Ep Car Net — a töltőhálózat üzemeltetési adatából önműködő, kézi munka nélküli állapotkép
Az Ep Car Net e-töltőállomás-hálózatot üzemeltet és zöld logisztikai szolgáltatásokat nyújt Magyarországon, ahol minden töltőpont folyamatosan küld állapot-, kihasználtsági és hibaadatot. Az AZAR módszerével a szétszórt telemetriát egyetlen adatrétegbe rendeztük, a rendszer pedig ebből töltőpontonként, ütemezetten állítja elő az üzemeltetési kimutatásokat és a hibariasztásokat — kézi böngészés nélkül, emberi jóváhagyás mellett, a töltőpont-telemetriától az e-mobilitási pályázat felügyeletéig egyetlen adatvagyonra építve.
−23%
Töltőhálózat adminisztráció
−21%
Kézi adatgyűjtés
−19%
Riport-átfutás
+27%
Támogatás-lefedettség
+24%
Kihasználtság-követés
Amikor a hálózat állapotát több felületen kell kézzel összeollózni
Az Ep Car Net hálózata töltőpontról töltőpontra bővült, és minden oszlop más gyártótól, más felügyeleti felületre küldte az állapotát, a kihasználtságát és a hibáit. A napi kép összerakása így felület-váltogatássá vált: a diszpécser több portálon nézte, mi elérhető, mi foglalt, mi offline — miközben egy hibás oszlop gyakran csak egy elmaradt töltésből, egy ügyfélpanaszból derült ki, nem a saját adatból.
A kulcskérdés
„Hogyan látszhatna minden töltőpont állapota és kihasználtsága egyetlen, önműködő kimutatásban — méghozzá úgy, hogy ez a rendezett adat a támogatott oszloptelepítések elszámolásához is elég legyen, a beavatkozásról szóló döntés pedig üzemeltetői kézben maradjon?”
Sok felület, egy hálózat
A különböző gyártók töltőpontjai külön portálokra küldték az állapotot, ezért minden napi kép felület-váltogatással kezdődött.
Késve észlelt hiba
Egy leállt vagy hibás oszlop gyakran csak ügyfélpanaszból derült ki, addig pedig kiesett bevétel és romlott az elégedettség.
Vak kihasználtság
Nem látszott tisztán, mely állomás túlterhelt és melyik áll üresen, így a bővítés és az árazás inkább megérzésen alapult.
Elmaradt pályázati forrás
A hálózatbővítést támogató e-mobilitási forrásokat kézi böngészéssel könnyű volt elszalasztani, az elszámoláshoz pedig nem állt rendelkezésre rendezett adatalap.
Mit kellett elérni az üzemeltetési adat digitalizálásával
Nem újabb monitorra vágytunk, hanem egy magától mozgó adatláncra: a telemetriából emberi kattintgatás nélkül, megbízhatóan szülessen meg a napi állapotkép és a hibariasztás — és ugyanez az adatréteg feleljen a kihasználtság-elemzésért és a támogatási elszámolásért is.
01
Önműködő állapotkép
Oszloponkénti státusz és hibariasztás felület-váltogatás nélkül, ütemezve, közel valós időben.
02
Egységes adatalap
Az oszlopok jelfolyama egyetlen forrásba fut össze, összevethető, egységes szerkezetben.
03
Pályázatra kész
Egyetlen adatvagyonból merít az e-mobilitási támogatás elszámolása és a fenntartási jelentés is.
04
Mérhető megtérülés
A rendelkezésre állás javulása és a felszabaduló diszpécser-idő megtérülés-méréssel követhető.
Nem dobozos terméket telepítettünk — a hálózati adatot vettük górcső alá
Elsőként végigjártuk, melyik töltőoszlop milyen protokollon, milyen sűrűn és pontosan milyen állapot-, forgalmi és hibajelet ad le. Erre a feltárásra alapozva raktuk össze azt a rendezett adatszerkezetet, amelyre a hálózatfigyelő megoldás oszloponként támaszkodik.
A dokumentumkivonatolás és a RAG tudásbázis mögött kizárólag az üzemeltető hitelesített belső adatvagyona áll; a láncszemeket az n8n workflow automatizáció fűzi egymáshoz, csendben. Mindezt emberi felügyelet fogja keretbe: a napi kimutatást a diszpécser engedélyezi, a beavatkozás és a pályázati mozdulat pedig a szakemberek hatásköre.
Az eredmény
Ma a telemetriából az állapotkép és a hibariasztás oszloponként, magától áll össze — felület-váltogatás nélkül, egyetlen közös adatvagyonból, amelyre a támogatási elszámolás is ráépül.
01
Adatfeltérképezés
Végigvesszük az oszlopok adatcsatornáit, protokolljait és a mai felügyeleti elvárásokat.
02
Strukturált adatalap
A több forrásból érkező jelfolyam rendezése egyetlen, állomás- és oszlopszintre bontott szerkezetbe.
03
Kimutatás és automatizálás
A magától futó kimutatás és az n8n workflow automatizáció ráhangolása a napi állapotképre és a riasztásokra.
04
Mérés és pályázati kapcsolódás
Megtérülés-mérőszámok élesítése, majd a pályázatfigyelő rendszer bekötése a közös adatvagyonba.
Öt digitális munkatárs a hálózati adat mélyén
Az AZAR Digitális Kapacitás™ jegyében nem egy magányos szoftvert, hanem egy összeszokott digitális brigádot állítottunk fel: mindegyik tagja egy-egy pontosan lehatárolt, visszatérő teendőt emel ki az üzemeltetés és a pályázat menetéből, emberi kéz nélkül a rutinlépéseknél — a döntés viszont a diszpécseré marad.
AZAR Digitális Kapacitás™
Helyzetfelmérés és menetrend arról, hogy az üzemeltetés, a kihasználtság-követés és a pályázati munka mely szeletei gépesíthetők kockázat nélkül, mérőszámokkal alátámasztva.
Á
Állapot-asszisztens
Kimutatás
A rendezett jelfolyamból oszloponként rakja össze a napi állapot- és kihasználtsági képet, ütemezve.
H
Hibafigyelő-asszisztens
Hibajelzés-figyelés
A státusz- és hibaüzeneteket közel valós időben gyűjti egybe, súlyoz, majd a szervizhez juttat riasztást.
T
Tudás-asszisztens
RAG tudásbázis
Az üzemeltető hitelesített belső adatvagyonából felel pontosan az oszlopokra vonatkozó kérdésekre, találgatás mentesen.
P
Pályázat-asszisztens
Pályázatfigyelő rendszer
Szüntelenül pásztázza az elektromobilitáshoz köthető támogatási kiírásokat, és előre szól a beadási dátumokról.
F
Folyamat-koordinátor
n8n workflow
Egymáshoz láncolja a mozzanatokat — jelbeolvasás, kimutatás-futtatás, riasztás-kiküldés, belső jelzés —, mindezt naplózva.
„
Egy töltőhálózatban a rendelkezésre állás voltaképp maga az áru — a diszpécser figyelme mégis a portálok közti ugrálásban és a későn kiszúrt hibákban morzsolódik el. Az Ep Car Netnek nem egy újabb kijelzőt nyújtottunk át, hanem a csapatuknak adtuk vissza azokat a perceket, amelyeket addig a hálózat végignézése emésztett fel.
RAG tudásbázis a hálózat belső adataira építve — pontos felelet találgatás mentesen
Egy kimutatás pontosan addig ér, ameddig a mögötte lévő adat: emiatt a tudásbázis kizárólag az Ep Car Net hitelesített, belső forrásaira támaszkodik. A digitális munkatárs nem az internet általános tudását ontja, hanem a friss, tényleges hálózati értékeket adja vissza — így lesz a válasz kitalálásmentes és hiteles.
Töltőpont-telemetria
Státusz, teljesítmény, üzemidő, hibakódok és tranzakciók töltőpontonként, OCPP-alapon.
Kihasználtság és bevétel
Töltési ablakok, foglaltság, energiaforgalom és a roaming-tranzakciók pénzügyi adatai.
Szerviz és SLA
Szerviznaplók, garanciális vállalások és a szerződéses rendelkezésre állási értékek kivonatolva.
Pályázati dokumentáció
Egy helyre gyűjtve mindaz, amit az e-mobilitási támogatás elszámolása és fenntartása megkíván.
RAG tudásbázisHallucináció nélküli AIOCPP telemetria
Mit hozott a bevezetés — emberi felügyelet alatt
Szempont
Azelőtt
Az AZAR-módszer nyomán
Irány
Állapotfigyelés
Több felület kézzel
Önműködő kimutatás
▲
Hibafeltárás
Panaszból
Riasztásból
▲
Kihasználtság
Homályos
Töltőpontonként látszik
▲
Pályázati elszámolás
Külön munka
Közös adatból
▲
Üzemeltetői kapacitás
Böngészésben
Beavatkozásra szabadul fel
▲
A felsorolt hatások irányt mutatnak és minőségi jellegűek; a pontos számokat a megtérülés-mérés fejti ki a hálózat üzemi adataiból.
„
Az elektromobilitás piacán a rendelkezésre állás a tét: aki azonnal átlátja, melyik oszlopa akadt el és melyik pihen kihasználatlanul, az hamarabb dönt a szervizről és a terjeszkedésről egyaránt. A hálózati adat digitalizálása nem a jelentésről szól, hanem arról, milyen gyorsan lehet közbelépni.
E-mobilitási pályázat és felügyelet — ugyanarra az adatra építve
A hálózat terjeszkedéséhez és a zöld logisztika fejlesztéséhez vissza nem térítendő támogatás és további uniós keretek is nyitva állnak. Az Ep Car Netnél a rendezett hálózati adat és a magától futó kimutatás közös gyökérre nyúlik vissza, amelyből a támogatási elszámolás és a fenntartási jelentés egyaránt táplálkozik — az e-mobilitási forrás felügyelete így nem plusz teher, hanem a már meglévő adatvagyon kinyújtása.
Kiírásonként más a részletszabály, a jogosultság és a támogatás mértéke, ezért mindig egyedi mérlegelés kell; az AZAR a forrásfigyeléstől egészen a megnyert projekt zárásáig ott halad Önökkel, a megosztott adatvagyonra alapozva.
Folyamatos figyelés
Az MI-vezérelt pályázatfigyelő szüntelenül szemmel tartja az elektromobilitáshoz kötődő kiírásokat és beadási dátumokat.
Előkészítés
A meglévő hálózati adatra alapozva végezzük a jogosultság vizsgálatát, a büdzsé kialakítását és a beadás segítését.
Nyerés után
A megnyert projekt vezetése és elszámolása a magától készülő kimutatásokra épül, hiánypótlással együtt.
Egy csapat, egy pont
Az üzemeltetés és a támogatás követése egyetlen kézben, azonos módszertan mentén fut össze.
Milyen képet festenek az ágazati számok az e-mobilitásról?
A lenti értékek piaci, ágazati számok, nem az Ep Car Net saját mérései — az elektromobilitás piacának lendületét és az adatra épülő üzemeltetés fontosságát érzékeltetik.
közel 14MEnnyi új elektromos autót adtak el világszerte 2023-ban, az összes eladás mintegy 18 százalékát az IEA szerint.
nyilvános töltés nőA nyilvános töltőinfrastruktúra bővülése az elektromobilitás terjedésének kulcsfeltétele az IEA Global EV Outlook 2024 szerint.
akár +40%Vizsgálatok arra utalnak, hogy a generatív keresőoptimalizálás (GEO) ilyen arányban lökheti feljebb a tartalom láthatóságát az MI-vezérelt keresőfelületeken.
A rendezett telemetria-alap és a magától készülő kimutatás hajtja az oszloponkénti, összevethető riportautomatizálást, amelyet a dokumentumkivonatolás lát el nyersanyaggal.
Automatizálás
A jelforrásokat, a kimutatás-futtatást és a riasztást az n8n workflow automatizáció fűzi egybe, uniós szervereken, GDPR-nek megfelelő háttérrel.
Megfelelőség
A RAG tudásbázis hiteles adatból merít, hallucináció nélkül; és minden MI-építőelem megfelel a GDPR és az EU AI Act által támasztott feltételeknek.
Rátalálnak a Google-ben és az MI-keresőkben egyaránt
Egy referencia csupán akkor kamatozik, ha megakad rajta a szem. Az oldal felépítése emiatt olyan, hogy a hagyományos keresők és a generatív válaszadók is gond nélkül értelmezzék és forrásként hozzák, országos kiterjedéssel a magyar elektromobilitási piacon.
Technikai SEO
A kereshetőség alapját rendezett metaadat, fürge betöltés és áttekinthető felépítés adja.
Országos GEO
A tartalom az egész országra hangol: töltőhálózatot működtető cégek a határokon belül mindenütt.
AI-keresőre hangolás
A generatív keresőknek szánt, idézhető és rendezett válaszok, entitáscímkékkel ellátva.
Tartalom és kulcsszavak
Az e-mobilitás és a hálózatüzemeltetés kulcskifejezései gördülékeny, szakmai szövetbe szőve.
Milyen tanulságot hozott a projekt
●A hálózatfelügyelet gyökere nem a kijelző, hanem a szanaszét heverő oszlopjelek rendbe tétele.
●Az e-mobilitási támogatás és a fenntartási jelentés azonos adatvagyonból él — célszerű egy kézben tartani.
●Csak a hiteles adatból táplálkozó RAG tudásbázis mellett születhet hallucinációtól mentes üzemeltetési válasz.
●A megtérülés-mérés adja a bevezetés számonkérhetőségét: a rendelkezésre állás nem megérzés, hanem mért érték.
Kinek ajánljuk a hasonló megoldást
Töltőhálózat-üzemeltetőkElektromos flottát mozgató cégekZöld logisztikai szolgáltatókIngatlan- és parkoló-üzemeltetőkPályázati forrást használók
Bárhol, ahol sok oszlop állapotát azonos sablonban követik nyomon, és ahol az e-mobilitási forrás felügyelete jelenleg kézi böngészést kíván.
A leggyakrabban felmerülő kérdések
Mit takar egy e-töltőállomás-hálózat üzemeltetési adatának digitalizálása?+
Egy egybefűzött adatsíkot, amelyben az oszlopok státusza, foglaltsága és hibajelei közös szerkezetbe kerülnek, majd erre támaszkodva oszloponként magától készül el az üzemeltetési kimutatás. A korábban több portálról kézzel egybehordott értékek ezután ütemezve, emberi munka nélkül állnak elő — a közbelépésről viszont ember dönt.
Milyen rendbe illeszti a megoldás a töltőpontok szórt adatait?+
Az OCPP-jelfolyamot, a hibanaplókat, a fizetési és roaming-tételeket, valamint a flotta menetadatait állomás- és oszlopszintre bontott, közös vázba illesztjük. Emiatt minden oszlopról azonos logika mentén, összevethető kép áll össze — üzemóra, foglaltság és hibaarány egyetlen felületen.
Mit ad hozzá a hibajelzés-figyelés az üzemeltetéshez?+
Az oszlopok szüntelenül jeleznek állapotot és hibát: elérhető, foglalt, hibás, offline. A megoldás ezeket közel valós időben gyűjti, csoportba rendezi és súlyozza, így az akadozó oszlop nem panaszból, hanem a kimutatásból bukkan elő — a szerviz pedig előre tudja, hová induljon.
Mi az a RAG tudásbázis, és miért fontos egy töltőhálózat-üzemeltetőnek?+
A RAG tudásbázis csak az üzemeltető hitelesített belső forrásaira támaszkodik — oszlopparaméterek, telepítési iratok, szerviznaplók, szerződéses SLA-értékek. A digitális munkatárs így nem az internet közhelyeit ontja, hanem az Ep Car Net friss, tényleges hálózati értékeit adja vissza, találgatás mentesen.
Hogyan kapcsolódik az e-mobilitási pályázathoz és felügyeletéhez?+
A rendezett hálózati adat és a magától készülő kimutatás közös gyökér, amelyre a támogatott oszloptelepítések elszámolása és a fenntartási jelentés is ráépül. Az MI-vezérelt pályázatfigyelő felmutatja a forrásokat, a beadás előkészítése és a megnyert projekt kezelése pedig ugyanebből az adatvagyonból él — a felügyelet és a jelentéskészítés így egyetlen, összefonódó menet.
Mit jelent az n8n workflow automatizáció a hálózat felügyeletében?+
A színfalak mögötti, visszatérő teendőket látja el: jelbeolvasás az oszlopokról, a kimutatások időzített futtatása, a riasztások szervizhez juttatása és a belső jelzések. A napi állapotkép és a hibariasztás így magától, kézi indítás nélkül áll össze, és minden mozzanat naplózva, nyomon követhetően zajlik le.
Ember kezében marad a felügyelet és a közbelépés?+
Igen. A digitális munkatárs a visszatérő teendőket viszi — jelbegyűjtés, státuszfigyelés, kimutatás-összeállítás —, a hiba súlyának mérlegelése és a közbelépésről hozott döntés végig a diszpécsereké marad. A kiküldött kimutatást ember engedélyezi, a tudásbázist a szakemberek gondozzák.
Hogyan támogatja a megoldás a zöld logisztikát és a flottát?+
A hálózat adatai összefűzhetők a flotta menet- és töltési naplójával: egy elektromos jármű mikor, hol és mekkora energiát vételezett. Ebből kirajzolódnak a töltési ablakok, a parlagon heverő kapacitás és a megspórolt kibocsátás, így a zöld logisztika terve mért számokra, nem sejtésre támaszkodik.
Miként tesz eleget a megoldás a GDPR és az EU AI Act követelményeinek?+
Az adatkezelés a GDPR szabályai mentén, uniós szervereken, írásba foglalt keretben zajlik, a fizetési és felhasználói adatokat külön tárolva. A RAG tudásbázis kizárólag hitelesített belső adatra épül, ezért a megoldás sem nem szivárogtat, sem nem gyárt kitalált értéket, minden MI-elem pedig teljesíti az EU AI Act előírásait, dokumentált kockázati sávval.
Számszerűsíthető a megoldás megtérülése?+
Igen. A bevezetést megtérülés-méréssel kísérjük: a kézi állapotellenőrzésre elment idő, az akadozó oszlopok állásideje és az elmaradt tételek apadása mind számszerűsíthető. Az üzemeltetés így nem sejtésből, hanem adatból olvassa le, hol és mennyivel nőtt a rendelkezésre állás és a bevétel.
Milyen cégeknek való a hasonló MI-bevezetés?+
Mindenekelőtt hálózatot üzemeltető és terjeszkedő cégeknek, elektromos flottát futtató fuvarozó és személyszállító vállalkozásoknak, továbbá minden olyan e-mobilitási szereplőnek, amely sok oszlop állapotát, foglaltságát és hibáit azonos sablonban követi. Ahol ez ma több portál kézi átnézésén nyugszik, ott a megoldás fürgén ad vissza diszpécser-időt.
Miért az AZAR mellett döntsön?+
Az AZAR nem pusztán ügynökség: MI-szoftverfejlesztés, digitális munkatárs, stratégiai tanácsadás és színvonalas pályázatírás egyazon csapatban, egyazon kézbe futva össze. Az oszlopjeltől a magától készülő kimutatásokon át az e-mobilitási támogatás felügyeletéig az egész ívet azonos módszertannal rakjuk össze, a vállalt határidőt pedig megbízhatóan tartjuk.
Mikor érdemes a hálózati adatot digitalizálni?
Gyors válasz
Amikor sok oszlop állapotát több gyártói portálon kell szemmel tartani, és a hibák felderítése ma zömmel ügyfélbejelentésen nyugszik — kiváltképp, ha ugyanez az adat a támogatási elszámoláshoz is kell.
Ha ezt látja
Ezt jelzi
A napi állapotkép több felület böngészésével áll össze
A rendezett adatalap és a magától futó kimutatás rögtön időt ad vissza.
A hibás oszlop panaszból derül ki
A kiesés és a bevételkiesés mérsékléséhez hibajelzés-figyelés szükséges.
A támogatási elszámolás önálló, ismétlődő teher
Célszerű az üzemeltetéssel megosztott adatra alapozni.
A kihasználtságot csak érzésre látják
A megtérülés-mérés adatból mutatja meg a rendelkezésre állást és a bevételt.
Az AZAR öt lépcsős, kockázatkerülő MI-bevezetési modellje
Gyors válasz
Az AZAR öt, élesen elkülönített lépcsőn vezet át az adatfelméréstől a megtérülés-mérésig, mindvégig emberi szem előtt — a hálózatfigyelő megoldás így lépcsőzetesen, kockázatmentesen indul éles működésbe.
01
Adat
Az oszlopjelek forrásainak számbavétele és rendezése.
02
Tudás
A RAG tudásbázis megépítése hitelesített forrásokból.
03
Kimutatás
A magától készülő állapotkép és riasztás beállítása oszloponként.
04
Automatizálás
Az n8n workflow bekötése és a pályázati szál csatlakoztatása.
05
Mérés
Megtérülés-mérés és szüntelen ráhangolás éles működés közben.
Mely veszélyeket kell kordában tartani — és mi módon
Gyors válasz
A három fő buktató a torzult jeladat, az adatvédelem és a féktelen gépesítés — mindegyikre beépített ellensúly vigyáz: hiteles forrás, GDPR-keret és emberi jóváhagyás.
Pontatlan kimutatás
A RAG tudásbázis kizárólag hitelesített jeladatot használ, hallucináció nélkül.
Adatvédelmi kockázat
GDPR-nek megfelelő, uniós szerveres adatkezelés, a fizetési adatok külön tárolásával.
Túlzott automatizálás
A gépesítés a rutinra szorítkozik, a közbelépésről ember dönt.
Pályázati hiba
Jogosultság-vizsgálat és hiánypótlás szakértői felügyelet mellett.
Téves riasztás
A riasztást a diszpécser engedélyezi, mielőtt kiszáll a szerviz.
Hogyan lesz egy e-mobilitási cég az AI-keresőkben is érthető
Strukturált kérdés-válasz
A hálózatüzemeltetés kérdéseire idézhető formában felelünk.
Strukturált adatok
JSON-LD entitások adják a kereshetőség és az idézhetőség alapját.
Definíciós blokkok
A hibajelzés-figyelés, a kihasználtság-elemzés és a RAG tudásbázis érthető meghatározásai.
Világos szolgáltatásleírás
A hálózatfigyelés és a támogatás-követés közérthető ismertetése.
Belső linkek és tudástár
A rokon szolgáltatások és szakanyagok egymásba kötése.
Bot-hozzáférés
Átgondolt bot-kezelés, hogy a válaszmotorok hitelt érdemlően hivatkozhassanak az oldalra.
Nem csupán rendszert hagytunk ott — tudást is átadtunk
Módszertani kézikönyv
Írásos folyamatleírás arról, miként áll össze és hogyan frissül a telemetria-alap és a magától készülő kimutatás.
Célzott tréning
A diszpécserek betanítása a riasztások és kimutatások jóváhagyására, valamint a tudásbázis gondozására.
Önálló működtetés
A bevezetés után az Ep Car Net maga működteti és bővíti a rendszert, szükség esetén a mi segítségünkkel.
Amikor sok oszlop állapotát több portálon kell figyelni, és a hibák felderítése mind több diszpécser-időt köt le.
Mit lehet biztonságosan támogatni
A jelbegyűjtést, a kimutatás összerakását és a forrásfigyelést — a közbelépés ember kezében marad.
Mi marad emberi kézben
A riasztás mérlegelése, a szervizről és a terjeszkedésről hozott döntés, továbbá a tudásbázis jóváhagyása.
Beszéljünk a töltőhálózata adatáról
Ha az oszlopai állapotát ma több portálon kell átnézni, megmutatjuk, hogyan születik meg mindez magától készülő kimutatásban és hibariasztásban — az e-mobilitási forrás felügyeletével egyben. Az első egyeztetés díjtalan.
