Recogida por voz: preparar a manos libres

Cuando ambas manos están ocupadas

Imagínate dos escenas: en un congelador, los operarios llevan guantes gruesos y no pueden usar el teclado de la pistola de radiofrecuencia; en una zona de recogida de cajas, el operario lleva una caja de cartón de 20 kg con ambas manos — no le queda ni una mano para leer listas ni para escanear.

El cuello de botella de la recogida tradicional no son las piernas, son las "manos y los ojos": ojos leyendo listas, manos sosteniendo pistolas, pulsando teclas, escaneando. La recogida por voz (pick by voice) simplemente elimina ambas cosas: te pones unos auriculares con micrófono y el sistema te guía hablándote — "ve a A-03-2, recoge 5 cajas". Agarras la mercancía y dices al micrófono los dígitos de control de la ubicación; el sistema los verifica y emite la siguiente instrucción. Manos libres, ojos libres, durante todo el turno.

1. Cómo funciona: los oídos y la boca sustituyen a los ojos y las manos

Un sistema de recogida por voz gira en torno a un motor de diálogo:

1. Asignación de tareas (sistema → persona): el WMS secuencia las tareas de recogida a lo largo de la ruta óptima; el servidor de voz las anuncia una por una — "ve al pasillo 7, ubicación 12, recoge 4 cajas".
2. Confirmación de ejecución (persona → sistema): el operario llega y dice los dígitos de control del código de ubicación (p. ej., ubicación A0712 → "12"). El sistema los coteja antes de liberar la indicación de cantidad.
3. Confirmación de cantidad: el operario dice la cantidad realmente recogida; el sistema la compara con el pedido y marca de inmediato cualquier discrepancia para revisión.
4. Gestión de excepciones: faltantes, daños, diferencias de cantidad — todo tiene comandos de voz ("saltar", "recogida corta", "dañado") — sin tocar ningún dispositivo.

Los dígitos de control son el alma del sistema de voz a prueba de errores: obligan al operario a decir dónde está, no a suponer dónde está — atrapando errores de ubicación equivocada antes de recoger nada.

2. Dónde rinde: tres tipos de almacén

1. Congeladores / cadena de frío: los guantes hacen inservibles las pistolas de radiofrecuencia; la voz es la respuesta natural. En entornos de -25 °C, basta con especificar terminales de auriculares para baja temperatura — nadie se quita los guantes.
2. Recogida de cajas / palés completos: manos moviendo cajas pesadas, ojos atentos al camino. Los almacenes que expiden mayoritariamente cajas completas — alimentación y bebidas, cuidado personal en formato grande, autopartes — van un 15–25 % más rápido con voz que con RF.
3. Almacenes con ubicaciones cambiantes: a diferencia del PTL, que necesita etiquetas fijas, la voz solo necesita códigos de ubicación — reubicar cuesta cero en hardware. Máxima flexibilidad.

En cambio, la recogida densa de piezas pequeñas pertenece a las luces del PTL; los artículos de rotación muy lenta con muy pocas líneas de pedido salen más baratos con RF. El punto dulce de la voz es "artículos grandes, cajas completas, manos ocupadas".

3. Cinco imprescindibles de implementación: de las plantillas de voz a los dígitos de control

1. Entrenamiento de la plantilla de voz: cada operario dedica 20–30 minutos a "enseñar" al sistema su voz (leyendo 50–80 palabras) antes de salir en directo. El reconocimiento independiente del hablante moderno funciona sin ello, pero una pasada de plantilla mejora la precisión — sobre todo en equipos con acentos marcados.
2. Indicaciones cortas: comprime "por favor dirígete al pasillo siete, ubicación doce" a "pasillo 7, ubicación 12". Cada sílaba cuesta tiempo; con miles de anuncios al día, una palabra ahorrada ahorra minutos.
3. Exige los dígitos de control: sin dígito de control, no hay siguiente tarea — este es el suelo de la precisión. No lo desactives por velocidad; el día que lo hagas, la tasa de error te enseñará por qué existía.
4. Gestiona el ruido: los almacenes son ruidosos (carretillas, ventiladores). Usa micrófonos con cancelación de ruido; considera auriculares de conducción ósea en zonas de alto ruido. Mide el ruido del sitio antes de implementar — las zonas por encima de 85 dB necesitan tratamiento dedicado.
5. Intégralo a fondo con el WMS: la voz es solo la capa de interacción; la lógica de recogida (olas, rutas, verificación) vive en el WMS. Convierte en comandos de voz cada flujo de excepción — recogidas cortas, daños, cambios de caja. No dejes huecos de "ve a buscar al supervisor".

4. Los números: lo que te compran las manos libres

• Productividad de recogida: en escenarios de recogida de cajas, 20–35 % más que con papel, 10–20 % más que con RF;
• Tasa de error: de 0.5–1 % con papel a ~0.1 %;
• Formación: nuevos contratados productivos en 1–2 días — solo tienen que seguir la voz;
• Inversión por operario: terminal de auriculares + licencia de software sale $1,100–2,100/persona — muy por debajo del coste por ubicación del PTL.

Caso de estudio: la voz sale en directo en un centro de distribución de cadena de frío

Antecedentes: un centro de distribución de cadena de frío en el sur de China — congelador a -18 °C, mayoritariamente recogida de cajas, 4,000 cajas/día. Antes con papel y guantes gruesos: los operarios se quitaban los guantes para cada pedido para leer y firmar, tasa de error del 0.8 %, y el constante ponerse y quitarse los guantes en el frío era miserable.

Solución: 30 terminales de voz (auriculares para baja temperatura), WMS integrado con el servidor de voz, dos dígitos de control añadidos a cada código de ubicación, mapeo completo de comandos de excepción.

Resultados a los 6 meses: productividad de recogida +28 %; tasa de error del 0.8 % al 0.12 %; formación de nuevos contratados de 5 días a 2; la sorpresa fue la moral — se acabó el malabarismo con los guantes en el congelador, y las quejas cayeron en picado. Coste del proyecto ~$55K, retorno en 11 meses.

Errores a evitar

1. No lo fuerces en zonas de alto ruido: el reconocimiento cae cerca de salas de compresores y muelles de carga. Mide el ruido primero, luego diseña — usa zonas donde haga falta.
2. Prueba con acentos y dialectos reales: haz el piloto con operarios de primera línea, no con personal de oficina. Los equipos con pronunciación no estándar necesitan un piloto de dos semanas midiendo las tasas de reconocimiento.
3. Duración de la batería: un terminal de auriculares debe aguantar un turno de 8–10 horas — prevé baterías de repuesto en proporción 1:1.5 y pon armarios de carga en el vestíbulo.
4. No compres solo hardware: la integración del WMS y el diseño de procesos deciden el éxito; el software y los servicios de implementación deben ser al menos el 40 % del presupuesto. Comprar solo por precio de hardware garantiza problemas.

Conclusión

La recogida por voz cambia "mirar y pulsar" por "escuchar y hablar", devolviendo las manos al manejo de materiales en sí. En recogida de cajas, congeladores y escenarios de manos ocupadas, está entre las tecnologías de recogida con mayor ROI. Pero no es una bala de plata: el ruido, los acentos y la disciplina de procesos tienen que estar sólidos, o la voz de los auriculares se convierte en simple ruido. Primero un piloto, luego escala — dos semanas de votación en primera línea valen más que cualquier presentación de un proveedor.

Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.