近年来智能化成为各产业的热门议题，工业4.0现在已开始进入实质导入阶段，而工业物联网是工业4.0的基础架构，系统建构时必须与现有设备全面串接，随着制造业的厂商规模增大，机台数量势必会越来越多，在整合概念下，各机台之间的通讯互连已是必然.
工业物联网的系统建置目标，聚焦于制造业前端设计与后端制程系统，用以提高产线弹性，现在市场上的工业物联网作法有两种，一是设备中建置传感器，传感器可快速判断工件的类别，改变生产方式，不过一旦所需处理的工件种类变多，这需要系统复杂度也必须同步提升，另一是将产线系统设备模块化，一旦产品或制程将产线拆开重组，即可组装成适合的生产系统。
这两种方式都会牵涉到不同系统的整合，一是视觉技术，品管是最后产品质量最后把关的环节，在机器视觉技术未臻成熟之前，过去一向以人力为主，以太阳能、LED产业为例，就有超过20%的人力投注在此，不过产品检测单调且冗长的作业模式，容易使操作者出现疲劳、注意力分散等问题，现在机器视觉技术逐渐精进，足以担当产品检测重任，因此可以被导入产线以提高了产能、降低成本。
目前机器可视化的检测作法，是将视觉传感器与镜头，直接建在系统设备上，当产品传送至该站时，即可被检测，这种作法的好处是可以全检，不像一般用抽检的方式，产品质量可全面获得保障，另一个优点是速度快，可加快检测速度。
视觉检测是现代自动化系统相当重要的部份，而此一技术也是现代与传统自动化的主要差异，20年前机器视觉因技术尚未成熟，与自动化系统整合的难度相当高，就算整合进去，判别速度也有限，不过随着视觉演算、判断法则的进步，再加上现在PC的强大功能，未来视觉检测会大量应用在各类制程。
就整个历程来看，视觉检测在2000年开始被大量应用，当时主要应用领域是PCB(Printed Circuit Board;印刷电路板)与FPD(Flat Panel Display;平面显示器)，不过主要都用来做瑕疵检测，随着技术进步，现在的视觉检测功能已不再只局限于此，包括尺寸检测与颜色、条形码、车牌等辨识都已能胜任，其应用也仍不断扩大，例如以前立体工件的量测，必须将对象放至3D设备进行扫描，不过这类扫描会有尺寸限制。
另外，现在视觉技术也可用来进行定位与尺寸的量测，例如工研院机械所就曾接过马达厂的案子，利用视觉技术检测马达内的线圈，由于受测马达的线圈相当大，整体长度超过2公尺，这种产品对于尺寸的准确度要求相当高，因此在绕线完后，必须确定尺寸的正确与否?对此，工研院就特别开发专属机台，用视觉检测大型马达线圈尺寸，马达的尺寸量测非常复杂，不仅是3D量测，还有曲度、各个旋转的R角等，这些复杂的尺寸量测，以前用人工，光是一个线圈就需要数小时，而机械所开发的机台，只要在2～3分钟可完成，大幅提升了量测效率。
另一种视觉应用是与机器人整合，进行定位、导引，过去机器人动作时，因没有视觉配合，必须事先规划行径路线，因此应用不但大为受限且缺少弹性，若工件规格有所变化，就必须更改程序，在机器人身上加入视觉装置后，由视觉传感器可回馈讯号，让机器人自主判断工件的形状、颜色、位置，即便尺寸、位置更动，也不必重写程序，如此将可大幅提升自动化产线的弹性。
在制程监控方面，工业物联网系统可透过感测技术进行节能与效率两种监控，由于这方面的监测，其物理量通常都不太好量，因此多采间接量测，例如工具机里的切削力量测，不是将传感器设置在基座就是在刀具底部，再利用推论模式推测出所要的数值，这种推论模式，是利用过去累积的数据，来预测下一步的状况，以进行控制、补偿，藉以提升准确率。
监测部份，现在业界的研发走向是设备预诊，此作法除了建有历史数据库外，还可依据数据库进行预测，例如若发现系统性能除线问题，就可由此系统推算出可能出错的系统环节，这种预测诊断的功能，主要是根据既有数据来预测系统未来的性能与状况，并诊断系统中未来的可能损坏部位与时间，让设备厂商可提前备料、维修，这类系统在大型设备如核能、大型风力发电等相当常见，一般来说，越大型的设备，对预测诊断的系统需求会越高。