（一）工业互联网核心功能原理
工业互联网的核心功能原理是基于数据驱动的物理系统与数字空间全面互联与深度协同，以及在此过程中的智能分析与决策优化。通过网络、平台、安全三大功能体系构建，工业互联网全面打通设备资产、生产系统、管理系统和供应链条，基于数据整合与分析实现 IT 与 OT 的融合和三大体系的贯通。工业互联网以数据为核心，数据功能体系主要包含感知控制、数字模型、决策优化三个基本层次，以及一个由自下而上的信息流和自上而下的决策流构成的工业数字化应用优化闭环。如图 8 所示。
在工业互联网的数据功能实现中，数字孪生已经成为关键支撑，通过资产的数据采集、集成、分析和优化来满足业务需求，形成物理世界资产对象与数字空间业务应用的虚实映射，最终支撑各类业务应用的开发与实现。工业互联网的详细数据功能原理如图 9 所示：
在数据功能原理中，感知控制层构建工业数字化应用的底层“输入-输出”接口，包含感知、识别和控制、执行四类功能。感知是利用各类软硬件方法采集蕴含了资产属性、状态及行为等特征的数据，例如用温度传感器采集电机运行中的温度变化数据。识别是在数据与资产之间建立对应关系，明确数据所代表的对象，例如需要明确定义哪一个传感器所采集的数据代表了特定电机的温度信息。控制是将预期目标转化为具体控制信号和指令，例如将工业机器人末端运动转化各个关节处电机的转动角度指令信号。执行则是按照控制信号和指令来改变物理世界中的资产状态，既包括工业设备机械、电气状态的改变，也包括人员、供应链等操作流程和组织形式的改变。
数字模型层强化数据、知识、资产等的虚拟映射与管理组织，提供支撑工业数字化应用的基础资源与关键工具，包含数据集成与管理、数据模型和工业模型构建、信息交互三类功能。数据集成与管理将原来分散、杂乱的海量多源异构数据整合成统一、有序的新数据源，为后续分析优化提供高质量数据资源，涉及到数据库、数据湖、数据清洗、元数据等技术产品应用。数据模型和工业模型构建是综合利用大数据、人工智能等数据方法和物理、化学、材料等各类工业经验知识，对资产行为特征和因果关系进行抽象化描述，形成各类模型库和算法库。信息交互是通过不同资产之间数据的互联互通和模型的交互协同，构建出覆盖范围更广、智能化程度更高的“系统之系统”。
决策优化层聚焦数据挖掘分析与价值转化，形成工业数字化应用核心功能，主要包括分析、描述、诊断、预测、指导及应用开发。分析功能借助各类模型和算法的支持将数据背后隐藏的规律显性化，为诊断、预测和优化功能的实现提供支撑，常用的数据分析方法包括统计数学、大数据、人工智能等。描述功能通过数据分析和对比形成对当前现状、存在问题等状态的基本展示，例如在数据异常的情况下向现场工作人员传递信息，帮助工作人员迅速了解问题类型和内容。诊断功能主要是基于数据的分析对资产当前状态进行评估，及时发现问题并提供解决建议，例如能够在数控机床发生故障的第一时间就进行报警，并提示运维人员进行维修。预测功能是在数据分析的基础上预测资产未来的状态，在问题还未发生的时候就提前介入，例如预测风机核心零部件寿命，避免因为零部件老化导致的停机故障。指导功能则是利用数据分析来发现并帮助改进资产运行中存在的不合理、低效率问题，例如分析高功耗设备运行数据，合理设置启停时间，降低能源消耗。同时，应用开发功能将基于数据分析的决策优化能力和企业业务需求进行结合，支撑构建工业软件、工业 APP 等形式的各类智能化应用服务。自下而上的信息流和自上而下的决策流形成了工业数字化应用的优化闭环。其中，信息流是从数据感知出发，通过数据的集成和建模分析，将物理空间中的资产信息和状态向上传递到虚拟空间，为决策优化提供依据。决策流则是将虚拟空间中决策优化后所形成的指令信息向下反馈到控制与执行环节，用于改进和提升物理空间中资产的功能和性能。优化闭环就是在信息流与决策流的双向作用下，连接底层资产与上层业务，以数据分析决策为核心，形成面向不同工业场景的智能化生产、网络化协同、个性化定制和服务化延伸等智能应用解决方案。
工业互联网功能体系是以 ISA-95 为代表的传统制造系统功能体系的升级和变革，其更加关注数据与模型在业务功能实现的分层演进。一方面，工业互联网强调以数据为主线简化制造层次结构，对功能层级进行了重新划分，垂直化的制造层级在数据作用下逐步走向扁平化，并以数据闭环贯穿始终；另一方面，工业互联网强调数字模型在制造体系中的作用，相比传统制造体系，通过工业模型、数据模型与数据管理、服务管理的融合作用，对下支撑更广泛的感知控制，对上支撑更灵活深度的决策优化。