En el otoño de 2024, estaba realizando una investigación de campo en un almacén 3PL de Ontario, California. El gerente de operaciones me llevó hasta un sistema de visión que habían instalado tres meses antes: dos cámaras 3D montadas sobre una cinta transportadora, modelando cada caja que pasaba por debajo, midiendo su altura y comparando su volumen. El sistema en sí funcionaba bien. El único problema era que el trabajo que hacía podría haberlo hecho las cámaras 2D que ya tenían, por mucho menos dinero. El edificio tiene unos 60,000 pies cuadrados y mueve aproximadamente 15,000 paquetes al día, y nueve de cada diez son cajas planas con códigos de barras estándar. El gerente me mostró los números: el sistema 3D, hardware más integración, costó casi el doble que la alternativa 2D, y la mejora en la tasa de lectura fue de menos de un punto porcentual. Aquello no fue un fallo tecnológico. Fue un proceso de selección que formuló primero la pregunta equivocada.

En la visión artificial para almacenes, el debate entre 2D y 3D suele contarse como una historia de actualización, una generación que reemplaza a la anterior. Los datos de los proyectos que he seguido no respaldan esa versión. Una cámara 2D lee una imagen plana: códigos de barras, texto, daños en la superficie. Una cámara 3D añade profundidad: altura, volumen, apilado, orientación. Son herramientas distintas para trabajos distintos, no peldaños de una escalera. Y la línea que las separa no está en una hoja de especificaciones. Está en cómo es su mercancía y en lo que su proceso necesita decidir realmente.

Mire la mercancía antes de mirar la cámara

El error de selección más común es leer primero el folleto del producto y luego intentar encajar la mercancía en él. El orden debería ser el inverso. En las revisiones de proyectos en las que participo, insisto en un ejercicio: saquen la mercancía problemática de los últimos tres meses y clasifíquenla según lo que se supone que debe juzgar la cámara.

En 2023, un centro de distribución de repuestos de automóvil en Ohio me pidió que revisara su proyecto de visión. Su problema era concreto: cajas de piezas de tamaños mezclados, apiladas de forma desigual sobre palés, y los palés bajos se colaban en los controles manuales, solo para descubrirse como faltantes en las instalaciones del cliente. El centro expide más de 800 palés al día. Una cámara 2D solo podía ver la capa superior; no tenía forma de saber cuántas capas había apiladas ni si un palé estaba una pulgada más bajo que los demás. Después de cambiar a cámaras 3D, cada escaneo producía un mapa de alturas y los palés bajos se detenían en la línea. En tres meses, el sistema marcó más de 200 palés por anomalías de altura, y las reclamaciones de los clientes por faltantes cayeron casi un 40 por ciento. En ese proyecto, la cámara 3D no era «mejor». Era la única herramienta que podía ver el problema.

Compárese con el 3PL de Ontario. Sus cajas eran casi todas cajas estándar, y la cámara solo tenía que responder dos preguntas: ¿se puede leer el código de barras y está la caja visiblemente dañada? Una cámara 2D con una iluminación decente ya estaba en el techo de lo que esa decisión necesitaba. Los datos adicionales de profundidad no alimentaban ninguna decisión. Una cámara que ve más no hace que un almacén gane más automáticamente.

Una autocomprobación rápida: anote todo lo que quiere que juzgue la cámara. Si cada elemento puede describirse como «visible en una superficie plana», probablemente una cámara 2D sea suficiente. En el momento en que un elemento requiera altura, volumen, número de capas u orientación, la 3D entra en la conversación.

Un marco para trazar la línea

Para concretar esta línea, elaboré el marco que ahora uso con más frecuencia al revisar propuestas de visión, basándome en los dos proyectos anteriores y en las dimensiones de selección que se repiten en el sector:

Dimensión Con 2D basta Conviene considerar 3D
Perfil de la mercancía Cajas planas, palés estándar, una sola capa Cargas mixtas, apiladas, multicapa, formas irregulares
Qué se juzga Lectura de códigos de barras, texto, daños superficiales Altura, volumen, número de capas, orientación
Uso típico Verificación de picking, controles de códigos de barras, evidencia fotográfica en el despacho Facturación dimensional, controles de integridad de carga, prevención de faltantes y cargas erróneas
Coste de compra más integración Base A menudo varias veces el de la opción 2D
Carga de mantenimiento Cambios de lentes y ajustes de iluminación que el equipo del centro puede resolver Calibración y ajuste de nubes de puntos que a menudo requieren apoyo del proveedor

La última fila merece atención, porque es donde se esconde el coste real. El precio de un sistema 3D no es solo la orden de compra. La calibración de nubes de puntos, la recalibración de profundidad, el reajuste tras cambios de iluminación: gran parte de este trabajo no lo puede hacer el propio equipo del almacén, y cada visita es una tarifa de servicio. Cuando el almacén de Ontario sumó tres años de coste total, el gasto en servicios de su sistema 3D superaba con creces el de la alternativa 2D, y ese dinero nunca había aparecido en el presupuesto original del proyecto.

Tres cosas que se sobreestiman de las cámaras 3D

En los proyectos que he seguido, tres expectativas sobre las cámaras 3D fallan casi siempre. La primera es que una mayor precisión siempre vale lo que cuesta. La precisión impresa en una ficha técnica de laboratorio se descuenta en el suelo del almacén: la vibración de la cinta, el brillo de la cinta adhesiva en las cajas y la luz ambiental cambiante la erosionan. Discutir sobre el segundo decimal de una ficha técnica es un mal uso del tiempo comparado con una semana de pruebas con su mercancía real.

La segunda es que con 3D se acabaron las comprobaciones humanas. Seis meses después de la puesta en marcha, el centro de Ohio me contó que una de cada diez excepciones marcadas seguía necesitando a una persona: una lectura de altura alterada por una cinta reflectante, por ejemplo. Una cámara 3D reduce los juicios repetitivos. No elimina el juicio.

La tercera es la más sutil: la gente asume que una cámara 3D solucionará silenciosamente un problema de proceso. El almacén de Ontario descubrió con el tiempo que lo que realmente les ralentizaba era la colocación inconsistente de las etiquetas aguas arriba: los códigos de barras a veces caían sobre la costura de una caja, donde ninguna cámara los lee bien. Eso se corrigió estandarizando dónde van las etiquetas. No costó nada en hardware.

Las tres apuntan a la misma conclusión contraintuitiva: la línea entre la visión artificial 2D y 3D en almacenes nunca fue una brecha tecnológica. Es la pregunta de si su proceso necesita información de profundidad para decidir algo. Antes de comprar una cámara 3D, hágase una pregunta: si mañana volviéramos a cambiar este sistema por uno 2D, ¿qué decisiones se volverían inmediatamente imposibles? Si no puede nombrarlas, no está comprando capacidad. Está comprando tranquilidad.

Mi criterio: llegar primero al techo de la 2D

En los próximos años, las cámaras 3D serán más baratas y las herramientas de calibración más sencillas, y la línea bajará: más casos de uso caerán del lado 3D. La lógica no cambiará: la información de profundidad solo vale lo que cuesta cuando participa en una decisión. Mi consejo a los almacenes que trabajan con presupuesto es acertar primero con la configuración 2D: iluminación, ángulo de cámara, estándares de colocación de etiquetas, una rutina de gestión de excepciones. Cualquiera de esos cuatro puntos sin resolver significa que una cámara 3D solo repetirá el mismo problema a un precio mayor. Cuando pueda enumerar tres o más decisiones que realmente no se pueden tomar sin datos de profundidad, entonces vaya y hable de 3D. En ese momento estará comprando una cámara, no una lección cara.

Por Dr. Chen, Investigador en cadena de suministro

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