有人说“女人永远是对的”。
这句话反映了很多男性蛮不讲理地认为女性蛮不讲理。
近几年，38妇女节也进行了一番“蛮不讲理”的升级，一大波“女神节”、“女王节”华丽丽的蜕变一下子让这个单纯朴素的节日膨胀了起来。于是我不妨也来膨胀一下，本周我们来谈一个“两性话题”——变形金刚里面这种裸身出境的性感糖果Twizzlers。
谈及工业互联网，你的脑海里一定是被企业业务优化、机器远程追踪这样糙汉子的形象先入为主，然而你是否想到，它的“魔爪”已经悄悄伸向了甜蜜的糖果领域。这一抓还就抓出了风格，抓出了水平，在以糖果为代表的流程控制行业留下了新的印记。
在以前的文章中，我曾经提到过这一波中国制造业转型中蕴含的投资大机会：人工智能+工业物联网，AI+IIoT，简称，IAI（Industrial Artificial Intelligence）。（详情请看：《物女心经|IAI这片处女地隐藏着中国制造业转型投资的最大机会》）
如果细看IAI落地的具体应用，我们需要将工业领域进一步划分，根据生产工艺组织方式，分为离散制造业和流程行业。
典型的离散制造行业，比如机械加工、电子电器、汽车制造等。企业将现成的元部件装配加工成更大规模的整体设备，生产过程中基本上没有发生物质改变，只是物料的形状和组合发生了变化。最终产品由各种物料装配而成，并且一个产品有多少个部件，一个部件有多少个零件，这些物料一个不能多，也一个不能少。
再来看看另一半。典型的流程行业，比如医药、石油化工、电力、钢铁、能源、水泥等。企业主要通过对原材料进行混合、分离、粉碎、加热等物理或化学方法，使原材料增值，生产过程通常需要严格的过程控制。
之前我看到和听到过IAI围着离散制造女神狂献殷勤的种种事迹，至于流程行业，这还是大姑娘上轿——头一回，糖果果然带来了惊喜。
有用即正义，糖果给流程工业带来的惊喜不服不行。所以这个事情值得好好说说。
好时公司（Hershey）家的当红花旦——Twizzlers扭扭糖和Reese’s花生酱夹心牛奶巧克力杯——早已在全年无休号称要减肥的女性群体中圈粉无数，不过当你知道它们包含了物联网和IAI的科技结晶之后，是不是又多了一个爱上它的理由呢？
当好时给生产线装上了传感器，并且使用机器学习让整个生产过程的效率提升之后，IAI让这些糖果变“小”了。
好时对女性的致命吸引力，还在于它对“零食艺术品”非一般的执念。为了提升工艺水平，它利用IAI改进了糖果的生产过程，并用事实证明，即使没有数据科学家的介入，也能实现效率每提升1%，成本就节省50万美元。
首先，好时使用机器学习和预测分析算法，让生产线比少女的水蛇腰还要灵活。一条生产线不仅可以生产Twizzlers，还可以生产79种其他品牌的糖果。当然好时使用的是知名云平台已经预先内建的机器学习算法，而不需要聘请数据科学家重新构建。
然后，他们在容量为14,000磅的Twizzlers储罐中增加了传感器，以便更好的调节温度等变量，对于糖果尺寸的控制也可以更加精准。原来的糖果尺寸会在冷却之后发生变化（缩小），有可能不满足法定售卖尺寸，为了达标，厂家必须让糖果额外“增肥”，这就导致原料成本的增加。
好时变得更好了，也更加“吝啬”了。比如，如果想把糖果做到2盎司的大小，鉴于冷却后质量会减轻，一开始糖果的质量必须大于2盎司。但是到底需要多出多少呢？原来不知道精确的数字，只能按照经验多给一些，现在发现2.19盎司刚好，完全不用多给！
具体来说，生产Twizzlers的原料从储存罐的顶部被倒入热容器，而糖果从罐子的底部被挤出。通过新增的工业物联网传感器，好时可以监控每个高温储存罐内部的Twizzlers温度，通过这种对于参数的准确追踪，他们在前辈面前不小心实现了弯道超车。
好时发现储存罐不再仅仅是一个静止物体，而是一个灵动的生命。以Licorice甘草口味为例，炙热的原料注入储存罐，整个过程有点儿像酿酒但又有所区别，原料在储存罐中慢慢冷却、酝酿，14,000磅的Licorice原料似乎变成了活的生物。不断有炙热的原料从顶部注入，如此循环往复，当Licorice很热的时候，它会变瘦，Twizzlers也比最终的成品重量略轻。
在烹饪缸上面有22个传感器，每隔1分钟测量一次温度，基于对6,000万个数据点的深度学习，算法可以预知问题和失误。
好时根据这22个传感器的读数，可以更好的预测最终产品的净重，由于对产品尺寸和重量有了更好的预测方法，糖果们更接近他们所需的确切重量，不胖不瘦。
Twizzlers糖果成品重量的准确性每增加1%，在每批次14,000加仑的情况下，可以节省50万美元，省下来的钱可以任意买买买，比如堆积如山的原材料，也可以任性请高颜值帅哥代言，比如下边这位。
同样的物联网技术也被应用于其他类型的巧克力，因为巧克力比糖果更贵，因此节省成本带来的利益将更大倍数呈现。
当然，我们在工业领域谈论人工智能时，主要是指狭义人工智能，ANI（Artificial Narrow Intelligence）。即便是最简单的ANI，也足够撑起工业物联网的野心了。
好时还破天荒的发现当储存罐里的Twizzlers液位超过某一高度的时候，会导致产品质量产生波动，增加了不确定性。从此好时不再一味追求把Twizzlers储存罐装得足够满，而是懂得了控制实际容量不要超过这个上限。
消息传得很快，有超过20家公司来向好时取经，Twizzlers IAI项目的负责人总结了他的经验和收获，堪称一部超励志的血泪史。
首先是准备好被拒。
在IAI带来价值之前，他至少收到了来自公司高级管理层的4个NO：“不行”、“不能”、“不要”、“不对”，任何一个“不”都掷地有声。就在被虐成渣的前一秒，霸道总裁CIO大手一挥，妥了。
接着是思维上的转变，跳出公式，追求相关关系。
运用IAI之初，好时必须回答的第一个问题就是：我们的数据到底有什么用？
以前好时的工程师们使用公式预测产品重量，而现在他们使用大量的传感器数据，通过IAI算法进行更精准的预测。
完成这个转变不容易。
人们往往习惯了“迷信”公式，如果找不到爱因斯坦所谓的简谐之美的公式，变不肯罢休。无奈现实并没有那么简单，充满了扰动和不确定性。当好时通过传感器采集到的数据越多，发现由多维度和多变量导致的不确定性越甚，这时指望仍旧使用公式来进行推算是逆潮流而动的，通过IAI实现对大量数据的分析，从而把握事物发展的轨迹，是更加成熟的选择。
最后，好时总结了任何公司运用IAI都建议遵循的8个步骤：
1.传感器：在关键位置部署尽可能多的传感器
2.提取数据：从实时和历史数据库中提取数据
3.清理数据：清理数据以进行分析
4.寻找异常值：使用计算工具找出异常值
5.提炼相关数据：使用工具来分析哪些传感器数据是有效的
6.花时间训练：舍得花时间训练你的算法，并读取测试数据
7.构建Web服务：实时分析数据
8.形成闭环：通过安全回路将控制数据发送到生产线
终于，IAI在流程行业有了第一个“小情人儿”。不过，糖果都从了，冰淇淋还能抵抗多久呢？
