数据源的划分
以下从两个维度对工厂的数据来源进行分析：
从系统/设备角度划分
从业务角度划分
系统/设备划分
从产生数据的系统或设备来看，有工厂物联网、工厂信息化系统（包括企业信息化系统在工厂的部署实施）、外部互联网。
1、工厂物联网
物联网的概念于2005由国际电信联盟（itu）提出，但物联网并非一次革命，而是一次演进，自动化行业从1990年代就已经开始了相关的探索：数字化、互联互通、嵌入式系统和工业软件，工厂对这些概念和产品已经逐步采纳和适应。
工业物联网技术的发展，进一步推进了it和ot的融合，使得工厂现场变得更加数字化、更直观透明。工厂物联网也成为发展最快、数据量最大的数据来源。
现场总线、工业以太网在工厂现场早已得到了普遍的应用，无论是机械行业的mdc（机床数据采集），还是流程行业的scada，都实现了关键设备联网和远程监控。设备运行状态、故障报警、设备参数、工艺参数、物料消耗和产出都可以实时获取，这是现场数据的重要来源；
近年来物联网技术快速发展，智能传感器、智能仪表、rfid、二维码等在工厂逐渐实施，为工厂现场数据采集提供新的技术手段；
而集机械、传感、自动化、信息化、智能化为一体的智能装备开始蓬勃发展，智能装备成为工业大数据新的、增长最快的来源，它实时自动采集了设备、产品、工艺的状态与工况数据。
2、工厂信息化系统
随着it技术的发展，管理信息化系统在企业和工厂得到了广泛应用：
从企业来看：办公自动化系统（oa）、产品生命周期管理(plm)、企业资源规划(erp)、供应链管理(scm)和客户关系管理(crm)等信息化系统得到普遍实施，这些系统中积累了产品研发数据、生产制造数据、物流供应数据以及客户服务数据。
从工厂自身来看：生产执行系统（mes）、实验室信息管理系统（lims）、仓库管理系统（wms）、能源管理系统（ems）也在各行各业实施，生产/质量/物料/设备/能源等数据得到了积累和沉淀。
这些信息系统存储了大量工厂核心业务数据，具有高价值密度。
3、外部互联网
当前互联网与工业深度融合，企业外部互联网已成为工业大数据不可忽视的来源。从供应商数据、产品销售数据、市场反馈、市场分析都是需要工厂关注的数据源。
此外，外部互联网还存在着海量的“跨界”数据，比如影响装备作业的气象数据、影响产品市场预测的宏观经济数据、影响企业生产成本的环境法规数据……
业务划分
从业务角度来划分，可以将数据来源为产品、工艺、设备、生产、质量、运维、能耗、物料、人员等。
产品信息：包括产品规格、bom、产品图片等；
工艺信息：包括工序、工艺参数、工艺说明等；
设备信息：包括设备运行状态、设备参数、故障报警等；
生产信息：包括生产订单、生产工单、生产批次、启停时间、产出等；
质量信息：包括样本、采样人、采样时间、检验参数、检验结果、质量判定等；
运维信息：包括点检信息、保养信息、故障维修、备件消耗等；
人员信息：包括人员编号、岗位信息、资质证书、考勤信息；
安全信息：包括风险源、安全巡检、安全预警。
数据源的分级
收集越多的数据，就可以对工厂的运行进行建模和分析，便能发现更多的优化机会，但管理数据的成本却是不菲，从收集、清理、转换和存储数据都需要付出时间和金钱。
工厂的数据源众多，就需要从业务价值、实现复杂度和数据管理成本进行综合分析，进行数据源进行优先级划分。这也可以从两个方面去考虑：
从系统角度来看，工厂信息化系统的价值密度高、数据量小、投入成本较低，是工厂大数据的首选数据源；而工厂物联网数据的价值密度低、数据量大、投入成本较高；而外部互联网获取成本高，更需要从价值角度进行优选。
从业务角度，也可以从工厂管理的难点和痛点进行分级筛选。
数据源的关联
一些碎片化的数据源通常价值不大，但多个数据源进行关联后就会产生更大的价值。例如现场的电能表，虽然能够发现能耗的波动，但是和设备信息关联后，就可以发现设备运行能耗、故障能耗，从而发现更多的节能优化点，同时也可以对设备运维提供更好的辅助决策。
所以如何将各个数据源进行关联就需要深入分析和探讨，对于每个数据源多可以从5w2h的角度进行分析和关联：
what，产品规格和生产批次
why，生产订单、生产工单、客户
when，时间信息
where，设备
who，班组、员工
how，设计要求和工艺要求
how much，成本信息
通过5w2h分析发现关键字，将数据源赋予更多的信息，并与其它数据源进行关联。