有人說“女人永遠是對的”。

　　這句話反映了很多男性蠻不講理地認為女性蠻不講理。

近幾年，38婦女節也進行了一番“蠻不講理”的升級，一大波“女神節”、“女王節”華麗麗的蛻變一下子讓這個單純樸素的節日膨脹了起來。于是我不妨也來膨脹一下，本周我們來談一個“兩性話題”——變形金剛里面這種裸身出境的性感糖果Twizzlers。

談及工業互聯網，你的腦海里一定是被企業業務優化、機器遠程追蹤這樣糙漢子的形象先入為主，然而你是否想到，它的“魔爪”已經悄悄伸向了甜蜜的糖果領域。這一抓還就抓出了風格，抓出了水平，在以糖果為代表的流程控制行業留下了新的印記。

在以前的文章中，我曾經提到過這一波中國制造業轉型中蘊含的投資大機會：人工智能＋工業物聯網，AI＋IIoT，簡稱，IAI（Industrial Artificial Intelligence）。（詳情請戳這里：《物女心經｜IAI這片處女地隱藏著中國制造業轉型投資的最大機會》）

如果細看IAI落地的具體應用，我們需要將工業領域進一步劃分，根據生產工藝組織方式，分為離散制造業和流程行業。

典型的離散制造行業，比如機械加工、電子電器、汽車制造等。企業將現成的元部件裝配加工成更大規模的整體設備，生產過程中基本上沒有發生物質改變，只是物料的形狀和組合發生了變化。最終產品由各種物料裝配而成，并且一個產品有多少個部件，一個部件有多少個零件，這些物料一個不能多，也一個不能少。

再來看看另一半。典型的流程行業，比如醫藥、石油化工、電力、鋼鐵、能源、水泥等。企業主要通過對原材料進行混合、分離、粉碎、加熱等物理或化學方法，使原材料增值，生產過程通常需要嚴格的過程控制。

之前我看到和聽到過IAI圍著離散制造女神狂獻殷勤的種種事跡，至于流程行業，這還是大姑娘上轎——頭一回，糖果果然帶來了驚喜。

有用即正義，糖果給流程工業帶來的驚喜不服不行。所以這個事情值得好好說說。

好時公司（Hershey）家的當紅花旦——Twizzlers扭扭糖和Reese’s花生醬夾心牛奶巧克力杯——早已在全年無休號稱要減肥的女性群體中圈粉無數，不過當你知道它們包含了物聯網和IAI的科技結晶之后，是不是又多了一個愛上它的理由呢？

當好時給生產線裝上了傳感器，并且使用機器學習讓整個生產過程的效率提升之后，IAI讓這些糖果變“小”了。

好時對女性的致命吸引力，還在于它對“零食藝術品”非一般的執念。為了提升工藝水平，它利用IAI改進了糖果的生產過程，并用事實證明，即使沒有數據科學家的介入，也能實現效率每提升1％，成本就節省50萬美元。

首先，好時使用機器學習和預測分析算法，讓生產線比少女的水蛇腰還要靈活。一條生產線不僅可以生產Twizzlers，還可以生產79種其他品牌的糖果。當然好時使用的是知名云平臺已經預先內建的機器學習算法，而不需要聘請數據科學家重新構建。

然后，他們在容量為14，000磅的Twizzlers儲罐中增加了傳感器，以便更好的調節溫度等變量，對于糖果尺寸的控制也可以更加精準。原來的糖果尺寸會在冷卻之后發生變化（縮小），有可能不滿足法定售賣尺寸，為了達標，廠家必須讓糖果額外“增肥”，這就導致原料成本的增加。

好時變得更好了，也更加“吝嗇”了。比如，如果想把糖果做到2盎司的大小，鑒于冷卻后質量會減輕，一開始糖果的質量必須大于2盎司。但是到底需要多出多少呢？原來不知道精確的數字，只能按照經驗多給一些，現在發現2．19盎司剛好，完全不用多給！

具體來說，生產Twizzlers的原料從儲存罐的頂部被倒入熱容器，而糖果從罐子的底部被擠出。通過新增的工業物聯網傳感器，好時可以監控每個高溫儲存罐內部的Twizzlers溫度，通過這種對于參數的準確追蹤，他們在前輩面前不小心實現了彎道超車。

好時發現儲存罐不再僅僅是一個靜止物體，而是一個靈動的生命。以Licorice甘草口味為例，炙熱的原料注入儲存罐，整個過程有點兒像釀酒但又有所區別，原料在儲存罐中慢慢冷卻、醞釀，14，000磅的Licorice原料似乎變成了活的生物。不斷有炙熱的原料從頂部注入，如此循環往復，當Licorice很熱的時候，它會變瘦，Twizzlers也比最終的成品重量略輕。

在烹飪缸上面有22個傳感器，每隔1分鐘測量一次溫度，基于對6，000萬個數據點的深度學習，算法可以預知問題和失誤。

好時根據這22個傳感器的讀數，可以更好的預測最終產品的凈重，由于對產品尺寸和重量有了更好的預測方法，糖果們更接近他們所需的確切重量，不胖不瘦。

Twizzlers糖果成品重量的準確性每增加1％，在每批次14，000加侖的情況下，可以節省50萬美元，省下來的錢可以任意買買買，比如堆積如山的原材料，也可以任性請高顏值帥哥代言，比如下邊這位。

同樣的物聯網技術也被應用于其他類型的巧克力，因為巧克力比糖果更貴，因此節省成本帶來的利益將更大倍數呈現。

當然，我們在工業領域談論人工智能時，主要是指狹義人工智能，ANI（Artificial Narrow Intelligence）。即便是最簡單的ANI，也足夠撐起工業物聯網的野心了。

好時還破天荒的發現當儲存罐里的Twizzlers液位超過某一高度的時候，會導致產品質量產生波動，增加了不確定性。從此好時不再一味追求把Twizzlers儲存罐裝得足夠滿，而是懂得了控制實際容量不要超過這個上限。

消息傳得很快，有超過20家公司來向好時取經，Twizzlers IAI項目的負責人總結了他的經驗和收獲，堪稱一部超勵志的血淚史。

首先是準備好被拒。

在IAI帶來價值之前，他至少收到了來自公司高級管理層的4個NO：“不行”、“不能”、“不要”、“不對”，任何一個“不”都擲地有聲。就在被虐成渣的前一秒，霸道總裁CIO大手一揮，妥了。

接著是思維上的轉變，跳出公式，追求相關關系。

運用IAI之初，好時必須回答的第一個問題就是：我們的數據到底有什么用？

以前好時的工程師們使用公式預測產品重量，而現在他們使用大量的傳感器數據，通過IAI算法進行更精準的預測。

　　完成這個轉變不容易。

人們往往習慣了“迷信”公式，如果找不到愛因斯坦所謂的簡諧之美的公式，變不肯罷休。無奈現實并沒有那么簡單，充滿了擾動和不確定性。當好時通過傳感器采集到的數據越多，發現由多維度和多變量導致的不確定性越甚，這時指望仍舊使用公式來進行推算是逆潮流而動的，通過IAI實現對大量數據的分析，從而把握事物發展的軌跡，是更加成熟的選擇。

最后，好時總結了任何公司運用IAI都建議遵循的8個步驟：

1．傳感器：在關鍵位置部署盡可能多的傳感器

2．提取數據：從實時和歷史數據庫中提取數據

3．清理數據：清理數據以進行分析

4．尋找異常值：使用計算工具找出異常值

5．提煉相關數據：使用工具來分析哪些傳感器數據是有效的

6．花時間訓練：舍得花時間訓練你的算法，并讀取測試數據

7．構建Web服務：實時分析數據

8．形成閉環：通過安全回路將控制數據發送到生產線

終于，IAI在流程行業有了第一個“小情人兒”。不過，糖果都從了，冰淇淋還能抵抗多久呢？