能网关可以过滤这些数据，并将其更有效地丢弃或重新打包，传输到云端进行存储和分析。当感兴趣的事件发生时，智能节点可以快速确定正确的响应，向连接的设备发出适当的指令，并将事件汇总成适合云消费的报告。与对来自少量传感器的信号的高度本地化响应不同，边缘计算与更协调的动作相关联，评估来自大量传感器的数据以在更高级别做出决定。
例如，如果在钻井平台中检测到过度振动，则可以是采矿应用。从振动传感器接收到的错误信号的标准响应可能是停止钻井，导致生产损失和不必要的停机时间来检查和修理设备。由于计算能力更强，传感器输入和存储的历史数据更多，一个更强大的边缘计算设备可以评估对整个系统的影响，并确定几个可能的响应并计算结果，并采取最佳的行动方案或通知运营商的最佳选择。
而直接的传感器/报警组合没有具有板上数据聚集和处理的边缘计算设备的更大图像视角，边缘处理引擎可以评估从所有连接的传感器接收到的数据，并基于预先确定的优先事项。在制造业情况下，在流水线末端进行产品测试或检查后，故障率突然增加，可能需要停止生产以调查原因。连接到所有机器的智能边缘设备可以协调线路中所有设备的这种响应。或者，通过分析来自多台机器的感测数据并自动应用修复，或指导操作人员纠正问题，使生产能够快速有效地重新启动，可以识别变化的原因。