Schnelle MES-Entwicklung:Hersteller erstellen maßgeschneiderte Lösungen in 48 Stunden

Fünf diskrete Hersteller. Fünf echte Probleme. Fünf funktionierende Lösungen basierend auf Live-Produktionsdaten in 48 Stunden.

Jeder Hersteller, mit dem wir sprechen, hat irgendwo im Gespräch die gleiche Frustration verborgen:Seine Software passt fast. Das MES verwaltet Arbeitsaufträge, Terminplanung und OEE. Aber die Arbeitsabläufe sind spezifisch zu ihrem Betrieb, diejenigen, die von Whiteboards und Klemmbrettern und Stammeswissen leben, diese schaffen es nie ganz in das System.

Also bauen sie Workarounds. Sie erstellen Tabellenkalkulationen. Sie rufen Leute über Gegensprechanlagen an. Sie stehen jeden Morgen vor Papierkarten und berechnen manuell, ob sie einen guten oder einen schlechten Tag haben.

Im März 2026 beschlossen wir, zu sehen, was passieren würde, wenn wir fünf unserer Kunden zwei Tage, ein Team von Ingenieuren und KI-gestützte Entwicklungstools zur Verfügung stellen und sie bitten würden, diese Lücken selbst zu schließen.

Die Ergebnisse waren besser als wir erwartet hatten.

Was ist ein Produktionslabor?

Production Lab ist eine zweitägige, praxisorientierte Bauveranstaltung, bei der MachineMetrics-Kunden Seite an Seite mit unserem Ingenieurteam zusammenarbeiten, um benutzerdefinierte Anwendungen auf der MachineMetrics-Plattform zu entwerfen und zu erstellen.

Die diesjährige Veranstaltung fand am 11. und 12. März in der Nähe unseres Hauptsitzes in Northampton, Massachusetts, im Rahmen einer einwöchigen technischen Vor-Ort-Veranstaltung statt. Es waren fünf Kundenteams anwesend, von denen jedes ein spezifisches betriebliches Problem und ein gemeinsames Ziel hatte:etwas mitzunehmen, das sie tatsächlich in der Werkstatt gebrauchen konnten.

Die von ihnen verwendeten Tools:Max AI für die Datenexploration und schnelle Entwicklung, Lovable und Cursor für die KI-gestützte Anwendungserstellung und Carbide, der benutzerdefinierte Anwendungsbuilder von MachineMetrics, für die direkte Bereitstellung von Anwendungen in Produktionsqualität auf der Plattform.

Am Ende des zweiten Tages lieferte jedes Team eine funktionierende Lösung aus, die mit realen Maschinendaten verknüpft war.

Die Projekte

Harvey Performance:Die Lights-Out-Lücke schließen

Harvey Performance stellt industrielle Schneidwerkzeuge für Kunden aus den Bereichen Luft- und Raumfahrt, Medizin und Elektronik her. Ihre Werkstatt betreibt eine komplexe Fertigung auf Lager mit Hunderten von Auftragsfamilien und einem anhaltenden Problem:Wenn ein Auftrag endet, bleiben die Maschinen im Leerlauf, bis jemand physisch eintrifft, um mit der nächsten Einrichtung zu beginnen.

Harvey verfügte über die Technologie, um automatisierte Umstellungen zwischen Aufträgen mit denselben Werkzeugen durchzuführen. Was ihnen fehlte, war ein System zur Planung und Orchestrierung. Ohne sie würde die Auslastung am Wochenende bis Sonntagnacht erheblich sinken und es würde Tage dauern, bis sie sich erholt.

In zwei Tagen haben sie den Stacker Tracker erstellt:ein Live-Supervisor-Dashboard, das den aktiven Auftrag jeder Maschine, alle Aufträge in der Warteschlange und die voraussichtliche Laufzeit durch das Licht-Aus-Fenster anzeigt. Das System berechnet dynamische Rüstzeiten auf der Grundlage der proprietären Chargencodestruktur von Harvey, markiert Arbeitskonflikte und ermöglicht es Vorgesetzten, Bedienern Rüstvorgängen mit bestimmten Startzeiten zuzuweisen. Wenn die Einrichtung nicht erfolgt, wird der Zeitplan automatisch zurückgesetzt. Keine manuelle Bereinigung erforderlich.

Der Business Case:eine Initiative zur Kosteneinsparung im siebenstelligen Bereich und zusätzliche Einnahmen in Millionenhöhe aus der wiedergewonnenen Kapazität.

„Innerhalb von anderthalb Tagen konnten wir etwas entwerfen, dessen Erstellung früher wahrscheinlich Monate gedauert hätte, und es ist speziell auf unseren Betrieb zugeschnitten.“ – George Burleson, Director of Manufacturing Analytics, Harvey Performance

Zygo (AMETEK):Ein digitaler Kriegsraum für das tägliche Management

Zygo stellt hochpräzise Optiken für Halbleiter-, Verteidigungs- und Laserfusionsanwendungen her. Jeden Tag steht ihr Managementteam vor Whiteboards, Papierdiagrammen und gedruckten Grafiken, um festzustellen, ob ihr Betrieb auf dem richtigen Weg ist.

Ihr Ziel:Alle 15 Schlüsselkennzahlen in den Bereichen Sicherheit, Mitarbeiter, Qualität, Lieferung und Wert in 10 Sekunden aus einer Entfernung von 10 Fuß auf jeder Ebene der Organisation lesbar zu machen.

Sie haben in Lovable ein vollständig digitales, mehrstufiges Managementsystem aufgebaut. Es führt mit wenigen Klicks einen Drilldown von der Unternehmensebene bis hin zu einzelnen Maschinenzellen durch. Max AI generiert Zusammenfassungen und markiert Muster auf jeder Ebene. Ein konfigurierbares Ticketsystem vereint Sicherheitsbedenken, Wartungsanfragen und Ideen zur kontinuierlichen Verbesserung an einem Ort, sodass nichts über unterschiedliche Systeme hinweg verloren geht.

Es berührt jeden Menschen im Einsatz vom ersten Tag an.

„Dinge wie das digitale Ranglistensystem, das wir hier in dieser zweitägigen Veranstaltung entwickelt haben, hatte ich wegen der Dinge, die MachineMetrics erreichen konnte, nicht einmal auf dem Schirm. Mit der Weiterentwicklung von KI und Carbide eröffnet MachineMetrics jeden Tag neue Wege, neuen Wert und Flexibilität.“ – JD Smith, Betriebsleiter für Optik, Zygo/AMETEK

Pindel Global Precision:Werkzeugversatzdaten in Prozessintelligenz umwandeln

Pindel betreibt rund um die Uhr einen Regierungsauftrag für vier CNC-Maschinen. Verschiedene Bediener passten die Werkzeugversätze mit sehr unterschiedlichen Geschwindigkeiten an, aber niemand konnte es sehen. Die Maschinen waren vernetzt. Die Daten flossen. Es wurde einfach nirgendwo sinnvoll erfasst.

Thomas Deslongchamps, Direktor für Schulung und kontinuierliche Verbesserung, beschloss, das zu ändern. Mit Lovable und dem MachineMetrics Carbide Application Builder erstellte er fast vollständig selbst eine benutzerdefinierte Werkzeug-Offset-Analyseanwendung. Es visualisiert Versatzanpassungen pro Werkzeug im Zeitverlauf, korreliert mit der Teileanzahl und wird vom Bediener farblich gekennzeichnet. Zum ersten Mal konnte Pindel erkennen, welche Operatoren Ausreißer waren, wann sich Anpassungen häuften und welche Muster sich zwischen den Maschinen abzeichneten.

„Wir wollen vom eher präferenziellen betrieblichen Status quo zu einem stärker datenbasierten Status quo übergehen. Könnten wir weniger Ausgleiche vornehmen und trotzdem innerhalb der Qualitätsparameter bleiben?“ — Thomas Deslongchamps, Direktor für Schulung und kontinuierliche Verbesserung, Pindel Global Precision

Ein MachineMetrics-Ingenieur, der mit Thomas zusammenarbeitete, nutzte einen benutzerdefinierten KI-Agenten, um den zugrunde liegenden Code zu scannen, und fand einen effizienteren Datenzugriffspfad, der genau die von Thomas benötigte Funktionalität freischaltete und die Tür zu noch umfassenderen Anwendungsfällen öffnete.

Die Fähigkeit war schon immer innerhalb der Plattform vorhanden. Es brauchte den richtigen Kunden, den richtigen Anwendungsfall und die richtige Toolchain, um es zum Leben zu erwecken. Was Pindel geschaffen hat, löst nicht nur ihr Problem. Es definiert, was für jeden Präzisionshersteller möglich ist, und stellt dieselbe unsichtbare Frage.

Flexco:Aufbau eines Gabelstapler-Versandsystems von Grund auf

Flexco stellt Förderlösungen her. In ihrem Werk in Downers Grove sind Gabelstapler (intern „Jeeps“ genannt) kritische Anlagen ohne Sicht. Materialanfragen gehen über die Gegensprechanlage raus. Fahrer müssen sich merken, was gefragt wurde und wo. Im Jahr 2025 kostete dieser blinde Fleck schätzungsweise 225.000 US-Dollar an verlorener Produktionszeit.

Jaimeson Aufderheide, ein Spezialist für kontinuierliche Verbesserung ohne vorherige Erfahrung in der Softwareentwicklung, hat die Kernanwendung selbst mit Lovable erstellt. Am Ende des zweiten Tages verfügte Flexco über ein vollständig eingebettetes Versandsystem mit einer Bedieneranfrageschnittstelle, einer Live-Fahrerwarteschlange mit zonenbasierter Priorisierung, einem Manager-Dashboard, das Echtzeit- und historische Ticketleistung anzeigt, und einem konfigurierbaren Widget, das alles in einer einzigen einsetzbaren Kachel zusammenfasst.

Die Codebasen Lovable und Cursor wurden über GitHub zu einem einheitlichen Datenmodell zusammengeführt. Dieses Tool-übergreifende Zusammenarbeitsmuster entwickelte sich während der Veranstaltung ganz von selbst und war nicht etwas, womit irgendjemand gerechnet hatte.

„Wenn ich Sie vor zwei Tagen gefragt hätte:‚Haben Sie es verstanden?‘ was hättest du gesagt?" „Ich weiß gar nicht, wo ich anfangen soll.“ — Austausch während der Flexco-Showcase

Johnstech International:Tool Life Management und eine jahrzehntelange Datenlücke geschlossen

Johnstech stellt Halbleitertestgeräte her. Ihr Problem:Die Bediener tauschten die Werkzeuge entweder zu früh aus, tauschten alles unabhängig vom Verschleiß zu Beginn der Schicht aus oder ließen sie zu lange laufen und produzierten schlechte Teile.

Die Lösung war ein Werkzeuglebensdauer-Dashboard, das alle Werkzeuge nach tatsächlicher Einsatzzeit sortiert und zur besseren Aufmerksamkeit farblich markiert anzeigt. Aber die eigentliche Überraschung kam mitten in der Entwicklung:Das Team stellte fest, dass Johnstech bereits seit dem ersten Tag der MachineMetrics-Bereitstellung auf jeder Maschine ein Unterprogramm für den Werkzeugwechsel lief. Alle diese historischen Daten waren bereits im System, nur unverarbeitet.

Sie füllten rückwirkend 90 Tage Werkzeugstandzeit auf. Keine neue Hardware. Keine neue Konfiguration. Ich verarbeite nur das, was bereits da war.

Das zweite Projekt schloss eine Lücke, die 10 bis 15 Jahre lang bestand:eine Live-ERP-Integration mit Microsoft Dynamics 365, die jeden Tag die geplante mit der tatsächlichen Produktionslaufzeit für jeden Vorgang vergleicht.

„Das haben wir seit 10, 15 Jahren einfach nicht mehr gewusst. Und jetzt haben wir diese Informationen.“ – Dan Sheehan, IT-Manager, Johnstech International

Was das beweist

MachineMetrics ist nicht nur ein Tool, auf das sich Hersteller konzentrieren. Es ist eine Plattform, auf der sie aufbauen.

Das ist kein Positionierungsanspruch. Es ist das, was in fünf Unternehmen, bei fünf verschiedenen betrieblichen Problemen und bei fünf unterschiedlichen Qualifikationsniveaus innerhalb von zwei Tagen passiert ist. Ein CI-Spezialist ohne Programmierkenntnisse lieferte eine in die Produktion integrierte Anwendung. Ein Kunde hat die erste kommerzielle Tool-Offset-Analytics-App auf der Plattform fast vollständig selbst erstellt. Eine Lücke in der Produktionsintelligenz von 10 bis 15 Jahren wurde mit Daten geschlossen, die die ganze Zeit im System gespeichert waren.

Die Ausführungslücke ist real. Es liegt zwischen Ihren ERP-Plänen und dem, was Ihre Werkstatt tatsächlich tut, und kostet den Herstellern in jeder einzelnen Schicht Marge, Kapazität und Stunden. Für den Abschluss ist eine Software erforderlich, die zu Ihrem tatsächlichen Betrieb passt, und keine generische Vorlage, die Sie selbst anpassen.

„Es war großartig, Seite an Seite mit den Ingenieuren zusammenzuarbeiten und ihre Erfahrung in der Softwareentwicklung mit der Betriebsseite zu kombinieren, um zu sehen, wie Lösungen in Echtzeit zum Leben erweckt werden. Und dann die Möglichkeit zu haben, einen halben Meter nach links zu gehen und mit einem der Führungskräfte ein Gespräch über die Strategie des Unternehmens und die kommende Technologie zu führen. Die Flexibilität, die mich zu MachineMetrics hingezogen hat, kommt hier bei dieser Veranstaltung voll zur Geltung.“ – JD Smith, Betriebsleiter für Optik, Zygo/AMETEK

Dafür gibt es Production Lab. Und wir planen bereits das nächste.

Möchten Sie etwas bauen?

Wenn Sie ein MachineMetrics-Kunde sind und einen Workflow haben, der nicht ganz zum Standard-Toolset passt, möchten wir davon erfahren. Und wenn Sie ein Hersteller sind, der diesen Prozess immer noch auf Whiteboards und Klemmbrettern ausführt, sprechen wir darüber, was zwei Tage bewirken könnten.