一種工程量拔量軟件在工程項(xiàng)目的應(yīng)用

李旭葶

中國化學(xué)工程第四建設(shè)有限公司 湖南岳陽 414000

目前石油化工工廠的總體布局呈現(xiàn)大型化、區(qū)域化、集中化趨勢(shì)，裝置的電子版圖紙作為現(xiàn)場(chǎng)施工依據(jù)之一，識(shí)讀及匯總材料量是一項(xiàng)重要工作。根據(jù)圖紙?zhí)峁┑牟牧蠑?shù)量，將其中的信息轉(zhuǎn)換到Excel 表格中進(jìn)行分類匯總、數(shù)值計(jì)算，可實(shí)現(xiàn)更加直觀的數(shù)據(jù)處理。傳統(tǒng)的拔量工作需要人工識(shí)讀圖紙，再錄入到電腦中，效率低，準(zhǔn)確性差。通過編程運(yùn)行數(shù)行代碼批量提取電子版圖紙中的數(shù)據(jù)，將表格內(nèi)容提取出來，對(duì)于節(jié)省人力、降低成本有一定的幫助，從而提高經(jīng)濟(jì)效益。

1 項(xiàng)目及技術(shù)簡(jiǎn)介

中國化學(xué)工程第四建設(shè)有限公司承建的某大型化工裝置的工藝管道生產(chǎn)流程復(fù)雜，工藝連續(xù)性強(qiáng)，具有高溫、高壓、低溫、易燃、易爆和腐蝕等特點(diǎn)，對(duì)管道材料檢驗(yàn)、焊接、安裝、壓力試驗(yàn)等要求較高。施工圖紙材料量大，材料種類多，其中僅管廊區(qū)一個(gè)區(qū)就有901 張圖紙，全裝置有近萬張圖紙。而且材料描述全部為英文，識(shí)讀有一定的難度。圖紙的形式以PDF 版和CAD 版為主，無法直接進(jìn)行統(tǒng)計(jì)匯總。如果能從電子版圖紙中提取出電子版材料表，匯總出材料清單，將有利于前期編制材料采購計(jì)劃，對(duì)工程項(xiàng)目后續(xù)的領(lǐng)料工作、進(jìn)度款申報(bào)及結(jié)算工作也有很大幫助。傳統(tǒng)采用的人工拔量方式耗時(shí)久、準(zhǔn)確率低，急需開發(fā)一種新型拔量方式。

PDF 是一種可移植文檔，其與操作系統(tǒng)平臺(tái)無關(guān)，也就是說，其在Windows、Unix 和Mac OS 操作系統(tǒng)中都是通用的。這一特征使它成為設(shè)計(jì)院出圖的主要格式，CAD 格式也能輕易轉(zhuǎn)換成PDF 格式。因此，新型的拔量方式針對(duì)PDF 文檔格式而開發(fā)，具有較好的兼容性。該項(xiàng)目電子版圖紙皆為PDF 格式，施工圖紙中圖片和文字交疊在一起，無法對(duì)圖紙上的材料表直接操作。在PDF 右側(cè)的區(qū)域有序排列著材料代碼、規(guī)格及其他參數(shù)，但該P(yáng)DF文檔格式中并不存在表格內(nèi)部分隔線，只有一個(gè)代表材料區(qū)域的的外框線。市面上的表格提取工具主要基于表格內(nèi)部框線劃分區(qū)域，對(duì)該項(xiàng)目的圖紙完全無法識(shí)別提取表格。這種表格被稱為“文字流”表格，而對(duì)于它的識(shí)別稱為“基于文字流的表格識(shí)別”[1]。綜合以上因素，對(duì)基于PDF文字流的無圖像線表格識(shí)別技術(shù)進(jìn)行了研究，設(shè)計(jì)并實(shí)現(xiàn)了一套表格批量提取方法。

2 設(shè)計(jì)思路

傳統(tǒng)拔量方法是人工識(shí)讀圖紙，手動(dòng)錄入材料名稱和參數(shù)到電子表格，效率低下。繼產(chǎn)生要研究新拔量方法的想法后，嘗試逐文本塊復(fù)制粘貼錄入，整行復(fù)制錄入乃至整列復(fù)制錄入。雖然提高了一定的效率，人工參與的比例還是很大。在嘗試了多種方式，不斷吸取經(jīng)驗(yàn)之后，逐漸梳理總結(jié)出了最終的功能實(shí)現(xiàn)流程。選擇以按鍵精靈為平臺(tái)開發(fā)拔量軟件，優(yōu)點(diǎn)在于不需要配置環(huán)境變量、構(gòu)建工程、聲明變量及數(shù)據(jù)比較時(shí)的類型轉(zhuǎn)換，適合缺少編程經(jīng)驗(yàn)的人使用，本質(zhì)是基于VBA 編程語言對(duì)施工圖紙進(jìn)行拔量。首先獲取整個(gè)圖紙右側(cè)材料表內(nèi)容，繼而轉(zhuǎn)到Word 文檔分析其排列規(guī)律以編寫文本處理的功能代碼。經(jīng)分析，每一項(xiàng)材料都占據(jù)1—3 行的高度，各項(xiàng)內(nèi)容都通過空格分割，首列序號(hào)數(shù)值都在一定范圍內(nèi)，每項(xiàng)材料的第2 行及以后只保留材料描述。根據(jù)這一規(guī)律結(jié)合編程語言的各種函數(shù)，將原始數(shù)據(jù)分割排序，在適當(dāng)?shù)奈恢貌迦胫票砀瘛Q行符，通過剪切板中轉(zhuǎn)數(shù)據(jù)，最后在excel 表格中以粘貼的方式輸出最終結(jié)果。以上便是此次施工圖紙表格的提取的思路，技術(shù)要點(diǎn)是使用編程方法對(duì)原始數(shù)據(jù)的整理及不同情況的分類討論。功能實(shí)現(xiàn)的流程示意圖見圖1。

圖1 功能流程示意圖

3 技術(shù)要點(diǎn)

軟件實(shí)質(zhì)是將人工重復(fù)性的動(dòng)作讓程序代為執(zhí)行，比如排序換位，將對(duì)應(yīng)內(nèi)容插入制表位放到相應(yīng)的單元格中和換行等操作。只需要把施工圖紙的純文本內(nèi)容復(fù)制后導(dǎo)入到按鍵精靈，在按鍵精靈中經(jīng)由編程方法完成識(shí)別、排版這一系列重復(fù)工作，再輸入到Excel 表格中。

3.1 圖紙預(yù)處理

通過Acrobat PDF 編輯器提取出PDF 文檔右側(cè)的材料表，編輯器自帶有批量裁剪全部頁面功能。需要注意的是，在單頁閱讀模式下全選只能選中一頁內(nèi)容，然后用Ctrl+A 全選復(fù)制出PDF 文檔文本層的內(nèi)容。材料表中的文字屬性，如圖片和文字顏色、字號(hào)大小等在編程處理中屬于無用參考，會(huì)降低程序運(yùn)行效率，并可能對(duì)最后結(jié)果造成未知影響。因此，需要一些方法剔除這些無用屬性，只保留純文本部分，比如使用word 的僅粘貼數(shù)值格式，或者使用txt 文檔中轉(zhuǎn)也能達(dá)到一樣的效果。

3.2 數(shù)據(jù)導(dǎo)入處理

本軟件沒有制作復(fù)雜的數(shù)據(jù)導(dǎo)入界面，在算法中調(diào)用系統(tǒng)剪切板作為數(shù)據(jù)中轉(zhuǎn)站，因此數(shù)據(jù)的導(dǎo)出導(dǎo)入通過快捷鍵Ctrl+C、Ctrl+V 實(shí)現(xiàn)，數(shù)據(jù)保存在剪切板中等待下一步處理。當(dāng)剪切板數(shù)據(jù)就緒，運(yùn)行搭載了本算法的按鍵精靈，根據(jù)數(shù)據(jù)大小，就可以在一定時(shí)間內(nèi)將數(shù)據(jù)整理為標(biāo)準(zhǔn)的excel 表格數(shù)據(jù)，最終結(jié)果保存在剪切板，之前導(dǎo)入的原始數(shù)據(jù)將被覆蓋。施工圖紙中的原始材料數(shù)據(jù)經(jīng)過本算法的處理，在其中插入了換行、分列、占位符號(hào)，調(diào)整順序使之與材料表的單元格一一對(duì)應(yīng)，最后使用Ctrl+V 能完成幾百張圖紙的拔量工作。

4 局限性及優(yōu)點(diǎn)

程序最初由于圖紙樣本少，只有一套裝置的圖紙，運(yùn)行后生成的材料表存在少量問題。通過比對(duì)分析原始施工圖紙和材料表的差異，發(fā)現(xiàn)是原本存放材料表的區(qū)域與軸測(cè)圖重疊導(dǎo)致的。可以通過人工篩選得出工程量表中明顯的異常，針對(duì)性地增加分類討論，修改程序并調(diào)試驗(yàn)證。對(duì)于個(gè)性錯(cuò)誤只能比對(duì)原圖紙進(jìn)行修改，并且這些個(gè)性錯(cuò)誤都是PDF 源文檔自身存在的錯(cuò)誤，對(duì)拔量軟件的改進(jìn)幫助不大。隨著樣本規(guī)模的增加，拔量軟件有了更好的適應(yīng)性。目前拔量軟件還存在不足，對(duì)于不同排列格式的PDF 圖紙，只有數(shù)據(jù)傳輸框架可以繼續(xù)使用，程序原始數(shù)據(jù)處理模塊的就需要全部或者部分重新編程。初始考慮到開發(fā)難度和開發(fā)時(shí)效使用了按鍵精靈作為開發(fā)平臺(tái)，存在程序執(zhí)行效率低、體量大的缺點(diǎn)。未來會(huì)將算法移植到Python 平臺(tái)上或主流的Java 平臺(tái)，具有簡(jiǎn)單易懂的優(yōu)點(diǎn)，程序的體積也可以減小很多。

該算法適用于PDF 文檔格式無結(jié)構(gòu)化信息的表格識(shí)別，創(chuàng)新之處在于識(shí)別過程不依賴任何表格框線信息。通過對(duì)文字的排列布局信息的分析，重新排列拼接原始數(shù)據(jù)，調(diào)整數(shù)據(jù)為可以粘貼到材料表的格式。軟件如實(shí)完整地保存PDF 圖紙的原始內(nèi)容，具有較高的準(zhǔn)確性。最重要的一點(diǎn)是解決了傳統(tǒng)圖紙拔量速度慢的問題，使拔量速度有了極大的提高。該拔量軟件只要運(yùn)行幾分鐘就可以把一份1000 頁的圖紙數(shù)據(jù)轉(zhuǎn)換出來，加上裁剪文檔，程序調(diào)試修改，不到30min 就可以完成平時(shí)人工拔量將近3d 的工作量。除了PDF 文檔自身極少的錯(cuò)誤，需要人為的干預(yù)修改，整個(gè)過程需要很少的操作，只要將圖紙文本內(nèi)容執(zhí)行一次裁剪復(fù)制，然后交由拔量軟件完成整理工作。相對(duì)于OCR 識(shí)別模糊查找的方法，這種直接對(duì)PDF 的原始數(shù)據(jù)進(jìn)行編輯的方法，可以盡可能地減少最終結(jié)果的錯(cuò)誤。

5 程序拓展

拔量軟件的思想還可以應(yīng)用到項(xiàng)目工作的其他方面，例如管道焊接無損檢測(cè)需要重復(fù)地從焊接數(shù)據(jù)庫復(fù)制數(shù)據(jù)到委托單中，可以編寫自動(dòng)化程序減輕個(gè)人負(fù)擔(dān)。“諾必達(dá)焊接管理系統(tǒng)”就是一個(gè)很好的平臺(tái)，它集成了各種有關(guān)管道焊接工作的自動(dòng)化程序，很多功能簡(jiǎn)單幾步操作就可以完成，是以后學(xué)習(xí)參考很好的例子。另外，像試壓包的編制、交工資料的編制這種規(guī)模較大、重復(fù)性高的工作，都可以通過編程來完成，從而極大地提高工作效率。

6 結(jié)語

通過編程來實(shí)現(xiàn)辦公自動(dòng)化可以大大提高工作效率，尤其是現(xiàn)在普遍采用計(jì)算機(jī)辦公的時(shí)代，合理利用編程這項(xiàng)技術(shù)處理日常工作中的一些問題，可以達(dá)到事半功倍的效果。同時(shí)，要有認(rèn)真負(fù)責(zé)的態(tài)度，對(duì)輸出結(jié)果進(jìn)行適當(dāng)檢查，萬不可一勞永逸。