Jak wyodrębnić specyfikacje materiałów z certyfikatu PDF

Szybka odpowiedź

Certyfikat próby walcowni PDF zawiera pełny dowód specyfikacji materiału dla partii materiału: skład chemiczny, wyniki próby mechanicznej, normę i gatunek, wobec którego został przetestowany, oraz oświadczenie certyfikującej walcowni. Wyodrębnienie tych wartości z pliku PDF i wprowadzenie ich do systemu użytecznego—bez ręcznego ponownego wpisania—jest praktycznym wyzwaniem poruszanym przez ten przewodnik.

---

Zrozumienie zawartości pliku PDF ze specyfikacją materiału

Przed wyodrębnianiem wiedz, co szukasz. Typowy MTC zawiera:

Pola nagłówka/tożsamości

• Numer pieca (czasami zwany numerem odlewu, numerem topienia lub numerem partii)
• Numer i data certyfikatu
• Odnośnik do zamówienia/PO
• Nazwa i adres certyfikującej walcowni
• Podpisujący i stanowisko

Pola specyfikacji materiału

• Norma mająca zastosowanie (np. ASTM A106, EN 10210-1, API 5L)
• Gatunek (np. Gatunek B, S355J2H, X52)
• Forma produktu (rura bezszwowa, blach walcowany na gorąco, pręt)
• Wymiary nominalne (OD, grubość ścianki, długość)
• Stan obróbki cieplnej (wyżarzany, hartowany i odpuszczany, stan walcowania)

Tabela składu chemicznego

• Węgiel (C), Mangan (Mn), Krzem (Si), Fosfor (P), Siarka (S) minimum
• Dodatkowe elementy w zależności od gatunku: Chrom, Molibden, Nikiel, Wanad, Niób, Bor, Azot itp.
• Wartości są zwykle podawane jako procent wagowy z dokładnością do 2-4 miejsc po przecinku

Wyniki próby mechanicznej

• Wytrzymałość na rozciąganie (UTS), granica plastyczności (YS/Rp0.2), wydłużenie (%)
• Dla gatunków badanych na uderzenie: energia pochłonięta Charpy'ego (Joule) w określonej temperaturze
• Twardość (HB, HV, HRC) gdzie ma zastosowanie

Dane dodatkowe (gdzie mają zastosowanie)

• Wyniki badań nieniszczących
• Dane drutu spawalniczego / metalu dołączającego (dla produktów spawanych)
• Rejestry obróbki cieplnej po spawaniu
• Wyniki testów hydrostatycznych

---

Metoda 1: Ręczne kopiowanie-wklejanie (pojedyncze dokumenty)

Do sporadycznych, niskotonażowych wyszukiwań:

1. Otwórz plik PDF w dowolnym czytniku PDF
2. W przypadku natywnych plików PDF (generowanych przez maszynę): użyj narzędzia zaznaczania tekstu, aby wyróżnić i skopiować wartości bezpośrednio. Uwaga: tabele mogą nie być skopiowane prawidłowo—wartości mogą pojawić się w niewłaściwej kolejności w zależności od sposobu wygenerowania pliku PDF.
3. W przypadku zeskanowanych plików PDF: warstwa tekstu jest obrazem, a nie tekstem do zaznaczenia. Musisz odczytać wartości wizualnie i je wpisać.

Ograniczenia: Powolne, podatne na błędy dla tabel chemicznych, brak strukturyzowanej wydajności, brak pRecord audytu.

---

Metoda 2: Ekstrakcja tekstu PDF z Python'em (programowy, natywne pliki PDF)

Dla deweloperów, którzy muszą przetwarzać partię natywnych plików PDF programowo:

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)

Co to ci daje: Surowy tekst i tablice z tabeli z natywnego pliku PDF. Nadal potrzebujesz logiki przetwarzania końcowego, aby określić, która tabela jest tabelą chemii, który rząd jest nagłówkiem i jak powiązać wartości z etykietami elementów.

Ograniczenia:

• Działa tylko z natywnymi plikami PDF (nie zeskanowanymi)
• Struktura tabeli zostaje utracona dla złożonych układów (scalene komórki, wielowierszowe nagłówki)
• Brak identyfikacji pola—musisz napisać reguły, aby znaleźć każdą wartość
• Nie obsługuje zmienności układu między różnymi walcowniami

Podejście to jest wykonalne dla scenariusza jednego dostawcy, dużej ilości ze stabilnym formatem PDF. Nie jest ogólnym parserem certyfikatów.

---

Metoda 3: Ekstrakcja oparta na AI (cel ogólny)

Do użytku w produkcji na wielu dostawcach i typach dokumentów:

Narzędzie ekstrakcji AI odbiera plik PDF, klasyfikuje typ dokumentu, określa mający zastosowanie schemat ekstrakcji, wyodrębnia wartości z ocenami ufności na pole i zwraca ustrukturyzowany rekord JSON. Proces jest taki sam dla natywnych plików PDF i dokumentów zeskanowanych, chociaż dokładność jest wyższa dla natywnych plików PDF.

Jak wygląda wyjście (uproszczone):

{
  "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 }
  }
}

Każde pole nosi swoją wartość, jednostkę i ocenę ufności. Pola o niskiej ufności są kierowane do ręcznego przeglądu.

---

Typowe wyzwania ekstrakcji według typu pola

Numery pieca: Format jest bardzo zróżnicowany—niektóre walcownie używają kodów czysto numerycznych, inne używają kombinacji alfanumerycznych z łącznikami, inne zawierają odnośniki do partii lub próbki testowej. Ekstraktory muszą obsługiwać zmienność formatu bez obcinania lub transpozycji znaków.

Jednostki: Właściwości mechaniczne mogą być raportowane w MPa, N/mm², ksi lub kgf/cm² w zależności od kraju walcowni i mającej zastosowanie normy. Wykrywanie i normalizacja jednostek są wymagane do porównania między certyfikatami. Wytrzymałość na rozciąganie "60 ksi" i "414 MPa" są równoważne, ale bez świadomej normalizacji jednostki będą wyglądać inaczej.

Wartości chemii bliskie limitom wykrywalności: Niektóre walcownie podają elementy jako "<0.005" (poniżej granicy wykrywalności) zamiast wartości określonej. Ekstraktor musi to obsługiwać jako wartość ograniczoną, a nie ciąg tekstu lub wartość null.

Podwójna certyfikacja: Certyfikat obejmujący dwie równoczesne normy (np. ASTM A106 Gr.B / ASME SA-106 Gr.B) musi rejestrować oba odnośniki. Ekstraktory jednonormowe milcząco odrzucają drugi odnośnik.

Tabele wymiarów produktów: W przypadku certyfikatów rur jest powszechna tabela wymiarów zawierająca OD, grubość ścianki i długość według numeru artykułu. Tabela ta musi być analizowana oddzielnie od danych chemicznych i mechanicznych i powiązana według numeru artykułu.

---

Po ekstrakcji: walidacja względem specyfikacji

Wyodrębnione wartości są przydatne tylko wtedy, gdy wiesz, czy są one zgodne. Walidacja wymaga porównania każdej wyodrębnionej wartości z limitami mającej zastosowania normy:

Bez magazynowanej, wersjonowanej bazy danych normy ta walidacja wymaga od recenzenta ręcznego wyszukania limitów—negując wiele zalet automatyzacji. Platformy takie jak TestCert integrują wyodrębnione wartości z silnikiem walidacji normy w momencie ekstrakcji, dlatego wynik zaliczył/nie zaliczył jest określany automatycznie dla każdego wyodrębnionego pola.

---

Często zadawane pytania

---

Powiązane przewodniki

• Ekstrakcja danych certyfikatu próby walcowni oparta na AI: metody
• Jak cyfrować certyfikaty próby walcowni