Nodoe es un líder mundial en la innovación de carga EV, que ofrece soluciones avanzadas que capacitan a los operadores para optimizar sus operaciones de estación de carga y proporcionar experiencias excepcionales de los usuarios. Sus estaciones de carga universales son compatibles con todas las marcas EV y cuentan con opciones de pago intuitivas, incluidas tarjetas de crédito y Apple Pay. Impulsada por el sistema de gestión de la nube de Nodoe EV OS, la compañía ofrece monitoreo, diagnóstico y mantenimiento automatizados de 24.83%. Con operaciones en más de 15 países y un compromiso sólido con la sostenibilidad, Nodoe está transformando la industria de acusación de EV a través de la tecnología de vanguardia y un enfoque primero de usuario.
A pesar de sus fortalezas tecnológicas, nodoe ha encontrado desafíos clave para ayudar a los operadores de la estación a optimizar el rendimiento y seleccionar las estrategias de precios de electricidad más rentables en diversos mercados. Los sistemas tradicionales carecen de la capacidad de procesar de manera eficiente grandes cantidades de datos en tiempo real e históricos o proporcionar recomendaciones personalizadas a nivel de estación. Esto limita la capacidad de los operadores para tomar decisiones oportunas e informadas, reduciendo los costos de electricidad más altos, los activos subutilizados y una experiencia del cliente deficiente. Estas ineficiencias no solo reducen la rentabilidad, sino que también obstaculizan la capacidad de escalar en un paisaje de carga EV competitivo y de rápido evolución.
Para resolver esto, nodoe ha integrado modelos de idiomas grandes (LLM) a través de Roca madre de Amazon y Agentes de roca madre de Amazon para entregar automatización inteligente, acceso a datos en tiempo real y soporte multilingüe. Estas herramientas con IA analizan patrones de uso, diagnósticos de estación y variables externas como condiciones de clima o cuadrícula para generar recomendaciones de precios altamente personalizadas. Al utilizar la orquestación estructurada y el razonamiento rápido de Amazon Bedrock, Nodoe equipa a los operadores con información procesable que mejoran los márgenes, mejoran la utilización de la estación y les permiten ofrecer tarifas más competitivas a los usuarios, lo que aumenta la satisfacción del cliente. Este servicio se entrega a través de un modelo de suscripción, creando un nuevo flujo de ingresos escalable para nodoe mientras refuerza su liderazgo e innovación en el espacio de infraestructura de EV.
En esta publicación, exploramos cómo nodoe usa AI y Amazon Bedrock para optimizar las operaciones de carga EV. Al integrar LLMS, Nodoe mejora el diagnóstico de la estación, permite el precio dinámico y ofrece soporte multilingüe. Estas innovaciones reducen el tiempo de inactividad, maximizan la eficiencia y mejoran la sostenibilidad. Siga leyendo para descubrir cómo AI está transformando la gestión de la carga de EV.
Descripción general de la solución
El flujo de diagnóstico mejorado de Nodoe AI se basa en un proceso de varios pasos que combina la recopilación de datos, el análisis con IA y la traducción perfecta para la accesibilidad global, como se ilustra en la siguiente figura.
La red de estación de carga física actualmente opera más de 1,000 sitios en más de 20 países, con planes de expandirse en más de 50 sitios adicionales para fines de 2025. Como se ilustra en la siguiente imagen, utiliza el EV Cloud y LLM para generar recomendaciones relevantes después del procesamiento de backend.
La siguiente captura de pantalla muestra un ejemplo de los resultados en la UI.
Descripción general de los diagnósticos mejorados de Nodoe AI
El siguiente diagrama ilustra el flujo de datos de la solución.
Para cumplir con los requisitos de la función, el proceso de operación del sistema incluye los siguientes pasos:
- Los datos de carga se procesan a través del servicio EV antes de ingresar la base de datos.
- Los datos del historial de carga y los datos de precios se almacenan en la base de datos EV.
- Amazon Eventbridge Scheduler Periódicamente desencadena el servicio EV para realizar el análisis.
- El servicio EV llama al servicio de IA para analizar datos históricos y proporcionar recomendaciones de precios.
- El Servicio AI recopila los datos históricos organizados para preparar la plantilla de inmediato.
- Esta información, combinada con indicaciones apropiadas, se utiliza junto con Agentes de roca madre de Amazon como agente de fijación de fijación de AI para extraer información relevante. El agente de fijación de fijación de AIH analiza estos datos combinados para identificar períodos diarios de pico y apagado y proporcionar recomendaciones para los planes de precios del usuario.
- Opcionalmente, si se necesita traducción para los usuarios que no son de inglés, estos resultados del agente de fijación de precios AI se procesan a través de otro agente de roca madre de Amazon para la traducción.
- Opcionalmente, el agente de traducción usa Anthrope’s Claude Sonnet 3.5 en Amazon Bedrock para obtener el resultado en el lenguaje correspondiente.
- Finalmente, el servicio AI recopila los resultados en el lenguaje del usuario para el formato y otro procesamiento, luego los inserta en una plantilla para crear un informe completo que se impulse al final del usuario.
En la siguiente sección, nos sumergimos profundamente en estos pasos y los servicios de AWS utilizados.
Arquitectura de diagnóstico mejorado de Nodoe AI
Nodoe enfrentó desafíos clave en la construcción de una arquitectura globalmente escalable, confiable y rentable. Necesitaban una solución que pudiera soportar una rápida expansión, manejar altos volúmenes de datos y ofrecer un rendimiento constante en las regiones de AWS. Abordar estos requisitos requirió una planificación arquitectónica cuidadosa para proporcionar flexibilidad y resistencia.
El siguiente diagrama ilustra la arquitectura de soluciones que nodoe creó para superar estos desafíos para apoyar el crecimiento global.
La plataforma de optimización de carga EV estructura el flujo de datos a través de múltiples servicios de AWS, proporcionando una ingestión de datos eficiente, procesamiento y toma de decisiones impulsadas por la IA. Servicio de Kubernetes de Amazon Elastic (Amazon EKS) Recupera datos de Amazon DocumentDBlo procesa e invoca a los agentes de la roca madre de Amazon para razonamiento y análisis. Esta tubería de datos estructurada permite estrategias de precios optimizadas e interacciones multilingües del cliente. Mediante el uso de aplicaciones contenedorizadas, flujos de trabajo basados en eventos y capacidades de IA, el sistema proporciona información escalable y flexible para los operadores de la estación EV.
Ingestión y procesamiento de datos
Las estaciones de carga de EV envían datos de carga en tiempo real a AWS IoT Coreque actúa como el punto de entrada inicial para el procesamiento de datos. Los datos se transmiten luego a Transmisión administrada de Amazon para Apache Kafka (Amazon MSK) para facilitar la transmisión de alto rendimiento y confiable. Desde Amazon MSK, los datos fluyen a Amazon EKS, donde el servicio EV lo procesa antes de almacenar el historial de carga y los registros de tendencia en DocumentDB. Este almacenamiento estructurado proporciona una recuperación eficiente para el análisis y la predicción.
Análisis de precios con IA
Para optimizar las estrategias de precios, Amazon Eventbridge desencadena una función de predicción de precios a intervalos regulares. Esta función recupera los datos de carga históricos de DocumentDB y los envía, junto con las indefinidas indicaciones, al agente de fijación de precios de Amazon Bedrock AI. El agente de IA, impulsado por el Claude de Anthrope en Amazon Bedrock, evalúa las tendencias de uso de la estación, los períodos pico y fuera de los últimos tiempos, y las ineficiencias de precios para generar recomendaciones óptimas de precios. Aunque el agente de precios no accede a una base de conocimiento de la roca madre de Amazon o grupos de acción activadores, utiliza características de preprocesamiento y posterior al procesamiento para refinar las predicciones y mejorar la toma de decisiones.
Soporte multilingüe y generación de informes
Si se requiere la traducción, los resultados del análisis de precios se envían al agente de traducción de roca madre de Amazon, que convierte las ideas en el lenguaje preferido del operador. Los datos traducidos y estructurados se formatean en una plantilla de informe predefinida y se almacenan en una base de datos designada para una recuperación posterior. Esto proporciona un acceso perfecto a ideas procesables en diversos mercados.
UI, monitoreo y optimización del rendimiento
Los operadores acceden al sistema a través de una interfaz de usuario basada en la web, con Ruta de Amazon 53 y Amazon Cloudfront proporcionando una entrega de contenido rápido y eficiente. Un Balancador de carga de la aplicación Distribuye las solicitudes entrantes en múltiples instancias de EKS, proporcionando alta disponibilidad. Para optimizar el rendimiento, Amazon Elasticache Acelera la recuperación de datos al tiempo que reduce la carga de la base de datos. Para el monitoreo y la observabilidad del sistema, Amazon CloudWatch Proporciona monitoreo y observabilidad adicionales. El administrador de nodoe usa Servicio administrado por Amazon para Prometeo y Grafana administrada por Amazon para monitoreo y visualización del sistema.
Esta arquitectura empodera a Nodoe con una solución de gestión de carga EV de EV impulsada por IA, mejora de la utilización de la estación, la optimización de ingresos y la experiencia del cliente en todo el mundo.
Resumen
El flujo de diagnósticos mejorados de Nodoe AI transforma las operaciones de carga EV integrando agentes de roca madre de Amazon, combinando la automatización basada en reglas, la entrada del usuario en tiempo real y los conocimientos con alimentación de LLM para la toma de decisiones más inteligentes. Respaldado por una base de conocimiento integral y API simplificadas, la solución permite a los operadores automatizar los flujos de trabajo, optimizar los precios y aumentar el rendimiento de la estación a escala. La expansión continua de la base de conocimiento, el refinamiento del flujo de trabajo y las pruebas del mundo real mejoran aún más la eficiencia y la confiabilidad. Este enfoque ha generado un aumento del 15% en los ingresos y un tiempo de implementación reducido en un 10%. La retroalimentación continua y la documentación clara equipan a los usuarios para usar de manera efectiva diagnósticos impulsados por la IA para una gestión de carga más inteligente.
Roman Kleinerman, vicepresidente de productos de Nodoe, comparte: “Hemos visto aumentos de ingresos del 10-25% dependiendo de la ubicación y el número de estaciones, ya que los clientes usan nuestra solución AL para optimizar las estrategias de precios”.
Nodoe se dedica a brindar servicios de carga EV más inteligentes e inteligentes que benefician tanto a los usuarios finales como a los operadores. Actualmente, Nodoe opera más de 1,000 sitios de carga en más de 20 países, con planes de expandirse en más de 50 sitios adicionales para fines de 2025. Mirando hacia el futuro, el sistema se está mejorando para admitir la optimización de precios dinámicos casi en tiempo real mediante la incorporación de factores como la demanda, las condiciones de la cuadrícula, la hora del día y el clima. Los agentes de la roca madre de Amazon ayudan a permitir estas capacidades inteligentes, impulsar el precio dinámico, el equilibrio de carga y el enrutamiento consciente de la red para optimizar la distribución de energía y guiar a los usuarios a las estaciones más eficientes. Las mejoras futuras ofrecerán recomendaciones e incentivos de carga personalizados basados en las preferencias del usuario, maximizando el valor tanto para los clientes como para los operadores. Comience a construir soluciones inteligentes de carga EV con IA con IA con Roca madre de Amazon.
Sobre los autores
Ray Wang es un arquitecto de soluciones senior en AWS. Con 12 años de experiencia en la industria de TI, Ray se dedica a construir soluciones modernas en la nube, especialmente en NoSQL, big data, aprendizaje automático e IA generativa. Como un getter hambriento, pasó los 14 certificados de AWS para hacer que su campo técnico no solo sea profundo sino también amplio. Le encanta leer y ver películas de ciencia ficción en su tiempo libre.
Howard Su es un arquitecto de soluciones en AWS. Con muchos años de experiencia en desarrollo de software y operaciones del sistema, Howard ha servido en varios roles, incluidos RD, QA y SRE, y Howard han sido responsables del diseño arquitectónico de numerosos sistemas a gran escala, además de participar en varias migraciones en la nube. Después de acumular años de experiencia en desarrollo y operaciones, Howard se dedica a promover las tecnologías de servicio nativas de la nube y convertirse en un defensor de DevOps.
Tony Trinh es un arquitecto especialista senior de AIML en AWS. Con más de 13 años de experiencia en la industria de TI, Tony se especializa en la arquitectura de soluciones de IA y ML escalables e impulsadas por el cumplimiento, particularmente en plataformas de datos generativas de IA, MLOP y nativos de nubes. Como aprendiz perpetuo, está investigando en el modelo de lenguaje visual, la IA responsable y la visión por computadora y la creación de un libro en ML Engineering. En su tiempo libre, Tony disfruta de actividades al aire libre, experimentando con mejoras en el hogar y explorando la vibrante escena del café de Melbourne.