查看或下载此文章的可打印版本 (PDF 1059 kb)
建设管理数据（CMD）公司旨在通过网站为建筑公司提供海量过往、目前在建和筹划中的建设项目的信息。为此，公司需要收集繁杂的纸质和电子文档，并将其转换为可搜索的图纸和规范化文档，粗略统计，每年CMD需要处理大约3500万页此类文件。但由于CMD自身创建可搜索PDF文档的解决方案前期需要手动输入文档，而且无法处理大型建筑图纸。此外，它无法进行扩展，以适应在处理过往项目数据并转换为可搜索格式的同时，应对当前项目日益增长的文件量及工作量。为此，CMD试图寻找一种能够提高生产率、实现自动化并具有可扩展性的方法，最终它在ABBYY Recognition Server中找到了解决方案。
“我们的产品愿景是为客户提供可搜索文件，并在公司内部实现文档自动化处理，而ABBYY是实现这个愿景的关键所在。”
CMD数据策略副总裁Dan DuBois
大规模转换以及超大文件的处理依赖于强大的可扩展OCR技术
北美各地的建筑公司在寻求有关市场的商业情报、寻找新的项目线索或寻找投标建议时，都会首先向CMD咨询所需信息。CMD致力于非住宅型商业建设项目，通过网站为用户提供一个拥有大量可搜索项目计划的数据库。“我们收集项目各个阶段的数据——从早期规划，直到签订合同为止。”CMD数据策略副总裁Dan DuBois解释说，“我们的研究人员从各种格式的资料，纸质文档和电子文档中获取数据，利用OCR技术将其转换为可检索的PDF文件，以便汇总到我们的数据库之中。”
正如DuBois所说，CMD每年需要转换海量的繁杂文档：
“每年我们要处理大约10万份文件，总共大约3500万页，每页文件都可能包含文字、图表、图画和插图。”许多文件的物理尺寸也非常大。CMD高级软件开发人员Vic Mykulowycz称，公司先前的OCR技术不足以满足建筑行业的需求。“举例来说，它无法处理较大尺寸的文件，而我们需要处理大量44”X36“大小的建筑图纸。所以我们不得不在前期手工录入数据和准备数据。”另外，旧软件的准确度较低，需要进行大量的手工验证。Mykulowycz说：“我们需要通过自动化方案简化流程，减少人工干预。”
对于CMD来说，新OCR解决方案需要针对所有文件——不管文本和图形如何组合——提供准确的全文搜索功能，这是至关重要的。有鉴于此，他们收到了各种颇具竞争力的解决方案提供商的试用版本，并开始进行一系列的测试。“我们采用多个解决方案处理相同的页面，”Mykulowycz说，“我们会仔细比对导出文本，查看其准确度，并计算每种解决方案的错误次数。结果，ABBYY Recognition Server更准确，速度更快，还有非常重要的是，它可以处理大量的页面。”
鉴于需要进行转换的文档数量巨大，CMD需要对ABBYY Recognition Server进行严格的测试。因此，他们通过ABBYY合作伙伴——在OCR和文档管理解决方案领域非常知名的CONARC公司——获得了扩展许可证。
“因为CMD的处理量巨大，”CONARC的高级软件开发人员Ben Holton说，“我们设法获得了远远超过常规页面处理量的试用许可证。”获得扩展许可证之后，CMD安装了11个新的物理服务器，开始使用它们运行ABBYY Recognition Server。
“我们需要看到该解决方案的实际处理能力有多大，” Mykulowycz回忆说，“以及在十几个服务器上运行核心许可时如何实现优化配置。紧接着，我们进行了广泛的测试。然后，在实施过程中，由于我们的内部软件和新的ABBYY解决方案之间存在技术差异，我们需要进行适当的变更，以适应ABBYY Recognition Server。”按照Mykulowycz的说法，CONARC和ABBYY迅速给予了支持。“他们作出了非常积极的反应。ABBYY甚至开发了特殊的一次性版本，以解决我们的问题。”
最初，CMD购买了72核的ABBYY Recognition Server许可证——通过单一的服务器协调管理所有的分布式CPU处理。按照Mykulowycz的说法，结果“符合预期”。但不到1年，该公司决定为先前未转化的材料创建历史档案。正如Ben Holton所说，“这需要大大完善资源。此外，建筑行业的反弹意味着，我们终需使用这些资源来满足当前的建筑需求，还需要进行大幅扩展。”
根据Mykulowycz的说法，新项目需要将一年半的历史数据转换为可搜索的PDF文件，这是一项艰巨的任务：“要处理3500多万页资料，同时要保证我们当前的生产负荷所要求的自动化OCR精度。”
为了完成历史数据的转换任务，CMD又购买了一个88核许可证，并专门用于该项目。转换任务如期完成；此时又出现了两个此前未考虑到的因素：“我们的业务是季节性的，”Mykulowycz解释说，“从二月到六月，我们都非常繁忙。我们目前的文档处理任务大多发生在这一时期。加上建筑行业回暖，待处理数据将日益增多，这意味着目前的配置不能实现我们所需的高处理量。”
为了处理日益增多的图纸和说明书等文档，CMD将目前所有核心许可证集合到单个主机之下，从而获得了专门用于当前生产的解决方案。这个解决方案仅包含一个系统，该系统采用多个服务器，共包含156个联网内核。Mykulowycz证实说：“事实证明，利用单个服务管理器来处理所有项目工作的做法是成功的。”
在实施CMD基于ABBYY Recognition Server的解决方案7个月之后，公司完成了上述存档转换项目，主生产系统的处理能力也提升了。“目前，该系统处理文件的速度较以前快得多，”Mykulowycz说，“我们的文档转换流程已实现高度自动化，将人工干预降到最低程度。另一个好处是，ABBYY Recognition Server提供了单词在页面中的坐标位置。当我们搜索文字时，找到的文字周围会出现红色框——这为用户凸显了搜索结果。”
正如Dan DuBois 证实的那样，ABBYY Recognition Server帮助CMD实现了长期目标：“ABBYY对于我们实现产品愿景和蓝图，无疑起到了重要作用。无论是在为客户提供可搜索文件的能力方面，还是实现文档自动化内部处理方面，都是如此。”
建设管理数据（CMD）是北美的建筑信息领先供应商。CMD的多元化创新产品和服务组合包括：国家、区域和地方项目线索；营销解决方案；以及为美国和加拿大建筑专业人士提供深度洞察的市场情报。