Calculadora de Analisis XYZ (Clasificacion por Variabilidad de la Demanda y Matriz ABC-XYZ)

Que hace esta herramienta

La calculadora toma la historia de demanda de tus articulos y la convierte en una clasificacion accionable. Le pegas un SKU por linea, con su nombre seguido de la serie de demanda de sus periodos, eliges los dos umbrales de corte sobre el coeficiente de variacion y decides si quieres la desviacion estandar poblacional o muestral, y con eso calcula, para cada articulo, la media de la demanda, el coeficiente de variacion, la clase X, Y o Z, el metodo de pronostico recomendado y el patron de intermitencia. El titular es el conteo de cuantos SKUs cayeron en cada clase, y debajo viene el detalle completo por articulo, para que no solo veas el resumen sino tambien de donde salio cada clasificacion.

Lo que distingue a esta herramienta de calcular un coeficiente de variacion suelto en una hoja de calculo es que hace tres cosas a la vez. Primero, clasifica: aplica los umbrales que elegiste y coloca cada SKU en X, Y o Z. Segundo, enruta: para cada clase sugiere el metodo de pronostico que suele funcionar, un promedio movil o suavizamiento para los X estables, una regresion o un indice estacional para los Y variables, y trabajo bajo pedido con mas stock para los Z erraticos. Tercero, diagnostica la intermitencia: mira cuantos periodos tienen demanda cero para distinguir un articulo con demanda estable pero ruidosa de uno con demanda que aparece y desaparece, porque un CV alto puede venir de cualquiera de los dos y se tratan distinto.

El otro diferenciador es la matriz ABC-XYZ. Si agregas un valor anual por SKU en la caja opcional, la herramienta ordena los articulos por valor con la logica de Pareto, les asigna una clase A, B o C segun su peso acumulado, y cruza ese ranking de valor con la clasificacion X, Y, Z de variabilidad en una cuadricula de 3×3. Esa matriz es la que te dice donde poner tu atencion: un articulo AX es de alto valor y predecible, asi que se automatiza con inventario ajustado; un articulo CZ es de bajo valor y erratico, asi que se controla con un min-max sencillo o se evalua sacarlo del catalogo. La grafica de barras de CV, con las lineas de umbral X y Y dibujadas y las barras coloreadas por clase, cierra el tablero mostrando visualmente donde cae cada SKU respecto de los cortes.

Como funciona: las formulas del analisis XYZ

El punto de partida es la serie de demanda de cada SKU a lo largo de n periodos. La media es simplemente el promedio, media = sum(D) / n, la suma de la demanda de todos los periodos entre el numero de periodos. La media te dice el nivel tipico de demanda del articulo, pero por si sola no dice nada sobre lo predecible que es: dos articulos pueden vender en promedio lo mismo y tener demandas completamente distintas, uno plano y otro lleno de picos. Para capturar esa diferencia hace falta medir la dispersion alrededor de la media, y ahi entra la desviacion estandar.

La desviacion estandar tiene dos formas y la herramienta te deja elegir. La forma poblacional es sigma = sqrt(sum((D – media)^2) / n), que divide entre n y es la eleccion clasica del analisis XYZ de libro de texto, porque trata la historia observada como si fuera la poblacion completa del articulo. La forma muestral es s = sqrt(sum((D – media)^2) / (n – 1)), que divide entre n menos 1 y es la que usa la funcion STDEV de una hoja de calculo; siempre da un valor un poco mas alto, y la diferencia se nota mas cuando la serie es corta. En un articulo que cae justo en la frontera entre dos clases, esta eleccion puede moverlo un escalon, asi que conviene fijarla de antemano y ser consistente en todo el catalogo. Por defecto usamos la poblacional.

El coeficiente de variacion es el corazon del metodo: CV = sigma / media. Es una medida de dispersion relativa, sin unidades, que expresa que tan grande es la desviacion estandar comparada con el nivel tipico de demanda. Un CV cercano a cero significa una demanda muy estable, donde la desviacion es minima frente a la media; un CV de 1.0 significa que la desviacion estandar iguala a la media, ya una demanda bastante ruidosa; y un CV por encima de 1.0 significa que la dispersion supera al nivel tipico, la marca de una demanda erratica. Al dividir entre la media, el CV vuelve comparables articulos de tamanos muy distintos: un articulo que vende miles y otro que vende decenas se pueden ordenar en la misma escala de variabilidad.

La clase X, Y o Z sale de aplicar dos umbrales sobre el CV. El juego por defecto es X para CV menor o igual a 0.5, Y para CV mayor que 0.5 y menor o igual a 1.0, y Z para CV mayor que 1.0. Pero aqui hay que ser honestos: las fuentes no se ponen de acuerdo. Otros autores usan cortes de 0.25 y 0.5, y algunos usan cortes en porcentaje como 10 por ciento y 25 por ciento. No existe un estandar universal, asi que la herramienta trae los umbrales editables con botones de preset y te recomienda ajustarlos a tu catalogo. Lo importante es entender que los cortes son una decision de politica, no una ley de la naturaleza: defines cuan exigente quieres ser con lo que llamas estable, y vuelves a correr.

Que significa cada clase y a que metodo enruta es la parte accionable. Un articulo X es estable y facil de pronosticar, asi que un promedio movil o un suavizamiento exponencial simple bastan, y puedes correr con un stock de seguridad ajustado. Un articulo Y es variable, tipicamente con tendencia o estacionalidad, asi que conviene una regresion lineal o un indice estacional, y un stock de seguridad moderado. Un articulo Z es erratico o intermitente, y ahi el pronostico estadistico es poco confiable, asi que la respuesta suele ser mas stock de seguridad o trabajar bajo pedido, y validar cualquier modelo que intentes con las metricas de error de pronostico. La clase, en el fondo, es una recomendacion de metodo disfrazada de letra.

La intermitencia es la columna avanzada y opcional que distingue un CV alto ruidoso de uno intermitente. El intervalo medio entre demandas, el ADI, es ADI = n / (numero de periodos con demanda distinta de cero), y junto con el coeficiente de variacion al cuadrado de los tamanos de demanda no nulos separa la demanda en cuatro patrones segun Syntetos-Boylan: suave, erratica, intermitente e irregular, con los cortes en ADI = 1.32 y CV al cuadrado = 0.49. La demanda irregular, la mas rara y variable de todas, es el caso mas dificil y apunta a metodos tipo Croston en lugar de un suavizamiento normal. Por eso conviene leer el patron de ADI antes de confiar en el CV a secas: dos articulos con el mismo CV alto pueden necesitar tratamientos muy distintos.

La matriz ABC-XYZ es el ultimo bloque, tambien opcional. Si agregas un valor anual por SKU, la herramienta ordena los articulos por valor y les asigna clase ABC con la logica de Pareto: A hasta el 80 por ciento del valor acumulado, B hasta el 95 por ciento, y C el resto. Luego cruza esa clase de valor con la clase X, Y, Z de variabilidad para llenar una cuadricula de 3×3. Un articulo AX es de alto valor y predecible, el candidato ideal para automatizar con inventario ajustado; un articulo CZ es de bajo valor y erratico, mejor controlado con un min-max o candidato a salir del surtido. Como guardas de sensatez: usa al menos un ano completo, cerca de 12 periodos, para que los CV sean estables; una media de cero no se puede clasificar, es intermitencia extrema; y un CV alto por si solo no distingue lo irregular de lo simplemente variable, asi que lee tambien el patron de ADI.

El caso por defecto, paso a paso

La forma mas clara de ver de donde salen las clases es seguir el caso por defecto. Son cuatro SKUs sobre seis periodos, con umbrales X CV menor o igual a 0.5, Y CV menor o igual a 1.0, y desviacion estandar poblacional. El SKU A vende 100, 102, 98, 101, 99, 100; el B vende 40, 60, 50, 70, 30, 50; el C vende 20, 80, 40, 10, 60, 30; y el D vende 0, 0, 50, 0, 10, 0. A simple vista ya se intuye el orden: A es casi plano, B se mueve pero de forma acotada, C brinca bastante, y D esta casi siempre en cero con un par de picos.

El SKU A tiene media 100 y una dispersion minima, apenas un punto o dos alrededor de 100, asi que su CV es 0.013, muy por debajo de 0.5, y queda en clase X con patron suave. El SKU B tiene media 50 y una dispersion mayor, pero relativa a su media sigue siendo moderada, con CV 0.258, tambien por debajo de 0.5, asi que tambien es X y suave. El SKU C tiene media 40 y una dispersion notable; su desviacion estandar poblacional es 23.80, asi que su CV es 23.80 entre 40 = 0.595, que cae entre 0.5 y 1.0 y lo coloca en clase Y. El SKU D tiene media 10 pero una dispersion enorme relativa a esa media pequena, con CV 1.826, por encima de 1.0, asi que es clase Z.

El resultado es X 2, Y 1, Z 1. La lectura accionable es directa: A y B, estables, se enrutan a un promedio movil o un suavizamiento exponencial, que bastan para una demanda que no se mueve mucho. C, variable, se enruta a una regresion o a un indice estacional, que captan la estructura de sus subidas y bajadas. Y D, erratico, no se pronostica bien con ningun suavizamiento: se trabaja bajo pedido o con mas stock de seguridad, y como ademas es intermitente, con demanda en solo dos de seis periodos, es un caso de Croston mas que de suavizamiento. Ese solo ejemplo resume la logica entera del analisis XYZ: convertir cada historia en un numero, ese numero en una clase, y esa clase en un metodo.

Que es la clasificacion XYZ y la variabilidad de la demanda

La clasificacion XYZ es una forma de ordenar tu catalogo segun lo predecible que es la demanda de cada articulo, medida por su variabilidad en el tiempo. La idea de fondo es que no todos los articulos se pueden pronosticar igual de bien: algunos venden casi lo mismo cada periodo y son un sueno para el planeador, otros se mueven de forma ordenada con tendencia o temporada, y otros brincan sin patron aparente. Meter a todos en el mismo modelo de pronostico es un error comun; el analisis XYZ existe justo para segmentarlos primero y darle a cada grupo el tratamiento que merece.

La letra resume el nivel de variabilidad. Un articulo X tiene demanda estable, con variaciones pequenas alrededor de un nivel constante, y por eso es el mas facil y barato de pronosticar y de abastecer. Un articulo Y tiene demanda variable pero con estructura, tipicamente una tendencia que sube o baja o un patron estacional que se repite; es pronosticable, pero necesita un metodo que capture esa estructura. Un articulo Z tiene demanda erratica, sin patron claro o intermitente, con periodos en cero y picos ocasionales; es el mas dificil, y muchas veces la mejor decision es no confiar en un pronostico fino sino protegerse con inventario o cambiar a un modo bajo pedido.

Conviene fijar la aclaracion de nombre desde el principio, porque genera confusion. En la cadena de suministro y en la planeacion de demanda, que es el contexto de esta herramienta, XYZ mide variabilidad de la demanda con el coeficiente de variacion, un metodo cuantitativo. Existe otra tradicion, comun en la gestion de almacenes y en el temario de algunos concursos, donde X, Y, Z clasifican la criticidad o importancia de un articulo de forma cualitativa y subjetiva. Son dos cosas distintas que comparten letras. Esta calculadora hace la de variabilidad de la demanda, la que se combina con el analisis ABC de valor para armar la matriz ABC-XYZ; no calcula la de criticidad operacional, que no es un numero sino un juicio.

El coeficiente de variacion, en detalle

El coeficiente de variacion es la medida que hace posible todo el analisis XYZ, porque convierte la variabilidad de una demanda en un solo numero comparable. Se calcula dividiendo la desviacion estandar entre la media, CV = sigma / media, y el resultado no tiene unidades: es una razon pura. Esa ausencia de unidades es justo lo que lo hace util. La desviacion estandar por si sola depende de la escala: un articulo que vende miles va a tener una desviacion en cientos, y uno que vende decenas una desviacion en unidades, aunque ambos sean igual de estables en terminos relativos. Al dividir entre la media, el CV normaliza esa escala y deja a todos los articulos en el mismo rasero.

Leer el CV se vuelve intuitivo con un poco de practica. Un CV de 0.10 quiere decir que la desviacion tipica es apenas el 10 por ciento de la media, una demanda muy estable. Un CV de 0.50 quiere decir que la desviacion es la mitad de la media, ya una demanda con movimiento apreciable. Un CV de 1.0 es el punto donde la desviacion estandar iguala a la media, una demanda francamente ruidosa. Y un CV por encima de 1.0 significa que la variabilidad supera al nivel tipico, casi siempre senal de demanda erratica o intermitente. Los umbrales del analisis XYZ no son mas que cortes en esta escala del CV, elegidos para separar lo estable de lo variable y de lo erratico.

Hay un cuidado importante con el CV: no funciona bien cuando la media es muy pequena o cero. Como la media esta en el denominador, una media cercana a cero infla el CV de forma artificial, y una media de cero lo deja indefinido porque no se puede dividir entre cero. Por eso un articulo con demanda casi siempre en cero, como el SKU D del caso por defecto, produce un CV muy alto que lo manda a Z, lo cual es correcto en el sentido de que es impredecible, pero conviene complementar con el patron de intermitencia para entender por que. El CV mide variabilidad relativa, y cuando la base sobre la que se mide se hace diminuta, hay que interpretarlo con la ayuda del ADI, no a solas.

Poblacional contra muestral, y por que importa

La desviacion estandar tiene dos definiciones que se diferencian solo en el denominador, pero esa diferencia puede cambiar una clasificacion. La forma poblacional divide la suma de las desviaciones al cuadrado entre n, el numero de periodos, sigma = sqrt(sum((D – media)^2) / n). La forma muestral divide entre n menos 1, s = sqrt(sum((D – media)^2) / (n – 1)). El divisor mas pequeno de la forma muestral hace que s sea siempre un poco mayor que sigma, y por lo tanto que el CV muestral sea un poco mayor que el poblacional para la misma serie.

Cual usar depende de que representa tu historia. La forma poblacional trata los periodos observados como la poblacion completa que quieres describir, y es la eleccion clasica del analisis XYZ de libro de texto, porque tu objetivo es caracterizar la variabilidad de esta demanda tal como fue, no inferir la de un universo mayor. La forma muestral trata tu historia como una muestra de un proceso mas grande y corrige el sesgo de estimar con pocos datos; es lo que devuelve la funcion STDEV de una hoja de calculo por defecto. Si vienes de calcular tus CV en Excel, probablemente estabas usando la muestral sin saberlo, y por eso tus numeros salian un poco mas altos que los de esta herramienta en su ajuste poblacional.

La diferencia importa mas cuando la serie es corta y el articulo cae cerca de un umbral. Con muchos periodos, dividir entre n o entre n menos 1 casi no cambia el resultado; con seis periodos, como en el caso por defecto, la brecha ya es visible. En el SKU C, la desviacion poblacional es 23.80 y da un CV de 0.595, mientras que la muestral es 26.08 y da un CV de 0.652; ambos dejan a C en Y con los umbrales por defecto, pero se ve que la muestral corre mas alto. En un articulo que estuviera justo en 0.50 con la poblacional, cambiar a la muestral podria empujarlo por encima del corte y subirlo de clase. La recomendacion es fijar una convencion, la poblacional para XYZ de libro, y aplicarla igual a todo el catalogo para que las clases sean comparables entre si.

Elegir los umbrales de corte

Los umbrales que separan X, Y y Z son el parametro mas discutido del analisis XYZ, y la razon es simple: no hay un estandar universal. Distintos autores y consultoras publican cortes distintos. El juego por defecto de esta herramienta, 0.5 y 1.0, es uno de los mas comunes y un buen punto de partida. Pero tambien se usan cortes mas estrechos como 0.25 y 0.5, que exigen mucha mas estabilidad para llamar X a un articulo, e incluso cortes expresados en porcentaje como 10 por ciento y 25 por ciento. Ninguno es el correcto en abstracto; el correcto es el que hace que tus grupos signifiquen algo util para tu operacion.

Por eso conviene tratar los umbrales como un dial, no como una constante. La forma practica de calibrarlos es correr el analisis con los cortes por defecto, mirar como se reparte tu catalogo entre X, Y y Z, y ajustar. Si casi todo cae en X, tus cortes son demasiado permisivos y no estan separando nada; aprietalos hasta que el grupo X sea de verdad el conjunto de articulos que estarias dispuesto a pronosticar de forma automatica sin vigilarlos. Si casi nada cae en X, tus cortes son demasiado exigentes para tu tipo de demanda; afloja. Los botones de preset de la herramienta, 0.5 / 1.0, 0.25 / 0.5 y 0.10 / 0.25, existen para que pruebes estos regimenes con un clic y compares.

Vale la pena ver el efecto de mover los cortes en un caso concreto. Con los mismos cuatro SKUs del ejemplo, pasar de 0.5 / 1.0 a los mas estrechos 0.25 / 0.5 reclasifica dos articulos: el SKU B, con CV 0.258, ahora supera el 0.25 y deja de ser X para volverse Y; y el SKU C, con CV 0.595, ahora supera el 0.5 y deja de ser Y para volverse Z. La misma demanda, los mismos numeros, pero una politica de corte distinta produce un mapa distinto de metodos recomendados. Eso no es un defecto del metodo, es su naturaleza: los umbrales codifican cuanta variabilidad estas dispuesto a tolerar dentro de cada tratamiento, y esa es una decision tuya, que conviene revisar cada vez que crezca tu historia de demanda.

De la clase XYZ al metodo de pronostico y la politica de inventario

La clasificacion XYZ solo vale la pena si la usas para decidir. La razon de ser de esta herramienta como puerta de entrada del silo es que cada clase apunta a un metodo de pronostico y a una politica de inventario distintos, y clasificar primero evita el error de aplicar el mismo modelo a demandas que no se parecen en nada. Una vez que sabes que un articulo es X, Y o Z, el camino esta bastante marcado.

Los articulos X, estables, se pronostican bien con metodos simples. Un promedio movil, que pesa por igual una ventana de periodos recientes, o un suavizamiento exponencial, que reparte pesos que decrecen para dar mas voz a lo reciente, capturan sin problema una demanda que apenas se mueve. Como el error de pronostico va a ser bajo, tambien puedes correr con un stock de seguridad ajustado, porque la variabilidad que tienes que cubrir es pequena. Los articulos X son donde la automatizacion rinde: puedes dejarlos pronosticando solos y revisarlos poco.

Los articulos Y, variables con estructura, necesitan un metodo que modele esa estructura. Si la variabilidad viene de una tendencia, la regresion lineal, que ajusta una recta a la demanda, capta la pendiente que un promedio movil se pierde. Si viene de la temporada, el indice estacional, que mide y aplica el patron de cada periodo del ciclo, corrige los picos y valles previsibles. El stock de seguridad para los Y es moderado, mayor que el de los X porque hay mas que cubrir, pero todavia manejable porque la variabilidad es estructurada, no caotica.

Los articulos Z, erraticos o intermitentes, son otra historia. Aqui el pronostico estadistico fino es poco confiable, porque no hay un patron estable que capturar, asi que la estrategia se inclina hacia protegerse: mas stock de seguridad para absorber los picos, o trabajar bajo pedido cuando el articulo lo permite y no quieres cargar inventario de algo impredecible. Para los Z intermitentes, con muchos periodos en cero, los metodos tipo Croston, disenados para demanda esporadica, superan a cualquier suavizamiento normal. Y en todos los casos, la regla es validar: cualquier metodo que elijas para un Y o un Z conviene medirlo con las metricas de error de pronostico, para confirmar con el WMAPE, el sesgo y la senal de rastreo que de verdad funciona antes de confiar en el.

La matriz ABC-XYZ

El analisis XYZ mide una sola dimension, la variabilidad, pero las decisiones de inventario dependen tambien del valor. Un articulo puede ser muy estable y aun asi no merecer mucha atencion si casi no representa dinero, y otro puede ser erratico pero tan valioso que no te puedes dar el lujo de descuidarlo. Por eso el analisis XYZ se combina con el analisis ABC de valor para formar la matriz ABC-XYZ, la herramienta que cruza cuanto vale un articulo con lo predecible que es, y te dice donde concentrar el esfuerzo.

El eje ABC sale de ordenar los articulos por su valor anual y aplicar la logica de Pareto. Si agregas un valor por SKU en la caja opcional, la herramienta acumula el valor de mayor a menor y asigna clase A a los articulos que juntos suman hasta el 80 por ciento del valor total, clase B a los que llevan del 80 al 95 por ciento, y clase C al resto. Es la vieja regla de que unos pocos articulos concentran la mayor parte del valor. Cruzando ese eje con el eje XYZ de variabilidad se llena una cuadricula de 3×3, con nueve celdas que van de AX a CZ, y cada celda sugiere una politica.

Las esquinas de la matriz son las mas claras. Un articulo AX es de alto valor y demanda predecible: el mejor de los mundos, el candidato ideal para automatizar el reabasto con inventario ajustado, porque puedes pronosticarlo con precision y cada unidad cuenta. Un articulo CZ es de bajo valor y demanda erratica: no vale la pena invertir esfuerzo de pronostico en el, asi que lo controlas con un min-max sencillo, un piso y un techo de inventario, o directamente evaluas sacarlo del catalogo si no aporta. Las celdas intermedias reparten la atencion en consecuencia: los articulos de alto valor merecen mas cuidado aunque sean variables, y los de baja variabilidad se pueden dejar mas solos aunque su valor sea medio. La matriz convierte dos clasificaciones en un mapa de politicas.

Demanda intermitente e irregular

Un coeficiente de variacion alto no siempre significa lo mismo, y confundir sus causas lleva a elegir mal el metodo. Un CV alto puede venir de una demanda estable pero ruidosa, que vende todos los periodos pero con mucha variacion, o de una demanda intermitente, que aparece y desaparece con muchos periodos en cero. Las dos producen un CV grande, pero necesitan tratamientos opuestos, y por eso el analisis XYZ se complementa con una medida de intermitencia que las separa.

El intervalo medio entre demandas, el ADI, cuenta cada cuantos periodos, en promedio, hay una demanda distinta de cero. Se calcula como ADI = n / (numero de periodos con demanda no nula). En el SKU D del caso por defecto, hay demanda en solo dos de los seis periodos, asi que el ADI es 6 entre 2 = 3.0, muy por encima del corte de 1.32; eso marca al articulo como intermitente en lugar de suave, y confirma que su CV alto viene de la esporadicidad, no de ruido continuo. Junto con el coeficiente de variacion al cuadrado de los tamanos de las demandas no nulas, con corte en 0.49, el ADI clasifica la demanda en cuatro patrones segun el esquema de Syntetos-Boylan: suave, erratica, intermitente e irregular.

El patron mas dificil es el irregular, la demanda que es a la vez rara y muy variable en el tamano de sus pedidos. Es el clasico de las refacciones y los repuestos: pasan meses sin moverse y de pronto llega un pedido grande e impredecible. Ni un promedio movil ni un suavizamiento normal manejan bien ese perfil, porque estan disenados para demanda que ocurre en cada periodo; para la demanda irregular e intermitente, los metodos tipo Croston, que pronostican por separado el tamano y la frecuencia de la demanda, funcionan mucho mejor. La leccion practica es leer el patron de ADI antes de confiar en el CV a secas: te dice si estas ante ruido continuo, que se suaviza, o ante intermitencia, que pide un metodo especializado y un buffer mayor.

Preparar datos multi-SKU limpios

La clasificacion es tan buena como los datos que le das, asi que vale la pena preparar la entrada. El formato es un SKU por linea, con el nombre del articulo seguido de su serie de demanda separada por espacios. Cada linea es un articulo independiente, y no hace falta que todos tengan el mismo numero de periodos, aunque conviene que la historia de cada uno sea lo bastante larga para que su CV sea estable. La recomendacion general es usar al menos un ano completo, cerca de 12 periodos, porque con muy pocos datos el coeficiente de variacion se vuelve inestable y una sola cifra atipica puede mover la clase.

Cuida el orden y la limpieza de cada serie. Los periodos deben ir en orden cronologico, y es mejor usar demanda real que ventas censuradas: cuando hubo un desabasto, las ventas registradas cayeron porque no habia producto, no porque la demanda fuera baja, y eso hace que el articulo se vea mas estable de lo que en verdad es. Los ceros son informativos y no hay que borrarlos: un cero real, un periodo en el que de verdad no se vendio, forma parte del patron de intermitencia y la herramienta lo usa para calcular el ADI. Lo que si conviene revisar son los picos atipicos por una promocion o un pedido unico, porque inflan el CV y pueden empujar a un articulo estable hacia Y o Z por una razon que no se va a repetir.

Un ultimo cuidado es la media de cero. Si un articulo tuvo demanda cero en todos los periodos de la ventana, su media es cero y el coeficiente de variacion queda indefinido, porque no se puede dividir entre cero; ese articulo es un caso de intermitencia extrema que no se puede clasificar con el CV y hay que tratar aparte. Y si vas a usar la matriz ABC-XYZ, prepara tambien la caja de valores con el mismo criterio, un SKU por linea con su valor anual, para que el cruce de valor y variabilidad se haga sobre datos consistentes. Con las series limpias, alineadas y con suficiente historia, la clasificacion que sale es una base solida para decidir metodos y politicas.

Cinco ejemplos resueltos

Ejemplo 1: los cuatro SKUs por defecto, recorrido completo

Los cuatro SKUs sobre seis periodos, con umbrales 0.5 / 1.0 y desviacion estandar poblacional. El SKU A da CV 0.013 y queda en X; el SKU B da CV 0.258 y queda en X; el SKU C da CV 0.595 y queda en Y; y el SKU D da CV 1.826 y queda en Z. El conteo final es X 2, Y 1, Z 1. Vale la pena ver la aritmetica del CV en el SKU C: su desviacion estandar poblacional es 23.80 y su media es 40, asi que el coeficiente de variacion es 23.80 entre 40 = 0.595, que cae entre los cortes 0.5 y 1.0 y por eso es Y. La leccion es que el coeficiente de variacion convierte cada historia de demanda en un solo numero que dice que tan pronosticable es, y la clase que sale de ese numero enruta cada SKU a un metodo: A y B a suavizamiento, C a regresion o estacional, D a bajo pedido.

Ejemplo 2: poblacional contra muestral en el SKU C

El mismo SKU C, mirando el efecto de la forma de la desviacion estandar. La suma de las desviaciones al cuadrado alrededor de la media de 40 es 3400. La forma poblacional divide entre n, sigma = sqrt(3400 / 6) = 23.80, y da un CV de 0.595. La forma muestral divide entre n menos 1, s = sqrt(3400 / 5) = 26.08, y da un CV de 0.652. Las dos dejan a C en clase Y con los umbrales por defecto, pero se ve que la muestral corre mas alto. La leccion es usar por defecto la poblacional para el XYZ de libro de texto, y saber que la funcion STDEV de una hoja de calculo usa la forma muestral, que lee un poco mas alto; en una serie corta cerca de un umbral, esa diferencia puede subir un articulo de clase.

Ejemplo 3: mover los umbrales

Los mismos cuatro SKUs, pero cambiando los cortes de 0.5 / 1.0 a los mas estrechos 0.25 / 0.5. El SKU B, con CV 0.258, ahora supera el nuevo corte de 0.25 y pasa de X a Y. El SKU C, con CV 0.595, ahora supera el nuevo corte de 0.5 y pasa de Y a Z. La misma demanda, los mismos coeficientes de variacion, pero un mapa de clases distinto porque la politica de corte cambio. La leccion es que los cortes X, Y, Z son una decision de politica, no una ley: aprietalos cuando quieras que solo los articulos verdaderamente estables entren en X, y vuelve a correr para ver el nuevo reparto y los nuevos metodos recomendados.

Ejemplo 4: demanda intermitente y el patron de ADI

El SKU D tiene demanda en solo 2 de sus 6 periodos, asi que el intervalo medio entre demandas es 6 entre 2 = 3.0, por encima del corte de 1.32, y se marca como intermitente en lugar de suave. Su CV de 1.826 ya lo ponia en Z, pero el ADI explica por que: no es una demanda continua muy ruidosa, es una demanda que aparece y desaparece. La leccion es que un CV alto puede venir de una demanda irregular y esporadica tanto como de una demanda estable pero ruidosa, y el patron de ADI los distingue, de modo que puedes enrutar los articulos tipo refaccion, con demanda a saltos, a un metodo pensado para la intermitencia en lugar de forzar un suavizamiento que no va a funcionar.

Ejemplo 5: la matriz ABC-XYZ

A los cuatro SKUs les agregamos un valor anual: A 100000, B 5000, C 3000 y D 1000. Por valor acumulado, el SKU A representa cerca del 92 por ciento del total el solo, asi que con los cortes 80 / 95 el ranking de valor reparte los articulos entre las clases A, B y C, y cruzar ese ranking con las clases X, Y, Z de variabilidad llena la cuadricula de 3×3. La leccion es que el valor y la variabilidad juntos te dicen donde poner la atencion: un articulo AX es de alto valor y predecible, asi que se automatiza; un articulo CZ es de bajo valor y erratico, asi que se limita con un min-max o se considera sacarlo del catalogo. La matriz convierte dos clasificaciones sueltas en un mapa de politicas de inventario.

Tres consejos de experto

Trata los umbrales como un dial, no como una constante

Los cortes X, Y, Z publicados van desde 0.1 / 0.25 hasta 0.5 / 1.0, y no existe un estandar unico, asi que arranca con el comun 0.5 / 1.0, mira como se reparte tu catalogo y aprieta o afloja hasta que el grupo X sea de verdad el conjunto de articulos que estas dispuesto a pronosticar de forma automatica sin vigilarlos. Si casi todo cae en X, tus cortes no estan separando nada y hay que apretarlos; si casi nada cae en X, son demasiado exigentes para tu tipo de demanda y hay que aflojar. Vuelve a correr el analisis cada vez que crezca tu historia de demanda, porque mas periodos estabilizan los CV y pueden cambiar donde caen los articulos de frontera.

Clasifica por variabilidad y deja que la clase elija el metodo

El XYZ es la puerta de entrada del pronostico: los articulos X son estables, asi que un promedio movil o un suavizamiento exponencial bastan; los articulos Y llevan tendencia o estacionalidad, asi que conviene una regresion lineal o un indice estacional; y los articulos Z son erraticos, asi que un pronostico suave es poco confiable y te apoyas en el stock de seguridad o en el trabajo bajo pedido. La disciplina es no saltarte el paso de clasificar y meter todo al mismo modelo, porque cada tipo de demanda pide un tratamiento distinto. Y despues de elegir el metodo, comprueba siempre el resultado con las metricas de error de pronostico, para confirmar con el WMAPE, el sesgo y la senal de rastreo que el metodo que la clase sugirio de verdad esta funcionando para ese articulo.

Lee el patron de ADI antes de confiar en el CV en articulos irregulares

Un coeficiente de variacion alto puede significar una demanda estable pero ruidosa o una demanda rara y a saltos, y esos dos casos necesitan tratamientos distintos. El intervalo medio entre demandas y el coeficiente de variacion al cuadrado de los tamanos separan la demanda en suave, erratica, intermitente e irregular, y un articulo irregular, raro y muy variable a la vez, es el caso mas dificil, mejor servido por un metodo tipo Croston y un buffer mayor que por cualquier modelo de suavizamiento. Antes de mandar un articulo Z a un pronostico estadistico, mira su ADI: si es intermitente, no estas ante ruido que se suaviza, sino ante esporadicidad que pide un metodo especializado, y forzar un suavizamiento solo te va a dar un pronostico que falla sistematicamente.

Donde encaja esta calculadora

Sirve a quien tiene que decidir como pronosticar y como abastecer un catalogo con articulos que no se parecen entre si: planeadores de demanda que quieren segmentar antes de elegir metodos, responsables de inventario que necesitan saber que articulos merecen atencion fina y cuales se pueden dejar en piloto automatico, analistas que arman la matriz ABC-XYZ para repartir el esfuerzo entre valor y variabilidad, y equipos de operaciones que quieren distinguir los articulos estables de los intermitentes antes de fijar politicas de stock. La idea es tener la clasificacion completa, con la clase, el metodo recomendado y el patron de cada SKU, en numeros claros que cualquiera pueda revisar y reproducir.

Como puerta de entrada del silo de pronostico, esta calculadora se conecta directamente con las cinco herramientas que ejecutan el trabajo que ella enruta. Los articulos X estables van al promedio movil, que pesa por igual una ventana de periodos recientes, o al suavizamiento exponencial, que reparte pesos que decrecen para dar mas voz a lo reciente. Los articulos Y variables van a la regresion lineal, que ajusta una recta para captar la tendencia, o al indice estacional, que mide y aplica el patron por temporada. Y cualquier eleccion se valida con las metricas de error de pronostico, la herramienta ancla que califica el pronostico con el MAD, el RMSE, el MAPE, el WMAPE, el sesgo y la senal de rastreo. Vuelve al hub de Pronosticos y Analitica para ver el conjunto completo, o explora el silo hermano de Cadena de Suministro, donde la clasificacion alimenta el stock de seguridad, el punto de reorden y la politica de inventario.

Estandares y buenas practicas

El analisis XYZ, el coeficiente de variacion como razon entre la desviacion estandar y la media, la distincion entre desviacion poblacional y muestral, la clasificacion por umbrales sobre el CV, la medida de intermitencia con el intervalo medio entre demandas y el esquema de Syntetos-Boylan, y la matriz ABC-XYZ que cruza valor con variabilidad son material estandar de la planeacion de demanda y la gestion de inventario, ensenado en cualquier curso y manual del tema, no la receta de una sola empresa. La media es la suma de la demanda entre el numero de periodos; el CV es la desviacion estandar entre la media; la clase sale de comparar el CV contra dos umbrales; y la matriz ABC-XYZ combina el ranking de valor de Pareto con la clase de variabilidad. Son convenciones estables y ampliamente ensenadas.

Los numeros de referencia ayudan a leer tu caso, pero conviene recordar que los umbrales no son universales. Un CV por debajo de 0.5 se suele considerar demanda estable y un CV por encima de 1.0 demanda erratica, con la zona intermedia como variable, pero otras fuentes usan cortes mas estrechos, y el corte correcto es el que hace que tus grupos signifiquen algo para tu operacion. Del mismo modo, los cortes de la matriz ABC en 80 y 95 por ciento del valor acumulado son la convencion mas comun, pero se pueden ajustar. Estos umbrales son guias generales; tu catalogo, la longitud de tu historia y el costo de un faltante frente al de un exceso mandan sobre cualquier regla fija.

Como toda clasificacion basada en historia, los resultados describen el pasado y no garantizan el futuro. Que un articulo haya sido estable hasta ahora no asegura que lo siga siendo si el mercado, el producto o el calendario cambian, y una clase XYZ es una foto que conviene actualizar conforme crece la demanda observada. Usa esta clasificacion para segmentar tu catalogo, elegir metodos de pronostico y repartir el esfuerzo de inventario, y complementa el numero con el juicio de quien conoce el negocio. Esta calculadora y su guia las construye y revisa el equipo de OpsCalculators; consulta nuestra Politica Editorial para saber como se investiga, construye y prueba cada herramienta.

Preguntas frecuentes

Que es el analisis XYZ?

El analisis XYZ clasifica los articulos de un catalogo segun la variabilidad de su demanda, medida con el coeficiente de variacion, que es la desviacion estandar entre la media. Un articulo X tiene demanda estable y facil de pronosticar; un articulo Y es variable, con tendencia o estacionalidad; y un articulo Z es erratico o intermitente, dificil de pronosticar. El objetivo es segmentar antes de elegir metodo: en lugar de aplicar el mismo modelo a toda la demanda, primero clasificas cada SKU y luego lo enrutas al metodo que le conviene. En el caso por defecto, cuatro SKUs dan X 2, Y 1, Z 1.

El XYZ mide variabilidad o criticidad?

Esta herramienta mide variabilidad de la demanda, no criticidad operacional. Existen dos tradiciones que comparten las letras X, Y, Z. La de la cadena de suministro y la planeacion de demanda, que es la de esta calculadora, clasifica por variabilidad de forma cuantitativa con el coeficiente de variacion, y es la que se combina con el analisis ABC de valor para armar la matriz ABC-XYZ. La otra, comun en almacenes y en temario de concursos, clasifica la importancia o criticidad de un articulo de forma cualitativa y subjetiva. Son cosas distintas; aqui se calcula la de variabilidad de la demanda, la cuantitativa.

Que es el coeficiente de variacion y como se calcula?

El coeficiente de variacion CV es la desviacion estandar dividida entre la media, CV = sigma / media, y es una medida de dispersion relativa sin unidades. Como no tiene unidades, permite comparar la variabilidad de articulos de tamanos muy distintos en la misma escala. Un CV cercano a cero es una demanda muy estable; un CV de 1.0 significa que la desviacion estandar iguala a la media; y un CV por encima de 1.0 marca una demanda erratica. En el SKU C del caso por defecto, la desviacion estandar poblacional es 23.80 y la media 40, asi que el CV es 23.80 entre 40 = 0.595. El CV es la base de toda la clasificacion XYZ.

Debo usar la desviacion estandar poblacional o la muestral?

Para el analisis XYZ de libro de texto se usa por defecto la poblacional, que divide entre n y trata la historia observada como la poblacion completa. La muestral divide entre n menos 1, corrige el sesgo de estimar con pocos datos y es la que devuelve la funcion STDEV de una hoja de calculo; siempre da un valor un poco mas alto. La diferencia importa mas en series cortas y cerca de un umbral. En el SKU C, la poblacional da CV 0.595 y la muestral da CV 0.652; ambas lo dejan en Y, pero se ve que la muestral corre mas alto. Lo importante es fijar una convencion y aplicarla igual a todo el catalogo.

Que umbrales de CV debo usar para separar X, Y y Z?

No hay un estandar universal. El juego por defecto de esta herramienta es 0.5 y 1.0, uno de los mas comunes, pero tambien se usan cortes mas estrechos como 0.25 y 0.5, e incluso cortes en porcentaje como 10 y 25 por ciento. La recomendacion es tratar los umbrales como un dial: corre el analisis con los cortes por defecto, mira como se reparte tu catalogo y aprieta o afloja hasta que el grupo X sea de verdad el conjunto de articulos que estas dispuesto a pronosticar de forma automatica. Los botones de preset de la herramienta te dejan probar 0.5 / 1.0, 0.25 / 0.5 y 0.10 / 0.25 con un clic.

Que metodo de pronostico corresponde a cada clase?

Los articulos X, estables, se pronostican con un promedio movil o un suavizamiento exponencial simple, y admiten un stock de seguridad ajustado. Los articulos Y, variables con tendencia o estacionalidad, piden una regresion lineal o un indice estacional, con un stock de seguridad moderado. Los articulos Z, erraticos o intermitentes, no se pronostican bien con suavizamiento, asi que la estrategia es mas stock de seguridad o trabajo bajo pedido, y para los intermitentes, metodos tipo Croston. En todos los casos conviene validar el metodo elegido con las metricas de error de pronostico antes de confiar en el. La clase, en el fondo, es una recomendacion de metodo.

Que es la matriz ABC-XYZ?

La matriz ABC-XYZ cruza el valor de un articulo con la variabilidad de su demanda en una cuadricula de 3×3. El eje ABC sale de ordenar los articulos por valor anual y aplicar la logica de Pareto: A hasta el 80 por ciento del valor acumulado, B hasta el 95 por ciento, y C el resto. El eje XYZ es la clasificacion por variabilidad. Cruzando ambos se obtienen nueve celdas de AX a CZ. Un articulo AX es de alto valor y predecible, ideal para automatizar con inventario ajustado; un articulo CZ es de bajo valor y erratico, mejor con un min-max o candidato a delistar. Si agregas un valor por SKU en la caja opcional, la herramienta arma la matriz automaticamente.

Que es la demanda intermitente y como la detecto?

La demanda intermitente es la que aparece y desaparece, con muchos periodos en cero y ventas ocasionales, tipica de refacciones y repuestos. Se detecta con el intervalo medio entre demandas, el ADI, que es n entre el numero de periodos con demanda no nula; un ADI por encima de 1.32 marca intermitencia. En el SKU D del caso por defecto, hay demanda en solo 2 de 6 periodos, asi que el ADI es 6 entre 2 = 3.0, intermitente. Junto con el coeficiente de variacion al cuadrado de los tamanos no nulos, con corte en 0.49, el ADI clasifica la demanda en suave, erratica, intermitente e irregular segun Syntetos-Boylan. La irregular es la mas dificil y pide metodos tipo Croston.

Por que un CV alto no siempre significa lo mismo?

Porque un coeficiente de variacion alto puede venir de una demanda estable pero muy ruidosa, que vende todos los periodos con mucha variacion, o de una demanda intermitente, que aparece y desaparece con periodos en cero. Las dos producen un CV grande, pero se tratan distinto: la ruidosa se suaviza, la intermitente pide un metodo especializado tipo Croston. Por eso conviene leer el patron de ADI antes de confiar en el CV a secas. Ademas, cuando la media es muy pequena, el CV se infla de forma artificial porque la media esta en el denominador, y una media de cero lo deja indefinido. El CV mide variabilidad relativa y hay que interpretarlo con contexto.

Cuantos periodos de historia necesito?

La recomendacion general es usar al menos un ano completo, cerca de 12 periodos, para que el coeficiente de variacion sea estable. Con muy pocos datos el CV se vuelve inestable y una sola cifra atipica puede mover la clase de un articulo. El caso por defecto usa seis periodos para que el ejemplo sea facil de seguir a mano, pero en la practica una historia mas larga da clasificaciones mas confiables. Tambien conviene volver a correr el analisis cada vez que crezca tu historia, porque mas periodos pueden cambiar donde caen los articulos que estan cerca de un umbral.

Como preparo los datos de varios SKUs?

Pega un SKU por linea, con el nombre del articulo seguido de su serie de demanda separada por espacios. Cada linea es un articulo independiente y no necesitan tener el mismo numero de periodos. Usa los periodos en orden cronologico, prefiere demanda real sobre ventas censuradas por desabasto, y no borres los ceros reales, porque forman parte del patron de intermitencia y la herramienta los usa para el ADI. Revisa los picos atipicos por promociones o pedidos unicos, porque inflan el CV y pueden empujar a un articulo estable hacia Y o Z por una razon que no se repite. Para la matriz ABC-XYZ, llena la caja de valores con un SKU por linea y su valor anual.

Que pasa si un articulo tiene demanda cero en todos los periodos?

Si la demanda es cero en todos los periodos de la ventana, la media es cero y el coeficiente de variacion queda indefinido, porque no se puede dividir entre cero. Ese articulo es un caso de intermitencia extrema que no se puede clasificar con el CV y hay que tratar aparte, tipicamente como un articulo bajo pedido puro o candidato a salir del catalogo si de verdad no tiene movimiento. Distinto es un articulo con algunos ceros y algunas ventas, como el SKU D del caso por defecto, que si tiene media positiva y se clasifica, normalmente en Z por su alta variabilidad, con el ADI confirmando que es intermitente.

Como se relaciona el XYZ con las otras calculadoras de pronostico?

El analisis XYZ es la puerta de entrada del silo: clasifica la variabilidad primero, y luego cada clase enruta a un metodo. Los articulos X estables van al promedio movil o al suavizamiento exponencial; los articulos Y variables van a la regresion lineal o al indice estacional; y los articulos Z erraticos van a mas stock de seguridad o trabajo bajo pedido. Cualquier metodo que elijas se valida con las metricas de error de pronostico, que lo califican con el MAD, el RMSE, el MAPE, el WMAPE, el sesgo y la senal de rastreo. El flujo es: clasificas aqui, pronosticas con la herramienta que la clase indica, y mides el error para confirmar que acertaste con el metodo.

Esta calculadora es gratis y guarda mis datos?

Si, la herramienta es gratis y sin registro, y todo el calculo ocurre en tu navegador. Las series y los valores que ingresas nunca se envian a un servidor, ni se guardan, ni se comparten. Ademas puedes descargar un PDF limpio, exportar un CSV o compartir el resultado por WhatsApp. Esta calculadora es para fines de planeacion y educacion; la clasificacion describe la variabilidad pasada de la demanda, no garantiza el comportamiento futuro, asi que usala para segmentar el catalogo, elegir metodos y repartir el esfuerzo de inventario, y complementa el numero con el juicio de quien conoce el negocio.