Si administras una bodega de repuestos industriales, productos farmacéuticos de baja rotación o insumos médicos especiales, ya conoces el problema: el SKU se vende 0 unidades durante 8 semanas, después salen 15 de una vez, y luego silencio por 3 meses. Eso es demanda intermitente, y los métodos de forecast clásicos (media móvil, suavizamiento exponencial simple) sirven muy poco.
El problema con aplicar una media móvil a un patrón así es estructural: el promedio queda siempre bajo el peak real y arriba del cero, por lo que nunca acierta. Pides demás cuando no hay venta y te quedas corto cuando llega el pedido grande. El resultado es ese clásico: bodega llena de stock muerto en el 70% de los SKUs y rotura en el 30% restante.
En 1972, J. D. Croston propuso un método específicamente diseñado para este caso. Es simple, robusto y, en la práctica, da MAPEs entre 15% y 35% mejores que un suavizamiento exponencial común sobre los SKUs intermitentes. En esta guía te explico cómo funciona, cuándo aplicarlo, qué KPIs medir y cómo lo implementa Lahr Nexa WMS.
En esta guía
Cuándo un SKU es "intermitente" (y cuándo no)
No todo SKU lento es intermitente. Antes de aplicar Croston, hay que clasificar la demanda. El criterio más usado en la literatura es el de Syntetos & Boylan, que combina dos métricas:
- ADI (Average Demand Interval): promedio de períodos entre ventas sucesivas. Si vende cada semana, ADI = 1. Si vende cada 4 semanas, ADI = 4.
- CV² (coeficiente de variación al cuadrado): mide qué tan variable es el tamaño de cada venta cuando ocurre.
Con esas dos métricas, el SKU cae en uno de 4 cuadrantes:
| Patrón | ADI | CV² | Método recomendado |
|---|---|---|---|
| Suave (smooth) | ≤ 1.32 | ≤ 0.49 | Suavizamiento exponencial |
| Errático | ≤ 1.32 | > 0.49 | Holt-Winters o ARIMA |
| Intermitente | > 1.32 | ≤ 0.49 | Croston o SBA |
| Lumpy (grumoso) | > 1.32 | > 0.49 | Croston con cuidado |
En una bodega típica de repuestos farma chilena, entre el 40% y el 65% de los SKUs caen en intermitente o lumpy. Eso es plata parada: si los pronosticas con suavizamiento exponencial, vas a sobrestockear estructuralmente.
El método Croston: fórmula paso a paso
Croston separa el problema en dos series: el tamaño de la demanda cuando ocurre y el intervalo entre demandas. Cada una se suaviza por separado y después se combinan.
Variables
- zt: tamaño de la demanda cuando hay venta en período t.
- pt: intervalo (número de períodos) desde la última venta.
- α: factor de suavizamiento (típicamente entre 0.1 y 0.3).
- Ft: forecast del período t.
Fórmula central
Cuando hay demanda en el período t (es decir, zt > 0):
p_estimado_t = α · p_t + (1 − α) · p_estimado_(t−1)
F_t = z_estimado_t / p_estimado_t
Cuando NO hay demanda (zt = 0): no se actualiza nada. Solo se incrementa el contador pt y se mantiene Ft igual al período anterior.
El forecast Ft ya no es por período de venta, sino la demanda esperada por período (semana, mes, lo que uses). Eso permite convertirlo directamente en política de inventario.
Ejemplo numérico aplicado a un repuesto farma
Tomemos un filtro HEPA para una sala blanca farmacéutica. Histórico de 12 semanas con α = 0.2:
| Semana | Demanda | z estimado | p estimado | F (forecast) |
|---|---|---|---|---|
| 1 | 2 | 2.00 | 1.00 | 2.00 |
| 2 | 0 | 2.00 | 1.00 | 2.00 |
| 3 | 0 | 2.00 | 1.00 | 2.00 |
| 4 | 5 | 2.60 | 1.60 | 1.63 |
| 5 | 0 | 2.60 | 1.60 | 1.63 |
| 6 | 0 | 2.60 | 1.60 | 1.63 |
| 7 | 0 | 2.60 | 1.60 | 1.63 |
| 8 | 3 | 2.68 | 2.08 | 1.29 |
| 9 | 0 | 2.68 | 2.08 | 1.29 |
| 10 | 0 | 2.68 | 2.08 | 1.29 |
| 11 | 4 | 2.94 | 2.06 | 1.43 |
| 12 | 0 | 2.94 | 2.06 | 1.43 |
El forecast para la semana 13 es de aproximadamente 1.43 unidades por semana. La política de inventario para ese SKU usa ese número como consumo esperado, no el 0 ni el peak de 5.
MAPE, MAAPE e intervalo de confianza para Croston
Medir la calidad del forecast en demanda intermitente es complicado, porque el MAPE clásico (porcentaje absoluto medio de error) diverge cuando la demanda real es cero. Si la demanda fue 0 y pronosticaste 1.43, el error absoluto porcentual es indefinido.
Variantes de MAPE para uso real
- MAAPE (Mean Arctangent Absolute Percentage Error): usa arcotangente en vez de división, así nunca diverge. Es el estándar moderno para intermitente.
- MASE (Mean Absolute Scaled Error): compara el error contra un baseline ingenuo (último valor). MASE < 1 = mejor que ingenuo.
- MAPA (Mean Absolute Percentage Adjusted): agrupa la demanda en buckets de N períodos y calcula MAPE sobre los agregados. Más estable para SKUs muy lentos.
Intervalo de confianza al 95%
Para un SKU pronosticado con Croston, el intervalo de confianza al 95% se construye asumiendo que el error sigue una distribución de Tweedie (Poisson compuesta con Gamma). La aproximación práctica es:
Donde σerror se calcula sobre la serie de residuos (demanda real − forecast) en los períodos en que hubo venta. Ese intervalo es el que se usa para calcular el safety stock óptimo.
¿Quieres ver Croston aplicado a tu propia data?
Lahr Nexa WMS clasifica automáticamente tus SKUs y aplica Croston/SBA al cuadrante intermitente. Forecast por SKU + intervalo + reabastecimiento sugerido, en una pantalla.
Probar WMS →Errores frecuentes al aplicar Croston
Error 1 — Aplicar Croston a SKUs no intermitentes
Croston no es bala de plata. Si lo corres sobre un SKU de venta semanal estable, el forecast tiene más varianza que un suavizamiento exponencial común. Antes de aplicar, clasifica con la matriz ADI/CV².
Error 2 — Usar α demasiado alto
Con datos intermitentes, un α de 0.5 o más le da demasiado peso al último período. Eso hace que el forecast salte de 0 a 5 a 0 dependiendo de si la última semana tuvo o no venta. Mantén α entre 0.1 y 0.3, y solo súbelo si el SKU tiene tendencia clara documentada.
Error 3 — No reclasificar SKUs periódicamente
Un SKU intermitente hoy puede volverse smooth si lanzas un programa de mantención preventiva que lo consume regularmente. Y al revés: un SKU smooth puede pasar a lumpy cuando un cliente grande deja de comprarte. Reclasifica cada 3 meses con los últimos 18-24 períodos.
Error 4 — Ignorar el lead time del proveedor
El forecast de Croston te dice cuánto necesitas por período. La política de reorden necesita además el lead time real de tu proveedor (incluyendo aduana si es importado). Una bodega chilena que importa de Asia con lead time de 90 días maneja safety stocks muy distintos a una con proveedor local.
Error 5 — No descontinuar SKUs sin venta prolongada
Si un SKU intermitente lleva 24 períodos sin venta, probablemente ya no es intermitente sino discontinuado. El sistema debe marcarlo para revisión humana, no seguir reponiendo "por si acaso".
Cómo lo aplica Lahr Nexa WMS
En el módulo Lahr Nexa WMS, la sección Forecast automatiza todo el flujo:
- Clasificación automática: cada noche, el sistema recalcula ADI y CV² por SKU usando los últimos 24 períodos y asigna el cuadrante (smooth, errático, intermitente, lumpy).
- Selección de método: aplica suavizamiento exponencial a smooth, Holt-Winters a errático, SBA a intermitente y SBA con flag de revisión humana a lumpy.
- Forecast por SKU + IC95%: tabla con forecast esperado, banda superior e inferior al 95%, MAPE y MASE históricos.
- Reorden sugerido: combina el forecast con lead time del proveedor, stock actual, stock en tránsito y safety stock objetivo, y propone una orden de compra ya prellenada.
- Auditoría: cada forecast queda con su trazabilidad (método usado, parámetros α, residuos, decisión humana si hubo override).
El objetivo no es predecir la demanda exacta de un repuesto que se vende 3 veces al año. Es decidir cuánto safety stock mantener para que la probabilidad de rotura sea menor al nivel de servicio que aceptas. Croston no te da una bola de cristal, te da una base estadística honesta para esa decisión.
Si trabajas en distribución farmacéutica, mantenimiento industrial o repuestos especializados, vale la pena cambiar el método de forecast antes de cambiar la bodega. Mismo equipo, misma planta, MAPE 30% mejor en los SKUs lentos. La plata sale del stock muerto que dejas de pedir.