AI-systeem · metallurgie, normatieve documentatie
GOST-graaf en RAG voor staaleisen
EVRAZ · 2025 · AI-systeem · Python 3.11, LangChain
Van een verzameling PDF-normen naar een gekoppelde kennisbank: links tussen GOST-normen, zoeken met bronnen, export van eisen per staalklasse naar JSON
Een reeks prototypes voor EVRAZ, waarvan de GOST-bibliotheek bestaat uit PDF’s zonder onderlinge koppelingen. Normen (PDF/DOC) worden omgezet naar Markdown met tabellen en afbeeldingen, verwijzingen naar andere GOST-normen (normatief en informatief) worden automatisch gevonden, “onderliggende” normen worden gedownload, en daarbovenop worden RAG-zoeken met bronnen en extractie van gestructureerde data gebouwd. De testopdracht is sterkteklasse C235 volgens GOST 27772-2021: de chemische samenstelling en de mechanische eigenschappen worden naar JSON geëxporteerd. In één week (30 oktober – 6 november 2025) zijn vijf implementatieopties parallel uitgeprobeerd.
De opdracht
Verwijzingen naar andere GOST-normen in de documenten zijn niet klikbaar. Om alle eisen voor staal C235 te verzamelen, moet een specialist met de hand de hoofdnorm vinden en daarna één voor één alle normen doorlopen die daarin worden genoemd — dat kost veel tijd en er glipt makkelijk iets doorheen.
Wat erin zit
- Conversie van GOST-normen uit DOC/DOCX/PDF naar Markdown, tabellen (XLSX) en afbeeldingen
- Automatische extractie van verwijzingen, ingedeeld als “normatief / informatief”; in GOST 27772-2021 zijn 95 unieke verwijzingen gevonden (71 normatief, 24 informatief) en 232 klikbare hyperlinks ingevoegd
- Automatisch zoeken en downloaden van “onderliggende” GOST-normen (allgosts.ru, met de Yandex XML API als fallback): het corpus bevat 60 .doc-documenten
- RAG-antwoorden met bronnen (Claude 4.5 Sonnet / Gemini 2.5 Pro via OpenRouter, FAISS-vectorindex)
- Extractie van gestructureerde data voor sterkteklasse C235 (8 elementen van de chemische samenstelling, 3 mechanische eigenschappen) naar JSON met validatie
- Varianten: een webkennisbank op React/tRPC, een normengraaf in Neo4j met graph-aware antwoorden, RAGFlow + OpenSearch met k-NN zonder Docker, een FastAPI + HTMX-webservice met crawler, een specificatie voor een zeer nauwkeurige OCR-module
Machinevertaling — wordt nagekeken.