FlowExtract: 유지보수 흐름도에서 절차적 지식 추출

FlowExtract: Procedural Knowledge Extraction from Maintenance Flowcharts

제조 시설의 유지보수 절차는 종종 정적 PDF 또는 스캔 이미지 형식의 흐름도로 문서화됩니다. 이러한 흐름도는 자산 수명 주기 관리에 필수적인 절차적 지식을 담고 있지만, 현대 운영 지원 시스템에서는 접근하기 어렵습니다. 이미지 이해를 위한 주류 패러다임인 시각-언어 모델은 이러한 다이어그램에서 연결 토폴로지를 재구성하는 데 어려움을 겪습니다. 본 논문에서는 ISO 5807 표준에 따른 흐름도에서 방향 그래프를 추출하는 파이프라인인 FlowExtract를 소개합니다. 이 시스템은 요소 감지와 연결 재구성을 분리하며, YOLOv8과 EasyOCR을 사용하여 표준 도메인에 맞춰진 노드 감지와 텍스트 추출을 수행하고, 화살표 방향을 분석하고 연결선을 소스 노드로 역추적하는 새로운 엣지 감지 방법을 결합합니다. 산업용 문제 해결 가이드에 대한 평가 결과, FlowExtract는 노드 감지에서 매우 높은 정확도를 달성했으며, 엣지 추출 성능에서 시각-언어 모델 기반의 기존 방법보다 훨씬 우수한 성능을 보였습니다. FlowExtract는 조직이 검색 가능한 절차적 지식 표현을 구축하는 데 실용적인 방법을 제공합니다. 구현 코드는 https://github.com/guille-gil/FlowExtract 에서 확인할 수 있습니다.

Maintenance procedures in manufacturing facilities are often documented as flowcharts in static PDFs or scanned images. They encode procedural knowledge essential for asset lifecycle management, yet inaccessible to modern operator support systems. Vision-language models, the dominant paradigm for image understanding, struggle to reconstruct connection topology from such diagrams. We present FlowExtract, a pipeline for extracting directed graphs from ISO 5807-standardized flowcharts. The system separates element detection from connectivity reconstruction, using YOLOv8 and EasyOCR for standard domain-aligned node detection and text extraction, combined with a novel edge detection method that analyzes arrowhead orientations and traces connecting lines backward to source nodes. Evaluated on industrial troubleshooting guides, FlowExtract achieves very high node detection and substantially outperforms vision-language model baselines on edge extraction, offering organizations a practical path toward queryable procedural knowledge representations. The implementation is available athttps://github.com/guille-gil/FlowExtract.