1 客户简介

该客户是中国领先的特种货物运输服务商，隶属于某大型航运集团，主营业务涵盖重大件设备、工程机械、风电设备、纸浆、汽车、高铁列车、活畜、冷链等特种物资的远洋运输及配套服务。

2 背景与挑战

在日常运营中，公司需处理货物清单、提单、SOF（事实记录）等多种运输单据。这些单据来源广泛，涉及Word、PDF（扫描及电子档）、Excel、图片等格式，且不同客户、不同代理的版式各异，字段描述不统一。公司自主研发了海运单证系统，原有方案基于传统深度学习模型与RPA自研，试图实现单证流程自动化，但面临难题：

• 泛化能力不足： 深度学习模型对固定版式样本有效，一旦版式变化（如不同格式的SOF），识别率急剧下降，需要频繁重新训练和调整规则。

• 维护成本高昂： 科技团队需持续投入大量精力维护模型和规则，业务体验差，错误频发。

• 单证全流程自动化率低： 大量单据仍需人工录入、核对和比对，尤其是SOF（需记录船舶到港、靠泊、装卸时间，用于滞期费计算）和提单（兼具货物收据、运输合同、物权凭证三大法律功能）等关键单据，处理耗时严重。

以某港口实际情况为例，一份2-3页的SOF单据，人工需结合合同条款手工整理表格，平均耗时39分钟。这种“人工录入+规则维护”的模式已成为业务规模化发展的核心瓶颈。

核心挑战：

• 版式不统一、格式复杂： 单证涉及Word、PDF、图片、Excel等，版式千差万别，传统方案无法有效覆盖。

• 跨单据一致性校验困难： 各类单据需保证货物品名、数量完全一致，人工比对耗时且易错。

• Agent平台幻觉问题： 内部智能体平台在理解复杂单证时存在不稳定性。

3 DocFlow解决方案

经过严格的POC测试，客户最终选择 DocFlow 作为其单证系统的智能文档处理核心引擎，从根本上解决了传统深度学习方案泛化性差的痛点。

1. 全格式、多版式单据的通用智能抽取

DocFlow支持提单、SOF等运输行业单据，覆盖不同客户、不同代理的多样化版式，无需定制模板。

2. 关键字段高精度提取

• 提单： 提取发货人、收货人、通知方、船名航次、装卸港、提单号、货物数量重量体积等14类信息。

• SOF： 提取船舶到港、靠泊、开始装卸、完成装卸等具体时间，用于滞期费/速遣费计算。

提单审核样例

3. 深度集成自研单证系统，赋能全流程自动化

DocFlow与客户单证系统无缝集成，实现从单据上传、自动解析、关键字段提取、跨单据一致性比对到流程驱动的端到端自动化，覆盖订舱、装箱、报关、装船、结算、清关等全环节。

4 落地成效

自部署以来，DocFlow已在2个港口完成试点运行，显著提升了单证处理效率与自动化水平：

1. 效率实现10倍以上跨越

• 试点期间共处理493单，节省工时238.3小时。

• 以某港口SOF处理为例：人工需39分钟（含看合同条款、手工整理表格），使用DocFlow后5-10分钟自动出结果，效率提升4-8倍；整体单证流程实现从“人工录入”到“智能秒级处理”的跨越，效率提升10倍以上。

2. 识别准确率大幅提升

原有基于深度学习训练建模的方案样本字段识别率仅60%-70%，DocFlow方案样本字段识别率达90%以上。

国际发票识别样例

3. 显著降低科技开发与维护成本

新方案基于文档解析+大模型，无需针对每种版式定制模板或频繁调整规则，极大减轻了科技部门的工程开发负担。业务准确率提升，员工体验改善，单证全流程自动化率显著提高。

通过引入DocFlow，该运输企业成功攻克了多格式、多版式海运单证的智能化处理难题，将数据处理能力从“人力密集型+高维护成本”升级为“智能解析+全流程自动化”的高效体系，为全球货运业务的规模化发展提供了坚实的技术底座。