LG Chem 的 OCR AI 應用案例

LG Chem 電池業務單位（分拆前）在其業務流程中，貿易合作夥伴必須上傳由其承包商在校準測試設備後準備的報告。為了讀取這些手寫文件，該單位採用了 UiPath 的 Document Understanding（文件理解）技術。

機器人流程自動化（RPA）被廣泛應用於自動化手動重複性工作，結合人工智慧（AI）後，RPA 能夠帶動更多的業務流程轉型。LG Chem 於 2019 年開始部署 RPA，初期用於自動化全球材料市場資訊的收集，及每日報告的準備工作。隨著時間推移其應用範圍得到擴展，目前已自動化超過 350 項任務，節省共 14,000 小時。  

在 LG Chem 數位轉型部門（DX）中參與 AI 項目的資深研究員 Son Hyeong-gi 分享了更多關於 RPA 和 AI 驅動自動化的細節：

Document Understanding（文件理解）：從光學字元辨識（OCR）到深度學習  雖然 LG Chem 自 2019 年部署 RPA 以來便一直在運行 RPA，但現有解決方案仍面臨一些難以解決的挑戰。  

2020 年，數位轉型（DX）團隊接到一項任務，需要將不同類型的文件影像（例如校準報告）資料輸入系統。在 LG Chem 電池業務單位（分拆前）的業務流程中，貿易合作夥伴必須上傳由其承包商在校準測試設備後準備的報告。由於所有文件均為手寫，該流程容易出現文件辨識錯誤或人為錯誤。此外，每家承包商使用的範本也各不相同。 

當時，LG Chem 使用 ABBYY 的兩款光學字元辨識（OCR）解決方案 — FineReader 和 FlexiCapture，來讀取儲存為影像的文件。儘管 ABBYY 的解決方案提供較高的辨識率，但在辨識不同範本並學習如何處理它們時卻需要較長時間。假設廠商有 146 種不同的校準報告範本，現有 OCR 解決方案可能需要 2 至 3 天才能辨識其中一種範本。這代表在大部分情況下仍然需要手動操作，且如果由一個人處理所有 146 種範本，則需要約 14 個月才能完成所有辨識工作。  

為了解決這一挑戰，公司決定將 RPA 搭配 AI 和深度學習技術。與其試著逐一辨識 146 種範本，他們採用 UiPath 的 Document Understanding 技術，透過學習這些文件並建立機器學習模型來處理各種範本。模型訓練首先從 34 種最常見的文件格式開始，透過深度學習從每個格式中學習 30 至 100 份樣本文件後，最終將能達到自動區分相似文件的程度。

最終，Document Understanding 技術能夠處理 146 種文件類型中最多 96 種常見範本。自採用 Document Understanding 後，處理時間縮短超過 70%，相同工作所需的時間也從原來的 14 個月縮短至約 4 個月。

Document Understanding 技術應用於更大量的文件處理  LG Chem 現在計畫將 Document Understanding 技術應用於其他用途，包括處理更多的文件。他們的物流部門已經採用 Document Understanding 技術和自動化來辨識發票。 

物流部門必須人工比對交易夥伴上傳的發票影像與入口網站顯示的數值。因為每個交易夥伴或承運商都有多種範本，LG Chem 的 RPA 專案團隊決定在資料準備階段定義識別模板的標準，並確保涵蓋盡可能多的範本。

團隊從 ERP 中一次性擷取發票，並將其分為 29 種類型以供學習，這些範本約佔所有發票類型的 60%。對模型進行訓練後，便能自動辨識約 75% 的發票。團隊還設置了一個人工驗證流程來處理例外情況。 

Son 表示，員工的興趣與參與是在全公司推動自動化的關鍵因素。他指出：「如果員工能夠積極參與樣本資料的收集，並在數位轉型團隊進行資料分類和測試階段時提供意見回饋，我們將能打造理想的 RPA 和 Document Understanding 平台。」LG Chem 將更廣泛地使用 Document Understanding 技術，以數位化並擷取文件中的資料。

UiPath Document Understanding 技術的一大優點是它易於使用。與現有的 ABBYY OCR 解決方案相比，它是一個方便且易於使用的平台，團隊中的任何成員都可以使用。

LG Chem 資深研究員 Son Hyeong-gi