工业物联网主要是将生产设备、人和产品的数据采集到云端计算平台，再利用软件系统和机器学习技术进行分析和预测，以便于洞察更多隐藏的商业机会。不过，随着越来越多的设备连网和大量数据的传输，对网络和云系统产生了很大的压力。
为了解决网络拥堵的问题，一些IT公司开始推出边缘计算产品，并得到了工业用户的广泛使用。边缘计算允许物联网设备生成的数据在更接近创建的位置处理，而不是通过长路径发送到数据中心或云，从而减轻了网络带宽的负荷，同时也提升了现场数据处理的及时性。
究竟什么是边缘计算？
边缘计算可以看作是一种微型的数据中心，它可以在本地处理或存储关键数据，并将所有接收的数据推送到中央数据中心或云存储。可以说边缘计算是将云的能力扩展到工业现场，通过本地的计算设备将数据进行采集、清洗、整理等处理，然后再传输到云端。
在大多数情况下，大部份的数据信息都将存在于云中，而边缘设备作为云计算的补充，大大提升了物联网设备连接到云的效率。边缘计算在本地对数据进行分类，因此其中一些数据在本地处理，从而减少了到中央存储的容量。通常IoT设备将数据传输到本地计算设备，数据先在边缘处理，然后其部分被发送到公司数据中心。
边缘计算可减少网络的延迟性，因为数据无需通过网络传输到数据中心或云进行处理。这对于一些时间要求比较高的行业特别重要，例如制造业中，毫秒级延迟都可能无法维持机器的正常运行，工业自动化生产线需要实时数据采集和即刻的反馈处理。
边缘计算的工业应用场景
制造业向智能化升级转型，生产设备的复杂程度越来越高，大量的数据可能只有部分是关键或者有意义的，例如在海洋中的石油钻井平台，有数千个传感器产生大量数据，其中大部分可能无关紧要，有些只是确认系统是否在正常运行。但是，机器的数据一旦产生就不一定需要通过网络发送，这是不合理的。
所以，以很多场合需要边缘计算系统对数据进行处理，然后再将每日报告发送到中央数据中心进行长期存储，边缘计算系统减少了网络的数据量。目前边缘计算在工业中的应用体现在几个方面，主要是针对设备和供应链系统的监控和优化。
设备保护。随着IT技术和工业技术的融合发展，现场机器设备不断升级，并拥有了一些运算的能力，例如智能水泵可以利用边缘计算进行基本的分析，设定系统安全的阈值，如果设备超限就执行泵关闭的动作。边缘计算设备进行此类应用意味着不需连接互联网和没有决策延迟，只要在设备端安装了边缘计算，即使与云系统连接中断，也可以始终如一地实施关键任务。
性能监控。机器运行的效率影响到工厂整体的产出，所以通常设备厂商会对其机器进行实时的监控，那么采用边缘计算可以实时得到数据和及时解决现场的问题。尽管可以在云中执行很多数据的分析，但某些信息的时间价值很高，响应延迟和等待来自云的决策可能会造成重大损失。因此，使用边缘计算来对来自工厂中传感器的多个数据点进行实时分析是十分关键的。
供应链优化。要提升工厂的效率，通常需要对整个生产过程进行评估和优化，从产品设计、材料采购、制造、销售和物流等环节都要进行分析。边缘计算可以在短时间内从多个来源获取数据，并进行分析整理，可以适应业务系统中的供应链优化计划。
