以下挑战正在改变工业物联网价值链

延迟问题。延迟是指在网络上传输给定数量的数据所需的时间。就工业物联网而言，随着联网设备和对象数量的显著增加，网络速度和高速数据对于许多工业流程变得越来越重要(尤其是对时间敏感的流程，瞬间反应至关重要，例如资产管理和关键电源问题、流程优化、预测分析以及供应链管理的实时需求等)。因此，工业物联网越来越需要具有极低延迟的网络。

网络带宽问题。带宽是指在一定时间内可以通过网络通道传输的最大信息或数据量。随着越来越多的数据通过工业物联网进行传输，带宽容量面临着越来越大的压力。同时，数据的大量增加使存储成本、能源成本和IT集成成本不断攀升。

可靠性问题。在互联网连接受限的情况下，(相互)连接的设备和对象数量的增长也增加了数据丢失或操作失败的风险(当工业物联网网络中有更多的远程资产接入网络或更多的资产处于互联网连接不可靠区域网络时尤其如此)。

安全问题。随着越来越多的数据在工业物联网上传输，对在这些网络上传输敏感业务数据的安全性关注也在日益增加。在传统工业互联网中，数据的存储和分析是在集中式数据中心或云上进行的，这很容易受到网络攻击和断电的影响。

这些挑战对工业物联网价值链产生了极大的影响。具体来说，现在的趋势是边缘计算。在边缘计算中，传感器、控制器和其他联网设备或对象直接捕获与分析工业物联网数据(或将其传输到附近的计算设备)，而不是将数据传输到集中式云或数据中心进行处理和分析。当数据的处理和分析发生在网络边缘时，该数据可以立即得到分析并得到响应。可以说，在传统的工业物联网环境中，数据首先在一个集中的位置(通常是云)被采集、传输，然后再被处理、分析。但是，边缘计算基于分布式计算环境，在该环境中可以本地收集、处理和分析数据。

边缘计算具有以下优点

更快的响应时间和实时分析：由于数据处理更接近源头而不是在集中式数据中心或云上进行，因此减少了延迟并提高了响应速度。通过较低的延迟级别，应用程序可以更高效、更快地运行。

间歇连接时的可靠操作：对数据的本地存储和处理可确保在互联网连接受限的情况下不会丢失数据或发生操作故障。

安全性与合规性：可以避免在设备与集中式云或数据中心之间进行大量数据传输。边缘计算可在本地过滤敏感信息，仅将重要数据传输到集中式数据中心或云。这使用户可以建立足够安全和合规的框架，这对于企业的网络安全至关重要。

经济高效的解决方案：边缘计算可以在本地执行大量数据计算，这使企业能够决定哪些服务可在本地运行以及哪些服务需传输到集中式云或数据中心，从而降低了整个物联网解决方案的最终成本。

边缘计算的趋势对工业物联网价值链具有重大影响。然而，最值得注意的是，边缘计算主要是对传统工业物联网价值链的补充和扩展，并非所有数据都会在网络边缘进行处理和分析。在云或集中式数据中心中处理和分析数据仍具有其特定优势，例如计算能力(尤其是机器学习和开发人工智能算法所需的大型数据集分析能力)和维护。因此，边缘计算和集中式云计算都倾向于在最新的工业物联网系统中协同工作。