Cómo Pronosticar la Demanda Intermitente Un repuesto que se vende dos veces al año puede generar más riesgo de planificación que un SKU de rotación rápida que se vende todos los días. Si los planificadores tratan ambos artículos de la misma manera, el resultado es predecible: exceso de inventario para algunos artículos intermitentes, desabastecimiento para otros, y puntos de pedido que ya no reflejan la realidad. Aprender a pronosticar la demanda intermitente comienza por reconocer que los períodos de demanda cero son datos significativos, no ruido que deba promediarse hasta desaparecer. Para distribuidores, fabricantes y negocios de repuestos, la demanda intermitente es común en surtidos de cola larga. Aparece en componentes de repuesto, productos estacionales, artículos B2B especializados, materiales de proyecto y SKU de comercio electrónico de bajo volumen. El objetivo no es forzar una previsión mensual uniforme, sino establecer parámetros de reabastecimiento que protejan el nivel de servicio requerido con la menor inversión práctica en inventario. Por Qué la Demanda Intermitente Vence a las Previsiones Estándar Los métodos de previsión tradicionales funcionan mejor cuando la demanda ocurre con regularidad y los volúmenes varían en torno a un patrón visible. Los artículos intermitentes se comportan de manera distinta. Un SKU puede no tener pedidos durante cuatro meses y luego recibir un pedido de 12 unidades. El siguiente pedido puede llegar 45 días después por dos unidades. Un promedio móvil simple distribuye esa demanda a lo largo de cada período. Puede sugerir que el artículo se vende de manera constante a una fracción de unidad por semana, aunque los clientes nunca compren de esa forma. Cuando ese promedio distorsionado alimenta un punto de pedido del ERP, las decisiones de compra se desconectan del comportamiento real de los pedidos. El problema tiene dos dimensiones. Primero, la ocurrencia de la demanda es irregular: la pregunta es si llegará un pedido durante el horizonte de planificación. Segundo, la cantidad de la demanda es irregular: cuando llega un pedido, su tamaño puede variar drásticamente. Un modelo útil de demanda intermitente debe abordar ambas dimensiones. El plazo de entrega hace que la brecha sea más costosa. Si un proveedor necesita 10 semanas para entregar, una pieza con solo unos pocos pedidos históricos puede seguir requiriendo un stock de protección considerable. Por el contrario, mantener un colchón fijo y grande para cada artículo de baja demanda inmoviliza capital de trabajo sin mejorar la disponibilidad en proporción al costo. Comience con Datos que Reflejen el Patrón de Pedidos La calidad de la previsión depende menos de elegir una fórmula de moda que de utilizar un historial de transacciones limpio y la estructura temporal adecuada. Comience con datos de órdenes de venta o consumo a nivel de artículo-ubicación. Combinar almacenes puede ocultar patrones de demanda locales y provocar que el stock se mantenga en el lugar equivocado. Elimine o marque las transacciones que no representen demanda recurrente de clientes. Esto puede incluir devoluciones, transferencias internas, pedidos únicos de proyectos, correcciones de datos y compras masivas excepcionales. Sin embargo, no elimine automáticamente los pedidos grandes. Si un cliente compra legítimamente 100 unidades una vez al año, ese evento puede ser central para el riesgo de inventario que necesita cubrir. La ventana histórica debe ser lo suficientemente larga como para capturar la frecuencia de pedidos del artículo. Para una pieza que se pide tres o cuatro veces al año, un período de 24 a 36 meses suele ofrecer una visión mejor que los últimos seis meses. El historial más antiguo puede necesitar menos peso si el producto, la base de clientes o el mercado han cambiado. No existe un único período retrospectivo que sea adecuado para todos los SKU. También verifique si la demanda es realmente intermitente o simplemente nueva. Un artículo introducido recientemente con solo dos ventas tiene un historial estadístico limitado. Puede necesitar un artículo análogo, revisión de un planificador, una política de servicio inicial, o una decisión de fabricación bajo pedido en lugar de una previsión puramente histórica. Clasifique los Artículos Antes de Elegir el Método de Planificación La demanda intermitente no debería tratarse como una única categoría amplia. La clasificación determina cuánta atención de inventario merece un SKU y qué lógica de reabastecimiento es adecuada. El análisis ABC identifica la importancia en valor o ingresos de un artículo. La clasificación de variabilidad tipo XYZ, la frecuencia de demanda, el margen, la criticidad y el plazo de entrega del suministro añaden el contexto operativo. Un artículo C económico puede ser fácil de abastecer generosamente. Un artículo A de bajo volumen con un plazo de entrega largo puede justificar un objetivo de servicio alto, porque un solo desabastecimiento puede retrasar la línea de producción de un cliente. Aquí es donde falla una política de inventario uniforme. Aplicar la misma regla de stock de seguridad a todos los artículos puede sobreproteger miles de SKU de bajo impacto mientras desprotege piezas críticas. Los objetivos de servicio a nivel de artículo generan una disyuntiva más clara entre disponibilidad y capital. Por ejemplo, un distribuidor podría elegir un objetivo de servicio del 98% para componentes críticos de reparación, del 95% para artículos de reabastecimiento estándar, y un objetivo más bajo o una política de compra bajo pedido para productos de rotación lenta y no críticos. Esas decisiones son elecciones comerciales, no solo resultados matemáticos. Cómo Pronosticar la Demanda Intermitente con el Modelo Adecuado Una previsión práctica de demanda intermitente separa la tasa de demanda del tamaño de la demanda. En lugar de estimar una cantidad de ventas para cada período, estima con qué frecuencia ocurren los pedidos y qué cantidad es probable cuando ocurren. El método de Croston es un enfoque bien conocido. Suaviza los tamaños de demanda distintos de cero por separado de los intervalos entre eventos de demanda. Variantes como SBA y TSB ajustan por sesgo conocido y probabilidad de demanda cambiante. Estos métodos pueden ser útiles cuando la demanda es intermitente pero aún se espera que continúe. No siempre son la mejor respuesta. Para demanda muy errática o irregular ("lumpy"), la previsión puede ser menos útil como estimación puntual que una simulación de los probables eventos de pedido y sus cantidades durante el plazo de entrega del proveedor. La simulación puede usar la distribución real de los intervalos y tamaños de pedido, en lugar de asumir que la demanda sigue una curva de campana normal. Esa distinción importa. Si los pedidos históricos suelen ser de una o dos unidades, pero ocasionalmente de 20, un promedio de cuatro unidades no describe muy bien el riesgo de inventario. El cálculo del punto de pedido necesita considerar la probabilidad de que llegue un pedido grande mientras el suministro no está disponible. Un sistema de planificación capaz puede probar muchos resultados de demanda potenciales a lo largo del plazo de entrega y el período de revisión. Luego determina el stock de seguridad y el punto de pedido necesarios para cumplir el nivel de servicio asignado. Esto es más realista que aplicar un colchón porcentual estático sobre la demanda promedio. Convierta la Previsión en Parámetros de Reabastecimiento La previsión solo es útil cuando cambia una decisión de compra. Para cada artículo-ubicación, traduzca el comportamiento de demanda esperado en un punto de pedido, un nivel de reposición hasta un máximo, un nivel mínimo y máximo de stock, u otra política de reabastecimiento compatible con el ERP. El punto de pedido debe cubrir la demanda esperada durante el plazo de entrega, más el stock necesario para absorber la incertidumbre en el nivel de servicio elegido. Para la demanda intermitente, la incertidumbre está impulsada tanto por la probabilidad de que ocurra un pedido como por la posible cantidad de ese pedido. También puede verse afectada por la fiabilidad del proveedor, la frecuencia de revisión, las cantidades mínimas de pedido y los tamaños de embalaje. La cantidad del pedido requiere una decisión independiente. Una necesidad de reabastecimiento calculada puede ser de tres unidades, pero un proveedor puede exigir una caja de 10 o un valor mínimo de pedido a través de varios SKU. Por eso la optimización de inventario no puede detenerse en las previsiones de artículos individuales. La optimización de órdenes de compra debería consolidar los requisitos del proveedor, evitando que un descuento atractivo por flete genere años de exceso de stock. Considere una pieza de repuesto con un plazo de entrega del proveedor de 70 días. Tiene siete pedidos en los últimos dos años, normalmente entre una y cinco unidades, con un pedido legítimo de 15. Un planificador puede decidir que la pieza necesita un objetivo de servicio del 97% porque respalda un programa de reparación contractual. Un simple promedio puede sugerir solo un pequeño colchón. Una simulación del plazo de entrega puede mostrar que mantener seis unidades es necesario para alcanzar el objetivo, mientras que mantener 15 unidades añade costo con poco beneficio adicional de servicio. Mida el Desempeño de la Previsión de Otra Manera El error porcentual absoluto medio suele ser engañoso para los artículos intermitentes. Un período con demanda real de cero hace que los cálculos porcentuales sean inestables, mientras que una previsión de una unidad puede parecer muy equivocada aunque produzca la decisión de reabastecimiento correcta. Realice un seguimiento de los resultados operativos junto con los diagnósticos de previsión. Las medidas útiles incluyen el nivel de servicio, la tasa de cumplimiento, la frecuencia de desabastecimiento, la duración de los pedidos pendientes, el valor del inventario, la rotación de inventario, el exceso de stock y el número de órdenes de compra de emergencia. Revise el sesgo de la previsión sobre un grupo significativo de artículos en lugar de reaccionar ante cada SKU individual de bajo volumen. También ayuda monitorear las excepciones. Un artículo intermitente que no se ha vendido durante mucho más tiempo del que sugiere su patrón histórico puede estar volviéndose obsoleto. Un artículo que recibe pedidos con más frecuencia de la esperada puede necesitar una clasificación revisada, un objetivo de servicio más alto o una conversación con el proveedor. La planificación debería enfocar a las personas en estos cambios, en lugar de pedirles que revisen manualmente cada SKU cada semana. Mantenga el Modelo Conectado al ERP La planificación de la demanda intermitente pierde valor cuando los analistas exportan datos a hojas de cálculo, calculan nuevos parámetros y esperan semanas a que los cambios lleguen al ERP. El historial de pedidos, las órdenes de venta abiertas, las órdenes de compra, los saldos de inventario, los plazos de entrega y las restricciones de los proveedores deben sincronizarse con frecuencia. El stock de seguridad, los puntos de pedido y las recomendaciones de compra resultantes deben regresar al sistema operativo donde actúan compradores y planificadores. ABCstock aplica este flujo de trabajo clasificando los artículos, pronosticando la demanda cada noche, simulando el reabastecimiento frente a las distribuciones reales de frecuencia y tamaño de pedido, y enviando los parámetros optimizados de vuelta a los sistemas conectados. El objetivo práctico es sencillo: reducir el stock de seguridad donde el riesgo no lo justifique, mientras se protege la disponibilidad donde sí lo justifique. La previsión más útil para un SKU intermitente no es la que produce el gráfico más ordenado. Es la que ayuda a un planificador a responder con confianza una pregunta más difícil: dado este plazo de entrega del proveedor y esta promesa de servicio, ¿cuánto stock deberíamos mantener antes de que llegue el próximo pedido impredecible?