इनवॉइस प्रोसेसिंग प्रीबिल्ट मॉडल का उपयोग करें Power Automate

1. लॉग इन करें। Power Automate

2. बाएँ फलक में मेरे प्रवाह का चयन करें और फिर नया प्रवाह त्वरित क्लाउड प्रवाह का चयन करें.>

3. अपने प्रवाह को नाम दें, मैन्युअल रूप से प्रवाह ट्रिगर करें का चयन करें के अंतर्गत इस प्रवाह को ट्रिगर करने का तरीका चुनें और फिर बनाएँ का चयनकरें.

4. विस्तृत करें प्रवाह को मैन्युअल रूप से ट्रिगर करें और फिर इनपुट प्रकार के रूप में इनपुट फ़ाइल>का चयन करें+जोड़ें.

5. फ़ाइल सामग्री को मेरे इनवॉइस से बदलें (शीर्षक के रूप में भी जाना जाता है)।

6. + नया चरण चुनें , और फिर क्रियाओं की सूची में इनवॉइस>AI Builderसे जानकारी निकालें का चयन करें ।

7. इनवॉइस फ़ाइल इनपुट में ट्रिगर से मेरा इनवॉइस निर्दिष्ट करें ।

   

8. क्रमिक क्रियाओं में, आप मॉडल आउटपुट से किसी भी इनवॉइस मान का उपयोग कर सकते हैं।

   

बधाई! आपने एक ऐसा प्रवाह बनाया है, जो इनवॉइस संसाधन मॉडल का उपयोग करता है AI Builder . ऊपर दाईं ओर सहेजें का चयन करें और फिर अपना प्रवाह आज़माने के लिए परीक्षण करें चुनें .

पृष्ठ श्रेणी

बड़े दस्तावेज़ों के लिए, संसाधित करने के लिए पृष्ठ श्रेणी निर्दिष्ट करना संभव है।

आप Pages पैरामीटर में पृष्ठ मान या पृष्ठ श्रेणी दर्ज कर सकते हैं . उदाहरण: 1 या 3-5।

नोट

अगर आपके पास केवल एक इनवॉइस वाला बड़ा दस्तावेज़ है, तो हम पुरज़ोर सुझाव देते हैं कि आप अपने इनवॉइस को लक्षित करने के लिए पेज पैरामीटर का उपयोग करें और इसलिए मॉडल पूर्वानुमान की लागत कम करें और प्रदर्शन बढ़ाएं. हालांकि, सही डेटा लौटाने की कार्रवाई के लिए पेज श्रेणी में एक अद्वितीय इनवॉइस होना चाहिए.

उदाहरण: किसी दस्तावेज़ में पेज 2 में पहला इनवॉइस और पेज 3 और 4 में दूसरा इनवॉइस होता है:

• यदि आप पृष्ठ श्रेणी 2 दर्ज करते हैं, तो यह पहले चालान का डेटा लौटाएगा।
• यदि आप पृष्ठ श्रेणी 3-4 दर्ज करते हैं, तो यह केवल दूसरे चालान का डेटा लौटाएगा।
• अगर आप पेज की सीमा 2-4 डालते हैं, तो इससे पहले और दूसरे इनवॉइस का आंशिक डेटा दिखाई देगा (इससे बचा जाना चाहिए).

पैरामीटर्स

इनपुट

Name	आवश्य	प्रकार	विवरण
प्राप्ति फ़ाइल	हां	फ़ाइल	संसाधित करने के लिए चालान फ़ाइल
पेज	No	string	संसाधित करने के लिए पृष्ठ श्रेणी

आउटपुट

नाम	प्रकार	परिभाषा
देय राशि (पाठ)	string	देय राशि जैसा कि चालान पर लिखा गया है
देय राशि (संख्या)	बहना	मानकीकृत संख्या प्रारूप में देय राशि। उदाहरण: 1234.98
देय राशि का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
बिलिंग पता	string	बिलिंग पता
बिलिंग पते का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
बिलिंग पता प्राप्तकर्ता	string	बिलिंग पता प्राप्तकर्ता
बिलिंग पते प्राप्तकर्ता का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
ग्राहक पता	string	ग्राहक पता
ग्राहक पता का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
ग्राहक पता प्राप्तकर्ता	string	ग्राहक पता प्राप्तकर्ता
ग्राहक पता प्राप्तकर्ता का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
ग्राहक ID	string	ग्राहक ID
ग्राहक ID का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
ग्राहक का नाम	string	ग्राहक का नाम
ग्राहक नाम का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
देय तिथि (पाठ)	string	नियत तारीख जैसा कि चालान पर लिखा गया है
देय तिथि (तिथि)		मानकीकृत दिनांक प्रारूप में नियत तिथि। उदाहरण: 2019-05-31T00:00:00Z
देय तिथि का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
इनवॉइस तिथि (पाठ)	string	चालान की तारीख जैसा कि चालान पर लिखा गया है
इनवॉइस तिथि (तिथि)	तिथि	मानकीकृत दिनांक प्रारूप में चालान दिनांक। उदाहरण: 2019-05-31T00:00:00Z
इनवॉइस तिथि का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
इनवॉइस ID	string	इनवॉइस ID
इनवॉइस आईडी का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
इनवॉइस योग (पाठ)	string	चालान कुल के रूप में यह चालान पर लिखा है
इनवॉइस योग (संख्या)	बहना	मानकीकृत दिनांक प्रारूप में चालान कुल। उदाहरण: 2019-05-31T00:00:00Z
इनवॉइस योग का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
खरीद आदेश	string	खरीद आदेश
खरीद आदेश का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
प्रेषण पता	string	प्रेषण पता
प्रेषण पते का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
प्रेषण पता प्राप्तकर्ता	string	प्रेषण पता प्राप्तकर्ता
प्रेषण पता प्राप्तकर्ता का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
सेवा पता	string	सेवा पता
सेवा पते का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
सेवा पता प्राप्तकर्ता	string	सेवा पता प्राप्तकर्ता
सेवा पता प्राप्तकर्ता का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
शिपिंग पता	string	शिपिंग पता
शिपिंग पते का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
शिपिंग पता प्राप्तकर्ता	string	शिपिंग पता प्राप्तकर्ता
शिपिंग पता प्राप्तकर्ता का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
उप योग (पाठ)	string	उप-योग जैसा कि चालान पर लिखा गया है
उप योग (संख्या)	बहना	मानकीकृत संख्या प्रारूप में उपयोग। उदाहरण: 1234.98
उप योग का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
कुल कर (पाठ)	string	कुल कर जैसा कि चालान पर लिखा गया है
कुल कर (संख्या)	बहना	मानकीकृत संख्या प्रारूप में कुल कर। उदाहरण: 1234.98
कुल कर का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
विक्रेता पता	string	विक्रेता पता
विक्रेता के पते का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
विक्रेता पता प्राप्तकर्ता	string	विक्रेता पता प्राप्तकर्ता
विक्रेता पता प्राप्तकर्ता का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
विक्रेता का नाम	string	विक्रेता का नाम
विक्रेता नाम का विश्वास	बहना	मॉडल अपने पूर्वानुमान में कितना आश्वस्त है। 0 (कम आत्मविश्वास) और 1 (उच्च आत्मविश्वास) के बीच स्कोर करें।
पाठ का पता लगाया	string	इनवॉइस पर OCR चलाने से मान्यता प्राप्त पाठ की पंक्ति. पाठ की सूची के भाग के रूप में लौटाया गया.
खोजे गए पाठ की पृष्ठ संख्या	integer	मान्यता प्राप्त पाठ की पंक्ति किस पृष्ठ पर पाई जाती है। पाठ की सूची के भाग के रूप में लौटाया गया.

संबंधित विषय

इनवॉइस संसाधन अवलोकन