手書きの実験・試作記録を読み取って条件と結果の台帳にする

処理の起点を決める

スキャンした記録用紙が受領フォルダに保存されたことを起点にします。複合機のスキャン先を専用フォルダに設定し、そこを監視します。

1日1回のまとめ処理でも成立しますが、実験の当日に処理が走る形にしてください。 研究員の記憶が残っているうちに確認画面を出せるかどうかで、確認の速さが変わります。翌週にまとめて20件出されると、結局は思い出しながらの作業に戻ります。

入力データを集める

データの取得方法を決める

OCR： Azure AI Document Intelligence の prebuilt-read モデルにスキャンPDFを渡します。このモデルは活字と手書きの両方を、PDFとスキャン画像から抽出します。単語ごとに confidence が返り、styles には行ごとに手書きかどうかを示す isHandwritten と信頼度が入ります。手書き部分だけを抜き出して重点確認する設計が、この情報で組めます。

手書き文字の抽出に対応する言語は限られており、v4.0では英語、日本語、簡体字中国語、韓国語、フランス語、ドイツ語、イタリア語、ポルトガル語、スペイン語、ロシア語、タイ語、アラビア語が挙げられています。日本語の手書きは対象に含まれます。

PDFとTIFFは2,000ページまで処理でき、ファイルサイズは有料（S0）で500MBまでです。記録用紙1枚を1ファイルとする限り、上限に当たることはありません。

測定機のCSV： ファイル名または1行目のヘッダに実験番号が入っている前提にします。入っていない場合は、測定機の設定で実験番号を記録項目に加えるのが先です。 保存時刻での推定は、同じ日に複数の実験を回した時点で崩れます。

様式定義： 記録用紙のどの欄に何を書くかを、列名・単位・取りうる範囲の表として持ちます。「硬化温度：単位℃、範囲40〜200」のように書いておくと、後段の範囲外検出に使えます。

AIへ渡す前に整形する

1. 向きとゆがみの補正 … 用紙をスキャンすると上下逆や斜めになります。OCRサービス側で補正されるかを確かめ、されない範囲は前段で回転させます
2. 複数枚の分割 … 1回の実験で用紙が2枚以上になることがあります。用紙の実験番号欄で同一実験のページをまとめます
3. チェック欄と記入欄の区別 … 様式に印刷された項目名（活字）と、研究員が書いた値（手書き）を分けます。isHandwritten がこの区別に使えます
4. 重複スキャンの検出 … 同じ用紙を二度スキャンすることがあります。実験番号と日付で既存の台帳行を照合し、重複なら処理を止めます
5. 記録用紙以外の除外 … 測定機の印字紙、メモ書き、他部署の書類が混ざります。様式の見出し文字列で判定して振り分けます

AIに処理させる

OCRと生成AIで役割を分けます。

OCR（Document Intelligence）にさせること： 文字と数字の読み取り、位置座標、手書きかどうかの判定、単語ごとの信頼度。ここは生成AIにさせません。 手書きの数字を画像から直接読ませると、読めなかった箇所が「もっともらしい数字」で埋まる危険があります。

生成AI（Claude API）にさせること：

させないこと： 読めなかった数字の補完、測定値の丸め、実験の成否の解釈、次の条件の提案。特に数値の丸めは禁止してください。 有効数字は実験の情報そのものです。

指示内容を固定する

あなたは研究開発部の実験記録を整理する担当者です。
OCRで読み取られた実験記録用紙のテキストを、台帳の列へ割り当ててください。

【厳守事項】
- 数値を書き換えないでください。OCRが読み取った文字列を
  そのまま引き継いでください。桁を丸めないでください。
  末尾のゼロも省かないでください（12.40 を 12.4 にしない）。
- 読み取れなかった箇所、判読できない箇所は value を null にし、
  needs_review に列名を入れてください。推測値を入れないでください。
- 単位は様式定義の単位にそろえてください。
  換算した場合は converted_from に元の表記を残してください。
- 原料名は原料マスタに存在する名称からのみ選んでください。
  マスタにない名称は material_code を null にし、理由を書いてください。
- 所見欄から判定を切り出すときは、書かれた語をそのまま使ってください。
  「良好」を「合格」に読み替えないでください。
- 実験の成否の解釈、次に試すべき条件の提案は書かないでください。

【様式定義（列名・単位・取りうる範囲）】
{form_schema}

【OCR抽出結果（手書き判定と信頼度つき）】
{ocr_result}

【原料マスタ】
{materials}

「末尾のゼロも省かない」の1行が要ります。 12.40 と 12.4 は測定の精度が違います。数値として扱うと消えるため、台帳には文字列としても保持し、後段で数値に変換する形にしてください。

出力形式を固定する

{
  "experiment_no": "",
  "date": "",
  "operator": "",
  "conditions": [
    {
      "column": "",
      "value": null,
      "value_text": "",
      "unit": "",
      "converted_from": null,
      "is_handwritten": true,
      "ocr_confidence": 0.0,
      "out_of_range": false
    }
  ],
  "materials": [
    { "material_code": "", "name_as_written": "", "ratio_text": "" }
  ],
  "measurements": [
    { "column": "", "value_text": "", "unit": "", "source": "手書き | 測定CSV" }
  ],
  "judgement": { "text_as_written": "", "column": "" },
  "csv_match": "matched | not_found | ambiguous",
  "duplicate_check": "ok | duplicate",
  "needs_review": []
}

value と value_text を両方持たせます。前者は計算用、後者は原本の表記そのものです。measurements に source を置き、手書きの値と測定CSVの値のどちらから来たかを残します。後から精度を検証するとき、この区別がないと手書きの読み取り精度が測れません。

構造化出力を使うと、この形を毎回そろえられます。Claude API では output_config.format に type: json_schema とスキーマを渡します。ただし数値の上下限（minimum maximum）は指定できないため、範囲外検出は受け取った後に自前で行います。

システムへ連携する

確定した行を台帳へ書き込みます。

原本画像の保管は、実験番号・日付・担当者・原料で検索できる形にします。台帳の行から原本画像を1クリックで開ける状態にしてください。確認作業がこのリンクの有無で速さが変わります。

測定機のCSVは、突合できたものを台帳の同じ行に紐付け、できなかったものは未突合のリストに残します。自動で近い時刻のCSVを当てにいく処理は入れないでください。違う実験の測定値が入るほうが、突合できていない状態より害が大きくなります。

人が確認する

全件、研究員が確認して確定します。

理由は、手書きの数字の読み違いが実験データそのものの誤りになるためです。7が1に、0が6に読まれることがあります。台帳に誤った条件が載れば、それを根拠に次の実験が組まれます。この構成で減らしているのは「打ち込む時間」であって、「合っているかを見る責任」ではありません。

確認を速くするための設計が重要です。

• 確認画面で、原本のスキャン画像と読み取り結果を左右に並べて表示する
• 読み取った箇所を、画像上でハイライトする
• ocr_confidence が低い項目、is_handwritten が真の項目を色分けする
• 範囲外の値、needs_review に入った項目を上に集める
• 測定CSVと突合できた値は、その旨を表示する（確認の負荷が下がる）

これらがないと、確認に15分かかり、削減効果が出ません。

例外に対処する

最後の1行は運用の話ですが、この構成の価値の半分がここにあります。失敗を台帳に残すために、失敗しても記録用紙を出す運用を先に決めてください。

記録を残す

• スキャンした記録用紙の原本画像（検索できる形で保管）
• OCRの抽出結果（生の状態。confidence と isHandwritten を含む）
• 生成AIが割り当てた列と値
• 測定CSVとの突合結果
• 研究員が修正した項目と、修正前後の値
• 確定した台帳行、確定者、確定日時

修正の記録は、精度の実測値になります。「温度と時間はほぼ通るが、原料の配合比は3割修正されている」と分かれば、記録用紙の配合欄の書式を改めるべきだと判断できます。

原本画像は消さないでください。台帳は原本の写しであって、原本の代わりではありません。 台帳の値に疑いが出たときに戻れる先が必要です。