Stock de seguridad y punto de reorden: fórmulas para evitar quiebres de stock

Stock mínimo, stock de seguridad y punto de reorden

Estos términos suelen mezclarse en planillas, aunque intervienen en momentos distintos. El stock cíclico cubre la demanda esperada entre reposiciones. El stock de seguridad protege contra la parte incierta. El punto de reorden observa la posición de inventario y dispara una decisión. “Stock mínimo” puede significar buffer, nivel visual o piso contractual; si se usa, debe definirse localmente.

El marco docente de MIT presenta la relación base: demanda esperada durante el plazo más stock de seguridad. Es una base para revisión continua, no una fórmula universal. Revisión periódica, ventas perdidas, backorders, demanda intermitente y correlación cambian el modelo.^[1]

Datos necesarios antes de calcular

Una fórmula precisa sobre datos sesgados produce una cifra falsa de precisión. La unidad temporal debe coincidir: demanda diaria con lead time en días, o semanal con semanas. Usa demanda neta del fenómeno que quieres cubrir y plazos desde la decisión hasta la disponibilidad real, incluyendo aprobación, proveedor, transporte, recepción y liberación de calidad.

• Demanda por período. Ventas, consumo o pedidos por día o semana, con devoluciones y cancelaciones tratadas de forma consistente.
• Demanda censurada. Si no había stock, ventas observadas subestiman demanda. Registra sesiones, pedidos perdidos, sustitución o días agotados para no aprender de un cero artificial.
• Lead time completo. Mide desde que corresponde actuar hasta que la unidad queda disponible; separa promedio, variación, temporada, proveedor y modo de transporte.
• Promociones y cambios. Campañas, precio, nuevos canales, surtido y productos al final de vida rompen comparabilidad. Etiqueta períodos y no mezcles sin ajuste.
• Costo y servicio. Estima costo de capital, espacio, merma, obsolescencia, urgencia, margen perdido y efecto en el pedido; la prioridad cambia por SKU.

La desviación estándar resume dispersión bajo ciertas condiciones, pero no identifica tendencia, múltiples regímenes ni colas extremas. Grafica la demanda y el plazo, revisa percentiles y busca relación entre ambos. Un proveedor puede atrasarse precisamente durante una campaña de alta demanda; asumir independencia en ese caso subestima el riesgo.

Fórmula base con lead time constante

Cuando la demanda de cada período es aproximadamente independiente, su distribución es razonablemente estable y el lead time es constante, la desviación de la demanda acumulada durante L períodos crece con la raíz de L. Si además se usa una aproximación normal, un factor z traduce un nivel de servicio de ciclo a unidades de buffer.

• z. Es un cuantil, no un porcentaje de stock. Aproximadamente 1,28, 1,65 y 2,05 corresponden a 90%, 95% y 98% de servicio de ciclo bajo normalidad.
• σd. Mide error o demanda según la política. Excluye períodos no comparables y documenta si corrige días sin stock.
• L. Debe ser constante en este método y expresarse en la unidad de σd. Cinco días no se multiplican por una desviación semanal.
• Servicio de ciclo. Es la probabilidad de no agotar durante un ciclo, no la proporción de unidades atendidas. Fill rate necesita otra relación.

La aproximación se debilita con demanda intermitente, muchos ceros, pedidos muy grandes, tendencia o correlación temporal. No la “arregles” agregando días arbitrarios. Segmenta, prueba un método para demanda intermitente o simula demanda durante el plazo usando historia comparable.

Fórmula cuando demanda y lead time varían

Cuando plazo y demanda cambian, interesa la distribución conjunta de demanda acumulada hasta que llega la reposición. Bajo independencia y aproximación normal puede combinarse la varianza de ambos. Es una simplificación: si los plazos largos coinciden con alta demanda, la correlación debe incorporarse o la historia debe simularse como pares reales.^[2]

Eppen y Martin estudiaron demanda y lead time estocásticos y mostraron por qué procedimientos simplificados pueden desviarse del servicio deseado. Su trabajo no autoriza sumar promedios o desviaciones sin comprobar la distribución conjunta. Cuando hay correlación, colas largas o políticas complejas, una simulación con datos emparejados es más transparente.^[2]

1. Construye pares históricos. Para cada orden registra fecha, plazo real y demanda ocurrida mientras estuvo abierta.
2. Reproduce muchos ciclos. Muestrea pares o escenarios coherentes, aplica la política y registra quiebres, fill rate e inventario.
3. Compara percentiles. El buffer empírico puede aproximarse como un cuantil de demanda durante el plazo menos su media esperada.
4. Valida fuera de muestra. Prueba la política en períodos posteriores y revisa cambios estructurales antes de automatizar.

Cómo calcular el punto de reorden

Si la demanda media es 40 unidades diarias y el plazo constante es cinco días, se esperan 200 unidades durante el plazo. Con un stock de seguridad de 45, el ROP es 245. Cuando disponible más órdenes abiertas menos compromisos cae a 245 o menos, se activa la revisión o compra.

El punto indica cuándo, no cuánto. La cantidad puede venir de cobertura, lote económico, mínimos, capacidad, calendario o MRP. Pedir siempre hasta un máximo fijo es otra política y debe modelarse por separado. También define si el sistema revisa continuamente cada movimiento o una vez por semana: la revisión periódica necesita cubrir el tiempo hasta la próxima revisión además del lead time.

Ejemplo completo con demanda y lead time variables

El plazo variable aporta más varianza que la demanda en este caso. Esa lectura orienta la acción: mejorar confiabilidad del proveedor podría reducir buffer sin bajar servicio. Antes de cambiar, simula qué ocurre si el atraso se concentra en campañas, si existen mínimos de 120 unidades o si las ventas observadas estuvieron censuradas por quiebres.

Cómo reducir quiebres sin sobreinventariar

Más stock cubre algunas causas, no todas. Un estudio histórico de retail físico FMCG encontró quiebres asociados a pedido, pronóstico y ejecución de góndola. Sus tasas de 2002/2003 no describen el eCommerce chileno actual, pero la distinción sigue siendo útil: inventario aguas arriba no corrige una reserva mal liberada, una recepción sin registrar o una unidad guardada en la ubicación equivocada.^[4]

1. Corrige exactitud y censura. Haz visibles diferencias físicas, días agotados, sustituciones y pedidos perdidos antes de recalcular. Una venta que nunca descontó stock en Odoo también ensucia el cálculo: eso lo revisa la conciliación de ventas y stock.
2. Reduce variabilidad de plazo. Comparte pronóstico, acuerda ventanas, mide promesa versus recepción y desarrolla una alternativa para componentes críticos.
3. Aumenta frecuencia, no necesariamente volumen. Entregas menores y más frecuentes pueden bajar stock cíclico y exposición, si transporte y mínimos lo permiten.
4. Segmenta servicio. Productos tractores, sustituibles, intermitentes, perecibles y de fin de vida no merecen el mismo objetivo.
5. Diseña sustitución y promesa. Una alternativa aceptada, fecha honesta o pedido dividido puede proteger experiencia sin esconder el quiebre.
6. Revisa excepciones. Separa quiebre causado por demanda, proveedor, dato, ejecución y política; asigna una acción distinta.

La respuesta del cliente a un quiebre depende del producto y de la complejidad de elegir otra opción. Fitzsimons lo estudió en cuatro experimentos de laboratorio: no estima ventas perdidas ni churn real de una tienda. Mide tu propia sustitución, abandono, atraso aceptado y efecto en el pedido completo.^[5]

Automatización y revisión humana

Un sistema puede actualizar demanda, plazos, dispersión, posición de inventario y umbrales; emitir alertas; proponer cantidades; y registrar por qué una persona cambió la recomendación. No debería convertir cada anomalía en una compra automática. Promociones, cambios de surtido, negociación, calidad, fin de vida y proveedores en crisis requieren contexto.