Buktikan itu! 2026:Membuktikan MES yang Siap Dilakukan

Ada anggapan yang mendapatkan banyak perhatian di bidang manufaktur saat ini:bahwa tidak ada yang namanya MES yang out-of-the-box. Bahwa setiap pabrik sangat unik, Anda harus menyatukan selusin peralatan dan membangun kembali semuanya dari awal setiap saat.

Saya telah menghabiskan lebih dari satu dekade di lantai toko. Saya mengerti mengapa orang mempercayai hal itu. Tapi menurut saya mereka salah, dan saya ingin membuktikannya.

Itu sebabnya kami muncul di ProveIt! 2026.

Buktinya! Sebenarnya Adalah

Bagi yang belum tahu, Buktikan! adalah salah satu lingkungan persaingan paling menantang di industri kita. Lima puluh satu vendor. Kabarnya, 125 pabrikan hadir. Tiga pabrik virtual yang aktif, sengaja dibuat berantakan dan tidak lengkap, karena seperti itulah implementasi sebenarnya. Anda menghubungkan produk Anda ke pabrik, menunjukkan apa yang Anda buat, dan menjawab empat pertanyaan di atas panggung:Masalah apa yang Anda pecahkan? Bagaimana Anda mengatasinya? Berapa lama waktu yang dibutuhkan? Berapa biayanya?

Tidak ada dek geser yang dipoles yang bisa menyelamatkan Anda. Anda bisa membuktikannya atau tidak.

Kami tidak berada di sana untuk mengklaim bahwa MES yang sempurna dan siap pakai memang ada. Kami hadir untuk membuktikan sesuatu yang lebih spesifik:bahwa Anda tidak harus memulai dari nol. Pabrikan tidak memerlukan waktu 18 bulan, tim konsultan, dan halaman kosong untuk mendapatkan sistem yang benar-benar berfungsi untuk operasi mereka.

Masalah yang Kami Ingin Selesaikan

MachineMetrics dibuat untuk manufaktur terpisah. Mesin CNC, stamping, dan cetakan injeksi. Itu DNA kami. Kami sangat terhubung dengan produsen yang berfokus pada permesinan di bidang kedirgantaraan, pertahanan, peralatan medis, dan bengkel kerja presisi.

Buktinya! pabrik virtual tempat kami ditugaskan? Operasi pembotolan minuman multi-lokasi. Tiga situs. Tong, pengisi, pelabel, pembuat palet. Pemrosesan batch berkelanjutan. Tidak ada satu pun mesin CNC yang terlihat.

Jujur saja:ketika saya melihat tugasnya, pikiran pertama saya adalah "saya terlibat dalam apa?" Ini bukanlah lingkungan khas kami. Sama sekali.

Jadi kami memutuskan untuk menganggapnya sebagai ujian nyata. Seberapa jauh platform kami dapat diperluas sebelum kami harus mulai membangunnya kembali?

Jawabannya bahkan mengejutkan saya.

Dua Minggu. Satu Orang. (Kebanyakan.)

Saya harus berterus terang tentang sesuatu:Saya baru memulainya dua minggu sebelum konferensi. Seluruh tim teknik saya terkubur dalam menerapkan pelanggan baru setelah penutupan kuartal yang kuat. Jadi saya melakukannya sendiri dengan bantuan dari Vicente, salah satu insinyur aplikasi kami. Saya bukan seorang pengembang, atau setidaknya bukan seorang pengembang.

Apa yang kami buat:

Konektivitas mesin dalam hitungan jam. Kami mengembangkan platform edge kami, terhubung ke broker MQTT di UNS, dan menggunakan peralatan berbantuan AI untuk secara otomatis memetakan item data di lebih dari lima puluh mesin di lokasi. Saya belum pernah menghubungkan tangki sebelumnya. Kami menemukan di tengah penyiapan bahwa salah satu sensor melaporkan berat dan laju aliran. Sistem menanganinya. Fleksibilitas semacam itu adalah sesuatu yang sejujurnya tidak saya hargai sepenuhnya sampai saya berada di tengah-tengahnya.

Mengajarkan AI untuk memahami pembotolan. Ini adalah bagian yang paling membuatku tidak yakin. Kami memiliki fitur baru bernama KnowledgeHub yang memungkinkan Anda memuat dokumentasi proses dan SOP untuk melatih Max AI - AI agen asli kami - di lingkungan spesifik Anda. Saya memberinya deskripsi pabrik, spesifikasi fungsional, dan beberapa konteks umum tentang pembuatan minuman, dan segera mulai menghasilkan jawaban yang berguna. Daftar periksa pergantian berdasarkan SOP aktual. Ringkasan serah terima shift yang memahami perbedaan antara penghentian pengisi dan masalah pelabel hilir.

Kami tidak membuat MES minuman. Kami mengajari AI kami cara kerja pembuatan minuman. Perbedaan itu penting. Inilah perbedaan antara penyesuaian dan konfigurasi.

Panel operator khusus. Saya membuat antarmuka operator khusus menggunakan MCP pengembang, API, dan kerangka desain front-end kami. Saya ingin memperjelas maksudnya:ya, ada pengembangan kustom yang terlibat. Namun ini merupakan pekerjaan front-end di atas platform yang sudah memahami data manufaktur, penjadwalan produksi, klasifikasi waktu henti, dan peristiwa shift. Ini bukan 12 bulan rekayasa back-end yang dimulai dari halaman kosong. Vicente dan saya membangun sesuatu yang terlihat dan berperilaku seperti produk nyata dalam hitungan hari. Kerangka front-end itu sekarang memiliki nama:Carbide. Ini adalah cara kami membuat pengembangan semacam ini dapat diakses oleh semua pelanggan, bukan hanya tim dengan sumber daya teknis khusus.

Agen yang cerdas. Dengan menggunakan server MCP dan N8N, saya membangun alur kerja yang berjalan sesuai jadwal, mengambil data produksi, menjalankannya melalui AI kami, mendeteksi anomali dan kemacetan, serta memberikan ringkasan yang cerdas. Yang saya tunjukkan di panggung mengidentifikasi masalah pemblokiran tank. PPN 3 memegang produk yang salah dan menciptakan masalah hilir yang lebih besar. Sistem merekomendasikan tindakan spesifik untuk mencegah kejadian serupa terulang kembali, dan panel operator menampilkan peringatan secara real-time. Dua petunjuk ke Max AI. Satu alur kerja N8N yang diimpor. Selesai.

Apa yang Sebenarnya Ditunjukkan dalam Demo

Saat saya naik ke panggung, ruangan sudah terlihat banyak sekali pedagang. Inilah yang menurut saya berhasil:

Kisah kecepatannya berbeda dari perkiraan saya. “Dua minggu, dengan dua atau tiga orang?” Saya mendengarnya berulang kali dari para peserta. Produsen telah dikondisikan untuk mengharapkan siklus implementasi 6 hingga 18 bulan. Gagasan bahwa Anda dapat menghubungkan operasi multi-lokasi, mengintegrasikan ERP, mengonfigurasi AI untuk lingkungan manufaktur baru, dan membangun antarmuka operator khusus dalam dua minggu sungguh sulit dipercaya. Sampai Anda melihatnya secara langsung.

Demo serah terima shift adalah momen yang memperlambat kerja orang. Operator mencatat catatan shift. AI menghasilkan ringkasan serah terima yang menggabungkan catatan tersebut dengan peristiwa produksi, klasifikasi waktu henti, waktu pergantian, dan tingkat keluaran. Pergeseran masuk menjadi sesingkat itu sebelum mereka menyentuh mesin. Pengetahuan kesukuan ditangkap secara otomatis, setiap shift. Saya telah melihat penderitaan yang ditimbulkan oleh masalah ini di lantai toko sebenarnya. Penonton pun merasakannya.

Kisah tentang kemampuan konfigurasi selaras dengan integrator di ruangan tersebut. Mengambil platform yang dibangun untuk manufaktur terpisah, mengajarkannya tentang pembuatan minuman melalui KnowledgeHub, dan membuatnya menghasilkan wawasan yang berguna dan akurat secara kontekstual tentang proses yang belum pernah saya kerjakan sebelumnya. Itu bukti bahwa Anda tidak perlu membangun kembali semuanya dari awal.

Apa yang Kami Bangun darinya

Hal paling berharga tentang konferensi seperti ProveIt! bukan waktunya panggung. Itu adalah apa yang Anda dengar ketika Anda berdiri di stan selama empat hari berbicara dengan pembuat, integrator, dan produsen yang tidak memfilter masukan mereka.

Inilah yang kami dengar, dan inilah yang kami lakukan.

Kami sedang membangun konektivitas UNS yang lebih cepat. Di ProveIt!, UNS telah disiapkan, sehingga konektivitas mesin menjadi mudah. Dalam implementasi nyata, proses konektivitas tersebut adalah salah satu bagian yang paling memakan waktu untuk menghidupkan pelanggan. Selama konferensi, kami membangun Konektor UNS baru yang menangani penemuan mesin ISA95, pemetaan item data, dan konfigurasi adaptor dalam satu klik. Apa yang memakan waktu berjam-jam kini menjadi beberapa menit. Peningkatan seperti itulah yang terjadi di setiap penerapan yang kami lakukan.

Kami mempertajam cara kami membicarakan posisi kami dalam kelompok tersebut. Pertanyaan paling umum di stan kami bukanlah "Apakah ini berhasil?" Pertanyaannya adalah "Di manakah MachineMetrics cocok dengan arsitektur saya?" Bagi komunitas yang berpikir secara berlapis, itu adalah pertanyaan yang wajar dan perlu kita jawab dengan lebih jelas. Kami adalah platform full-stack, yang berarti kami memiliki lebih banyak masalah dibandingkan kebanyakan vendor di bidang ini. Namun full-stack bukan berarti tertutup. Kami mempublikasikan data, kami berbagi melalui MCP, dan kami mengintegrasikan dengan sistem yang sudah dijalankan pelanggan kami. Kedua hal tersebut benar, dan kami semakin baik dalam menyatakan keduanya dengan lantang.

Kami menggandakan platform ini dan memberinya nama. Versi MachineMetrics yang muncul di ProveIt! dapat terhubung ke operasi pembotolan minuman yang belum pernah ada sebelumnya, mempelajari prosesnya melalui KnowledgeHub, dan menghasilkan alur kerja operator yang akurat secara kontekstual dalam dua minggu. Panel operator, agen cerdas, perancah aplikasi yang dibantu AI:semuanya diformalkan menjadi satu kemampuan yang kami sebut Carbide, pembuat aplikasi khusus kami. Carbide adalah cara pelanggan dan tim kami dengan cepat membangun, menerapkan, dan mengulangi aplikasi yang memperluas MachineMetrics ke dalam alur kerja spesifik yang dibutuhkan setiap produsen, tanpa jadwal pengembangan tradisional dan tanpa memulai dari awal. Apa yang Anda lihat dibuat di ProveIt! adalah bukti awal. Lebih banyak lagi yang akan datang.

Gambaran Lebih Besar

Inilah yang sebenarnya saya yakini setelah menghabiskan seminggu di ProveIt! dengan 51 vendor dan dilaporkan 125 produsen:

AI mengubah arti membangun perangkat lunak manufaktur. Aplikasi yang biasanya membutuhkan waktu berbulan-bulan untuk dikembangkan kini dapat dikembangkan dalam hitungan jam. Pengetahuan yang dulu ada dalam SOP dan memori suku kini dapat disusun, disimpan, dan disebarkan ke setiap operator di setiap shift. Hambatan yang membuat MES yang unik terasa mustahil, kesenjangan konfigurasi, persyaratan pengetahuan khusus vertikal, dan upaya integrasi khusus menyusut dengan cepat.

Itu menciptakan peluang. Produsen yang menunggu solusi khusus yang sempurna akan menyadari bahwa kesenjangan antara “out-of-the-box” dan “built for us” semakin berkurang lebih cepat dari perkiraan mereka. Jalan tengah, sebuah platform yang dapat dikonfigurasi yang membuat Anda dapat menilai dengan cepat dan memperluas jangkauan Anda dari sana, menjadi pilihan yang rasional.

Kami pergi ke Buktikan! untuk membuat argumen itu. Saya rasa kita berhasil.

Tonton ProveIt kami selengkapnya! presentasi di bawah ini.

Ada pertanyaan atau ingin tahu lebih banyak? Bergabunglah dalam percakapan di LinkedIn di sini!

Bill Bither adalah Salah Satu Pendiri dan CEO MachineMetrics.