Трансформация мануфакторинга: построение кастомных MES-приложений за 48 часов

Пять дискретных производителей. Пять реальных проблем. Пять работающих решений на живых производственных данных за 48 часов.

У каждого производителя, с кем мы говорим, есть одна и та же боль: их софт почти подходит. MES закрывает заказы, планирование, OEE. Но рабочие процессы, специфичные для их производства — те, что живут на досках, в блокнотах и в умах людей — никогда не попадают в систему.

Поэтому они строят костыли. Таблицы. Звонят по интеркому. Стоят утром у бумажных графиков и вручную считают: хорош день или плох.

В марте 2026 мы решили проверить: что, если дать пяти клиентам два дня, команду инженеров и AI-инструменты разработки — и попросить закрыть эти пробелы самим?

Результаты превзошли ожидания.

Что такое Production Lab?

Production Lab — двухдневный хакатон, где клиенты MachineMetrics плечом к плечу с нашими инженерами проектируют и строят кастомные приложения на платформе MachineMetrics.

Этот год: 11–12 марта у нас в Нортгемптоне (Массачусетс) в рамках недели инженерии. Пять команд клиентов, у каждой — своя операционная проблема и общая цель: уйти с чем-то, чем можно пользоваться на полу прямо сейчас.

Инструменты: Max AI для разведки данных и промптов, Lovable и Cursor для AI-ассистированной разработки, Carbide — кастомный билдер приложений MachineMetrics — для деплоя production-grade приложений прямо в платформу.

Каждая команда к концу второго дня сдала работающее решение на живых данных своих станков.

Проекты

Harvey Performance: закрытие пробела lights-out

Harvey — резающие инструменты для авиации, медицины, электроники. Сложное МТЗ-производство, сотни семейств заданий. Проблема: когда джоб заканчивается, станки простаивают, пока кто-то физически не придет начать следующую наладку.

Технология автоматических смены заданий при общем оснащении была. Не хватало системы планирования и оркестрации. Без неё утилизация выходных к воскресенью падала и восстанавливалась днями.

За два дня построили Stacker Tracker: live-дашборд супера. Показывает активный джоб на каждом станке, всю очередь, прогноз рантайма через lights-out окно. Считает динамическое время наладки по проприетарным батч-кодам, флажит конфликты труда, позволяет суперам назначать операторов на наладки со временем старта. Если наладка не случилась — расписание само откатывается. Никакой ручной чистки.

Бизнес-кейс: инициатива экономии 7 цифр + миллионы дополнительной выручки от возвращенной мощности.

«За полтора дня мы спроектировали то, что раньше заняло бы месяцы, и это идеально под нашу операцию.» — Джордж Берлсон, директор по производственной аналитике, Harvey Performance

Zygo (AMETEK): цифровая военная комната для ежедневного управления

Zygo — ультраточная оптика для полупроводников, обороны, лазерного синтеза. Каждый день менеджмент стоит у досок, бумажных графиков, распечаток — понимают, на треке ли операция.

Цель: все 15 ключевых метрик по Safety, People, Quality, Delivery, Value читаемы за 10 секунд с 10 футов, на каждом уровне орга.

Построили полностью цифровую, многоуровневую систему управления в Lovable. Дрилл-даун от энтерпрайз-уровня до отдельных ячеек станков за пару кликов. Max AI генерирует саммари и флажит паттерны на каждом тире. Настраиваемая тикет-система собирает safety-concerns, maintenance-запросы, CI-идеи в одно место — ничего не теряется в разрозненных системах.

Затрагивает каждого в операциях с первого дня.

«Цифровая система тирбордов, которую мы построили за два дня, даже не была на моем радаре того, на что способен MachineMetrics. С AI и Carbide платформа приносит новые avenу, ценность и гибкость каждый день.» — Джей Ди Смит, директор по операциям по оптике, Zygo/AMETEK

Pindel Global Precision: превращение tool offset данных в процессный интеллект

Pindel — госзаказ на 4 ЧПУ, 24/7. Разные операторы корректировали tool offsets дико разными темпами, но никто не видел картину. Станки подключены, данные текут — но не захватывались осмысленно.

Томас Дешлоншампс, директор по обучению и CI, решил изменить. На Lovable и Carbide построил кастомное приложение аналитики tool offsets практически в одиночку. Визуализирует корректировки по инструментам во времени, коррелированные с part count, раскрашенные по операторам. впервые Pindel увидел: кто выбивается, где кластеризуются корректировки, какие паттерны на станках.

«Мы хотим уйти от преференциального статуса-кво к дата-драйвенному. Можем ли мы делать меньше корректировок и оставаться в качественных параметрах?» — Томас Дешлоншампс

Инженер MachineMetrics рядом с Томасом использовал кастомного AI-агента для сканирования кода — нашел более эффективный путь доступа к данным, разблокировавший нужную функциональность и открывающий двери для более широких кейсов.

Возможность всегда была в платформе. Потребовались правильный клиент, кейс, тулчейн — чтобы оживить. То, что построил Pindel, решает не только их проблему — определяет возможности для каждого прецизионного производителя с тем же невидимым вопросом.

Flexco: построение системы диспетчеризации погрузчиков с нуля

Flexco — конвейерные решения. На объекте Downers Grove погрузчики («джипы» внутренне) — критические активы с нулевой видимостью. Заявки по интеркому. Водители помнят, что и где. В 2025 слепое зоне стоило ~$225к потерянного времени.

Джеймсон Аудерхайде, CI-специалист без опыта разработки, построил ядро приложения сам на Lovable. К концу дня 2 — полноценная встроенная система диспетчеризации: интерфейс заявок оператора, живая очередь водителей с зональным приоритетом, дашборд менеджера с real-time и исторической производительностью тикетов, конфигурируемый виджет, сводящий всё в один деплойтайл.

Кодовые базы Lovable и Cursor смержены через GitHub в единую дата-модель. Кросс-тул коллаборация возникла органически — никто не планировал.

«Два дня назад, если бы я спросил: "ты справишься?" — что бы сказал?»
«Я даже не знаю, с чего начать.» — диалог во время демо Flexco

Johnstech International: управление ресурсом инструмента и закрытие 10-летнего пробела в данных

Johnstech — оборудование для тестирования полупроводников. Проблема: операторы либо меняли инструменты слишком рано (всё со смены), либо слишком поздно — брак.

Решение — дашборд ресурса инструмента: все инструменты ранжированы по реальному engagement time, раскрашены для внимания. Но сюрприз пришел посередине: у Johnstech с первого дня MachineMetrics на каждом станке работал sub-program смены инструмента. Вся история уже в системе — просто необработанная.

Подтянули 90 дней истории ресурса инструмента ретроспективно. Никакого нового железа, конфигурации. Просто обработали то, что уже было.

Второй проект закрыл 10–15-летний пробел: живая ERP-интеграция с Microsoft Dynamics 365, сравнивающая плановое vs фактическое время прогона каждой операции, каждый день.

«Этого мы просто не знали 10, 15 лет. А теперь у нас есть эта информация.» — Ден Шин, IT-менеджер, Johnstech International

Что это доказывает

MachineMetrics — не просто инструмент, на который смотрят. Это платформа, на которой строят.

Не позиционирование. Факт: за два дня у пяти компаний, пяти проблем, пяти уровней навыков. CI-специалист без кода задеплоил production-приложение. Клиент построил первый коммерческий tool offset analytics app на платформе почти в одиночку. 10–15-летний пробел закрыт данными, которые все время были в системе.

Execution gap реален. Живет между планами ERP и реальностью цеха. Каждую смену стоит производителям маржи, мощности, часов. Закрыть его нужно софтом, который подходит под вашу операцию, а не шаблоном, под который вы подстраиваетесь.

«Круто работать плечом к плечу с инженерами, комбинируя их dev-опыт с опс-стороной — решения оживают в реал-тайм. И потом сделать два шага влево и поговорить с exec о стратегии и технологиях впереди. Гибкость, за которую я пришел в MachineMetrics, здесь на полной мощности.» — Джей Ди Смит, Zygo/AMETEK

Для этого и Production Lab. Следующий уже в планировании.

Хотите что-то построить?

Если вы клиент MachineMetrics с воркфлоу, не ложащимся в стандартный тулсет — дайте знать. Если вы производитель, все еще на досках и блокнотах — поговорим, что могут дать два дня.