透過
AI 提供的
電力系統維護服務，提升車輛運轉時間

在傳統工作流程中執行電氣系統的例行保養，往往需要耗費大量時間、技術人員的參與，並造成車輛停用，為車隊和維修團隊帶來額外的營運負擔。此流程通常包含：

• 車輛停駛時間：卡車必須暫停營運，並送至實體服務中心進行例行檢查。
• 手動測試：技術人員必須手動測試引擎的各種狀態（鑰匙轉至ON位置、啟動、運轉），以擷取電訊號。

Sonatus CollectorAI 使車隊營運商能夠在整個車隊中部署輕量級、動態且基於觸發條件的資料收集政策。 這些政策能在特定運作條件下自動擷取電壓與電訊號，而這些情況在過去通常需要使用車間診斷工具才能完成。

在此範例中，該 Sonatus CollectorAI 會擷取引擎在多種運作狀態下的高價值測量值，以提供系統在條件變化時更完整的行為概況，包括：

• 按鍵開啟
• 曲軸
• 引擎冷卻

針對每項活動， Sonatus AI 技術人員 會擷取並分析關鍵車輛訊號，以辨識異常行為、揭露潛在問題，並協助加速診斷，包括：

• 電壓
• RPM
• 電路紋波
• 溫度

這使得 Sonatus AI 技術人員 能模擬手動進行電氣系統測試時通常會產生的診斷狀況，從而無需僅依賴耗時的實體檢查，即可評估電氣系統的運作狀態。

在收集完必要的訊號後， Sonatus AI 技術人員 會在雲端分析測量數據，以評估車輛電子元件的運作狀態。 分析結果可能會顯示，在鑰匙轉至「ON」位置與發動狀態之間存在顯著的電壓降。 該 Sonatus AI 技師 知識庫可能會將此電壓降歸因於某個故障組件（例如起動馬達），若未加以解決，最終可能導致車輛無法啟動。 與此同時， Sonatus AI 技師 會確認其他關鍵組件（包括電池、發電機及充電系統）是否運作正常。

分析完成後， Sonatus AI 技術人員 將提出可執行的建議以解決問題。這些建議讓技術人員能直接鎖定可能的根本原因，而非耗費時間進行探索性診斷。 舉例來說， Sonatus AI 「技術人員」 可能會建議：

• 檢查起動馬達電磁閥的連接狀況
• 檢查接地帶是否有腐蝕
• 檢查與起動器總成相關的電路連接

透過運用 Sonatus AI 技術人員 與 CollectorAI，原始設備製造商（OEM）與車隊業者得以從零散且手動的維修模式，轉型為狀態導向維修（CBM）。此虛擬化技術不僅能減少車輛停機時間，讓維修廠技術人員得以專注於更複雜的任務，更為未來的 Sonatus AI Director的未來發展鋪路，屆時部署於邊緣的模型將持續監控車輛健康狀態，並在故障發生前向操作人員發出警示。