menu icon
close

Pizza découplée

Par Bernard Milian
Two fresh pizzas on wooden boards, one with basil and cheese, and the other with various toppings, surrounded by ingredients.

Même s’il ne le sait pas, la notion de point de découplage est très familière pour votre pizzaiolo préféré.

La semaine dernière j’ai passé un coup de fil à l’excellente pizzeria à proximité de chez moi pour commander deux pizzas.

– Une « Pancetta » et une « Margarita »… euh, non, plutôt une « Orientale », s’il vous plait.

– Pas de problème, pour quelle heure les souhaitez-vous ?

– Dites-moi quand elles peuvent être prêtes

– Tout de suite, le temps que vous veniez

– Super, merci, à tout de suite !

Mais, attendez une minute. Il y a une carte de 25 pizzas différentes, c’est un grand nombre d’ingrédients différents, et fabriquer des pizzas c’est un sacré travail :

  • Il faut préparer, pétrir la pâte, la laisser reposer, l’étaler
  • Il faut laver la salade roquette, les tomates, etc.
  • Il faut couper les tranches de chorizo, les merguez, les fromages
  • Il faut laver et trancher les tomates
  • Etc.

En bref, préparer une pizza de A à Z, c’est une gamme opératoire qui ne passe pas dans les quelques minutes pour aller de chez moi à l’excellente pizzeria d’à côté.

Si vous consultez une recette pour fabriquer votre propre pizza, pâte comprise, le temps annoncé est de l’ordre de 3h, dont 2h de temps de repos pour la pâte, 35mn de préparation et 15mn de cuisson. Je devrais m’y prendre au petit déjeuner pour commander mes pizzas pour midi…

Alors que le délai cumulé d’obtention d’une pizza est de l’ordre de 3h, mon pizzaiolo du coin me fait bénéficier d’un délai découplé de quelques minutes.

Le secret est bien connu, et appliqué dans de nombreuses variantes de restauration : des ingrédients – des semi finis – sont préparés à l’avance – et sont souvent réapprovisionnés au fil de l’eau durant le service.

Il y a un bol de copeaux de parmesan, un bol de tranches de tomates, un bol de salade lavée, etc. – et au fur et à mesure de la consommation un nouveau bol est rempli.

Au passage, est-ce que votre pizzeria préférée fait des prévisions détaillées et mesure la fiabilité de celles-ci ? Probablement pas. On est en pur flux tiré par la demande réelle.

Dans l’industrie on appellerait ça des points de découplage de stock – avec des variantes du type kanban, buffer DDMRP, two-bin, min-max, point de commande… On appellerait ça un flux de différenciation retardée, ou assemblé à la commande (ATO).

Là ou les choses sont intrigantes, c’est que ce qui est absolument naturel pour votre pizzaiolo, et pour vous-même en tant que gourmands, ne l’est pas du tout dans l’industrie.

Un système ERP, basé sur MRP, n’est pas conçu pour gérer facilement des points de découplage sur des niveaux intermédiaires – sur des semi-finis. Il est conçu pour cascader des besoins, pas pour maintenir disponibles des points de stock pour assurer une disponibilité en délai court.

Par ailleurs on est dans un mode de fabrication à la commande (MTO). Le client commande une Margarita… euh non plutôt une Orientale, et on va fabriquer cette variante qui lui est spécifique.

Souvent dans l’industrie, quand on est en MTO et en B2B, il y a un paradigme sous-jacent qui est : tant qu’on n’a pas la commande ferme ou un engagement client, on n’approvisionne pas ou on ne démarre pas les étapes de transformation. Ceci entrave la mise en œuvre d’un modèle de supply chain agile, avec des investissements de stocks ciblés et un réapprovisionnement au fil de la consommation. Il faut d’abord convaincre le DAF et le CEO, négocier avec les clients, etc.

Et si on se lançait dans un atelier de conception pour repenser notre supply chain ? Vous êtes disponibles aujourd’hui ? Super, je commande les pizzas, vous voulez quoi ?

Prenez contact avec nous

Partagez cet article, choisissez votre plateforme !

Facebook
Twitter
LinkedIn

Articles récents

Inscrivez-vous à notre newsletter

Vous aimerez aussi

A row of pipes releasing streams of water into a reservoir, illustrating a water filtration or supply system.

Optimisez les flux, pas les stocks

De multiples solutions logicielles, et non des moindres, proposent d’optimiser les stocks. Cherchez donc sur Google « optimisation des stocks » … En fait si on

A vibrant, multicolored 3D wave-like graph with peaks and valleys, representing data points on a grid with a dark gradient background. The colors range from yellow, green, blue, to red, creating a dynamic, abstract visualization.

La loi des grands nombres

En mathématiques la loi des grands nombres est un principe fondamental de la théorie des probabilités qui stipule que, lorsque l’on répète une expérience aléatoire