Prouvez-le ! 2026 :Prouver qu’un MES prêt à l’emploi est réalisable

Il y a une idée qui gagne beaucoup de terrain dans le secteur manufacturier à l'heure actuelle :il n'existe pas de MES prêt à l'emploi. 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 dans les ateliers. Je comprends pourquoi les gens croient cela. Mais je pense qu'ils ont tort, et je voulais le prouver.

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

Qu'est-ce qui le prouve ! C'est en fait

Pour ceux qui ne sont pas familiers, ProveIt ! est l’un des environnements concurrentiels les plus difficiles de notre industrie. Cinquante et un vendeurs. Selon certaines informations, 125 fabricants seraient présents. Trois usines virtuelles en direct, intentionnellement compliquées et incomplètes, car c'est à cela que ressemblent les implémentations réelles. 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 ? Qu'est-ce que ça a coûté ?

Aucun jeu de diapositives raffiné ne vous sauve. Soit vous le prouvez, soit vous ne le faites pas.

Nous n'étions pas là pour prétendre qu'il existe un MES prêt à l'emploi parfait. Nous étions là pour prouver quelque chose de plus précis :qu’il ne faut pas repartir de zéro. Un fabricant ne devrait pas avoir besoin de 18 mois, d'une équipe de consultants et d'une page blanche pour obtenir un système qui fonctionne réellement pour son exploitation.

Le problème que nous cherchons à résoudre

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

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

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

Nous avons donc décidé de considérer cela comme un véritable test. Jusqu'où notre plateforme pourrait-elle s'étendre avant que nous devions commencer à la reconstruire ?

La réponse m'a même surpris.

Deux semaines. Une personne. (La plupart du temps.)

Je dois être franc sur quelque chose :je n'ai commencé cela que deux semaines avant la conférence. Toute mon équipe d'ingénieurs a été enterrée dans la mise en œuvre de nouveaux clients après une clôture trimestrielle solide. Je l'ai donc pris moi-même avec l'aide de Vicente, l'un de nos ingénieurs d'application. Je ne suis pas développeur, ou du moins pas vraiment.

Ce que nous avons construit :

Connectivité des machines en heures. Nous avons lancé notre plate-forme Edge, connectée au courtier MQTT sur l'UNS, et utilisé nos outils assistés par l'IA pour mapper automatiquement les éléments de données sur plus de cinquante machines du site. Je n'avais jamais connecté un réservoir auparavant. Nous avons découvert à mi-installation que l'un des capteurs indiquait le poids et le débit. Le système l’a géré. Honnêtement, ce genre de flexibilité est quelque chose que je n'ai pas pleinement apprécié avant d'être au milieu de tout cela.

Apprendre 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 des processus et les SOP pour former Max AI - notre IA agentique native - sur votre environnement spécifique. Je lui ai fourni la description de l'usine, les spécifications fonctionnelles et un contexte général sur la fabrication de boissons, et il a commencé à générer des réponses utiles presque immédiatement. Listes de contrôle de changement basées sur les SOP réelles. Des résumés de transfert d'équipe qui comprennent la différence entre un arrêt de remplissage et un problème d'étiqueteuse en aval.

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

Un panneau de commande personnalisé. J'ai construit une interface opérateur personnalisée à l'aide de notre MCP de développeur, de nos API et de notre cadre de conception front-end. Je veux être clair sur ce que cela signifie :oui, un développement personnalisé est impliqué. Mais il s'agit d'un travail frontal sur une plate-forme qui comprend déjà les données de fabrication, la planification de la production, la classification des temps d'arrêt et les événements liés aux équipes. Il ne s’agit pas de 12 mois d’ingénierie back-end repartis d’une page blanche. Vicente et moi avons construit quelque chose qui ressemble et se comporte comme un vrai produit en quelques jours. Ce framework frontal a désormais un nom :Carbide. C'est ainsi que nous rendons ce type de développement accessible à tous les clients, et pas seulement aux équipes disposant de ressources d'ingénierie dédiées.

Un agent intelligent. À l'aide de notre serveur MCP et de N8N, j'ai créé un flux de travail qui s'exécute selon un calendrier, extrait les données de production, les exécute via notre IA, détecte les anomalies et les goulots d'étranglement et fournit un briefing intelligent. Celui que j'ai montré sur scène identifiait un problème de blocage des chars. La TVA 3 contenait le mauvais produit et créait un problème en cascade en aval. Le système recommandait une action spécifique pour éviter que cela ne se reproduise, et le panneau de commande affichait l'alerte en temps réel. Deux invites à Max AI. Un flux de travail N8N importé. Terminé.

Ce que la démo a réellement montré

Quand je suis monté sur scène, la salle avait déjà vu beaucoup de vendeurs. Voici ce que je pense avoir atterri :

L'histoire de la vitesse s'est déroulée différemment de ce à quoi je m'attendais. "Deux semaines, avec deux ou trois personnes ?" J’ai entendu cela à maintes reprises de la part des participants. Les fabricants ont été conditionnés à s’attendre à des cycles de mise en œuvre de 6 à 18 mois. L’idée selon laquelle vous pourriez connecter une opération multisite, intégrer un ERP, configurer l’IA pour un nouvel environnement de fabrication et créer une interface opérateur personnalisée en deux semaines est vraiment difficile à croire. Jusqu'à ce que vous le voyiez en direct.

La démonstration de transfert de poste a été le moment qui a ralenti les gens. Opérateurs enregistrant les notes de quart de travail. L'IA génère un résumé de transfert qui combine ces notes avec les événements de production, les classifications des temps d'arrêt, les temps de changement et les taux de production. L'équipe entrante reçoit ce briefing avant de toucher une machine. Les connaissances tribales sont capturées automatiquement, à chaque quart de travail. J'ai vu la douleur que ce problème provoque dans de vrais ateliers. Le public l'a également ressenti.

L'histoire de la configurabilité a trouvé un écho auprès des intégrateurs présents dans la salle. Prendre une plate-forme conçue pour la fabrication discrète, lui enseigner la fabrication de boissons via KnowledgeHub et lui faire générer des informations utiles et contextuellement précises sur un processus avec lequel je n'avais jamais travaillé auparavant. C'est la preuve qu'il n'est pas nécessaire de tout reconstruire à partir de zéro.

Ce que nous construisons sur cette base

La chose la plus précieuse dans une conférence comme ProveIt ! ce n'est pas l'heure de la scène. C'est ce que vous entendez lorsque vous passez quatre jours sur un stand à discuter avec des constructeurs, des intégrateurs et des fabricants qui ne filtrent pas leurs commentaires.

Voici ce que nous avons entendu et voici ce que nous faisons à ce sujet.

Nous construisons une connectivité UNS plus rapide. Chez ProveIt !, l'UNS était déjà configuré, la connectivité des machines était donc simple. Dans les implémentations réelles, ce processus de connectivité est l’une des parties les plus chronophages de la mise en ligne d’un client. Au cours de la conférence, nous avons créé un nouveau connecteur UNS qui gère la découverte de machines ISA95, le mappage des éléments de données et la configuration de l'adaptateur en un seul clic. Ce qui a pris des heures prendra désormais quelques minutes. C'est le genre d'amélioration qui se reflète dans chaque déploiement que nous effectuons.

Nous affinons la façon dont nous parlons de notre place dans la pile. La question la plus courante sur notre stand n'était pas « Est-ce que ça marche ? C'était « Où MachineMetrics s'intègre-t-il dans mon architecture ? » Pour une communauté qui pense en plusieurs niveaux, c’est une question légitime à laquelle nous devons répondre plus clairement. Nous sommes une plate-forme full-stack, ce qui signifie que nous sommes plus responsables du problème que la plupart des fournisseurs dans ce domaine. Mais full-stack ne veut pas dire fermé. Nous publions des données, nous les partageons via MCP et nous les intégrons aux systèmes que nos clients utilisent déjà. Les deux choses sont vraies, et nous savons mieux dire les deux à voix haute.

Nous redoublons d'efforts pour la plateforme et nous lui donnons un nom. La version de MachineMetrics présentée sur ProveIt! pouvait se connecter à une opération d'embouteillage de boissons qu'il n'avait jamais vue, apprendre le processus via KnowledgeHub et générer des flux de travail d'opérateur contextuellement précis en deux semaines. Le panneau de commande, l'agent intelligent, l'échafaudage d'applications assisté par IA :tout cela est formalisé en une seule fonctionnalité que nous appelons Carbide, notre créateur d'applications personnalisées. Carbide permet aux clients et à notre propre équipe de créer, déployer et itérer rapidement des applications qui étendent MachineMetrics aux flux de travail spécifiques dont chaque fabricant a besoin, sans délais de développement traditionnels et sans repartir de zéro. Ce que vous avez vu construit chez ProveIt ! en est la première preuve. D'autres arrivent.

Vue d'ensemble

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

L’IA change ce que signifie créer des logiciels de fabrication. Les applications qui prenaient auparavant des mois à développer peuvent désormais être développées en quelques heures. Les connaissances qui vivaient autrefois dans les SOP et dans la mémoire tribale peuvent désormais être structurées, stockées et transmises à chaque opérateur à chaque quart de travail. Les obstacles qui rendaient les MES prêts à l'emploi impossibles, les lacunes en matière de configurabilité, les exigences de connaissances spécifiques aux secteurs verticaux et le travail d'intégration personnalisé diminuent rapidement.

Cela crée une opportunité. Les fabricants qui attendent une solution personnalisée parfaite vont constater que l'écart entre « prêt à l'emploi » et « construit pour nous » se réduit plus rapidement que prévu. Le juste milieu, une plate-forme configurable qui vous permet de valoriser rapidement et vous permet de vous développer à partir de là, devient le choix rationnel.

Nous sommes allés à ProveIt! pour faire valoir cet argument. Je pense que nous avons réussi.

Regardez notre ProveIt complet ! présentation ci-dessous.

Vous avez des questions ou souhaitez en savoir plus ? Rejoignez la conversation sur LinkedIn ici !

Bill Bither est le co-fondateur et PDG de MachineMetrics.