제조 혁신:단 48시간 만에 맞춤형 MES 앱 구축

5개의 개별 제조업체. 다섯 가지 실제 문제. 48시간 만에 실시간 생산 데이터를 기반으로 구축된 5가지 작업 솔루션

우리가 대화를 나누는 모든 제조업체는 대화 어딘가에 동일한 좌절감을 안고 있습니다. 즉, 그들의 소프트웨어가 거의 적합하다는 것입니다. MES는 작업 주문, 일정 관리 및 OEE를 처리합니다. 하지만 구체적인 작업 흐름은 화이트보드, 클립보드, 부족 지식에 저장되어 있는 정보는 시스템에 전혀 반영되지 않습니다.

그래서 그들은 해결 방법을 구축합니다. 그들은 스프레드시트를 만듭니다. 그들은 인터콤을 통해 사람들에게 호출합니다. 그들은 매일 아침 종이 차트 앞에 서서 하루가 좋은지 나쁜지 수동으로 계산합니다.

2026년 3월, 우리는 고객 5명에게 이틀, 엔지니어 팀, AI 지원 개발 도구를 제공하고 이러한 격차를 스스로 해소하도록 요청하면 어떤 일이 일어날지 알아보기로 결정했습니다.

기대했던 것보다 결과가 좋았습니다.

제작 연구소란 무엇인가요?

Production Lab은 MachineMetrics 고객이 엔지니어링 팀과 협력하여 MachineMetrics 플랫폼에서 맞춤형 애플리케이션을 설계하고 구축하는 2일간의 실습 구축 이벤트입니다.

올해 행사는 3월 11일과 12일에 매사추세츠 주 노샘프턴에 있는 본사 근처에서 일주일 동안 현장 엔지니어링을 진행하는 동안 열렸습니다. 5개의 고객 팀이 참석했으며 각 팀은 특정 운영 문제와 하나의 공통 목표를 가지고 도착했습니다. 작업 현장에서 실제로 사용할 수 있는 제품을 가지고 떠나는 것입니다.

그들이 사용한 도구는 데이터 탐색 및 신속한 개발을 위한 Max AI, AI 지원 애플리케이션 구축을 위한 Lovable 및 Cursor, 프로덕션 등급 애플리케이션을 플랫폼에 직접 배포하기 위한 MachineMetrics의 맞춤형 애플리케이션 빌더인 Carbide입니다.

모든 팀은 둘째 날까지 실제 실시간 기계 데이터와 연결된 작동하는 솔루션을 출시했습니다.

프로젝트

Harvey 성능:소등 격차 해소

Harvey Performance는 항공우주, 의료, 전자 제품 고객을 위한 산업용 절단 도구를 만듭니다. 그들의 작업장은 수백 개의 직군을 갖춘 복잡한 재고 생산을 운영하고 있으며 지속적인 문제가 있습니다. 즉, 작업이 끝나면 다음 설정을 시작하기 위해 누군가 물리적으로 도착할 때까지 기계가 유휴 상태로 있습니다.

Harvey는 동일한 도구를 공유하는 작업 간에 자동 전환을 수행하는 기술을 보유하고 있었습니다. 그들에게 부족한 것은 이를 계획하고 조율하는 시스템이었습니다. 그렇지 않으면 주말 활용도가 일요일 밤까지 크게 줄어들고 회복하는 데 며칠이 걸릴 것입니다.

이틀 만에 그들은 모든 기계의 활성 작업, 대기 중인 모든 작업 및 소등 창을 통해 예상 런타임을 보여주는 실시간 감독자 대시보드인 Stacker Tracker를 구축했습니다. 시스템은 Harvey의 독점 배치 코드 구조를 기반으로 동적 설정 시간을 계산하고 노동 충돌을 표시하며 감독자가 특정 시작 시간을 사용하여 설정에 작업자를 할당할 수 있도록 합니다. 설정이 이루어지지 않으면 일정이 자동으로 되돌아갑니다. 수동으로 정리할 필요가 없습니다.

비즈니스 사례:7자릿수의 비용 절감 계획과 복구된 용량으로 인한 수백만 달러의 추가 수익.

"이전에는 몇 달이 걸렸을 작업을 하루 반 만에 디자인할 수 있었으며 이는 우리 작업에 맞게 특별히 맞춤화되었습니다." — George Burleson, Harvey Performance 제조 분석 이사

Zygo(AMETEK):일상적인 관리를 위한 디지털 워룸

Zygo는 반도체, 국방, 레이저 융합 응용 분야를 위한 초정밀 광학 제품을 만듭니다. 매일 관리팀은 화이트보드, 종이 차트, 인쇄된 그래프 앞에 서서 운영이 제대로 진행되고 있는지 확인합니다.

목표는 조직의 모든 수준에서 10피트 높이에서 10초 안에 안전, 사람, 품질, 납품 및 가치 전반에 걸친 15가지 주요 지표를 모두 읽을 수 있도록 하는 것입니다.

그들은 Lovable에 완전한 디지털 다단계 관리 시스템을 구축했습니다. 몇 번의 클릭만으로 엔터프라이즈 수준에서 개별 시스템 셀까지 드릴다운됩니다. Max AI는 각 계층에서 요약과 플래그 패턴을 생성합니다. 구성 가능한 티켓팅 시스템은 안전 문제, 유지 관리 요청, 지속적인 개선 아이디어를 한 곳으로 가져오므로 서로 다른 시스템 간에 손실되는 일이 없습니다.

이는 첫날부터 작업에 참여하는 모든 사람에게 영향을 미칩니다.

"이 이틀 동안의 이벤트에서 우리가 구축한 디지털 계층 보드 시스템과 같은 것은 MachineMetrics가 달성할 수 있었던 것에 대한 내 관심조차 없었습니다. AI와 카바이드의 발전으로 MachineMetrics는 매일 새로운 길, 새로운 가치 및 유연성을 가져오고 있습니다." — JD Smith, Zygo/AMETEK 광학 운영 이사

Pindel Global Precision:공구 오프셋 데이터를 프로세스 인텔리전스로 전환

Pindel은 연중무휴 4대의 CNC 기계에 대한 정부 계약을 운영합니다. 작업자마다 매우 다른 속도로 공구 오프셋을 조정했지만 누구도 이를 볼 수 없었습니다. 기계가 연결되었습니다. 데이터가 흐르고 있었습니다. 단지 의미 있는 곳에 포착되지 않았을 뿐입니다.

교육 및 지속적인 개선 담당 이사인 Thomas Deslongchamps는 이를 바꾸기로 결정했습니다. 그는 Lovable과 MachineMetrics Carbide Application Builder를 사용하여 거의 전적으로 자체적으로 맞춤형 공구 오프셋 분석 애플리케이션을 구축했습니다. 시간이 지남에 따라 도구당 오프셋 조정을 부품 수와 연관시키고 작업자별로 색상으로 구분하여 시각화합니다. 처음으로 Pindel은 어떤 연산자가 이상치인지, 조정이 언제 클러스터링되는지, 기계 전체에서 어떤 패턴이 나타나는지 확인할 수 있었습니다.

"우리는 보다 우선적인 운영 상태에서 데이터 기반의 상태로 전환하려고 합니다. 오프셋을 줄이면서 품질 매개변수를 계속 유지할 수 있을까요?" — Thomas Deslongchamps, Pindel Global Precision 교육 및 지속적인 개선 이사

Thomas와 함께 작업하는 MachineMetrics 엔지니어는 맞춤형 AI 에이전트를 사용하여 기본 코드를 스캔하고 보다 효율적인 데이터 액세스 경로를 찾았습니다. 이는 Thomas에게 필요한 기능을 정확하게 구현하고 앞으로 더욱 광범위한 사용 사례를 열어주는 경로입니다.

이 기능은 항상 플랫폼 내부에 존재해 왔습니다. 이를 실현하려면 올바른 고객, 올바른 사용 사례, 올바른 도구 체인이 필요했습니다. Pindel이 구축한 것은 단순히 문제를 해결하는 것이 아닙니다. 이는 동일한 보이지 않는 질문을 던지면서 모든 정밀 제조업체에 무엇이 가능한지 정의하는 것입니다.

Flexco:처음부터 지게차 배송 시스템 구축

Flexco는 컨베이어 솔루션을 제조합니다. Downers Grove 시설에서 지게차(내부적으로 "지프"라고 함)는 가시성이 전혀 없는 중요한 자산입니다. 자료 요청은 인터콤을 통해 전달됩니다. 운전자는 질문 내용과 위치를 기억해야 합니다. 2025년에는 이러한 사각지대로 인해 생산 시간 손실이 약 225,000달러 발생했습니다.

소프트웨어 개발 경험이 없는 지속적인 개선 전문가인 Jaimeson Aufderheide는 Lovable을 사용하여 핵심 애플리케이션을 직접 구축했습니다. 2일차가 끝날 무렵 Flexco는 운영자 요청 인터페이스, 구역 기반 우선 순위가 있는 실시간 운전자 대기열, 실시간 및 과거 티켓 성능을 보여주는 관리자 대시보드, 이 모든 것을 단일 배포 가능한 타일로 통합하는 구성 가능한 위젯을 갖춘 완전히 내장된 배차 시스템을 갖추게 되었습니다.

Lovable 및 Cursor 코드베이스는 GitHub를 통해 통합 데이터 모델로 병합되었습니다. 이러한 도구 간 협업 패턴은 이벤트 기간 동안 유기적으로 나타났으며 누구도 계획한 것이 아니었습니다.

"이틀 전 제가 '알았나요?'라고 물으면 뭐라고 말했을까요?" "어디부터 시작해야 할지 모르겠습니다." — Flexco 쇼케이스 기간 동안 교환

Johnstech International:공구 수명 관리 및 10년 간의 데이터 격차 해소

존스텍은 반도체 테스트 장비를 만든다. 문제는 작업자가 도구를 너무 일찍 교체하거나, 마모 여부에 관계없이 교대 시작 시 모든 것을 변경하거나, 너무 오래 사용하여 불량 부품을 생산한다는 점이었습니다.

해결책은 실제 참여 시간에 따라 순위가 매겨지고 주의를 끌 수 있도록 색상으로 구분된 모든 도구를 표시하는 도구 수명 대시보드였습니다. 그러나 정말 놀라운 사실은 빌드 도중에 나타났습니다. 팀은 Johnstech가 MachineMetrics 배포 첫날부터 모든 시스템에서 이미 도구 변경 하위 프로그램을 실행하고 있다는 사실을 발견했습니다. 모든 과거 데이터는 처리되지 않은 채 이미 시스템에 있었습니다.

90일간의 공구 수명 내역을 소급하여 백업했습니다. 새로운 하드웨어가 없습니다. 새로운 구성이 없습니다. 이미 있던 것을 처리하는 중입니다.

두 번째 프로젝트는 10~15년 동안 존재했던 격차를 해소했습니다. 즉, 매일 모든 작업에 대해 계획된 생산 런타임과 실제 생산 런타임을 비교하는 Microsoft Dynamics 365와의 라이브 ERP 통합입니다.

"이것은 우리가 10년, 15년 동안 전혀 알지 못했던 것입니다. 그리고 이제 우리는 이 정보를 갖게 되었습니다." — Dan Sheehan, Johnstech International IT 관리자

이것이 증명하는 것

MachineMetrics는 제조업체가 바라보는 단순한 도구가 아닙니다. 이는 그들이 구축한 플랫폼입니다.

그것은 포지셔닝 주장이 아닙니다. 이틀 동안 5개 회사, 5개 운영 문제, 5개 기술 수준에서 발생한 일입니다. 코딩 배경이 없는 CI 전문가가 프로덕션 내장 애플리케이션을 출시했습니다. 한 고객이 플랫폼에서 거의 전적으로 자체적으로 최초의 상용 도구 오프셋 분석 앱을 구축했습니다. 생산 인텔리전스의 10~15년 격차는 시스템에 내내 남아 있던 데이터를 통해 해소되었습니다.

실행 격차는 현실입니다. 이는 ERP 계획과 작업 현장의 실제 작업 사이에 존재하며, 매 교대마다 제조업체의 마진, 생산 능력 및 시간이 소요됩니다. 이를 종료하려면 사용자가 직접 조정하는 일반적인 템플릿이 아니라 작업이 실제로 실행되는 방식에 맞는 소프트웨어가 필요합니다.

"엔지니어들과 어깨를 나란히 하고 소프트웨어 개발 경험과 운영 측면을 결합하여 솔루션이 실시간으로 구현되는 것을 확인할 수 있어서 정말 좋았습니다. 그런 다음 왼쪽으로 두 발짝 물러나 회사 전략과 향후 출시될 기술에 대해 임원 중 한 명과 대화를 나눌 수 있었습니다. 나를 MachineMetrics로 이끌었던 유연성이 이번 행사에서 전면적으로 드러났습니다." — JD Smith, Zygo/AMETEK 광학 운영 이사

Production Lab이 바로 그런 곳입니다. 그리고 우리는 이미 다음 계획을 계획하고 있습니다.

뭔가를 만들고 싶나요?

표준 도구 세트에 맞지 않는 워크플로를 사용하는 MachineMetrics 고객이라면 이에 대해 듣고 싶습니다. 그리고 아직도 화이트보드와 클립보드에서 해당 프로세스를 실행하고 있는 제조업체라면 이틀이면 무엇을 할 수 있는지 이야기해 보겠습니다.