Trích xuất dữ liệu chứng chỉ kiểm tra nhà máy bằng AI: Phương pháp và Sự cân bằng

Câu trả lời nhanh

Chứng chỉ kiểm tra nhà máy mang đầy đủ bản sắc vật liệu của một lô thép, ống hoặc tấm: số lô, hóa học, kết quả kiểm tra cơ học, tiêu chuẩn được kiểm tra vật liệu, và tuyên bố chứng nhận của nhà máy. Nhập dữ liệu này vào ERP hoặc hệ thống chất lượng của bạn mà không cần nhập lại thủ công là vấn đề cốt lõi mà trích xuất MTC bằng AI giải quyết.

Hướng dẫn này phân tích ba phương pháp trích xuất chính, nơi mỗi phương pháp hoạt động tốt, và những gì trình phân tích cú pháp MTC cấp độ sản xuất thực sự yêu cầu.

---

Phương pháp 1: Khớp mẫu dựa trên quy tắc

Các trình phân tích cú pháp dựa trên quy tắc sử dụng các bản đồ tọa độ được xác định trước hoặc các mẫu regex được liên kết với bố cục nhà máy cụ thể. Nếu bạn biết nhà máy X luôn đặt tỷ lệ phần trăm carbon tại tọa độ (412, 318) trên trang một, bạn có thể trích xuất nó một cách xác định.

Khi hoạt động tốt:

• Mối quan hệ với một nhà cung cấp duy nhất với các định dạng tài liệu ổn định
• Luồng chứng chỉ khối lượng cao, định dạng giống hệt
• Môi trường nơi cần trích xuất 100% xác định và thay đổi bố cục là hiếm

Hạn chế:

• Mỗi nhà máy mới hoặc phiên bản mẫu mới yêu cầu bộ quy tắc mới
• Bất kỳ thay đổi bố cục nào cũng khiến trích xuất thất bại im lặng (không có tín hiệu tin cậy)
• Gánh nặng bảo trì tăng tuyến tính theo số lượng nhà cung cấp
• Thất bại hoàn toàn trên các tài liệu được quét

Đối với các tổ chức nhận MTC từ mười hoặc ít hơn nhà máy có định dạng ổn định, trích xuất dựa trên quy tắc là lựa chọn hợp lý chi phí thấp. Đối với các tổ chức có hàng chục nhà cung cấp, gánh nặng bảo trì trở nên cấm kỵ.

---

Phương pháp 2: OCR cộng với xử lý hậu kỳ

OCR truyền thống chuyển đổi hình ảnh tài liệu thành văn bản, sau đó các tập lệnh xử lý hậu kỳ áp dụng nhận dạng thực thể được đặt tên để tìm giá trị trường. Phương pháp này linh hoạt hơn phân tích dựa trên quy tắc vì nó xử lý các bố cục khác nhau thông qua NLP thay vì tìm kiếm tọa độ.

Đường ống thường trông như:

1. Kết xuất PDF thành hình ảnh
2. OCR (Tesseract, AWS Textract, Azure Form Recognizer)
3. Chuẩn hóa văn bản
4. Nhận dạng thực thể được đặt tên để xác định nhãn trường
5. Logic liên kết giá trị để liên kết nhãn với giá trị
6. Ánh xạ lược đồ

Đặc điểm độ chính xác:

• Các trường văn bản tự do (tên nhà máy, tham chiếu tiêu chuẩn): 90–95%
• Các cặp khóa-giá trị đơn giản: 88–94%
• Bảng thành phần hóa học: 75–88% (OCR thường mất cấu trúc bảng)
• Bảng tính chất cơ học nhiều cột: 70–85%

Điểm yếu cơ bản là OCR hoạt động trên các ký tự và mất ngữ cảnh không gian. Bảng thành phần hóa học có tám phần tử trên một hàng yêu cầu bộ xử lý hậu kỳ xây dựng lại các liên kết cột từ văn bản thô — một hoạt động dễ vỡ mà giảm đáng kể với các bố cục không chuẩn.

---

Phương pháp 3: Trích xuất dựa trên tầm nhìn LLM

Các mô hình ngôn ngữ lớn có khả năng nhìn thấy (mô hình vision-language, hay VLM) xử lý trang được kết xuất dưới dạng hình ảnh hoặc dưới dạng biểu diễn hình ảnh+văn bản hybrid. Không giống như các đường ống OCR, mô hình hiểu cấu trúc bảng từ trực quan — nó nhìn thấy rằng một cột các số rơi bên dưới tiêu đề "C%" và suy ra mối quan hệ mà không yêu cầu lớp OCR bảo tồn nó.

Cách trích xuất hoạt động trong thực tế:

1. Trang PDF được kết xuất thành hình ảnh độ phân giải cao
2. VLM nhận hình ảnh có lời nhắc có cấu trúc chỉ định lược đồ mục tiêu (heat_number, các phần tử hóa học, tính chất cơ học, tiêu chuẩn áp dụng, v.v.)
3. Mô hình trả về một đối tượng JSON với các giá trị được trích xuất và điểm tin cậy từng trường
4. Các trường tin cậy thấp được đánh dấu để xem xét con người
5. Các giá trị được xác nhận được viết vào cơ sở dữ liệu cùng với tham chiếu tài liệu nguồn

Đặc điểm độ chính xác (PDF gốc):

• Các trường bảng thành phần hóa học: 93–97%
• Các trường tính chất cơ học: 94–98%
• Số lô/lô: 96–99%
• Tham chiếu tiêu chuẩn và cấp: 95–98%

Đặc điểm độ chính xác (MTC được quét, chất lượng tốt):

• Các trường bảng thành phần hóa học: 89–94%
• Các trường tính chất cơ học: 90–95%

Các nền tảng như TestCert triển khai phương pháp này với lược đồ nhận thức tiêu chuẩn, vì vậy các giá trị thành phần được trích xuất được so sánh ngay với các giới hạn ASTM hoặc EN được lưu trữ thay vì yêu cầu bước xác thực riêng biệt.

---

Xử lý các trường hợp khó

Chứng chỉ nhiều lô

Một số trung tâm dịch vụ thép phát hành một PDF duy nhất bao gồm nhiều lô. Trích xuất phải chia nhỏ tài liệu thành các phần theo lô trước khi áp dụng lược đồ trích xuất. Điều này yêu cầu một bước phân đoạn ban đầu xác định ranh giới lô — thường dựa trên sự xuất hiện của số lô hoặc các dấu phân cách hàng bảng.

Dữ liệu kiểm tra bổ sung

MTC cho các vật liệu thùng chứa áp suất thường mang các bài kiểm tra bổ sung (Charpy impact, hồ sơ PWHT, kết quả kiểm tra ăn mòn) trên các trang bổ sung. Trích xuất mạnh mẽ ánh xạ những điều này thành lược đồ dữ liệu bổ sung mở rộng thay vì loại bỏ chúng.

Chứng chỉ đa ngôn ngữ

Chứng chỉ EN 10204 từ các nhà máy châu Âu thường đến bằng tiếng Đức, Pháp hoặc Ý. Các trích xuất dựa trên LLM xử lý những điều này mà không có các mô hình ngôn ngữ riêng — mô hình cơ bản hiểu ngữ nghĩa trường trên các ngôn ngữ — mặc dù độ chính xác trên các ngôn ngữ ít phổ biến hơn giảm nhẹ.

Chú thích viết tay

Bất kỳ giá trị viết tay nào trên MTC in (phổ biến cho dấu kiểm tra viên hoặc sửa chữa trường) sẽ được chuyển hướng để xem xét con người. Các mô hình hiện tại xử lý văn bản được gõ và in bằng máy một cách đáng tin cậy; viết tay là một điểm suy giảm đã biết.

---

Những gì trình phân tích cú pháp MTC cấp độ sản xuất yêu cầu

Ngoài khả năng trích xuất thô, triển khai sản xuất yêu cầu:

• Điểm tin cậy từng trường — không phải là một điểm số cấp tài liệu duy nhất
• Định tuyến từ chối — tài liệu bên dưới ngưỡng chất lượng được giữ lại để nhập toàn bộ thủ công, không trích xuất từng phần
• Dấu vết kiểm toán — ai đã trích xuất, khi nào, những gì được đánh dấu, những gì đã sửa
• Lưu trữ tài liệu nguồn không thay đổi — PDF gốc được giữ lại cùng với bản ghi có cấu trúc
• Tích hợp xác thực tiêu chuẩn — các giá trị được trích xuất được kiểm tra so với các giới hạn tại thời điểm trích xuất, không phải hạ lưu
• Đầu ra Webhook hoặc API — các bản ghi được trích xuất được đẩy đến ERP/MES mà không có các bước xuất khẩu thủ công

---

Câu hỏi thường gặp

---

Hướng dẫn liên quan

• Trích xuất chứng chỉ kiểm tra bằng AI: Nó hoạt động như thế nào
• OCR vs Trích xuất AI cho Tài liệu Kỹ thuật