La conclusión por delante: las alertas de monitoreo de integración de sistemas de almacén deciden si detectas una interrupción en minutos o te enteras por tus clientes horas después. El almacén siempre es el último en enterarse, no porque nadie mire las pantallas, sino porque todos vigilan los errores y nadie vigila lo que debería haber ocurrido y no ocurrió. Todo el trabajo de las alertas de monitoreo de integración de sistemas de almacén se resume en una frase: vigila el no-suceso.

He visto este fallo exacto tres veces. El peor fue la noche anterior al Black Friday de 2023, en un almacén de comercio electrónico de artículos para el hogar. La conexión de la API de etiquetas entre el WMS y el transportista de paquetería murió en silencio poco después de la 1 a.m. No murió con un error. El token del transportista había caducado y las solicitudes se rechazaban en silencio. Nada llegó a nuestros registros de errores. La persona de guardia echó un vistazo al panel de monitoreo. Todo en verde. Sin errores, sin anomalías, sin alertas.

A las 6 a.m. llegó el equipo de picking y encontró la cola de etiquetas vacía. Su primera idea fue que el volumen de pedidos simplemente era bajo ese día. Nadie se preocupó. A las 7:30 empezaron las llamadas de atención al cliente: ¿por qué no se habían enviado los pedidos de anoche? Investigamos y lo encontramos. Desde la 1 a.m. hasta las 7:30 a.m., seis horas y media, se habían acumulado más de 1,800 pedidos y no se había impreso ni una sola etiqueta. Todo el almacén detuvo lo que estaba haciendo para liquidar esos 1,800 pedidos. Las mejoras de envío urgente se comieron el margen y la tasa de envíos tardíos de la tienda superó su límite.

En el análisis posterior, todos hicieron la misma pregunta: en seis horas y media, ¿de verdad el sistema no notó que faltaban 1,800 pedidos? La respuesta fue no. El monitoreo solo registraba la tasa de errores de la interfaz. La tasa de errores era cero, así que el monitoreo pensaba que todo estaba bien. Nadie había puesto un medidor en el flujo de pedidos en sí. El grifo está abierto, el contador no se mueve: eso es lo que debería disparar la alarma.

Monitoreo de integración: cuatro capas, o no te molestes

He caído en esta trampa tres veces, y la lección es la misma cada vez: vigilar una sola capa es lo mismo que no vigilar ninguna. Cada configuración de monitoreo que construyo ahora para un cliente tiene cuatro capas, y no doy el visto bueno a un lanzamiento si falta alguna.

La capa uno son las comprobaciones de latido. Cada interfaz externa recibe un ping cada cinco minutos, y todo lo que no devuelva una respuesta de éxito dispara una alerta. Un detalle importa: hay que hacer ping al endpoint de negocio real, no a la página principal del proveedor. He visto la página principal viva mientras la API de negocio estaba muerta más de una vez. Dos latidos fallidos seguidos significan una alerta. No esperes al tercero.

La capa dos son las alertas de silencio en el flujo de pedidos. Esta es la capa en la que más insisto desde aquel incidente del Black Friday. Cada canal de pedidos tiene un umbral de silencio. En condiciones normales, el flujo de ERP a WMS debería llevar al menos unos pocos pedidos cada quince minutos. Si no llega nada en treinta minutos, dispara una alerta P1, diga lo que diga la tasa de errores. En temporada alta, fija umbrales por hora del día. De 2 a.m. a 5 a.m. el volumen es naturalmente bajo, así que amplía el umbral a sesenta minutos, pero nunca lo apagues. Muchos almacenes desactivan sus alertas de silencio con las palabras «de noche no hay pedidos, es normal». Cierto. Pero seis horas y media sin pedidos nunca es normal.

La capa tres es el acuse EDI 997. Si trabajas con EDI, presta atención aquí. Un 997 demuestra exactamente una cosa muy concreta: el traductor del socio comercial recibió tu archivo y pudo analizar su estructura. No demuestra que el sistema de negocio del socio haya aceptado el pedido, y desde luego no demuestra que la mercancía se enviará a tiempo. Un pedido de compra 850 puede recibir un 997 perfectamente limpio y aun así ser rechazado comercialmente: precio incorrecto, artículo descatalogado, una ventana de envío que el vendedor no puede cumplir. Vi a un cliente sentado sobre 997 en verde durante tres semanas antes de que finanzas preguntara por qué la factura 810 nunca se había pagado. El pedido estaba atascado dentro del ERP del socio y nadie vigilaba esa capa porque el acuse ya había cerrado el ticket en la cabeza de todos. La solución es seguir dos estados por separado: el estado de transporte, que es del 997, y el estado de negocio, que es del acuse de pedido 855, el aviso de envío 856 y la factura 810. Ambos necesitan un responsable.

La capa cuatro es la cadena de trazabilidad de la API de etiquetas. Las etiquetas perdidas son los fallos más difíciles de diagnosticar porque se encuentran entre el WMS y el transportista, y ambas partes insisten en que no hicieron nada malo. Mi solución es registrar tres marcas de tiempo por cada solicitud de etiqueta: cuándo la envió el WMS, cuándo respondió el transportista y cuándo se escribió de vuelta el número de etiqueta. En el momento en que esas tres no cuadran, sabes exactamente qué segmento está atascado. Si aquel almacén del Black Friday hubiera tenido esas tres marcas de tiempo, alguien habría visto a la 1:30 a.m. que las solicitudes nunca salían del edificio, no a las 7:30 a.m.

Demasiadas alertas de monitoreo es lo mismo que no tener alertas

Aquí viene lo contraintuitivo: más alertas no es mejor monitoreo. Demasiadas alertas es lo mismo que no tener ninguna.

Me hice cargo de un cliente cuyo monitoreo disparaba más de cuarenta tipos de alerta, y el teléfono de guardia vibraba más de doscientas veces al día. Al tercer día, el ingeniero de guardia había silenciado todo. Al cuarto día, llegó un fallo real P1, el teléfono se quedó en silencio y el almacén estuvo parado tres horas antes de que alguien se diera cuenta. La fatiga de alertas es más peligrosa que no tener alertas, porque da a la dirección la ilusión de que existe monitoreo.

Así que las alertas deben tener niveles, y los niveles tienen que ser implacables. P1 significa exactamente una cosa: algo está bloqueando el envío saliente, la impresión de etiquetas o un compromiso con el cliente. Una P1 llama directamente al responsable de guardia. Sin respuesta en quince minutos, escala al gerente. Treinta minutos sin acción, pasa al director. P2 significa que aún no está dañando el envío, pero lo hará en dos horas: un tiempo de respuesta de interfaz que se duplicó, una cola que empieza a acumularse. P2 envía un mensaje de texto y un mensaje de grupo, nunca una llamada telefónica. P3 es nivel de tendencia: una interfaz que falló por tiempo de espera un treinta por ciento más a menudo esta semana que la pasada. P3 va al informe diario y no interrumpe a nadie.

La regla de los niveles es el impacto en el negocio, no la gravedad técnica. Una interfaz devuelve un error de servidor, pero el reintento automático tiene éxito y ningún pedido se ve afectado: eso es P3, no P1. El flujo de pedidos lleva treinta minutos en silencio con una tasa de errores de cero: eso es P1. Escribe esta regla antes del lanzamiento y clávala junto a la lista de guardia, para que nadie tenga que adivinar a las 3 a.m.

La propia lista de guardia necesita cuidado. Tres personas en rotación es el mínimo. Con dos, tarde o temprano ambas están libres el mismo día. La lista debe responder tres preguntas: quién responde primero, quién es el contacto de escalación y en qué condiciones se te permite despertar a un desarrollador. Esa última es la que más importa. He visto a un ingeniero de guardia luchar solo con un fallo durante cuatro horas por la noche porque tenía miedo de despertar a un desarrollador, y luego despertar al desarrollador de todos modos.

La lista de verificación de la noche del lanzamiento

Antes de cada lanzamiento, hago que el cliente recorra esta lista. Falta un elemento, no hay lanzamiento:

  1. Las comprobaciones de latido están activas para cada interfaz externa. Rompe una a propósito y confirma que la alerta llega en cinco minutos.
  2. Los umbrales de silencio están fijados para cada canal de pedidos, uno para las horas punta y otro para la ventana nocturna.
  3. Para los socios EDI, el monitoreo del acuse 997 y la conciliación de documentos de negocio son dos vistas separadas, cada una con un responsable nombrado.
  4. La traza de etiquetas de tres marcas de tiempo funciona, y puedes buscar cualquier número de pedido y ver las horas de envío, respuesta y escritura de vuelta.
  5. Las reglas de niveles P1/P2/P3 están escritas, y las tres personas de la lista de guardia las han aprobado.
  6. Los números de teléfono de escalación se han marcado a mano. Funcionan, y pueden despertar a alguien por la noche.
  7. Haz un simulacro de fallo: desconecta una interfaz y mide cuánto tarda alguien en darse cuenta, cuánto en responder y cuánto en recuperarse.

El elemento siete es el que más se salta, y el que más importa. El cliente del Black Friday hizo su primer simulacro tres meses después del lanzamiento. Tardaron cuarenta minutos en notar el fallo: mucho mejor que las seis horas y media del incidente real, pero todavía demasiado lento. Ajustaron el umbral de silencio de sesenta minutos a treinta, y el siguiente simulacro quedó por debajo de quince minutos. El monitoreo no es un problema técnico. Es un problema de responsabilidad, y un simulacro es la única prueba de que realmente la tienes.

Por Lin Xiao, Consultor de Implementación de WMS Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.