¿Qué repuestos tener en stock y cuáles pedir bajo demanda?

La respuesta en dos frases y para quién es.

Tienes en stock un repuesto si lo vendes con tanta frecuencia que casi siempre habrá alguien esperándolo, o si su falta deja parada una máquina del cliente y tu proveedor tarda más de lo que el cliente aguanta. Lo demás, bajo demanda: se pide cuando entra el pedido y se acepta el plazo.

Está escrita para quien lleva miles de referencias de recambio (rodamientos, filtros, juntas, sensores, correas, contactores) y reparte entre un almacén central y varias delegaciones o talleres. Si sirves a cadenas de talleres, la pregunta se multiplica por cada punto: es lo que resuelve la landing de control de stock de repuestos.

¿Cómo se decide hoy qué repuestos tener en el almacén?

Casi siempre por costumbre y por miedo. Hay una lista histórica de «lo que siempre ha habido», que se hereda del encargado anterior, y una norma de oído: «de lo que se mueve, dos; de lo que para al cliente, cuatro». Cuando una referencia falla una vez y el cliente se enfada, sube el mínimo. Rara vez baja, porque nadie se queja de una pieza que sobra.

El resultado es un almacén con una cola larga de referencias que se vendieron hace dos años y siguen ahí, y un núcleo de piezas de salida diaria que se queda corto. El stock total parece razonable pero está mal repartido: dinero parado en lo que no rota y roturas en lo que sí. Con un mínimo y un máximo por artículo no se ve la diferencia entre una pieza que se vende cada semana y otra que se vendió cuatro veces el año pasado: las dos tienen el mismo «mínimo 2».

Falla porque las dos preguntas que importan (¿cada cuánto se vende? ¿y qué pasa si falta?) son distintas y un mínimo único las mezcla. La primera se calcula con el histórico; la segunda la responde quien conoce al cliente.

Paso a paso: tres preguntas por pieza, con números.

Primera pregunta: ¿con qué frecuencia se vende? Se mide con el intervalo medio entre ventas (en inglés, ADI): 52 semanas divididas entre las semanas del año en que hubo al menos una venta. Una pieza vendida en 40 semanas tiene un intervalo de 1,3 semanas; una vendida en 13 semanas, de 4; una vendida en 6, de 8,7. La clasificación de Syntetos y Boylan usa el corte de 1,32: por debajo, la pieza se vende con regularidad; por encima, es de demanda intermitente. Lo recoge la documentación de MetricGate sobre esa clasificación, que también fija el segundo corte, el de la variabilidad del tamaño de cada venta (0,49).

Vamos con tres piezas de una distribuidora ficticia de recambio industrial. La pieza A, un rodamiento de uso general: vendida en 40 de 52 semanas, intervalo de 1,3. La pieza B, un sensor inductivo: vendido en 13 semanas, casi siempre de a una o dos unidades (media 1,6, desviación 0,8). La pieza C, una electroválvula de un modelo concreto: vendida en 6 semanas del año, con ventas de 1, 10, 2, 1, 15 y 3 unidades.

Para la C, el tamaño medio de venta es 32 entre 6, unos 5,3 unidades. Las desviaciones al cuadrado suman 169,3; entre 6 da 28,2, y esa variabilidad dividida por la media al cuadrado (28,4) da 0,99. Para la B, la desviación 0,8 entre la media 1,6 da 0,5, que al cuadrado es 0,25. Con esos dos números cada pieza cae en una casilla: A, con ventas regulares; B, intermitente pero tranquila (intervalo 4, variabilidad 0,25); C, a golpes (intervalo 8,7, variabilidad 0,99), la peor de prever.

Segunda pregunta: ¿qué probabilidad hay de vender al menos una unidad mientras llega el pedido? Es lo que decide si tener una en la estantería sirve para algo. Sigamos con la B: 13 ventas al año y un plazo de proveedor de 3 semanas dan 13 × 3 / 52 = 0,75 ventas esperadas en ese plazo, y la probabilidad de que haya al menos una es 1 menos e elevado a −0,75, un 53 %. Con la C: 6 ventas al año y 6 semanas de plazo, 0,69 ventas esperadas y un 50 %. O sea, en una de cada dos reposiciones la pieza se queda en la estantería. Esas probabilidades suponen que las ventas llegan al azar y a ritmo constante: una aproximación razonable para piezas de salida irregular, no una verdad exacta.

Tercera pregunta, la de negocio: ¿qué pasa si falta? Para la A, el cliente espera uno o dos días y se sirve de otro proveedor sin drama: no es crítica. La B para una línea de envasado cuando se rompe: cada hora de parada pesa más que el precio del sensor. La C se usa en un equipo que ya tiene el cliente de repuesto: puede esperar tres semanas. Con eso, la decisión queda así: A, en stock con un nivel de servicio normal; B, en stock aunque salga poco, porque su falta duele; C, bajo demanda. El ejercicio entero se resume en una tabla de tres columnas que cualquier comercial entiende.

Para la pieza A, la cantidad sale de la demanda durante el plazo. Si vende 48 al año (0,92 por semana) y el proveedor tarda 2 semanas, se esperan 1,85 unidades en ese plazo; con una distribución de Poisson, tener 3 cubre el 88 % de las veces y tener 4, el 96 %. Para un 95 % el punto de pedido es 4. Es el punto de pedido y el stock de seguridad en pequeño. Con 6.000 referencias y ocho delegaciones son 48.000 combinaciones pieza-sitio: lo que se automatiza es el cálculo de cuántas en cada sitio, no qué piezas tener, que se revisa una o dos veces al año con criterio comercial.

• Se vende a menudo (intervalo hasta 1,3 semanas): stock. Con la previsión se calcula cuánto, como en cualquier producto de rotación.
• Se vende poco pero su falta para al cliente y el proveedor tarda más de lo que el cliente espera: stock mínimo de seguridad, de una o dos unidades, en el punto donde se reparte.
• Se vende poco, el cliente puede esperar y la pieza es cara o voluminosa: bajo demanda, con el plazo del proveedor dicho al cliente en el presupuesto.
• Se vende a golpes (variabilidad alta) para un solo cliente: o se pide cuando el cliente confirma, o se pacta con él un consumo mínimo.

Una unidad en el almacén central o una en cada delegación.

Para las piezas de la zona gris (la B), la pregunta es dónde ponerlas. Supón ocho delegaciones que venden cada una 0,2 unidades por semana de la pieza B, con un plazo de proveedor de 4 semanas: 0,8 unidades esperadas por delegación en ese plazo. Con una unidad en cada delegación, la probabilidad de que cada una cubra su plazo sin romper es del 81 %. Son ocho unidades paradas.

Si en cambio las agrupas en el almacén central, la demanda esperada conjunta en el plazo es de 6,4 unidades, y con ocho unidades cubres el 80 %; con nueve, el 89 %. O sea, con una más que antes pasas del 81 al 89 %, y la pieza puede ir a cualquier delegación con un traspaso. El precio es el plazo extra del traspaso: lo que gana el centralizar se pierde si el cliente no admite esperar un día o dos. Con Odoo, ese traspaso se configura como «reabastecer desde otro almacén» (la documentación de Odoo lo describe con el campo Resupply From y una ruta por producto); en otros ERP se hace con pedidos de transferencia.

La regla práctica: lo que se vende todos los días, en cada delegación; lo que se vende cada pocas semanas y es crítico, en el centro con una unidad más; lo que casi no se vende, en el centro y por encargo.

Errores típicos al decidir qué repuestos tener.

El primero es decidir por precio de compra y no por coste de la falta: una pieza barata que para una línea justifica más stock que una cara que el cliente puede esperar. El segundo, no revisar nunca la lista: las piezas de un equipo que ya no se vende siguen ocupando sitio tres años después. El tercero, medir la demanda con lo servido y no con lo pedido: si el cliente pidió tres y solo había una, la demanda era tres.

El cuarto error es poner el mismo nivel de servicio a todo. Un 99 % en una referencia de cola larga cuesta stock que no se mueve; un 90 % en el rodamiento que sirve a media cartera cuesta clientes. Lo ordena un análisis ABC cruzado con la criticidad. Y el quinto, tratar la demanda a golpes como si fuera regular: una media de «0,8 al mes» no se vende cada mes, se vende en seis golpes al año. La guía de demanda intermitente explica por qué el cálculo normal falla ahí.

Qué cambia con un sistema de reposición.

El sistema no decide qué piezas son críticas: eso lo marca quien conoce a los clientes, una vez, y se revisa de vez en cuando. Lo que hace es lo que no se puede hacer a mano: clasificar cada referencia por frecuencia y variabilidad con el histórico de ventas, calcular el punto de pedido y la cantidad por pieza y por sitio usando el plazo real del proveedor (el que se mide con fechas de pedido y recepción, no el del contrato), y avisar cada semana de qué hay que pedir o traspasar y por qué. Cuando una referencia deja de venderse, la señala como candidata a bajar de stock.

En Odoo, esas propuestas pueden convertirse en el valor de las reglas de reabastecimiento (la documentación oficial las define con Min, Max, Multiple Quantity y Trigger), de modo que lo que el sistema recomienda y lo que el programa ejecuta no se contradigan. La persona aprueba o corrige cada propuesta. Más en la landing de repuestos y en la pieza de previsión de demanda.

Qué datos hacen falta.

Las ventas por referencia, sitio y fecha de al menos dos años; el stock actual por sitio; las fechas de pedido y recepción de cada proveedor, para medir el plazo real; las unidades por caja o múltiplo de compra y, si existe, la criticidad de cada pieza. El acceso es de solo lectura.

Cuándo no merece la pena.

Con unos cientos de referencias y un solo almacén, un buen Excel con intervalo de ventas, plazo y criticidad hace el mismo trabajo (guía de Excel o programa). Tampoco compensa si casi todo el catálogo es bajo pedido del cliente: ahí el problema es de compras, no de stock. Y sin histórico de ventas utilizable, primero hay que reconstruirlo.

Cómo empezar.

Lo más barato es probarlo con tus propios datos: repetimos fechas pasadas con lo que se sabía ese día y comparamos lo que habría propuesto el sistema con lo que se pidió de verdad. Se llama simulación con tus datos. Si primero quieres una opinión sobre tu caso, está el análisis gratuito y una demo de 30 minutos por videollamada.