LG Chem 的 OCR AI 应用案例

根据 LG Chem 电池业务部门（在分拆独立之前）过去实施的业务流程，贸易伙伴必须在测试设备校准完成后上传由其承包商准备的报告。 为了读取手写文档，该部门使用了 UiPath Document Understanding 产品作为解决方案。

机器人流程自动化（RPA）已广泛应用于人工重复性工作的自动化，如果与人工智能（AI）相结合，就可以改变更广泛的业务流程。LG Chem 于 2019 年开始部署 RPA。最初，RPA 用于包括全球材料市场信息收集和每日报告准备的自动化等工作。随着时间的推移，RPA 扩展了应用范围，其已能够自动化执行超过 350 项任务，总共节省了 14,000 小时。

参与了 LG Chem 数字化转型（DX）部门 AI 项目的高级研究员 Son Hyeong-gi 分享了有关 RPA 和由 AI 驱动的自动化的更多详情：

Document Understanding：从 OCR 到深度学习  尽管 LG Chem 自 2019 年部署 RPA 以来一直运行稳定，但仍然存在一些挑战是现有解决方案难以解决的。 

2020 年，DX 团队接到了将不同类型的文档图像（即校准报告）中的数据输入系统的任务。根据 LG Chem 电池业务部门（在分拆独立之前）过去实施的业务流程，贸易伙伴必须在测试设备校准完成后上传由其承包商准备的报告。该流程很容易出现文档识别失败或人为错误，因为所有要上传的文档都是手写的，而且每个承包商都有不同的模板。

当时，LG Chem 使用 ABBYY 的两种光学字符识别（OCR）解决方案 ABBYY FineReader 和 FlexiCapture 来读取保存为图像的文档。尽管 ABBYY 解决方案的识别率很高，但其需要很长时间才能识别不同的模板并学习如何处理这些不同模板。假设供应商有 146 种不同的校准报告模板，则现有 OCR 解决方案可能需要 2 到 3 天才能识别其中一个模板。这意味着在大多数情况下仍需要人工参与，如果一个人全部负责这 146 种模板，就需要大约 14 个月的时间才能完成识别。

为了应对这一挑战，公司决定将 RPA 与 AI 和深度学习技术相结合。他们没有尝试逐个识别这 146 个模板，而是使用了 UiPath Document Understanding 来学习文档，然后构建适用于各种模板的 ML 模型。模型训练从 34 种最常见的文档格式开始，通过深度学习了每种格式的 30 到 100 个示例文档后，最终达到了可以自动区分相似文档的程度。

最终，Document Understanding 能够对 146 种文档类型中多达 96 种最常见的模板进行数据处理。采用 Document Understanding 后，模板处理时间缩短了 70% 以上，从过去的 14 个月缩短至 4 个月左右。

将 Document Understanding 用于处理大量文档  LG Chem 现计划将 Document Understanding 用于处理大量文档等其他目的，后勤部门已采用 Document Understanding 和自动化来识别发票。 

后勤部门必须将贸易合作伙伴上传的发票图像与门户中显示的值进行人工比较。由于每个贸易合作伙伴或承运商都有多个模板，因此 LG Chem 的 RPA 项目团队决定在数据准备期间给识别模板时应遵循的标准下定义，并确保涵盖尽可能多的模板。

该团队从 ERP 中一次性检索出发票，再将其分为 29 种类型以供学习。这些发票类型约占所有发票类型的 60％。对模型进行训练后，大约 75% 的发票可以被自动识别。该团队还设置了人工验证流程以处理异常情况。

Son 指出，员工的兴趣和参与度是在全公司推广自动化的最重要因素。Son 说：“如果员工在 DX 团队的数据分类和测试过程中积极参与收集样本数据与提供反馈，那我们就可以构建一个理想的 RPA 和 Document Understanding 平台。”LG Chem 将更广泛地使用 Document Understanding 来数字化和提取文档中捕获的数据。 

UiPath Document Understanding 的优势之一是易于使用。与现有 ABBYY 的 OCR 解决方案相比，UiPath Document Understanding 是一个操作简单、用户友好的平台，任何团队成员都能使用。

LG Chem 高级研究员 Son Hyeong-gi