Thử nghiệm mạng

Nghiên cứu điển hình: Repair AI trong Mạng lưới hậu mãi xe thương mại năng lượng mới hàng đầu của Trung Quốc

Một cuộc thử nghiệm kéo dài 4 tuần trên 10 trạm dịch vụ được chỉ định đã ghi lại 99 truy vấn sửa chữa thực tế và tiết kiệm thời gian do kỹ thuật viên báo cáo.

Kết luận trước

Một nhà sản xuất xe thương mại năng lượng mới hàng đầu của Trung Quốc đã thử nghiệm Repair AI trên 10 trạm dịch vụ được ủy quyền được chỉ định trong 4 tuần, với 12 tài khoản được kích hoạt.

Trong một cuộc khảo sát tiếp theo với 5 trạm dịch vụ tham gia sâu, 100% số người được hỏi cho biết mức tăng hiệu quả và 80% cho biết một điển hình yêu cầu sửa chữa kéo dài hai giờ có thể tiết kiệm ít nhất 20 phút. Mức tiết kiệm thời gian trung bình được báo cáo là 20–30 phút cho mỗi đơn hàng, trong khi phản hồi cao nhất vượt quá một giờ cho một nhiệm vụ sửa chữa.

Đây là kết quả về hiệu quả do kỹ thuật viên báo cáo từ cuộc thử nghiệm.

Thách thức: Xe phức tạp hơn, nhiều kiến thức hơn để tìm kiếm

Mạng lưới hậu mãi của khách hàng đang hỗ trợ các phương tiện thương mại sử dụng năng lượng mới đang phát triển nhanh chóng trên nhiều hệ truyền động cấu hình.

Phi công đã xác định một số thách thức tiền tuyến thường xuyên tái diễn:

• hệ thống truyền động điện và điện áp cao làm tăng độ phức tạp trong chẩn đoán;
• nền tảng phương tiện mới và thông tin dịch vụ được cập nhật nhanh chóng;
• kinh nghiệm của kỹ thuật viên ở các trạm dịch vụ là khác nhau;
• sách hướng dẫn sửa chữa, thông tin về hệ thống dây điện và hướng dẫn kỹ thuật có thể yêu cầu tìm kiếm nhiều lần trong quá trình sửa chữa.

Mục đích của thí điểm là kiểm tra xem liệu chẩn đoán được hỗ trợ bởi AI có thể giảm thời gian mà kỹ thuật viên dành để xác định sự cố hay không hướng khắc phục sự cố và tìm thông tin sửa chữa liên quan.

Giải pháp: Repair AI được nhúng trong quy trình dịch vụ hiện có

Repair AI được nhúng vào mục nhập dịch vụ sau bán hàng hiện có của khách hàng, vì vậy kỹ thuật viên có thể sử dụng hỗ trợ AI mà không cần chuyển sang quy trình làm việc độc lập riêng biệt.

Trong quá trình sửa chữa thực tế, các kỹ thuật viên đã sử dụng Repair AI để:

• chẩn đoán dựa trên triệu chứng;
• Mã lỗi DTC phân tích;
• truy xuất sơ đồ nối dây và thông tin dịch vụ;
• quy trình sửa chữa và hướng dẫn bảo trì;
• các câu hỏi tiếp theo khi xuất hiện các triệu chứng hoặc phép đo mới.

Công cụ này được định vị như một trợ lý: kỹ thuật viên sử dụng AI để thu hẹp hướng tìm kiếm và sau đó tham khảo thông tin sửa chữa có liên quan và tài liệu nguồn nếu cần.

Cách sử dụng thí điểm: 99 Truy vấn sửa chữa thực tế

Trong suốt bốn tuần thí điểm:

Kết hợp truy vấn cho thấy các kỹ thuật viên đang sử dụng Repair AI trong một số tình huống hội thảo thực tế:

Chẩn đoán triệu chứng và điện áp cao năng lượng mới/sạc cùng nhau chiếm khoảng 2/3 tổng số truy vấn, khiến chúng trở thành những nhu cầu nổi bật nhất được quan sát thấy trong chương trình thí điểm.

Phản hồi của kỹ thuật viên: Tiết kiệm thời gian có thể đo lường được

Năm trạm dịch vụ tham gia sâu đã hoàn thành cuộc khảo sát sau thí điểm.

Kết luận được xác minh mạnh mẽ nhất từ chương trình thí điểm rất đơn giản: các kỹ thuật viên báo cáo rằng thời gian dành cho công việc sửa chữa đã giảm đáng kể, đặc biệt khi chẩn đoán yêu cầu suy luận về triệu chứng hoặc truy xuất thông tin rộng rãi.

Những gì chương trình thí điểm chứng minh

Chương trình thí điểm cung cấp bằng chứng trực tiếp về:

• việc sử dụng thực sự trên nhiều trạm dịch vụ được ủy quyền;
• strong mức tăng hiệu suất do kỹ thuật viên báo cáo;
• sử dụng nhiều lần để chẩn đoán triệu chứng và lỗi năng lượng mới;
• mức độ sẵn sàng tiếp tục sử dụng và giới thiệu công cụ này cao.

Tại sao điều này lại quan trọng đối với mạng sau bán hàng

Thử nghiệm cho thấy vai trò thiết thực của AI trong mạng dịch vụ: giúp kỹ thuật viên thu hẹp hướng lỗi và xác định thông tin liên quan nhanh hơn trong khi vẫn giúp kỹ thuật viên kiểm soát quyết định sửa chữa.

Đối với các nhà sản xuất, quy trình làm việc tương tự cũng có thể tạo ra một cái nhìn có cấu trúc về những gì kỹ thuật viên tuyến đầu đang liên tục tìm kiếm — chẳng hạn như tính phí lỗi, sự cố điện áp cao, cảnh báo cảm biến và câu hỏi về quy trình sửa chữa — cung cấp tín hiệu hữu ích cho nội dung và cải tiến sản phẩm trong tương lai.

Câu hỏi thường gặp