¡Pruébalo! 2026:Demostrar que es factible probar un MES listo para usar

Hay una opinión que ha estado ganando mucha fuerza en la fabricación en este momento:que no existe un MES listo para usar. Que cada fábrica es tan única que tienes que unir una docena de herramientas y reconstruir todo desde cero cada vez.

He pasado más de una década en talleres. Entiendo por qué la gente cree eso. Pero creo que están equivocados y quería demostrarlo.

¡Es por eso que nos presentamos en ProveIt! 2026.

¡Qué prueba! En realidad es

Para aquellos que no están familiarizados, ¡Pruébalo! es uno de los entornos competitivos más desafiantes de nuestra industria. Cincuenta y un vendedores. Según se informa, asistirán 125 fabricantes. Tres fábricas virtuales vivas, intencionalmente desordenadas e incompletas, porque así es como lucen las implementaciones reales. Conecta su producto a la fábrica, muestra lo que construyó y responde cuatro preguntas en el escenario:¿Qué problema resolvió? ¿Cómo lo solucionaste? ¿Cuánto tiempo tomó? ¿Cuánto costó?

Ninguna plataforma de diapositivas pulida te salva. O lo pruebas o no.

No estábamos allí para afirmar que existe un MES perfecto y listo para usar. Estábamos allí para demostrar algo más específico:que no hay que empezar de cero. Un fabricante no debería necesitar 18 meses, un equipo de consultores y una página en blanco para conseguir un sistema que realmente funcione para su operación.

El problema que nos propusimos resolver

MachineMetrics fue creado para la fabricación discreta. Máquinas CNC, estampación y moldeo por inyección. Ese es nuestro ADN. Estamos profundamente conectados con fabricantes centrados en el mecanizado en los sectores aeroespacial, de defensa, de dispositivos médicos y de trabajos de precisión.

¡Pruébalo! fábrica virtual que nos asignaron? Una operación de embotellado de bebidas en múltiples sitios. Tres sitios. Cubas, llenadoras, etiquetadoras, paletizadoras. Procesamiento por lotes continuo. No hay ni una sola máquina CNC a la vista.

Seré honesto:cuando vi la tarea, mi primer pensamiento fue "¿en qué me metí?" Este no era nuestro ambiente típico. En absoluto.

Así que decidimos tratarlo como una prueba real. ¿Hasta dónde podría extenderse nuestra plataforma antes de que tuviéramos que comenzar a reconstruirla?

La respuesta me sorprendió incluso a mí.

Dos semanas. Una persona. (Mayormente.)

Necesito ser sincero sobre algo:no comencé con esto hasta dos semanas antes de la conferencia. Todo mi equipo de ingeniería estaba enterrado en la implementación de nuevos clientes después de un buen cierre del trimestre. Así que lo asumí yo mismo con la ayuda de Vicente, uno de nuestros ingenieros de aplicaciones. No soy desarrollador, o al menos no soy gran desarrollador.

Qué construimos:

Conectividad de la máquina en horas. Implementamos nuestra plataforma perimetral, nos conectamos al corredor MQTT en la UNS y utilizamos nuestras herramientas asistidas por IA para mapear automáticamente elementos de datos en más de cincuenta máquinas en el sitio. Nunca antes había conectado un tanque. A mitad de la configuración descubrimos que uno de los sensores informaba el peso y el caudal. El sistema lo manejó. Sinceramente, ese tipo de flexibilidad es algo que no aprecié del todo hasta que estuve en medio de ello.

Enseñé a la IA a entender el embotellado. Esta era la parte sobre la que estaba más inseguro. Tenemos una nueva función llamada KnowledgeHub que le permite cargar documentación de procesos y SOP para entrenar Max AI, nuestra IA agente nativa, en su entorno específico. Le proporcioné la descripción de la planta, las especificaciones funcionales y algo de contexto general sobre la fabricación de bebidas, y empezó a generar respuestas útiles casi de inmediato. Listas de verificación de cambio basadas en SOP reales. Resúmenes de traspaso de turno que entendieron la diferencia entre una parada de llenado y un problema con una etiquetadora posterior.

No construimos un MES para bebidas. Le enseñamos a nuestra IA cómo funciona la fabricación de bebidas. Esa distinción importa. Es la diferencia entre personalización y configurabilidad.

Un panel de operador personalizado. Creé una interfaz de operador personalizada utilizando nuestro MCP de desarrollador, API y nuestro marco de diseño de front-end. Quiero dejar claro lo que eso significa:sí, implica un desarrollo personalizado. Pero es un trabajo inicial sobre una plataforma que ya comprende los datos de fabricación, la programación de la producción, la clasificación del tiempo de inactividad y los eventos de turnos. No son 12 meses de ingeniería de back-end comenzando desde una página en blanco. Vicente y yo construimos algo que se ve y se comporta como un producto real en cuestión de días. Ese marco frontal ahora tiene un nombre:Carbide. Así es como hacemos que este tipo de desarrollo sea accesible para cualquier cliente, no solo para equipos con recursos de ingeniería dedicados.

Un agente inteligente. Usando nuestro servidor MCP y N8N, creé un flujo de trabajo que se ejecuta según un cronograma, extrae datos de producción, los ejecuta a través de nuestra IA, detecta anomalías y cuellos de botella y entrega un informe inteligente. El que mostré en el escenario identificaba un problema de bloqueo del tanque. VAT 3 retenía el producto equivocado y creaba un problema en cascada. El sistema recomendó una acción específica para evitar que se repitiera y el panel del operador mostró la alerta en tiempo real. Dos indicaciones para Max AI. Un flujo de trabajo N8N importado. Hecho.

Lo que realmente mostró la demostración

Cuando subí al escenario, la sala ya había visto muchos vendedores. Esto es lo que creo que aterrizó:

La historia de la velocidad fue diferente de lo que esperaba. "¿Dos semanas, con dos o tres personas?" Escuché eso de los asistentes una y otra vez. Los fabricantes han sido condicionados a esperar ciclos de implementación de 6 a 18 meses. La idea de que se pueda conectar una operación de múltiples sitios, integrar un ERP, configurar la IA para un nuevo entorno de fabricación y crear una interfaz de operador personalizada en dos semanas es realmente difícil de creer. Hasta que lo veas en vivo.

La demostración de cambio de turno fue el momento que frenó a la gente. Operadores registrando notas de turno. La IA genera un resumen de entrega que combina esas notas con eventos de producción, clasificaciones de tiempo de inactividad, tiempos de cambio y tasas de producción. El turno entrante se vuelve así de breve antes de tocar una máquina. El conocimiento tribal se captura automáticamente en cada turno. He visto el dolor que causa este problema en talleres reales. El público también lo sintió.

La historia de la configurabilidad resonó entre los integradores presentes en la sala. Tomar una plataforma creada para la fabricación discreta, enseñarle la fabricación de bebidas a través de KnowledgeHub y hacer que genere información útil y contextualmente precisa sobre un proceso con el que nunca antes había trabajado. Esa es la prueba de que no es necesario reconstruir todo desde cero.

Lo que estamos construyendo a partir de ello

¡Lo más valioso de una conferencia como ProveIt! No es el momento del escenario. Es lo que escuchas cuando estás en un stand durante cuatro días hablando con constructores, integradores y fabricantes que no filtran sus comentarios.

Esto es lo que escuchamos y esto es lo que estamos haciendo al respecto.

Estamos construyendo una conectividad UNS más rápida. En ProveIt!, el UNS ya estaba configurado, por lo que la conectividad de las máquinas fue sencilla. En implementaciones reales, ese proceso de conectividad es una de las partes que más tiempo requiere para lograr que un cliente esté activo. Durante la conferencia, creamos un nuevo conector UNS que maneja el descubrimiento de máquinas ISA95, el mapeo de elementos de datos y la configuración del adaptador con un solo clic. Lo que tomó horas ahora tomará minutos. Ese es el tipo de mejora que se produce en cada implementación que realizamos.

Estamos mejorando la forma en que hablamos sobre dónde encajamos en la pila. La pregunta más común en nuestro stand no fue "¿Funciona?" Era "¿Dónde encaja MachineMetrics en mi arquitectura?" Para una comunidad que piensa en capas, esa es una pregunta justa y debemos responder con mayor claridad. Somos una plataforma completa, lo que significa que somos dueños de una mayor parte del problema que la mayoría de los proveedores en este espacio. Pero pila completa no significa cerrada. Publicamos datos, los compartimos a través de MCP y nos integramos con los sistemas que nuestros clientes ya están ejecutando. Ambas cosas son ciertas y cada vez somos mejores a la hora de decirlas en voz alta.

Estamos redoblando nuestra apuesta por la plataforma y le estamos dando un nombre. ¡La versión de MachineMetrics que apareció en ProveIt! podía conectarse a una operación de embotellado de bebidas que nunca había visto, aprender el proceso a través de KnowledgeHub y generar flujos de trabajo de operadores contextualmente precisos en dos semanas. El panel del operador, el agente inteligente, la estructura de aplicaciones asistida por IA:todo eso se está formalizando en una capacidad única a la que llamamos Carbide, nuestro creador de aplicaciones personalizadas. Carbide es la forma en que los clientes y nuestro propio equipo construirán, implementarán e iterarán rápidamente aplicaciones que extienden MachineMetrics a los flujos de trabajo específicos que cada fabricante necesita, sin cronogramas de desarrollo tradicionales y sin comenzar desde cero. ¡Lo que viste construido en ProveIt! es la prueba temprana. Vienen más.

El panorama general

¡Esto es lo que realmente creo después de pasar una semana en ProveIt! con 51 proveedores y supuestamente 125 fabricantes:

La IA está cambiando lo que significa crear software de fabricación. Las aplicaciones que solían tardar meses en desarrollarse ahora pueden desarrollarse en horas. El conocimiento que solía vivir en los SOP y la memoria tribal ahora se puede estructurar, almacenar y presentar a cada operador en cada turno. Las barreras que hacían que un MES listo para usar pareciera imposible, las brechas de configuración, los requisitos de conocimiento específicos verticales y el trabajo de integración personalizado se están reduciendo rápidamente.

Eso crea una oportunidad. Los fabricantes que esperan una solución personalizada perfecta encontrarán que la brecha entre lo "listo para usar" y lo "construido para nosotros" se está cerrando más rápido de lo que esperaban. El término medio, una plataforma configurable que le permite valorar rápidamente y le permite ampliar desde allí, se está convirtiendo en la opción racional.

¡Fuimos a ProveIt! para hacer ese argumento. Creo que lo logramos.

¡Vea nuestro ProveIt completo! presentación a continuación.

¿Tienes preguntas o quieres saber más? ¡Únase a la conversación en LinkedIn aquí!

Bill Bither es el cofundador y director ejecutivo de MachineMetrics.