ProveIt! 2026: доказательство, что out-of-the-box MES реально

В мануфакторинге набирает популярность тезис: out-of-the-box MES не существует. Каждый завод уникален — приходится сшивать дюжину инструментов и перестраивать с нуля каждый раз.

Я более десяти лет на цехах. Понимаю, почему так считают. Но считаю ошибочным — и хотел доказать обратное.

Поэтому мы были на ProveIt! 2026.

Что такое ProveIt! на самом деле

Для незнакомых: одно из самых жестких соревновательных окружений в индустрии. 51 вендор. По отчетам, 125 производителей в зале. 3 живые виртуальные фабрики — намеренно грязные и неполные, как реальные внедрения. Подключаешь продукт, показываешь, что построил, отвечаешь на 4 вопроса на сцене: какую проблему решил, как, за сколько времени, за сколько денег. Никаких полированных слайдов. Доказал — или нет.

Мы не пришли утверждать, что идеальный out-of-the-box MES существует. Мы пришли доказать конкретное: не нужно начинать с нуля. Производителю не должно требоваться 18 месяцев, команда консультантов и чистый лист — чтобы получить систему, реально работающую для его операции.

Проблема, которую мы решали

MachineMetrics заточен под дискретное производство. ЧПУ, штамповка, литье под давлением. Это наша ДНК. Глубоко связаны с machining-производителями в авиации, обороне, медтехе, прецизионных джобшопах.

Наша виртуальная фабрика ProveIt!? Мультисайтовое розливное производство напитков. 3 сайта. Ваты, наполнители, этикетки, паллетизаторы. Непрерывное батчевое производство. Ни единого ЧПУ.

Честно: увидев назначение, подумал «во что я ввязался». Это вообще не наша среда.

Решили трактовать как реальный тест: как далеко платформа растянется, прежде чем придется перестраивать?

Ответ удивил даже меня.

Две недели. Один человек. (Почти.)

Честно: начал за 2 недели до конференции. Вся инженерия загружена внедрениями после сильного квартала. Взял на себя с помощью Висенте, одного из наших application engineers. Я не разработчик, или почти не разработчик.

Что построили:

Подключение станков за часы. Подняли edge-платформу, подключились к MQTT-брокеру на UNS, использовали AI-тулинг для автоматического маппинга данных через 50+ станков сайта. Я никогда не подключал танки. Посреди настройки выяснили: один сенсор репортит и вес, и расход. Система справилась. Такая гибкость — то, чего я не до конца ценил, пока не оказался внутри.

Научили AI понимать розлив. Самая неуверенность. У нас есть KnowledgeHub — загружаешь процессную документацию и SOP, обучаешь Max AI (наш нативный agentic AI) под твою среду. Загрузил описание завода, функциональную спецификацию, общий контекст beverage manufacturing — и он начал выдавать полезные ответы почти сразу. Чек-листы смены наладки на базе реальных SOP. Саммари смены, понимающие разницу между остановкой наполнителя и проблемой downstream-этикетки.

Мы не строили beverage MES. Мы научили наш AI тому, как работает beverage manufacturing. Разница принципиальна: между кастомизацией и конфигурируемостью.

Кастомная операторская панель. Построил кастомный операторский интерфейс на нашем developer MCP, API и фронтенд-фреймворке. Важно: да, есть кастомная разработка. Но это фронтенд поверх платформы, которая уже понимает manufacturing-данные, production scheduling, классификацию downtime, shift events. Не 12 месяцев бэкенда с чистого листа. С Висенте построили то, что выглядит и ведет себя как настоящий продукт — за дни. Фронтенд-фреймворк теперь называется Carbide. Так мы делаем такую разработку доступной любому клиенту, не только командам с деди케이тед инженерией.

Интеллектуальный агент. На MCP сервере и N8N построил workflow на расписании: тянет производственные данные, прогоняет через AI, детектит аномалии и бутылочные горлышка, выдает интеллектуальный бриф. На сцене показал: VAT 3 держит не тот продукт, создавая каскадную downstream-проблему. Система порекомендовала конкретное действие предотвращения, операторская панель показала алерт в real-time. Два промпта к Max AI. Один импортированный N8N workflow. Готово.

Что демо реально показало

Когда вышел на сцену, зал уже видел многих вендоров. Что, думаю, зацепило:

Скорость ударила иначе, чем ожидал. «Две недели, с двумя-тремя людьми?» — слышал от посетителей снова и снова. Производители привыкли к 6–18-месячным циклам внедрения. Идея: подключить мультисайт, интегрировать ERP, настроить AI под новую среду, построить кастомный операторский интерфейс — за две недели — genuinely hard to believe. Пока не видишь live.

Демо смены смены — момент, который затормозил людей. Операторы записывают заметки смены. AI генерирует handover summary, комбинируя заметки с production events, downtime classifications, changeover times, output rates. Входящая смена получает бриф до касания станка. Tribal knowledge захватывается автоматически, каждую смену. Я видел боль этой проблемы на реальных цехах. Зал почувствовал тоже.

История конфигурируемости отозвалась у интеграторов в зале. Взять платформу для дискретного производства, научить её beverage через KnowledgeHub, получить полезные, контекстуально точные инсайты о процессе, с которым никогда не работал. Доказательство: не нужно перестраивать всё с нуля.

Что строим на этой основе

Самое ценное на такой конференции — не сцену. А то, что слышишь у стенда четыре дня, разговаривая с билдерами, интеграторами, производителями без фильтров.

Что услышали — и что делаем:

• Строим быстрее UNS connectivity. На ProveIt! UNS уже был готов — подключение прошло гладко. В реальных внедрениях это одна из самых затратных по времени частей. На конференции построили новый UNS Connector: ISA95 machine discovery, data item mapping, adapter configuration — в один клик. Часы → минуты. Улучшение, которое сложно процентует на каждом деплое.
• Точнее позиционируем место в стеке. Самый частый вопрос у стенда: не «Работает ли?», а «Где MachineMetrics в моей архитектуре?». Для комьюнити, мыслящего слоями — справедливый вопрос, который нужно отвечать четче. Мы full-stack платформа — владеем большей частью проблемы, чем большинство вендоров. Но full-stack ≠ closed. Публикуем данные, делимся через MCP, интегрируемся с системами клиентов. И то, и другое真 — и учимся говорить оба вслух.
• Давим на платформу и даем ей имя. Версия MachineMetrics на ProveIt! могла подключиться к невиданному beverage-заводу, выучить процесс через KnowledgeHub, генерировать контекстуально точные операторские воркфлоу за две недели. Операторская панель, интеллектуальный агент, AI-ассистированный scaffolding приложений — всё формализуется в единую capability: Carbide, наш custom application builder. Carbide — как клиенты и наша команда будут быстро строить, деплоить, итерировать приложения, расширяющие MachineMetrics в специфические воркфлоу каждого производителя — без традиционных dev-таймлайнов и без чистого листа. То, что увидели на ProveIt! — раннее доказательство. Дальше — больше.

Большая картина

Что я реально верю после недели на ProveIt! с 51 вендором и 125 производителями:

AI меняет то, что значит строить manufacturing software. Приложения, требовавшие месяцы, теперь scaffoldятся за часы. Знание, жившее в SOP и tribal memory, теперь может быть структурировано, сохранено, показано каждому оператору на каждой смене. Барьеры, делавшие out-of-the-box MES невозможным — конфигурационные пробелы, вертикально-специфичные знания, кастомная интеграция — быстро сокращаются.

Это создает возможность. Производители, ждущие идеального кастомного решения, обнаружат: разрыв между «out-of-the-box» и «built for us» закрывается быстрее, чем ожидали. Золотая середина — конфигурируемая платформа, дающая ценность быстро и позволяющая расширять — становится рациональным выбором.

На ProveIt! мы делали этот аргумент. Думаю, получилось.

Посмотрите полную презентацию ProveIt! ниже.

Вопросы или хотите больше? Присоединяйтесь к обсуждению в LinkedIn!

Билл Байтер — Co-Founder и CEO MachineMetrics.