ChargeLab Inc.

Objet publié

Ce projet développe une solution pilotée par l’AA/IA pour améliorer la fiabilité des chargeurs de VE par le biais de la maintenance prédictive. En analysant les données historiques, les mesures en temps réel et les journaux de l’OCPP, il identifie les modèles et les anomalies indiquant des défaillances. Les hébergeurs de sites reçoivent des notifications pour programmer des redémarrages automatiques pendant les périodes de faible utilisation, minimisant ainsi les interruptions et maximisant le temps de fonctionnement. Les opérateurs de réseaux bénéficient d’analyses de tendances pour découvrir les problèmes systémiques, réduire les interventions manuelles et prolonger la durée de vie des équipements. L’étiquetage semi-automatique alimenté par GML améliore la qualité des ensembles de données d’entraînement, ce qui améliore la précision et l’évolutivité de l’IA. La solution garantit la compatibilité avec divers matériels pour un déploiement sans faille.