Платформа uipath что это
UiPath – что это такое: общий обзор платформы
Об основных функциях и о линейке продуктов платформы UiPath будет рассказано в представленной статье.
Что такое UiPath?
При взаимодействии с другими пользовательскими приложениями платформа UiPath имитирует действия человека, и в этом ее состоит ее основное различие с иными программами, работающими по API или через интеграционную шину (Middleware).
Это позволяет применять UiPath в создании роботов, предназначенных для:
обработки данных в Excel и Word;
взаимодействия с приложениями через API;
взаимодействия с СУБД MS SQL;
извлечения данных из PDF-документов;
автоматизации электронной почты (получения и отправки e-mail, извлечения из них информации, работы с шаблонами и хранения учетных данных).
Роботы платформы UiPath могут:
имитировать действия пользователей на ПК;
автоматизировать работу в десктопных приложениях;
«нажимать» на клавиатуру и «двигать» мышкой;
распознавать визуальную информацию, задействуя OCR (компьютерное зрение);
автоматизировать взаимодействия с браузерами и web-приложениями;
интегрироваться с API и подключаться к Google Cloud Machine Learning Engine;
автоматизированно управлять работой через Citrix;
автоматизировать работу приложений с помощью удаленного подключения RDP.
UiPath пользуется популярностью в PRA благодаря своим интуитивной понятности выполняемых операций, наличию большой библиотеки действий, высокому уровню безопасности (возможности шифрования и хранения учетных данных на централизованных серверах), универсальности функции поиска и встроенным рекордерам для хранения данных.
Продукты UiPath
В продуктовую линейку UiPath входят:
UiPath Attended robot — программа, которая запускается при активации алгоритма, сформированного в UiPath Studio. При этом программа работает непосредственно на пользовательском ПК при нажатии определенного сочетания клавиш или при нажатии на кнопку приложения Front-office robot. Лицензия на продукты UiPath Attended robot непосредственно связана с UiPath Studio;
UiPath Unattended robot, или бэк-офисный робот, применяется для оптимизации проведения объемных бэк-офисных операций в пакетном режиме. Как правило, бэк-офисный робот запускается через определенные промежутки времени и работает по алгоритму самостоятельно;
Научиться основам роботизированной автоматизации процессов (RPA) на основе платформы UiPath приглашает всех желающих ЦРК БИ (ЦЕНТР РАЗВИТИЯ КОМПЕТЕНЦИЙ В БИЗНЕС-ИНФОРМАТИКЕ) НИУ ВШЭ. Записаться на данные курсы можно на нашем сайте.
UiPath: описание RPA платформы и цены лицензий
Партнёрская сеть данного вендора включает в себя таких крупных интеграторов/консалтинговых компаний как Deloitte, KPMG, PWC или Accenture.
Продуктовая линейка UiPath включает в себя студию-среду разработки, два типа роботов и оркестратор.
★ UiPath Studio
Программное обеспечение, используемое IT-специалистами или сотрудниками компании для создания алгоритма действий индивидуальных RPA-ботов на основе последовательности действий в процессах компании или учреждения.
Программа, при запуске которой активируется выполнение алгоритма, созданного в Студии. Программа запускается непосредственно на компьютере пользователя по нажатию комбинации клавиш или при клике на иконку приложения (front-office robot). Важно заметить, что приобретение данного типа лицензий невозможно без приобретения UiPath Studio
Робот запускается, как правило, по расписанию и выполняет определенный порядок действий без участия пользователя. Подходит для систематического выполнения back-office задач. Важно заметить, что приобретение данного типа лицензий невозможно без приобретения UiPath Orchestrator
★ UiPath Orchestrator
Инструмент централизованного управления роботами, позволяющий контролировать расписание совместной работы роботов, мониторить результат выполнения, анализировать логи работы, управлять доступом сотрудников и пр. Лицензирование Orchestrator привязано к авторизованному серверу
Модели лицензирования программных продуктов UiPath
ATTENDED ROBOT
1. Named User (Authorized user)
Каждая лицензия привязана непосредственно к одному пользователю, которые может запускать на любом количестве компьютеров с своими данными (windows DomainUsername) Attended робота.
Наиболее «привычная» для пользователей ПО модель лицензирования – плата происходит за каждого пользователя, которому требуется использование Attended робота.
2. Concurrent User License (ранее — Node locked)
Количество лицензий данного типа ограничивает количество пользователей, могущих одновременно запускать Attended-роботов в компании
Выгода использования: максимизирует возврат на инвестиции при выполнении рутинной работы в сменах (одни и те же роботы запускаются сотрудниками в разных сменах).
Для лицензирования по модели Concurrent User требуется наличие Orchestrator
UNATTENDED ROBOT
Concurrent runtime (ранее — Node locked)
Количество лицензий данного типа ограничивает количество одновременно запущенных Unattended-роботов в компании.
Выгода использования: позволяет легко управлять загрузкой при выполнении многих процессов и расставлять приоритеты для максимизации инвестиций в автоматизацию процессов в бэк-офисе
Для лицензирования требуется наличие Orchestrator
STUDIO
1.Named User (Authorized user)
Каждая лицензия привязана непосредственно к одному пользователю, который может запускать среду разработки — Студию на одном компьютере.
Подходит для компаний и организаций, использующих небольшое количество цифровых роботов.
2. Node locked
Каждая лицензия привязана к одному компьютеру (например, виртуальному — virtual machine), на котором могут (последовательно) запускать среду разработки неограниченное число пользователей.
Особенности программных продуктов UiPath
UiPath Россия
UiPath 2018 Firefly
В 2018 году вышло значительное обновление програмного продукта — UiPath 2018 Firefly. Также получившая название «The 10K Release», версия ПО была протестирована на одновременной работе более 10 тыс. роботов (отсюда и название), координируемых через UiPath Orchestrator. В Оркестраторе (контрольной комнате с доступом к управлению множеством роботов) увеличилось количество виджетов, повысив функционал и возможности аналитики. Примечательно, что контрольная комната сама получила встроенные алгоритмы машинного обучения для мониторинга операций масштабных решений. Такая возможность открывает перспективу автоматической оптимизации работы ботов на конкретных бизнес-процессах, однако ее основной целью и текущим приложением является управление исключениям и ошибками.
Интеграция с решениями Elastic в области управления данными в обновленной версии позволяет повысить общую безопасность и степень контроля за доступами к комплексным роботам. Одно из решений комплекса, Elasticsearch XPack, позволяет контролировать, кто из сотрудников компании может работать с логами работы ботов, позволяя удобно управлять иерархией доступа пользователей к процессам различной степени критичности и оперирующих с данными разной категории защиты.
UiPath отчитался о внедрении автоматической интеграции с данными множества популярных сторонних приложений и систем, что позволяет значительно ускорить работу и расширить область применения RPA. Так, интеграция RPA с голосовыми помощниками уже является типовым решением, а в перспективе UiPath может стать определенного рода «посредником и исполнителем» между решениями на основе нейронных сетей (в том числе распознавание и интерпретация речи) и системами ERP/BPM/CRM/ITSM/Analytics, в т.ч. облачными пакетами. Такие интеграции еще более снизят потребность в «допиливании», «тонких интеграциях» со стороны IT-департаментов клиентов UiPath. Гипотетически роботы могут заменить всевозможные решения в области сбора и визуализации данных, executive dashboards, которые дорого обходятся клиентам из-за необходимости перенастройки. «Как идут продажи?» — такой вопрос, произнесённый вслух, может являться триггером формирования отчета на экране менеджеров.
Самый «интересный» для опытных инженеров RPA-решений, и возможно, самый главный и ожидаемый новый функционал UiPath Firefly — возможность интеграции кода Python и open source решений Искусственного Интеллекта прямо в логику робота.
Интеграция кода открывает почти безграничный функционал RPA-бота, делая робота основной платформа интеграции ИИ в бизнес-процессы. Интеграция кода делает вопрос создания практически любого функционала RPA-робота лишь вопросом времени и экономической целесообразности, и UiPath теперь дает такую возможность разработчикам. В дополнение к этому в обновлении представлена стандартная, заточенная на работу с неструктурированными данными, система распознавания текста Intelligent Optical Character Recognition (IOCR).
Firefly в этом плане вывел удобство создания роботов со сложной логикой, способных взять на себя большинство операций, которые традиционно требовали участия персонала, на новый уровень. Классификация документов и транзакций, обработка нестандартных отчетов, договоров и заказов, извлечение информации, например, из счетов нового контрагента – такие типовые задачи теперь являются функционалом одного из наиболее распространённых RPA-решений. В этом плане UiPath формирует повестку возможностей RPA.
Более того, сам Firefly теперь содержит набор стандартных статистических функций нейронных сетей, собранные в пакеты Machine Learning. Такие пакеты могут быть удобно использованы для создания и «тренировки» нейронной сети, кластеризации данных, поиске паттернов, интерпретации данных на основе информации из многих систем, прогноза, и т.п.
Таким образом, внедрение технологий Искусственного Интеллекта в решения RPA можно делать четырьмя способами – интеграция со сторонними приложениями на уровне графического интерфейса, интеграция через API (см. график со стандартными API новой системы, обратите внимание на наличие в списке IBM Watson), с использованием статистических библиотек Python, и собственно, новыми стандартными пакетами самого UiPath. Для разработчиков это в первую очередь снизит потребность в интеграции со сторонними системами, что уменьшит временные затраты на проект, а значит ускорит возврат на инвестиции бизнеса в создание связок RPA + ИИ.
Как выстроить процесс интеллектуальной обработки документов с помощью RPA: опыт UiPath
Не существует компаний, в которых не было бы работы с документами. И это — кропотливый, рутинный, но очень важный процесс. Люди хотят получать зарплату вовремя, а поставщики и контрагенты своевременную оплату за свои услуги. Бухгалтеру в компании регулярно приходится проводить серии повторяющихся действий и при этом отслеживать их правильность. Вот простейший пример цепочки таких операций: чтобы отправить счет покупателю, менеджер по продажам отправляет бухгалтеру заявку. Затем бухгалтер создает счет в учетной системе, формирует печатную форму и высылает ее менеджеру. Если с покупателем ведется обмен электронными документами, то бухгалтер создает и отправляет ему счет в системе ЭДО.
Процесс обработки входящих документов состоит из нескольких частей: сканирование, распознавание, классификация, извлечение данных. Обычно, весь процесс происходит с использованием технологий одного вендора, что ограничивает компанию в выборе технологий. При этом недостаточно извлечь данные из документа, необходимо каким-то образом их передать в основные бизнес-приложения (SAP, 1C и др.), это не всегда возможно из-за сложностей интеграции с корпоративными бизнес-приложениями.
Если какие-то задачи выполняются систематически с неизменной четкой логикой, и они присутствуют в большом количестве бизнес-процессов, то их роботизация становится экономически выгодной. UiPath предлагает использовать программных роботов для автоматизации процесса обработки входящих документов. Использование RPA позволяет для каждого типа документов применять разные подходы к распознаванию и извлечению (например, для одного документа использовать шаблоны Abbyy Flexi Capture, а для другого – Microsoft OCR и ML-модели), что делает этот процесс гибким, с точки зрения внедрения.
Сложности распознавания и извлечения данных
Для примера возьмем популярные виды документов: счета и квитанции. На первый взгляд кажется, что работать с ними — простая задача. Но в реальности это не так. Несмотря на то, что подобная автоматизация очень актуальна — ежегодно обрабатываются миллионы счетов, решения, которые умеют это делать, стали лишь недавно выходить на рынок и показывать первые реальные результаты. Трудности такой роботизации определяются двумя ключевыми моментами.
Первая проблема с автоматизацией обработки счетов и квитанций состоит в том, что эти документы являются полуструктурированными. Это значит, что мы наверняка знаем, как расположены логические блоки в таких документах: например, платежная информация всегда находится в шапке счета на оплату, но при этом мы не знаем в каком конкретно месте находится такая информация, как сумма платежа или номер счета.
В начале любого процесса обработки документов используются решения оптического распознавания (OCR), которые трансформируют изображения символов со скана в символы воспринимаемые компьютером. Существуют различные механизмы распознавания: полнотекстовое и зональное распознавание. После того, как документ распознан, нам необходимо извлечь из него нужные данные, ведь движок OCR не знает, где в документе «искать» необходимую информацию.
Это приводит к тому, что компании, пытаясь решить эту проблему, создают большое количество шаблонов, предназначенных для каждого бланка счета. Эти макеты помогают указать OCR правильное место на странице, чтобы оно могло найти и извлечь соответствующую информацию. Этот метод работает, но когда макетов становится много, он теряет свою эффективность. И для каждого нового поставщика нам приходится настраивать новый шаблон.
Вторая проблема заключается в устранении ошибок, встречающихся в реальных документах, которые редко бывают идеально напечатанными и хорошо отсканированными.
Документы, с которыми сталкивается робот, часто содержат много ошибок, затрудняющих их чтение. Счет может быть отсканирован на некачественном офисном сканере. Картинка может быть перекошена или отсканирована вместе с другими ненужными документами. Все эти факторы могут запутывать роботов и систему OCR, затрудняя поиск необходимой информации.
Как роботы извлекают данные?
Есть несколько подходов к извлечению данных. Одним из перспективных направлений мы считаем использование моделей машинного обучения. У UiPath есть модели для счетов и чеков, они помогают автоматически определять местоположение информации, которую необходимо извлечь. UiPath может работать и со сторонними моделями. Даже если документ содержит множество ошибок, робот все равно найдет необходимую информацию. Возвращаясь к нашим примерам счетов выше, с использованием машинного обучения робот без проблем сможет найти, в каком конкретно поле содержится информация о банке получателя.
Создаем проект по обработке документов в UiPath Studio
1 Запуск менеджера таксономий.
В менеджере таксономий мы создаем классы документов, с которыми мы будем работать.
Мы можем выбирать категорию и тип распознаваемого документа:
На этом этапе также определяются поля для извлечения в конкретном типе документа. Например, типу документа «акт о приемке выполненных работ» могут соответствовать поля «Итого», «Заказчик», «Дата» и, например, «Смета» в формате таблицы.
2 Оцифровка документа с помощью OCR
В UiPath реализовано полнотекстовое распознавание. Можно настроить мониторинг папки, из которой робот будет переносить документы в OCR-сервис. У UiPath есть встроенные механизмы для работы с распространенными движками, как платными, так и бесплатными (Abbyy, Tesseract OCR, Microsoft OCR и др.). Чтобы выбрать нужный движок, нужно просто перенести его из палитры действий в Digitize Document Scope.
3 Классификация документа по ключевым словам.
После распознавания робот классифицирует документ, чтобы сопоставить его с таксономией и определить какие поля необходимо извлечь. Здесь можно использовать разные подходы от машинного обучения до обычных бизнес правил. Например, если встречается слово ‘invoice’, то скорее всего документ является международным инвойсом, а если “счет-фактура”, то российским счетом-фактурой.
Классификатор UiPath может обучаться на массиве данных.
4 Экстракция данных.
Экстракция — это извлечение текстовых данных из распознаваемого файла.
На этом этапе производится выбор экстрактора, который будет извлекать данные. На текущий момент в UiPath есть 4 основных типа экстрактора: формы, ML, Regex, Abbyy Flexi Capture. Переносим их из палитры действий в Data Extraction Scope.
Для каждого экстрактора мы можем задать необходимую степень уверенности. При этом для каждого типа документа мы можем выбрать несколько экстракторов. Если при использовании первого по порядку экстрактора степень уверенности оказывается ниже заданной, то используется следующий экстрактор.
Также мы можем выбрать разные экстракторы для разных полей в документе. Например дату извлекать с помощью ML, а наименование компании через Regex:
А вот как в интерфейсе сервиса выглядит распознанный документ с извлеченными данными:
5 Экспорт результатов распознавания.
Первичный экспорт результатов происходит с помощью действия Export Extraction Results в датасет, откуда информация может передаваться в любые сторонние системы, например, SAP, 1C или Госуслуги для бизнеса. При этом нам не нужно реализовывать сложную интеграцию. Робот может ввести данные в абсолютно любую систему через пользовательский интерфейс.
Примеры внедрения RPA для работы с документами
Одно из первых внедрений робота UiPath для работы с документами было проведено в компании «СОК Сервисный Центр РУС», которая оказывает сервисные услуги бухгалтерского сопровождения магазинам финской розничной сети PRISMA и отелям Sokos Hotels в России.
Робот-ассистент UiPath освободил сотрудников сервисной компании от выполнения рутинных операций, связанных с документооборотом. Он обращается к ERP-системе компании, находит, распечатывает и рассылает клиентам по e-mail бухгалтерские документы (счета, счета-фактуры, накладные), в соответствии с требуемыми параметрами и условиями формирования печатных форм. Скорость выполнения операций благодаря использованию робота-ассистента выросла, а количество ошибок уменьшилось. Это позволило ускорить обработку и оплату счетов, и разгрузить сотрудников, высвободив до двух часов их рабочего времени для решения более творческих и интересных задач.
Еще один пример — внедрение бота в компании QIWI, который проверяет бухгалтерские документы на соответствие стандартам финансовой безопасности. Он выполняет запросы к таблицам баз данных из различных систем (в основном ORACLE). Затем компонует полученные результаты и сохраняет их в отдельный файл. После этого бот создает в «1С: Документооборот» документы с файлами отчетов.
В результате удалось освободить людей от рутины, повысить скорость и прозрачность процессов, снизить риски и количество ошибок. Итоговый экономический эффект от роботизации значительно превысил затраты на внедрение RPA.
Выводы и перспективы
Мы рассказали о том, как реализовать процесс ввода и первичной обработки входящих документов без привязки к вендору. С использованием роботов вы можете использовать как классические подходы к извлечению данных, такие как формы или шаблоны, так и недавно появившиеся возможности машинного обучения.
Рассуждая о будущем, мы можем сказать, что появляется все больше моделей машинного обучения, которые позволяют автоматизированно извлекать данные из документа без использования “якорей” и шаблонов. Решения, которые работают с привлечением возможностей машинного обучения в разы эффективнее предыдущих поколений аналогичных сервисов и имеют большой потенциал для повышения уровня автоматизации бизнес-процессов.
По данным Aimultiple.com большинство компаний из списка Fortune 500, использующих технологии, которые разработаны более трех лет назад, имеют уровень автоматизации 10-15%, в то время как решения для извлечения данных счетов на основе машинного обучения могут увеличить этот показатель до 80% и выше.
Компании только начинают осваивать RPA для автоматизации работы с документами, и многие совершают общую стратегическую ошибку в этой области. Поскольку весь процесс управления счетами-фактурами уже является цифровым, они не стремятся его автоматизировать. Однако, бухгалтеры все равно тратят много времени на сверку, перенос и другую работу с цифровыми данными. Получается парадокс — в почти полностью цифровом процессе все равно присутствует много ручного труда. Поэтому автоматизация повторяющихся процессов — становится сегодня точкой роста цифровой трансформации бизнеса, а распознавание и дальнейшая обработка финансовых документов — самой распространенной областью применения RPA.
Все свое: туториал по созданию новых действий для UiPath RPA
Данная статья – обучающий материал, который позволяет по шагам пройтись по процессу создания и публикации нового компонента для платформы UiPath RPA. Это удобно в разных случаях, например, для простой интеграции с системами компании или в ситуациях, когда компания хочет помочь сотрудникам, не особенно разбирающихся в программировании, создавать свои процессы для роботов. Но, как мне кажется, особенно хорошо данный прием работает для случаев, когда вам нужно встроить свой продукт в экосистему роботизации, позволяя пользователям в пару кликов настроить интеграцию внутренних процессов. В качестве примера можно привести коннектор, написанный Abbyy для своего продукта Abbyy Flexicapture Distributed. Еще один пример — сама компания UiPath, которая таким образом реализовала подключение к своему новому ML-модулю компьютерного зрения (Computer Vision в менеджере пакетов), действиям работы с PDF и т.д.
Сейчас в магазине приложений UiPath Go! уже вовсю начали появляться коннекторы к популярным решениям, таким как Salesforce или ServiceNow, и, скорее всего, этот тренд только набирает популярность.
Итак, как же начать разработку своего собственного действия?
N.B. По-английски действие — это Activity, помните об этом, если надо будет что-то погуглить
Если не хочется заниматься всеми настройками, можно попробовать пример кода, сделанного по шагам в этом туториале. Он лежит на GitLab. Код в статье сокращен и упрощен, он доступен на Yandex Disk
Что нам понадобится перед тем как начать работать:
N.B. Для самой разработки действия он нам не понадобится, но, конечно, хочется увидеть, что же мы сделаем.
Начинаем творить
Создаем проект в VS
N.B ID пакета NuGet должен будет содержать слово Activities. Поскольку мы хотим все брать из VS, лучше сразу называть проект правильно, чтобы потом подхватить это в NuGet.
Простое создание и публикация действия
N.B. Поскольку UiPath поддерживает несколько языков, нам нужно будет, в конце, добавить локализацию, и чуть поменять то, что мы сейчас делаем, но начнем с того, что необходимо и достаточно.
На этом этапе у нас есть работающее действие для UiPath, реализующее простую но нужную функциональность.
Опубликуем его, а потом перейдем ко второй части и займемся, немножко, «украшательствами».
Публикация через NuGet
которые, в переводе на русский, означают
Что зто за папка? Это локальный репозиторий пакетов, использующийся UiPath Studio. Как только там появится новый пакет, он автоматически будет доступен через менеджер пакетов и его можно будет добавлять в процессы роботизации.
N.B Путь к локальному репозиторию можно поменять через настройки UiPath Studio, чтобы было удобно копировать туда файлы, если есть проблема с разрешениями.
Вот, собственно, и все, поздравляю!
N.B Обратите внимание, что умная Студия сама создала для нашего действия категорию, используя точки как уровни вложенности, и поставила пробелы перед заглавными буквами в названии действия.
Следующая часть статьи будет про «красивости»: про то, как сделать для действия визуальный интерфейс, назначить иконку и локализовать тексты.
Делаем серьезно
Атрибуты
Для того, чтобы наше действие работало, первой части вполне достаточно. Но хочется, чтобы мы могли выбирать категорию, чтобы показывались подсказки и т.д.
Для этого нам нужны атрибуты. Есть атрибуты, которые подходят и для самого действия, и для его параметров:
А есть и такие, которые нужны только параметрам:
Локализация
К сожалению, с атрибутами есть одна тонкость: в русской версии UiPath Studio названия категорий действий и категорий их свойств тоже переведены. Соответственно если мы зададим атрибут [Category(«Input»)] для входного параметра, он будет показываться корректно в английской версии, но в русской версии он попадет в свою отдельную категорию Input, а не в стандартную категорию Ввод. Тоже самое касается действий, в русской версии App Integration становится Интеграцией приложений.
Значит нам надо выносить текстовые константы в языко-зависимые ресурсы и использовать их оттуда.
Для этого создаем волшебный файл Localization.cs, содержащий функции для локализации атрибутов
Он позволит нам заменить конструкцию
чтобы этот механизм заработал, мы должны:
И поставить классу и всем параметрам соответствующие атрибуты
Дизайнер
Чтобы наше действие выглядело в процессе красиво и позволяло пользователям вводить данные, не залезая в свойства, нужно добавить UI. Это делается через файл в формате XAML, который, с помощью Visual Studio, можно редактировать в специальном интерфейсе, но часть все равно придется исправлять руками. Я приведу шаблон, с которого можно начать, а дальше стоит поизучать документацию Microsoft.
Вот так мы задаем локализованную метку:
, а вот так — поле для ввода. ExpressionType задает тип поля, HintText — подсказку (серый текст) для него, Expression связывает значение поля с нашим действием
N.B. Обратите внимание на тэг BitmapImage в конце файла. Так мы задаем картинку для иконки с привязкой к ресурсному файлу. Это очень хрупкая функциональность и иногда приходится с ней повозиться.
по итогам должно получиться вот так:
N.B Чтобы это у вас получилось, нужно, что версия нового пакета отличалась от версии старого. Проще всего это сделать с помощью какого-нибудь плагина к Visual Studio, например Build Version Increment Add-In. Или обновите версию вручную.
Вот финальный вид нашего действия, с иконкой и полями ввода: 
Заключение
Надеюсь, что мне удалось показать, что создание даже полностью оформленных действий для UiPath — это не так уже долго. Мне бы очень хотелось, чтобы эта статья была вам полезна и послужила хорошим стартом для написания новых и замечательных действий для UiPath. А когда его создадите — не забудьте опубликовать на UiPath Go!