Minha resposta logo de início: a otimização de rotas de picking em armazém com IA vale a pena, mas não espere que ela sozinha reduza o seu custo de picking. Para ser direto, o algoritmo economiza caminhada, não picking. Se a caminhada economizada vira dinheiro depende do seu perfil de pedidos, do seu slotting e de os separadores seguirem de fato a rota. Se um dos três falhar, os passos economizados só existem no papel.

Isso tem dois lados. Quem defende o algoritmo vai mostrar um número: uma divisão muito citada do tempo de picking coloca o deslocamento em cerca de 55 por cento, a busca em 15 por cento e a extração do produto em 10 por cento, e o resto vai para outras tarefas. Essa divisão vem de uma estimativa de um profissional citada em um manual de armazenagem, não de uma medição controlada, mas a direção está certa. Os separadores passam a maior parte do dia caminhando. Quem duvida do algoritmo dirá que a rota mais bonita não serve para nada se os separadores não a seguirem, ou se o slotting em si for uma bagunça. Os dois lados estão dizendo a verdade.

Já vi armazéns demais pagarem o aprendizado nisso. Em 2019, visitei um 3PL em Ontário, com 80,000 pés quadrados e cerca de 4,000 pedidos por dia. O dono tinha acabado de comprar um módulo de picking com otimização de rotas, e a demonstração parecia linda. As rotas na tela fluíam como desenhadas à mão. Depois acompanhei um turno com um separador e vi o problema: a rota do sistema passava por um corredor onde estava estacionado um carrinho de reposição, então os separadores desviavam dele em cada viagem. O desvio custava mais caminhada do que o algoritmo economizava. O dono olhava para «economias teóricas» em um relatório. Eu olhava para um desvio que acontecia todos os dias.

Otimização de rotas de picking em armazém com IA: primeiro descubra o que ela realmente economiza

O algoritmo economiza três coisas. A primeira é a distância percorrida, porque a rota deixa de seguir a sequência de localizações e passa a seguir o caminho mais curto. A segunda são as viagens repetidas pelo mesmo corredor, porque o picking em lote junta vários pedidos em uma única passada. A terceira é a caminhada vazia de volta, porque o sistema inclui o retorno na rota e coleta pedidos pelo caminho.

As três dependem de dados limpos. Uma localização errada e o algoritmo manda uma pessoa para o lugar errado. Uma contagem de estoque errada e o separador chega a uma posição vazia e volta caminhando, perdendo tudo o que a rota tinha economizado. Há um problema mais comum: produtos de alto giro alocados na extremidade mais distante do prédio. O algoritmo mais inteligente só consegue encontrar o caminho mais curto dentro de um layout ruim. Uma boa navegação não conserta uma estrada construída no lugar errado.

Em 2023, um cliente de artigos para o lar me disse que usava a otimização de rotas há seis meses e que a produtividade de picking tinha subido menos de 5 por cento. Caminhei pelo armazém, e o problema não era o algoritmo, era o slotting. Os produtos classe A deles, os de maior giro, estavam espalhados por seis corredores, dois deles na extremidade mais distante do prédio. Fizemos primeiro uma rodada de re-slotting, movendo os produtos classe A para os dois corredores mais próximos da embalagem, sem mudar mais nada. Duas semanas depois, a distância média percorrida por pedido tinha caído quase 30 por cento, e só então o algoritmo começou a se pagar. A ordem não pode ser invertida: primeiro corrija o slotting, depois fale de otimização de rotas.

O caminho mais curto não é o caminho mais rápido

Este é o trade-off mais ignorado na otimização de rotas de picking em armazém com IA. O algoritmo otimiza a menor distância total. O armazém otimiza o maior número de pedidos despachados por hora. Esses dois objetivos concordam na maior parte do tempo e brigam no restante.

Tomemos um caso simples. A rota mais curta pode pedir que um separador inverta a direção duas vezes no mesmo corredor, porque dois pedidos diferentes têm itens nesse corredor a poucas localizações de distância. Em distância, isso é ótimo. Do ponto de vista humano, o separador precisa dar meia-volta duas vezes e parar e reiniciar o carrinho duas vezes. Um separador experiente preferiria caminhar 20 metros a mais e limpar todo o corredor em uma única passada. O algoritmo não sabe disso. Ele só conhece metros.

O congestionamento é o outro ponto cego. O sistema dá a dez separadores dez rotas ótimas. No pico, os dez acabam no mesmo corredor, esperando uns pelos outros, esperando uma empilhadeira, esperando a reposição, e a distância economizada é gasta parado. Um bom sistema leva em conta o congestionamento em tempo real no corredor. Um sistema fraco só desenha linhas retas. É por isso que sempre digo aos compradores para fazerem ao fornecedor uma pergunta antes de assinar: o algoritmo de vocês enxerga o estado em tempo real do armazém, ou apenas um mapa estático de localizações? Se ele só enxerga o mapa, pense duas vezes, não importa quão baixo seja o preço.

A otimização de rotas de picking em armazém com IA vale a pena? Confira três números

Ignore o folheto do fornecedor e meça você mesmo três números. O primeiro é a distância percorrida por pedido, medida por duas semanas antes e duas semanas depois da entrada em operação. Meça o mesmo perfil de pedidos; os números de pico e de baixa não podem ser comparados diretamente. O segundo é o número de linhas de pedido separadas por separador por hora. Se esse número subir, a melhoria é real. O terceiro é a precisão do picking. As rotas mudam, os ritmos mudam, e se a precisão cair, nenhuma caminhada economizada compensa.

É assim que costumo fazer as contas. Estes números são um exemplo ilustrativo para mostrar como funciona o cálculo:

Item Exemplo ilustrativo
Separadores 20
Distância percorrida por separador por dia 8 km
Distância percorrida economizada após a otimização 20%
Tempo de caminhada economizado por dia (a 4 km por hora) 20 pessoas × 1.6 km ÷ 4 km por hora = 8 horas
O que isso equivale em mão de obra Aproximadamente um turno completo

Oito horas parecem muito, mas se isso vira uma pessoa a menos na escala depende de o tempo economizado chegar em um único bloco. Se vinte pessoas economizam cada uma 24 minutos espalhados ao longo do dia, não dá para cortar um turno. Essas oito horas só se convertem em economia de mão de obra quando os pedidos chegam em ondas concentradas. Então, ao fazer as contas, não some apenas as horas. Pergunte se o tempo economizado pode ser reunido em um turno completo.

Há mais um ponto contraintuitivo: armazéns pequenos costumam tirar menos proveito da otimização de rotas de picking com IA do que os grandes. Não porque o algoritmo seja ruim, mas porque as rotas em um armazém pequeno nunca foram complicadas. Separadores experientes já caminham perto do caminho ótimo, então resta pouco a espremer. O valor aparece em armazéns de médio porte que processam milhares de pedidos por dia em dezenas de milhares de localizações, onde uma rota emaranhada custa dinheiro de verdade. Se você despacha menos de 50,000 pedidos por mês, faça sua análise ABC e corrija primeiro o seu slotting. A otimização de rotas pode esperar.

Tudo volta a uma pergunta: você está comprando uma rota mais curta, ou pedidos que saem mais rápido pela porta? Se a resposta for a segunda, não fique olhando para a demonstração. Acompanhe primeiro um turno com um separador e veja o que ele realmente contorna todos os dias.

Por Lao Mi, Veterano da cadeia de suprimentos (20 anos) Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.