Digitalização de jornais da Zero Hora e-doc 2013

Transcrição

1 Digitalização de jornais da Zero Hora e-doc 2013

2 APRESENTAÇÃO Marcelo Streck MGS Imagem e Informação Sócio marcelo.streck@mgsii.com.br Site: Telefone: Fax: Celular: Facebook: MGS Imagem e Informação

3 APRESENTAÇÃO As empresas e organizações em geral são confrontadas diariamente com problemas de negócio que envolvem documentos e informações. A missão da MGS é disponibilizar soluções de gestão de documentos e informações que realmente agreguem valor no processo de negócio de nossos clientes. Áreas de Atuação Soluções em Gerenciamento de Documentos através da captura, armazenamento, gerenciamento, integração, distribuição e preservação de informações.

4 ALGUNS CLIENTES

5 APRESENTAÇÃO Fundação: 1991 Parceiros: Kodak, Docuware

6 Coisa de gaúcho

7 Por que? O que moveu o cliente a buscar uma solução de gestão de documentos? - é uma questão de negócio, de preservação, auditoria, fraude, etc. O que o cliente pretende fazer com as imagens dos documentos? Vai armazenar ou vai haver extração de conteúdo dos documentos? Onde as imagens vão ser publicadas? É necessário gerar mais de um formato de saída? - definições de formato (TIFF, PDF, etc), resolução (200, 300 dpi, etc), cores/p&b/tons de cinza

8 Processo A partir das definições iniciais (principais), comece a definir o processo: 1) Logística 1) Onde estão os documentos? 2) Quem busca e devolve os documentos? 3) Definir lotes de coleta. 4) Definir os responsáveis pelo processo (contatos) 5) Definir os procedimentos

9 Processo 2) Recebimento 1) Verificar as edições recebidas 2) Verificar os cadernos 3) Verificar a quantidade de páginas 4) Todas as páginas foram recebidas em papel? 5) Caso contrário digitalizar os microfilmes 6) Lançar as informações no Sistema de Controle da Produção

10 2) Recebimento Processo

11 Processo 3) Preparação 1) Separar todas as páginas, exceto a capa e a contra capa, a página do meio e as capas dos cadernos (folhas de exceção), ou seja, tudo o que for maior que o A3 2) A Zero Hora imprime as matérias de forma continua nas páginas do meio 3) Incluir páginas de substituição no lugar de cada folha de exceção 4) Posteriormente, o sistema da MGS vai trocar as folhas de substituição pela folhas de exceção, de forma automática

12 Processo 4) Captura 1) Definição do hardware a ser utilizado 1) Devido ao tamanho do original, extração de conteúdo, fragilidade do documento 2) Foram escolhidos dois modelos de scanner: 1) Kodak i1405 2) Contex SD 4430

13 Processo 4) Captura 1) Qual o formato de arquivo: PDF e o TIFF 2) Cores 3) Dupla saída (dual stream) 4) Resolução: 300 dpi 5) Digitalização de microfilmes 6) Lançar as informações no Sistema de Controle da Produção

14 Scanner Kodak i1405 Equipamentos

15 Scanner Contex SD4430 Equipamentos

16 Scanner Scan PRO 2000 Equipamentos

17 Captura

18 Captura

19 Processo 5) Indexação 1) Vamos receber informações de arquivos externos (cliente) 2) Vamos digitar os índices manualmente 3) De que forma o software do cliente aceita os metadados JJ.AAAAMMDD_CCPPPE.PDF 4) A partir destas definições foram gerados os campos de indexação

20 Processo 5) Indexação Onde: JJ = Jornal (Zero Hora, Pioneiro, Diário Catarinense, etc) AAAA = ano MM = mês DD = dia _ = separador da edição dos cadernos CC = Caderno PPP = número da página E = edição

21 Processo

22 Processo 5) Indexação 1) Geração de PDFs pesquisáveis e Full text separados 2) Uso de diversos motores de OCR 3) Aproveitamento superior a 97% no reconhecimento 4) Biblioteca de melhor resultado: Kodak 5) Objetivos: obter o melhor reconhecimento com o menor tamanho de arquivo

23 5) Indexação

24 Processo 6) Controle de qualidade 1) Verificar a qualidade de cada imagem 1) manual 2) Verificar a quantidade de páginas, cadernos 1) Automático 3) Caso as imagens ou índices não estejam corretos, enviar o documento de volta para a etapa pertinente 4) A Zero Hora avalia a qualidade do resultado do OCR e das imagens

25 6) Controle de qualidade - feedback Processo

26 Processo 6) Controle de qualidade 1) Nós estamos presos as possibilidades da tecnologia do nosso tempo 2) No futuro, a geração do OCR vai ser melhor 3) Por isto nós mantivemos imagens originais de câmera, no formato TIFF

27 Processo 7) Entrega das Imagens e documentos 1) Carga das imagens e dos índices no sistema Nica 2) Critica dos lotes 3) Caso todos os lotes (jornal de um dia) de uma caixa estiverem com a qualidade combinada, a caixa por ser devolvida

28 Obrigado Marcelo Streck (51) MGS Imagem e Informação Rua Pedro Chaves Barcelos, 87 CEP Porto Alegre/RS