跳至主要內容
工程派工系統 · 冷氣 / 家電維修服務
Case · 03示意情境
冷氣 / 家電維修服務

工程派工系統

把派工白板搬進系統,師傅、客服、客戶三邊同步。

這家維修服務公司過去派工靠白板 + LINE 群組。師傅在外面完成後回報常常忘記,客服要一直追;客戶不知道「今天師傅會不會來、幾點來」,常打電話進來問。導入 Fracdigi Starter Mission 後,一個系統管理所有進線、派工、行事曆、完工回報與客戶通知。

Case Facts
產業
冷氣 / 家電維修服務
Mission
工程與派工營運中心
方案層級
Starter Mission
上線時間
5 週上線
公司規模
約 25 人 · 師傅 12 位 · 每日進線 40–70 則
Tech Stack
Next.js PWA(手機) · PostgreSQL · LINE Messaging API · 客戶簽名 Canvas
Storyline

從問題發現,到系統上線的完整過程。

  1. 01
    Before

    LINE 群組 + Excel + 白板 = 派工亂

    客服接電話後貼在群組,主管在辦公室看白板派工,師傅在外面用個人 LINE 回報。一天派 40+ 單,漏派、重派、時間打架每週都發生。師傅休假、請假只能靠記憶。

  2. 02
    Problem

    沒有「單一真相來源」,每個人的資訊都不完整

    客服不知道師傅目前在哪、主管不知道哪一單已完成、客戶不知道到府時間、老闆更看不到公司整體狀況。所有人都在猜。

  3. 03
    Data

    把每一個工單變成有 status 的物件

    建立工單資料表,包含客戶、地址、機型、故障描述、指派師傅、預約時間、完工時間、費用、材料使用、客戶簽名、後續保固。所有欄位一起才組成一張完整工單。

  4. 04
    Workflow

    從進線到完工的自動化 flow

    客戶 LINE / 電話進線 → 客服建立工單 → 系統依師傅行事曆、技能、地區建議派工 → 主管確認 → LINE 通知師傅 + 客戶「明天上午 10 點到府」→ 師傅手機打卡 + 拍照 + 客戶簽名 → 系統自動產生請款單 → LINE 通知客戶付款連結。

  5. 05
    AI

    AI Agent 做什麼

    (1) 依師傅技能、當日行程、地區位置,建議 3 個派工方案。(2) 進線內容 AI 判斷「新裝 / 維修 / 保養 / 抱怨」,自動分派給合適客服。(3) 保固到期前 30 天自動通知,建議加購方案。

  6. 06
    Result

    上線後真正改變的事

    客戶打電話進來問「師傅什麼時候到」的次數大幅減少 — 因為出發前 30 分鐘系統自動 LINE 通知了。師傅回報完工從「回公司才補」變成手機當場完成。老闆終於看得到「今天派幾單、多少完成、多少待處理、每位師傅產值」。

Interface Preview

系統介面示意。

下方為示意介面(非真實客戶資料),用來說明使用者實際會看到的樣子。

派工日曆
今日派工 · 2026-04-17 (四)
32 單 · 4 位師傅
師傅09:0010:3012:0013:3015:00
陳師傅
A
A
·
B
B
林師傅
C
·
D
D
·
張師傅
·
E
E
·
F
王師傅
G
·
·
H
H
單 A · 冷氣不冷 · 大安區單 B · 新機安裝 · 松山區單 D · 定期保養 · 中山區
示意派工日曆主管一頁看所有師傅今日行程,可拖曳調度。
9:41師傅手機工單●●●
工單 #W-0417-A進行中
陳先生 · 大安區敦化南路
冷氣不冷 · 3 噸壁掛 × 2
進度
出發09:12
到場09:38
檢修10:22
完工回報
示意師傅手機工單打卡、拍照、簽名、費用回報,不用回公司補資料。
Before → After · 示意

上線後真正改變的事(以機制描述,非虛構數字)。

派工工具
Before
白板 + LINE 群組 + Excel
After
單一系統,手機 / 桌機同步
客戶主動問「幾點到」
Before
每天 10–20 通
After
出發前自動 LINE
完工回報時效
Before
回公司補資料
After
現場拍照 + 簽名即結案
保固追蹤
Before
完全沒做
After
到期前自動通知
Consultation

想討論你公司類似情境該怎麼做?

免費 AI 導入診斷,我們一起判斷該從哪一個 Mission 開始。

免費 AI 導入診斷 →