Transformer la fabrication : Construire des apps MES personnalisées en seulement 48 heures

Cinq fabricants discrets. Cinq vrais problèmes. Cinq solutions fonctionnelles construites sur des données de production en direct en 48 heures.

Chaque fabricant auquel nous parlons a la même frustration quelque part dans la conversation : leur logiciel presque convient. Le MES gère les ordres de travail, la planification et le TRS. Mais les flux de travail qui sont spécifiques à leur opération, ceux qui vivent sur des tableaux blancs, presse-papiers et connaissances tribales, ceux-là n'intègrent jamais tout à fait le système.

Alors ils construisent des contournements. Ils créent des tableurs. Ils bipent les gens par interphone. Ils se tiennent devant des graphiques papier chaque matin et calculent manuellement s'ils passent une bonne ou une mauvaise journée.

En mars 2026, nous avons décidé de voir ce qui se passerait si nous donnions à cinq de nos clients deux jours, une équipe d'ingénieurs et des outils de développement assistés par IA, et leur demandions de combler ces écarts eux-mêmes.

Les résultats étaient meilleurs que prévu.

Qu'est-ce que Production Lab ?

Production Lab est un événement de construction pratique de deux jours où les clients MachineMetrics travaillent côte à côte avec notre équipe d'ingénierie pour concevoir et construire des applications personnalisées sur la plateforme MachineMetrics.

L'événement de cette année a eu lieu les 11 et 12 mars près de notre siège à Northampton, Massachusetts, pendant une semaine d'onsite ingénierie. Cinq équipes clientes ont participé, chacune arrivant avec un problème opérationnel spécifique et un objectif commun : repartir avec quelque chose qu'elles pourraient réellement utiliser sur le terrain.

Les outils qu'ils ont utilisés : Max IA pour l'exploration de données et le développement de prompts, Lovable et Cursor pour la construction d'applications assistée par IA, et Carbide, le constructeur d'applications personnalisées de MachineMetrics, pour déployer des applications de qualité production directement dans la plateforme.

Chaque équipe a livré une solution fonctionnelle liée à de vraies données machine en direct à la fin du deuxième jour.

Les Projets

Harvey Performance : Combler le trou de la production sans lumière

Harvey Performance fabrique des outils de coupe industriels pour l'aérospatiale, le médical et l'électronique. Leur atelier exécute une production complexe, faite pour le stock, avec des centaines de familles de travaux, et un problème persistant : quand un travail se termine, les machines restent inactives jusqu'à ce que quelqu'un arrive physiquement pour démarrer la prochaine mise en place.

Harvey avait la technologie pour faire des changements automatisés entre travaux partageant le même outillage. Ce qui manquait était un système pour le planifier et l'orchestrer. Sans cela, l'utilisation du week-end chutait significativement dimanche soir et prenait des jours à récupérer.

En deux jours, ils ont construit le Stacker Tracker : un tableau de bord superviseur en direct qui montre le travail actif de chaque machine, tous les travaux en file d'attente, et le temps d'exécution projeté à travers la fenêtre sans lumière. Le système calcule des temps de mise en place dynamiques basés sur la structure de code de lot propriétaire de Harvey, signale les conflits de main-d'œuvre, et permet aux superviseurs d'assigner des opérateurs aux mises en place avec des heures de début spécifiques. Si la mise en place n'a pas lieu, le planning revient automatiquement. Aucun nettoyage manuel requis.

Le cas business : une initiative d'économie de sept chiffres et des millions supplémentaires en revenus de capacité récupérée.

"En un jour et demi, nous avons pu concevoir quelque chose qui aurait probablement pris des mois à créer auparavant, et c'est adapté spécifiquement à notre opération." — George Burleson, Directeur de l'Analytique de Fabrication, Harvey Performance

Zygo (AMETEK) : Une salle de guerre numérique pour la gestion quotidienne

Zygo fabrique des optiques de précision ultra pour le semi-conducteur, la défense et la fusion laser. Chaque jour, leur équipe de direction se tient devant des tableaux blancs, graphiques papier et graphiques imprimés pour déterminer si leur opération est sur la bonne voie.

Leur objectif : rendre les 15 indicateurs clés dans Sécurité, Personnel, Qualité, Livraison et Valeur lisibles en 10 secondes à 10 pieds, à chaque niveau de l'organisation.

Ils ont construit un système de gestion multi-niveaux entièrement numérique dans Lovable. Il descend du niveau entreprise jusqu'aux cellules de machines individuelles en quelques clics. Max IA génère des résumés et signale des motifs à chaque niveau. Un système de ticketing configurable regroupe les préoccupations de sécurité, demandes de maintenance et idées d'amélioration continue en un seul endroit, pour que rien ne se perde à travers des systèmes disparates.

Cela touche chaque personne en opérations dès le premier jour.

"Des choses comme le système de tableau de bord numérique par niveau que nous avons construit ici lors de cet événement de deux jours n'était même pas sur mon radar pour des choses que MachineMetrics était capable d'atteindre. Avec l'avancement de l'IA et Carbide, MachineMetrics apporte de nouvelles avenues, de nouvelles valeurs et de la flexibilité chaque jour." — JD Smith, Directeur des Opérations pour l'Optique, Zygo/AMETEK

Pindel Global Precision : Transformer les données de décalage d'outils en intelligence de processus

Pindel exécute un contrat gouvernemental sur quatre machines CNC, 24/7. Différents opérateurs ajustaient les décalages d'outils à des taux très différents, mais personne ne pouvait le voir. Les machines étaient connectées. Les données circulaient. Elles n'étaient tout simplement pas capturées quelque part de significatif.

Thomas Deslongchamps, Directeur de la Formation et de l'Amélioration Continue, a décidé de changer cela. En utilisant Lovable et le Constructeur d'Applications Carbide MachineMetrics, il a construit une application d'analytique de décalage d'outils personnalisée presque entièrement seul. Elle visualise les ajustements de décalage par outil dans le temps, corrélés au nombre de pièces et codés par couleur par opérateur. Pour la première fois, Pindel pouvait voir quels opérateurs étaient des valeurs aberrantes, quand les ajustements se regroupaient, et quels motifs émergeaient à travers les machines.

"Nous cherchons à nous éloigner du statu quo opérationnel préférentiel vers un statu quo plus basé sur les données. Pourrions-nous faire moins de décalages et rester dans les paramètres de qualité ?" — Thomas Deslongchamps, Directeur de la Formation et de l'Amélioration Continue, Pindel Global Precision

Un ingénieur MachineMetrics travaillant aux côtés de Thomas a utilisé un agent IA personnalisé pour scanner le code sous-jacent et a trouvé un chemin d'accès aux données plus efficace, qui a débloqué exactement la fonctionnalité dont Thomas avait besoin et ouvre la porte à des cas d'utilisation encore plus larges à l'avenir.

La capacité avait toujours existé à l'intérieur de la plateforme. Il a fallu le bon client, le bon cas d'usage et la bonne chaîne d'outils pour la faire vivre. Ce que Pindel a construit ne résout pas juste leur problème. Cela définit ce qui est possible pour chaque fabricant de précision posant la même question invisible.

Flexco : Construire un système de dispatch chariots élévateurs à partir de zéro

Flexco fabrique des solutions de convoyeurs. À leur installation de Downers Grove, les chariots élévateurs (appelés "jeeps" en interne) sont des actifs critiques avec zéro visibilité. Les demandes de matériel partent par interphone. Les conducteurs doivent se souvenir de ce qui a été demandé et où. En 2025, cet angle mort a coûté environ 225 000 $ en temps de production perdu.

Jaimeson Aufderheide, un Spécialiste de l'Amélioration Continue sans expérience préalable en développement logiciel, a construit l'application centrale lui-même en utilisant Lovable. À la fin du deuxième jour, Flexco avait un système de dispatch entièrement embarqué complet avec une interface de demande opérateur, une file d'attente conducteurs en direct avec priorisation par zone, un tableau de bord gestionnaire montrant la performance des tickets en temps réel et historique, et un widget configurable qui roulait tout cela en une seule tuile déployable.

Les bases de code Lovable et Cursor ont été fusionnées via GitHub en un modèle de données unifié. Ce pattern de collaboration inter-outils a émergé organiquement pendant l'événement et n'était pas quelque chose que qui que ce soit avait planifié.

"Il y a deux jours, si je te demandais 't'as ça ?' qu'est-ce que tu aurais dit ?" "Je ne sais même pas par où commencer." — Échange lors de la démonstration Flexco

Johnstech International : Gestion de durée de vie d'outils et écart de données de dix ans comblé

Johnstech fabrique des équipements de test pour semi-conducteurs. Leur problème : les opérateurs remplaçaient soit les outils trop tôt, changeant tout au début du quart indépendamment de l'usure, soit les faisaient tourner trop longtemps et produisaient de mauvaises pièces.

La solution était un tableau de bord de durée de vie d'outils qui montre tous les outils classés par temps d'engagement réel et codés par couleur pour l'attention. Mais la vraie surprise est venue en cours de construction : l'équipe a découvert que Johnstech avait déjà un sous-programme de changement d'outils tournant sur chaque machine depuis le premier jour de leur déploiement MachineMetrics. Toutes ces données historiques étaient déjà dans le système, juste non traitées.

Ils ont rétro-rempli 90 jours d'historique de durée de vie d'outils. Pas de nouveau matériel. Pas de nouvelle configuration. Juste traiter ce qui était déjà là.

Le second projet a comblé un écart qui existait depuis 10 à 15 ans : une intégration ERP en direct avec Microsoft Dynamics 365 qui compare le temps d'exécution planifié versus réel pour chaque opération, chaque jour.

"C'est quelque chose qu'on n'a juste jamais su pendant 10, 15 ans. Et maintenant on a cette information." — Dan Sheehan, Responsable IT, Johnstech International

Ce que cela prouve

MachineMetrics n'est pas juste un outil que les fabricants regardent. C'est une plateforme sur laquelle ils construisent.

Ce n'est pas une revendication de positionnement. C'est ce qui s'est passé à travers cinq entreprises, cinq problèmes opérationnels différents et cinq niveaux de compétence différents sur deux jours. Un spécialiste CI sans expérience en codage a livré une application intégrée à la production. Un client a construit la première application d'analytique de décalage d'outils commerciale, sur la plateforme, presque entièrement seul. Un écart de 10 à 15 ans dans l'intelligence de production a été comblé avec des données qui étaient restées dans le système tout ce temps.

L'écart d'exécution est réel. Il vit entre ce que votre ERP planifie et ce que votre terrain fait réellement, et il coûte aux fabricants marge, capacité et heures chaque quart. Le combler nécessite un logiciel qui correspond à la façon dont votre opération fonctionne réellement, pas un modèle générique que vous adaptez vous-même.

"C'est été génial de travailler épaule contre épaule avec les ingénieurs, combinant leur expérience en développement logiciel avec le côté opérations pour voir des solutions prendre vie en temps réel. Et puis pouvoir marcher deux pieds à gauche et avoir une conversation avec un des dirigeants sur la stratégie de l'entreprise et quelle technologie arrive. La flexibilité qui m'a attiré vers MachineMetrics est en pleine affichage ici à cet événement." — JD Smith, Directeur des Opérations pour l'Optique, Zygo/AMETEK

C'est pour cela que Production Lab existe. Et nous planifions déjà le prochain.

Vous voulez construire quelque chose ?

Si vous êtes un client MachineMetrics avec un flux de travail qui ne correspond pas tout à fait à l'outillage standard, nous voulons en entendre parler. Et si vous êtes un fabricant qui fait encore tourner ce processus sur tableaux blancs et presse-papiers, parlons de ce que deux jours pourraient faire.