En la fabricación inteligente, los sistemas humanos cibernéticos físicos albergan gemelos digitales y redes basadas en IoT. Las redes entrelazan habilitadores de fabricación como herramientas de máquinas CNC, robots, sistemas CAD/CAM, sistemas de planificación de procesos, sistemas de planificación de recursos empresariales y recursos humanos. Los gemelos funcionan como el cerebro de los habilitadores; es decir, los gemelos suministran el conocimiento necesario y ayudan a los habilitadores a resolver problemas de forma autónoma en tiempo real. Dado que la rugosidad superficial es una preocupación importante de todos los procesos de fabricación, se necesitan gemelos para resolver problemas relevantes de rugosidad superficial. Los gemelos deben aprender el conocimiento necesario de los conjuntos de datos relevantes disponibles en big data. Por lo tanto, la preparación de conjuntos de datos relevantes para la rugosidad superficial para ser incluidos en el big data amigable para el sistema humano-cibernético-físico es un problema crítico. Sin embargo, la preparación de tales conjuntos de datos es un desafío debido a la falta de un procedimiento firme. Este estudio arroja algo de luz sobre este problema. Se propone un método de vanguardia para preparar los mencionados conjuntos de datos para la rugosidad superficial, donde cada conjunto de datos consta de cuatro segmentos: anotación semántica, modelo de rugosidad, algoritmo de simulación y sistema de simulación. Estos segmentos proporcionan información de entrada para los módulos de entrada, modelado, simulación y validación de los gemelos digitales. El segmento de anotación semántica se reduce a un mapa conceptual. Por lo tanto, se desarrolla un mapa conceptual legible por humanos y máquinas donde se integra la información de otros segmentos (modelo de rugosidad, algoritmo de simulación y sistema de simulación). El mapa de retraso de alturas del perfil de rugosidad superficial juega un papel fundamental en el método propuesto de preparación de conjuntos de datos. La exitosa preparación de conjuntos de datos de rugosidad superficial subyacentes a fresado, torneado, rectificado, mecanizado por descarga eléctrica y pulido muestra la eficacia del método propuesto. El método se extenderá a los procesos de fabricación en la próxima fase de este estudio.