Document Management cu OCR — căutare full-text în arhive

O primărie medie acumulează 50.000-200.000 pagini anual între cereri, hotărâri, dispoziții și documente externe. Fără un sistem DMS modern cu OCR, găsirea unui document specific devine o vânătoare de comori.

Ce este un DMS cu OCR

Document Management System (DMS) cu Optical Character Recognition (OCR):

• Stochează toate documentele în arhivă digitală
• Convertește PDF-uri scanate în text căutabil
• Indexează full-text pentru regăsire instant
• Aplică taxonomie (categorii, etichete)
• Loggează fiecare acces (audit trail)

OCR optimizat pentru limba română

OCR-ul generic recunoaște caracterele engleze. Pentru română (cu ă, â, î, ș, ț), folosim:

• Tesseract 5 cu dicționar românesc
• Pre-procesare imagine: deskew, denoise, sharpen
• Post-procesare: corectare diacritice și termeni juridici

Rezultat: acuratețe 95-98% pe documente curate, 80-90% pe scanări vechi.

Categorii standard

Sistemul predefinește taxonomie pentru documentele unei primării:

• 📋 HCL (Hotărâri de Consiliu Local)
• 📝 Dispoziții primar
• 💰 Bugete și conturi anuale
• 📑 Contracte (achiziții, servicii)
• 🏗️ Autorizații (construcție, urbanism)
• 📜 Certificate (fiscal, urbanism, atestate)
• ✉️ Corespondență (intrări/ieșiri)
• 📊 Rapoarte

Workflow procesare document nou

1. Upload: prin scanare bulk sau drag-and-drop
2. OCR: rulează automat pe fundal (queue)
3. Clasificare: AI sugerează categorie pe baza conținutului
4. Metadata: număr, dată, emitent, beneficiar
5. Indexare: în Elasticsearch pentru căutare
6. Aprobare: dacă e document oficial, semnătură electronică
7. Publicare: vizibil intern sau public (după caz)

Semnătură electronică PAdES

Pentru documentele oficiale, ePrimăria suportă PAdES (PDF Advanced Electronic Signatures) compatibil cu:

• DigiSign România
• certSIGN
• Adobe Acrobat Sign

Semnătura este vizibilă pe PDF, validabilă în orice viewer.

Audit log complet

Pentru fiecare document, sistemul înregistrează:

• Cine a încărcat (utilizator + IP)
• Cine a vizualizat (timestamp)
• Cine a descărcat (count + utilizator)
• Cine a modificat (versiuni)
• Cine a șters (cu motivare)

Acest log este esențial pentru audit GDPR și controale interne.

Căutare full-text

Utilizatorul poate căuta:

• Cuvânt în titlu, conținut sau metadata
• Operatori AND/OR/NOT
• Filtru pe dată, categorie, autor
• Wildcards (*) pentru variații
• Fuzzy match pentru typo-uri

Rezultatele apar cu evidențierea termenului găsit, scorul de relevanță și extrasul din document.

ROI

Pe baza implementărilor noastre, timpul mediu de căutare a unui document:

• Fără DMS: 15-45 minute (sertare, mape, întrebări)
• Cu DMS+OCR: 5-30 secunde

Pentru o primărie cu 20 angajați care caută 3-5 documente/zi, asta înseamnă 5-15 ore/săptămână recuperate.