
Un WMS conceptual para un almacén logístico ficticio: 1656 ubicaciones en 3D en vivo, búsqueda que vuela a cualquier palé, optimizador de rutas de picking, recepción por escáner e IA de demostración, en inglés y ruso.
Contexto
RACKLIGHT es un sistema operativo de almacén que no existe: un concepto que VITON13 creó en septiembre de 2026 para un almacén inventado de logística a terceros, Norvane DC-02. El software de almacén suele mostrar el stock como tablas de códigos; queríamos ver qué pasa cuando la interfaz es el propio almacén, con cada palé a la vista y cada acción reflejada en la nave.
El encargo nos lo pusimos nosotros: un producto que un jefe de turno podría usar de verdad, no un escaparate en 3D. Eso significaba flujos reales —encontrar un palé, recorrer un pedido, ubicar una entrega, resolver problemas de stock—, con los números de cada sugerencia en pantalla, en inglés y en ruso, en portátil y en móvil.
1656
ubicaciones dibujadas como palés 3D en vivo, coloreadas según el stock
Fuente: Código de la demo, 28 sept 2026
400
SKU ficticios, cada uno con 90 días de demanda y su previsión
Fuente: Código de la demo, 28 sept 2026
−32 %
longitud de la ruta de picking frente a la hoja de pedido (mediana, 1140 pedidos generados)
Fuente: Medido el 28 sept 2026, código de rutas de la demo
10 KB
primer script con gzip; la escena 3D (154 KB) se carga después
Fuente: Medido el 28 sept 2026, archivos de la build
Enfoque
El almacén es una escena de three.js con cámara ortográfica isométrica: una nave de 108 × 80 m con 12 pasillos principales, 4 pasillos en una cámara frigorífica acristalada, recepción, embalaje, expedición y 10 muelles. Sus 1656 ubicaciones son palés instanciados coloreados según el stock, o según la frecuencia de picking en el modo de mapa de calor; nueve preparadores y cinco carretillas recorren el grafo de pasillos, y los camiones atracan en los muelles según el horario. Todo es procedural: sin modelos, sin texturas de imagen y sin peticiones externas.
La búsqueda (⌘K) abarca los 400 SKU, pedidos y códigos de ubicación: la cámara vuela hasta la ubicación, un haz de luz la marca y una ruta sale del preparador más cercano. El optimizador compara el orden de la hoja de pedido con una ruta construida por vecino más cercano y 2-opt sobre las distancias reales entre pasillos, y manda a un preparador a recorrerla. Un escaneo en recepción elige la ubicación según la rotación —los artículos rápidos, junto a embalaje; los refrigerados, en la cámara— y una carretilla lleva allí el palé.
La inteligencia de inventario es IA de demostración, y así lo indica: reglas y estadística que se ejecutan en el navegador. Cada SKU tiene 90 días de demanda generada con estacionalidad semanal; una previsión con tendencia amortiguada fija los puntos de pedido y detecta stock bajo, sobrestock, stock muerto y cambios de ubicación, y cada acción cambia la escena 3D. Lo completan paneles de indicadores, una tabla de inventario, una cola de pedidos y un calendario de muelles; la interfaz es JavaScript sin framework y la escena 3D se carga después.
Galería
Resultados
El concepto funciona en tarasovvitalii.com/demos/racklight/ con cuatro vistas, cuatro herramientas y unas 230 cadenas de interfaz en cada idioma. El 28 de septiembre de 2026 medimos la build de producción: el primer script pesa 10 KB con gzip, y la escena de three.js, 154 KB con gzip, se carga cuando la interfaz ya está pintada; la build completa ocupa 1,0 MB, sin archivos de imagen, modelos ni texturas.
Ejecutamos el propio código de rutas de la demo sobre los 1140 pedidos que genera en 30 días: la ruta optimizada fue, en mediana, un 32 % más corta que recorrer la hoja de pedido línea a línea (el pedido en pantalla pasa de 409 m a 211 m). En Chrome headless en un MacBook Air con Apple M5, a 1600 × 1000 con escala Retina, la escena mantuvo 55–60 fps con el reloj de fotogramas por defecto de 60 Hz en seis estados y llegó a 160–200 fps sin límite.
Lo que esto no demuestra
RACKLIGHT es un concepto que VITON13 creó para mostrar su alcance, no un producto encargado. Norvane DC-02, sus clientes, transportistas, proveedores, artículos y todas las cifras son ficticios y se generan en el navegador: detrás no hay usuarios, ni clientes, ni almacén, ni ingresos. La IA de demostración son reglas y estadística que se ejecutan en el dispositivo de quien la visita, no un modelo de lenguaje, y no se entrenó con demanda real.
El ahorro de ruta se mide frente a una hoja de pedido sin ordenar y con pedidos generados; frente a una hoja simplemente ordenada por código de ubicación, la ganancia mediana baja a un 9 % aproximadamente, y un almacén real añade atascos, carros y preparación por lotes. Fotogramas y tamaños son mediciones de laboratorio en una sola máquina con Chrome headless el 28 de septiembre de 2026; nada se conecta a un WMS, escáner o muelle reales. Nuestra primera medición con Lighthouse, en una copia local y con la máquina muy cargada, dio a la prueba móvil solo 37: la escena 3D se construía de una vez y ocupaba durante segundos una CPU limitada. Después dividimos el arranque en pasos cortos que ceden el turno al navegador y compilamos los shaders de forma asíncrona: en nuestra propia prueba, con la CPU cuatro veces más lenta, el tiempo de bloqueo bajó de unos 1,3 s a unos 20 ms, y en la dirección real, el 28 de septiembre, Lighthouse dio 86 en móvil y 99 en escritorio (medianas de cinco ejecuciones, carga media de 3 a 9), con una accesibilidad de 91–92 porque aún hay que corregir un contador pequeño de un botón de herramienta y el enlace de la insignia «producto ficticio». Son pruebas de laboratorio con un móvil simulado, no mediciones en dispositivos reales.
¿Planeas algo parecido? Nuestro fundador, Tarasov Vitalii, lee cada mensaje personalmente.
Encarga un proyecto similar en VITON13 Studio
Siguiente proyecto
HOURLINEPlataforma de reservas conceptual (aplicación web)
Concepto2026
Todos los trabajos (32)



