Cree una aplicación inteligente de diagnóstico posventa automotriz

La oportunidad de posventa

Las áreas de servicio de los concesionarios se enfrentan a una creciente demanda a medida que aumenta la complejidad de los vehículos. Las paradas de servicio no planificadas representan un coste significativo para la industria anualmente. Los técnicos pueden dedicar un tiempo considerable, hasta un 30% en algunos casos, a buscar información en lugar de centrarse en las reparaciones. Un desafío común es vincular los códigos de software (Códigos de Diagnóstico de Problemas, DTC) con problemas físicos de hardware, lo que puede consumir mucho tiempo sin las herramientas adecuadas.

El desafío de no encontrar fallas (NFF)

Los eventos NFF representan casi el 30% de los costos de garantía. Estos ocurren cuando se reemplaza un componente basándose en información de diagnóstico incompleta o poco clara, incluso si la pieza funcionaba correctamente. Las herramientas de búsqueda estándar podrían no abordar completamente este problema, ya que carecen del razonamiento contextual necesario para vincular síntomas como el parpadeo de la pantalla con causas subyacentes, como un cable de tierra suelto.

La aplicación de diagnóstico inteligente

Esta solución le ayuda a crear una aplicación de Asistente de Diagnóstico en MongoDB Atlas. Utiliza modelos de IA de Voyage para optimizar la resolución de problemas de los técnicos:

1. Automatizar árboles de fallos (GraphRAG): Vaya más allá de la búsqueda por palabras clave. Utilice MongoDB. $graphLookup Para modelar las dependencias del vehículo. Recorra desde el síntoma hasta el sistema y la causa raíz para identificar la verdadera ruta de falla.

2. Habilitar la búsqueda visual (multimodal): Identificar variantes de piezas específicas puede ser un desafío, especialmente para los técnicos que aún están desarrollando su experiencia. Integre la función voyage-multimodal- de Voyage AI.3.5 para permitir que la aplicación acepte una foto de una pieza y devuelva el SKU de reemplazo correcto, lo que hace que la identificación de la pieza sea más rápida y precisa para todos.

3. Priorizar la precisión (Reordenamiento): Utilice la función de reordenamiento2.5 de Voyage AI () para reordenar los resultados. Asegúrese de que las advertencias de seguridad y las correcciones verificadas aparezcan de forma destacada en los resultados.

Componentes del sistema

Flujo de trabajo de la aplicación

1. Entrada: el mecánico escanea un VIN y escribe un síntoma ("aire acondicionado caliente") o carga una foto.

2. Identificación: la aplicación recupera el contexto específico del vehículo (modelo, año) y las secciones manuales relevantes.

3. Razonamiento: La aplicación utiliza $graphLookup para verificar los subsistemas relacionados (por ejemplo, "Verificar el relé del compresor").

4. Verificación: la aplicación muestra las tres soluciones más probables, clasificadas por Voyage AI Reranker, junto con ayudas de verificación visual.

Figura 1. Arquitectura unificada de vectores, gráficos y multimodal para diagnóstico automotriz en MongoDB Atlas

Colección de diagnósticomanual_chunks ()

Añade una matriz relationships a tus fragmentos manuales. Esto permite que la aplicación simule el razonamiento de un técnico experto.

{
  "_id": ObjectId("..."),
  "chunk_id": "chunk_4059",
  "text": "Inspect the AC Compressor Clutch for engagement...",
  // Domain-specific embedding (voyage-context-3)
  "text_embedding": [0.02, -0.5, ...],
  // NEW: Diagnostic Logic Edges
  "relationships": [
    {
      "type": "SEQUENTIAL_TO",
      "target_id": "chunk_4060",
      "description": "Next Step: Check Refrigerant Pressure"
    },
    {
      "type": "CAUSES",
      "target_id": "dtc_b1000",
      "description": "Clutch failure triggers Code B1000"
    },
    {
      "type": "APPLIES_TO",
      "target_id": "trim_performance",
      "description": "Only for Performance Trims"
    }
  ],
  "metadata": {
    "system": "HVAC",
    "component": "Compressor",
    "breadcrumb_trail": "HVAC > COOLING > DIAGNOSTICS"
  }
}

Colección de piezas visualesmanual_images ()

Vincula incrustaciones a GridFS para servir imágenes directamente a la interfaz de usuario de la aplicación.

{
  "_id": ObjectId("..."),
  "image_id": "img_001",
  "gridfs_id": ObjectId("..."), // Link to binary image
  "description": "Connector View: AC Compressor C1",
  // 1024-dim Voyage AI Multimodal embedding
  "multimodal_embedding": [-0.1, 0.8, ...],
  "associated_chunks": ["chunk_4059"],
  "metadata": {
    "view_type": "connector_pinout",
    "model_year": "2024"
  }
}