קטרפילר התמודדה במשך שנים עם אתגרים הנוגעים לזמן השבתה לא מתוכנן ושימוש לא יעיל בציוד. מכונות החברה ושיירות הציוד סבלו מתקלות פתאומיות שהובילו לזמני המתנה ארוכים ויקרים. התחזוקה בוצעה לרוב לפי לוחות זמנים קבועים מראש, ללא קשר למצבה בפועל של המכונה. תפיסה זו גרמה לא פעם להחלפה מיותרת של חלקים תקינים לחלוטין ולרכש של ציוד חלופי. במקביל, רכיבים פגומים שלא אותרו מבעוד מועד יצרו כשלים חמורים, שניפחו את הוצאות התיקון לסכומי עתק לאחר שהמערכת כבר קרסה.
כדי לפתור זאת, קטרפילר הרחיבה את השימוש במערכות טלמטריה ובחיישנים מובנים. החברה החלה לאסוף נתוני הפעלה כגון שעות עבודה, טמפרטורת נוזלים ולחצים מציוד בנייה וכרייה, ומכלי שיט, כמעט בזמן אמת. נתונים אלה שודרו מן המכונות אל שרתי ענן ייעודיים. הפלטפורמה ריכזה את המידע וסיפקה לסוכנים וללקוחות החברה תמונת מצב אמינה בלוח בקרה אחד ששיקף את מצב הציוד בכל רגע נתון.
תשתית זו סללה את הדרך לפיתוח פתרונות ניתוח מתקדמים ושיפור צורת העבודה בשטח. החברה בנתה מערכת המבוססת על יותר מ-40 מיליון שעות ניטור מכונות, שבחנה ברציפות נתוני חיישנים לאיתור ירידה בביצועים וחריגות ברכיבים קריטיים כגון מנועים ומערכות מיזוג אוויר. היכולת לאתר חריגות תורגמה להמלצות מעשיות שהנחו את הצוותים האם וכיצד להתערב, ואפשרו פעולת תחזוקה מונעת הרבה לפני שהתרחשה השבתה יקרה בשטח.
ההמלצות האלגוריתמיות הפכו לבעלות ערך עסקי של ממש כשהן חוברו ישירות למערכות ניהול התחזוקה של הלקוחות. בכל פעם שהתוכנה זיהתה צורך בטיפול, היא הפיקה הזמנת עבודה קבועה והפנתה אותה לביצוע במועד הנוח הבא, או באופן מיידי כאשר התגלה סיכון גבוה. הפקת הפעולות האוטומטית הסירה מהעובדים את נטל הבקרה והרישום האדמיניסטרטיבי. מהלך זה מנע טעויות אנוש וסיפק תגובה מיידית ויעילה לטיפול בתקלות.
מרכיבי הפרויקט נבדקו היטב במספר מקומות התנסות בשטח. לדוגמה, נתוני הטלמטריה במחצבה הראו כי צי המשאיות רשם נתוני סרק וזמן המתנה ארוכים וללא תמורה למגרסה המרכזית. צוות התפעול הבין שהמסלולים ואופן הפריקה יוצרים בעיה, והחליט לשנות את סדרי הפריקה ולסלול סביבת המתנה קרובה. הניתוח המבוסס הוריד את שיעור זמן הבטלה מיותר מ-50 אחוזים לסביבות ה-20 אחוזים והגביר את פריקת החומר במגרסה ב-1,600 טונות ליום נתון.
הניתוח האלגוריתמי יושם בהצלחה ניכרת גם בתחומים ימיים והציג החזר השקעה מהיר. הצוות בחן באופן רציף נתונים מלמעלה מ-500 יחידות של מערכות מיזוג אוויר בכלי שיט, והצליח להתאים את עוצמות הקירור באופן מדויק שעזר בהפחתת צריכת החשמל. חיסכון זה התבטא במניעת הוצאה שנתית של עד כחצי מיליון דולרים מאונייה אחת. ניבוי התקלות מנע גם היסדקויות מכלולים מכניים, כל חיווי כזה חסך לחברות כ-450 אלף דולרים לעומת מצב שבו החלק היה קורס ללא אזהרה מוקדמת.
מנגד, הצלחות הפרויקט תלויות בסופו של דבר באמון האנושי במערכת. באחד המקרים הבולטים של חברת ההובלה הימית, המערכת זיהתה בעיה ממשמשת ובאה במשאבות הדלק המרכזיות, והתרעה מדויקת הופצה למסכים. ואולם, צוותי ההפעלה באונייה התעלמו במפגיע מהאזהרה והחליטו להמשיך להפעילה באופן רציף ושגרתי. הבחירה המוטעית הובילה להתבקעות הרכיב ויצרה הפסד מיידי ועלות תיקונים שעמדו על 53 אלף דולרים שיכלו להיחסך אם האזהרה לא הייתה זוכה להתעלמות.
אירוע זה חידד את הצורך בשילוב כלי העבודה כמה שיותר קרוב למפעיל הפיזי. קטרפילר הטמיעה מערכת סייען קולי מבוסס בינה מלאכותית בתוך תאי הנהיגה. העוזר הקולי מספק מידע כגון קריאת מונים, המלצות הפעלה בזמן אמת ותדרוכי בטיחות, וזאת ללא צורך בהדפסת דפים ובמעבר על מסכים סבוכים. השקעה זו מקרבת את הבינה המלאכותית לחזית העבודה ומסייעת בידי עובדים חדשים או פחות מנוסים להתמודד עם הנחיות פלטפורמת התחזוקה באופן ישיר ונוח מבלי לפגום בריכוז בזמן העבודה.

