專案背景
全球化的時代，每天空中都有數萬個航班飛行，儘管飛機事故發生率極低，假若不幸發生，往往會造成重大災難，因此，飛機維修是確保飛機飛行安全的重要一個步驟。某航空公司長久以來累積了許多飛機的維護紀錄，大多屬於非結構化數據且報告沒有統一標準格式，而往往飛機發生故障問題時，都是仰賴長期累積的維修經驗，找出事故發生的原因所在，使得這些龐大的數據無法發揮任何效用。
解決方案
導入IBM Watson並通過某航空公司的ERP系統環境獲取結構和非結構化數據，包括技術手冊、非例行性紀錄、技術人員筆記、庫存紀錄、故障排除紀錄、材料成本數據及飛行事故歷史紀錄等，資料載入後使用自然語言處理和先進的內容分析技術，將原始的非結構化數據轉化為事故問題的潛在因素，例如：發現在夏季因為氣溫高、乘客流量大導致輪胎更換需求頻率增加，即可及早發現並進行輪胎更換避免事故發生。
過去，技術人員大多時候都是依靠「過去經驗」來解決各類問題；現在，企業透過Watson的「認知計算」補足了人類直覺的缺乏，可吸收更大、更多樣化的數據，篩選多年的非結構化歷史數據，找到事故發生的根本原因並指引正確的解決方案。
除此之外，若在飛行中發生問題，機組人員可以立即向地面操作人員回報，Watson將搜索過去類似事故的相關數據(如：飛機必要材料、維修時間等)並進行數據比對找出解決方案；當維修技術人員進行維修時可將採納的解決方案輸入進Watson系統中，不斷地豐富Watson內部的知識庫。通過Watson，維修技術人員也可識別不同季節，事故發生的種類及趨勢，並將這些發現提供給設備製造原廠商以進行改進。
- 縮短了90%維運前置時間，效率提升近10倍
系統大幅簡化技術人員搜索資料及分析數據以確定事件發生原因，使得他們在維修上花費較少時間，將更多的時間轉換在空中航行。
- 減少班機延誤和班機取消
航空公司減少了因維修問題導致航班延誤和取消的次數，大幅提升了客戶滿意度及營運效率。
- 簡化決策
認知解決方案減輕了技術人在查找複雜事故問題答案的負擔，並減少花在搜索，匯出和分析數據上的時間，使技術人員能夠快速診斷和解決問題。
推薦引擎的作用在於幫助公司，據會員喜好推薦可能購買商品，亦對會員減少討厭的廣告信件，形成一個雙贏的局面。