?

شارژ EV همراه به طور فزاینده ای در مواردی که زیرساخت ثابت در دسترس نیست، بارگذاری بیش از حد، موقت یا بسیار کند است استفاده می شود. انبارهای ناوگان، پروژه‌های ساختمانی، تیم‌های پاسخگویی کنار جاده، بنادر، فرودگاه‌ها، اپراتورهای اجاره‌ای، و سایت‌های صنعتی از راه دور همگی می‌توانند از ظرفیت شارژی که می‌توانند با عملیات حرکت کنند، بهره‌مند شوند. اما تحرک یک چالش خدماتی ایجاد می کند که به راحتی قابل دست کم گرفتن است: زمانی که تجهیزات دور از سازنده مستقر می شوند، تشخیص عیب می تواند بیشتر از تعمیر آن طول بکشد.

برای مشتریان، نگرانی به ندرت خود کد هشدار است. آنها می خواهند بدانند که آیا واحد می تواند به کار خود ادامه دهد، آیا یک مهندس باید به سایت برود، کدام زیرسیستم باید ابتدا بررسی شود، و ظرفیت شارژ با چه سرعتی می تواند بازیابی شود. این به ویژه برای یک شارژر EV یکپارچه موبایل که ذخیره انرژی باتری، تبدیل نیرو، شارژ DC با توان بالا، مدیریت حرارتی، ارتباطات و نظارت از راه دور را در یک پلتفرم ترکیب می‌کند، مهم است.

مشکل همین استانرژی درببا تشخیص از راه دور به کمک هوش مصنوعی برای پلتفرم ذخیره و شارژ انرژی موبایل MCP-A خود به آن پرداخته است. هدف این است که اجازه ندهیم هوش مصنوعی جایگزین مهندسان فنی شود. هدف کمک به مهندسان است که آلارم‌ها و گزارش‌های عملیاتی را به طور موثرتر تجزیه و تحلیل کنند، زمینه خطا را بازسازی کنند، تحقیقات را محدود کنند و راهنمایی‌های عیب‌یابی واضح‌تر را برای مشتریان خارج از کشور ارائه دهند.

I. خرابی یک خطر تجاری است، نه فقط یک نقص فنی

تجهیزات شارژ موبایل اغلب از عملیات حساس به زمان پشتیبانی می کنند

یک شارژر عمومی ثابت در صورت خرابی ممکن است ناراحت کننده باشد، اما یک سیستم شارژ تلفن همراه ممکن است از کل برنامه عملیاتی پشتیبانی کند. ممکن است یک ناوگان برای پوشش اوج تقاضای شارژ به آن متکی باشد. یک پیمانکار ساخت و ساز ممکن است شارژر را به تجهیزات الکتریکی نزدیک کرده باشد زیرا منطقه کار فعال دور از برق دائمی است. ممکن است یک ارائه دهنده خدمات کنار جاده ای از آن به طور خاص برای بازیابی وسایل نقلیه برقی سرگردان استفاده کند.

در این موارد، خرابی می‌تواند یک واکنش زنجیره‌ای ایجاد کند: وسایل نقلیه پنجره‌های شارژ را از دست می‌دهند، برنامه‌های ارسال مختل می‌شوند، تجهیزات باید برای انرژی بیشتر سفر کنند، پروژه‌های موقت ساعات پرباری را از دست می‌دهند، و کارکنان به جای اجرای عملیات، زمانی را صرف هماهنگی پشتیبانی فنی می‌کنند. بنابراین، برای مشتری، KPI خدمات واقعی «آیا تأمین‌کننده به پیام پاسخ داد؟» نیست. اما "چقدر سریع از زنگ هشدار به اقدام مفید رفتیم؟"

تاخیر پنهان اغلب حلقه تشخیصی است

عیب‌یابی سنتی خارج از کشور می‌تواند شامل چندین دور ارتباط باشد. مشتری یک اسکرین شات می فرستد. یک مهندس یک سیاهه می خواهد. گزارش نشان می دهد که زمینه بیشتری مورد نیاز است. مشتری فایل دیگری را صادر می کند یا صفحه دیگری را بررسی می کند. اگر سازنده و تیم سایت در مناطق زمانی مختلف هستند، یک سوال اضافی می‌تواند ساعت‌ها به فرآیند اضافه کند.

به همین دلیل است که کاهش زمان از کار افتادگی تنها به معنای قابل اعتمادتر کردن سخت افزار نیست. همچنین در مورد کوتاه کردن مسیر اطلاعاتی بین تجهیزات موجود در این زمینه و مهندسانی است که سیستم را درک می کنند. یک گردش کار تشخیصی به خوبی طراحی شده باید به پاسخ سریع به سه سوال کمک کند: اول چه اتفاقی افتاد، کدام زیرسیستم مرتبط‌تر است و چه چیزی باید بعدا بررسی شود.

II. چرا تشخیص سیستم های شارژ موبایل یکپارچه سخت تر است؟

یک خطای قابل مشاهده می تواند چندین زیر سیستم را شامل شود

شارژر مدرن EV Mobile می تواند بسیار بیشتر از یک شارژر متصل به باتری باشد. در یک پلت فرم یکپارچه ذخیره سازی و شارژ، سیستم مدیریت باتری (BMS)، سیستم تبدیل نیرو (PCS)، سیستم مدیریت انرژی (EMS)، سیستم مدیریت حرارتی (TMS)، ماژول های شارژ، ارتباطات وسیله نقلیه، دستگاه های حفاظتی و پلت فرم از راه دور همگی با هم تعامل دارند.

این بدان معناست که مشتری ممکن است زنگ هشدار مربوط به شارژ را ببیند حتی زمانی که ماژول شارژ منبع اصلی مشکل نباشد. یک رویداد محافظت از باتری ممکن است توان موجود را کاهش دهد. شرایط حرارتی ممکن است باعث کاهش توان شود. قطع ارتباط ممکن است یک جلسه شارژ را متوقف کند حتی اگر الکترونیک برق سالم باشد. شرایط ورودی یا سمت شبکه ممکن است بر نحوه شارژ مجدد سیستم ذخیره سازی تأثیر بگذارد.

کد هشدار مفید است، اما توالی رویداد اهمیت بیشتری دارد

مهندسان به ندرت سیستم های پیچیده را با خواندن یک هشدار به صورت مجزا تشخیص می دهند. آنها به دنباله ای در اطراف رویداد نیاز دارند. کدام زنگ اول ظاهر شد؟ در چند ثانیه یا چند دقیقه قبل از توقف شارژ چه تغییری کرد؟ آیا دمای باتری، ولتاژ، جریان، خروجی PCS، توان شارژ، وضعیت ارتباط یا پارامتر دیگری خارج از محدوده مورد انتظار حرکت کرده است؟ کدام مقادیر نرمال باقی ماندند؟

اولین هشدار قابل مشاهده در HMI همیشه اولین رویداد در زنجیره خطا نیست. این یکی از دلایلی است که پشتیبانی از راه دور زمانی که اطلاعات به صورت اسکرین شات و فایل جداگانه می رسد کند می شود. تکنسین باید قبل از شروع عیب یابی معنادار، یک جدول زمانی را به صورت دستی بازسازی کند.

III. آنچه که تجزیه و تحلیل هوش مصنوعی Door Energy در واقع انجام می دهد

لایه هوش مصنوعی برای سازماندهی اطلاعات مهندسی طراحی شده است، نه تصمیم گیری بدون بررسی تعمیر

Door Energy در حال توسعه استگردش کار تشخیصی از راه دور با کمک هوش مصنوعی برای MCP-A. از نظر عملی، لایه هوش مصنوعی به مهندسان کمک می‌کند تا اطلاعات هشدار را سازماندهی کنند، گزارش‌های عملیاتی را بررسی کنند، زمینه سیستم مربوطه را شناسایی کنند، در صورت وجود به تجربه خدمات مرتبط ارجاع دهند، و جهت‌های عیب‌یابی ساختاریافته‌تری را توسعه دهند.

این تمایز مهم است. تشخیص به کمک هوش مصنوعی نباید به عنوان یک سیستم با یک کلیک ارائه شود که به طور خودکار تصمیم می‌گیرد کدام جزء معیوب است. ذخیره انرژی و شارژ DC با توان بالا شامل سیستم‌های الکتریکی حیاتی برای ایمنی است، بنابراین قضاوت مهندسی همچنان ضروری است. عملکرد هوش مصنوعی به عنوان یک ابزار تجزیه و تحلیل و پشتیبانی تصمیم گیری می شود و پرسنل فنی واجد شرایط یافته ها را قبل از ارائه راهنمایی به مشتری بررسی می کنند.

چه اطلاعاتی می تواند تجزیه و تحلیل را پشتیبانی کند؟

داده‌های دقیق موجود به پیکربندی MCP-A، نسخه نرم‌افزار و روش دسترسی به داده از راه دور بستگی دارد، اما گردش کار تشخیصی می‌تواند با اطلاعات سیستم‌هایی مانند:

• داده های BMS، از جمله وضعیت باتری، ولتاژ، دما، رویدادهای حفاظتی و هشدارهای مربوط به سمت باتری.
• داده های PCS، از جمله وضعیت تبدیل توان، رفتار ورودی/خروجی، ولتاژ، جریان و اطلاعات حفاظتی.
• رکوردهای EMS که به نشان دادن نحوه مدیریت انرژی سیستم قبل و در طول رویداد کمک می کند.
• اطلاعات مدیریت حرارتی که می‌تواند محدودیت‌های مربوط به دما، رفتار سرمایش یا واکنش‌های حفاظتی را نشان دهد.
• داده‌های ماژول شارژ و جلسه، از جمله توان خروجی و اطلاعات مربوط به شارژ خودرو.
• سوابق ارتباطی و پلت فرمی که می تواند به تشخیص خطای الکتریکی از مشکل اتصال یا پروتکل کمک کند.
• موارد عیب‌یابی تاریخی که ممکن است به مهندسان کمک کند ترکیبی از علائم را که قبلاً دیده‌اند شناسایی کنند.

از لاگ های خام گرفته تا عیب یابی اولویت بندی شده

ارزش تجزیه و تحلیل هوش مصنوعی این نیست که بتواند داده های بیشتری را بخواند. ارزش آن این است که می تواند به ساختار داده ها در اطراف حادثه کمک کند. یک گردش کار عملی عبارت است از: داده‌ها و آلارم‌های تجهیزات ← سازمان با زمینه خطا ← تجزیه و تحلیل گزارش عملیاتی ← مرجع مربوط به سیستم و پرونده تاریخی ← علل احتمالی ← اولویت‌های عیب‌یابی ← بررسی مهندس انرژی درب ← راهنمایی مشتری.

برای یک مشتری خارج از کشور، این می تواند مکالمه پشتیبانی را مفیدتر کند. تیم سایت به جای دریافت یک درخواست عمومی برای «بررسی شارژر»، می‌تواند دستورالعمل متمرکزتری درباره اینکه کدام زیرسیستم، اتصال، شرایط عملیاتی یا پارامتر باید ابتدا تأیید شود، دریافت کند.

چرا همبستگی بیش از جمع آوری داده های بیشتر اهمیت دارد

تجهیزات شارژ صنعتی می توانند حجم زیادی از رکوردهای وضعیت را ایجاد کنند، اما داده های بیشتر به طور خودکار به معنای تشخیص سریع تر نیست. سوال مفید این است که آیا اطلاعات را می توان با لحظه ای که شرایط غیرعادی رخ داده است مرتبط کرد یا خیر. برای مثال، یک توالی مهر زمانی می‌تواند نشان دهد که آیا یک رویداد حفاظتی BMS قبل از کاهش خروجی PCS ظاهر می‌شود، آیا شرایط حرارتی ایجاد شده قبل از محدود شدن توان شارژ ایجاد شده است یا اینکه آیا ارتباط قطع شده است در حالی که مقادیر الکتریکی طبیعی باقی مانده است.

این نوع همبستگی به مهندسان کمک می‌کند تا یک رویداد اولیه احتمالی را از آلارم‌های ثانویه که به این دلیل ظاهر می‌شوند که سیستم قبلاً وارد حالت حفاظتی شده است، جدا کنند. همچنین خطر صرف زمان با ارزش پشتیبانی را برای قابل مشاهده ترین زنگ هشدار به جای مرتبط ترین علت کاهش می دهد. برای مشتری، این مزیت عملی است: درخواست‌های مکرر کمتر برای اسکرین‌شات‌های نامرتبط، توضیح واضح‌تر از آنچه که داده‌ها نشان می‌دهند، و اولین مجموعه بررسی متمرکزتر.

IV. یک سناریوی خطای واقعی: از هشدار شارژ تا جهت ریشه‌ای

چرا اولین هشدار قابل مشاهده می تواند تکنسین ها را در جهت اشتباه راهنمایی کند؟

یک سناریوی ناوگان گویا را در نظر بگیرید. یک واحد MCP-A از یک جلسه شارژ با توان بالا پشتیبانی می کند و جلسه به طور غیرمنتظره ای متوقف می شود. اپراتور یک زنگ هشدار مربوط به شارژ را روی صفحه می بیند و گزارش می دهد که "شارژر از کار افتاده است." اگر پشتیبانی فقط بر روی زنگ قابل مشاهده متمرکز باشد، اولین فرض ممکن است این باشد که ماژول شارژ یا رابط خودرو از کار افتاده است.

یک بررسی گسترده تر می تواند داستان متفاوتی را بیان کند. جدول زمانی عملکرد ممکن است نشان دهد که ابتدا پارامتر سمت باتری تغییر کرده است، سپس قدرت شارژ کاهش یافته است، به آستانه حفاظت رسیده است، و هشدار شارژ تنها پس از واکنش سیستم ظاهر می شود. در مورد دیگر، این توالی می تواند نشان دهنده یک قطع ارتباط قبل از توقف تحویل برق باشد. علائم به نظر مشتری شبیه است، اما مسیرهای عیب یابی بسیار متفاوت است.

چگونه تجزیه و تحلیل به کمک هوش مصنوعی جریان کار را تغییر می دهد

به جای درخواست از یک مهندس برای مقایسه دستی سوابق جداگانه از چندین سیستم، گردش کار با کمک هوش مصنوعی می‌تواند به آوردن آلارم‌های مربوطه، ورودی‌های گزارش و تغییرات عملیاتی در یک زمینه حادثه کمک کند. می‌تواند ترتیب رویداد را برجسته کند، اطلاعات زیرسیستم مرتبط را شناسایی کند و با سازمان‌دهی علل احتمالی و اولویت‌های عیب‌یابی برای بررسی فنی، به محدود کردن تحقیقات کمک کند.

مهندس هنوز تصمیم می گیرد که شواهد به چه معنا باشند. اما مهندس با یک مشکل باریکتر و سازماندهی شده شروع می کند. نتیجه ممکن است یک بررسی پیکربندی از راه دور، یک درخواست برای یک اندازه‌گیری خاص در محل، یک بازرسی هدفمند از یک اتصال دهنده یا زیرسیستم، یا تصمیم واضح مبنی بر اینکه خدمات در محل ضروری است باشد. در هر مورد، هدف کاهش چرخه های تشخیصی کم ارزش قبل از شروع اقدام مناسب است.

مشتری پس از تجزیه و تحلیل چه چیزی باید دریافت کند؟

خروجی مفید یک پاسخ خام هوش مصنوعی یا یک لیست طولانی از هر خطای احتمالی نیست. یک فرآیند پشتیبانی از راه دور حرفه ای باید تجزیه و تحلیل را به یک برنامه عملیاتی بازبینی شده توسط مهندس تبدیل کند. این ممکن است شامل توالی رویداد مشاهده‌شده، زیرسیستم‌ای که شایسته اولویت است، بررسی‌هایی که می‌تواند با خیال راحت توسط تیم سایت انجام شود، اندازه‌گیری یا گزارش اضافی که هنوز مورد نیاز است، و نشانه‌ای واضح از اینکه آیا مورد برای تفکیک از راه دور مناسب است یا باید به خدمات در محل افزایش یابد، باشد.

این مهم است زیرا زمان از کار افتادگی در خارج از کشور اغلب به دلیل عدم اطمینان به جای خود تعمیر فیزیکی افزایش می یابد. اگر تیم فنی بتواند زودتر تشخیص دهد که یک مورد نیاز به بازرسی فیزیکی دارد، مشتری می تواند زودتر دسترسی به سایت، پرسنل خدمات، ابزارها یا قطعات یدکی را ترتیب دهد. اگر شواهد در عوض به مشکل ارتباط، پیکربندی یا شرایط عملیاتی اشاره می‌کنند که می‌توان از راه دور به آن رسیدگی کرد، ممکن است از بازدید خدمات غیرضروری اجتناب شود. هدف این نیست که قول بدهیم هر مشکلی را می توان از راه دور حل کرد. این است که مسیر تصمیم گیری سریعتر و آگاهانه تر باشد.

V. آنچه مشتریان باید قبل از اتکا به تشخیص از راه دور بدانند

تشخیص از راه دور به کیفیت داده ها و زمینه سیستم بستگی دارد

هوش مصنوعی نمی تواند اطلاعاتی را که در دسترس نیست تجزیه و تحلیل کند. بنابراین مشتریانی که شارژر EV سیار را ارزیابی می کنند باید فراتر از توان شارژ و ظرفیت باتری نگاه کنند و بپرسند که چگونه تامین کننده تجهیزات را پس از نصب پشتیبانی می کند. پرسش‌های مفید عبارتند از اینکه آیا می‌توان به زنگ‌ها و گزارش‌ها از راه دور دسترسی داشت، کدام زیرسیستم‌ها برای تیم خدمات قابل مشاهده هستند، نسخه‌های نرم‌افزار چگونه ردیابی می‌شوند، آیا موارد تاریخی حفظ می‌شوند و چگونه توصیه‌های عیب‌یابی نهایی بررسی می‌شوند.

تیم های سایت نیز مهم هستند. یک مهندس از راه دور ممکن است بتواند یک خطا را به یک منطقه خاص محدود کند، اما شرایط فیزیکی مانند اتصالات آسیب دیده، کابل کشی شل، آلودگی، آسیب ضربه، صدای غیرعادی یا سایر مسائل قابل مشاهده ممکن است همچنان نیاز به بازرسی محلی داشته باشند. تشخیص از راه دور زمانی مؤثر است که شواهد دیجیتال و مشاهدات در محل از یکدیگر پشتیبانی کنند.

بهترین سوال این نیست که "آیا هوش مصنوعی دارد؟"

برای خریداران، «فعالیت با هوش مصنوعی» بیش از حد مبهم است که یک معیار خرید مفید باشد. مجموعه بهتری از سوالات این است: سیستم چه داده هایی را می تواند تجزیه و تحلیل کند؟ آیا به دنباله رویدادها نگاه می کند تا زنگ های منفرد؟ آیا می تواند به چندین زیرسیستم ارجاع دهد؟ آیا جهت عیب یابی اولویت بندی شده را تولید می کند؟ آیا یک مهندس مسئول بررسی خروجی است؟ و چگونه تامین کننده از گردش کار برای حمایت از مشتریان خارج از کشور استفاده می کند؟

این شرکت همچنین نقش هوش مصنوعی و تشخیص از راه دور را در آن توضیح می دهدسوالات متداول فنیاز جمله اینکه این سیستم برای کمک به مهندسان به جای تصمیم گیری نهایی تعمیرات به صورت خودکار در نظر گرفته شده است.

چک لیست خریدار عملی برای پشتیبانی از راه دور

قبل از خرید یک ذخیره‌سازی انرژی و سیستم شارژ موبایل برای یک پروژه خارج از کشور، خریداران باید تشخیص‌های پس از فروش را به‌عنوان بخشی از مشخصات فنی بدانند نه به عنوان یک بحث خدمات جداگانه. سوالات مفید برای تامین کننده عبارتند از:

• در صورت بروز خطا، تیم خدمات به کدام آلارم ها، گزارش های عملیاتی و پارامترهای زیرسیستم می تواند دسترسی داشته باشد؟
• آیا تامین کننده می تواند اطلاعات BMS، PCS، EMS، مدیریت حرارتی، شارژ و ارتباطات را در یک جدول زمانی حادثه بررسی کند؟
• آیا فرآیند تشخیصی بین اولین رویداد غیرعادی و هشدارهای حفاظتی ثانویه تمایز قائل می شود؟
• آیا مهندسان می توانند به جای درخواست از تیم سایت برای بررسی هر زیرسیستم، مراحل عیب یابی اولویت بندی شده را ارائه دهند؟
• چه کسی قبل از ارسال دستورالعمل‌های فنی به مشتری، تحلیل‌های ایجاد شده توسط هوش مصنوعی را بررسی می‌کند؟
• هنگامی که به بازرسی فیزیکی، تعویض قطعه یا تکنسین محلی نیاز است، موارد راه دور چگونه تشدید می شوند؟

این سوالات به ویژه برای اپراتورهای ناوگان، شرکت‌های اجاره، توزیع‌کنندگان و صاحبان پروژه‌هایی که تجهیزات آنها ممکن است دور از کارخانه اصلی کار کند، مهم است. هرچه فرآیند اطلاعات و تشدید قوی‌تر باشد، تبدیل نظارت از راه دور به ارزش خدمات واقعی به جای یک ویژگی نرم‌افزار دیگر آسان‌تر است.

VI. چگونه MCP-A ذخیره انرژی، شارژ سریع و پشتیبانی هوشمند را ترکیب می کند

MCP-A چیزی بیش از یک شارژر DC موبایل است

راDoor Energy MCP-A ذخیره سازی انرژی موبایل و پلت فرم شارژ EVبه عنوان یک پلت فرم انرژی یکپارچه به جای یک شارژر تک منظوره طراحی شده است. در پلتفرم MCP-A، پیکربندی MCP-AP متصل به PV، 210 کیلووات ساعت ذخیره انرژی باتری را با حداکثر 180 کیلووات توان شارژ DC، رابط‌های CCS1 یا CCS2، ارتباطات OCPP 1.6J، مدیریت حرارتی مایع، ورودی و خروجی AC و قابلیت ورودی فتوولتائیک ترکیب می‌کند.

هر قابلیتی در یک پروژه واقعی اهمیت دارد. باتری 210 کیلووات ساعتی یک بافر انرژی در جایی که ظرفیت شبکه محدود است یا زیرساخت شارژ موقت است، فراهم می کند. خروجی DC پرقدرت از برنامه هایی پشتیبانی می کند که وسایل نقلیه یا تجهیزات نمی توانند منتظر شارژ آهسته باشند. پیکربندی مجهز به PV همچنین از تفنگ‌های شارژ دوگانه با تخصیص قدرت پویا استفاده می‌کند، که اجازه می‌دهد تا زمانی که برنامه عملیاتی به شارژ همزمان نیاز دارد، توان شارژ موجود بین دو خودرو توزیع شود. گزینه‌های CCS1/CCS2 به پیکربندی واحد برای بازارهای هدف مختلف کمک می‌کنند، اتصال OCPP از ادغام با پلت‌فرم‌های مدیریت شارژ پشتیبانی می‌کند، و خنک‌کننده مایع از کنترل حرارتی در یک سیستم پرانرژی و توان بالا پشتیبانی می‌کند.

مزیت محصول ترکیبی از هوش سخت افزاری و خدماتی است

شارژر EV سیار که دور از سازنده استفاده می شود نباید تنها با کیلووات و کیلووات ساعت ارزیابی شود. مشتریان همچنین باید بدانند که چگونه تجهیزات در طول عمر عملیاتی آن نظارت و پشتیبانی می شود. اینجاست که تشخیص به کمک هوش مصنوعی لایه‌ای از ارزش را به MCP-A اضافه می‌کند: ذخیره‌سازی انرژی، شارژ با توان بالا، اطلاعات از راه دور، تجزیه و تحلیل با پشتیبانی از هوش مصنوعی و پشتیبانی فنی به رهبری مهندس به عنوان بخشی از یک مدل عملیاتی در نظر گرفته می‌شوند.

برای مشتریانی که می خواهند توانایی های تولید، مهندسی، سفارشی سازی و پس از فروش گسترده تر شرکت را درک کنند، اطلاعات اضافی دردرباره انرژی دربصفحه و در سراسر آنمنابع راه حل شارژ موبایل.

VII. جایی که تشخیص از راه دور به کمک هوش مصنوعی می تواند بیشترین ارزش را داشته باشد

اپراتورهای ناوگان و ارائه دهندگان خدمات شارژ

اپراتورهای ناوگان به در دسترس بودن وسیله نقلیه، پنجره های شارژ و برنامه های اعزام اهمیت می دهند. اگر یک واحد شارژ در یک دوره اوج در دسترس نباشد، تأثیر عملیاتی می تواند به سرعت گسترش یابد. تجزیه و تحلیل سریعتر زمینه خطا می تواند به تیم خدمات کمک کند تا تصمیم بگیرد که آیا مشکل ممکن است از راه دور حل شود، آیا یک طرح شارژ پشتیبان مورد نیاز است یا اینکه آیا مداخله در محل باید ترتیب داده شود. برای ارائه دهندگان شارژ کنار جاده و اضطراری، همین اصل حتی مستقیم تر است: شارژر EV موبایل بخشی از خدمات پاسخگویی است، بنابراین بازیابی قابلیت شارژ به سرعت از قابلیت اطمینان خدمات مشتری محافظت می کند.

پروژه های ساختمانی و صنعتی از راه دور

سایت‌های ساختمانی، معادن، بنادر، فرودگاه‌ها و سایر محیط‌های صنعتی دورافتاده ممکن است تجهیزات را دور از یک مرکز خدمات قرار دهند و در عین حال آن‌ها را در معرض تغییر مناطق کاری، دسترسی محدود به شبکه، چرخه‌های کاری سخت، یا شرایط عملیاتی متغیر قرار دهند. شارژ موبایل مشکل دسترسی به انرژی را حل می کند، اما مدل پشتیبانی باید به همان اندازه انعطاف پذیر باشد. تجزیه و تحلیل از راه دور زمانی بیشترین ارزش را دارد که به جلوگیری از بازدید غیرضروری از سایت کمک کند یا اطمینان حاصل کند که بازدید ضروری با زیرسیستم، ابزارها و طرح خدماتی که قبلاً شناسایی شده است آغاز می شود.

شرکت های اجاره و توزیع کنندگان خارج از کشور

برای ناوگان و توزیع کنندگان اجاره ای، یک تیم فنی ممکن است تجهیزات را در بسیاری از مکان های مشتری بدون تخصص در سطح کارخانه برای هر مشکل BMS، PCS، EMS، حرارتی، شارژ یا ارتباط پشتیبانی کند. یک گردش کار با کمک هوش مصنوعی می تواند پل ساختارمندتری را بین تیم خدمات محلی و مهندسان کارخانه ایجاد کند. این امر بار اطلاعاتی را بر روی پرسنل محلی کاهش می دهد، به سازنده کمک می کند تا زودتر در تجزیه و تحلیل عیب شرکت کند، و می تواند پشتیبانی پس از فروش را مقیاس پذیرتر کند زیرا تجهیزات در چندین شهر یا کشور مستقر هستند.

هشتم. سوالات متداول

Q1. تشخیص از راه دور با کمک هوش مصنوعی برای MCP-A چیست؟

این یک گردش کار مهندسی-پشتیبانی است که برای MCP-A برای کمک به سازماندهی و تجزیه و تحلیل آلارم ها، گزارش های عملیاتی، زمینه سیستم و اطلاعات مربوط به خدمات توسعه یافته است. خروجی از مهندسان در شناسایی علل احتمالی و تصمیم گیری در مورد آنچه که باید ابتدا بررسی شود، پشتیبانی می کند.

Q2. آیا هوش مصنوعی به طور خودکار تصمیم نهایی را برای تعمیر می گیرد؟

خیر. هوش مصنوعی به عنوان لایه پشتیبانی برای مهندسین فنی استفاده می شود. پیشنهادات تشخیصی، علل احتمالی و دستورالعمل‌های عیب‌یابی همچنان در معرض بررسی مهندسی حرفه‌ای قرار دارند.

Q3. چه نوع اطلاعات سیستمی می تواند به تجزیه و تحلیل مربوط باشد؟

بسته به پیکربندی واقعی و دسترسی به داده‌های موجود، اطلاعات مربوطه می‌تواند شامل BMS، PCS، EMS، مدیریت حرارتی، ماژول شارژ، ارتباطات، پلت‌فرم، زنگ هشدار و رکوردهای گزارش عملیات باشد.

Q4. آیا تشخیص به کمک هوش مصنوعی می تواند زمان خرابی را کاهش دهد؟

می تواند با سازماندهی داده ها و محدود کردن تحقیقات زودتر به کاهش تاخیر تشخیصی قابل اجتناب کمک کند. زمان واقعی تعمیر همچنان به خطا، در دسترس بودن داده ها، شرایط سایت، قطعات مورد نیاز و اینکه آیا مداخله فیزیکی ضروری است بستگی دارد.

Q5. آیا MCP-A از توسعه تشخیصی از راه دور پشتیبانی می کند؟

بله. قابلیت تشخیص از راه دور با کمک هوش مصنوعی در پشتیبانی پس از فروش MCP-A ادغام شده است تا به مهندسان کمک کند آلارم ها و گزارش های عملیاتی را به طور موثرتری برای خدمات خارج از کشور تجزیه و تحلیل کنند.

Q6. آیا تشخیص از راه دور برای توزیع کنندگان و همچنین کاربران نهایی مفید است؟

بله. توزیع کنندگان و تیم های خدمات محلی می توانند از مسیر تشدید ساختار یافته تری به مهندسان کارخانه بهره مند شوند. این به ویژه زمانی مفید است که تجهیزات در چندین شهر یا کشور مستقر شده باشند و تیم محلی به راهنمایی در سطح کارخانه نیاز داشته باشد.

Q7. خریداران هنگام ارزیابی تجهیزات شارژ هوشمند چه چیزی را باید مقایسه کنند؟

نه تنها ظرفیت باتری و قدرت شارژ، بلکه سازگاری کانکتور، پروتکل های ارتباطی، مدیریت حرارتی، قابلیت نظارت، در دسترس بودن داده های تشخیصی، فرآیندهای پشتیبانی از راه دور، بررسی مهندسی، برنامه ریزی قطعات یدکی و توانایی تامین کننده برای پشتیبانی از تجهیزات پس از راه اندازی را نیز مقایسه کنید.

IX نتیجه‌گیری: تشخیص دقیق‌تر در نهایت باید به معنای زمان کار بهتر باشد

هوش مصنوعی در حال تبدیل شدن به زبان رایج در فناوری صنعتی است، اما مشتریان به خودی خود از برچسب هوش مصنوعی بهره نمی برند. آنها زمانی سود می برند که فناوری یک فرآیند عملیاتی واقعی را کوتاه کند. برای شارژ EV موبایل، یکی از واضح‌ترین فرصت‌ها مسیر تشخیص عیب تا اقدام مفید عیب‌یابی است.

رویکرد MCP-A بر آن مشکل عملی متمرکز است. با کمک به مهندسان در سازماندهی آلارم‌ها، تجزیه و تحلیل گزارش‌های عملیاتی، درک بافت متقابل سیستم، مرجع تجربه خدمات مرتبط و دستورالعمل‌های عیب‌یابی ساختار، هوش مصنوعی می‌تواند پشتیبانی فنی از راه دور را متمرکزتر کند و در عین حال بازبینی مهندسی حرفه‌ای را در مرکز فرآیند نگه دارد.

برای مشتریانی که شارژر EV موبایل را در عملیات ناوگان، ساخت و ساز، پشتیبانی کنار جاده‌ای، فرودگاه‌ها، بنادر، ناوگان اجاره‌ای یا سایر برنامه‌های راه دور استفاده می‌کنند، این قابلیت خدمات می‌تواند به اندازه مشخصات سخت‌افزاری اهمیت داشته باشد. قوی‌ترین راه‌حل شارژ تلفن همراه تنها راه‌حلی نیست که می‌تواند انرژی را در جایی که زیرساخت ثابت نمی‌تواند ارائه کند، ارائه کند. هنگامی که تجهیزات از افرادی که آن را طراحی کرده اند دور باشد، می توان آن را نظارت، درک و پشتیبانی کرد.

برای کسب اطلاعات بیشتر در مورد MCP-A، پیکربندی های پروژه، یا قابلیت های پشتیبانی از راه دور Door Energy، به سایت مراجعه کنید.انرژی دربیا اطلاعات محصول MCP-A را برای جزئیات فنی پروژه بررسی کنید.