Cách trích xuất thông số kỹ thuật vật liệu từ chứng chỉ PDF

Trả lời nhanh

Chứng chỉ kiểm tra nhà máy PDF chứa đầy đủ bằng chứng thông số kỹ thuật vật liệu cho một lô vật liệu: thành phần hoá học, kết quả kiểm tra cơ học, tiêu chuẩn và cấp độ mà nó được kiểm tra, và tuyên bố của nhà máy chứng thực. Lấy những giá trị này từ PDF và nhập vào hệ thống có thể sử dụng—không cần nhập lại thủ công—là thách thức thực tế mà hướng dẫn này giải quyết.

---

Hiểu nội dung của PDF thông số kỹ thuật vật liệu

Trước khi trích xuất, hãy biết những gì bạn đang tìm kiếm. MTC điển hình chứa:

Các trường tiêu đề/danh tính

• Số lô (đôi khi được gọi là số đúc, số nóng chảy hoặc số lô)
• Số chứng chỉ và ngày
• Tham chiếu đơn đặt hàng/PO
• Tên và địa chỉ nhà máy chứng thực
• Người ký và chức vụ

Các trường thông số kỹ thuật vật liệu

• Tiêu chuẩn áp dụng (ví dụ: ASTM A106, EN 10210-1, API 5L)
• Cấp độ (ví dụ: Cấp B, S355J2H, X52)
• Dạng sản phẩm (ống không có mối hàn, tấm lăn nóng, thanh)
• Kích thước danh định (OD, độ dày tường, chiều dài)
• Trạng thái xử lý nhiệt (chuẩn hoá, tôi và luyện, trạng thái lăn)

Bảng thành phần hoá học

• Cacbon (C), Mangan (Mn), Silic (Si), Phốt phát (P), Lưu huỳnh (S) tối thiểu
• Các phần tử bổ sung tùy theo cấp độ: Crom, Molibden, Niken, Vanadi, Niôb, Bor, Nitơ, v.v.
• Các giá trị thường được báo cáo dưới dạng phần trăm theo trọng lượng với 2-4 chữ số thập phân

Kết quả kiểm tra cơ học

• Cường độ kéo (UTS), giới hạn chảy (YS/Rp0.2), kéo dài (%)
• Đối với các cấp được kiểm tra về tác động: năng lượng hấp thụ Charpy (Joule) ở nhiệt độ xác định
• Độ cứng (HB, HV, HRC) khi áp dụng

Dữ liệu bổ sung (khi áp dụng)

• Kết quả kiểm tra không phá huỷ
• Dữ liệu dây hàn / kim loại lấp đầy (cho sản phẩm hàn)
• Hồ sơ xử lý nhiệt sau hàn
• Kết quả kiểm tra thủy tĩnh

---

Phương pháp 1: Sao chép-Dán thủ công (Tài liệu đơn lẻ)

Để tìm kiếm thỉnh thoảng, không lớn:

1. Mở PDF trong bất kỳ trình đọc PDF nào
2. Đối với các PDF gốc (được tạo bằng máy): sử dụng công cụ lựa chọn văn bản để đánh dấu và sao chép các giá trị trực tiếp. Lưu ý: các bảng có thể không được sao chép sạch—các giá trị có thể đến trong thứ tự sai tùy thuộc vào cách tạo PDF.
3. Đối với các PDF được quét: lớp văn bản là hình ảnh, không phải văn bản có thể chọn. Bạn phải đọc các giá trị bằng trực quan và nhập chúng.

Hạn chế: Chậm, dễ xảy ra lỗi đối với bảng hoá học, không có kết quả có cấu trúc, không có dấu vết kiểm toán.

---

Phương pháp 2: Trích xuất văn bản PDF bằng Python (Lập trình, PDF gốc)

Dành cho các nhà phát triển cần xử lý một loạt các PDF gốc theo chương trình:

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)

Điều này cung cấp cho bạn: Văn bản thô và mảng bảng từ PDF gốc. Bạn vẫn cần logic xử lý hậu kỳ để xác định bảng hoá học là bảng nào, dòng nào là tiêu đề và cách liên kết các giá trị với các nhãn phần tử.

Hạn chế:

• Chỉ hoạt động với các PDF gốc (không quét)
• Cấu trúc bảng bị mất cho các bố cục phức tạp (ô hợp nhất, tiêu đề nhiều dòng)
• Không có nhận dạng trường—bạn phải viết các quy tắc để tìm từng giá trị
• Không xử lý biến thể bố cục giữa các nhà máy khác nhau

Phương pháp này khả thi cho kịch bản nhà cung cấp duy nhất, khối lượng cao với định dạng PDF ổn định. Nó không phải là trình phân tích chứng chỉ có mục đích chung.

---

Phương pháp 3: Trích xuất dựa trên AI (Mục đích chung)

Để sử dụng trong sản xuất trên nhiều nhà cung cấp và loại tài liệu:

Công cụ trích xuất dựa trên AI nhận PDF, phân loại loại tài liệu, xác định sơ đồ trích xuất áp dụng, trích xuất các giá trị với điểm tin cậy cho mỗi trường và trả về bản ghi JSON có cấu trúc. Quy trình giống nhau đối với các PDF gốc và tài liệu được quét, mặc dù độ chính xác cao hơn đối với các PDF gốc.

Kết quả trông như thế nào (đơn giản hóa):

{
  "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 }
  }
}

Mỗi trường mang giá trị, đơn vị và điểm tin cậy của nó. Các trường tin cậy thấp được định tuyến để xem xét thủ công.

---

Thách thức trích xuất phổ biến theo loại trường

Số lô: Định dạng khác nhau rất rộng—một số nhà máy sử dụng mã thuần số, những nhà máy khác sử dụng kết hợp chữ cái-số với dấu gạch nối, những nhà máy khác bao gồm tham chiếu lô hoặc bộ kiểm tra. Công cụ trích xuất phải xử lý tính biến đổi định dạng mà không cắt ngắn hoặc hoán vị ký tự.

Đơn vị: Các tính chất cơ học có thể được báo cáo trong MPa, N/mm², ksi hoặc kgf/cm² tùy thuộc vào quốc gia của nhà máy và tiêu chuẩn áp dụng. Phát hiện và chuẩn hoá đơn vị được yêu cầu để so sánh chứng chỉ chéo. Cường độ kéo là "60 ksi" và "414 MPa" là tương đương nhưng sẽ trông khác nhau mà không chuẩn hoá nhận thức đơn vị.

Giá trị hoá học gần giới hạn phát hiện: Một số nhà máy báo cáo các phần tử là "<0.005" (dưới giới hạn phát hiện) thay vì một giá trị cụ thể. Công cụ trích xuất phải xử lý này như một giá trị giới hạn, không phải chuỗi văn bản hoặc null.

Chứng thực kép: Chứng chỉ bao gồm hai tiêu chuẩn đồng thời (ví dụ: ASTM A106 Gr.B / ASME SA-106 Gr.B) phải ghi lại cả hai tham chiếu. Công cụ trích xuất tiêu chuẩn duy nhất sẽ xóa tham chiếu thứ hai một cách âm thầm.

Bảng kích thước sản phẩm: Đối với chứng chỉ ống, một bảng kích thước liệt kê OD, độ dày tường và chiều dài theo số mục là phổ biến. Bảng này phải được phân tích riêng biệt từ dữ liệu hoá học và cơ học và được liên kết theo số mục.

---

Sau trích xuất: Xác thực so với thông số kỹ thuật

Các giá trị được trích xuất chỉ hữu ích nếu bạn biết chúng có tuân thủ hay không. Xác thực yêu cầu so sánh từng giá trị trích xuất với giới hạn của tiêu chuẩn áp dụng:

Không có cơ sở dữ liệu tiêu chuẩn được lưu trữ và được phiên bản, xác thực này yêu cầu người xem xét phải tìm kiếm giới hạn theo cách thủ công—phủ định nhiều lợi ích tự động hóa. Các nền tảng như TestCert tích hợp các giá trị được trích xuất với công cụ xác thực tiêu chuẩn vào thời điểm trích xuất, vì vậy đạt/không đạt được xác định tự động cho mỗi trường được trích xuất.

---

Câu hỏi thường gặp

---

Hướng dẫn liên quan

• Trích xuất dữ liệu chứng chỉ kiểm tra nhà máy dựa trên AI: Phương pháp
• Cách số hóa chứng chỉ kiểm tra nhà máy