JMC江铃汽车后台智能AI诊断系统

电子商务 B2B 案例ID：232887

Evan

7 年经验· 北京中信证券股份有限公司

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

车辆故障数据同步功能开发
围绕 VIN、故障码、维修历史等核心数据，构建多源数据同步体系：

数据接入与解析：多线程调用江铃原厂 API 及维修终端接口，高效获取故障基础信息与实时车况数据；通过自定义解析模块兼容多版本 API 格式，保障数据完整性。
全量同步与增量更新：基于 Kafka 消息队列，每日凌晨执行全车型故障库、维修案例库全量同步；实时监听数据变更并触发增量更新，实现 “故障数据 - 工单系统 - 知识库” 解耦与流量削峰，保障高并发场景系统稳定。
数据质量监控：通过 SQL 校验故障数据库，对 VIN 为空、故障码违规等情况触发告警并邮件通知，从源头保障 AI 诊断准确性。

维修工单与配件管理功能开发
聚焦工单流转、配件限售场景，构建全流程管理体系：
维修工单智能引擎：基于江铃维修规则，开发多线程工单处理引擎，快速计算工单状态、预估维修时长、匹配配件需求；结合 VIN、故障码自动关联维修手册，输出标准化维修步骤与配件清单。
工单状态自动更新：设计工单全生命周期数据库表，基于 Spring 定时任务每日凌晨自动更新工单状态（超期预警、工单归档等），确保流转效率。
合规性校验及数据同步：实现工单与配件库存、财务系统联动校验，防止违规操作；同步工单及配件数据至江铃内部库存、风控平台，保障流程合规与成本可控。

JMC AI 智能维修问答引擎开发
针对维修技师、车主故障咨询需求，构建智能问答体系：
自然语言处理（NLP）模块：Java 调用 NLP 工具库完成问题分词、词性标注；基于 TF-IDF 算法与 Lucene、Weka 训练模型识别问题类型；通过正则表达式、预训练 NER 模型提取 VIN、故障码等关键实体。
维修知识库构建与检索：脚本清洗维修手册、故障案例等噪声数据；基于 Elasticsearch 构建含 “故障问题、维修方案、车型标签” 的知识库索引，配置汽车行业专属分词器。
检索优化：结合 Lucene 的 BM25 算法与 BERT 模型，通过 “最终得分 = aBM25 得分 + bBERT 语义得分 + c点击量 - d投诉率” 多维度评分，优先返回高价值维修方案，为工单审核、故障定位提供知识支撑。