El Internet de las Cosas (IoT) ha ganado un reconocimiento significativo para convertirse en un nuevo paradigma de detección para interactuar con el mundo físico en esta era de la Industria 4.0. Los IoT se están utilizando en muchas aplicaciones diversas que forman parte de nuestra vida y están creciendo para convertirse en los sistemas nerviosos digitales globales. Es bastante evidente que en un futuro cercano, cientos de millones de individuos y empresas con miles de millones tendrán sensores inteligentes y tecnología de comunicación avanzada, y estas cosas ampliarán los límites de los sistemas actuales. Esto resultará en un cambio potencial en la forma en que trabajamos, aprendemos, innovamos, vivimos y nos entretenemos. Los sensores inteligentes heterogéneos dentro del Internet de las Cosas son partes indispensables, que capturan los datos crudos del mundo físico al ser el primer punto de contacto. A menudo, los sensores dentro del IoT se despliegan o instalan en entornos hostiles. Esto inevitablemente significa que los sensores son propensos a fallas, mal funcionamiento, rápida disminución, ataques maliciosos, robo y manipulación. Todas estas condiciones hacen que los sensores dentro del IoT produzcan lecturas inusuales y erróneas, a menudo conocidas como valores atípicos. Gran parte de la investigación actual se ha realizado en el desarrollo de modelos de detección de valores atípicos y fallas de sensores exclusivamente para las Redes de Sensores Inalámbricos (WSN), y hasta ahora no se ha realizado una investigación adecuada en el contexto del IoT. El marco operativo de las redes de sensores inalámbricos difiere mucho en comparación con el marco operativo del IoT, por lo que algunos de los modelos existentes desarrollados para WSN no se pueden utilizar en IoT para detectar valores atípicos y fallas. La detección de fallas y valores atípicos de los sensores es muy crucial en el IoT para detectar la alta probabilidad de lecturas erróneas o corrupción de datos, garantizando así la calidad de los datos recopilados por los sensores. Los datos recopilados por los sensores se preprocesan inicialmente para transformarse en información y cuando se utilizan modelos de Inteligencia Artificial (IA), Aprendizaje Automático (ML) por el IoT, la información se procesa aún más en aplicaciones y procesos. Cualquier lectura de sensor defectuosa, errónea o corrupta corrompe los modelos entrenados, lo que produce procesos anormales o valores atípicos que son significativamente distintos de los procesos de comportamiento normales de un sistema. En este documento, presentamos una revisión exhaustiva de la detección de fallas de sensores, anomalías, valores atípicos en el Internet de las Cosas y los desafíos. Se discute una guía integral para seleccionar un modelo adecuado de detección de valores atípicos para los sensores en el contexto del IoT para diversas aplicaciones.