随着物联网技术的发展,传统工业网络发生巨大变革,并逐渐形成了工业物联网。工业物联网增强了机器之间的数据传输和数据处理能力,提高了生产制造的效率,为网络部署和资源调度等任务提供了极强的便利性。因此,工业物联网正在为迈入智能制造和工业4.0的进程赋能,带来一场新的技术革命。在这场技术革命里,充满了诸多机遇和挑战,其中包括了工业物联网中的数据时效性的挑战。在工业物联网中,对数据的实时传输以及远程监控质量有着严格的要求,因此数据要具备足够低的新鲜程度（严格的时效性要求）。本文首先采用信息年龄这一度量指标来衡量信息的新鲜程度。为了减少信息年龄,利用移动边缘计算技术将一部分数据卸载到移动边缘服务器上进行处理。同时,为了应对工业物联网中短包传输的数据传输错误问题,本文基于自动请求重传协议,提出两种策略。这两种策略分别为当数据传输出现错误时,重传一个旧的过时的数据包和传输一个最新的数据包。本文求得了两种策略下的平均信息年龄的闭式表达式,然后通过联合优化短包块长和移动边缘计算卸载率来求解平均信息年龄最小化问题。由于问题的非凸性,本文采用块坐标下降法和连续凸逼近技术来求解该问题,并证明求解方法的收敛性。最后通过大量数值结果表明本文所提出的方法求解的最优平均信息年龄几乎等于由高复杂度的穷举法所求得的,并且与基准方法相比,有显著的性能提升。此外,本文还发现重传旧的数据包策略更适合相对较小的带宽和大的本地计算能力这一场景,而传输最新数据包策略在大带宽和小的本地计算能力场景中表现更优。不同于信息年龄只考虑了信息的时效性,错误信息年龄这一度量标准同时还兼顾了信息的内容,这将有利于控制系统做出更准确的决策。因此本文进一步研究了工业物联网中错误信息年龄最小化问题。考虑多传感器的情形,本文首先将该问题建模为受限马尔可夫决策过程。由于该受限马尔可夫决策过程中具有大状态空间和大动作空间,本文采用深度强化学习算法来求解,基于A3C算法和DDPG算法分别提出了两个能满足带宽约束的调度算法。仿真结果表明对于无带宽约束的状态同构系统,本文所提出的两种算法都几乎可以实现理论上的最优结果,而对于有带宽约束或者状态异构系统,基于DDPG所提出的算法能达到更好的结果。此外,本文还对比了信息年龄和错误信息年龄两种方案,并发现以信息年龄为目标的方法所得到的结果远差于以错误信息年龄为目标所得的结果,这是因为以信息年龄为目标的方法只考虑了信息的年龄,而忽略了信息的内容,从而带来了不必要的状态更新。