Conclusiones Clave de la Investigación (Key Takeaways)
- Las fórmulas estáticas de libro de texto ($Z \times \sigma_L$) asumen distribución normal simétrica y plazos invariables, lo que subestima hasta en un 40% el riesgo real de agotamiento.
- El tiempo de entrega real de un proveedor debe modelarse como una variable aleatoria discreta empírica a partir de fechas efectivas de recepción.
- La demanda durante el tiempo de entrega compuesta se obtiene mediante una suma de convoluciones discretas ponderadas por la probabilidad de cada plazo.
- El punto de reorden debe calibrarse como un cuantil exacto de servicio (ej. 95%), traduciéndose en una fecha límite de compra y una cantidad auditable en pesos.
1. El Fracaso de las Fórmulas Tradicionales en Entornos B2B
En la gestión habitual de comercializadoras y mayoristas, es común encontrar la fórmula convencional para el cálculo del stock de seguridad ($SS$):
SS = Z × √[ (L × σ_D²) + (D² × σ_L²) ]
A pesar de su extensa difusión en manuales académicos, esta formulación presenta deficiencias estructurales graves cuando se aplica en comercializadoras de tornillería, refacciones, consumibles o material eléctrico:
- Asunción de simetría normal: La demanda diaria de productos con rotación intermitente no sigue una curva gaussiana; presenta asimetría positiva con colas densas a la derecha.
- Independencia no garantizada: En la realidad operativa, las demoras del proveedor suelen coincidir con picos estacionales de demanda agregada del mercado.
- El plazo nominal vs. el plazo real: Los proveedores declaran plazos de entrega teóricos (ej. «3 días hábiles»), mientras que el registro de facturas y recepciones demuestra una varianza que oscila entre 2 y 14 días naturales.
2. La Demanda Durante la Entrega como Mezcla de Convoluciones
Para aislar con rigor la probabilidad de rotura de inventario, modelamos la demanda diaria $D$ mediante su distribución empírica de frecuencias $f(x) = P(D = x)$ y el tiempo de entrega real $L$ como una variable discreta con distribución de probabilidad $p(l) = P(L = l)$, extraída del historial de órdenes de compra.
La distribución compuesta de la demanda acumulada durante todo el ciclo de reabasto corresponde a la suma ponderada de convoluciones sucesivas:
P(D_lead = x) = ∑ p(l) × (f * f * ... * f)(x)
Donde el operador $*$ denota la convolución discreta aplicada $l$ veces para cada plazo posible. A partir de esta función de distribución acumulada $F(x)$, el stock de seguridad deja de ser una estimación arbitraria y se define como el cuantil exacto asociado al nivel de servicio deseado $\gamma$ (ej. 95% o 98%):
SS = Q_γ(D_lead) - E[D_lead]
3. Caso Aplicado: Impacto Financiero en Comercializadora Eléctrica
Al implementar este motor estocástico sobre una comercializadora de material eléctrico en el Estado de México con un catálogo de 1,200 claves activas:
| Métrica Operativa | Método Convencional (Manual / ERP) | Modelo Estocástico Regere (M1) |
|---|---|---|
| Stock de Seguridad Promedio | $1,420,000 MXN (exceso generalizado) | $985,000 MXN (calibrado por cuantil) |
| Capital Inmovilizado Liberado | $0 MXN | $435,000 MXN de liquidez inmediata |
| Incidencias de Quiebre de Stock | 18 eventos al mes en productos tipo A | Menos de 2 eventos al mes (nivel 95%) |
4. Traducción a Decisiones Ejecutivas
El valor de este desarrollo matemático reside en que el director o comprador de la empresa no necesita descifrar integrales ni funciones de densidad. Cada lunes recibe en su teléfono una instrucción unificada:
Reabasto: Cable calibre 12 THW. Existencia actual: 120 rollos. Demanda proyectada a 8 días: 180 rollos. Tiempo medio de entrega del proveedor: 6 días (rango 4 a 9 días). Para asegurar un 95% de probabilidad de disponibilidad, emita orden por 150 rollos antes del jueves a las 13:00 hrs.
¿Desea Evaluar el Riesgo de Quiebre en Su Empresa?
Envíenos un corte de 3 a 6 meses de ventas y compras de su línea principal. Le entregamos el diagnóstico probabilístico de sus 20 productos estratégicos sin costo.