工業(yè)物聯(lián)網(wǎng)（IIoT）將原本獨立編程的各種裝置，全結合在同一個智能網(wǎng)絡系統(tǒng)。這些系統(tǒng)通常具備實時運算、資料互連、資安集成、高性能、可靠、可擴充等能力。由于當前采用的云端解決方案仍有不少限制，因此有越來越多先進且高價值的IIoT使用案例，開始從云端轉(zhuǎn)向霧運算（fog computing）。

　　Embedded Computing Design報導指出，IIoT的演變，根據(jù)資料互連性與人工智能（AI）程度的不同，可分為監(jiān)控、最佳化與自主性三個層級。監(jiān)控包含了等預測性維修、資產(chǎn)追蹤等資產(chǎn)績效管理工作。這個層級的資料只是從邊緣流向后端云端或控制中心，彼此間并未產(chǎn)生互連性。人工智能與先進分析都只在后端運行。

　　這個層級的使用案例重點，在于流程的最佳化，也就是利用傳感器擷取的資料，監(jiān)控并改進整個工業(yè)流程。隨著傳感器使用數(shù)量提升，為減少傳輸至后端的資料量，系統(tǒng)開始產(chǎn)生邊緣分析的需求，而邊緣分析也將持續(xù)提升流程的P2P資料互連性。如此一來，IIoT系統(tǒng)便具備資料互連性與分層的運算功能，而這都需有霧運算的支持。

　　進入自主性層級的IIoT，主要利用AI管理系統(tǒng)，不再需要人為介入。各項決策權與控制將依據(jù)反應時間要求與資料規(guī)模，分配到IIoT系統(tǒng)的不同階層。這個層級的實時資料會在各個運算節(jié)點間移動。如果沒有霧運算，系統(tǒng)便不可能擁有自主性，而透過霧運算，業(yè)者便能開發(fā)出更有彈性、韌性的自主化系統(tǒng)。

　　舉例而言，離岸風力發(fā)電農(nóng)場引進物聯(lián)網(wǎng)技術后，每座風力發(fā)電機內(nèi)的數(shù)據(jù)總線（databus）便可在各個運算節(jié)點的分析與控制應用間進行資料分享。當安裝在某一座風力發(fā)電機的傳感器偵測到風向或風力變化時，便可通知其它下風處的風力發(fā)電機做出調(diào)整，以維持整座風力發(fā)電農(nóng)場的穩(wěn)定輸出。

　　發(fā)電農(nóng)場的資料也可在傳回至后端的控制中心后，與氣象、集成業(yè)務系統(tǒng)等其它服務結合，產(chǎn)生長期的預測及分析資料。監(jiān)控層級的IIoT并無部署霧運算的必要，但對于最佳化使用案例而言，霧運算可說是十分理想的功能；對于自主性使用案例，霧運算更是關鍵。

　　以Linux容器等靈活的運算框架有助于簡化AI應用的部署與管理，而資料分散式服務（DDS）等連網(wǎng)標準，是最佳化與自主性使用案例達成資料互連性不可或缺的基礎。