Quantiv
Quantitative Supply Chain
Laboratorio de Simulación · Reto de Inventario

¿Puedes superar a los modelos cuantitativos gestionando tu inventario?

Toma decisiones semana a semana durante 52 semanas. Al finalizar, descubre cuánto cuesta gestionar el inventario sin un sistema inteligente.

Sin spam · Solo para identificarte ~10 min para completar
5
Modelos de reposición
52
Semanas simuladas
10+
Métricas comparadas
100%
Gratis
El reto

La gestión de inventario sin datos tiene un costo alto

Cada semana que decides sin información precisa, la empresa paga, ya sea en stock muerto o en ventas perdidas.

Quiebres de stock

Cada unidad que no puedes entregar es una venta perdida y un cliente frustrado. El costo real supera el margen de la venta.

Exceso de inventario

El capital inmovilizado en stock genera costos financieros, de almacenaje y riesgo de obsolescencia que erosionan el margen.

Decisiones inconsistentes

Sin un método sistemático, cada profesional ordena diferente según su intuición. El resultado: variabilidad, errores y sobrecostos.

Quantiv en acción

Cinco modelos inteligentes compiten contra ti

En la simulación, 5 algoritmos corren sobre la misma demanda que enfrentaste. Cada uno con una estrategia diferente.

M1

ROP Clásico

Punto de reorden y stock de seguridad con fórmulas analíticas de distribución normal estándar.

M2

ROP Monte Carlo

ROP y SS calculados por simulación Monte Carlo sobre la distribución empírica de demanda.

M3

ROP + Forecast

Combina el punto de reorden con un pronóstico adaptativo que detecta tendencias y estacionalidad.

M4

ROP Anticipado

Anticipa la demanda futura ajustando el ROP con el forecast para adelantarse a los picos de consumo.

M5

DDMRP

Demand Driven MRP: buffers dinámicos con zonas roja, amarilla y verde que se recalculan cada semana.

Motor cuantitativo

La estadística avanzada que ningún planner debería calcular a mano

Quantiv ejecuta internamente los modelos matemáticos que tomarían horas en hojas de cálculo. El planner ve resultados accionables — no fórmulas.

MC

Simulación Monte Carlo

Genera miles de escenarios de demanda futura con distribuciones de probabilidad para calcular el stock de seguridad con precisión estadística.

σ

Desviación estándar

Cuantifica la variabilidad real de la demanda histórica. A mayor dispersión, mayor buffer de protección — calculado automáticamente.

CV

Coeficiente de variación

Normaliza la volatilidad para comparar SKUs de distinta escala. Clasifica productos por riesgo de quiebre sin configuración manual.

%NS

Percentil de servicio

El ROP y el SS se fijan en el percentil exacto que garantiza el nivel de servicio objetivo. Sin reglas de dedo ni tablas estáticas.

∿

Pronóstico adaptativo

Evalúa Naive, SES, Holt y Holt-Winters cada semana y aplica automáticamente el de menor error WMAPE sobre la historia reciente.

▲▼

Buffers DDMRP dinámicos

Zonas roja, amarilla y verde que se recalculan con el ADU real de las últimas semanas. El sistema indica cuándo y cuánto ordenar.

El planner solo decide cuándo y cuánto ordenar.
Quantiv se encarga del resto.
Monte Carlo · σ · CV · Percentiles · Pronóstico adaptativo · DDMRP
Vista previa

Así se ve la simulación por dentro

Cada semana tomas decisiones con datos reales. Al final, los modelos revelan la brecha.

Simulación en marcha — semana 13 de 52
Q Simulación S13 / 52 NS 87.5% NIVEL DE SERVICIO 87.5% BACKORDERS 1 sem COSTO OPERACIÓN S/ 8,450 P&L ACUMULADO S/ 24,180 Stock vs. Demanda Semana 13 / 52 · ROP/SS ZONA ROJA ZONA AMARILLA ROP 85 un Pronóstico → S13 ▶ S1 S4 S8 S12 S13 Tu Decisión OC EN TRÁNSITO 250 un Llega S15 ¿Cuánto ordenar? 200 un → Se ordenarán 200 un Confirmar › PARÁMETROS ROP 85 un Safety Stock 42 un HISTORIAL RECIENTE S8 S9 S10 S11 S12 S13
Stock on-hand
ROP
Pronóstico
Resultados al final — semana 52 completada
Q Resultados · S52 / 52 completada 847 pts ✓ Modelo superó NIVEL DE SERVICIO 91.3% ▲ 3.8pp BACKORDERS ACUM. 2 sem 3.8% semanas COSTO TOTAL S/ 34,200 +22% vs modelos P&L NETO ACUM. S/ 52,800 margen 32% Comparativo de Costo Total — Tú vs Modelos Misma demanda, misma historia — diferente estrategia avg modelos S/ 34,200 Tú S/ 27,800 M1 S/ 28,900 M2 S/ 26,400 M3 S/ 25,100 M4 ★ ✓ Mejor Brecha S/ 9,100
Tu costo total
Modelos Quantiv (M1–M5)
Promedio modelos
El proceso

Tres pasos para descubrir el poder de Quantiv

1

Configura tu producto

Define la demanda, el lead time, los costos y el nivel de servicio objetivo. Quantiv genera 52 semanas de demanda estocástica realista.

2

Gestiona semana a semana

Cada semana decides cuánto ordenar viendo el stock actual, las órdenes en tránsito y las sugerencias de los modelos. Tú decides.

3

Compara contra los modelos

Al terminar, los 5 modelos corren sobre la misma demanda. Compara nivel de servicio, costos y resultado de gestión — y descubre la brecha.

¿Listo para el reto?

La simulación toma 10 minutos. Descubre cuánto dejarías de ganar sin Quantiv.

Configuración del sistema Parámetros del juego
52 semanas · Demanda estocástica
trending_up
Perfil de demanda
Define los patrones de consumo para la simulación.
un/sem
sem
%
sync_alt
Política de reposición
Frecuencia de pedidos y restricciones logísticas.
un
sem
sem
un
sem
payments
Matriz financiera
Parámetros económicos que impactan el margen final.
S/
S/
S/
%
un
S/
S/
auto_stories Guía de parámetros
ADU — Demanda promedio semanal
Unidades que se venden en promedio cada semana. Base para calcular el ROP y el safety stock. A mayor ADU, más reposición necesitas.
Componente de demanda
Estable: plana. Estacional: ciclo de 13 semanas con pico a mitad de año. Creciente: sube semana a semana. Decreciente: cae semana a semana.
Variabilidad
Qué tan errática es la demanda semana a semana. 1 = muy estable (CV bajo), 4 = muy impredecible (CV alto). Impacta directamente el safety stock.
Semanas de quiebre de demanda
Número de semanas aleatorias en que ocurre un shock de demanda (pico o caída). 0 = sin shocks. Simula estacionalidad o eventos disruptivos.
Intensidad del quiebre (%)
Cuánto sube o baja la demanda durante una semana de shock. 50% = la demanda puede duplicarse o reducirse a la mitad respecto al ADU base.
Ventas spot — sin pedidos programados
No hay órdenes de venta anticipadas. La demanda llega de forma aleatoria cada semana, como un punto de venta donde el cliente llega sin aviso previo.
Stock inicial
Inventario disponible al inicio de la simulación (semana 0). Impacta los primeros periodos; el sistema tiende a su equilibrio después de 4–6 semanas.
Lead Time (LT) promedio
Semanas entre que emites la OC y llega el stock. A mayor LT, mayor ROP necesitas. El sistema calcula automáticamente ROP = ADU × LT + SS.
Desviación estándar del LT
Variabilidad del tiempo de entrega del proveedor. 0 = siempre puntual. Valores > 0 incrementan el safety stock calculado para cubrir el riesgo de retraso.
Lote mínimo (MOQ)
Cantidad mínima que acepta el proveedor por orden. Si necesitas 30 un y el MOQ es 50, ordenas 50. No puedes ordenar menos — el sistema lo bloquea.
Ciclo de revisión (semanas)
Cada cuántas semanas revisas el inventario para decidir si repones. 1 = revisión continua (cada semana). Ciclos mayores requieren más safety stock.
Nivel de servicio objetivo
% de semanas sin quiebre de stock. 95% tolera ~2–3 semanas de quiebre al año. Mayor NS = mayor safety stock = mayor costo de inventario.
Iteraciones Monte Carlo
Cuántas simulaciones paralelas corren los modelos para optimizar. Más iteraciones = cálculo más preciso pero más lento. 500 es un buen balance.
Precio de venta (S/)
Precio al que vendes cada unidad al cliente. Define el ingreso bruto y el margen por unidad. El modelo lo usa para calcular el resultado de gestión final.
Costo unitario (S/)
Costo de comprar o producir cada unidad. La diferencia Precio − Costo es tu margen bruto unitario. Impacta también el costo financiero del inventario inmovilizado.
Costo de backorder (S/un·sem)
Costo por cada unidad en backorder durante una semana: penalización, urgencia, deterioro de relación con cliente. No es la venta perdida — es el costo del retraso.
Tasa financiera (%/año)
Costo de oportunidad del capital inmovilizado en inventario. 5% anual significa que cada S/ 100 de stock te cuesta S/ 5 al año solo por tenerlo parado.
Unidades por pallet
Capacidad de almacenaje por posición de rack. Se usa para calcular cuántos pallets ocupa el inventario promedio y multiplicar por el costo de almacenaje.
Costo de almacenaje (S/pallet/sem)
Lo que paga el almacén por cada pallet ocupado cada semana: alquiler de espacio, handling, seguros. Se acumula semana a semana sobre el stock promedio.
Costo por OC emitida (S/)
Costo fijo de emitir una orden de compra: tiempo del comprador, sistemas, trámites. Incentiva lotes más grandes para diluirlo — la base del modelo EOQ.
Resumen de simulación
Duración proyectada 52 semanas
Modelos IA 5 (M1–M5)
Comparativa Justa · misma demanda
jugadas
Simulación Semana — / 52
0%
NS Real (# Pedidos)
—
% semanas sin quiebre
Fill Rate (# de unidades)
—
unidades atendidas / pedidas
Backorder acum.
0 un
UN no entregadas a tiempo
Costo gestión inv.
S/ 0
AlmacenajeS/ 0
FinancieroS/ 0
BackorderS/ 0
Emisión OCS/ 0
P&L acumulado
S/ 0
FacturaciónS/ 0
Margen brutoS/ 0
Costo gestión inv.S/ 0
Resultado de gestiónS/ 0
Venta: — un
Análisis · Optimización Reporte de simulación — 52 Semanas
Comparativa de Modelos
Motor de Simulación v4.2
Modelo NS% Fill Rate% Inv. Prom. BK (un) Costo total Margen Eficiencia
Zonas de Stock
—
Haz clic en un modelo de la tabla
auto_graph
Consejo de optimización
—
Evolución de Stock — 52 Semanas
Comparativa: tu gestión vs modelos sobre la misma secuencia de demanda
Mapa de Calor de Zonas
Distribución semanal por zona de inventario — 52 semanas
Zona Roja (Stock < SS)
Zona Amarilla
Zona Verde
Zona Azul (Sobrestock)
science Prueba Masiva — Todos los Modelos
Parámetros de simulación
ADU (un/sem)
Lead Time (sem)
Lote mínimo
Stock inicial
Variabilidad
NS objetivo
Precio (S/)
Costo (S/)
Costo BK (S/)
Alm. (S/u/sem)
Costo orden (S/)
Tasa fin. (%/año)
jugadas (máx 50)
Configura los parámetros y presiona "Correr prueba".