Den här artikeln beskriver en Azure-arkitektur som du kan använda för att ersätta kostsamma och oflexibla formulärbearbetningsmetoder med kostnadseffektiv och flexibel automatiserad PDF-bearbetning.
Arkitektur
Ladda ned en PowerPoint-fil med den här arkitekturen.
Arbetsflöde
- Ett särskilt Outlook-e-postkonto tar emot PDF-filer som bifogade filer. När ett e-postmeddelande kommer utlöses en logikapp för att bearbeta e-postmeddelandet. Logikappen skapas med hjälp av funktionerna i Azure Logic Apps.
- Logikappen laddar upp PDF-filerna till en container i Azure Data Lake Storage.
- Du kan också ladda upp PDF-filer manuellt eller programmatiskt till samma PDF-container.
- Ankomsten av en PDF-fil i PDF-containern utlöser en annan logikapp för att bearbeta PDF-formulären som finns i PDF-filen.
- Logikappen skickar platsen för PDF-filen till en funktionsapp för bearbetning. Funktionsappen skapas med hjälp av funktionerna i Azure Functions.
- Funktionsappen tar emot filens plats och vidtar följande åtgärder:
- Filen delas upp i enstaka sidor om filen har flera sidor. Varje sida innehåller ett oberoende formulär. Delade filer sparas i en andra container i Data Lake Storage.
- Den använder HTTPS POST, ett Azure REST API, för att skicka platsen för ensides-PDF-filen till AI Document Intelligence för bearbetning. När Azure AI Document Intelligence slutför bearbetningen skickar den ett svar tillbaka till funktionsappen, som placerar informationen i en datastruktur.
- Den skapar en JSON-datafil som innehåller svarsdata och lagrar filen till en tredje container i Data Lake Storage.
- Logikappen för formulärbearbetning tar emot bearbetade svarsdata.
- Logikappen för formulärbearbetning skickar bearbetade data till Azure Cosmos DB, vilket sparar data i en databas och i samlingar.
- Power BI hämtar data från Azure Cosmos DB och tillhandahåller insikter och instrumentpaneler.
- Du kan implementera ytterligare bearbetning efter behov på de data som finns i Azure Cosmos DB.
Komponenter
- Azure AI-tjänster är en kategori av Azure AI-produkter som använder Azure AI-tjänster, uppgiftsspecifik AI och affärslogik för att tillhandahålla nyckelfärdiga AI-tjänster för vanliga affärsprocesser. En av dessa produkter är Azure AI Document Intelligence, som använder maskininlärningsmodeller för att extrahera nyckel/värde-par, text och tabeller från dokument.
- Azure Logic Apps är en serverlös molntjänst för att skapa och köra automatiserade arbetsflöden som integrerar appar, data, tjänster och system.
- Azure Functions är en serverlös lösning som gör det möjligt för dig att skriva mindre kod, underhålla mindre infrastruktur och spara på kostnaderna.
- Azure Data Lake Storage är grunden för att skapa företagsdatasjöar i Azure.
- Azure Cosmos DB är en fullständigt hanterad NoSQL och relationsdatabas för modern apputveckling.
- Power BI är en samling programvarutjänster, appar och anslutningsappar som fungerar tillsammans så att du kan omvandla dina orelaterade datakällor till sammanhängande, visuellt uppslukande och interaktiva insikter.
Alternativ
- Du kan använda Azure SQL Database i stället för Azure Cosmos DB för att lagra bearbetade formulärdata.
- Du kan använda Azure Data Explorer för att visualisera bearbetade formulärdata som lagras i Data Lake Storage.
Information om scenario
Formulärbearbetning är ofta en viktig affärsfunktion. Många företag förlitar sig fortfarande på manuella processer som är kostsamma, tidskrävande och felbenägna. Att ersätta manuella processer minskar kostnader och risker och gör ett företag mer agilt.
Den här artikeln beskriver en arkitektur som du kan använda för att ersätta manuell PDF-formulärbearbetning eller kostsamma äldre system som automatiserar BEARBETNING av PDF-formulär. Azure AI Document Intelligence bearbetar PDF-formulären, Logic Apps tillhandahåller arbetsflödet och Functions tillhandahåller databehandlingsfunktioner.
Information om distribution finns i Distribuera det här scenariot i den här artikeln.
Potentiella användningsfall
Lösningen som beskrivs i den här artikeln kan bearbeta många typer av formulär, inklusive:
- Fakturor
- Betalningsposter
- Säkerhetsregister
- Incidentposter
- Efterlevnadsposter
- Inköpsorder
- Formulär för betalningsauktorisering
- Formulär för hälsoscreening
- Undersökningsformulär
Att tänka på
Dessa överväganden implementerar grundpelarna i Azure Well-Architected Framework, en uppsättning vägledande grundsatser som du kan använda för att förbättra kvaliteten på en arbetsbelastning. Mer information finns i Microsoft Azure Well-Architected Framework.
Tillförlitlighet
Tillförlitlighet säkerställer att ditt program kan uppfylla de åtaganden som du gör gentemot dina kunder. Mer information finns i Översikt över tillförlitlighetspelare.
En tillförlitlig arbetsbelastning är en arbetsbelastning som är både elastisk och tillgänglig. Återhämtning är systemets förmåga att återställa från fel och fortsätta att fungera. Målet med återhämtning är att kunna återställa programmet till ett fullt fungerande tillstånd efter fel. Tillgänglighet är ett mått på om dina användare kan komma åt din arbetsbelastning när de behöver det.
Den här arkitekturen är avsedd som en startarkitektur som du snabbt kan distribuera och prototypa för att tillhandahålla en affärslösning. Om prototypen lyckas kan du utöka och förbättra arkitekturen om det behövs för att uppfylla ytterligare krav.
Den här arkitekturen använder skalbar och elastisk Azure-infrastruktur och -teknik. Azure Cosmos DB har till exempel inbyggd redundans och global täckning som du kan konfigurera för att uppfylla dina behov.
Information om tillgänglighetsgarantier för De Azure-tjänster som den här lösningen använder finns i Servicenivåavtal (SLA) för onlinetjänster.
Säkerhet
Säkerhet ger garantier mot avsiktliga attacker och missbruk av dina värdefulla data och system. Mer information finns i Översikt över säkerhetspelare.
Outlook-e-postkontot som används i den här arkitekturen är ett dedikerat e-postkonto som tar emot PDF-formulär som bifogade filer. Det är bra att begränsa avsändare till betrodda parter och förhindra skadliga aktörer från att skicka skräppost till e-postkontot.
Implementeringen av den här arkitekturen som beskrivs i Distribuera det här scenariot vidtar följande åtgärder för att öka säkerheten:
- PowerShell- och Bicep-distributionsskripten använder Azure Key Vault för att lagra känslig information så att den inte visas på terminalskärmar eller lagras i distributionsloggar.
- Hanterade identiteter tillhandahåller en automatiskt hanterad identitet i Microsoft Entra-ID som program kan använda när de ansluter till resurser som stöder Microsoft Entra-autentisering. Funktionsappen använder hanterade identiteter så att koden inte är beroende av enskilda huvudnamn och inte innehåller känslig identitetsinformation.
Kostnadsoptimering
Kostnadsoptimering handlar om att titta på sätt att minska onödiga utgifter och förbättra driftseffektiviteten. Mer information finns i Översikt över kostnadsoptimeringspelare.
Här följer några riktlinjer för att optimera kostnaderna:
- Använd strategin betala per användning för din arkitektur och skala ut efter behov i stället för att investera i storskaliga resurser i början.
- Implementeringen av arkitekturen som beskrivs i Distribuera det här scenariot distribuerar en startlösning som är lämplig för konceptbevis. Distributionsskripten skapar en fungerande arkitektur med minimala resurskrav. Distributionsskripten skapar till exempel en minsta serverlös Linux-värd för att köra funktionsappen.
Prestandaeffektivitet
Prestandaeffektivitet är arbetsbelastningens förmåga att skala på ett effektivt sätt för att uppfylla de krav som användarna ställer på den. Mer information finns i Översikt över grundpelare för prestandaeffektivitet.
Den här arkitekturen använder tjänster som har inbyggda skalningsfunktioner som du kan använda för att förbättra prestandaeffektiviteten. Nedan följer några exempel:
- Du kan vara värd för både Azure Logic Apps och Azure Functions i en serverlös infrastruktur. Mer information finns i Översikt över azure-serverlös: Skapa molnbaserade appar och lösningar med Azure Logic Apps och Azure Functions.
- Du kan konfigurera Azure Cosmos DB för att automatiskt skala dess dataflöde. Mer information finns i Etablera dataflöde för autoskalning på en databas eller container i Azure Cosmos DB – API för NoSQL.
Distribuera det här scenariot
Du kan distribuera en rudimentär version av den här arkitekturen, en lösningsaccelerator, och använda den som utgångspunkt för att distribuera din egen lösning. Referensimplementeringen för acceleratorn innehåller kod, distributionsskript och en distributionsguide.
Acceleratorn tar emot PDF-formulären, extraherar datafälten och sparar data i Azure Cosmos DB. Power BI visualiserar data. Designen använder en modulär, metadatadriven metodik. Inga formulärfält är hårdkodade. Det kan bearbeta alla PDF-formulär.
Du kan använda acceleratorn som den är, utan kodändring, för att bearbeta och visualisera pdf-formulär på en enda sida, till exempel säkerhetsformulär, fakturor, incidentposter och många andra. Om du vill använda den behöver du bara samla in PDF-exempelformulär, träna en ny modell för att lära dig formulärens layout och ansluta modellen till lösningen. Du måste också göra om Power BI-rapporten för dina datauppsättningar så att den ger de insikter du vill ha.
Implementeringen använder Azure AI Document Intelligence Studio för att skapa anpassade modeller. Acceleratorn använder fältnamnen som sparas i maskininlärningsmodellen som referens för att bearbeta andra formulär. Endast fem exempelformulär behövs för att skapa en anpassad maskininlärningsmodell. Du kan sammanfoga så många som 100 anpassade modeller för att skapa en sammansatt maskininlärningsmodell som kan bearbeta en mängd olika former.
Distributionslagringsplats
GitHub-lagringsplatsen för lösningsacceleratorn finns på Azure PDF Form Processing Automation Solution Accelerator som innehåller distributionsguiden för den här lösningen.
Förhandskrav för distribution
För att distribuera behöver du en Azure-prenumeration. Information om kostnadsfria prenumerationer finns i Skapa i molnet med ett kostnadsfritt Azure-konto.
Mer information om de tjänster som används i acceleratorn finns i översikts- och referensartiklarna som visas i:
- Dokumentation om AI-dokumentinformation
- Azure Logic Apps dokumentation
- Azure Functions-dokumentation
- Introduktion till Azure Data Lake Storage Gen2
- Dokumentation om Azure Cosmos DB
- Power BI-dokumentation.
Att tänka på vid distribuering
Om du vill bearbeta en ny typ av PDF-formulär använder du PDF-exempelfiler för att skapa en ny maskininlärningsmodell. När modellen är klar ansluter du modell-ID:t till lösningen.
Det här containernamnet kan konfigureras i de distributionsskript som du får från GitHub-lagringsplatsen.
Arkitekturen hanterar inte krav på hög tillgänglighet (HA) eller haveriberedskap (DR). Om du vill utöka och förbättra den aktuella arkitekturen för produktionsdistribution bör du överväga följande rekommendationer och metodtips:
- Utforma HA/DR-arkitekturen baserat på dina krav och använd de inbyggda redundansfunktionerna i förekommande fall.
- Uppdatera Bicep-distributionskoden för att skapa en databehandlingsmiljö som kan hantera dina bearbetningsvolymer.
- Uppdatera Bicep-distributionskoden för att skapa fler instanser av arkitekturkomponenterna för att uppfylla dina HA/DR-krav.
- Följ riktlinjerna i Azure Storage-redundans när du utformar och etablerar lagring.
- Följ riktlinjerna i Affärskontinuitet och haveriberedskap när du utformar och etablerar logikapparna.
- Följ riktlinjerna i Tillförlitlighet i Azure Functions när du utformar och etablerar funktionsappen.
- Följ riktlinjerna i Uppnå hög tillgänglighet med Azure Cosmos DB när du utformar och etablerar en databas som har skapats med hjälp av Azure Cosmos DB.
- Om du funderar på att sätta det här systemet i produktion för att bearbeta stora mängder PDF-formulär kan du ändra distributionsskripten för att skapa en Linux-värd som har fler resurser. Det gör du genom att ändra koden i deploy-functionsapp.bicep
Deltagare
Den här artikeln underhålls av Microsoft. Det har ursprungligen skrivits av följande medarbetare.
Huvudförfattare:
- Gail Zhou | Sr. Architect
Övriga medarbetare:
- Nalini Chandhi | Teknisk huvudspecialist
- Steve DeMarco | Sr. Cloud Solution Architect
- Travis Hilbert | Technical Specialist Global Black Belt
- DB Lee | Sr. Teknisk specialist
- Malory Rose | Technical Specialist Global Black Belt
- Oscar Shimabukuro | Sr. Cloud Solution Architect
- Echo Wang | Programhanteraren för huvudnamn
Om du vill se linkedin-profiler som inte är offentliga loggar du in på LinkedIn.
Nästa steg
- Video: Azure PDF Form Processing Automation.
- Lösningsaccelerator för Azure PDF-formulärbearbetning
- Lösningsaccelerator för Azure-fakturaprocessautomatisering
- Business Process Automation Accelerator
- Självstudie: Skapa arbetsflöden som bearbetar e-postmeddelanden med hjälp av Azure Logic Apps, Azure Functions och Azure Storage