ID:66687さん

■プロジェクト概要 社内の別ユニットからの依頼で、交通データを解析する社内向けウェブシステム（想定利用者100名弱の規模）を開発。設計・仕様検討（2025年11月〜2026年3月ごろ）を経て、2026年4月ごろから実装し、プロトタイプ版をリリース。現在は本番環境の仕様を検討中。 ■チーム情報 1名。設計からプロトタイプ版の実装まで（フロントエンド・バックエンド・データベース）を単独で担当。依頼元ユニットの担当者と要件をすり合わせながら進めた。 ■使用技術 Python（FastAPI、pandas、openpyxl）、TypeScript（React、React Router）、Node.js、PostgreSQL（PostGIS）、Azure（App Service、Storage）、Git、テスト駆動開発（TDD） ■開発した機能①：交通データの取り込みと解析ジョブの管理 【課題】 交通データの分析に1回あたり約4時間かかっていた。データ処理の多くが手作業だったため。また、地図データは他のシステムで取得していることが多く、測地系の変換では、各担当者が対応テーブルを作っていた。 【工夫・解決方法】 ・交通データ・地図データのアップロード、道路区間へのマッピング、解析ジョブの登録・管理を、ウェブ画面の操作だけで行えるようにした（バックエンド：FastAPI、pandas） ・地図上に経路情報を表示するため、経路の位置情報を扱うデータベースとしてPostgreSQL（PostGIS）を選んだ ・依頼元の担当者から今の作業手順を聞き取り、画面の案で確認してからプロトタイプを使ってもらい、フィードバックをもとに改善した ・経路抽出と測地系変換を、一つの仕組みで処理できるようにした ・ダッシュボードと解析結果の共有機能を React／TypeScript で実装した 【成果】 1分析あたり約4時間かかっていた作業を約1時間に短縮（見込み）。利用者からは、入力データの準備で経路抽出と測地系変換を一つの仕組みで処理できるため、担当者ごとにシステムを使い分けたり、対応テーブルを手作業で作成・修正したりする負担を減らせる、という評価を得ている。 ■開発した機能②：案件ごとのデータ管理と操作履歴の記録 【課題】 データは案件ごとに扱う必要があり、案件の違うデータが混ざることと、外部への流出を防ぐ必要があった。 【工夫・解決方法】 ・案件ごとのデータ管理を考慮して、ユーザー管理と、誰が何をしたかを残す監査ログを、後付けにせず最初から設計に組み込んだ ・Azure Storage のファイアウォールを設定し、ストレージへのアクセスを制限した ・前職での情報セキュリティ運用の経験と、情報セキュリティマネジメント・LPIC-303 で学んだ知識を設計に活かした 【成果】 ユーザー管理・監査ログ・ストレージのファイアウォール設定を備えた状態で、プロトタイプ版をリリースした。 ■開発した機能③：認証の一本化（MSAL から Easy Auth へ） 【課題】 当初は MSAL を使ってアプリ側に認証を実装する方向で検討していたが、アプリ側に認証のコードを持つと、実装と保守の負担が大きかった。 【工夫・解決方法】 Azure の認証の仕組みを学び直し、App Service に用意されている Easy Auth に認証を一本化した。 【成果】 アプリ側の認証処理を簡素化し、実装・保守の負担を軽減した。 ■開発の進め方 生成AIを活用しながら、TDDによるテストと、小さな単位のコミット・差分確認を行って開発しました。 ■今後の課題 本番化に向けた運用面・セキュリティ面の整備（本番環境の冗長化・バックアップ、利用者の権限の運用ルール、障害を検知して知らせる監視の仕組み） 利用者からの要望（生活道路を含めた全道路への拡張、中間データ・バックデータの出力）への対応

■プロジェクト概要 交通系システム会社のユニットで、道路交通データの解析と、解析用デスクトップアプリを開発。 ■チーム情報 ユニット約10名。データ解析とツール開発を一人で担当。 ■使用技術 Python（pandas、openpyxl、Matplotlib、Tkinter） ■開発した機能：渋滞状況の分析・グラフ化アプリ 【課題】 大容量の道路交通データから、渋滞状況を分析・グラフ化する必要があった。毎月の分析作業に約3日かかっていた。 【工夫・解決方法】 ・欠損値や異常値を除いてから、時間帯・曜日ごとに集計し、速度などから渋滞状況を求めた（pandas） ・分析・グラフ化の処理を Tkinter でデスクトップアプリにまとめ、解析を自分だけで抱えず、ユニットのメンバーが自分で使えるようにした ・前職での、センサデータの前処理と Python での解析の経験を、交通データにそのまま活かした 【成果】 毎月約3日かかっていた分析作業を、約1日に短縮（見込み）。開発したアプリは、ユニット内の数名が分析業務で日常的に使っている。

■プロジェクト概要 大学との共同研究で、匂いセンサのデータから匂いの種類を識別するシステムを研究開発。デバイスの改良に合わせて、システムの更新も行った。 ■チーム情報 8名。ソフトウェア担当として、データの前処理から分類モデルの実装・評価までを担当（ハードウェア開発は除く）。設備管理・情報セキュリティ担当を兼務。 ■使用技術 Python（NumPy、pandas、scikit-learn、TensorFlow、Keras、Selenium、Streamlit）、R（Shiny）、Linux、Windows、Squid、Samba ■開発した機能：匂いを識別する分類モデル 【課題】 ・匂いのもとになる化学物質は種類が多く、濃度の幅（ダイナミックレンジ）も広い ・同じ匂いを測ってもセンサの応答が再現しないことが多く、安定して識別するのが難しかった ・同じ条件で多くの種類の匂いを収録したデータがそろっておらず、少ないデータで識別でき、学習していない種類の匂いにも対応できる必要があった 【工夫・解決方法】 ・前処理として、センサの応答から応答強度を抽出し、異常値を除いたうえで正規化した ・多変量解析、SVM・ランダムフォレストなどの従来手法、深層学習を比較・検証した ・少ないデータでも有効なクラス分類器として、メタラーニング（Siamese ネットワークと多層パーセプトロンによる距離学習）を採用し、TensorFlow／Keras で実装した ・評価は、学習に使う種類（アロマオイル25種類とブランク）と、学習していない種類（5種類）に分け、6分割交差検証で、実用に近い条件で性能を確かめた ・解析コードと処理手順をまとめて大学側でも使えるようにし、大学から学んだ最新の手法を実装に取り入れた 【成果】 ・30種類のアロマオイル（各9サンプル）とブランクの識別（31-way 9-shot）で、精度98.7%以上 ・学習していないアロマオイルの認識・分類で、それぞれ平均93.5%・93.9% ・特許出願「匂い識別システム」（特開2023-026785）の発明者に。深層学習を用いたクラス分類器に関する発明 ・国際学術誌に共著論文（第2著者）として掲載。ソースコードはすべて自身で実装 　C. Liu, H. Miyauchi, K. Hayashi, "DeepSniffer: A meta-learning-based chemiresistive odor sensor for recognition and classification of aroma oils", Sensors and Actuators B: Chemical, Vol. 351, 130960 (2022) ・第39回「センサ・マイクロマシンと応用システム」シンポジウム（2022年11月）でデモ機を出展し、ブースに来た来場者に個別に説明した ・論文は2021年の公開から約18件引用され、がん検査の電子鼻や食品分析など、匂いセンサ以外の研究からも参照されている（2026年10月時点） ■その他の担当 ・匂いに関わる文章の自然言語処理の調査（Python／Selenium でのクローリング、トピックモデル分析） ・デバイス改良に合わせたシステム更新（データ処理の実装、分類モデルの組み込み） ・情報管理部と連携し、部署内のIT機器全般（2020年ごろには約20台）とサーバ（Linux、Squid、Samba）を管理（調達から使用、保守、廃棄まで）。情報セキュリティの運用も担当

■プロジェクト概要 独自プロダクトを目指す匂い検知用センサシステムの研究開発を、自ら企画して立ち上げた。介護領域でのサービス化（においで排泄を検知し、おむつの蒸れを防ぐ）を目指した。 ■チーム情報 1名（研究開発エンジニア・主任）。企画から部品調達、実験系の構築、回路設計までを単独で担当。新入社員1名のOJTも担当。 ■使用技術 Arduino、Processing、DesignSpark PCB ■開発した機能：匂い検知用センサシステムの試作 【課題】 予算も体制もない完全新規の企画で、上司の承認を得るところから始める必要があった。 【工夫・解決方法】 ・技術面を検討したうえで必要な権限の範囲を示し、実用化に向けた目標を前面に出して承認を得た ・Arduino でセンサの抵抗値を記録し、Processing でリアルタイムにグラフ表示する実験系を一人で構築。専門外の回路設計も学び、基板を設計・発注した ・他部署や経営者と相談し、サービス化の可能性を探った 【成果と結果】 匂いに対するセンサの応答を得た。湿度による応答と匂いによる応答の判別は、課題として残った。プロジェクトは、上司の交代により終了した。企画から試作、事業化の検討までを一人で通して経験した。

■プロジェクト概要 前社長の発案で発足した、匂いセンサの新規事業プロジェクト。大学への委託研究から共同研究へ移行し、社内に実験設備を整えて、センサの要素技術の評価と、データ収集から解析・表示までの仕組みの構築を進めた。 ■チーム情報 新入社員3名と、リーダーの上司の体制。私はセンサデータの解析とクラス分類手法の調査・実装、学会デモ用 iPad アプリの開発を担当し、部署のIT機器全般の管理とファイル共有サーバ（Samba）の運用も兼ねた。 ■開発した機能①：センサデータの解析・クラス分類処理 【使用技術】 R 【課題】 ・新しく作ったセンサが、匂いを識別できる性能と品質を持っているかを、データで確かめる必要があった ・匂いによる違いよりも、装置やバックグラウンドの空気の日ごとの変動のほうが大きく、扱いが難しかった。匂いに含まれるバックグラウンドの分子を除けないため、実験の計画も難しかった 【工夫・解決方法】 ・R で、データ収集から前処理、クラス分類までの一連の処理を実装し、ANN・SVM などを比較して有効な手法と前処理を検討した ・大学の学術的な目的と会社の実用化の目的の両方に役立つ形で成果をまとめ、解析コードと処理の手順を大学側でも使えるようにした 【成果】 ・ガスセンサの性能・品質の調査結果は、その後もプロジェクトの基礎として再利用された ・学会発表（共著。国内は日本味と匂学会誌〔2010年〕、海外は2011年にニューヨークの国際会議 ISOEN でポスター発表）につながった ■開発した機能②：センサの応答を色で見せるデモ用 iPad アプリ 【使用技術】 Objective-C（Xcode） 【課題】 学会や展示会の来場者に、匂いセンサの応答を、その場で分かりやすく見せる必要があった 【工夫・解決方法】 ・センサの応答値を画像にし、匂いによる応答の違いを色で表すようにした ・設計から実装までを一人で担当した 【成果】 学会のデモで使い、来場者への説明に活用した。展示会への出展でも成果を発信した ■その他の担当 部署のIT機器全般の管理と、ファイル共有サーバ（Samba）の運用