Correios Russos: OCR e robôs classificam cerca de 8 milhões de itens de correspondência por dia

• PostTech: как устроена OCR-сортировка писем (5 проекций, 40 000 писем/час, SMAB, Сортмастер, видеокодирование, АСЦ Внуково) — Habr (блог PostTech / Почта России), 2020
• Что умеет Почта России и какие технологии развивает (объёмы, робот-манипулятор 4 сек, нейросети для маршрутов, свёрнутые роботы-курьеры) — Hi-Tech Mail.ru, n/a
• «Почта России» внедряет систему моделирования маршрутов с ИИ («Сколково» + «Тераплан», 2024–2026; 54 млн км маршрутов в месяц) — CNews, 2024-05-28
• Почта России внедрила ИИ-систему для оптимизации логистики (платформа «Тераплан», до 30 млн операций ежедневно) — Online47, 2026-04-08
• Почта России: проекты искусственного интеллекта (голосовой ассистент на Yandex SpeechKit, 92–95%) — TAdviser, n/a
• Динамика доставки в срок 2013–2016: письма 54% → 85%, посылки 52% → 95% — РБК Тренды, 2022-01
• Генеральный директор АО «Почта России» — Михаил Волков — Почта России, n/a
• Главой Почты России стал Михаил Волков — Forbes Russia, 2023-01

Contexto

Os Correios Russos são um dos maiores sistemas de logística do país: cerca de 38 mil agências postais, 311 mil funcionários, aproximadamente 2,6 bilhões de cartas e cerca de 400 milhões de pacotes por ano — aproximadamente 8 milhões de itens de correspondência por dia (Hi-Tech Mail.ru). O lado negativo da escala é uma economia brutal: os volumes de correspondência em papel declinem ano após ano (materiais de 2024 já citam 1,3 bilhão de cartas e 240 milhões de pacotes anualmente — CNews), e cada operação de classificação manual prejudica os custos unitários.

A rede de classificação da empresa compreende 1.100 nós de diferentes níveis: macro-regional, regional e local. O destaque é o centro de classificação automatizado em Vnukovo — 64 mil m², capaz de processar 3 milhões de itens diariamente; o equipamento veio de Toshiba, Siemens e Vanderlande, enquanto a camada de software foi desenvolvida internamente pela equipe PostTech. Quando o artigo técnico foi publicado (2020), a empresa planejava 36 centros de logística adicionais até 2022 — a classificação foi deliberadamente concentrada em grandes 'fábricas' onde a automação compensa através do volume. Mikhail Volkov é o CEO da empresa desde janeiro de 2023.

A automação da classificação é parte de uma modernização logística de muitos anos que começou bem antes do hype de IA: entre 2013 e 2016 a parcela de cartas entregues no prazo cresceu de 54% para 85%, e pacotes de 52% para 95% (RBC Trends). O lado técnico da classificação é descrito em detalhes e sem enfeites pela equipe PostTech em seu blog corporativo no Habr — desde os protocolos usados para comunicar com os controladores de máquinas até o destino dos envelopes com caligrafia ilegível. Essa publicação é o que torna este caso verificável: um raro exemplo de uma empresa estatal expondo os detalhes internos de sua TI de produção.

Problema

A classificação manual não escala nesses volumes: milhões de envelopes e pacotes por dia com endereços manuscritos e impressos de qualidade variável. Cada item deve ser lido, seu CEP e endereço determinados e validados cruzados, e o item roteado corretamente — em frações de segundo, ou a esteira da central de logística trava. Em números: a esteira se move a 1,8 metros por segundo, e a decisão de roteamento deve ser feita em cerca de um segundo — antes da primeira junção onde um atuador ejeta a carta para o canal correto ou não.

O principal inimigo do reconhecimento automático é a correspondência real. CEPs manuscritos, tinta desbotada, envelopes amassados, endereços escritos sobre os antigos, códigos de barras danificados. O dilema clássico para o designer do sistema: exigir 100% de confiança do OCR e o fluxo para; deixar a máquina 'adivinhar' e cartas seguem para direções erradas, com o custo do erro medido em dias de devolução por frete.

Um problema de engenharia separado é o zoo de equipamentos. Máquinas de classificação de diferentes fabricantes (Toshiba, Siemens, Vanderlande) falam protocolos diferentes, e sem uma camada de software unificada cada centro se torna uma ilha isolada com sua própria lógica. Por fim, a classificação é apenas metade da tarefa: mesmo um item perfeitamente classificado viaja ao longo de uma rota que alguém deve construir, e o comprimento mensal das rotas dos Correios Russos totaliza 54 milhões de quilômetros (CNews). Otimizar essa rede manualmente enfrenta os mesmos limites da capacidade humana de ler envelopes.

Solução

Nas 'fábricas' de logística dos Correios, a classificação de cartas funciona assim. Uma carta na esteira passa sob uma câmera que fotografa o item em cinco projeções — a qualidade do reconhecimento é conquistada já na captura da imagem. OCR encontra texto nas fotos, lê o CEP e o endereço, e os valida cruzados; a máquina de classificação de cartas processa 40 mil cartas por hora — os famosos 11 cartas por segundo (Vnukovo opera duas dessas máquinas para 80 mil cartas por hora, e o centro como um todo processa 125 mil cartas por hora). A máquina de pacotes classifica até 8 mil pacotes por hora, e um manipulador robótico realiza a classificação de pacotes a 4 segundos por item.

A decisão arquitetônica chave é human-in-the-loop: se o texto é ilegível, a foto do item vai automaticamente para vídeo-codificação — um operador que digita o CEP manualmente a partir da imagem. O operador apoia a automação em vez de travar todo o fluxo: a esteira nunca para por caligrafia ruim, e cartas não lidas pela máquina se reúnem ao fluxo após a entrada manual. Itens problemáticos recebem um canal de 'Rejeição' no final da esteira, e os operadores leem códigos de barras danificados com scanners portáteis.

Por baixo fica a plataforma de software própria do PostTech — SMAB (Sorting Machine Automation Bridge), que vincula máquinas de diferentes fabricantes em um sistema: comunica-se com controladores via protocolo industrial OPC UA, eventos voam entre dispositivos via um broker MQTT, e decisões de roteamento vêm do serviço 'Sortmaster' (a máquina literalmente pergunta: 'onde coloco o CEP 107037?'). A stack é Spring, PostgreSQL, Vert.x, Consul, React, Docker (Habr, blog PostTech).

O próximo loop é roteamento. Em maio de 2024, os Correios, juntamente com a Fundação Skolkovo (grupo VEB.RF), começaram a implantar um sistema inteligente de modelagem logística na plataforma Teraplan: IA analisa dados históricos de rota, prevê fluxos de itens em cada estágio da cadeia, e propõe rotas ótimas enquanto corta nós de transporte desnecessários; o programa abrange 2024–2026. Em abril de 2026 o sistema estava em produção: mescla dados sobre movimento de correspondência entre centros de classificação, constrói rotas para diferentes tipos de transporte, e permite que a empresa simule cenários de rede em até 30 milhões de operações diárias (CNews, Online47).

O centro de contato executa um assistente de voz no Yandex SpeechKit com 92–95% de precisão de reconhecimento de fala (TAdviser) — um caso de reutilização de tecnologia de fala pronta em vez de desenvolvimento interno de ASR. Havia também experimentos fechados: testes de robôs de entrega do Yandex (2021–2023) foram encerrados devido aos altos custos de equipamento (Hi-Tech Mail.ru) — um detalhe que mantém a imagem do portfólio de tecnologia dos Correios realista.

Resultado

O pipeline automatizado sustenta um fluxo em escala nacional. Números operacionais confirmados: 40 mil cartas por hora na máquina de classificação de cartas (11 por segundo), até 8 mil pacotes por hora na máquina de pacotes, 3 milhões de itens por dia — a capacidade apenas do centro de Vnukovo, 4 segundos por pacote para o manipulador robótico, fotografia de 5 projeções para OCR, e 92–95% de precisão de reconhecimento de fala para o assistente de voz. Desde 2026 um loop de roteamento se juntou ao loop de classificação: a plataforma Teraplan planeja transporte em uma rede de 1.100 nós de classificação e 38 mil agências postais.

Os efeitos do loop de roteamento são descritos até agora qualitativamente, não quantitativamente: tempo de planejamento reduzido, custos operacionais mais baixos, e melhor precisão de previsão através do agrupamento de fluxos logísticos são reivindicados — não existem números públicos medidos para Teraplan ainda, o que honestamente reflete o estágio do projeto. O que está completamente ausente do registro público — e vale a pena afirmar: a empresa não divulgou o efeito financeiro da automação de classificação. A dinâmica de qualidade integral (entrega no prazo: cartas 54% → 85%, pacotes 52% → 95% de 2013–2016) relaciona-se à modernização logística como um todo — novos centros, transporte, processos — não apenas a OCR. A parcela de itens reconhecidos automaticamente e o custo da vídeo-codificação também não são publicados. Um quadro separado é a dinâmica de volume: o pico '8 milhões de itens por dia' pertence a materiais de visão geral anteriores, enquanto publicações de 2024 já citam um fluxo anual de 1,3 bilhão de cartas.

Em nossa opinião, a essência de engenharia deste caso não é OCR como tal (serviços postais em todo o mundo reconhecem endereços há décadas), mas uma arquitetura honesta de falha: cinco projeções na captura, a máquina decide em um segundo, tudo ilegível vai para um vídeo-codificador humano, o desesperado vai para rejeição. É uma esteira projetada em torno da suposição de que IA cometerá erros — e portanto nunca para. A ordem reversa — 'primeiro acreditar em 100% de precisão, depois agir surpreso' — teria custado aos Correios esteiras paradas.

Uma segunda observação: a plataforma SMAB que vinculou máquinas Toshiba, Siemens e Vanderlande com uma única camada de protocolo é, em nossa opinião, a parte mais subestimada do caso. Software de integração nunca faz comunicados à imprensa, mas é o que transforma um conjunto de máquinas importadas caras em uma rede gerenciável — e fica com a empresa quando fornecedores de hardware mudam.

Lições aprendidas

1. Human-in-the-loop é uma arquitetura funcional para OCR em dados bagunçados: itens não reconhecidos vão para um vídeo-codificador humano, então caligrafia ruim nunca trava a esteira.
2. Projete em torno da suposição de que IA erra: cinco projeções na captura, um segundo para decidir, entrada manual e um canal de rejeição para o resto — o sistema permanece vivo precisamente graças a essas 'saídas de emergência'.
3. Vazão (40 mil cartas/hora, 4 seg/pacote) são as métricas honestas de classificação; a empresa não publica economias em rublos, e o caso não deve inventá-las.
4. A fotografia de cinco projeções mostra que a qualidade do OCR é conquistada na captura da imagem, não apenas no modelo de reconhecimento.
5. A camada de integração vale mais do que máquinas individuais: a plataforma SMAB (OPC UA + MQTT) vinculou equipamento Toshiba, Siemens e Vanderlande em uma rede e permanece um ativo quando fornecedores mudam.
6. Indicadores de qualidade integral (entrega no prazo) cresceram ao longo de anos de modernização geral — atribuir todo o efeito a uma única tecnologia seria incorreto.
7. Tecnologia pronta para usar e experimentos fechados fazem parte de um portfólio maduro: SpeechKit cobriu o centro de contato sem ASR interno, e os robôs de entrega foram honestamente encerrados quando a economia falhou.

Perguntas frequentes