Développement MES accéléré :les fabricants créent des solutions personnalisées en 48 heures

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

Tous les fabricants avec qui nous parlons ont la même frustration enfouie quelque part dans la conversation :leur logiciel convient presque. Le MES gère les bons de travail, la planification et l'OEE. Mais les workflows qui sont spécifiques à cause de leur fonctionnement, ceux qui vivent sur des tableaux blancs, des presse-papiers et des connaissances tribales, ceux-là ne parviennent jamais vraiment à entrer dans le système.

Alors ils créent des solutions de contournement. Ils créent des feuilles de calcul. Ils bipent les gens via les interphones. 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 deux jours à cinq de nos clients, une équipe d'ingénieurs et des outils de développement assistés par l'IA, et leur demandions de combler eux-mêmes ces lacunes.

Les résultats ont été meilleurs que prévu.

Qu'est-ce que le laboratoire de production ?

Production Lab est un événement de construction pratique de deux jours au cours duquel les clients de MachineMetrics travaillent côte à côte avec notre équipe d'ingénieurs pour concevoir et créer des applications personnalisées sur la plateforme MachineMetrics.

L'événement de cette année a eu lieu les 11 et 12 mars près de notre siège social à Northampton, dans le Massachusetts, lors d'une semaine d'ingénierie sur site. Cinq équipes clients étaient présentes, chacune arrivant avec un problème opérationnel spécifique et un objectif commun :repartir avec quelque chose qu'elles pourraient réellement utiliser dans l'atelier.

Les outils qu'ils ont utilisés :Max AI pour l'exploration des données et le développement rapide, Lovable et Cursor pour la création d'applications assistées par l'IA, et Carbide, le générateur d'applications personnalisées de MachineMetrics, pour déployer des applications de production directement dans la plate-forme.

Chaque équipe a livré une solution fonctionnelle liée à des données machine réelles et actives à la fin du deuxième jour.

Les projets

Performances Harvey :combler l'écart entre les lumières et l'extinction

Harvey Performance fabrique des outils de coupe industriels pour les clients de l'aérospatiale, du médical et de l'électronique. Leur atelier gère une production complexe, sur mesure, avec des centaines de familles de tâches et un problème persistant :lorsqu'une tâche se termine, les machines restent inactives jusqu'à ce que quelqu'un arrive physiquement pour démarrer la configuration suivante.

Harvey disposait de la technologie nécessaire pour effectuer des changements automatisés entre les tâches partageant le même outillage. Ce qui leur manquait, c’était un système pour le planifier et l’orchestrer. Sans cela, l'utilisation du week-end diminuerait considérablement le dimanche soir et mettrait plusieurs jours à se rétablir.

En deux jours, ils ont créé Stacker Tracker :un tableau de bord de superviseur en direct qui affiche les tâches actives de chaque machine, toutes les tâches en file d'attente et la durée d'exécution projetée via la fenêtre d'extinction. Le système calcule les temps de configuration dynamiques sur la base de la structure de code de lot exclusive de Harvey, signale les conflits de travail et permet aux superviseurs d'affecter les opérateurs aux configurations avec des heures de début spécifiques. Si la configuration ne se produit pas, la planification revient automatiquement. Aucun nettoyage manuel requis.

L'analyse de rentabilisation :une initiative d'économies de coûts à sept chiffres et plusieurs millions de revenus supplémentaires grâce à la capacité récupérée.

"En un jour et demi, nous avons pu concevoir quelque chose qui aurait probablement pris des mois à créer auparavant, et il est spécifiquement adapté à notre activité." — George Burleson, directeur de l'analyse de la fabrication, Harvey Performance

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

Zygo fabrique des optiques d'ultra-précision pour les applications de semi-conducteurs, de défense et de fusion laser. Chaque jour, leur équipe de direction se tient devant des tableaux blancs, des tableaux papier et des graphiques imprimés pour déterminer si leurs opérations sont sur la bonne voie.

Leur objectif :rendre les 15 indicateurs clés concernant la sécurité, les ressources humaines, la qualité, la livraison et la valeur lisibles en 10 secondes à 3 mètres, à tous les niveaux de l'organisation.

Ils ont construit un système de gestion entièrement numérique à plusieurs niveaux dans Lovable. Il permet d'effectuer des analyses depuis le niveau de l'entreprise jusqu'aux cellules de machine individuelles en quelques clics. Max AI génère des résumés et des modèles de drapeaux à chaque niveau. Un système de billetterie configurable regroupe les problèmes de sécurité, les demandes de maintenance et les idées d'amélioration continue en un seul endroit, afin que rien ne soit perdu entre des systèmes disparates.

Cela touche chaque personne impliquée dans les opérations dès le premier jour.

"Des choses comme le système de cartes numériques que nous avons construit ici au cours de cet événement de deux jours n'étaient même pas sur mon radar pour les choses que MachineMetrics a pu réaliser. Avec les progrès de l'IA et du carbure, MachineMetrics apporte chaque jour de nouvelles voies, une nouvelle valeur et une flexibilité." — JD Smith, directeur des opérations pour l'optique, Zygo/AMETEK

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

Pindel gère un contrat gouvernemental sur quatre machines CNC, 24h/24 et 7j/7. Différents opérateurs ajustaient les corrections d'outils à des rythmes très différents, mais personne ne pouvait le voir. Les machines étaient connectées. Les données circulaient. Cela n’a tout simplement pas été capturé nulle part de manière significative.

Thomas Deslongchamps, directeur de la formation et de l'amélioration continue, a décidé de changer cela. À l'aide de Lovable et de MachineMetrics Carbide Application Builder, il a créé presque entièrement lui-même une application d'analyse de décalage d'outils personnalisée. Il visualise les ajustements de décalage par outil au fil du temps, corrélés au nombre de pièces et codés par couleur par opérateur. Pour la première fois, Pindel a pu voir quels opérateurs étaient aberrants, quand les ajustements étaient regroupés et quels modèles émergeaient sur les machines.

"Nous cherchons à nous éloigner du statu quo opérationnel plus préférentiel pour adopter un statu quo davantage basé sur les données. Pourrions-nous faire moins de compensations tout en restant 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 d'IA personnalisé pour analyser le code sous-jacent et a trouvé un chemin d'accès aux données plus efficace, qui a débloqué exactement les fonctionnalités dont Thomas avait besoin et ouvre la porte à des cas d'utilisation encore plus larges.

Cette capacité a toujours existé au sein de la plateforme. Il a fallu le bon client, le bon cas d’utilisation et la bonne chaîne d’outils pour lui donner vie. Ce que Pindel a construit ne résout pas seulement leur problème. Il s'agit de définir ce qui est possible pour chaque fabricant de précision, en posant la même question invisible.

Flexco :Créer un système de répartition des chariots élévateurs à partir de zéro

Flexco fabrique des solutions de convoyeurs. Dans leurs installations de Downers Grove, les chariots élévateurs (appelés « jeeps » en interne) sont des actifs essentiels avec une visibilité nulle. Les demandes de matériel sont envoyées par interphone. Les conducteurs doivent se rappeler 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 aucune expérience préalable en développement de logiciels, a lui-même créé l'application principale à l'aide de Lovable. À la fin du deuxième jour, Flexco disposait d'un système de répartition entièrement intégré doté d'une interface de demande d'opérateur, d'une file d'attente des chauffeurs en direct avec priorisation par zone, d'un tableau de bord du gestionnaire affichant les performances des tickets en temps réel et historiques, et d'un widget configurable qui regroupait le tout dans une seule vignette déployable.

Les bases de code Lovable et Cursor ont été fusionnées via GitHub dans un modèle de données unifié. Ce modèle de collaboration entre outils est apparu de manière organique au cours de l'événement et n'était pas quelque chose que personne n'avait prévu.

« Il y a deux jours, si je vous demandais :« vous avez compris ? » qu'auriez-vous dit?" "Je ne sais même pas par où commencer." — Échange lors du showcase Flexco

Johnstech International :gestion de la durée de vie des outils et comblement d'un déficit de données de plusieurs décennies

Johnstech fabrique des équipements de test de semi-conducteurs. Leur problème :soit les opérateurs remplaçaient les outils trop tôt, changeaient tout au début du quart de travail, quelle que soit l'usure, soit les utilisaient trop longtemps et produisaient des pièces défectueuses.

La solution consistait en un tableau de bord sur la durée de vie des outils qui affiche tous les outils classés en fonction du temps d'engagement réel et dotés d'un code couleur pour attirer l'attention. Mais la véritable surprise est survenue à mi-construction :l'équipe a découvert que Johnstech disposait déjà d'un sous-programme de changement d'outil exécuté sur chaque machine depuis le premier jour de son déploiement MachineMetrics. Toutes ces données historiques étaient déjà dans le système, mais non traitées.

Ils ont rempli rétroactivement 90 jours d’historique de vie des outils. Pas de nouveau matériel. Pas de nouvelle configuration. Je traite simplement ce qui était déjà là.

Le deuxième projet a comblé une lacune qui existait depuis 10 à 15 ans :une intégration ERP en direct avec Microsoft Dynamics 365 qui compare le temps d'exécution de production prévu et réel pour chaque opération, chaque jour.

"C'est quelque chose que nous n'avons jamais su depuis 10, 15 ans. Et maintenant nous avons cette information." — Dan Sheehan, responsable informatique, Johnstech International

Ce que cela prouve

MachineMetrics n'est pas seulement un outil que les fabricants examinent. C'est une plateforme sur laquelle ils s'appuient.

Ce n’est pas une affirmation de positionnement. C'est ce qui s'est passé dans 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 créé la première application commerciale d’analyse de compensation sur la plateforme, presque entièrement lui-même. Un écart de 10 à 15 ans en matière d'intelligence de production a été comblé grâce aux données qui étaient restées dans le système pendant tout ce temps.

L’écart d’exécution est réel. Cela se situe entre ce que prévoit votre ERP et ce que fait réellement votre atelier, et cela coûte de la marge, de la capacité et des heures aux fabricants à chaque quart de travail. Le fermer nécessite un logiciel adapté au fonctionnement réel de votre opération, et non un modèle générique que vous adaptez vous-même.

"Cela a été formidable de travailler côte à côte avec les ingénieurs, combinant leur expérience en développement logiciel avec celle des opérations pour voir les solutions prendre vie en temps réel. Et puis, pouvoir marcher deux pieds vers la gauche et avoir une conversation avec l'un des dirigeants sur la stratégie de l'entreprise et la technologie à venir. La flexibilité qui m'a attiré vers MachineMetrics est pleinement visible ici lors de cet événement. " — JD Smith, directeur des opérations pour l'optique, Zygo/AMETEK

C'est à cela que sert Production Lab. 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'ensemble d'outils standard, nous souhaitons en entendre parler. Et si vous êtes un fabricant et continuez à exécuter ce processus sur des tableaux blancs et des presse-papiers, parlons de ce que deux jours pourraient faire.