Automatyzacja zamówień w SAP

OCR – czym jest i do czego służy?

OCR umożliwia automatyczne rozpoznawanie tekstu w obrazach i dokumentach. W przypadku Azure Document Intelligence dostępne są dedykowane modele dedykowane ekstrakcji danych – model Read oraz model Layout. Model Read rozpoznaje tekst drukowany i odręczny w plikach PDF oraz obrazach, m.in. JPEG/JPG i PNG. Usługa obsługuje również ekstrakcję tekstu z dokumentów Microsoft Word, Excel, PowerPoint i HTML; w tych formatach odczytywany jest tekst osadzony w dokumencie.

W praktyce inteligentne przetwarzanie dokumentów wykracza poza sam odczyt znaków. W przypadku modelu Layout możliwe jest także rozpoznawanie pełnej struktury dokumentu oraz ekstrakcja m.in. pól, tabel, zaznaczeń, nagłówków czy relacji klucz–wartość. Pozwala to przekształcić dokument źródłowy w dane, które mogą być dalej przetwarzane przez automatyzację.

Takie podejście przyspiesza digitalizację i analizę dokumentów, ogranicza ręczne przepisywanie informacji i zmniejsza ryzyko błędów wynikających z pracy manualnej.

Narzędzia do przetwarzania dokumentów w ekosystemie Microsoft

Wybór rozwiązania zależy od poziomu złożoności procesu, wymagań dotyczących personalizacji oraz sposobu integracji z innymi systemami. W ekosystemie Microsoft można wykorzystać zarówno narzędzia low-code w Power Platform (AI Builder), jak i bezpośrednio usługę Azure Document Intelligence in Foundry Tools Azure Document Intelligence wchodzącą w skład narzędzi Foundry (ang. Azure Document Intelligence in Foundry Tools).

AI Builder Document Processing jest zbudowany na technologii Azure Document Intelligence (wcześniej Azure Form Recognizer), dlatego oba podejścia korzystają z tej samej rodziny technologii Microsoft do inteligentnego przetwarzania dokumentów. Różnią się przede wszystkim poziomem abstrakcji i kontrolą dostępną dla osoby budującej rozwiązanie.

1. AI Builder – podejście low-code

AI Builder jest częścią Microsoft Power Platform. Umożliwia wykorzystanie gotowych modeli oraz tworzenie własnych modeli do przetwarzania dokumentów bez konieczności budowania całej warstwy integracyjnej w kodzie. W Power Automate dostępne są m.in. akcje do rozpoznawania tekstu i przetwarzania dokumentów, a modele mogą służyć do obsługi takich scenariuszy jak faktury, formularze, zamówienia czy inne dokumenty biznesowe. W ekosystemie AI Builder dostępne są również modele klasyfikacji treści, które można wykorzystać jako element procesu klasyfikowania dokumentów na podstawie ich zawartości.

Zalety: szybkie uruchomienie rozwiązania, bezpośrednia integracja z Power Automate i niski próg wejścia w porównaniu z podejściem pro-code.

Ograniczenia: mniejsza elastyczność w zaawansowanych scenariuszach oraz mniejsza kontrola nad architekturą i kodem integracji niż przy bezpośrednim wykorzystaniu usług Azure.

2. Azure Document Intelligence – podejście pro-code

Azure Document Intelligence in Foundry Tools w narzędziach Foundry jest usługą chmurową przeznaczoną do automatycznego przetwarzania dokumentów z wykorzystaniem modeli uczenia maszynowego. Można korzystać z modeli gotowych lub budować modele niestandardowe dopasowane do konkretnych typów dokumentów i procesów.

Zalety: większa elastyczność i skalowalność w rozbudowanych scenariuszach, możliwość dopasowania modeli i logiki integracyjnej do złożonych procesów oraz bezpośrednia kontrola nad sposobem przetwarzania danych.

Ograniczenia: wymaga większego doświadczenia technicznego i programistycznego po stronie zespołu realizującego wdrożenie.

Główne założenia procesu

1. Wyzwalacz (trigger): Power Automate monitoruje wskazaną skrzynkę e-mail. Po odebraniu wiadomości z załącznikiem PDF uruchamiany jest proces automatyzacji.

2. Ekstrakcja i strukturyzacja danych: dane z pliku PDF są odczytywane za pomocą Azure Document Intelligence, oceniane jakościowo i zapisywane na liście SharePoint przed przekazaniem ich do SAP.

3. Integracja z SAP: rekord zaakceptowany do dalszego przetwarzania uruchamia etap integracyjny. Dane są pobierane, mapowane do formatu wymaganego przez SAP i przekazywane do systemu za pośrednictwem BAPI (Business Application Programming Interface).

Proces został rozdzielony na dwa oddzielne przepływy Power Automate. Pierwszy odpowiada za odebranie dokumentu, ekstrakcję, ocenę i zapis danych, a drugi za przygotowanie zaakceptowanych rekordów i przekazanie ich do SAP. Takie rozdzielenie umożliwia kontrolę jakości danych przed wykonaniem operacji w systemie ERP.

Weryfikacja i zatwierdzanie danych w Power Automate

Kluczowym elementem rozwiązania jest połączenie automatycznego przetwarzania z kontrolą człowieka. Rekordy o odpowiednio wysokiej pewności rozpoznania mogą przejść do kolejnego przepływu automatycznie, natomiast rekordy poniżej ustalonego progu są zatrzymywane i wymagają ręcznej weryfikacji oraz akceptacji przez wyznaczoną osobę.

Przepływ 1: ekstrakcja i przetworzenie danych

Pierwszy przepływ uruchamia się po odebraniu e-maila z załącznikiem PDF na monitorowanej skrzynce pocztowej. Załącznik jest przekazywany do usługi Azure Document Intelligence przez API, a następnie analizowany w celu wyodrębnienia danych potrzebnych w dalszej części procesu.

W projekcie wykorzystano również Document Intelligence Studio – środowisko Microsoft służące do pracy z modelami Document Intelligence. Sam przepływ komunikuje się z usługą programowo przez API, co pozwala przekazać dokument do analizy i odebrać ustrukturyzowany wynik.

Wyekstrahowane dane są następnie poddawane ocenie jakościowej. Dla rozpoznanych elementów zwracany jest Confidence Score (CS), czyli liczbowy poziom pewności modelu co do poprawności wyniku. Wartość jest przedstawiana w zakresie od 0 do 1: im wyższy wynik, tym większa pewność modelu dla danego elementu.

W tym konkretnym wdrożeniu przyjęto próg 0,85 jako regułę biznesową sterującą dalszym przebiegiem procesu. Dane z wynikiem równym lub wyższym niż 0,85 trafiają na listę rekordów zaakceptowanych do SAP i mogą automatycznie uruchomić drugi przepływ. Dane z wynikiem poniżej 0,85 trafiają na listę rekordów wymagających ręcznej weryfikacji przez człowieka z poziomiu dedykowanej aplikacji Power Apps. Dopiero po sprawdzeniu i zaakceptowaniu przez wyznaczoną osobę mogą zostać przekazane dalej.

Taki mechanizm pozwala zachować automatyzację dla wyników o wysokiej pewności, a jednocześnie zapewnia kontrolę człowieka w przypadkach, w których model nie osiąga ustalonego poziomu pewności.

Przepływ 2: tworzenie zamówień w SAP

Drugi przepływ odpowiada za końcowy etap procesu. Pobiera z SharePoint dane zaakceptowane do dalszego przetwarzania i mapuje je do struktury wymaganej przez system SAP.

Następnie dane są przekazywane do SAP za pośrednictwem BAPI (ang. Business Application Programming Interfaces). BAPI to standaryzowane interfejsy SAP pozwalające systemom zewnętrznym wywoływać określone funkcje biznesowe. Warto wspomnieć, że Power Platform obsługuje wywołania zarówno funkcje BAPI jak i SAP RFC (ang. SAP Remote Function Calls) przez konektor SAP ERP, dlatego tego typu integracja może być realizowana bez ręcznego wprowadzania tych samych danych w SAP.

W efekcie zaakceptowane zamówienie jest tworzone w SAP automatycznie. Pracownik nie musi przepisywać danych z dokumentu źródłowego; jego udział jest potrzebny przede wszystkim w przypadkach skierowanych wcześniej do ręcznej weryfikacji.

Oszczędność czasu i kosztów dzięki ograniczeniu ręcznego przetwarzania dokumentów.

Zwiększenie efektywności zespołu – pracownicy mogą przeznaczyć więcej czasu na zadania wymagające analizy, wiedzy i decyzji, zamiast na powtarzalne przepisywanie danych.

Większa dokładność danych i ograniczenie ryzyka błędów powstających podczas ręcznego wprowadzania informacji.

Lepsza kontrola nad zamówieniami i przebiegiem procesu dzięki rozdzieleniu ścieżki automatycznej od rekordów wymagających ręcznej weryfikacji.