制造与工程行业里，BOM（物料清单）长期以 PDF 图纸和表格形式分散在研发、工艺、采购等部门。人工要把 3,000 份文件逐份打开、对照、抄录成 PLM 导入模板，原计划需 6 个月。本项目的立项原因，就是把这段重复劳动变成一条可复用的抽取与校验流水线：先批量解析 PDF，再抽取料号、名称、规格、材质、数量、单位等字段，按 PLM 模板转换，导入前完成去重与层级一致性校验，让人工只处理异常项。行业背景是工程制造企业的数据迁移与 PLM 上线，数据量大、版式多、错误代价高，因此自动化之外还必须保留来源追溯与人工复核。
系统分为四个功能模块。一、文件接入与版式分组：批量上传 PDF，区分文字型与扫描型，按版式归类后再抽取，减少逐份人工处理。二、BOM 字段抽取：从工程图纸与表格中提取料号、名称、规格、材质、数量、单位等字段，并保留来源文件与页码，便于回查。三、转换与校验：按 PLM 导入模板做字段映射，执行去重、单位换算、父子件层级与必填项校验，输出结构化异常清单。四、导入包生成：按批次输出可导入文件，异常项由人工复核后回填，形成从源文件到导入记录的完整闭环。
我负责从需求梳理到上线的全部环节：方案设计、数据盘点、抽取与转换脚本开发、UAT 支持、上线后改进，以及与工程、PLM 团队的接口定义。技术栈以 Python + Flask 为主体，按批次处理文件，抽取结果统一进入中间表后再做模板映射，保证同一份数据只解析一次、可重复执行。实现上的亮点是把版式差异收敛到配置层，新增版式只需补抽取规则而不用改主流程；难点是扫描件质量参差、同一字段存在多种写法，以及 BOM 父子层级在转换后容易断链。因此我把校验前置，用结构化异常清单驱动人工复核，最终约 3,000 份、200 GB 的文件在约 3 周内完成抽取、校验与导入，相比原估 6 个月大幅缩短。
评论