یک جریان کاری پشتیبانی مهندسی جدید طراحی شده است تا به Door Energy کمک کند تا آژیرها و دفترچه های عملیاتی را به طور کارآمدتر برای پشتیبانی فنی خارج از کشور تجزیه و تحلیل کند.
انرژی دربدر حال توسعه تشخیص از راه دور با کمک هوش مصنوعی برایپلت فرم شارژ موبایل MCP-Aاین تابع برای کمک به مهندسان درب انرژی طراحی شده است تا اطلاعات هشدار را سازماندهی کنند، گزارش های عملیاتی را بررسی کنند، زمینه سیستم مربوطه را شناسایی کنند،و توسعه جهت های راه حل مشکلات بیشتر برای مشتریان خارج از کشور.
به جای این که هوش مصنوعی را جایگزین مهندسان فنی قرار دهد، Door Energy از آن به عنوان یک لایه پشتیبانی مهندسی استفاده می کند.شارژر موبایلی خودرودر خارج از کشور مستقر شده گزارش وضعیت غیرطبیعی، تیم خدمات باید بتواند این رویداد را سریعتر درک کند، چک اطلاعات تکراری را کاهش دهد،و سریع تر به سمت یک مسیر موثر برای رفع مشکل حرکت کنید.
برای مشتریانی که تجهیزات شارژ را در کشورهای مختلف کار می کنند، ارزش یک برچسب هوش مصنوعی نیست. این توانایی دریافت پشتیبانی فنی واضح تر است که در دسترس بودن تجهیزات مهم است.
![]()
تجهیزات شارژ موبایل می توانند در محیط های بسیار متفاوت کار کنند.شارژر موبایلی خودرومی تواند برای نجات جاده ای، سایت های ساختمانی، عملیات ناوگان، بنادر، فرودگاه ها، کارهای صنعتی در فضای باز، پروژه های شارژ موقت استفاده شود.یا سایر مکان هایی که زیرساخت های ثابت محدود یا در دسترس نیستنددروازه انرژی این انعطاف پذیری را در سراسر خود برجسته می کندطیف محصول شارژر موبایل EVو راه حل های متمرکز بر کاربرد.
این شرایط عملیاتی یک چالش سرویس متفاوت از تجهیزات نصب شده در یک مکان کنترل شده ایجاد می کنند. دمای، شرایط شبکه، کیفیت ارتباطات، الگوهای بارگذاری،برنامه های عملیاتی، و روش های در محل همه می توانند بر رفتار سیستم تاثیر بگذارند.
هنگامی که یک هشدار رخ می دهد، یک کد هشدار ممکن است نشان دهد که یک وضعیت غیرطبیعی تشخیص داده شده است، اما همیشه توضیح نمی دهد که چرا این رویداد رخ داده است. مهندسان همچنین ممکن است نیاز به تعیین:
در یک فرآیند پشتیبانی از راه دور معمولی، این جزئیات ممکن است در میان عکس های صفحه نمایش، گزارش ها، سوابق هشدار، توضیحات مشتری و پیام های پیگیری پخش شود.اختلافات منطقه زمانی و سطح تجربه پرسنل در محل می تواند تاخیر بیشتری ایجاد کند.
به همین دلیل است که در انرژی بر یک سوال گسترده تر از صرفا مشاهده آلارم از راه دور تمرکز می کند: چگونه مهندسان می توانند زمینه کامل عملیاتی را در اطراف یک رویداد به طور کارآمدتر درک کنند؟
هنگامی که یک سیستم MCP-A وضعیت غیرطبیعی را گزارش می کند یا یک آژیر تولید می کند،جریان کاری با کمک هوش مصنوعی برای کمک به مهندسان Door Energy در سازماندهی و تجزیه و تحلیل اطلاعات موجود قبل از ارائه راهنمایی های فنی به مشتری است.
| قدم | روند کار تشخیصی |
| 1 | اطلاعات تجهیزات و سوابق هشدار |
| 2 | سازمان زمینه خطا |
| 3 | تجزیه و تحلیل هشدار و گزارش عملیات |
| 4 | مرجع سیستم مرتبط و مورد تاریخی |
| 5 | علل احتمالی و راه حل مشکلات |
| 6 | بازنگري مهندسي انرژي در |
| 7 | پشتیبانی فنی از راه دور برای مشتری |
هدف از این جریان کار این نیست که اجازه دهد هوش مصنوعی تشخیص نهایی را بدون چک انجام دهد. نقش آن کمک به پردازش و ساختار اطلاعات است که در غیر این صورت مهندسان باید به صورت دستی بررسی کنند.این می تواند مراحل اولیه عیب یابی را متمرکز تر کند و به پرسنل فنی اجازه دهد زمان بیشتری را برای بخش هایی از مشکل که نیاز به قضاوت مهندسی دارند صرف کند..
MCP-A یک سیستم ذخیره سازی انرژی و شارژ یکپارچه است نه یک ماژول شارژ جداگانه. وقفه شارژ ممکن است مربوط به وضعیت باتری، تبدیل قدرت،مدیریت انرژی، کنترل دما، خروجی شارژ، ارتباطات، یا ترکیبی از چندین عامل.
بسته به پیکربندی واقعی تجهیزات، نسخه نرم افزار و اتصال داده های از راه دور موجود، فرآیند تشخیص ممکن است اطلاعات را از چندین زیرسیستم ترکیب کند.
وضعیت کار باتری، آژیرها و سوابق غیرطبیعی می تواند به مهندسان کمک کند تا تشخیص دهند که آیا شرایط باتری نیاز به بررسی بیشتر دارد یا خیر.
اطلاعات عملیاتی و سوابق غیرطبیعی از سیستم تبدیل قدرت می تواند از تجزیه و تحلیل جریان قدرت، رفتار تبدیل و حوادث مربوط به خروجی پشتیبانی کند.
اطلاعات مدیریت انرژی می تواند زمینه ای را برای هماهنگی در سطح سیستم و تعامل بین زیرسیستم های مختلف عملیاتی فراهم کند.
اطلاعات مدیریت حرارتی می تواند به پرسنل فنی کمک کند تا وضعیت کنترل دمای، رفتار خنک کننده و شرایط حفاظت مربوطه را ارزیابی کنند.
داده های فرآیند شارژ، وضعیت ماژول و آلارم های مرتبط می تواند به محدود کردن تحقیقات کمک کند زمانی که علائم گزارش شده شامل خروجی شارژ یا وقفه باشد.
وضعیت ارتباطات، آژیرهای تاریخی و گزارش های عملیاتی می تواند به بازسازی آنچه قبل، در طول و بعد از یک رویداد غیرطبیعی اتفاق افتاده کمک کند.
برای یک مجتمعشارژر موبایلی خودرو، ارزش تشخیص با کمک هوش مصنوعی فقط خواندن داده های بیشتر نیست.این به مهندسان کمک می کند تا نقاط داده های مختلف را در یک زمینه رویداد قرار دهند تا بتوانند روابط را ارزیابی کنند نه اینکه به هر آلارم به صورت جداگانه نگاه کنند..
یک مثال معمولی را در نظر بگیرید: یک واحد MCP-A که در یک سایت پروژه در خارج از کشور مستقر است شارژ را متوقف می کند و یک هشدار سیستم را گزارش می دهد.
در یک فرآیند پشتیبانی سنتی، مشتری ممکن است ابتدا یک تصویر از صفحه نمایش را به Door Energy ارسال کند و توضیح دهد که شارژ متوقف شده است.اما ممکن است برای یک مهندس برای شناسایی علت کافی نباشد.
گروه فنی هنوز ممکن است نیاز به تأیید پرسش هایی مانند:
اگر هر مورد باید به صورت جداگانه درخواست شود، صادر شود و بررسی شود، تیم مشتری و خدمات ممکن است قبل از شروع تحقیقات فنی واقعی چندین دور از ارتباطات را انجام دهد.
با تشخیص از راه دور با کمک هوش مصنوعی، اطلاعات مربوط به آژیر، گزارش های عملیاتی و وضعیت سیستم موجود می توانند ابتدا به یک زمینه حادثه کامل تر سازماندهی شوند.مهندسان انرژی می توانند ارزیابی کنند که کدام ناهنجاری ها اولویت دارند.، کدام سیستم ها نیاز به بازرسی بیشتر دارند و کدام مراحل رفع مشکل باید ابتدا به تیم در محل اعلام شود.
این به این معنی نیست که هر مسئله ای را می توان از راه دور حل کرد. این به این معنی است که مرحله اولیه تشخیص می تواند ساختار بیشتری داشته باشد.کمک به تیم خدمات برای تصمیم گیری در مورد اینکه آیا این مسئله می تواند از راه دور حل شود، چه اطلاعات اضافی مورد نیاز است، یا اینکه آیا بازرسی در محل ضروری است.
یک کد هشدار واحد ممکن است مکانیسم نقص کامل را نشان ندهد. با سازماندهی آلارم ها و شرایط عملیاتی از همان پنجره زمانی،مهندسان می توانند به راحتی ارزیابی کنند که آیا چندین رویداد غیرطبیعی مرتبط هستند..
عملیات طولانی مدت حجم زیادی از سوابق را تولید می کند، در حالی که مفیدترین اطلاعات ممکن است در یک دوره کوتاه قبل و بعد از رویداد متمرکز شود.هوش مصنوعی می تواند در پیدا کردن سوابق مربوطه کمک کند تا مهندسان مجبور نباشند هر ورودی را با همان اولویت بررسی کنند..
هنگامی که ترکیب های مشابه هشدار، شرایط عملیاتی یا علائم در موارد خدمات قبلی ظاهر شده است، این تجربه های رفع مشکل می تواند نقاط مرجع مفید را فراهم کند.درب انرژی می تواند دانش خدمات را به یک منبع فنی قابل استفاده مجدد سازماندهی کند به جای اینکه فقط به حافظه فردی تکیه کند.
پس از سازماندهی اطلاعات موجود، سیستم می تواند به ساختارهای سوالات عملی بعدی کمک کند: کدام زیرسیستم باید ابتدا بررسی شود؟ کدام پارامتر باید تایید شود؟آیا مشتری نیاز به ارائه اطلاعات عملیاتی اضافی دارد؟آیا این تحقیقات می تواند از راه دور ادامه یابد یا یک بازرسی فیزیکی لازم است؟
برای تجهیزات شارژ تلفن همراه در میدان، این توالی ساختاری می تواند مفیدتر از تولید یک گزارش فنی دیگر باشد.هدف این است که به مهندسان کمک کند تا اقدام موثر بعدی را تعیین کنند.
درب انرژی نقش این عملکرد را به وضوح تعریف می کند: هوش مصنوعی به تجزیه و تحلیل کمک می کند؛ مهندسان واجد شرایط همچنان مسئول قضاوت فنی هستند.
سیستم های شارژ ذخیره انرژی ترکیبی از باتری ها، الکترونیک قدرت، کنترل شارژ، ارتباطات، مدیریت حرارتی و مکانیسم های حفاظت متعدد است.مشکلات دنیای واقعی نیز ممکن است تحت تأثیر پیکربندی تجهیزات قرار گیرند، محیط عملیاتی، اتصالات خارجی و روش های در محل.
به همین دلیل، علل احتمالی و توصیه های رفع مشکل تولید شده از طریق جریان کار تشخیصی به عنوان مرجع مهندسی به جای تصمیمات نهایی بدون بررسی مورد توجه قرار می گیرند.درب پرسنل فنی انرژی قبل از ارائه راهنمایی به مشتریان، اطلاعات موجود را بررسی می کنند.
این رویکرد به Door Energy اجازه می دهد تا کارایی پردازش اطلاعات را بهبود بخشد در حالی که بررسی مهندسی حرفه ای را در مرکز تصمیمات ایمنی و خدمات تجهیزات قرار دهد.
برای مشتریانی که یکشارژر موبایلی خودرو، مهمترین سوال این نیست که آیا تامین کننده از هوش مصنوعی استفاده می کند. سوال عملی این است که آیا پشتیبانی در صورت بروز مشکل سریعتر، واضح تر و مفیدتر می شود.
مهندسان می توانند یک زمینه عملیاتی کامل تر را بررسی کنند به جای صرف مرحله اولیه از رفع مشکل به صورت دستی جمع آوری اطلاعات قطعه قطعه آلارم و لاگ.
پشتیبانی پس از فروش بین المللی می تواند با درخواست های مکرر برای تصاویر صفحه نمایش، پارامترهای اضافی یا یک فایل لاگ صادر شده دیگر کند شود.زمینه ی بهتر می تواند به کاهش ارتباطات غیرضروری کمک کند، به خصوص وقتی تیم ها در مناطق زمانی مختلف کار می کنند.
با ترکیب آژیرهای مربوطه، گزارش ها و وضعیت زیرسیستم،درب مهندسان انرژی می توانند جهت حل مشکل متمرکز تر به جای درخواست از مشتری برای بررسی یک لیست طولانی از احتمالات غیر مرتبط.
موارد پیش از رفع مشکل می تواند بخشی از یک پایگاه دانش ساختار یافته باشد که از تجزیه و تحلیل آینده رویدادهای مشابه در پروژه ها و بازارهای مختلف پشتیبانی می کند.
تشخیص از راه دور نمی تواند تمام نیاز به خدمات ساحلی را از بین ببرد. با این حال، می تواند به Door Energy کمک کند تا زودتر تعیین کند که آیا یک مشکل می تواند از راه دور مدیریت شود، چه چیزی باید بعد بررسی شود،و زمانی که در واقع نیاز به پشتیبانی در محل وجود دارد.
نتیجه ای که انتظار می رود ساده است: کاهش زمان عیب یابی قابل اجتناب و کمک به تجهیزات برای بازگشت به عملکرد عادی با کارایی بیشتر.
با گسترش راه حل های شارژ و ذخیره سازی انرژی در پروژه های بین المللی، قابلیت پس از فروش به یک بخش مهم از ارزش کلی محصول تبدیل می شود.
قدرت شارژ، ظرفیت باتری، پیکربندی کانکتور و تحرک همچنان مهم هستند زمانی که مشتریانشارژر موبایلی خودروبا این حال، هنگامی که تجهیزات وارد عملیات طولانی مدت می شوند، تشخیص از راه دور، کارایی پاسخ، دانش سرویس و پشتیبانی فنی چرخه عمر نیز بر قابلیت اطمینان پروژه تأثیر می گذارد.
تشخیص از راه دور با کمک هوش مصنوعی بخشی از تلاش های گسترده تری در Door Energy است تا پشتیبانی فنی در خارج از کشور را کارآمدتر و مقیاس پذیرتر کند.موارد درخواستدر حالی که این روش ها به طیف گسترده ای از محیط های عملیاتی که در آن راه حل های شارژ تلفن همراه می تواند مستقر شود، بازتاب می دهند.پروفایل شرکت Door Energyقابلیت های تحقیق و توسعه، تولید، سفارشی سازی و پشتیبانی پس از فروش را مشخص می کند.
جهت بلندمدت اضافه کردن هوش مصنوعی به خاطر خود آن نیست. آن را به اتصال داده های تجهیزات، تجربه مشکلات تاریخی،و تخصص مهندسی به طور موثرتر به طوری که درب انرژی می تواند از مشتریان خارج از کشور در طول چرخه زندگی تجهیزات پشتیبانی کند.
برای مشتریانی که تجهیزات شارژ تلفن همراه را برای پاسخ اضطراری، شارژ صنعتی، عملیات ناوگان یا زیرساخت های موقت ارزیابی می کنند،این قابلیت خدمات می تواند بخشی مهم از تصمیم گیری خرید در کنار مشخصات سخت افزار باشد.
این یک روند کار پشتیبانی تشخیصی است که توسط Door Energy توسعه داده شده است تا به مهندسان کمک کند آلارم ها، دفترچه کار و اطلاعات تجهیزات مرتبط را سازماندهی کنند.هدف این است که از رفع مشکلات و بهبود کارایی کمک های فنی از راه دور پشتیبانی شود.
نه. Door Energy AI را به عنوان یک ابزار پشتیبانی مهندسی قرار می دهد. پیشنهادات تشخیصی و علل احتمالی توسط پرسنل فنی بررسی می شود قبل از اینکه راهنمای رفع مشکل به مشتری ارائه شود.
بسته به پیکربندی واقعی و روش دسترسی به داده، این فرآیند ممکن است شامل اطلاعات از BMS، PCS، EMS، سیستم مدیریت حرارتی، ماژول های شارژ، وضعیت ارتباطات،سابقه هشدار، و دفترچه کار.
نه، بعضی از مشکلات ممکن است هنوز نیاز به بازرسی فیزیکی، تست قطعات یا سرویس در محل داشته باشند.تشخیص از راه دور به مهندسان درب انرژی کمک می کند تا وضعیت را زودتر درک کنند و مناسب ترین مرحله بعدی را تعیین کنند..
توسعه فعلی که در این به روزرسانی توصیف شده است بر روی MCP-A متمرکز شده است. توابع قابل استفاده می تواند به پیکربندی محصول، نسخه نرم افزار و اتصال از راه دور بستگی داشته باشد.مشتریان باید قبل از سفارش، نیازهای خاص پروژه را با Door Energy تایید کنند..
شما می توانید بررسی کنیدنمونه محصولات درب انرژی، بررسيدسته بندی شارژر خودروهای موبایل، یا بهصفحه محصول MCP-Aبرای اطلاعات مربوط به محصول
برای شرکت Door Energy، تشخیص از راه دور با کمک هوش مصنوعی برای جایگزینی تخصص مهندسی یا تبدیل مسائل خدمات پیچیده به تصمیمات یک کلیک طراحی نشده است.ارزش آن این است که به مهندسان کمک کند تا با اطلاعات تجهیزات به طور موثر کار کنند..
با سازماندهی آلارم ها، دفترچه کار، زمینه سیستم، و تجربه مشکلات تاریخی،جریان کاری تشخیصی MCP-A برای کاهش تجزیه و تحلیل تکراری و کمک به تیم های فنی Door Energy برای حرکت به سمت اقدامات مفید رفع مشکل سریع تر طراحی شده است.
این تحول همچنین منعکس کننده یک تغییر گسترده در نحوه نزدیک شدن Door Energy به پروژه های بین المللی است: از تحویل تجهیزات شارژ به ساخت یک ترکیب کامل از سخت افزار،تشخیص با کمک داده ها، و پشتیبانی فنی تحت رهبری مهندس.
اگر قصد دارید یکشارژر موبایلی خودروپروژه و می خواهد در مورد پیکربندی های MCP-A، الزامات پشتیبانی از راه دور یا نیازهای پیاده سازی بحث کند،تماس با درب انرژیبرای اطلاعات خاص پروژه.اخبار انرژی دربخش برای به روزرسانی های آینده محصول و فناوری.