?

شارژ EV سیار به طور فزاینده ای مورد استفاده قرار می گیرد که زیرساخت شارژ ثابت در دسترس نیست، بارگذاری بیش از حد، موقتی یا بسیار کند است. 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. با این حال، خریداران هنوز تمایل دارند که سیستم‌های شارژ موبایل را عمدتاً بر اساس ظرفیت باتری، توان شارژ، نوع رابط و طراحی فیزیکی مقایسه کنند.

هنگامی که تجهیزات در میدان کار می کنند، یک سوال متفاوت به همان اندازه مهم می شود: سازنده چقدر سریع می تواند بفهمد که وقتی سیستم یک وضعیت غیرعادی را گزارش می کند چه اتفاقی می افتد؟ یک مدرنشارژر EV موبایلتنها مجموعه ای از باتری ها و ماژول های شارژ نیست. این یک سیستم انرژی یکپارچه است که در آن مدیریت باتری، تبدیل نیرو، مدیریت انرژی، کنترل حرارتی، ارتباطات شارژ، نظارت از راه دور و منطق نرم‌افزاری همگی بر نتیجه عملیاتی نهایی تأثیر می‌گذارند.

به همین دلیل است که Door Energy توسعه محصول را فراتر از سخت افزار گسترش می دهد. این شرکت دارای یک تیم نرم‌افزار داخلی، حق نسخه‌برداری نرم‌افزار ثبت‌شده برای سیستم کنترل مدیریت انرژی (MCS System) V1.0 و یک گردش کار تشخیصی با کمک هوش مصنوعی در حال توسعه برای MCP-A است. حق چاپ عملکرد هوش مصنوعی را تأیید نمی کند. این نشان می‌دهد که R&D نرم‌افزار بخشی از پشته فناوری Door Energy است، در حالی که تجزیه و تحلیل گزارش هوش مصنوعی برای عیب‌یابی ساختاریافته‌تر در خارج از کشور بر این پایه استوار است.

I. خرابی شارژ موبایل یک مشکل نرم افزاری و همچنین مشکل سخت افزاری است

هزینه یک خطا اغلب عملیاتی است، نه فقط فنی

یک خطای شارژ ممکن است مانند یک رویداد فنی روی صفحه نمایش به نظر برسد، اما مشتری آن را به عنوان یک اختلال در کار تجربه می کند. یک ناوگان می تواند پنجره شارژ برنامه ریزی شده را از دست بدهد. ممکن است یک پیمانکار مجبور شود تجهیزات الکتریکی را از منطقه کار دور کند تا نیرو پیدا کند. یک ارائه‌دهنده خدمات کنار جاده‌ای ممکن است ظرفیت شارژی را که برای بازیابی خودروهای سرگردان نیاز دارد از دست بدهد. شرکت‌های اجاره‌ای و توزیع‌کنندگان ممکن است مشتریانی داشته باشند که منتظر پاسخ باشند در حالی که تیم خدمات کارخانه چندین منطقه زمانی دورتر است.

در این شرایط، KPI خدمات واقعی صرفا این نیست که آیا تامین کننده به یک پیام پاسخ می دهد یا خیر. سوال مفیدتر این است که فرآیند پشتیبانی با چه سرعتی از «شارژر متوقف شده» به یک اقدام متمرکز بعدی منتقل می‌شود. این اقدام ممکن است یک بررسی پیکربندی از راه دور، یک بازرسی هدفمند، یک درخواست برای یک اندازه گیری خاص، یا تصمیمی در مورد نیاز به یک مهندس در محل و قطعه یدکی باشد.

تاخیر پنهان معمولا حلقه تشخیصی است

عیب‌یابی سنتی از راه دور می‌تواند شامل درخواست‌های اطلاعاتی مکرر باشد. مشتری یک اسکرین شات هشدار ارسال می کند. مهندس یک گزارش عملیاتی می خواهد. گزارش نشان می دهد که زمینه بیشتری مورد نیاز است، بنابراین سایت فایل دیگری را صادر می کند یا رابط دیگری را بررسی می کند. یک سوال اضافی می تواند ساعاتی را اضافه کند که مشتری و سازنده در مناطق مختلف کار می کنند.

بنابراین کاهش زمان از کار افتادگی به چیزی بیش از سخت افزار قابل اعتماد نیاز دارد. همچنین نیازمند یک مسیر اطلاعاتی کوتاه‌تر بین تجهیزات موجود در این زمینه و مهندسانی است که سیستم را درک می‌کنند. اینجاست که معماری نرم افزار، ثبت رویدادها، دسترسی از راه دور به داده ها و تجزیه و تحلیل به کمک هوش مصنوعی شروع به تأثیرگذاری بر عملکرد پس از فروش می کنند.

II. چرا سیستم های ذخیره و شارژ انرژی یکپارچه داده های تشخیصی پیچیده ای تولید می کنند؟

یک هشدار قابل مشاهده می تواند چندین زیرسیستم را شامل شود

یک شارژر EV یکپارچه موبایل می تواند شامل سیستم مدیریت باتری (BMS)، سیستم تبدیل نیرو (PCS)، سیستم مدیریت انرژی (EMS)، سیستم مدیریت حرارتی (TMS)، ماژول های شارژ، ارتباطات خودرو، دستگاه های حفاظتی، ارتباطات شبکه و پلت فرم خدمات از راه دور باشد. در پیکربندی با ورودی فتوولتائیک یا خروجی AC، جریان انرژی حتی بیشتر به هم متصل می‌شود.

این بدان معنی است که همیشه قابل مشاهده ترین هشدار علت اصلی نیست. یک رویداد حفاظتی BMS ممکن است قدرت تخلیه موجود را محدود کند. یک شرایط حرارتی ممکن است قبل از توقف جلسه شارژ باعث کاهش کاهش شود. قطع ارتباط می تواند یک جلسه را خاتمه دهد حتی زمانی که الکترونیک برق سالم بماند. یک PCS یا شرایط سمت ورودی می‌تواند نحوه عملکرد سیستم ذخیره‌سازی را قبل از نمایش هشدار شارژ به مشتری تغییر دهد.

توالی رویداد بیش از یک کد خطا اهمیت دارد

مهندسان با تجربه به ندرت یک سیستم انرژی پیچیده را با خواندن یک زنگ هشدار به صورت مجزا تشخیص می دهند. آنها یک جدول زمانی می خواهند. کدام پارامتر ابتدا تغییر کرد؟ کدام زنگ بعدی ظاهر شد؟ ولتاژ باتری، جریان، دما، خروجی PCS، توان شارژ، وضعیت حرارتی و وضعیت ارتباط در چند ثانیه یا چند دقیقه در اطراف رویداد چه اتفاقی افتاد؟ کدام مقادیر نرمال باقی ماندند؟

چالش این نیست که تجهیزات فاقد داده است. چالش این است که داده ها را می توان در چندین زیر سیستم و گزارش توزیع کرد. بدون یک روش ساختاریافته، مهندسان زمان ارزشمندی را صرف بازسازی روابط به صورت دستی می کنند. هر چه سخت افزار یکپارچه تر شود، لایه نرم افزار برای قابل استفاده کردن آن داده ها اهمیت بیشتری پیدا می کند.

III. بنیاد نرم افزار داخلی Door Energy: MCS System V1.0

دارایی نرم افزار ثبت شده نشان می دهد که توسعه نرم افزار بخشی از پشته محصول است

انرژی دربقابلیت نرم افزار توسط حق نسخه برداری نرم افزار رایانه ای ثبت شده برای "سیستم کنترل مدیریت انرژی [MCS System] V1.0" پشتیبانی می شود. حق تکثیر متعلق به شرکت فناوری انرژی درب شنژن، با مسئولیت محدود با شماره ثبت 2026SR0672997، با ثبت تاریخ 18 ژوئن 2026 است. این گواهینامه، اثر را به‌عنوان ثبت اولیه اثر توسط شرکت با حقوق کامل ثبت می‌کند.

برای یک مشتری، اهمیت به خودی خود گواهی به عنوان یک نشان بازاریابی نیست. نکته مهمتر این است که Door Energy دارای حقوق مالکیت معنوی قابل شناسایی برای دارایی نرم افزار مدیریت انرژی است که در سیستم تحقیق و توسعه آن توسعه یافته است. این مهم است زیرا محصولات مدرن ذخیره سازی و شارژ به طور فزاینده ای به نرم افزار برای هماهنگ کردن جریان انرژی، ثبت رویدادهای عملیاتی، افشای اطلاعات تشخیصی و پشتیبانی از تصمیمات مهندسی از راه دور وابسته هستند.

شکل 1. گواهی حق چاپ نرم افزار برای سیستم کنترل مدیریت انرژی (MCS System) V1.0، شماره ثبت 2026SR0672997.

چرا یک تیم نرم افزاری داخلی برای پشتیبانی خارج از کشور اهمیت دارد

با یک تیم نرم افزاری داخلی، مهندسان سخت افزار و نرم افزار می توانند از همان معماری سیستم کار کنند. یک عیب را می‌توان در BMS، PCS، EMS، کنترل حرارتی، شارژ و ارتباطات بررسی کرد، به‌جای اینکه به عنوان یک خطای شارژر مجزا در نظر گرفته شود.

این پایه می‌تواند نحوه ثبت، سازمان‌دهی و تفسیر داده‌های میدانی را بهبود بخشد و وابستگی به اسکرین‌شات‌های قطع شده را در طول عیب‌یابی خارج از کشور کاهش دهد.

آنچه کپی رایت نرم افزار انجام می دهد - و نمی کند - ثابت می کند

ثبت MCS کار نرم افزاری سیستم کنترل مدیریت انرژی را پوشش می دهد. این نباید به عنوان یک گواهی جداگانه برای دقت هوش مصنوعی، عملکرد تشخیصی یا محصول MCP-A به عنوان یک کل توصیف شود. چیزی که از آن پشتیبانی می کند ادعای قابل دفاع تری است: Door Energy دارای یک دارایی نرم افزار تحقیق و توسعه قابل شناسایی در فعالیت های مدیریت انرژی خود است. بنابراین، تابع تجزیه و تحلیل ورود به سیستم به کمک هوش مصنوعی می‌تواند به‌عنوان توسعه یک قابلیت نرم‌افزار داخلی گسترده‌تر ارائه شود، نه به‌عنوان یک برچسب هوش مصنوعی متصل به یک محصول سخت‌افزاری.

IV. چگونه تجزیه و تحلیل گزارش به کمک هوش مصنوعی داده های عملیاتی را به زمینه تشخیصی تبدیل می کند

عملکرد هوش مصنوعی برای کمک به مهندسان طراحی شده است نه جایگزینی آنها

انرژی درب در حال توسعه استتشخیص از راه دور به کمک هوش مصنوعیبرای پلت فرم MCP-A. هدف کمک به مهندسان در سازماندهی آلارم‌ها و گزارش‌های عملیاتی، شناسایی روابط مربوطه، محدود کردن تحقیقات به مناطق مشکل‌پذیر و ایجاد یک جهت عیب‌یابی واضح‌تر است. بررسی مهندسی همچنان محوری است: هوش مصنوعی به ساختار شواهد کمک می کند، در حالی که پرسنل فنی واجد شرایط تصمیم می گیرند که شواهد به چه معنا هستند و چه اقدامی مناسب است.

چه داده هایی می توانند در تجزیه و تحلیل به کمک هوش مصنوعی مفید باشند؟

اطلاعات دقیق موجود به پیکربندی محصول، نسخه نرم افزار و روش دسترسی به داده از راه دور بستگی دارد. با این حال، در یک سیستم ذخیره سازی و شارژ با ابزار دقیق، زمینه تشخیصی می تواند از چندین منبع استخراج شود:

• اطلاعات BMS، مانند وضعیت باتری، ولتاژ، جریان، دما، رویدادهای حفاظتی و هشدارهای سمت باتری.
• اطلاعات PCS، از جمله وضعیت تبدیل توان، رفتار ورودی/خروجی، ولتاژ، جریان و سوابق حفاظتی.
• سوابق EMS نشان می دهد که چگونه انرژی قبل و در طول یک رویداد غیرعادی برنامه ریزی یا مدیریت شده است.
• داده‌های مدیریت حرارتی که می‌توانند روندهای دما، رفتار خنک‌کننده، کاهش افت یا واکنش‌های حفاظتی را نشان دهند.
• داده‌های ماژول شارژ و جلسه، از جمله توان خروجی، ولتاژ، جریان، وضعیت جلسه و اطلاعات مربوط به شارژ خودرو.
• سوابق ارتباطی که می تواند به تشخیص یک مشکل الکتریکی از یک مشکل شبکه، پروتکل یا تبادل داده کمک کند.
• در جایی که تجربه خدمات بررسی شده مرتبط در دسترس باشد، مهندسان ممکن است از آن به عنوان یک مرجع اضافی هنگام مقایسه علائم، توالی رویدادها و زمینه سیستم استفاده کنند.

همبستگی ارزشمندتر از جمع آوری گزارش های بیشتر است

یک فایل گزارش بزرگ به طور خودکار مفید نیست. ارزش تشخیصی از اتصال رویدادها در اطراف یک حادثه ناشی می شود. اگر قبل از اینکه PCS خروجی را کاهش دهد و شارژر خطای جلسه را گزارش کند، یک رویداد حفاظتی در سمت باتری ظاهر شود، جدول زمانی در جهتی متفاوت از حالتی است که در آن ارتباط قطع می‌شود در حالی که مقادیر الکتریکی ثابت می‌مانند.

تجزیه و تحلیل به کمک هوش مصنوعی می تواند به سازماندهی سریع این روابط کمک کند. به جای باز کردن دستی چندین فایل و جستجوی مُهرهای زمانی، تیم فنی می‌تواند از یک دیدگاه متمرکز بر حادثه شروع کند: چه چیزی ابتدا تغییر کرد، کدام زیرسیستم‌ها درگیر بودند، کدام داده‌ها عادی ماندند، و کدام مسیر عیب‌یابی مستحق اولویت است. این ارزش عملی تجزیه و تحلیل گزارش هوش مصنوعی برای شارژر EV موبایل است: نه داده بیشتر، بلکه تبدیل سریعتر داده ها به یک زمینه مهندسی قابل استفاده.

گردش کار پشتیبانی مفیدتر

یک گردش کار عملی را می‌توان به این صورت توصیف کرد: داده‌های تجهیزات و هشدارها -> جدول زمانی حادثه -> بررسی گزارش -> همبستگی متقابل سیستم -> محدود کردن تحقیق -> اولویت‌های عیب‌یابی -> بررسی مهندس -> راهنمایی مشتری. خروجی نباید یک پاسخ خام هوش مصنوعی باشد. این باید یک برنامه عملیاتی بازبینی شده توسط مهندس باشد که مشتری یا تیم خدمات محلی بتواند با خیال راحت و کارآمد دنبال کند.

V. یک سناریوی عملی MCP-A: از زنگ هشدار تا اقدام مورد بازبینی مهندس

چرا اولین زنگ هشدار می تواند عیب یابی را در جهت اشتباه ارسال کند

یک سناریوی ناوگان گویا را در نظر بگیرید. یکواحد MCP-Aهنگامی که خروجی به طور غیرمنتظره ای متوقف می شود، از یک جلسه شارژ با توان بالا پشتیبانی می کند. اپراتور یک زنگ هشدار مربوط به شارژ را می بیند و گزارش می دهد که شارژر از کار افتاده است. اگر تیم خدمات فقط به کد قابل مشاهده نگاه کند، اولین فرض ممکن است این باشد که ماژول شارژ یا رابط وسیله نقلیه منبع مشکل است.

بررسی گزارش گسترده تر می تواند توالی متفاوتی را نشان دهد. یک باتری یا پارامتر حرارتی ممکن است قبل از کاهش قدرت شارژ شروع به حرکت به سمت یک حد کرده باشد. در مورد دیگر، مقادیر الکتریکی ممکن است در حالی که یک رویداد ارتباطی برای اولین بار ظاهر می شود، عادی باقی بمانند. از نظر اپراتور، هر دو مورد شبیه "شارژ متوقف شده" هستند، اما مسیرهای عیب یابی کاملاً متفاوت است.

چگونه تجزیه و تحلیل گزارش به کمک هوش مصنوعی مسیر تشخیص را تغییر می دهد

گردش کار به کمک هوش مصنوعی کمک می‌کند تا آلارم‌های مربوطه، گزارش‌های عملیاتی و تغییرات زیرسیستم را در یک زمینه حادثه بیاورید. این می تواند ترتیب رویدادها را برجسته کند، روابط مربوطه را نشان دهد و به کارکنان فنی کمک کند تا روی منطقه سیستمی که شایسته اولویت است تمرکز کنند. در صورت وجود موارد مشابه خدمات بررسی شده، مهندسان ممکن است از آنها به عنوان مرجع اضافی استفاده کنند، اما این موارد جایگزین تجزیه و تحلیل واحد فعلی و شرایط عملیاتی فعلی نمی شوند.

سپس مهندس اقدام بعدی را تعیین 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 اولیه در مورد ضروری بودن خدمات فیزیکی باشد. در هر مورد، هدف یکسان است: قبل از شروع اقدام صحیح، چرخه های تشخیصی کم ارزش را حذف کنید.

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

یک پاسخ مفید پشتیبانی از راه دور باید داده های فنی را به یک طرح واضح تبدیل کند. ممکن است توالی رویداد مشاهده شده را خلاصه کند، زیرسیستمی را که شایسته اولویت است شناسایی کند، بررسی هایی را که می تواند توسط تیم سایت انجام شود فهرست کند، هرگونه گزارش یا اندازه گیری اضافی را که هنوز مورد نیاز است مشخص کند، و نشان دهد که آیا مورد برای وضوح از راه دور مناسب است یا باید به سرویس در محل افزایش یابد.

این می تواند یک منبع رایج از کار افتادگی در خارج از کشور را کاهش دهد: عدم اطمینان. اگر شواهد از قبل نشان می دهد که نیاز به بازرسی فیزیکی یا تعویض قطعه خواهد بود، مشتری می تواند زودتر دسترسی به سایت، ابزار، پرسنل یا قطعات یدکی را ترتیب دهد. اگر شواهد در عوض به یک ارتباط، پیکربندی یا مشکل در شرایط عملیاتی اشاره کنند، ممکن است از بازدید خدمات غیرضروری اجتناب شود.

VI. MCP-A به عنوان یک سخت افزار + نرم افزار + پلت فرم انرژی پشتیبانی شده با هوش مصنوعی

این محصول چیزی فراتر از یک شارژر DC موبایل است

راپلت فرم ذخیره و شارژ انرژی موبایل Door Energy MCP-Aذخیره انرژی را با شارژ DC با توان بالا و کنترل سطح سیستم ترکیب می کند. پیکربندی MCP-AP مجهز به PV که در وب‌سایت Door Energy منتشر شده است، 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، ورودی برق فتوولتائیک بر اساس پیکربندی دوگانه، و بسته به تنظیمات دوگانه ترکیب می‌کند.

هر قابلیتی هم ارزش عملیاتی و هم زمینه تشخیصی را اضافه می کند. باتری در جایی که ظرفیت شبکه محدود است انرژی را بافر می کند، خروجی DC با توان بالا از چرخش سریعتر پشتیبانی می کند، گزینه های CCS1/CCS2 در بازارهای مختلف خدمت می کنند، OCPP از یکپارچه سازی پلت فرم پشتیبانی می کند، خنک کننده مایع بار حرارتی را مدیریت می کند و ورودی PV منبع انرژی احتمالی دیگری را اضافه می کند.

سخت افزار انرژی را تحویل می دهد. نرم افزار سیستم را قابل مدیریت می کند

هنگامی که تجهیزات دور از سازنده مستقر می شوند، سخت افزار تعیین می کند که سیستم چقدر انرژی می تواند ذخیره و تحویل دهد، در حالی که نرم افزار مدیریت انرژی عملیات را ثبت و هماهنگ می کند. تجزیه و تحلیل به کمک هوش مصنوعی به مهندسان کمک می کند قبل از اینکه تیم خدمات آنها را به راهنمای عیب یابی تبدیل کند، آلارم ها و گزارش های حاصل را تفسیر کنند.

این یک ارزش پیشنهادی گسترده‌تر از شارژ کردن قدرت به تنهایی ایجاد می‌کند. Door Energy در حال ساخت یک زنجیره خدماتی است که مهندسی سخت‌افزار، پایه نرم‌افزار MCS، تجزیه و تحلیل گزارش به کمک هوش مصنوعی و پشتیبانی مهندسی را به هم متصل می‌کند - به ویژه زمانی که تجهیزات به دور از افرادی که آن را طراحی کرده‌اند کار می‌کند.

چرا لایه نرم افزار داستان MCP-A را تقویت می کند

بدون پایه نرم افزاری، هوش مصنوعی می تواند چیزی بیش از یک برچسب بازاریابی باشد. Door Energy در عوض توسعه هوش مصنوعی را به قابلیت نرم‌افزار داخلی و دارایی نرم‌افزار MCS متصل می‌کند و از لایه هوش مصنوعی استفاده می‌کند تا به جای قرار دادن آن به عنوان یک سیستم تعمیر مستقل، درک و عمل کردن داده‌های سیستم را برای مهندسان آسان‌تر کند.

VII. آنچه خریداران باید در مورد نرم افزار و تشخیص از راه دور بپرسند

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

«فعال‌شده با هوش مصنوعی» خیلی مبهم است که نمی‌تواند یک معیار خرید مفید باشد. خریداران باید بپرسند که چه داده‌هایی واقعاً می‌توانند جمع‌آوری شوند، ساختار داده‌ها چگونه است، چه کسی مالک و نگه‌دارنده لایه نرم‌افزاری است، از هوش مصنوعی انتظار می‌رود چه کاری انجام دهد، و چه کسی مسئول بررسی خروجی قبل از ارسال دستورالعمل‌های فنی به سایت است.

برای شارژر EV موبایل مورد استفاده در پروژه های خارج از کشور، تشخیص پس از فروش باید به عنوان بخشی از مشخصات فنی تلقی شود تا به عنوان یک وعده پشتیبانی جداگانه. خریدار می تواند بپرسد:

• در صورت بروز خطا، تیم خدمات به کدام آلارم ها، گزارش های عملیاتی و پارامترهای زیرسیستم می تواند دسترسی داشته باشد؟
• آیا می توان BMS، PCS، EMS، مدیریت حرارتی، شارژ و رویدادهای ارتباطی را در یک جدول زمانی حادثه بررسی کرد و کدام عملکردهای نرم افزاری در داخل توسعه یافته یا نگهداری می شوند؟
• لایه هوش مصنوعی در واقع چه چیزی را تجزیه و تحلیل می کند و چگونه به محدود کردن بررسی یا اولویت بندی عیب یابی کمک می کند؟
• چه کسی یافته های تولید شده توسط هوش مصنوعی را قبل از دریافت توصیه فنی توسط مشتری بررسی می کند؟
• چگونه تامین کننده موارد قابل حل از راه دور را از مواردی که به یک تکنسین محلی، قطعات یدکی یا مهندس کارخانه نیاز دارد متمایز می کند؟

مالکیت نرم افزار مفید است، اما اجرای پشتیبانی همچنان مهم است

کپی رایت نرم افزار تضمین نمی کند که هر عیب از راه دور قابل تشخیص باشد. ارزش عملیاتی آن بستگی به نحوه کار نرم افزار، دسترسی به داده ها، تخصص مهندسی، برنامه ریزی قطعات یدکی و پشتیبانی محلی دارد. بنابراین خریداران باید گردش کار پشتیبانی از راه دور را در اطراف نرم افزار ارزیابی کنند، نه گواهی را به تنهایی.

Door Energy اطلاعات بیشتری در مورد رویکرد تشخیصی از راه دور خود در خود ارائه می دهدسوالات متداول فنیو اطلاعات گسترده تر در مورد توانایی های مهندسی و تولیدی شرکت درصفحه درباره انرژی درب.

هشتم. جایی که مدل سخت افزار + نرم افزار + هوش مصنوعی بیشترین ارزش را دارد

اپراتورهای ناوگان و ارائه دهندگان خدمات شارژ

اپراتورهای ناوگان به در دسترس بودن وسیله نقلیه و پنجره های شارژ اهمیت می دهند. تجزیه و تحلیل سریع‌تر حادثه به آن‌ها کمک می‌کند زودتر تصمیم بگیرند که آیا واحد می‌تواند از راه دور به سرویس بازگردد، نیاز به شارژ پشتیبان است یا باید یک تکنسین در محل ترتیب داده شود.

پروژه های ساختمانی و صنعتی از راه دور

پروژه های صنعتی از راه دور ممکن است تجهیزات شارژ را دور از یک مرکز خدمات قرار دهند. ثبت بهتر، دید نرم افزار و تجزیه و تحلیل به کمک هوش مصنوعی می تواند اولین بررسی را قبل از ترتیب دادن سفرهای پرهزینه مفیدتر کند.

شرکت های اجاره و توزیع کنندگان خارج از کشور

ناوگان اجاره ای و توزیع کنندگان خارج از کشور اغلب تجهیزات را در بسیاری از مکان ها بدون تخصص در سطح کارخانه برای هر زیرسیستم پشتیبانی می کنند. داده های ساختاریافته و فرآیند تشدید به تیم های محلی کمک می کند تا زودتر مهندسان Door Energy را درگیر کنند و پشتیبانی را در سایت ها تکرارپذیرتر می کند.

برای شرکای کانال، قابلیت نرم‌افزار داخلی می‌تواند پشتیبانی فراتر از کتابچه راهنمای سخت‌افزار را با گسترش مشارکت کارخانه در داده‌های تشخیصی و گردش کار مهندسی تقویت کند.

IX سوالات متداول

Q1. چرا مالکیت نرم افزار برای پشتیبانی از شارژر EV Mobile مهم است؟

این نشانگر مشخصی به خریداران می دهد که سازنده دارای نرم افزار داخلی دارای مالکیت معنوی مرتبط با مدیریت انرژی و کنترل سیستم است. این می تواند از هماهنگی نزدیکتر بین داده های عملیاتی، تجزیه و تحلیل مهندسی و خدمات از راه دور پشتیبانی کند. به خودی خود سرعت تشخیص را تضمین نمی کند. ارزش عملی همچنان به دسترسی به داده ها، پیاده سازی نرم افزار و فرآیند پشتیبانی پیرامون آن بستگی دارد.

Q2. آیا حق چاپ نرم افزار MCS به این معنی است که عملکرد تشخیص هوش مصنوعی خود تأیید شده است؟

خیر. ثبت نام برای کار نرم افزار MCS اعمال می شود. نباید به عنوان یک گواهی جداگانه برای دقت هوش مصنوعی یا عملکرد تشخیصی ارائه شود. ارتباط آن این است که یک پایه توسعه نرم افزار اختصاصی را نشان می دهد که می تواند از مدیریت انرژی، داده های سیستم و متعاقب آن توسعه تشخیصی به کمک هوش مصنوعی پشتیبانی کند.

Q3. تجزیه و تحلیل لاگ به کمک هوش مصنوعی Door Energy چه می کند؟

این عملکرد برای کمک به مهندسان در سازماندهی هشدارها و گزارش های عملیاتی، تجزیه و تحلیل زمینه سیستم، شناسایی روابط غیرعادی، محدود کردن مناطق احتمالی مشکل، اولویت بندی جهت عیب یابی و استفاده از تجربه خدمات مربوطه در صورت وجود در نظر گرفته شده است. راهنمای فنی نهایی همچنان مشمول بازنگری مهندسی است.

Q4. چه نوع داده هایی ممکن است به تجزیه و تحلیل مرتبط باشند؟

بسته به پیکربندی و دسترسی به داده های موجود، اطلاعات مربوطه می تواند شامل BMS، PCS، EMS، مدیریت حرارتی، ماژول شارژ، ارتباطات، پلت فرم، زنگ هشدار و رکوردهای گزارش عملیات باشد. نکته کلیدی صرفاً مقدار داده نیست، بلکه توالی و رابطه بین رویدادها است.

Q5. آیا تشخیص به کمک هوش مصنوعی می تواند زمان خرابی را کاهش دهد؟

می تواند با سازماندهی اطلاعات 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.

Q6. چرا یک تیم نرم افزاری داخلی برای یک مشتری خارج از کشور اهمیت دارد؟

این به سازنده اجازه می دهد تا هنگام بررسی یک مشکل میدانی، در لایه های سخت افزاری و نرم افزاری کار کند. این می‌تواند نحوه ثبت داده‌ها، نحوه تفسیر گزارش‌ها، نحوه مدیریت به‌روزرسانی‌های نرم‌افزار و نحوه پشتیبانی مهندسان کارخانه از توزیع‌کنندگان یا کاربران نهایی در کشورهای دیگر را بهبود بخشد.

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

ظرفیت باتری و توان شارژ را با سازگاری کانکتور، پروتکل‌های ارتباطی، مدیریت حرارتی، نظارت از راه دور، در دسترس بودن داده‌های تشخیصی، قابلیت نرم‌افزار، بررسی مهندسی، مراحل افزایش، برنامه‌ریزی قطعات یدکی و توانایی تامین‌کننده برای پشتیبانی از تجهیزات پس از راه‌اندازی مقایسه کنید.

X. نتیجه‌گیری: شارژ هوشمندتر موبایل به سخت‌افزار، نرم‌افزار و مهندسی نیاز دارد تا با هم کار کنند.

هوش مصنوعی در حال تبدیل شدن به زبان رایج در فناوری صنعتی است، اما یک برچسب هوش مصنوعی به تنهایی زمان کارکرد تجهیزات را بهبود نمی بخشد. سوال مفید این است که آیا سازنده می‌تواند داده‌های عملیاتی را به یک پاسخ فنی سریع‌تر و متمرکزتر در صورت بروز مشکل تبدیل کند؟

جهت توسعه فعلی Door Energy سه لایه را به هم متصل می کند. اولین پلت فرم فیزیکی MCP-A است که ترکیبی از ذخیره انرژی و شارژ با توان بالا است. دومی، پایه نرم افزاری شرکت، از جمله MCS System V1.0 ثبت شده و تیم نرم افزار داخلی آن است. سومین مورد، تجزیه و تحلیل گزارش به کمک هوش مصنوعی است که برای کمک به مهندسان در سازماندهی آلارم‌ها، مرتبط کردن زمینه عملیات، محدود کردن تحقیقات و تولید دستورالعمل‌های عیب‌یابی ساختاریافته‌تر توسعه یافته است.

برای مشتریانی که شارژر EV سیار را در ناوگان، صنعتی، اجاره‌ای یا سایر برنامه‌های راه دور استفاده می‌کنند، این ترکیب می‌تواند به اندازه یک رقم قدرت اصلی مهم باشد. قوی‌ترین راه‌حل شارژ تلفن همراه تنها راه‌حلی نیست که می‌تواند انرژی را در جایی که زیرساخت ثابت نمی‌تواند ارائه کند. همچنین زمانی که تجهیزات از افرادی که آن را طراحی کرده اند دور باشد، رفتار آن قابل نظارت، درک و پشتیبانی است.

برای کسب اطلاعات بیشتر در مورد پیکربندی پروژه و راه حل های شارژ موبایل Door Energy، مراجعه کنیدانرژی دربیا بررسی کنیداطلاعات محصول MCP-Aبرای جزئیات فنی خاص پروژه