DDT Scan

Contesto

Ogni giorno arrivano DDT e CMR: mittenti, destinatari, destinazioni, numeri documento, pesi. Si leggevano a schermo, si ricopiavano a mano, si confrontavano con l'anagrafica interna.

Problema

Leggere il documento e riconoscerne le aziende erano due lavori distinti, entrambi manuali, entrambi fatti sotto pressione mentre i PDF continuavano ad arrivare.

Idea

Far leggere il foglio a un modello visivo, e tenere l'identità aziendale fuori da lì: una tabella deterministica, non la memoria del modello.

Sistema costruito

Pipeline n8n: i PDF cadono su una share Samba, PaddleOCR rasterizza le pagine, GPT estrae i campi stampati. Flask applica le mappature (nome e P.IVA → codice interno), controlla che il peso netto quadri con le righe, e impara le associazioni quando si valida.

Risultato

Il flusso si chiude da solo: il documento letto è già nella lista del giorno, con i codici giusti. Si interviene solo dove il foglio e l'anagrafica non coincidono.

Cosa ho imparato

Il modello deve copiare quello che c'è sulla carta, non inventare chi è l'azienda. Trattare l'anagrafica come sorgente di verità, e l'estrazione come lettura, ha reso affidabile tutto quello che ci stava attorno.