工業物聯網與人工智能合體之後，竟把魔爪第一個伸向了她…

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”的更新，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”——變形金剛裡面這種裸身出境的性感糖果Twizzlers。

談及工業網際網路，你的腦海裡一定是被企業業務優化、機器遠端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，抓出了水準，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）。（詳情請看：《物女心經|IAI這片處女地隐藏着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，我們需要将工業領域進一步劃分，根據生産工藝組織方式，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。企業将現成的元部件裝配加工成更大規模的整體裝置，生産過程中基本上沒有發生物質改變，隻是物料的形狀群組合發生了變化。最終産品由各種物料裝配而成，并且一個産品有多少個部件，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、加熱等實體或化學方法，使原材料增值，生産過程通常需要嚴格的過程控制。

之前我看到和聽到過IAI圍着離散制造女神狂獻殷勤的種種事迹，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。是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——早已在全年無休号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的科技結晶之後，是不是又多了一個愛上它的理由呢？

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

好時對女性的緻命吸引力，還在于它對“零食藝術品”非一般的執念。為了提升工藝水準，它利用IAI改進了糖果的生産過程，并用事實證明，即使沒有資料科學家的介入，也能實作效率每提升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，讓生産線比少女的水蛇腰還要靈活。一條生産線不僅可以生産Twizzlers，還可以生産79種其他品牌的糖果。當然好時使用的是知名雲平台已經預先内建的機器學習算法，而不需要聘請資料科學家重新建構。

然後，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後發生變化（縮小），有可能不滿足法定售賣尺寸，為了達标，廠家必須讓糖果額外“增肥”，這就導緻原料成本的增加。

好時變得更好了，也更加“吝啬”了。比如，如果想把糖果做到2盎司的大小，鑒于冷卻後品質會減輕，一開始糖果的品質必須大于2盎司。但是到底需要多出多少呢？原來不知道精确的數字，隻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，生産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内部的Twizzlers溫度，通過這種對于參數的準确追蹤，他們在前輩面前不小心實作了彎道超車。

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差別，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，如此循環往複，當Licorice很熱的時候，它會變瘦，Twizzlers也比最終的成品重量略輕。

在烹饪缸上面有22個傳感器，每隔1分鐘測量一次溫度，基于對6,000萬個資料點的深度學習，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産品的淨重，由于對産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确切重量，不胖不瘦。

Twizzlers糖果成品重量的準确性每增加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，也可以任性請高顔值帥哥代言，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，是以節省成本帶來的利益将更大倍數呈現。

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裡的Twizzlers液位超過某一高度的時候，會導緻産品品質産生波動，增加了不确定性。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進階管理層的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。

接着是思維上的轉變，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：我們的資料到底有什麼用？

以前好時的工程師們使用公式預測産品重量，而現在他們使用大量的傳感器資料，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。無奈現實并沒有那麼簡單，充滿了擾動和不确定性。當好時通過傳感器采集到的資料越多，發現由多元度和多變量導緻的不确定性越甚，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實作對大量資料的分析，進而把握事物發展的軌迹，是更加成熟的選擇。

最後，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.提取資料：從實時和曆史資料庫中提取資料

3.清理資料：清理資料以進行分析

4.尋找異常值：使用計算工具找出異常值

5.提煉相關資料：使用工具來分析哪些傳感器資料是有效的

6.花時間訓練：舍得花時間訓練你的算法，并讀取測試資料

7.建構Web服務：實時分析資料

8.形成閉環：通過安全回路将控制資料發送到生産線

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？

原文出處：物聯網智庫

<a href="http://www.iot101.com/kpwl/2017-03-14/12965.html" target="_blank">原文連結</a>

轉載請與作者聯系，同時請務必标明文章原始出處和原文連結及本聲明。