La preparación de pedidos en almacén es fundamental para el rendimiento de la logística, ya que vincula el almacenamiento del inventario con el envío puntual y preciso. Este artículo define los conceptos básicos de la preparación de pedidos, incluyendo procesos, documentación, terminología de almacenamiento e indicadores clave de rendimiento. A continuación, compara los principales métodos de preparación de pedidos y sus ventajas e inconvenientes desde el punto de vista de la ingeniería, antes de analizar cómo la distribución, la automatización y los sistemas de control influyen en las tasas de preparación y los niveles de error. Finalmente, resume cómo los ingenieros pueden integrar métodos, tecnología y métricas en sistemas de preparación de pedidos de almacén coherentes y preparados para el futuro.
Conceptos y definiciones básicos de picking en almacén
La preparación de pedidos en almacén consistía en extraer las referencias de productos (SKU) de las ubicaciones de almacenamiento para satisfacer los pedidos de los clientes o de producción. Se situaba entre el almacenamiento de inventario y el embalaje/envío, e influía directamente en el plazo de entrega, el coste laboral y el nivel de servicio. Los ingenieros definieron este proceso utilizando una terminología estándar para permitir un diseño, una medición y una optimización coherentes de los sistemas de almacén.
¿Qué es el proceso de picking en almacén?
El proceso de picking en almacén abarcaba todos los pasos, desde la recepción de una instrucción de picking hasta la entrega de los artículos a un punto de consolidación o empaque. Los operadores o sistemas automatizados interpretaban las listas de picking, se desplazaban a las ubicaciones de almacenamiento, identificaban el SKU correcto y recuperaban la cantidad requerida. El proceso también incluía pasos de confirmación, como el escaneo de códigos de barras o lecturas RFID, para validar el artículo, la ubicación y la cantidad. El diseño de ingeniería se centró en minimizar las distancias de recorrido, los puntos de contacto y la complejidad de las decisiones, manteniendo la precisión y la trazabilidad.
Diferentes almacenes implementaron variaciones, como el picking por piezas, por cajas o por palés, según las unidades de carga y la estructura del pedido. El proceso interactuaba estrechamente con la reposición, ya que las caras de picking vacías requerían una reposición oportuna desde el almacén de reserva. Un proceso de picking bien definido constituyó la base para aplicar métodos como las estrategias de lote, zona o producto a persona.
Listas de selección, tickets de selección y sus campos de datos
Las listas de selección o tickets de selección eran instrucciones estructuradas que especificaban qué artículos retirar, en qué cantidades y de qué ubicaciones. Históricamente, estos documentos existían en papel; para 2024, la mayoría de las operaciones utilizaban listas de selección digitales en terminales portátiles o sistemas de voz. Los campos de datos principales incluían identificadores de pedidos, detalles del cliente, servicio de envío y restricciones de tiempo, como la fecha de entrega o la asignación de muelle. Las líneas a nivel de artículo contenían códigos SKU, descripciones de productos, cantidades requeridas y coordenadas de almacenamiento, como zona, pasillo, bahía, nivel y posición.
Las listas de selección avanzadas también mostraban los niveles de existencias restantes, la identificación de los contenedores y notas de manipulación, como indicadores de materiales peligrosos, requisitos de temperatura o fragilidad. Los sistemas digitales vinculaban las fichas de selección con el Sistema de Gestión de Almacenes (SGA), lo que permitía la validación en tiempo real y actualizaciones automáticas de estado. Los ingenieros configuraron la estructura de las listas de forma diferente para la selección discreta, por lotes o por zonas, con el fin de reducir el número de líneas por operador y alinearse con los algoritmos de optimización de rutas. Unas fichas de selección bien diseñadas redujeron la carga cognitiva, los errores de selección y el tiempo de búsqueda en la ubicación.
Definición de caras de selección en el diseño de almacenamiento
Una cara de selección era el lado o la abertura accesible de una ubicación de almacenamiento desde la cual un operador o robot podía seleccionar artículos directamente. En estanterías para palés, la cara de selección podía ser una posición de palé de nivel inferior; en estanterías o flujo de cajas, era la parte frontal de cada ubicación de caja. El diseño de ingeniería consideraba las caras de selección como la interfaz activa entre el personal de almacenamiento y la de selección, a diferencia del almacenamiento de reserva o a granel situado detrás o encima. Aumentar el número de caras de selección para una SKU de alta demanda, por ejemplo, duplicando las ubicaciones, podría reducir la congestión y la distancia de viaje si se distribuyen correctamente.
Sin embargo, un mayor número de puntos de recogida ocupaba la parte frontal del piso y podía fragmentar el inventario, por lo que los diseñadores buscaron un equilibrio entre la parte frontal y la densidad de almacenamiento. Los estantes de flujo de cajas y los estantes dinámicos ampliaron los puntos de recogida efectivos al presentar las cajas en el pasillo, mientras que el stock de reserva se alimentaba desde la parte trasera. La disposición de los puntos de recogida por clase de velocidad, grupo de familias y zona de alcance ergonómica influyó significativamente en las tasas de recogida alcanzables. El etiquetado claro, la iluminación y el acceso físico a los puntos de recogida también fueron cruciales para la precisión y la seguridad.
Entender la tasa de selección como un KPI de rendimiento
La tasa de picking era un KPI principal que medía el rendimiento de la operación de picking a lo largo del tiempo. Los almacenes solían expresarla como líneas de pedido recogidas por hora, artículos recogidos por hora o pedidos completos por hora, según el diseño del proceso. Los ingenieros utilizaban la tasa de picking junto con la tasa de error, las horas extra y la utilización para evaluar el diseño, los métodos y las inversiones en tecnología. Unas tasas de picking más altas indicaban un mejor uso de las rutas de transporte, la asignación de espacios y los sistemas de soporte, como el enrutamiento WMS y el pick-to-light.
La interpretación de la tasa de preparación de pedidos requería contexto, ya que el tamaño de la carga unitaria, la diversidad de SKU y la complejidad del pedido afectaban a los parámetros de referencia viables. Por ejemplo, la preparación de pedidos de comercio electrónico con un alto número de SKU producía inherentemente menos artículos por hora que la preparación de pedidos de palés completos . El monitoreo continuo de la tasa de preparación de pedidos por zona, turno y operador permitió detectar cuellos de botella y necesidades de capacitación. La combinación de la tasa de preparación de pedidos con el costo por línea y las métricas de tiempo de entrega al cliente respaldó las decisiones basadas en datos sobre automatización, niveles de personal y rediseño de procesos.
Métodos de selección y sus compensaciones de ingeniería
Los ingenieros evaluaron los métodos de preparación de pedidos considerando la distancia de viaje, la utilización de la mano de obra, la complejidad del sistema y el costo de capital. A medida que aumentaban los volúmenes de pedidos y el número de SKU, la elección del método influyó considerablemente en la tasa de preparación de pedidos, la tasa de error y el plazo de entrega. Cada estrategia impuso diferentes restricciones en la distribución, los sistemas de información y los equipos de manejo de materiales. Por lo tanto, la selección y combinación de métodos se convirtió en una decisión fundamental para el diseño del almacén, en lugar de una decisión puramente operativa.
Comparación de picking discreto, por lotes y por zonas
La preparación discreta, también llamada preparación de pedidos individuales, procesaba un pedido por viaje del operario. Ofrecía una lógica de control sencilla, una formación directa y una alta precisión en los pedidos, pero generaba largas distancias de desplazamiento y una baja densidad de recogida en volúmenes de pedidos elevados. La preparación por lotes agrupaba líneas de varios pedidos en una única ruta, lo que aumentaba las líneas por parada y reducía el recorrido por línea, especialmente cuando los pedidos compartían SKU. Sin embargo, requería un paso posterior de clasificación o consolidación, lo que introducía manipulaciones adicionales y posibles errores de clasificación sin un etiquetado y escaneo robustos. La preparación por zonas dividía el almacén en zonas con operarios dedicados, lo que reducía la distancia de desplazamiento individual y permitía la especialización en familias de productos o equipos . Añadía complejidad a la coordinación porque los pedidos multizona necesitaban pasadas secuenciales (zonificación progresiva) o un búfer de consolidación, lo que aumentaba los requisitos lógicos del WMS y el espacio de búfer.
Estrategias Wave, de mercancía a persona y híbridas
La preparación por oleadas (o wave picking) liberaba grupos de pedidos en conjunto según los plazos de envío, los horarios de los transportistas o las limitaciones de recursos. Este enfoque sincronizaba la preparación con el embalaje y la carga, optimizando la utilización del muelle y permitiendo una planificación precisa de la mano de obra. Requería una previsión precisa de la demanda y un control del WMS para definir el tamaño, la composición y el momento de la liberación de las oleadas. Las estrategias de mercancía a persona invirtieron el modelo tradicional al trasladar contenedores, bandejas o palés a los preparadores fijos mediante ASRS, lanzaderas o cintas transportadoras. Estos sistemas reducían significativamente el tiempo de viaje y permitían tasas de preparación altas y repetibles, pero exigían una inversión de capital sustancial y un dimensionamiento cuidadoso del rendimiento de los subsistemas de almacenamiento y transporte. Las estrategias híbridas combinaban elementos como la preparación por lotes por zona, la liberación por oleadas en módulos de mercancía a persona o la preparación manual para productos de baja rotación con la manipulación automatizada para los de alta rotación. Las estrategias híbridas permitían una automatización incremental y una mejor adaptación a los perfiles de velocidad de las unidades de mantenimiento (SKU), pero aumentaban la complejidad de la integración y requerían definiciones precisas de interfaz entre los subsistemas.
Métodos de selección compatibles con los perfiles de pedidos
Los ingenieros adaptaron los métodos de preparación de pedidos a los perfiles de pedidos utilizando características medibles como líneas de pedido promedio, artículos comunes, cantidad de SKU y variabilidad de la demanda. La preparación discreta de pedidos se adaptaba a operaciones de bajo volumen, alta variabilidad de pedidos o entornos donde la simplicidad y flexibilidad de la capacitación superaban la eficiencia de los desplazamientos. La preparación por lotes funcionaba mejor cuando los pedidos compartían SKU y la cantidad de líneas era moderada, porque una mayor superposición de artículos maximizaba los ahorros de desplazamiento por lote. Los enfoques de zona y ola se alineaban con operaciones de alto volumen que enviaban en tiempos límite definidos y respaldaban la inversión en lógica de optimización del WMS. Los híbridos de mercancías a persona y con alta automatización se adaptaban a conjuntos de SKU densos, altos costos laborales y una demanda estable o creciente que justificaba la amortización del capital. Los diseñadores generalmente probaban o simulaban múltiples estrategias con datos históricos de pedidos, comparando la tasa de preparación, las horas de mano de obra y el riesgo de error antes de comprometerse con una configuración.
Diseño para tasas de selección más altas y menos errores
Diseñar tasas de picking más altas requería una visión integral del diseño, la tecnología y las prácticas laborales. Las operaciones líderes consideraban el picking como un sistema de flujo, no como un conjunto de tareas aisladas. Combinaron la optimización de la asignación de turnos, sistemas avanzados de guiado y automatización con un seguimiento riguroso de KPI. El objetivo era acortar los desplazamientos, simplificar las decisiones y prevenir errores en el origen, en lugar de corregirlos posteriormente.
Ranurado, selección de caras y optimización del diseño
Los ingenieros optimizaron la ubicación de los artículos de alta frecuencia cerca del embalaje y a lo largo de los principales corredores de transporte. El análisis ABC respaldó esta medida, con los artículos A ocupando ubicaciones ergonómicas, de la cintura al hombro, para minimizar el movimiento y la fatiga. Se dimensionaron y multiplicaron las caras de selección para equilibrar la distancia de recorrido con el esfuerzo de reposición; los productos de alta rotación solían utilizar caras de selección más anchas o duplicadas para permitir una mayor tasa de selección. La distribución separó la selección de las devoluciones y el almacenamiento a granel, mantuvo pasillos amplios y despejados para el equipo y optimizó el espacio vertical con el equipo de acceso adecuado, controlando al mismo tiempo las distancias de alcance.
Las estrategias eficientes de asignación de pedidos aprovecharon el historial real de pedidos, no suposiciones estáticas, y se recalcularon periódicamente utilizando datos del SGA. Los ingenieros minimizaron la mezcla de SKU en un mismo carrito o palé para reducir los errores de picking, especialmente en la preparación de lotes de varios pedidos. Las estanterías dinámicas y los racks de flujo de cajas aumentaron el espacio disponible para la recogida por metro de pasillo y redujeron el desplazamiento de los operarios. Las rutas optimizadas, con el apoyo del software, redujeron aún más el tiempo de desplazamiento al secuenciar las ubicaciones y evitar el retroceso.
WMS, Pick-To-Light, Voz, RFID y ASRS
Un Sistema de Gestión de Almacenes (SGA) sirvió como capa de control para los sistemas de picking de alto rendimiento. Generaba listas de picking digitales, implementaba estrategias de picking y sincronizaba la reposición para mantener el inventario en las caras de picking. Los sistemas de picking por luz utilizaban LEDs y pantallas numéricas montados en la ubicación para indicar la cantidad, lo que reducía el tiempo de búsqueda y la confusión visual en almacenes densos. El picking controlado por voz proporcionaba una operación manos libres, con la vista en alto, lo que mejoraba la seguridad y la precisión del picking en entornos con mucho movimiento.
El escaneo de códigos de barras y la tecnología RFID cerraron el ciclo al verificar el SKU y la cantidad en el punto de recogida. Las etiquetas y lectores RFID permitieron la visibilidad del inventario en tiempo real para artículos de alto valor o de alta rotación, especialmente en instalaciones grandes o complejas. Los Sistemas Automatizados de Almacenamiento y Recuperación (ASRS) y los sistemas de transporte implementaron el principio de "producto a persona", entregando contenedores o bandejas directamente a estaciones de recogida ergonómicas. Estos sistemas redujeron drásticamente el desplazamiento y estandarizaron los movimientos de recogida, pero requirieron un cuidadoso modelado del rendimiento para adaptar la capacidad del sistema a los picos de pedidos.
Cobots, AGV y automatización de mercancías a personas
Los robots colaborativos (cobots) y los vehículos guiados autónomos ( AGV ) complementaron a los operarios de picking en lugar de sustituirlos por completo. Los cobots solían realizar tareas repetitivas de recogida y colocación en las estaciones, mientras que los operarios gestionaban las incidencias y los controles de calidad. Los AGV o los AMR transportaban contenedores, carros o palés entre el almacenamiento, la recogida y el embalaje, lo que eliminaba los desplazamientos innecesarios de los flujos de trabajo humanos. Los ingenieros dimensionaban la flota en función del volumen de pedidos, la distancia media de los trayectos y los tiempos de ciclo necesarios para evitar cuellos de botella en el transporte.
La automatización de la mercancía a la persona se extendió más allá de los ASRS para incluir sistemas de distribución alimentados por cintas transportadoras y de clasificación. Estas soluciones concentraron la actividad de picking en celdas compactas y ergonómicas, lo que permitió altas tasas de picking con menos operarios. La integración con el SGA garantizó que los robots, las cintas transportadoras y los humanos compartieran una única cola de tareas y una lógica de prioridad. La ingeniería de seguridad siguió siendo fundamental, con zonas de colaboración de cobots claramente definidas, monitorización de velocidad y separación, y señalización visual para cumplir con la normativa aplicable sobre maquinaria y lugar de trabajo.
KPI, gestión laboral y mejora continua
Los almacenes de alto rendimiento consideraron la tasa de selección, la precisión de los pedidos y las líneas por hora de trabajo como KPI principales. Los midieron a nivel de operador, zona y turno mediante módulos de gestión de personal y SGA. Los ingenieros correlacionaron los KPI con los cambios de diseño, métodos y tecnología para validar cuantitativamente las decisiones de diseño. Indicadores adicionales como el tiempo del ciclo de pedidos, la tasa de re-selección y la tasa de devoluciones por errores de selección respaldaron el análisis de causa raíz.
Los sistemas de gestión laboral equilibraron las cargas de trabajo entre zonas y turnos, reduciendo los cuellos de botella y el tiempo de inactividad. Los programas de capacitación cruzada permitieron al personal alternar entre la selección, el embalaje y la reposición para gestionar los picos de demanda. Los marcos de mejora continua, a menudo basados en una logística eficiente, se centraron en los viajes sin valor añadido, la doble manipulación y los errores de documentación. La gamificación y los programas de incentivos utilizaron paneles de indicadores clave de rendimiento (KPI) en tiempo real para motivar al personal, manteniendo los objetivos de seguridad y calidad innegociables.
Resumen: Diseño de mejores sistemas de picking en almacén
El diseño de sistemas de picking de alto rendimiento para almacenes requería una combinación precisa de diseño de procesos, diseño de distribución y tecnología. Conceptos clave como listas de picking, caras de picking y ritmo de picking definían la interacción entre la información, la geometría del almacén y la productividad laboral. Las listas de picking claras y bien estructuradas o los tickets de picking digitales reducían la carga cognitiva y guiaban a los operarios, mientras que las caras de picking y las estrategias de colocación de pedidos optimizadas acortaban los tiempos de desplazamiento y manipulación.
El análisis comparativo de los métodos discretos, por lotes, por zonas, por oleadas y de preparación de pedidos demostró que ninguna estrategia se ajustaba a todas las operaciones. Los ingenieros evaluaron los perfiles de pedidos, la rotación de SKU, el volumen de inventario y los requisitos de nivel de servicio para seleccionar o combinar métodos. Las tecnologías facilitadoras, como WMS, pick-to-light, sistemas de voz, RFID, ASRS, AGV y cobots, desplazaron las limitaciones de la mano de obra y el tiempo de desplazamiento hacia la integración del sistema, la calidad de los datos y la utilización del capital.
Las tendencias futuras apuntaban a una mayor integración de WMS/ERP, análisis predictivo para la asignación de espacios y la planificación de la mano de obra, y una mayor implementación de células de picking robóticas y de producto a persona. Estas tendencias implicaban tasas de picking base más altas, tiempos de ciclo de pedido más ajustados y una calidad más estable, pero también una mayor dependencia de una infraestructura de TI resiliente y ciberseguridad. Los ingenieros necesitaban diseñar para una degradación gradual, permitiendo modos de respaldo manuales o semiautomáticos durante las interrupciones.
La implementación práctica requirió implementaciones graduales, una sólida gestión de cambios y rigurosos marcos de KPI. Métricas como la tasa de selección, la precisión de los pedidos, la utilización de la mano de obra y el tiempo de ciclo respaldaron la mejora continua y las iniciativas lean. Una perspectiva equilibrada consideró la automatización como una herramienta, no como un objetivo: los almacenes más resilientes combinaron procesos manuales ergonómicos, una distribución y asignación de espacios disciplinados, y una automatización aplicada selectivamente. Los sistemas bien diseñados se mantuvieron flexibles, escalables y capaces de adaptarse a la demanda cambiante, la variedad de SKU y las expectativas de servicio.
