LG ChemのOCRにAIケースを適用

LG Chemのバッテリー事業部門（スピンオフ前）が維持していたビジネスプロセスでは、取引パートナーが、テスト機器のキャリブレーション後に請負業者が作成したレポートをアップロードする必要がありました。 手書きのドキュメントを読むために、同部門はUiPath Document Understandingを使用しました。 

ロボティック・プロセス・オートメーション（RPA）は、手作業による反復作業の自動化に広く使用されており、人工知能（AI）と組み合わせることで、より広範なビジネスプロセスを変革することができます。 LG Chemは2019年にRPAのデプロイを開始しました。 当初、RPAは、とりわけ、世界の材料市場に関する情報の収集と日報の作成を自動化するために使用されていました。 時間の経過とともに、350を超えるタスクを自動化するようにアプリケーションを拡張し、合計14,000時間を節約しました。  

LG ChemのDX部門でAI活動に携わるシニアリサーチャーのSon Hyeong-gi氏は、RPAとAIによる自動化について詳細を共有しました。

ドキュメントの理解：OCRからディープラーニングまで  LG Chemは2019年のデプロイ以来、RPAを確実に実行してきましたが、既存のソリューションでは対処できない課題がいくつかありました。 

2020年、DXチームには、さまざまな種類のドキュメント画像、つまりキャリブレーションレポートからデータを入力するタスクが与えられました。 LG Chemのバッテリー事業部門(スピンオフ前)には、取引パートナーがテスト機器のキャリブレーション後に請負業者が作成したレポートをアップロードする必要があるビジネスプロセスがありました。 このプロセスでは、アップロードするすべてのドキュメントが手書きであったため、ドキュメントの認識に失敗したり、人為的エラーが発生したりすることがよくありました。 また、各請負業者には異なるテンプレートがありました。 

当時、LG Chemは画像として保存された文書を読み取るためにABBYYの光学式文字認識（OCR）ソリューションであるABBYY FineReaderとFlexiCaptureを使用していました。 ABBYYのソリューションは高い認識スコアを実現しましたが、さまざまなテンプレートを認識し、その処理方法を学ぶには長い時間がかかりました。 ベンダーがキャリブレーションレポート用に146の異なるテンプレートを持っていると仮定すると、既存のOCRソリューションがテンプレートの1つを認識するまでに最大2〜3日かかる場合があります。 つまり、ほとんどの場合、人間の介入が依然として必要であり、1人のユーザーが146のテンプレートすべてをカバーする場合、認識を完了するには14か月ほどかかることになります。 

この課題に対処するために、同社はRPAをAIおよびディープラーニングテクノロジーと組み合わせることを決定しました。 146個のテンプレートすべてを1つずつ認識するのではなく、UiPath Document Understandingを使用してドキュメントを学習し、さまざまなテンプレートで機能するMLモデルを構築しました。 モデルのトレーニングは、最も一般的な34種類のドキュメント形式から始まり、ディープラーニングによって各型式から30〜100のサンプルドキュメントを学習すると、類似したドキュメントが自動的に区別できるところまで来ました。 

最終的に、Document Understandingでは、146種類のドキュメントのうち、最も一般的な96種類のテンプレートのデータ処理が可能になりました。 Document Understandingの採用後、処理時間は70%以上短縮され、同じ作業で14か月かかっていたのが約4か月になりました。

Document Understandingを大量のドキュメントに使用  現在、LG Chemは、Document Understandingを他の目的（大量のドキュメントの処理など）に使用することを計画しています。同社の物流部門では、請求書の認識にDocument Understandingと自動化をすでに導入しています。 

物流部門では、取引先が手動でアップロードした請求書の画像と、ポータルに表示される値を比較する必要があります。 各取引先または運送業者には複数のテンプレートがあるため、LG ChemのRPAプロジェクトチームは、データ準備中にテンプレートを認識する基準を定義し、できるだけ多くのテンプレートがカバーされるようにすることにしました。 

チームはERPから請求書を一括取得し、学習に使用する29種類に分類しました。 これらは、すべての請求書タイプの約60%を占めました。 モデルをトレーニングした後、約75%が自動的に認識できました。 また、例外を処理するための人間による検証のプロセスも設定しました。  

Son氏は、会社全体に自動化を展開する上で、従業員の関心とエンゲージメントが最も重要な要素であると指摘しました。 「従業員がDXチームによるデータ分類とテスト中に積極的にサンプルデータの収集に参加し、フィードバックを提供すれば、理想的なRPAおよびDocument Understandingプラットフォームを構築できます」とSon氏は言います。LG ChemはDocument Understandingをより広範囲に活用し、ドキュメントに記録されたデータをデジタル化して抽出する予定です。 

「UiPath Document Understandingの利点の1つは、その使いやすさです。 既存のOCR用ABBYYソリューションと比較すると、チームメンバーの誰もが使用できる、簡単でユーザーフレンドリーなプラットフォームです。 

LG Chemシニアリサーチャー、Son Hyeong-gi氏