Automatyzacja ekstrakcji parametrów z norm GOST za pomocą LLM: przypadek 24-krotnego skrócenia czasu
W pełnym zakładzie metalurgicznym z 4500 pozycjami asortymentu i ponad 200 dokumentami normatywnymi (głównie skany radzieckich GOST i OST) przygotowanie jednej karty kontroli zajmowało ponad 2 godziny. Technolodzy ręcznie wyodrębniali parametry z tabel, uwag i tekstu dokumentów dla ponad 40 wskaźników. Rozwiązanie oparte na LLM skróciło czas do 3–5 minut — 24-krotnie.
Zadanie: na podstawie charakterystyk asortymentu (gatunek stali, średnica półproduktu, grupa) i PDF normy GOST generować tabelę z parametrami kontroli, źródłami (rozdział/tabela) i wartościami.
Dlaczego parser nie sprawdził się
Parser szablonowy zawiódł z powodu różnorodności formatów: w niektórych normach GOST parametry są w tabelach, w innych — w uwagach lub z odwołaniami do rozdziałów. Wymagane jest zrozumienie semantyczne, a nie tylko analiza strukturalna.
LLM staje się 'wirtualnym technologiem':
- Wejście: PDF GOST + parametry asortymentu
- Prompt: lista parametrów z algorytmami wyszukiwania
- Wyjście: tabela 'Parametr — Wartość — Źródło'
Porażka uniwersalnego promptu
Testowanie w Perplexity wykazało: Claude Sonnet 4.6 dał 85% dokładności na pierwszej normie GOST, GPT 5.4 — 72% (w trybie Thinking). Ale w kolejnych dokumentach błędy się powtarzały z powodu różnic w strukturach — zagnieżdżone tabele, stałe, zakresy.
Podejście uniwersalne nie skaluje się. Przejście do promptów przypisanych do konkretnej normy GOST.
Funkcjonalna architektura na zasadzie Pareto
80% asortymentu obejmuje 18% norm GOST (20 kluczowych dokumentów dla pilotażu).
Dla każdej — niestandardowy prompt z regułami:
- Lokalizacja parametru (tabela/rozdział)
- Interpretacja przypadków granicznych ('nie mniej niż', zakresy)
- Przetwarzanie tabel
Proces:
- Przesłanie PDF GOST i parametrów do promptu.
- Otrzymanie tabeli wyników.
- Przy błędzie — analiza w Perplexity z poleceniem 'Zaktualizuj regułę XX'.
9 iteracji w 14 dni zapewniło 100% dokładności na pilotażowych normach GOST.
Obecna implementacja i skalowanie
Reguły przeniesiono do tabeli Excel do edycji przez technologów. Prompt ładuje tabelę + dane wejściowe, wyprowadza gotową tabelę do systemu informatycznego przedsiębiorstwa.
Dodawanie nowych norm GOST: kopiowanie szablonu reguł, debugowanie w 1–2 iteracjach.
Co ważne:
- Nowoczesne LLM (Claude Sonnet) niezawodnie parsują skany PDF z tabelami o dowolnej złożoności.
- Zastosuj zasadę Pareto: zacznij od 20% najważniejszych dokumentów.
- Niestandardowe prompty na dokument są skuteczniejsze niż uniwersalne.
- Iteracyjne debugowanie eliminuje błędy systemowe (zagnieżdżone tabele).
Wnioski dla specjalistów IT
Podejście ma zastosowanie w branżach z normatywką:
- Metalurgia, budowa maszyn
- Przemysł chemiczny, budownictwo, energetyka
- Farmaceutyka (bez danych poufnych)
Warunki sukcesu:
- Ręczne przenoszenie danych z różnorodnych PDF.
- Brak ścisłej tajemnicy.
- Możliwość iteracyjnego udoskonalania promptów.
— Editorial Team
Brak komentarzy.