Daifuku defende que execução em tempo real é a principal métrica da automação de armazéns

A Daifuku, fabricante japonesa de sistemas de logística interna para armazéns com sede em Osaka, propõe uma nova forma de definir o sucesso de um armazém. Cecile Dick-Calmes, da empresa, diz que o resultado não pode mais ser medido apenas pela densidade de automação e pela utilização dos equipamentos. Esteiras, shuttles e sorters podem ser comprados de qualquer integrador. O que faz diferença é a rapidez com que o sistema executa o plano quando a realidade foge dele.

A fonte original, uma matéria do The Robot Report, foi publicada por enquanto como um anúncio curto: uma citação e um título, sem números, nomes de clientes ou descrição de produtos. A seguir, uma análise da tese e de seu contexto. Trata-se de uma análise editorial, e não de um resumo de dados da Daifuku.

O que é o "reality gap"

O armazém existe em duas versões. A primeira fica no WMS e nos sistemas de planejamento: pedidos, ondas de separação, capacidade de vazão calculada. A segunda acontece no piso: um caminhão atrasado, um scanner quebrado, um pico repentino de pedidos, falta de gente no turno. A diferença entre as duas versões é o reality gap.

Enquanto o armazém operava de forma previsível, essa lacuna era tolerada. O plano era feito por turno ou por dia, os equipamentos eram carregados ao máximo e a métrica final era a utilização. Hoje a estrutura da demanda é outra: mais pedidos pequenos, janelas de entrega mais apertadas, custo maior de paradas e de erros. Automação densa, sem capacidade de se reconfigurar rapidamente, vira uma estrutura rígida e cara.

Por que as métricas antigas deixaram de funcionar

A automação gera bons indicadores com facilidade. O equipamento opera com alta porcentagem de utilização, há muitos robôs por metro quadrado, e tudo isso pode ser mostrado a um investidor. Mas uma alta utilização, por si só, não garante que o pedido certo saia no prazo. Uma área pode estar 100% ocupada enquanto, ao lado, fica parado justamente o que é necessário agora.

A tese da Daifuku desloca o foco para a execução: com que rapidez o sistema recebe dados sobre o estado real, recalcula prioridades e redistribui o trabalho entre máquinas e pessoas. Na prática, trata-se de um circuito fechado de controle em escala de todo o armazém.

Isso exige algumas coisas:

• dados de ponta a ponta em tempo real dos equipamentos, do WMS e dos sistemas de transporte;
• orquestração que redistribui tarefas sem intervenção manual do despachante;
• simulação e gêmeos digitais conferidos com o que acontece de fato, e não apenas com o projeto;
• flexibilidade da própria mecânica: zonas modulares e possibilidade de alterar rotas.

Onde entra a IA

O anúncio não menciona IA diretamente, mas a lógica da tese aponta nessa direção. Planejadores baseados em regras lidam mal com muitos desvios simultâneos. Otimização e modelos de aprendizado para previsão de carga, priorização de pedidos e manutenção preditiva resolvem justamente esse tipo de problema. Outros players do mercado de intralogística, de integradores a desenvolvedores de robôs, caminham no mesmo sentido. Quais algoritmos a Daifuku usa, o material não permite saber.

O que os operadores de armazém devem verificar

O anúncio não traz números prontos, mas oferece um bom checklist para a conversa com o fornecedor de automação. Pergunte, em vez de simplesmente aceitar a apresentação:

• Quanto tempo passa entre um evento no piso (falha, pico de pedidos) e o recálculo do plano?
• Que parcela das decisões o sistema toma sem um humano?
• Como é medido o desvio entre o realizado e o planejado, e o painel de controle mostra isso em tempo real?
• O que acontece com a vazão quando um nó falha: ela degrada de forma gradual ou o sistema para por inteiro?
• O contrato inclui uma métrica de pedidos entregues no prazo, ou garante apenas a disponibilidade dos equipamentos?

Se a resposta à última pergunta for "apenas disponibilidade", você está comprando hardware, não resultado. Os detalhes da abordagem da Daifuku só ficarão claros quando a empresa apresentar estudos de caso e indicadores concretos. Por ora, é uma tentativa de mudar a linguagem com que o setor fala sobre o valor da automação.