PDFまたは証明書から材料仕様を抽出する方法

クイックアンサー

PDF製鋼所テスト証明書には、材料バッチの完全な材料仕様証拠が含まれています：化学組成、機械テスト結果、テストされた標準とグレード、および認定製鋼所の陳述。これらの値をPDFから抽出して使用可能なシステムに入力すること—手動の再入力なしに—このガイドが対処する実際的な課題です。

---

材料仕様PDFの内容を理解する

抽出する前に、探しているものを知ってください。典型的なMTCには以下が含まれます：

ヘッダー/識別フィールド

• 熱番号（時々鋳造番号、溶融番号、またはロット番号と呼ばれる）
• 証明書番号と日付
• 注文/PO参照
• 認定製鋼所の名前と住所
• 署名者と職位

材料仕様フィールド

• 適用規格（例：ASTM A106、EN 10210-1、API 5L）
• グレード（例：グレードB、S355J2H、X52）
• 製品形状（シームレスパイプ、熱間圧延板、棒）
• 公称寸法（外径、壁厚、長さ）
• 熱処理状態（焼ならし、焼入れ焼戻し、圧延状態）

化学成分表

• 炭素(C)、マンガン(Mn)、ケイ素(Si)、リン(P)、硫黄(S)は最小限必要
• グレードに応じた追加元素：クロム、モリブデン、ニッケル、バナジウム、ニオブ、ホウ素、窒素など
• 値は通常、重量百分率で2～4小数位で報告されます

機械試験結果

• 引張強さ(UTS)、降伏強さ(YS/Rp0.2)、伸び(%)
• 衝撃テスト等級の場合：指定温度でのシャルピー衝撃値(ジュール)
• 硬さ(HB、HV、HRC)(該当する場合)

補足データ(該当する場合)

• 非破壊検査結果
• 溶接ワイヤー/フィラーメタルデータ(溶接製品の場合)
• 溶接後熱処理記録
• 静水圧試験結果

---

方法1：手動コピー貼り付け（単一文書）

不定期で少量の検索の場合：

1. いずれかのPDFリーダーでPDFを開く
2. ネイティブPDF（機械生成）の場合：テキスト選択ツールを使用して値を強調表示し、直接コピーします。注意：表は正確にコピーされない場合があります。PDFの生成方法によっては、値が間違った順序で届く場合があります。
3. スキャンされたPDFの場合：テキスト層は選択可能なテキストではなく画像です。値を視覚的に読んで入力する必要があります。

制限事項：遅い、化学表でエラーが発生しやすい、構造化出力なし、監査証跡なし。

---

方法2：Pythonを使用したPDFテキスト抽出（プログラミング、ネイティブPDF）

ネイティブPDFのバッチをプログラムで処理する必要があるデベロッパー向け：

import pdfplumber

with pdfplumber.open("milling_cert.pdf") as pdf:
    for page in pdf.pages:
        # Extract all text
        text = page.extract_text()
        
        # Extract tables as lists
        tables = page.extract_tables()
        for table in tables:
            for row in table:
                print(row)

これが提供するもの：ネイティブPDFから抽出された生テキストとテーブル配列。どのテーブルが化学テーブルであるか、どの行がヘッダーであるか、値を要素ラベルに関連付ける方法を識別するために、後処理ロジックが必要です。

制限事項：

• ネイティブPDFでのみ機能（スキャン非対応）
• 複雑なレイアウト(セル結合、複数行ヘッダー)ではテーブル構造が失われる
• フィールド識別なし—各値を見つけるためにルールを書く必要がある
• 異なる製鋼所間のレイアウト変化に対応していない

このアプローチは、単一サプライヤーで高容量のシナリオであり、安定したPDF形式の場合に実行可能です。汎用証明書パーサーではありません。

---

方法3：AI抽出(汎用)

複数のサプライヤーおよび文書タイプ全体での本番使用：

AI抽出ツールはPDFを受け取り、文書タイプを分類し、適用可能な抽出スキーマを識別し、フィールドごとの信頼度スコア付きで値を抽出し、構造化JSONレコードを返します。プロセスはネイティブPDFとスキャンされた文書では同じですが、ネイティブPDFの場合は精度がより高くなります。

出力の外観(簡略版)：

{
  "heat_number": "A87234",
  "applicable_standard": "ASTM A106",
  "grade": "Grade B",
  "chemical_composition": {
    "carbon": { "value": 0.18, "unit": "wt%", "confidence": 0.97 },
    "manganese": { "value": 1.06, "unit": "wt%", "confidence": 0.96 },
    "phosphorus": { "value": 0.012, "unit": "wt%", "confidence": 0.94 },
    "sulfur": { "value": 0.008, "unit": "wt%", "confidence": 0.95 }
  },
  "mechanical_properties": {
    "tensile_strength": { "value": 415, "unit": "MPa", "confidence": 0.98 },
    "yield_strength": { "value": 240, "unit": "MPa", "confidence": 0.97 },
    "elongation": { "value": 28.5, "unit": "%", "confidence": 0.95 }
  }
}

各フィールドは値、単位、信頼度スコアを持ちます。信頼度の低いフィールドは手動レビューにルーティングされます。

---

フィールドタイプ別の一般的な抽出課題

熱番号：形式は広く異なります—一部の製鋼所は純粋に数値コードを使用し、他は数字と字母でハイフン付きの組み合わせを使用し、さらに他はロットまたはテストピースの参照を含みます。抽出器は、文字の截断や転置なしに形式の変動性を処理する必要があります。

ユニット：機械的性質は、製鋼所の国と適用規格に応じてMPa、N/mm²、ksi、またはtf/in²で報告される場合があります。証明書間比較のためには、ユニット検出と正規化が必要です。「60 ksi」と「414 MPa」の引張強さは等価ですが、ユニット認識の正規化なしには異なります。

検出限界付近の化学値：一部の製鋼所は特定値ではなく「<0.005」(検出限界以下)として要素を報告します。抽出器はこれをテキスト文字列またはnullではなく、境界値として処理する必要があります。

二重認証：2つの同時規格(例：ASTM A106 Gr.B / ASME SA-106 Gr.B)をカバーする証明書は、両方の参照を記録する必要があります。単一規格抽出器は第2の参照を黙って削除します。

製品寸法表：パイプ証明書の場合、アイテム番号別に外径、壁厚、長さをリストする寸法表が一般的です。この表は化学データおよび機械データとは別に分析され、アイテム番号でリンクされる必要があります。

---

抽出後：仕様に対する検証

抽出された値は、それらが適合しているかどうかを知っている場合にのみ有用です。検証には、各抽出値を適用規格の制限と比較する必要があります：

保存されたバージョン管理された規格データベースなしで、この検証では検査者が手動で制限を調べる必要があります—自動化の利点の多くを否定します。TestCertのようなプラットフォームは、抽出時に抽出値を規格検証エンジンと統合するため、すべての抽出フィールドに対して合否が自動的に決定されます。

---

FAQ

---

関連ガイド

• AI製鋼所テスト証明書データ抽出：方法
• 製鋼所テスト証明書をデジタル化する方法