分析機器・試験機が出力する印刷レポートやPDFを読み取り、試料番号・測定条件・測定値を試験記録の台帳に転記して、規格外の値を担当へ知らせる

処理の起点を決める

撮影した画像、または測定ソフトのPDFが共有フォルダに保存されたことを起点にします。 試験室の撮影台に固定したスマートフォンかスキャナから、機器ごとのフォルダへ保存します。機器ごとにフォルダを分けておくと、どの機種のモデルで読むかがフォルダで決まります。

撮るのは、測定が終わったその場です。 1日分をまとめて撮ることはしません。規格外の通知を測定の直後に出すことが、この構成の目的の半分だからです。 撮影のたびに1枚ずつ処理します。

処理が終わったファイルは処理済みのフォルダに移し、失敗したものは元のフォルダに残します。 機器ごとのフォルダに残っている数が、そのまま未処理の数です。

測定ソフトのPDFは、ソフトの側の保存先を機器ごとのフォルダに向けます。 多くの測定ソフトは、測定の終わりにレポートを決まった場所へ保存する設定を持っています。人がPDFを開いて保存し直す手順を残すと、そこで止まります。 設定できないソフトだけ、担当者が保存する手順にします。

入力データを集める

質を決めるのは、機器の一覧の「出す桁数」です。 天びんが小数点以下4桁を出す設定なのに、読み取りで3桁しか返ってこなければ、1桁を読み落としたか、印字がかすれているかのどちらかです。 桁数を知っていれば、読み取りの誤りを機械で見つけられます。

機器の一覧は、たとえば次の形にします。

同じ電子天びんでも、型が違えば別のモデルです。 印字の並びも桁数も違うからです。モデルの名前に版を付けておくと、作り直したときに、どの記録をどの版で読んだかが一覧から分かります。

試験の予定は、試料番号の取り違えを見つけるために使います。 予定に無い試料番号の測定値が来たら、ラベルの貼り間違いか、予定外の試験です。 どちらにしても人が見る行です。

データの取得方法を決める

項目の信頼度と、単語の信頼度を両方見ます。 項目の信頼度は値の位置の確からしさを反映し、文字起こしの確からしさは単語の側に出るとされています。位置が正しくても、「8」と「3」の読み分けが怪しいことがあり、それは単語の信頼度にしか現れません。

呼び出すモデルは、フォルダから決まる機器の番号で選びます。 6つのモデルを composed model としてまとめておくのは、撮影台のフォルダを機器ごとに分けられない試験室や、機器の番号が分からない画像のための窓口です。まとめた窓口に投げたときは、文書の種類の信頼度が低いものを人に回します。 文書の種類の信頼度は、読んだ書類が学習の見本にどれだけ似ているかを示すとされていて、低ければ、どの機種の様式にも当てはまりきっていない印です。機器の番号が分かる運用にできるなら、フォルダで選ぶほうを優先します。

引張試験機のPDFは、表の行ごとに取り出します。 1つの試料で試験片を5本測ると、5行の測定値と平均・標準偏差の行が出ます。平均の行も台帳に写しますが、規格との比較に使う値がどれかは、規格のマスタで決めておきます。

AIへ渡す前に整形する

1. 機種の判定 … 保存されたフォルダから機器の番号を決め、機器の一覧で使うモデルを決めます
2. 画像の確認 … 50×50ピクセルから10,000×10,000ピクセルの範囲か、文字の高さが下限を下回っていないかを確かめます。感熱紙の細い文字は、撮影の距離で下限に近づきます
3. 傾きと影の確認 … 撮影台で撮っても、印字が丸まって影が出ることがあります。明るさの極端なものは撮り直しに回します
4. PDFのページの絞り込み … 測定ソフトのPDFにグラフのページが続く場合は、測定値の表のページだけを読みます
5. 重複の確認 … 同じ機器・同じ測定日時の印字が二度撮られていないかを確かめます

2番目と3番目を軽く見ないでください。 文字の最小の高さは、1024×768ピクセルの画像で12ピクセルとされています。感熱紙の小さな文字を引いて撮ると、この下限を下回ります。 撮影台の高さを決めて固定するのが、読み取りの精度にいちばん効きます。

撮り直しに回すときは、担当者が試験台の前にいるうちに知らせます。 撮影台の横に置いた端末に「撮り直し」と出るだけでよく、後から気づくと、印字が別の試料の用紙に紛れていることがあります。

AIに処理させる

させるのは、機種ごとに決めた項目を、決めた位置から読み取って信頼度とともに返すことだけです。

測定条件を必ず項目に含めます。 pH の値は温度とともに、粘度はローターと回転数とともに意味を持ちます。値だけを写して条件を落とすと、後から別の条件の値と比べてしまいます。

1行目が、この構成でいちばん守りたいところです。 「12.30 g」を「12.3」として台帳に入れると、後から見た人は、その天びんが小数点以下1桁しか測れなかったと読みます。 文字列で持ち、比較のときだけ数値に直します。

指示内容を固定する

この構成は生成AIを使わないため、指示文の代わりにカスタムテンプレートモデルを作るときの決めごとを示します。モデルに与える「指示」は、ラベルの付け方そのものです。

【モデルを作る単位】
- 機種ごとに1つ。同じ機種でも印字の設定（項目の並び）が違う機器は別のモデル
- 1つのモデルに、デジタルのPDFと撮影した画像の両方を5枚以上ずつ含める

【ラベルを付ける項目の名前】
- 英字のパスカルケースで、全機種で同じ意味の項目は同じ名前にする
  例：InstrumentId, MeasuredAt, SampleId, Value, Unit, Temperature
- 複数の測定点がある機種は、表形式の項目（Measurements）にする

【ラベルの付け方】
- 値の文字列だけを囲む。単位が値と同じ行に続くときは、単位を別の項目にする
- 項目名の印字（"WT" "pH" など）はラベルに含めない
- 空欄になりうる項目（風袋など）も、空欄の見本を含めてラベルを付ける

【見本の選び方】
- 値の桁数が違うもの、マイナスの値、エラーの印字を含める
- 感熱紙の薄くなったもの、少し傾いたものを含める
- 試料番号のラベルと並べた画像を含める

「空欄の見本も含める」は、空欄の信頼度のためです。 学習の見本に空欄がどれくらいあるかが、値が無いという予測の信頼度に使われるとされています。風袋を使わない測定が多いなら、空欄の見本を入れておかないと、空欄が出るたびに低信頼になります。

「エラーの印字を含める」も同じ考え方です。 機器は測定に失敗すると「ERR」「OVER」などを印字します。見本に無ければ、そこに数字があるものとして読もうとします。

出力形式を固定する

読み取り結果を、Python で台帳の行の形にそろえます。

{
  "file": "",
  "instrument_id": "",
  "model_id": "",
  "sample_id": { "from_label": "", "from_printout": "", "match": "matched | mismatch | label_only" },
  "measured_at": "",
  "conditions": [ { "name": "Temperature", "value": "25.0", "unit": "℃", "confidence": 0 } ],
  "values": [ { "name": "Value", "raw": "12.30", "unit": "g", "confidence": 0,
                "min_word_confidence": 0, "digits_ok": true } ],
  "spec": { "lower": "", "upper": "", "result": "in | out | no_spec" },
  "review_reasons": []
}

1つ目の理由は、raw に印字の文字列を持てることです。 数値に直した値を別に持たず、比較のたびに raw から直します。 台帳には raw を写します。

2つ目は、review_reasons で人が見る理由が一覧になることです。 理由は次の規則で付けます。

3つ目は、モデルの名前と信頼度を残せることです。 後から誤りが見つかったとき、どのモデルのどの版で読んだのかが分かれば、見本を足して作り直す対象が決まります。

システムへ連携する

台帳の確定済みのシートには書き込みません。 書くのは下書きのシートまでで、担当者が確かめて確定の印を付けた行だけが、確定のシートに移ります。 試験記録は後から出荷や工程の判断の根拠になる記録で、確認前の値が混ざらないようにします。

人が確認する

担当者は、毎日の終わりに下書きの一覧を見ます。 review_reasons が空の行は、一覧で確かめて確定します。理由の付いた行だけ、印字の画像を開きます。

1. 規格外を先に見る … 通知を受けた時点で、印字の画像と規格値を並べて確かめます。読み取りの誤りでないことを確かめてから、上長に報告します
2. 試料番号の不一致を見る … ラベルの貼り間違いか、予定外の試験かを決めます
3. 低信頼と桁数の行を見る … 印字の画像を見て、正しい文字列に直します
4. 確定する … 直した行には、直した理由を残します

1番目の「読み取りの誤りでないことを確かめる」を省かないでください。 規格外の通知が、「0.83」を「0.38」と読んだだけということは起こりえます。誤った規格外の報告で工程を止めるのも、見逃すのと同じくらい困ります。

下書きの一覧の画面は、左に印字の画像、右に読み取った文字列を並べます。 理由の付いた項目の文字列に色を付け、画像のその位置を枠で示します。読み合わせで二人がしていたことを、一人で画面の左右を見比べる形に置き換えます。

信頼度の基準値は、最初の1か月で決めます。 信頼度は予測が正しい確率の推定で、精度が重要な場面では、自動で受け入れるか人の確認に回すかの判断に使えるとされています。最初は高めに置き、人が直した行と信頼度を並べて記録してから下げます。

例外に対処する

2行目は、機器の点検や更新の後に起きます。 印字の項目の並びが変わると、テンプレートモデルの精度は下がります。文書の種類の信頼度が低いのは、学習した様式と違う書類が来た印とされているので、機器ごとにこの値の推移を見ておきます。

記録を残す

• 元の画像・PDFと、撮影した日時・機器の番号
• 読み取り結果のJSONと、使ったモデルの名前と版
• 規格の比較に使った規格値と、そのときの規格のマスタの版
• 人が直した行の、直す前と直した後の文字列と理由
• 規格外の通知を出した日時と相手、上長に報告した日時
• 確定した日時と、確定した担当者

1つ目の画像を、印字の原紙の代わりにするかどうかは、品質の手順書で決めてください。 感熱紙は薄くなるので、画像の保管は意味があります。ただし記録の原本をどれにするかは、この構成ではなく自社の手順で決めることです。

4つ目の直した記録は、モデルを作り直す材料です。 同じ機器で同じ文字の読み違いが続くなら、その見本を足してモデルを作り直します。

機器ごとに、理由の付いた行の割合を月ごとに集計します。 割合が上がった機器は、印字のヘッドが汚れている、感熱紙を替えた、撮影台の照明が変わった、といった読み取り以外の変化が起きていることが多いのです。読み取りの記録が、機器の手入れの合図にもなります。