ProveIt! 2026 : Prouver qu'un MES prêt à l'emploi est faisable

Il y a une opinion qui gagne beaucoup de terrain dans la fabrication en ce moment : qu'il n'existe pas de MES prêt à l'emploi. Que chaque usine est si unique qu'il faut assembler une douzaine d'outils et tout reconstruire à partir de zéro à chaque fois.

J'ai passé plus d'une décennie sur les terrains d'usine. Je comprends pourquoi les gens croient ça. Mais je pense qu'ils ont tort, et je voulais le prouver.

C'est pourquoi nous nous sommes présentés à ProveIt! 2026.

Ce qu'est réellement ProveIt!

Pour ceux qui ne connaissent pas, ProveIt! est l'un des environnements compétitifs les plus difficiles de notre industrie. Cinquante-et-un fournisseurs. Selon les rapports, 125 fabricants sont présents. Trois usines virtuelles en direct, intentionnellement désordonnées et incomplètes, parce que c'est à quoi ressemblent les vraies implémentations. Vous connectez votre produit à l'usine, montrez ce que vous avez construit, et répondez à quatre questions sur scène : Quel problème avez-vous résolu ? Comment l'avez-vous résolu ? Combien de temps cela a-t-il pris ? Combien cela a-t-il coûté ?

Pas de jeu de diapositives poli ne vous sauve. Vous le prouvez ou vous ne le prouvez pas.

Nous n'étions pas là pour affirmer qu'un MES parfait prêt à l'emploi existe. Nous étions là pour prouver quelque chose de plus spécifique : que vous ne devriez pas avoir à partir de zéro. Un fabricant ne devrait pas avoir besoin de 18 mois, une équipe de consultants et une page blanche pour obtenir un système qui fonctionne réellement pour son opération.

Le problème que nous nous sommes fixés de résoudre

MachineMetrics a été construit pour la fabrication discrète. Machines CNC, estampage et moulage par injection. C'est notre ADN. Nous sommes profondément connectés aux fabricants centrés sur l'usinage dans l'aérospatiale, la défense, les dispositifs médicaux et les ateliers de précision.

L'usine virtuelle ProveIt! qui nous a été assignée ? Une opération d'embouteillage de boisson multi-sites. Trois sites. Cuves, remplisseuses, étiqueteuses, palettiseurs. Traitement par lots continu. Pas une seule machine CNC en vue.

Je vais être honnête : quand j'ai vu l'affectation, ma première pensée a été "dans quoi je me suis embarqué ?" Ce n'était pas notre environnement typique. Pas du tout.

Alors nous avons décidé de le traiter comme un vrai test. Jusqu'où notre plateforme pouvait-elle s'étendre avant qu'on doive tout reconstruire ?

La réponse m'a même surpris.

Deux semaines. Une personne. (Presque.)

Je dois être franc sur quelque chose : je n'ai pas commencé cela avant deux semaines avant la conférence. Toute mon équipe d'ingénierie était enterrée à implémenter de nouveaux clients après une forte clôture de trimestre. Alors je l'ai pris en main moi-même avec l'aide de Vicente, l'un de nos ingénieurs d'applications. Je ne suis pas développeur, ou du moins pas vraiment.

Ce que nous avons construit :

Connectivité machine en heures. Nous avons démarré notre plateforme edge, connecté au broker MQTT sur l'UNS, et utilisé nos outils assistés par IA pour mapper automatiquement les éléments de données sur plus de cinquante machines sur le site. Je n'avais jamais connecté une cuve auparavant. Nous avons découvert en cours de configuration qu'un des capteurs rapportait le poids et le débit. Le système l'a géré. Ce genre de flexibilité est quelque chose que je n'appréciais pas pleinement jusqu'à ce que je sois au milieu.

Appris à l'IA à comprendre l'embouteillage. C'était la partie dont j'étais le plus incertain. Nous avons une nouvelle fonctionnalité appelée KnowledgeHub qui vous permet de charger la documentation de processus et les procédures opérationnelles pour entraîner Max IA - notre IA agentique native - sur votre environnement spécifique. Je lui ai donné la description de l'usine, la spécification fonctionnelle, et un contexte général sur la fabrication de boissons, et elle a commencé à générer des réponses utiles presque immédiatement. Listes de vérification de changement basées sur les vraies procédures. Résumés de transfert de quart qui comprenaient la différence entre un arrêt de remplisseuse et un problème d'étiqueteuse en aval.

Nous n'avons pas construit un MES pour boissons. Nous avons appris à notre IA comment fonctionne la fabrication de boissons. Cette distinction importe. C'est la différence entre personnalisation et configurabilité.

Un panneau opérateur personnalisé. J'ai construit une interface opérateur personnalisée en utilisant notre MCP développeur, APIs, et notre framework de design frontal. Je veux être clair sur ce que cela signifie : oui, il y a du développement personnalisé impliqué. Mais c'est du travail frontal sur une plateforme qui comprend déjà les données de fabrication, la planification de production, la classification des arrêts, et les événements de quart. Ce n'est pas 12 mois d'ingénierie back-end en partant d'une page blanche. Vicente et moi avons construit quelque chose qui ressemble et se comporte comme un vrai produit en jours. Ce framework frontal a un nom maintenant : Carbide. C'est comme ça qu'on rend ce genre de développement accessible à n'importe quel client, pas juste aux équipes avec des ressources ingénierie dédiées.

Un agent intelligent. En utilisant notre serveur MCP et N8N, j'ai construit un workflow qui tourne sur un planning, récupère les données de production, les fait passer par notre IA, détecte les anomalies et goulots d'étranglement, et livre un briefing intelligent. Celui que j'ai montré sur scène a identifié un problème de blocage de cuve. LA CUVE 3 retenait le mauvais produit et créait un problème en cascade en aval. Le système a recommandé une action spécifique pour l'empêcher de se reproduire, et le panneau opérateur a fait remonter l'alerte en temps réel. Deux prompts à Max IA. Un workflow N8N importé. Fait.

Ce que la démo a réellement montré

Quand je suis monté sur scène, la salle avait déjà vu beaucoup de fournisseurs. Voici ce qui a, je pense, marqué :

L'histoire de la vitesse a frappé différemment que prévu. "Deux semaines, avec deux ou trois personnes ?" J'ai entendu ça des participants encore et encore. Les fabricants ont été conditionnés à s'attendre à des cycles d'implémentation de 6 à 18 mois. L'idée que vous puissiez connecter une opération multi-sites, intégrer un ERP, configurer l'IA pour un nouvel environnement de fabrication, et construire une interface opérateur personnalisée en deux semaines est véritablement difficile à croire. Jusqu'à ce que vous le voyiez en direct.

La démo de transfert de quart a été le moment qui a ralenti les gens. Opérateurs enregistrant des notes de quart. L'IA génère un résumé de transfert qui combine ces notes avec les événements de production, classifications d'arrêts, temps de changement, et taux de sortie. Le quart entrant reçoit ce briefing avant de toucher une machine. La connaissance tribale est capturée automatiquement, chaque quart. J'ai vu la douleur que ce problème cause sur de vrais terrains d'usine. L'audience l'a ressentie aussi.

L'histoire de la configurabilité a résonné avec les intégrateurs dans la salle. Prendre une plateforme construite pour la fabrication discrète, lui apprendre la fabrication de boissons via KnowledgeHub, et la faire générer des insights utiles et contextuellement précis sur un processus avec lequel je n'avais jamais travaillé. C'est la preuve que vous n'avez pas besoin de tout reconstruire à partir de zéro.

Ce que nous construisons sur cette base

La chose la plus précieuse à propos d'une conférence comme ProveIt! n'est pas le temps sur scène. C'est ce que vous entendez quand vous êtes debout à un stand pendant quatre jours à parler à des constructeurs, intégrateurs et fabricants qui ne filtrent pas leur retour.

Voici ce qu'on a entendu, et voici ce qu'on fait à ce sujet.

Nous construisons une connectivité UNS plus rapide. À ProveIt!, l'UNS était déjà configuré, donc la connectivité machine était simple. Dans les vraies implémentations, ce processus de connectivité est l'une des parties les plus chronophages pour mettre un client en ligne. Pendant la conférence, nous avons construit un nouveau Connecteur UNS qui gère la découverte de machines ISA95, le mapping d'éléments de données, et la configuration d'adaptateur en un seul clic. Ce qui prenait des heures prendra maintenant des minutes. C'est le genre d'amélioration qui se compose à travers chaque déploiement qu'on fait.

Nous affinons la façon dont nous parlons de où nous nous situons dans la stack. La question la plus courante à notre stand n'était pas "Est-ce que ça marche ?" C'était "Où MachineMetrics s'inscrit-il dans mon architecture ?" Pour une communauté qui pense en couches, c'est une question juste et à laquelle nous devons répondre plus clairement. Nous sommes une plateforme full-stack, ce qui signifie que nous possédons plus du problème que la plupart des fournisseurs dans cet espace. Mais full-stack ne veut pas dire fermé. Nous publions des données, nous partageons via MCP, et nous intégrons avec les systèmes que nos clients font déjà tourner. Les deux choses sont vraies, et nous devenons meilleurs pour les dire toutes les deux à voix haute.

Nous doublons la mise sur la plateforme, et nous lui donnons un nom. La version de MachineMetrics qui s'est présentée à ProveIt! pouvait se connecter à une opération d'embouteillage de boissons qu'elle n'avait jamais vue, apprendre le processus via KnowledgeHub, et générer des workflows opérateur contextuellement précis en deux semaines. Le panneau opérateur, l'agent intelligent, l'échafaudage d'app assisté par IA : tout cela est en train d'être formalisé en une capacité unique qu'on appelle Carbide, notre constructeur d'applications personnalisées. Carbide est comment les clients et notre propre équipe construiront, déploieront et itéreront rapidement des applications qui étendent MachineMetrics dans les flux de travail spécifiques dont chaque fabricant a besoin, sans les délais de développement traditionnels et sans partir de zéro. Ce que vous avez vu construit à ProveIt! est la preuve précoce. Il y en a plus qui vient.

Le tableau d'ensemble

Voici ce que je crois réellement après avoir passé une semaine à ProveIt! avec 51 fournisseurs et selon les rapports 125 fabricants :

L'IA change ce que signifie construire du logiciel de fabrication. Les apps qui prenaient des mois à développer peuvent maintenant être échafaudées en heures. La connaissance qui vivait dans les procédures et la mémoire tribale peut maintenant être structurée, stockée, et présentée à chaque opérateur sur chaque quart. Les barrières qui rendaient le MES prêt à l'emploi impossible, les écarts de configurabilité, les exigences de connaissance spécifiques aux verticales, et le travail d'intégration personnalisée rétrécissent vite.

Cela crée une opportunité. Les fabricants qui attendent une solution personnalisée parfaite vont découvrir que l'écart entre "prêt à l'emploi" et "construit pour nous" se referme plus vite qu'ils ne s'y attendaient. Le terrain d'entente, une plateforme configurable qui vous amène à la valeur vite et vous laisse étendre à partir de là, devient le choix rationnel.

Nous sommes allés à ProveIt! pour faire cet argument. Je pense qu'on l'a fait.

Regardez notre présentation complète ProveIt! ci-dessous.

Des questions ou envie d'en savoir plus ? Rejoignez la conversation sur LinkedIn ici !

Bill Bither est le Co-Fondateur et CEO de MachineMetrics.