Cómo calcular el stock de seguridad con datos de demanda

El stock de seguridad es un buffer que se añade a la demanda prevista durante el plazo de reposición cuando la política busca cubrir cierta incertidumbre. Para calcularlo, no basta con mirar el consumo medio: hace falta saber qué variación se quiere proteger y qué indicador de error encaja con el periodo. El resultado no tiene sentido sin esos dos datos.

La clase ESD.260 de MIT representa un punto de pedido s en el sistema de revisión continua (s,Q) como demanda prevista durante el plazo más stock de seguridad: s = xL + kσL. En esa diapositiva, σL se define como RMSE de la previsión durante el plazo y k como factor de seguridad. La elección de k depende de objetivos de coste o servicio. Consulta la diapositiva sobre cómo determinar s, impresa p. 9.

MIT expresa el stock de seguridad del sistema (s,Q) como SS = k·σL y suma ese buffer a la demanda prevista durante el plazo. En la diapositiva, σL es el RMSE y k depende de objetivos de coste o servicio. Fuente: MIT ESD.260, Lecture 11, p. impresa 9.

Define qué variación quieres cubrir

La primera decisión es definir la variable de interés. Puede variar el consumo durante el plazo, el propio plazo de entrega o ambos. La diferencia importa porque cambia qué datos comparas y qué error calculas. Si el almacén mezcla historiales distintos, el número resultante puede representar una combinación que nunca ocurrió y que nadie decidió usar.

NC State explica que la variabilidad de demanda o plazo puede justificar inventario adicional y presenta el equilibrio entre el coste de una falta y el de mantener stock. Ese pasaje es conceptual; no define por sí solo una fórmula para cada almacén. Fuente: NC State SCRC, tutorial de stock de seguridad, líneas 31–56.

Elige primero la población y el periodo. Una familia de artículos puede compartir proveedor, unidades y patrón de reposición; otra puede tener restricciones distintas. No agregues referencias solo porque tengan el mismo nombre comercial. Si cambió el proveedor, el envase, la política de compras o el calendario, registra el cambio antes de comparar errores.

Define también qué significa “demanda durante el plazo” en tu sistema. ¿Se mide desde la fecha de pedido hasta la recepción, hasta la disponibilidad para producción o hasta el cierre de calidad? ¿Se registran unidades solicitadas, consumidas o expedidas? Mantén la definición igual para la previsión y para el dato observado. Si la unidad de medida cambia entre cajas y unidades, convierte antes de comparar.

Antes de calcular, determina si el historial refleja variación del consumo, del plazo o de ambos, y conserva esa decisión junto con la ventana usada. Es una propuesta de trabajo para no mezclar magnitudes; NC State explica la incertidumbre de demanda y plazo de forma conceptual, pero no prescribe esta secuencia. Fuente: NC State SCRC, líneas 31–56.

Deja claro el horizonte

El horizonte debe coincidir con el plazo que usa la política. Si se pide un artículo cada semana, pero las previsiones se almacenan por día, conserva qué días forman el plazo y cómo se tratan fines de semana y cierres. No multipliques una media diaria por una cantidad de días si el tiempo de entrega se calcula en jornadas laborables.

Si el proveedor entrega en seis días naturales unas veces y en doce otras, no sustituyas esa variación por un plazo fijo sin comprobar la política. Puede que el sistema use un plazo estándar y el equipo decida evaluar aparte el riesgo de retraso. En ese caso, documenta qué componente entra en el cálculo y cuál queda como escenario de revisión.

La misma cautela vale para la demanda. Si un producto se consume solo durante una campaña, una media anual puede ocultar picos del periodo relevante. Si el producto es de demanda intermitente, muchas fechas sin consumo y pocos pedidos grandes pueden hacer que un promedio sencillo sea poco representativo. No significa que debas usar un modelo complejo: significa que debes describir qué datos alimentan la decisión.

El modelo de MIT usa error durante el plazo

La diapositiva de MIT para la política (s,Q) da dos pasos: especificar un factor k para obtener el stock de seguridad y sumar ese buffer a la demanda esperada durante el plazo para formar s. La relación es s = xL + kσL; por tanto, SS = kσL. La misma diapositiva identifica σL como RMSE y dice que los parámetros dependen de objetivos de coste y servicio. Fuente: MIT ESD.260, Lecture 11, impresa p. 9.

El cálculo del RMSE sigue una secuencia conocida: resta la previsión a lo observado para cada ventana de plazo, eleva cada error al cuadrado, calcula la media de los cuadrados y extrae su raíz. Para este uso, cada error debe representar la demanda prevista y observada durante un plazo comparable. La clase de MIT etiqueta σL como RMSE; si tu sistema utiliza otra definición, no la trates como la misma variable sin verificarlo.

La fórmula no elige k. MIT expone distintas formas de seleccionar el factor: una métrica común para artículos agregados, minimización de costes con información de faltantes, un objetivo de servicio o características agregadas. Esas opciones requieren datos y decisiones diferentes. Un equipo que todavía no acordó qué entiende por servicio o qué coste atribuye a una rotura no puede resolver esa falta con un k arbitrario.

El tutorial de NC State describe la relación conceptual entre el factor z, la probabilidad de falta y el ciclo de servicio, pero los ejemplos de su página corresponden a ese modelo educativo. No conviertas uno de sus valores típicos en un estándar para todos los productos. Fuente: NC State SCRC, líneas 71–87.

Ejemplo hipotético reproducible

Supón un SKU de prueba con cuatro ventanas de plazo comparables. La previsión para cada ventana fue de 200 unidades; las observaciones inventadas son 220, 160, 200 y 240. Los errores resultan +20, −40, 0 y +40 unidades. La media de sus cuadrados es (400 + 1.600 + 0 + 1.600) / 4 = 900 unidades². Su raíz cuadrada es un RMSE de 30 unidades por plazo.

Para mostrar la multiplicación, el ejemplo usa k = 2. Este factor no procede de un nivel de servicio escogido por el autor ni de una recomendación del tutorial: es una entrada hipotética para demostrar el modelo MIT. El buffer sería SS = 2 × 30 = 60 unidades. Si la demanda prevista durante ese plazo fuera 120 unidades, el umbral s sería 120 + 60 = 180 unidades.

Los cuatro errores, la previsión, el factor k y la demanda del plazo son datos creados para esta explicación. No describen un almacén real y no demuestran que 60 unidades basten para un nivel de servicio determinado. El cálculo responde a una pregunta limitada: qué resultado produce la fórmula cuando se introducen esos valores.

Si el responsable de inventario evalúa ese ejemplo, debe decidir si los cuatro periodos son comparables y si un factor de seguridad de 2 representa la política acordada. También debe comprobar si el dato de demanda cubre todo el plazo y si las ventanas elegidas incluyen cierres o retrasos que importen. La aritmética puede ser correcta aunque la muestra o el criterio no sirvan para tomar una decisión real.

Para una comprobación sencilla, conserva la tabla de cada ventana junto a la previsión, el consumo observado y el error. Una segunda persona debe poder repetir la resta, el cuadrado, la media y la raíz. Si la hoja usa redondeo, escribe en qué etapa se aplica y cómo se convierte el buffer fraccional a unidades de compra. No redondees silenciosamente antes de sumar.

Con un RMSE hipotético de 30 unidades por plazo y k=2, el modelo da SS=60 unidades; al añadir una previsión de 120, el punto de pedido sería 180. Los datos y k son inventados para mostrar la cuenta: no acreditan servicio ni describen un almacén real. Fuente de la relación: MIT ESD.260, Lecture 11, p. impresa 9.

No confundas la variabilidad diaria con la del plazo

Una fórmula con una desviación estándar diaria y una raíz del plazo puede parecer intuitiva, pero solo es válida bajo supuestos concretos. En esta documentación, la fórmula que pudimos comprobar usa RMSE de la previsión durante el plazo. No se respalda aquí z·σd·√L: para usar una transformación de ese tipo tendrías que verificar su fuente, la definición de σ, la unidad temporal y los supuestos que conectan periodos y plazo.

El tutorial de NC State muestra conceptos de variabilidad y ejemplos con gráficos y fórmulas como parte de su página, pero las imágenes de ecuación no se usan como soporte en este artículo.

Su texto explica que un buffer puede proteger frente a incertidumbres de demanda o plazo y que implica una compensación entre faltantes y almacenamiento. Fuente: NC State SCRC, texto conceptual, líneas 31–56. No atribuyas al tutorial la fórmula de raíz de plazo si no has comprobado la ecuación y su contexto.

Si la demanda diaria tiende a agruparse por campañas, el supuesto de variación homogénea entre días podría no describirla. Si los plazos dependen de un proveedor específico, los retrasos pueden relacionarse con temporada o capacidad. No es necesario descartar el historial; sí conviene separar esos grupos antes de resumirlos en una medida única.

No uses un RMSE calculado para varios meses y luego lo llames “error por plazo” si las ventanas cubren duraciones distintas. Un error absoluto grande en una ventana larga no se compara directamente con uno de una ventana corta. Si la política necesita distintos horizontes, calcula cada uno con su definición explícita y evalúa si el modelo elegido puede combinarse.

Decide el factor con una política verificable

El factor k no es un sustituto de la decisión empresarial. La clase de MIT relaciona sus parámetros con objetivos de coste y servicio: puede elegirse un factor común, minimizar costes si se conoce el coste de faltantes, fijar una restricción de servicio o considerar una característica agregada de los artículos. La fuente no asigna un k universal a cada producto. Fuente: MIT ESD.260, Lecture 11, impresas pp. 9–10.

Si se adopta una meta de servicio, define antes qué evento se mide. “Servicio” puede referirse a la probabilidad de que no haya falta durante un ciclo, a unidades servidas o a otra métrica.

El tutorial de NC State llama ciclo de servicio a la probabilidad de que el stock no se agote antes de recibir el siguiente pedido y muestra ejemplos dentro de su propio contexto educativo. No atribuyas esa definición a todas las métricas de servicio. Fuente: NC State SCRC, líneas 71–87.

Si el objetivo es reducir el coste total, hacen falta más datos que RMSE y k. Se necesitarían valores relevantes de mantener inventario, de gestionar una rotura y de cumplir el proceso; la clase de MIT describe la minimización de coste cuando se conoce el coste de faltantes. No inventes una penalización monetaria por parada para obtener un resultado que parezca económico. Fuente: MIT ESD.260, Lecture 11, impresa p. 10.

El tutorial de NC State presenta ejemplos de z vinculados a niveles de ciclo de servicio. Son ejemplos del tutorial, no una tabla obligatoria ni una promesa de que cualquier SKU tendrá ese resultado. Si una empresa adopta una correspondencia similar, debe comprobar que el modelo, los datos y la definición de servicio coinciden. Fuente: NC State SCRC, líneas 71–87.

Cuándo revisar el cálculo

Un stock de seguridad se revisa cuando cambian las entradas o los objetivos. Entre las razones posibles están un cambio de proveedor, un plazo diferente, una modificación de la previsión, variaciones del consumo, nuevas unidades de compra o un cambio de política de servicio. Registrar la versión del cálculo permite distinguir una revisión real de una edición accidental de una celda.

No vuelvas a calcular automáticamente el SS tras cada observación. Si la ventana de datos es demasiado corta o está dominada por un periodo atípico, una actualización puede mover el número sin representar una nueva condición estable. Define quién aprueba el cambio, qué datos se consideran suficientes y cómo se compara la nueva política con la anterior. No se propone aquí un número de semanas universal.

Al revisar resultados, mira tanto los faltantes como el inventario medio. NC State describe el equilibrio entre riesgo de agotamiento y coste de mantener existencias; subir el buffer reduce una exposición bajo el modelo, pero ocupa capital y espacio. Si el indicador de servicio cambia, explica si se debió a la nueva política, a la demanda, al proveedor o a otra circunstancia. Fuente: NC State SCRC, líneas 46–56 y 71–87.

Una revisión también puede mostrar que el modelo no representa bien la situación. Si hay pedidos mínimos, caducidad, capacidad de almacenamiento o suministro intermitente, un buffer calculado con un modelo sencillo no resolverá por sí solo esas restricciones. Mantén las limitaciones visibles y pide análisis adicional antes de convertir el resultado en una regla automatizada.

Una tabla mínima para revisar con el equipo

La tabla reproduce el ejemplo didáctico y añade preguntas de control; no es una hoja validada de WizeeMind. Para una decisión real, registra la procedencia del historial y las condiciones que puedan afectar cada periodo. El factor 2 no debe quedar por defecto en el ERP sin aprobación de la política.

Límites de esta guía

Esta página explica una forma de representar el stock de seguridad en una política específica, no una cifra lista para cargar en todos los almacenes. No recomienda nivel de servicio, factor k, horizonte, redondeo ni política de compra para un artículo real. Los ejemplos se construyen con datos inventados y no sustituyen la validación de un analista de inventario.

MIT ESD.260 usa el error de demanda durante el plazo en la fórmula presentada. Este artículo no valida una fórmula alternativa z·σd·√L, no supone que las observaciones sean independientes o normales y no afirma que el plazo sea fijo. Fuente: MIT ESD.260, Lecture 11, impresa p. 9. Si tu política usa otro modelo, documenta su ecuación y condiciones con una fuente adecuada.

No uses el factor de seguridad como atajo para compensar datos inconsistentes. Si la previsión se actualiza en un momento distinto para cada registro, o los consumos mezclan unidades, corrige la serie antes de calcular RMSE. Si el origen de la incertidumbre no está claro, presenta el resultado como exploratorio y no como parámetro aprobado.

Esta página no valida z·σd·√L ni supone independencia, normalidad o un plazo fijo. MIT respalda aquí un modelo que usa RMSE de la demanda durante el plazo; NC State aporta contexto conceptual sobre incertidumbre y coste, no la fórmula de MIT. Fuente: MIT ESD.260, Lecture 11, p. 9 y NC State SCRC, líneas 31–56.

Preguntas frecuentes

¿Cuál es la fórmula del stock de seguridad?

En el modelo MIT de revisión continua (s,Q), SS = k·σL; la diapositiva define σL como RMSE de la demanda prevista durante el plazo y k como factor de seguridad. La fórmula pertenece a ese modelo. No la sustituyas por z·σd·√L sin una fuente y supuestos que respalden esa transformación.

¿Cómo calculo el RMSE de demanda durante el plazo?

Compara cada previsión de demanda para un plazo completo con el consumo observado durante ese mismo plazo. Eleva cada error al cuadrado, calcula la media y extrae la raíz cuadrada. En el ejemplo hipotético, errores de 20, −40, 0 y 40 unidades dan RMSE=30 unidades por plazo.

¿Qué valor de k debo usar?

No hay un k universal para todos los productos. MIT vincula el factor de seguridad con objetivos de coste o servicio; antes de elegirlo, identifica qué objetivo adopta la política y cómo lo mide. El valor k=2 usado aquí solo ilustra una multiplicación y no representa un nivel de servicio.

¿Se suma el stock de seguridad a la demanda durante el plazo?

En el modelo (s,Q) de MIT, el punto de pedido es demanda prevista durante el plazo más el stock de seguridad: s=xL+kσL. Si la previsión hipotética es de 120 unidades y SS=60, el umbral resulta 180 unidades. El ejemplo no es una recomendación para un SKU real.

¿Puedo usar la desviación diaria por la raíz del plazo?

No la apliques sin comprobar que una fuente respalda esa fórmula para tus datos y que sus supuestos se cumplen. El material utilizado en esta página respalda un modelo con RMSE de la demanda durante el plazo, pero no la transformación z·σd·√L. No se infieren independencia, normalidad ni plazo fijo.