Bewijs het! 2026:Bewijzen dat out-of-the-box MES mogelijk is

Er is een idee dat momenteel veel aandacht krijgt in de productie:dat er niet zoiets bestaat als een kant-en-klaar MES. Dat elke fabriek zo uniek is, dat je een tiental gereedschappen aan elkaar moet naaien en alles elke keer opnieuw moet opbouwen.

Ik heb meer dan tien jaar op de werkvloer doorgebracht. Ik begrijp waarom mensen dat geloven. Maar ik denk dat ze ongelijk hebben, en ik wilde het bewijzen.

Daarom waren wij aanwezig op ProveIt! 2026.

Wat bewijst het! Eigenlijk

Voor degenen die niet bekend zijn:ProveIt! is een van de meest uitdagende concurrentieomgevingen in onze sector. Eenenvijftig verkopers. Naar verluidt zijn er 125 fabrikanten aanwezig. Drie live virtuele fabrieken, opzettelijk rommelig en onvolledig, want zo zien echte implementaties eruit. Je sluit je product aan op de fabriek, laat zien wat je hebt gebouwd en beantwoordt op het podium vier vragen:Welk probleem heb je opgelost? Hoe heb je het opgelost? Hoe lang duurde het? Wat kostte het?

Geen enkel gepolijst slide-deck redt u. Je bewijst het of je bewijst het niet.

Wij waren er niet om te beweren dat er een perfecte kant-en-klare MES bestaat. Wij waren daar om iets specifiekers te bewijzen:dat je niet vanaf nul hoeft te beginnen. Een fabrikant hoeft geen 18 maanden, een team van consultants en een blanco pagina nodig te hebben om een systeem te krijgen dat echt werkt voor zijn bedrijf.

Het probleem dat we wilden oplossen

MachineMetrics is gebouwd voor discrete productie. CNC-machines, stempelen en spuitgieten. Dat is ons DNA. We zijn nauw verbonden met op machinale bewerking gerichte fabrikanten in de lucht- en ruimtevaart, defensie, medische apparatuur en precisiewerkplaatsen.

De ProveIt! virtuele fabriek die we toegewezen kregen? Een drankbottelarij op meerdere locaties. Drie locaties. Vaten, vullers, etiketteermachines, palletiseermachines. Continue batchverwerking. Geen enkele CNC-machine te bekennen.

Ik zal eerlijk zijn:toen ik de opdracht zag, was mijn eerste gedachte:"Waar ben ik aan begonnen?" Dit was niet onze typische omgeving. Helemaal niet.

Daarom besloten we het als een echte test te beschouwen. Hoe ver kan ons platform reiken voordat we moeten beginnen met de wederopbouw?

Het antwoord verraste zelfs mij.

Twee weken. Eén persoon. (Meestal.)

Ik moet ergens eerlijk over zijn:ik ben hier pas twee weken voor de conferentie mee begonnen. Mijn hele technische team was begraven bij het implementeren van nieuwe klanten na een sterke kwartaalafsluiting. Daarom heb ik het zelf opgepakt met hulp van Vicente, een van onze applicatie-ingenieurs. Ik ben geen ontwikkelaar, of in ieder geval niet zo'n ontwikkelaar.

Wat we hebben gebouwd:

Machineconnectiviteit binnen enkele uren. We hebben ons edge-platform versneld, verbonden met de MQTT-makelaar op de UNS, en onze AI-ondersteunde tools gebruikt om gegevensitems automatisch in kaart te brengen over meer dan vijftig machines op de locatie. Ik had nog nooit een tank aangesloten. We kwamen er halverwege de installatie achter dat een van de sensoren het gewicht en de stroomsnelheid rapporteerde. Het systeem heeft het afgehandeld. Dat soort flexibiliteit is iets dat ik eerlijk gezegd pas ten volle kon waarderen toen ik er middenin zat.

Leerde de AI het bottelen begrijpen. Dit was het deel waar ik het meest onzeker over was. We hebben een nieuwe functie genaamd KnowledgeHub waarmee u procesdocumentatie en SOP's kunt laden om Max AI, onze native agentic AI, te trainen in uw specifieke omgeving. Ik gaf hem de beschrijving van de fabriek, de functionele specificaties en wat algemene context over de productie van dranken, en het leverde vrijwel onmiddellijk bruikbare antwoorden op. Omschakelingscontrolelijsten gebaseerd op actuele SOP's. Samenvattingen van de ploegoverdracht waarin het verschil werd begrepen tussen een stopzetting van de vuller en een probleem met een stroomafwaartse etiketteermachine.

We hebben geen drank-MES gebouwd. We hebben onze AI geleerd hoe de productie van dranken werkt. Dat onderscheid is van belang. Het is het verschil tussen maatwerk en configureerbaarheid.

Een aangepast bedieningspaneel. Ik heb een aangepaste operatorinterface gebouwd met behulp van onze ontwikkelaars-MCP, API's en ons front-end ontwerpframework. Ik wil duidelijk zijn over wat dat betekent:ja, er komt maatwerk bij kijken. Maar het is front-end werk bovenop een platform dat al productiegegevens, productieplanning, classificatie van downtime en ploegendienstgebeurtenissen begrijpt. Het is geen twaalf maanden back-end-engineering, beginnend vanaf een blanco pagina. Vicente en ik hebben in een paar dagen iets gebouwd dat eruitziet en zich gedraagt ​​als een echt product. Dat front-endframework heeft nu een naam:Carbide. Zo maken we dit soort ontwikkeling toegankelijk voor elke klant, en niet alleen voor teams met speciale technische middelen.

Een intelligente agent. Met behulp van onze MCP-server en N8N heb ik een workflow gebouwd die volgens schema verloopt, productiegegevens ophaalt, deze door onze AI laat lopen, afwijkingen en knelpunten detecteert en een intelligente opdracht levert. Degene die ik op het podium liet zien, identificeerde een probleem met het blokkeren van de tank. VAT 3 bevatte het verkeerde product en creëerde een stroomafwaarts probleem. Het systeem adviseerde een specifieke actie om herhaling te voorkomen, en het bedieningspaneel bracht de waarschuwing in realtime naar voren. Twee prompts voor Max AI. Eén geïmporteerde N8N-workflow. Klaar.

Wat de demo feitelijk liet zien

Toen ik het podium opkwam, waren er al veel verkopers in de zaal. Dit is wat volgens mij is geland:

Het snelheidsverhaal kwam anders aan dan ik had verwacht. "Twee weken, met twee of drie personen?" Dat hoorde ik steeds vaker van de aanwezigen. Fabrikanten zijn geconditioneerd om implementatiecycli van zes tot achttien maanden te verwachten. Het idee dat je in twee weken een operatie met meerdere locaties kunt verbinden, een ERP kunt integreren, AI kunt configureren voor een nieuwe productieomgeving en een aangepaste operatorinterface kunt bouwen, is echt moeilijk te geloven. Tot je het live ziet.

De demo van de ploegendienstoverdracht was het moment dat mensen afremde. Operators die ploegnotities opnemen. AI genereert een overdrachtssamenvatting waarin deze aantekeningen worden gecombineerd met productiegebeurtenissen, classificaties van downtime, omsteltijden en uitvoersnelheden. De binnenkomende ploeg krijgt die opdracht voordat ze een machine aanraken. Tribale kennis wordt automatisch vastgelegd, bij elke dienst. Ik heb de pijn gezien die dit probleem veroorzaakt op echte werkvloeren. Het publiek voelde het ook.

Het configureerbaarheidsverhaal vond weerklank bij de integrators in de zaal. We nemen een platform dat is gebouwd voor discrete productie, leren het de productie van dranken via KnowledgeHub en laten het nuttige, contextueel nauwkeurige inzichten genereren over een proces waarmee ik nog nooit eerder heb gewerkt. Dat is het bewijs dat je niet alles helemaal opnieuw hoeft op te bouwen.

Wat we daarop bouwen

Het meest waardevolle aan een congres als ProveIt! is niet de podiumtijd. Het is wat je hoort als je vier dagen lang op een stand staat te praten met bouwers, integrators en fabrikanten die hun feedback niet filteren.

Dit is wat we hebben gehoord en wat we eraan doen.

We bouwen aan snellere UNS-connectiviteit. Bij ProveIt! was de UNS al geïnstalleerd, dus de machineconnectiviteit was eenvoudig. Bij echte implementaties is dat connectiviteitsproces een van de meest tijdrovende onderdelen van het live krijgen van een klant. Tijdens de conferentie hebben we een nieuwe UNS-connector gebouwd die de ISA95-machinedetectie, het in kaart brengen van gegevensitems en de adapterconfiguratie met één klik afhandelt. Wat uren duurde, zal nu minuten duren. Dat is het soort verbetering dat terugkomt in elke implementatie die we uitvoeren.

We scherpen de manier aan waarop we praten over waar we in de stapel passen. De meest voorkomende vraag op onze stand was niet:"Werkt het?" Het was:"Waar past MachineMetrics in mijn architectuur?" Voor een gemeenschap die in lagen denkt, is dat een terechte vraag, die we duidelijker moeten beantwoorden. We zijn een full-stackplatform, wat betekent dat we een groter deel van het probleem in handen hebben dan de meeste leveranciers in deze sector. Maar full-stack betekent niet gesloten. We publiceren gegevens, delen we via MCP en integreren met de systemen die onze klanten al gebruiken. Beide dingen zijn waar, en we worden er steeds beter in om beide hardop te zeggen.

We breiden het platform verder uit en geven het een naam. De versie van MachineMetrics die verscheen op ProveIt! kon verbinding maken met een drankbottelarij die het nog nooit had gezien, het proces leren kennen via KnowledgeHub en binnen twee weken contextueel nauwkeurige operatorworkflows genereren. Het bedieningspaneel, de intelligente agent, de AI-ondersteunde app-steigers:dat wordt allemaal geformaliseerd in één enkele mogelijkheid die we Carbide noemen, onze op maat gemaakte applicatiebouwer. Carbide is de manier waarop klanten en ons eigen team snel applicaties kunnen bouwen, implementeren en itereren die MachineMetrics uitbreiden naar de specifieke workflows die elke fabrikant nodig heeft, zonder traditionele ontwikkelingstijdlijnen en zonder helemaal opnieuw te beginnen. Wat je zag gebouwd bij ProveIt! is het eerste bewijs. Er komt nog meer.

Het grotere geheel

Dit is wat ik eigenlijk geloof na een week bij ProveIt te hebben doorgebracht! met 51 leveranciers en naar verluidt 125 fabrikanten:

AI verandert wat het betekent om productiesoftware te bouwen. De apps die vroeger maanden nodig hadden om te ontwikkelen, kunnen nu in enkele uren worden gebouwd. De kennis die vroeger in SOP's en stamgeheugen aanwezig was, kan nu worden gestructureerd, opgeslagen en voor elke operator tijdens elke dienst beschikbaar worden gemaakt. De barrières die een out-of-the-box MES onmogelijk maakten, de lacunes in de configureerbaarheid, de verticaal-specifieke kennisvereisten en het maatwerkintegratiewerk worden snel kleiner.

Dat schept een kans. Fabrikanten die wachten op een perfecte maatwerkoplossing zullen merken dat de kloof tussen ‘out-of-the-box’ en ‘built for us’ sneller kleiner wordt dan ze hadden verwacht. De middenweg, een configureerbaar platform waarmee u snel waarde kunt opbouwen en van daaruit kunt uitbreiden, wordt de rationele keuze.

We gingen naar ProveIt! om dat argument te maken. Ik denk dat we het gehaald hebben.

Bekijk onze volledige ProveIt! onderstaande presentatie.

Heeft u vragen of wilt u meer weten? Neem hier deel aan het gesprek op LinkedIn!

Bill Bither is medeoprichter en CEO van MachineMetrics.