L'organisation
L'Armée des États-Unis – U.S. Army – représente la plus grande section des forces armées américaines et fait partie des plus importantes organisations gouvernementales du pays. Avec plus d'un million de soldats en exercice de la Garde nationale et réservistes et près de 200 000 membres du personnel civil, l'Armée déploie un volume impressionnant d'équipements, dont des armes légères, des fusils et des mitraillettes, des chars, des camions et véhicules blindés, ainsi que des milliers de navires, d'hélicoptères et d'avions.
Le défi
À ce niveau d'équipement, les achats et la maintenance soulèvent un défi logistique de taille. Il est nécessaire d'acquérir des millions de pièces de rechange pour des centaines de milliers d'armes et de véhicules chaque année, de faire la maintenance de ces pièces parfois en territoire lointain et dangereux et de porter la responsabilité de bien faire ce travail qui n'économise pas seulement des coûts, mais sauve aussi des vies.
L'Armée a identifié le besoin de moderniser les processus au cœur de son approvisionnement, de ses budgets et de sa logistique qui représentent 80 % des coûts totaux sur le cycle de vie. La difficulté tenait à collecter et à combiner rapidement le volume massif d'informations des nomenclatures précisant chaque composant, son prix, l'équipement qu'il concerne, l'estimation de sa durée de vie et du temps moyen avant défaillance.
L'Armée tenait également à faire des requêtes rapides de données connectées afin de prévoir avec plus de précision ses besoins budgétaires et de répondre à des questions vitales sur des hypothèses – par exemple le coût de déploiement de certaines forces dans une nouvelle zone de conflit ou le délai sous lequel des chars en opération dans une zone désertique chaude et hostile peuvent avoir besoin de pièces de rechange. Ainsi, l'Armée tient prêtes les pièces nécessaires au bon endroit, au bon moment, et les commande de façon bien plus économique.
Ce niveau d'administration des données devenait de plus en plus ardu, voire impossible, sur le système mainframe vieillissant de l'Armée. Celle-ci a demandé conseil à CALIBRE, fournisseur américain reconnu de solutions IT et de conseil, spécialiste du domaine de la défense et des marchés publics.
La solution
CALIBRE a recommandé à l'Armée de migrer ses principaux processus logistiques vers une base de données de graphes Neo4j hébergée. À présent, CALIBRE finalise le transfert de
l'ensemble des données dans Neo4j et, en parallèle, fournit des rapports et répond aux besoins de l'Armée sur ces données. À l'avenir, l'équipe de l'Armée en charge des approvisionnements aura directement accès à Neo4j qui traite des informations à très grande échelle.
Preston Hendrickson, à la tête de l'équipe de 15 personnes dédiée au projet de l'Armée Américaine chez CALIBRE, indique : « Un seul fichier sur les pièces d'un char concernait 10 millions de pièces, générant plus de 15 millions de relations potentielles entre ces composants... Et ce n'est qu'une petite fraction du graphe d'ensemble. »
Les résultats
Grâce à Neo4j, l'Armée Américaine peut dorénavant stocker, explorer et visualiser rapidement ce volume colossal de données logistiques. Le contraste avec le précédent système est saisissant.
« Habituellement, il fallait 60 heures de travail pour charger les données afin que l'Armée puisse identifier le besoin de remplacer les pièces X, Y ou Z ou fournir des estimations et des analyses de coûts, » explique Preston Hendrickson. « Maintenant, il ne faut plus que sept à huit heures ».
Parfois, des millions de composants sont commandés en une fois. Avec Neo4j, l'Armée anticipe la demande en pièces de rechange et l'étale sur de multiples périodes, au lieu de le faire un trimestre à la fois.
« Il est résulte des commandes et une budgétisation bien meilleures » note Preston Hendrickson. « L'Armée obtient une estimation plus complète du coût total, mais aussi un coût total de possession (TCO) plus prévisible. »
La maintenance de l'infrastructure de la base de données occupait auparavant neuf personnes. Maintenant, avec Neo4j, seules deux personnes peuvent assurer le même niveau de travail.
Neo4j permet également à CALIBRE et à l'Armée d'utiliser des langages et des outils modernes tels que Ruby, Python et QLik pour visualiser les données, y accéder et les requêter.
« Si un analyste a une question, il obtient tout de suite une réponse au lieu de réfléchir à la façon de formuler la question avant même de pouvoir la poser, » indique Preston Hendrickson.
Auparavant, le scénario d'une nouvelle hypothèse demandait de charger de nouveau les données et de reprendre les calculs depuis le début. À présent, les requêtes et les analyses sont effectuées dans la même journée.
« Neo4j fait gagner énormément de temps aux analystes, » poursuit Preston Hendrickson. « Dorénavant, tout se trouve dans le graphe et nous pouvons voir des données plus détaillées qui étaient omises auparavant. Nous disposons maintenant de données complètes et d'un meilleur niveau de détail dans l'analyse. Les réponses sont immédiates. Par conséquent, la livraison de pièces gagne en précision et le cycle de commande est bien plus rapide. »
Il conclut avec un bénéfice encore bien plus important : « Quand nos véhicules ne risquent pas de tomber en panne en pleine opération, des vies sont sauvées. »
L'Armée des États-Unis – U.S. Army – représente la plus grande section des forces armées américaines et fait partie des plus importantes organisations gouvernementales du pays. Avec plus d'un million de soldats en exercice de la Garde nationale et réservistes et près de 200 000 membres du personnel civil, l'Armée déploie un volume impressionnant d'équipements, dont des armes légères, des fusils et des mitraillettes, des chars, des camions et véhicules blindés, ainsi que des milliers de navires, d'hélicoptères et d'avions.
Le défi
À ce niveau d'équipement, les achats et la maintenance soulèvent un défi logistique de taille. Il est nécessaire d'acquérir des millions de pièces de rechange pour des centaines de milliers d'armes et de véhicules chaque année, de faire la maintenance de ces pièces parfois en territoire lointain et dangereux et de porter la responsabilité de bien faire ce travail qui n'économise pas seulement des coûts, mais sauve aussi des vies.
L'Armée a identifié le besoin de moderniser les processus au cœur de son approvisionnement, de ses budgets et de sa logistique qui représentent 80 % des coûts totaux sur le cycle de vie. La difficulté tenait à collecter et à combiner rapidement le volume massif d'informations des nomenclatures précisant chaque composant, son prix, l'équipement qu'il concerne, l'estimation de sa durée de vie et du temps moyen avant défaillance.
L'Armée tenait également à faire des requêtes rapides de données connectées afin de prévoir avec plus de précision ses besoins budgétaires et de répondre à des questions vitales sur des hypothèses – par exemple le coût de déploiement de certaines forces dans une nouvelle zone de conflit ou le délai sous lequel des chars en opération dans une zone désertique chaude et hostile peuvent avoir besoin de pièces de rechange. Ainsi, l'Armée tient prêtes les pièces nécessaires au bon endroit, au bon moment, et les commande de façon bien plus économique.
Ce niveau d'administration des données devenait de plus en plus ardu, voire impossible, sur le système mainframe vieillissant de l'Armée. Celle-ci a demandé conseil à CALIBRE, fournisseur américain reconnu de solutions IT et de conseil, spécialiste du domaine de la défense et des marchés publics.
La solution
CALIBRE a recommandé à l'Armée de migrer ses principaux processus logistiques vers une base de données de graphes Neo4j hébergée. À présent, CALIBRE finalise le transfert de
l'ensemble des données dans Neo4j et, en parallèle, fournit des rapports et répond aux besoins de l'Armée sur ces données. À l'avenir, l'équipe de l'Armée en charge des approvisionnements aura directement accès à Neo4j qui traite des informations à très grande échelle.
Preston Hendrickson, à la tête de l'équipe de 15 personnes dédiée au projet de l'Armée Américaine chez CALIBRE, indique : « Un seul fichier sur les pièces d'un char concernait 10 millions de pièces, générant plus de 15 millions de relations potentielles entre ces composants... Et ce n'est qu'une petite fraction du graphe d'ensemble. »
Les résultats
Grâce à Neo4j, l'Armée Américaine peut dorénavant stocker, explorer et visualiser rapidement ce volume colossal de données logistiques. Le contraste avec le précédent système est saisissant.
« Habituellement, il fallait 60 heures de travail pour charger les données afin que l'Armée puisse identifier le besoin de remplacer les pièces X, Y ou Z ou fournir des estimations et des analyses de coûts, » explique Preston Hendrickson. « Maintenant, il ne faut plus que sept à huit heures ».
Parfois, des millions de composants sont commandés en une fois. Avec Neo4j, l'Armée anticipe la demande en pièces de rechange et l'étale sur de multiples périodes, au lieu de le faire un trimestre à la fois.
« Il est résulte des commandes et une budgétisation bien meilleures » note Preston Hendrickson. « L'Armée obtient une estimation plus complète du coût total, mais aussi un coût total de possession (TCO) plus prévisible. »
La maintenance de l'infrastructure de la base de données occupait auparavant neuf personnes. Maintenant, avec Neo4j, seules deux personnes peuvent assurer le même niveau de travail.
Neo4j permet également à CALIBRE et à l'Armée d'utiliser des langages et des outils modernes tels que Ruby, Python et QLik pour visualiser les données, y accéder et les requêter.
« Si un analyste a une question, il obtient tout de suite une réponse au lieu de réfléchir à la façon de formuler la question avant même de pouvoir la poser, » indique Preston Hendrickson.
Auparavant, le scénario d'une nouvelle hypothèse demandait de charger de nouveau les données et de reprendre les calculs depuis le début. À présent, les requêtes et les analyses sont effectuées dans la même journée.
« Neo4j fait gagner énormément de temps aux analystes, » poursuit Preston Hendrickson. « Dorénavant, tout se trouve dans le graphe et nous pouvons voir des données plus détaillées qui étaient omises auparavant. Nous disposons maintenant de données complètes et d'un meilleur niveau de détail dans l'analyse. Les réponses sont immédiates. Par conséquent, la livraison de pièces gagne en précision et le cycle de commande est bien plus rapide. »
Il conclut avec un bénéfice encore bien plus important : « Quand nos véhicules ne risquent pas de tomber en panne en pleine opération, des vies sont sauvées. »
Autres articles
-
Neo4j transforme son portefeuille de bases de données cloud pour accélérer l'adoption des graphes et de l’IA générative en entreprise
-
Podcast : La donnée sous tous les angles, avec Philippe Charpentier, CTO de NetApp France
-
Podcast : Données CSRD et ESG avec Nicolas Letavernier Workiva
-
Podcast : Ethique et responsabilité de l'IA, et si la clef venait des graphes de connaissance
-
Neo4j annonce sa collaboration avec Snowflake pour l'analyse prédictive et l'analyse avancée de l'IA
