Je vais convertir les PDF ASME, ASTM, en 13480, din, API, iso et bsi pd 5500 en données

J'ai conçu une pipeline ETL automatisée qui élimine complètement la nécessité de transcrire manuellement les enquêtes sur la corrosion selon la norme ASME Sec. VIII. Je voulais partager l'architecture de cette solution, car elle résout directement le problème de l'extraction des données tabulaires UT à partir de rapports PDF complexes et non structurés.

Exemple :

Au lieu de se fier à la saisie manuelle des données, la pipeline utilise une couche d'extraction de texte directe pour lire la structure brute du document, suivie d'expressions régulières multi-lignes pour isoler et analyser de manière programmatique les blocs CML individuels à partir du flux de texte non structuré.

Moteur de métriques automatisé : il calcule dynamiquement la "durée de service" et le "LTCR calculé", tout en mappant automatiquement les "valeurs de tableau UG45" en fonction du diamètre extérieur de l'équipement.

Logique et routage de l'état : le système évalue de manière programmatique l'épaisseur minimale actuelle par rapport à Tmin et aux seuils CA. Il utilise cette logique pour attribuer automatiquement des statuts de risque comme "CRITIQUE", "CRITIQUE UG45" ou "AVERTISSEMENT", éliminant ainsi le besoin de jugements manuels.

Génération d'export validée : le jeu de données final est exporté directement dans Excel.

Note : Je peux automatiser cette pipeline, ASTM, API, ISO, DIN, BSI, EN, AWS, NFPA, NACE, ANSI, SAE