引言

油气田地面工程是石油天然气工业上游的核心支撑，涵盖油气集输、处理、储运等全链条设施网络建设，工程规模宏大、技术体系复杂，需供应商交付图纸、数据表、合格证等海量技术文档。数字化转型已成为行业提升效率、降低成本、保障安全的必然趋势，但当前供应商数字化交付仍依赖人工操作，叠加供应商繁杂、数据量大、非结构化文档占比高的问题，导致数据集成困难、检索低效、信息孤岛突出，严重制约数字化进程。光学字符识别（OCR）技术为非结构化数据结构化提供关键路径，但现有研究多聚焦识别准确率与数据库性能优化，针对油气工程场景的系统设计与交付适配研究较少。结合信创国家战略，本研究旨在设计适配信创环境的国产化交付管理系统，以人大金仓数据库为核心，优化OCR技术应用，实现文档接收、校验、信息提取、数据比对至交付包生成的全流程自动化，推动关键数据高精度结构化与可追溯，破解行业数字化交付瓶颈，兼具重要理论与实用价值。

1 绪论

研究背景与意义

油气田地面工程是石油天然气工业上游领域的重要组成部分，涉及集输、处理、储运等庞杂的设施网络建设。在项目的建设期和竣工验收阶段，需要供应商提供设备、材料以及相关技术文档（如图纸、数据表、合格证、检验报告、竣工资料等），数字化转型是油气行业提升效率、降低成本、保障安全的必然趋势。目前数字化工程项目中的供应商数据交付仍大量依赖人工操作。供应商数量繁杂、数据规模庞大并且数据处理流程存在较高重复性，双重因素叠加导致人工成本居高不下。在此背景下，亟需一套高效、标准化且适配信创环境的供应商交付管理系统，以系统性破解当前的运营困境。

光学字符识别（OCR）技术作为连接物理世界文档与数字世界信息的桥梁，其核心价值在于将图像中的文本信息自动转换为机器可读的文本数据。目前的研究多集中于提升OCR识别的准确率以及对于数据库系统的性能优化，对于系统设计以及结合数字化交付的研究还相对较少。特别是油气田地面工程领域，供应商数字化交付一直采用人工统计的处理模式，存在大量纸质、扫描文档以及新提交的非结构化电子文档，非结构化文档难以与项目管理系统、数字化交付平台有效集成，在需要查询特定设备参数或追溯材料来源时，效率低下且存在数据缺失的情况，从而形成信息孤岛。如何将非结构化文档中的文本信息高效、准确地转化为可计算、可检索、可分析的结构化数据，是实现真正“数字化”交付的核心瓶颈之一。

因此，研究并优化OCR技术在油气田地面工程供应商数字化交付管理系统中的应用，具有重大的理论意义和实用价值。此外，信创作为目前国家核心战略之一，是实现信息安全可控的重要保障。在此背景下，亟需一套高效、标准化且适配信创环境的供应商交付管理系统，以系统性破解当前的运营困境。本系统将采用国产化技术栈，确保底层技术、信息安全不会产生被限制的风险，满足信创合规要求。

研究目标与内容

本研究着眼于针对油气田地面工程供应商交付文档处理中存在的效率低下、数据非结构化等问题，设计并实现一个轻量、高集成度、自动化的数字化交付管理系统。该系统采用OCR技术进行数据提取，以人大金仓数据库为数据中枢，实现从原始文档接收、智能校验、信息提取、数据比对到最终交付包生成的全流程数字化管理。具体目标如下：

构建集成化系统原型：开发一个集成了文件管理、OCR识别、数据存储与可视化功能的完整软件原型。实现高精度信息提取：针对油气工程文档中设备位号（Tag Number）、技术参数等关键信息，通过优化OCR应用策略（如正则表达式匹配），达到工程应用要求的识别准确率，确保提取数据的可靠性。打通自动化处理流程：实现“原始文件→校验→OCR→数据比对→报告生成”的自动化流程，减少人工干预环节，显著提升文档处理效率。实现数据结构化与可追溯：将OCR提取的非结构化文本数据转化为高度结构化的数据，并与原始文档、供应商信息建立强关联，存入数据库，形成可深度查询、分析和追溯的数据资产。

2供应商数字化交付管理系统设计与实现

2.1 信创环境下系统总体架构设计

在本系统设计与实现过程中，严格遵循信创环境要求，核心基础软硬件均采用国产化产品，以保障系统的安全性、可靠性与自主可控性。服务器操作系统选用银河麒麟高级服务器操作系统，该系统是针对企业级关键业务负载设计的国产平台，在虚拟化、云计算及大数据处理场景下表现出卓越的稳定性与安全特性，已广泛应用于政府、金融、油气田等对信息安全要求极高的领域，为本系统提供了坚实可靠的底层运行环境。

数据库系统采用北京人大金仓信息技术股份有限公司旗下的金仓数据库管理系统（KingbaseES）。该产品具备高度的SQL标准兼容性和良好的异构数据库适配能力，并提供了高效的数据迁移工具（如KDTS）与数据同步软件（如KFS），有效支撑了历史数据的平滑迁移与业务系统的快速切换上线，保障了系统数据的一致性与完整性，为上层OCR识别结果及数字化交付管理业务的高效处理提供了稳定可靠的数据支撑平台。

本供应商数字化交付系统是基于B/S架构的供应链管理平台，采用国产化技术栈，前端使用Vue3+Bootstrap+Node.js组件化开发，后端采用Python3.10+FastAPI与.NET Core3+混合架构。

系统架构分为五层：客户端层支持PC端浏览器访问；前端应用层基于Vue3组件化框架构建；接入层提供统一入口与流量管控；应用服务层采用FastAPI处理高并发业务，.NET Core处理复杂逻辑；数据层保障数据安全存储。设计遵循国产化适配、前后端分离、模块化设计、安全优先等原则，实现权限控制、数据加密和操作审计。

核心功能模块分为供应商用户和管理用户两大角色。供应商用户功能包括：文件上传（设备属性表和PDF文件）、文件名称校验、文件清单检查、OCR识别（提取位号信息并展示差异）、流程申请与跟踪等。管理用户功能包括：项目管理（关联供应商）、流程审核（通过/驳回申请）、供应商管理（准入审核）、用户权限管理、菜单配置、数据字典维护、文件清单和设备类型模板管理等（图1）。

2.2 OCR服务集成方式

供应商上传的文件以“交付包1、交付包2…交付包n”形式进入系统，首先进入“文件检查（清单、编码等）”环节，对文件进行合规性验证（如清单完整性、编码格式是否符合规范），确保后续OCR处理的基础数据质量。

通过“添加任务”操作，将预处理后的文件加入“OCR任务队列”，作为任务调度的核心枢纽，统一管理待处理的OCR任务，支持多文件并发处理，提升系统吞吐量。

OCR任务队列通过“获取任务”机制，将任务分发给“OCR服务器1、OCR服务器2…OCR服务器n”（n代表可扩展的服务器数量），利用多服务器并行处理能力，加速OCR识别过程；同时，队列的“任务分发-结果回收”机制，能灵活适配服务器负载，保障处理效率。

各OCR服务器完成识别后，通过“上传结果”操作将结果汇总至“OCR结果表”，作为最终结果的存储与展示载体，供后续业务环节（如数据统计、报表生成等）调用。

通过“队列调度+多服务器并行”的技术架构，该流程实现了供应商文件的批量OCR处理，既保障了处理效率（多服务器并发），又保证了数据质量（预处理环节的合规性检查），是典型的企业级OCR自动化处理方案（图2）。

OCR（光学字符识别）服务的工作流程可分解为以下关键步骤，各环节通过箭头指示执行顺序，如图3所示，形成循环迭代的业务逻辑：

等待OCR任务：服务端处于"待命"状态，等待外部系统（如任务调度平台）分配OCR识别任务。

获取OCR任务：接收外部系统下发的OCR识别任务请求，明确需处理的PDF文件、识别范围等任务参数。

下载PDF：根据任务指令，从指定存储位置（如云存储、任务中心）下载待识别的PDF文件。

OCR识别：调用OCR引擎对PDF中的文字、图表等视觉信息进行识别，将图像/页面内容转化为可编辑的电子文本数据。

上传结果：将OCR识别后的结果（如结构化文本、识别报告等）上传至指定存储位置，完成任务处理环节。

返回等待状态：任务处理完成后，服务端返回"等待OCR任务"状态，准备接收下一个任务请求，形成流程闭环。

该流程通过任务获取→资源下载→识别处理→结果上传→循环待命的循环，保障OCR服务的持续性与稳定性，实现对批量PDF文件的高效文字提取与识别。

2.3 核心功能模块实现

供应商数字化交付系统聚焦供应链交付场景，通过数字化手段规范供应商交付流程，实现文件管理、数据核验、流程管控的高效协同，覆盖供应商用户与管理用户两类角色，满足交付全流程的业务需求。功能架构如图4所示。

2.3.1供应商用户功能

面向供应商操作端，核心围绕供应商结构化数据和PDF文件的交付流程，提供全环节功能，确保交付数据准确、流程透明。用户通过账号密码登录系统后，进入设备类型选择页面，选择所属供应商类别可进行文件上传操作，系统支持设备属性表（提交设备详细属性信息）和识别PDF文件（触发识别和审核流程）两类关键文件的上传。上传过程中，系统会依据预设规则对文件名称进行合规性检查，并通过文件清单模板核对上传文件的完整性，从而保障交付内容符合要求。

上传的PDF文件，系统会启用OCR服务进行识别处理，自动提取PDF文件中的位号信息与设备属性表中的位号信息做比对。供应商用户可以查看识别结果、关联关系、位号差异及汇总数据，从而确认数据的准确性。基于合规数据，供应商可发起交付流程申请，并实时跟踪流程进度，查看所处节点及审验报告，实现交付过程的闭环管理。

2.3.2 管理用户功能

管理用户侧重于系统维护与流程管控，承担多项职责以保障系统规范运行与交付流程有效管控。管理员通过专属账号登录系统后，可进行项目创建与管理，从供应商库中筛选关联供应商并建立绑定关系。管理员可以按项目维度查看所有关联供应商上传的文件，并支持搜索与筛选功能。

在流程审核方面，管理员对供应商提交的交付流程进行审核决策，跟踪流程进度并及时干预异常情况，并根据审核结果生成审验报告反馈给供应商。同时系统还提供完善的供应商管理功能，包括供应商信息维护和准入审核评估。

系统维护功能包括用户账号管理、菜单权限配置、角色定义与权限分配等。管理员通过数据字典管理维护系统基础数据的标准字典，确保数据编码和分类的一致性。此外，系统还提供文件清单模板配置、设备类型分类管理以及设备属性表模板上传等功能，为供应商数据提交提供标准化依据，有效提升数据质量与处理效率。

2.4 系统应用效果

为验证系统实际价值，选取多个油气田工程项目供应商交付项目开展测试，从技术性能、业务效率及信创合规性三方面评估应用效果。

在OCR识别精度方面，系统采用“模板匹配+正则表达式过滤”混合策略，结合《供应商交付文件标准化规范》提升识别质量。测试784份文件（含压缩机453份、阀门169份、泵类162份）的整体识别正确率达97.96%。错误主要源于老旧扫描件字符模糊（占62.5%）和特殊符号识别偏差（占37.5%），通过图像修复算法进一步优化。

业务处理效率显著提升，以20家供应商设备交付为基准场景，传统人工模式下3700份文件交付需3个月、320个工时，系统应用后4100份文件处理周期缩短至1个月，工时减少至120个，周期压缩率66.7%，工时减少率62.5%，交付工时效率提升195.5%。供应商的文件审核周期从72小时缩至24小时以下，数据追溯效率大幅提升，解决了传统模式的沟通成本高和信息孤岛问题。

信创环境适配表现稳定，基于银河麒麟操作系统实现全天无故障运行，人大金仓数据库支撑12万条设备参数记录存储，查询响应≤0.5秒，供应商文件OCR识别准确率≥96%，PDF文件识别速度≤3s/页。系统通过第三方信创适配测试，实现全栈国产化替代，符合油气行业信息安全自主可控要求。

3结论

本研究成功设计并实现了一个基于信创环境和OCR技术的供应商数字化交付管理系统。系统采用国产化技术栈，深度集成OCR技术，构建了一个集文件上传、智能校验、自动化信息提取、数据比对与可视化于一体的B/S架构平台。通过引入“队列调度+多服务器并行”的处理机制，有效解决了传统人工模式下效率低下、误差率高的问题，实现了从非结构化文档到可计算、可检索、可追溯的结构化数据资产的高效转化。该系统不仅显著提升了文档处理的自动化水平与数据准确性，满足了工程实际应用的定制化要求，更因其底层技术的安全可控，完全符合国家信创战略的合规性要求，为油气行业领域的数字化转型提供了一个可靠、高效的解决方案。

参考文献：

1. [1] 徐葱葱,刘冰,张妮,等.智能化技术发展对油气管道行业的启示[J].油气田地面工程,2019,38(12):1-5.
2. [2] 陈习,曾智翔,张蓓蕾,等.基于铭牌OCR的字符分割优化技术[J].福建电脑,2019,35(01):128-129.
3. [3] 刘琴.基于OCR识别技术的工程机械结构件管理方法及系统[J].建设机械技术与管理,2023,36(04):89-92.
4. [4] 季焕淑.试谈SQL数据库优化技术在信息管理系统中的应用[J].电脑编程技巧与维护,2022(11):82-85.
5. [5] 张皓.SQL数据库优化技术在计算机信息管理系统中的应用研究[J].电子元器件与信息技术,2020,4(05):36-37.