Faltante vs. Stock, la precisión del forecast importa
El forecast de demanda es una piedra angular de la optimización de inventarios. Sin embargo, la relación exacta entre:
- el nivel de servicio (probabilidad de no tener un faltante de stock),
- las existencias de seguridad (cantidad de inventario por encima de la demanda esperada),
- y la precisión del forecast
es a veces algo confusa. Por lo tanto, intentemos aclarar la situación.

Los faltantes de stock cuestan dinero: los clientes quedan insatisfechos y son menos propensos a volver, el dinero invertido en la adquisición de clientes se desperdicia, también se pueden perder ventas indirectas, …
Sin embargo, los costes de inventario también cuestan dinero: más stocks implican mayor capital de trabajo, más obsolescencia de productos, mayores costes de almacenamiento; el exceso de inventario significa costes publicitarios más altos y menores puntos de venta, …
Por ello, servir a los clientes es un compromiso financiero entre la cantidad de inventario y la cantidad de faltantes de stock.
Estamos considerando implícitamente una situación de comercio minorista aquí, pero un razonamiento casi idéntico se aplica también a los fabricantes.
En este punto, sigue sin estar claro cómo entra en juego la precisión del forecast. En particular, para algunas empresas, podría parecer como si en un principio no se hubieran producido forecasts. Ej.: solo políticas de min-max y de reorder, y sin forecast.

De hecho, incluso si en tu empresa nadie produce forecasts explícitos, tu inventario aún tiene una precisión de forecast implícita (ilustración en la parte superior, el triángulo naranja que representa la restricción). De hecho, es posible - aunque un poco complicado - calcular la precisión implícita mediante las empresas en tus niveles de existencias de seguridad con tus frecuencias de faltantes de stock.
A****justar el compromiso ya sea a favor del nivel de servicio o a favor de la reducción del inventario no mejora la precisión implícita, ya que un coste se intercambia por otro (ilustración a la derecha, la restricción se rota, no se reduce). Los forecasts podrían estar ocultos por tus procesos, pero eso no evitará que tu empresa sufra pérdidas financieras si esos forecasts resultan ser incorrectos.
A menos que haya una profunda falta de análisis en tus políticas de inventario, se espera que la mejora obtenida al ajustar el compromiso faltante vs. stock sea marginal (lo cual, sin embargo, podría representar ahorros sustanciales, especialmente si el margen es estrecho).
Para mejorar ambos lados de la ecuación, necesitas better forecasts.
El impacto de una mayor precisión se ilustra en el gráfico de la izquierda. En comparación con las situaciones anteriores, vemos que reducir la precisión te permite reducir tanto la frecuencia de los faltantes de stock como la cantidad de existencias de seguridad.
La teoría dice, en términos generales, que reducir el error del forecast en un 1% (relativo) puede utilizarse ya sea para reducir la frecuencia de los faltantes de stock en un 1% (relativo) o para reducir la cantidad de existencias de seguridad en un 1% (relativo).
En la práctica, podrían existir obstáculos para aprovechar al máximo la mejora ofrecida por la precisión extra, tales como los niveles de servicio ofrecidos por tus propios proveedores. Sin embargo, con una posición conservadora, aún podemos estimar que un 1% extra de precisión aporta ya sea una reducción del 0.5% en los faltantes de stock o una reducción del 0.5% en las existencias de seguridad.
De nuevo, el compromiso faltante vs. stock puede reajustarse manteniendo la nueva precisión mejorada.
Comentarios de los lectores (6)
Hola Benhard, La mayoría de las fórmulas de existencias de seguridad se basan en la varianza de los forecasts, sin embargo, dado que este valor es más difícil de calcular, una heurística típica consiste en reemplazar las varianzas de los forecasts por la varianza de los datos históricos, pero esto es una aproximación. Por lo tanto, si deseas integrar el error del forecast en el cálculo de las existencias de seguridad, simplemente reemplaza el coeficiente ‘sigma’ de la varianza histórica por la varianza esperada de los propios forecasts. Espero que ayude.
Joannes Vermorel (hace 7 años)
Hola Joannes, Realmente encuentro este artículo interesante. Estoy en medio de determinar una política de inventario basada en el forecast de demanda en lugar de la historia de la demanda. La mayoría de los sitios web muestran cómo determinar una política de inventario basada en la varianza de los datos históricos. Me pregunto cómo incorporar el error del forecast en la ecuación de las existencias de seguridad. Lamento si mi pregunta se sale del tema arriba mencionado. Cualquier tipo de ayuda será apreciada. Gracias, Jo. ben
Benhard Adolf (hace 7 años)
De hecho, no es el triángulo lo que realmente importa, sino sus dos bordes (derecho e izquierdo). Intuitivamente, el ángulo primario es una constante que no se puede cambiar, así que si mueves un borde, el otro se mueve también. La forma se parece de alguna manera a un triángulo, aunque en realidad solo importan dos bordes y un ángulo.
Joannes Vermorel (hace 8 años)
Estimado Joannes, Encuentro tu explicación muy clara, pero no entiendo el triángulo naranja. Representa la restricción. Pero no lo capto en el dibujo. ¿Tienes alguna explicación adicional? Gracias
Piet Buyck (hace 8 años)
Hola Achyut, en el modelo clásico de existencias de seguridad, normalmente asumimos una distribución normal (distribución gaussiana) de la demanda. La distribución normal se define por dos parámetros: su media y su varianza. La cantidad de existencias de seguridad (es decir, el stock extra por encima del nivel de demanda media), para un nivel de servicio dado, es proporcional de manera lineal a la varianza. Por lo tanto, si reduces la varianza (es decir, el error del forecast) en un 1%, también reduces las existencias de seguridad en un 1% en este modelo ideal. Luego, la otra parte acerca de reducir la frecuencia de los faltantes de stock mientras se mantiene la misma cantidad de existencias de seguridad es más complicada, y requeriría un artículo aparte en el blog. Intentaré volver a ese tema cuando tenga tiempo.
Joannes Vermorel (hace 8 años)
Hola Joannes, Es un artículo muy útil. Solo necesito un poco más de claridad sobre una de las cosas que has mencionado en este artículo. Has dicho que «La teoría dice, en términos generales, que reducir el error del forecast en un 1% (relativo) puede utilizarse ya sea para reducir la frecuencia de los faltantes de stock en un 1% (relativo) o para reducir la cantidad de existencias de seguridad en un 1% (relativo)». ¿Podrías por favor elaborar sobre el concepto en el que se basa? Entiendo que un better forecast reduciría los niveles de inventario, pero me resulta difícil cuantificarlo. Gracias de antemano
Achyut Koushik A (hace 8 años)