Una empresa puede tener suficiente inventario y aun así enfrentar faltantes, exceso de capital inmovilizado o pedidos realizados demasiado pronto. El problema no consiste únicamente en contar unidades: también es necesario decidir cuánto pedir, cuándo hacerlo y qué nivel de protección mantener frente a la incertidumbre. Los modelos matemáticos de inventarios convierten esas decisiones en relaciones cuantitativas entre demanda, costos, tiempo de reposición y nivel de servicio.
No existe un único modelo adecuado para todas las situaciones. Algunos funcionan cuando la demanda es conocida y relativamente estable; otros incorporan variabilidad, distribuciones de probabilidad o decisiones de un solo periodo. La selección depende de las características reales del sistema. En recursos académicos como Logistics Systems de MIT OpenCourseWare se estudian por separado EOQ, demanda variable, inventarios probabilísticos y stock de seguridad, precisamente porque responden a problemas distintos.
Qué decide un modelo de inventario
Un sistema de inventarios suele combinar dos decisiones. La primera es cuánto reponer: una cantidad grande reduce la frecuencia de pedidos, pero incrementa el inventario promedio. La segunda es cuándo reponer: esperar demasiado puede provocar un faltante antes de que llegue el siguiente suministro.
La elección matemática comienza distinguiendo entre un escenario determinístico, donde parámetros como la demanda se consideran conocidos, y uno estocástico, donde existe incertidumbre. El libro abierto Inventory Analytics: Deterministic Inventory Control, de Roberto Rossi, desarrolla modelos de tamaño económico de lote a partir de costos de pedido y mantenimiento; su capítulo sobre Stochastic Inventory Control amplía el análisis hacia demanda incierta, niveles de servicio y políticas de control.
EOQ y EPQ para demanda estable
La cantidad económica de pedido, conocida como EOQ, busca equilibrar dos costos que se comportan en sentidos opuestos: el costo anual de realizar pedidos y el costo anual de mantener unidades almacenadas. En su versión básica supone demanda constante, costo fijo por pedido, costo de mantenimiento conocido y reposición instantánea.
Supongamos una demanda hipotética de 12 000 unidades al año, un costo de USD 30 por pedido y un costo de mantenimiento de USD 3 por unidad-año. La fórmula produce Q* ≈ 489,9, por lo que podría trabajarse con aproximadamente 490 unidades por pedido. Con ese lote, los costos anuales de ordenar y mantener inventario son cercanos a USD 735 cada uno, antes de considerar componentes que el modelo básico no incluye.
El modelo EPQ modifica un supuesto importante. En lugar de recibir todo el lote de forma instantánea, considera que el inventario se produce o incorpora gradualmente mientras también existe consumo. Por ello resulta más apropiado cuando una planta fabrica internamente un artículo a una tasa superior a su demanda. Aplicar EOQ sin revisar esta diferencia puede representar de forma incorrecta el nivel máximo de inventario.
Cuándo reponer con incertidumbre
EOQ responde principalmente cuánto pedir, pero una operación también necesita determinar cuándo emitir el pedido. El punto de reorden utiliza la demanda esperada durante el tiempo de reposición y, cuando existe incertidumbre, puede incorporar un stock de seguridad. La Supply Chain Resource Cooperative de North Carolina State University explica esta relación entre tiempo de entrega, variabilidad y protección frente a faltantes.
En esta expresión, d̄ es la demanda promedio por unidad de tiempo, L es el tiempo de reposición y SS representa el stock de seguridad. Si una operación consume en promedio 40 unidades diarias, el proveedor tarda 5 días y se decide mantener 30 unidades como protección, el punto de reorden es 40 × 5 + 30 = 230 unidades. Al llegar a ese nivel, se activa una nueva reposición.
Cuando la demanda diaria es variable, el stock de seguridad puede estimarse estadísticamente. Si el tiempo de entrega es constante y las demandas de cada periodo se tratan como independientes, una formulación habitual es:
Aquí, z representa el factor asociado al nivel de servicio elegido y σd la desviación estándar de la demanda por periodo. Por ejemplo, con σd = 8 unidades diarias, L = 5 días y z = 1,65, el stock de seguridad es aproximadamente 29,5 unidades, que podría redondearse a 30 según la política operativa. Virginia Tech también destaca que el punto de reorden depende del tiempo de entrega y que el stock de seguridad protege frente a variaciones que pueden producir faltantes. Esta fórmula requiere revisar sus supuestos antes de aplicarla cuando también varía el tiempo de entrega.
Newsvendor para una sola temporada
No todos los productos permiten reponer varias veces. Un alimento perecedero, una colección estacional o un artículo para un evento pueden requerir una decisión antes de conocer la demanda definitiva. Para estos casos, el modelo Newsvendor equilibra el costo de pedir demasiado con el costo de pedir demasiado poco. Rossi lo presenta como uno de los modelos fundamentales de inventario estocástico de un solo periodo.
Cu es el costo de quedarse corto y Co el costo de excederse. F(Q*) representa la probabilidad acumulada de la demanda hasta la cantidad óptima. Si el costo hipotético de faltar una unidad es USD 20 y el de terminar con una unidad excedente es USD 5, la fracción crítica es 20 ÷ (20 + 5) = 0,80. Por tanto, la cantidad seleccionada debe ubicarse en el percentil 80 de la distribución de demanda estimada. El resultado depende de que esa distribución y los costos representen razonablemente el problema real.
Comparación de modelos
La diferencia más útil entre los modelos no está en cuál parece más sofisticado, sino en la decisión y los supuestos que cada uno representa. La siguiente tabla resume los principales enfoques.
| Modelo | Demanda | Decisión principal | Supuesto relevante | Uso típico |
|---|---|---|---|---|
| EOQ | Estable y conocida | Cuánto pedir | Reposición instantánea y parámetros constantes | Compras repetitivas con consumo predecible |
| EPQ | Estable y conocida | Cuánto producir | Producción gradual a una tasa superior a la demanda | Lotes internos de fabricación |
| ROP + stock de seguridad | Puede ser variable | Cuándo pedir | Demanda y tiempo de reposición medibles | Reposición continua con protección frente a faltantes |
| Newsvendor | Incierta | Cantidad para un periodo | Distribución de demanda y costos de exceso y faltante | Productos estacionales, perecederos o de ciclo único |
| Políticas (s,S) o (R,S) | Incierta y recurrente | Cuándo revisar y hasta qué nivel reponer | Sistema multiperiodo con política de control definida | Inventarios con revisiones continuas o periódicas |
Una segunda comparación ayuda a identificar qué información necesita cada enfoque antes de implementarlo.
| Modelo | Datos críticos | Fortaleza | Limitación principal |
|---|---|---|---|
| EOQ | Demanda, costo por pedido y mantenimiento | Cálculo sencillo y fácil de interpretar | Pierde representatividad con alta variabilidad |
| EPQ | Datos de EOQ más tasa de producción | Representa acumulación gradual de inventario | Supone tasas relativamente estables |
| ROP + seguridad | Demanda, variabilidad, lead time y servicio | Relaciona reposición con riesgo de faltante | Un mal cálculo de variabilidad distorsiona la protección |
| Newsvendor | Distribución de demanda y costos marginales | Integra incertidumbre y costo económico | Está diseñado para una decisión de un periodo |
Cómo seleccionar el modelo
La selección debe comenzar por el comportamiento del sistema, no por la fórmula disponible. Un procedimiento práctico consiste en revisar estas decisiones antes de calcular:
Dos artículos con igual demanda anual pueden necesitar políticas diferentes si uno tiene proveedores con lead time estable y el otro recibe entregas variables. De forma similar, un lote calculado con EOQ puede ser matemáticamente correcto y operacionalmente inviable si existe una cantidad mínima de compra, poco espacio de almacenamiento o riesgo de obsolescencia.
Errores frecuentes al modelar
Uno de los errores más comunes es introducir promedios en una fórmula sin estudiar la variabilidad que existe detrás de ellos. Una demanda promedio de 100 unidades no describe por sí sola si cada periodo consume casi exactamente 100 o si alterna entre valores muy bajos y muy altos. Esa diferencia afecta directamente el riesgo de faltante y el stock de seguridad.
También es necesario mantener unidades consistentes. Si la demanda está expresada por día y el lead time en semanas, uno de los valores debe convertirse antes de calcular. En EOQ, el costo de mantenimiento debe utilizar el mismo horizonte temporal que la demanda. En modelos probabilísticos, además, la distribución seleccionada y el nivel de servicio deben representar el comportamiento que la organización realmente desea controlar.
Finalmente, el resultado de un modelo debe revisarse cuando cambian demanda, costos, proveedores o tiempos de suministro. Un parámetro que fue razonable durante un periodo puede dejar de serlo después. La utilidad del modelo depende tanto de su formulación como de la calidad y actualización de sus datos.
Conclusión
Los modelos matemáticos permiten transformar la gestión de inventarios en decisiones cuantificables, pero su valor depende de utilizar el modelo adecuado para la estructura del problema. EOQ y EPQ son útiles para escenarios relativamente estables; el punto de reorden y el stock de seguridad incorporan la dimensión temporal y el riesgo; Newsvendor y otras políticas estocásticas permiten trabajar con incertidumbre de forma explícita. Antes de optimizar una fórmula, conviene comprobar que sus supuestos describen razonablemente la operación que se intenta gestionar.
Convierte la formación en credenciales verificables
Si tu organización ya capacita en inventarios, logística u operaciones, el Instituto Internacional de Ingeniería (3i) permite evaluar la validación de certificados mediante QR, enlace o código y gestionar las credenciales de los participantes.
Fuentes consultadas
Rossi, Roberto. Deterministic Inventory Control, Inventory Analytics. Open Book Publishers, 2021.
Rossi, Roberto. Stochastic Inventory Control, Inventory Analytics. Open Book Publishers, 2021.
Massachusetts Institute of Technology. Logistics Systems: Lecture Notes. MIT OpenCourseWare, 2006.
North Carolina State University. Reorder Point Formula: Inventory Management Models. Supply Chain Resource Cooperative, 2011.
Virginia Tech. Lean Inventory Management in the Wood Products Industry: Examples and Applications. Virginia Cooperative Extension.
Instituto Internacional de Ingeniería (3i). Programa Partner y solicitud para organizaciones e instructores. Página oficial vigente consultada en 2026.
Instituto Internacional de Ingeniería (3i). Planes de suscripción. Página oficial vigente consultada en 2026.
