Hace dos otoños, visité un almacén de terceros en el este de China. El gerente del sitio señaló una estantería de gran altura y me dijo que el montante de su base tenía una ligera torcedura: una carretilla elevadora del turno de noche lo había rozado tres meses antes y nadie lo había reportado. Ahí es donde realmente empieza la conversación sobre la inspección de almacenes con cámaras e IA: las estanterías no se desploman de la noche a la mañana. Se doblan, se inclinan y se aflojan durante mucho tiempo antes de caer. El problema es que la ronda nunca pasó por allí, nunca lo notó, o lo notó y decidió que no valía la pena mencionarlo.
Los registros de incidentes del sector publicados apuntan a un patrón: en una parte significativa de los casos de desplome de estanterías, había señales de advertencia observables de antemano: un montante doblado, un conector de viga desprendido, un palé muy inclinado, agua acumulada en el suelo. Estas señales comparten una característica: son visibles. Y si algo es visible, en principio una cámara puede vigilarlo. Las preguntas reales son si la cámara vigila con precisión, quién asume la responsabilidad después de que señala algo y si la inversión vale la pena.
Qué vigila realmente la inspección de almacenes con cámaras e IA
Primero déjenme fijar el límite. Lo que la inspección de almacenes con cámaras e IA puede hacer hoy de forma fiable se concentra en cinco tipos de señales visuales.
La primera es la deformación de las estanterías. Los algoritmos comparan los contornos de los montantes y las vigas; un montante doblado más allá de un umbral establecido, un conector de viga caído o una plataforma combada se señalan. La ventaja no es que la cámara vea mejor que una persona, sino que ve siempre. Una ronda humana podría pasar una vez por semana; una cámara puede barrer cada hora. La brecha entre la aparición de una deformación y su detección se reduce de días a horas.
La segunda son los pasillos bloqueados. Los pasillos principales, las vías de emergencia y las salidas de emergencia ocupados temporalmente por palés, cajas vacías o mercancías en espera de procesamiento son las infracciones más comunes —y más fáciles de racionalizar— en un almacén. Las cámaras evalúan la ocupación frente a las zonas marcadas en el suelo y emiten una alerta cuando la ocupación supera una duración establecida. Cuanto antes se detecten, más barata es la solución; esperar a una inspección de incendios para despejarlos cambia el costo por completo.
La tercera son los palés inclinados y los niveles sobrecargados. Los palés que sobresalen del borde de la estantería, las mercancías apiladas por encima de la altura de la viga, las cajas pesadas sobre las ligeras: estas son las condiciones previas de un desplome. Los modelos de visión son relativamente sensibles a las anomalías geométricas de este tipo, y su tasa de falsas alarmas aquí es menor que en los juicios semánticos.
La cuarta es el agua y los líquidos en el suelo. En cámaras frigoríficas, almacenes de productos químicos y muelles de recepción durante la temporada de lluvias, el agua acumulada es tanto un riesgo de resbalón como un riesgo de daño al producto. Las cámaras la detectan a través de las características de reflejo del suelo. La sensibilidad es modesta, pero el sistema está en línea permanentemente.
La quinta son las personas y los equipos que cruzan límites: un trabajador que entra en una zona de carretillas elevadoras de gran altura, un peatón que camina hacia un carril de vehículos. Técnicamente maduro, pero lo más polémico en la práctica, porque toca directamente cómo se sienten los empleados al ser observados. Más sobre esto más adelante.
Inspección de almacenes con cámaras e IA: superar el problema de las falsas alarmas
Cualquier discusión sobre la inspección de almacenes con cámaras e IA que omita las falsas alarmas está eludiendo la cuestión central. En mi opinión, las falsas alarmas no son un defecto técnico; son la matrícula que este tipo de sistema debe pagar. La pregunta es quién la paga y durante cuánto tiempo.
He seguido un almacén de comercio electrónico en el norte de China que, en su primer mes tras la puesta en marcha de la inspección por visión, recibió más de 40 alertas al día, de las cuales menos de 5 necesitaban realmente acción. El resto eran cambios de luz, carretillas estacionadas brevemente, sombras proyectadas por los palés. El gerente del sitio lo dijo sin rodeos: si esto sigue así, los jefes de turno dejarán de mirar las alertas por completo. Esa frase captura el costo real de las falsas alarmas: no los pocos minutos dedicados a verificar cada una, sino el momento en que las propias alertas pierden credibilidad.
El sector ha convergido en varias respuestas viables. Primero, clasificar las alertas por niveles: un montante de estantería doblado es una alarma de primer nivel que debe atenderse el mismo día; una ocupación temporal de un pasillo de 10 minutos es una nota de tercer nivel, registrada pero no enviada. Segundo, añadir un paso de verificación: las alertas van a un operador de sala de control que echa un vistazo a la instantánea antes de decidir si envía a alguien, en lugar de ir directamente al supervisor de planta. Tercero, presupuestar al menos un mes para el ajuste: los umbrales, la sensibilidad y las zonas de detección deben recalibrarse según la iluminación, el flujo de tráfico y la mezcla de productos del propio sitio. Los valores predeterminados de fábrica del proveedor son solo un punto de partida.
Y aquí está la parte contraintuitiva: cuando la tasa de falsas alarmas no baja, el problema a menudo no es el algoritmo sino el propio almacén. En un sitio donde los pasillos se bloquean todos los días y los palés siempre están inclinados, incluso las alertas precisas parecen falsas alarmas, porque están reportando infracciones a las que todos se han acostumbrado. En ese sentido, la inspección de almacenes con cámaras e IA actúa como un espejo: cuantifica, una por una, las infracciones con las que el almacén había aprendido a vivir.
¿Salen las cuentas?
Antes de hablar de ROI, hay que enunciar una premisa: gran parte del beneficio de la inspección se mide en cosas que no sucedieron: una estantería que no se cayó, una vía de emergencia que no estuvo bloqueada, un trabajador que no resbaló. Esos beneficios nunca aparecen en un informe, y también por eso el gerente del sitio duerme tranquilo por la noche. Así que este cálculo solo puede hacerse en términos de pérdidas evitadas, y las pérdidas evitadas son inherentemente hipotéticas.
Las cifras siguientes son un ejemplo hipotético de cálculo, ofrecido solo para mostrar el método: no representan el nivel de costos de ningún almacén real. Tomen una instalación de gran altura de aproximadamente 20.000 metros cuadrados. Supongan 60 cámaras de inspección más una plataforma de análisis por visión, con un costo único de hardware e implementación de unos 400.000 yuanes, y un mantenimiento anual y ajuste de modelos de unos 80.000 yuanes. Supongan que la inspección manual requería antes dos empleados de ronda a tiempo completo a 120.000 yuanes por persona al año, y que después de la puesta en marcha del sistema, la dotación baja a un revisor a tiempo parcial a unos 60.000 yuanes al año. Con estos supuestos, el desembolso del primer año es de unos 480.000 yuanes, y luego unos 140.000 yuanes al año; el ahorro de mano de obra es de unos 180.000 yuanes al año. Solo con el ahorro de mano de obra, el período de recuperación supera los dos años. No es un número emocionante.
Pero la mano de obra no es toda la cuenta. El cálculo solo empieza a funcionar cuando se incluyen tres tipos de pérdidas evitadas. La primera es un incidente de desplome de estanterías: un desplome de tamaño mediano —daños al producto, reconstrucción de la estantería, tiempo de inactividad— cuesta del orden de 1.000.000 de yuanes en este ejemplo hipotético. Evitar aunque sea uno en cinco años cubre toda la inversión. La segunda son las multas por incendios y cumplimiento: las multas y las órdenes de cierre por salidas bloqueadas varían según la jurisdicción, así que consulten la normativa local para conocer las cifras reales. La tercera es el seguro: algunas aseguradoras han empezado a ofrecer descuentos en las primas a los almacenes con inspección por visión instalada; confirmen la cotización real con su aseguradora.
Mi conclusión es, por tanto, matizada. Juzgado puramente por el ahorro de mano de obra, el ROI de la inspección de almacenes con cámaras e IA no es convincente. Pero una vez que el costo del riesgo entra en el cálculo, merece una evaluación seria para los almacenes con estanterías altas, SKUs mixtos y mucho tráfico de carretillas elevadoras. Para un almacén pequeño de estanterías bajas y flujo simple, lo más probable es que sea una sobreinversión. La decisión puede reducirse a tres preguntas: ¿qué tan altas son sus estanterías, con qué facilidad se bloquean sus pasillos, y ha tenido su almacén algún momento de «casi accidente» en los últimos tres años? Si dos de las tres respuestas son sí, entonces hablen de compra. De lo contrario, hagan primero sólida la lista de verificación de la ronda humana: puede rendir más.
Finalmente, lo que la IA no puede hacer. Una cámara no puede ver una soldadura agrietada dentro de una estantería, no puede saber si un perno se ha aflojado media vuelta, no puede juzgar la fatiga del metal en un conector de viga. No puede decidir si un palé se apiló sensatamente, solo si está inclinado. Y no puede encargarse de las comprobaciones que requieren que una persona esté en el lugar para oler, tocar y preguntar: el leve olor de una fuga química, el olor a quemado de un motor sobrecalentado, un trabajador que menciona de pasada que una columna «hizo un ruido dos veces esta semana». Nada de eso está dentro del alcance de un modelo de visión.
El lugar sensato para la inspección de almacenes con cámaras e IA es dar a las rondas humanas un par de ojos que nunca se cansan, no reemplazar la ronda. Las cámaras se encargan de las comprobaciones visibles, repetitivas y de alta frecuencia; las personas se encargan de las comprobaciones de baja frecuencia, basadas en el juicio, que requieren estar presentes en persona. Cuando la división del trabajo es clara, el sistema se gana su sustento. Esperen que la cámara lo haga todo, y terminarán con una pila de alertas que nadie lee.
En su almacén, ¿quién está haciendo ese trabajo hoy, y qué se está pasando por alto?
Por Dr. Chen, investigador de la cadena de suministro Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.







