Crie um Aplicativo de Diagnóstico Automotivo Pós-Vendação Inteligente

A oportunidade pós-venda

As compartimentos de serviço de revendedoras enfrentam demanda crescente à medida que a complexidade do veículo aumenta. O tempo de inatividade do serviço não planejado representa um custo significativo para o setor todos os anos. Os técnicos podem gastar um tempo significativa, até 30% em alguns casos, pesquisando informações em vez de se concentrar em reparos. Um desafio comum envolve vincular códigos de software, Códigos de problema de diagnóstico (DTCs), a problemas de hardware físico, o que pode consumir tempo sem as ferramentas certas.

O desafio No Fault Encontrado (NFF)

Os eventos NFF representam quase 30% dos custos de garantia. Isso ocorre quando um componente é substituído com base em informações de diagnóstico incompletas ou obsoletas, embora a parte esteja funcionando corretamente. As ferramentas de pesquisa padrão podem não abordar totalmente esse desafio, pois podem não ter o argumentos contextuais necessários para conectar sinais, como uma oscilação da tela, a causas subjacentes, como um fio à base de energia solta.

O aplicativo de diagnósticos inteligentes

Esta solução ajuda você a criar um aplicativo Assistente de Diagnóstico no MongoDB Atlas. Ela usa modelos de IA Voyage para aprimorar a forma como os técnicos abordam a resolução de problemas:

1. Automatizar árvores defalhas (GraphRAG): vá além da pesquisa de palavras-chave. Use o do MongoDB $graphLookup para modelar dependências de veículos. Percorrer de Symptom a System to Root Causa para identificar o verdadeiro caminho da falha.

2. Habilitar pesquisa visual (multimodal): identificar variantes de partes específicas pode ser um desafio, especialmente para técnicos que ainda estão construindo sua experiência. Integre o route-multimodal- da Voyage AI3.5 para permitir que o aplicativo aceite a imagem de uma peça e retorne a SKU de substituição correta, tornando a identificação de peças mais rápida e precisa para todos.

3. Priorizar precisão (reclassificação): use a reclassificação-2.5 do Voyage AI para reordenar resultados. Ajuda a garantir que avisos de segurança e correções verificadas apareçam com destaque nos resultados.

Componentes do sistema

Fluxo de trabalho do aplicativo

1. Entrada: o mecânico escaneia um VIN e digita um problema ("CA está explodindo") ou carrega uma imagem.

2. Identificação: a aplicação recupera o contexto específico do veículo (trim, ano) e seções manuais relevantes.

3. Motivo: o aplicativo usa $graphLookup para verificar os subsistemas relacionados (por exemplo, "Check Compressor Relay").

4. Verificação: o aplicativo exibe as três principais correções prováveis, classificadas pelo Voyage AI Reranker, juntamente com ferramentas de verificação visual.

figura 1. Arquitetura unificada de vetor, gráfico e multimodal para diagnóstico automotivo no MongoDB Atlas

Coleção de diagnósticomanual_chunks ()

Adicione uma array relationships aos seus chunks manuais. Isso permite que o aplicativo simule o argumento de um mestre técnico.

{
  "_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"
  }
}

Coleção de partes visuaismanual_images ()

Vincule incorporações ao GridFS para veicular imagens diretamente na interface do usuário do aplicativo.

{
  "_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"
  }
}