Desarrollo rápido de MES:los fabricantes crean soluciones personalizadas en 48 horas

Cinco fabricantes discretos. Cinco problemas reales. Cinco soluciones funcionales basadas en datos de producción en vivo en 48 horas.

Todos los fabricantes con los que hablamos tienen la misma frustración enterrada en algún lugar de la conversación:su software casi encaja. El MES maneja órdenes de trabajo, programación y OEE. Pero los flujos de trabajo que son específicos a su operación, los que viven en pizarras, portapapeles y conocimiento tribal, esos nunca logran ingresar al sistema.

Entonces construyen soluciones. Crean hojas de cálculo. Llaman a la gente a través de intercomunicadores. Se paran frente a gráficos de papel todas las mañanas y calculan manualmente si están teniendo un buen día o uno malo.

En marzo de 2026, decidimos ver qué pasaría si le diéramos a cinco de nuestros clientes dos días, un equipo de ingenieros y herramientas de desarrollo asistidas por IA, y les pidiéramos que cerraran esas brechas ellos mismos.

Los resultados fueron mejores de lo que esperábamos.

¿Qué es el laboratorio de producción?

Production Lab es un evento práctico de creación de dos días de duración en el que los clientes de MachineMetrics trabajan codo a codo con nuestro equipo de ingeniería para diseñar y crear aplicaciones personalizadas en la plataforma MachineMetrics.

El evento de este año tuvo lugar los días 11 y 12 de marzo cerca de nuestra sede en Northampton, Massachusetts, durante una semana de ingeniería en el sitio. Asistieron cinco equipos de clientes, cada uno de los cuales llegó con un problema operativo específico y un objetivo compartido:salir con algo que realmente podrían usar en el taller.

Las herramientas que utilizaron:Max AI para la exploración de datos y el desarrollo rápido, Lovable y Cursor para la creación de aplicaciones asistidas por IA, y Carbide, el creador de aplicaciones personalizadas de MachineMetrics, para implementar aplicaciones de nivel de producción directamente en la plataforma.

Cada equipo envió una solución funcional vinculada a datos reales de la máquina al final del segundo día.

Los proyectos

Rendimiento de Harvey:cerrando la brecha sin luces

Harvey Performance fabrica herramientas de corte industriales para clientes aeroespaciales, médicos y de electrónica. Su taller ejecuta una producción compleja, hecha contra stock con cientos de familias de trabajos y un problema persistente:cuando termina un trabajo, las máquinas permanecen inactivas hasta que alguien llega físicamente para comenzar la siguiente configuración.

Harvey tenía la tecnología para realizar cambios automatizados entre trabajos que compartían las mismas herramientas. Lo que les faltaba era un sistema para planificarlo y orquestarlo. Sin él, la utilización del fin de semana disminuiría significativamente el domingo por la noche y tardaría días en recuperarse.

En dos días, crearon Stacker Tracker:un panel de supervisión en vivo que muestra el trabajo activo de cada máquina, todos los trabajos en cola y el tiempo de ejecución proyectado a través de la ventana sin luces. El sistema calcula tiempos de preparación dinámicos basándose en la estructura de código por lotes patentada de Harvey, señala conflictos laborales y permite a los supervisores asignar operadores a configuraciones con horas de inicio específicas. Si la configuración no se realiza, la programación se revierte automáticamente. No se requiere limpieza manual.

El caso de negocio:una iniciativa de ahorro de costes de siete cifras y varios millones en ingresos adicionales gracias a la capacidad recuperada.

"En un día y medio, pudimos diseñar algo que probablemente llevaría meses crear anteriormente, y está diseñado específicamente para nuestra operación". — George Burleson, director de análisis de fabricación, Harvey Performance

Zygo (AMETEK):una sala de guerra digital para la gestión diaria

Zygo fabrica ópticas de ultraprecisión para aplicaciones de semiconductores, defensa y fusión láser. Todos los días, su equipo directivo se para frente a pizarras, cuadros de papel y gráficos impresos para determinar si su operación va por buen camino.

Su objetivo:hacer que las 15 métricas clave en Seguridad, Personas, Calidad, Entrega y Valor sean legibles en 10 segundos desde 10 pies, en todos los niveles de la organización.

Construyeron un sistema de gestión de varios niveles totalmente digital en Lovable. Profundiza desde el nivel empresarial hasta llegar a las celdas de las máquinas individuales con unos pocos clics. Max AI genera resúmenes y marca patrones en cada nivel. Un sistema de emisión de tickets configurable reúne inquietudes de seguridad, solicitudes de mantenimiento e ideas de mejora continua en un solo lugar, para que nada se pierda en sistemas dispares.

Afecta a todas las personas en operaciones desde el primer día.

"Cosas como el sistema de tablero de niveles digital que construimos aquí en este evento de dos días ni siquiera estaban en mi radar de las cosas que MachineMetrics pudo lograr. Con el avance en IA y Carbide, MachineMetrics está brindando nuevas vías, nuevo valor y flexibilidad todos los días". — JD Smith, Director de Operaciones de Óptica, Zygo/AMETEK

Pindel Global Precision:convertir datos de compensación de herramientas en inteligencia de procesos

Pindel gestiona un contrato gubernamental sobre cuatro máquinas CNC, 24 horas al día, 7 días a la semana. Diferentes operadores ajustaban las compensaciones de las herramientas a ritmos tremendamente diferentes, pero nadie podía verlo. Las máquinas estaban conectadas. Los datos fluían. Simplemente no estaba siendo capturado en ningún lugar significativo.

Thomas Deslongchamps, Director de Formación y Mejora Continua, decidió cambiar eso. Utilizando Lovable y MachineMetrics Carbide Application Builder, creó una aplicación de análisis de compensación de herramientas personalizada casi en su totalidad por su cuenta. Visualiza los ajustes de compensación por herramienta a lo largo del tiempo, correlacionados con el recuento de piezas y codificados por colores por operador. Por primera vez, Pindel pudo ver qué operadores eran atípicos, cuándo se agrupaban los ajustes y qué patrones emergían en las máquinas.

"Estamos buscando alejarnos del status quo operativo más preferencial hacia un status quo más basado en datos. ¿Podríamos hacer menos compensaciones y seguir manteniéndonos dentro de los parámetros de calidad?" — Thomas Deslongchamps, director de formación y mejora continua, Pindel Global Precision

Un ingeniero de MachineMetrics que trabajó junto a Thomas utilizó un agente de IA personalizado para escanear el código subyacente y encontró una ruta de acceso a datos más eficiente, una que desbloqueó exactamente la funcionalidad que Thomas necesitaba y abrió la puerta a casos de uso aún más amplios en el futuro.

La capacidad siempre había existido dentro de la plataforma. Fue necesario el cliente adecuado, el caso de uso adecuado y la cadena de herramientas adecuada para darle vida. Lo que Pindel construyó no es sólo la solución a su problema. Se trata de definir lo que es posible para cada fabricante de precisión y plantear la misma pregunta invisible.

Flexco:creación de un sistema de despacho de montacargas desde cero

Flexco fabrica soluciones de transporte. En sus instalaciones de Downers Grove, los montacargas (llamados "jeeps" internamente) son activos críticos con visibilidad cero. Las solicitudes de material se envían por el intercomunicador. Los conductores deben recordar qué se les preguntó y dónde. En 2025, ese punto ciego costó aproximadamente 225 000 dólares en tiempo de producción perdido.

Jaimeson Aufderheide, un especialista en mejora continua sin experiencia previa en desarrollo de software, creó él mismo la aplicación principal utilizando Lovable. Al final del segundo día, Flexco tenía un sistema de despacho totalmente integrado con una interfaz de solicitud del operador, una cola de conductores en vivo con priorización basada en zonas, un panel de administrador que mostraba el rendimiento histórico y en tiempo real de los tickets y un widget configurable que lo agrupaba todo en un único mosaico desplegable.

Las bases de código de Lovable y Cursor se fusionaron a través de GitHub en un modelo de datos unificado. Ese patrón de colaboración entre herramientas surgió orgánicamente durante el evento y no era algo que nadie hubiera planeado.

"Hace dos días, si te preguntara, '¿lo entendiste?' ¿Qué hubieras dicho?" "Ni siquiera sé por dónde empezar." — Intercambio durante la exhibición de Flexco

Johnstech International:Gestión de la vida útil de las herramientas y cierre de una brecha de datos de una década

Johnstech fabrica equipos de prueba de semiconductores. Su problema:los operadores reemplazaban las herramientas demasiado pronto, cambiaban todo al inicio del turno sin importar el desgaste, o las utilizaban durante demasiado tiempo y producían piezas defectuosas.

La solución fue un panel de vida útil de las herramientas que muestra todas las herramientas clasificadas por tiempo de participación real y codificadas por colores para llamar la atención. Pero la verdadera sorpresa llegó a mitad de la construcción:el equipo descubrió que Johnstech ya tenía un subprograma de cambio de herramienta ejecutándose en cada máquina desde el primer día de la implementación de MachineMetrics. Todos esos datos históricos ya estaban en el sistema, pero sin procesar.

Rellenaron retroactivamente 90 días del historial de vida útil de la herramienta. Sin hardware nuevo. Ninguna nueva configuración. Simplemente procesando lo que ya estaba allí.

El segundo proyecto cerró una brecha que había existido durante 10 a 15 años:una integración de ERP en vivo con Microsoft Dynamics 365 que compara el tiempo de ejecución de producción planificado versus real para cada operación, todos los días.

"Eso es algo que nunca supimos durante 10 o 15 años. Y ahora tenemos esta información". — Dan Sheehan, director de TI, Johnstech International

Qué prueba esto

MachineMetrics no es sólo una herramienta que los fabricantes miran. Es una plataforma sobre la que construyen.

Esa no es una afirmación de posicionamiento. Es lo que sucedió en cinco empresas, cinco problemas operativos diferentes y cinco niveles de habilidades diferentes durante dos días. Un especialista en CI sin experiencia en codificación envió una aplicación integrada en producción. Un cliente creó la primera aplicación de análisis de compensación de herramienta comercial en la plataforma, casi en su totalidad por su cuenta. Se cerró una brecha de 10 a 15 años en la inteligencia de producción con datos que habían estado almacenados en el sistema todo el tiempo.

La brecha de ejecución es real. Vive entre lo que su ERP planea y lo que realmente hace su taller, y le cuesta a los fabricantes margen, capacidad y horas en cada turno. Para cerrarlo se requiere un software que se ajuste a cómo se ejecuta realmente su operación, no una plantilla genérica que usted mismo adapte.

"Ha sido fantástico trabajar hombro con hombro con los ingenieros, combinando su experiencia en desarrollo de software con el lado de operaciones para ver cómo las soluciones cobran vida en tiempo real. Y luego poder caminar dos pies hacia la izquierda y tener una conversación con uno de los ejecutivos sobre la estrategia de la empresa y qué tecnología está por llegar. La flexibilidad que me atrajo a MachineMetrics se muestra plenamente aquí en este evento". — JD Smith, Director de Operaciones de Óptica, Zygo/AMETEK

Para eso está Production Lab. Y ya estamos planeando el próximo.

¿Quieres construir algo?

Si es cliente de MachineMetrics y tiene un flujo de trabajo que no se ajusta del todo al conjunto de herramientas estándar, queremos saberlo. Y si usted es un fabricante y todavía ejecuta ese proceso en pizarras y portapapeles, hablemos de lo que podrían hacer dos días.