ID:75739さん

## 製薬会社向け/実験動物管理システム 動物実験の申請・承認・利用申請・利用後の登録管理をすることで、実験動物の使用状況を管理し、実験動物が動物愛護法に基づく利用がされていることを証明する。 ### 【担当工程】 要件定義、基本設計～システム導入 ### 【役割及び規模】 プロジェクトリーダー/プロジェクト要員１０名 ### 【開発環境】 * Windows Server2000 * Windows SqlServer2003 * ASP.net(C#) * Access2000 VBA * 指紋認証 * バーコードリーダー * タッチパネル ### 〇具体的な取組み内容『現場の声を大切に』 新規開発のプロジェクトで、初めてメンバー要員１０名のプロジェクトリーダーを任されました。 これまでにプロジェクトリーダーの経験はなく、すべて初めての経験でしたがこれまでシステムエンジニアとしての経験（主にドキュメント作成・プログラミング）と、自己学習（主にアーキテクチャ・言語）を行っており、役立てることができました。 またプロジェクトに着任してから担当するシステムの業務知識・業務フローについて学習しました。 するとこのシステムは社内でなく、社外の会社まで関連するシステムとなることがわかりました。 当初はユーザのシステム担当者が各部署・会社へのシステムの説明・要望の聞き取りをしており、すべて把握済みのとのことで当初は直接お話をする機会を設けてはいただけませんでした。 そこでこちらから強く要望を出し、関係する部署・会社の担当者の方とお会いする機会を設けていただくことができました。 システムの概要についての説明および導入にあたっての懸念点などの聞き取りなど行い、ユーザのシステム担当者が把握していた内容と齟齬がある、問題として認識していないものをいくつも発見することができました。 その後は関係部署・関係会社の方にも出席いただき、問題点の解決方法を提示し、システムの内容や運用を理解・納得いただいた上でシステムの概要を決定することができました。 その結果、システムの手戻りは非常に少なくて済み、期間内に無事リリースすることができました。 ユーザのシステム担当者からの情報のみでなく、現場でシステムを利用する立場になる方には直接お話をお伺いするべきだと感じました。 システムについての理解度やイメージも双方でかなり深まったためです。今でも要件定義にかかわる際にはできるだけ現場の声をお伺いするようにしています。

プロジェクト概要 大手鉄鋼メーカーの製品検査向けに鋼板表面の欠陥を検出するAI外観検査システムの開発・導入を担当しました。 現地調査から顧客との要件整理・仕様調整、基本設計・詳細設計、実装、テスト、現地導入、マニュアル作成、導入後の不具合・仕様変更対応まで一貫して担当しました。 システムでは、鋼板の表面・裏面をそれぞれカメラで撮像し、AIによる欠陥判定結果をアプリケーション上で確認できるようにしています。表面側・裏面側で処理を分担し、PLCとも連携してライン上の検査処理を行います。 また既存システムを踏襲するのではなく、現場で必要な情報を精査したうえで、欠陥位置を確認できる欠陥マップ、AI判定クラス情報、欠陥位置、欠陥画像一覧などを再設計・実装しました。 担当領域 * 現地調査・顧客との要件整理、仕様調整 * 基本設計・詳細設計 * C#／WPFによるデスクトップアプリケーション開発 * AI推論処理、カメラ・照明・PLCとの連携 * テスト・障害解析 * 現地導入・運用支援 * マニュアル作成、仕様変更対応 主な技術 C#、WPF、.NET、ONNX Runtime、TensorRT、カメラ制御、PLC、Windows 取り組んだ課題 既存システムの単純な置き換えではなく、現場で実際に必要とされている機能を整理し、新しいAI検査システムとして再構成する必要がありました。 そのため、顧客から提示された要求をそのまま仕様化するのではなく、現地で実際の検査工程や運用方法を確認し、「誰が、どのタイミングで、どの情報を確認するのか」まで含めて要件を整理しました。 既存検査機には多数の機能が存在していましたが、そのまま再現すると操作が複雑になり、今回の検査工程では使用しない機能も多く含まれるため、単純な移植は行いませんでした。 現地で実際の運用を確認し、顧客へのヒアリングを通じて必要な情報を整理したうえで、欠陥マップ、AI判定情報、欠陥画像など、検査担当者が判断に必要とする情報を中心に画面構成を再設計しました。 また、カメラ、照明、AI推論、PLC、複数PCが連携するため、不具合発生時にはアプリケーション単体ではなく、撮像、通信、推論、PLC信号など処理経路ごとに切り分けて原因を特定しました。 仕様が曖昧な部分や実運用との齟齬が見つかった場合には、顧客や社内のAI・光学設計・ハードウェア担当者と調整し、システム全体として成立する仕様に落とし込みました。 また現場導入後もシステムログを定期的に収集してシステムのパフォーマンスを解析し、最適な検査ができる状態になるまでシステムの改善に努めました。 取り組みの成果 現地調査・要件整理から設計、実装、テスト、現地導入までを一貫して進め、AI外観検査システムを実ラインで運用可能な状態まで構築しました。 顧客から継続的な相談を受ける関係を構築し、次案件の受注につながる動きにも発展しました。

プロジェクト概要 鉄鋼製品の製造工程向けに、ネットワークカメラ15台を使用して製品を撮像し、AIによって欠陥を検出する外観検査システムの設計・開発を担当しました。 検査対象を複数方向から撮像するため、上面13台・端面2台のカメラを使用し、各カメラから取得した映像をリアルタイムでAI推論します。 システムは処理負荷を分散するため2台のPCで構成し、1台をUI・検査制御・結果集約、もう1台をAI推論処理用のワーカーとして設計しました。また、PLCと連携して製造設備の状態に応じた検査開始・停止や異常通知を行います。 AIが欠陥を検出した場合には対象フレームを保存し、検査結果を画面上で確認できるほか、検査履歴をCSVとして出力できる仕組みを構築しました。 担当領域 * システム構成およびソフトウェアアーキテクチャ設計 * C#／WPFによる検査アプリケーション開発 * 15台のネットワークカメラからの映像取得・状態監視 * RTSP映像の受信・再接続処理 * AI推論処理および複数PC間の処理分散 * PLCとの信号連携 * 検査結果の集約・表示・保存 * 障害解析および安定稼働に向けた改善 使用技術と使用場面 C# / WPF / .NET / Prism 検査システムのメインアプリケーションを開発。15台のカメラ状態、検査状態、AI推論結果などを一画面で確認できるUIを実装しました。また、検査開始・停止やPLCとの連携など、システム全体の制御も担当しました。 RTSP / H.264 15台のネットワークカメラからリアルタイム映像を取得するために使用しました。各カメラの接続状態を監視し、映像断や通信異常が発生した場合には自動的に再接続する仕組みを実装しました。 AI推論 / ONNX Runtime等 各カメラから取得した画像をAIモデルへ入力し、フレーム単位で欠陥判定を実施しました。推論結果を検査イベント単位に集約し、一度でも異常を検出した場合に対象製品をNGとして扱えるようにしました。 PLC通信 製造設備と検査システムを連携するために使用しました。設備側からの状態に応じて検査処理を制御するとともに、システムのRUN状態やERROR状態をPLCへ通知する仕組みを実装しました。 PostgreSQL 検査イベントや検査結果など、システムで扱う検査情報の管理に使用しました。 取り組んだ課題 1. 15台のカメラ映像を安定して継続処理する仕組み 本システムでは、15台のネットワークカメラから同時に映像を取得しながらAI推論を継続する必要がありました。 一方、ネットワークカメラでは一時的な通信断や映像停止が発生する可能性があり、1台のカメラ異常によってシステム全体が停止する構成では、製造ラインで安定して運用することができません。 そのため、各カメラの映像受信処理を独立して管理し、一定時間分のフレームを保持するリングバッファを実装しました。 さらにカメラごとに接続状態を監視するSupervisorを設け、RTSP接続が切断された場合には対象カメラのみを再接続できる構成としました。 これにより、15台のカメラを一括して扱いながらも、個々のカメラ障害を局所化し、システム全体への影響を抑えられる構成にしました。 2. 多数のカメラ映像とAI推論による処理負荷への対応 15台分の映像取得、AI推論、結果集約、UI表示を1台のPCですべて処理すると、処理負荷が集中して検査性能やUIの応答性に影響する可能性がありました。 そのため、システムを2台のPCに分割し、UI・検査制御・結果集約を担当するPCと、AI推論を担当するワーカーPCに役割を分けました。 単純に処理を分散するだけではなく、検査全体を管理する責任をUI側に集約し、ワーカー側は与えられた推論処理に専念する構成とすることで、各PCの責務を明確にしました。 また、UI側が検査全体の状態を管理することで、カメラ状態、AI推論状態、PLCとの連携状態を一元的に監視できる構成としました。 3. フレーム単位のAI判定を製品単位の検査結果に変換 AI推論自体は各カメラのフレーム単位で行われますが、製造現場で必要なのは個々の画像の判定ではなく、「この製品を通してよいか」という製品単位の検査結果です。 そのため、AI推論結果をそのまま表示するのではなく、製品の検査開始から終了までを一つの検査イベントとして管理し、その期間中の各カメラ・各フレームの推論結果を集約する設計としました。 イベント内で一度でもNG等の異常結果が発生した場合には対象製品を異常として扱い、該当するフレームを保存します。 これにより、AIモデルのフレーム単位の出力を、製造ラインで実際に使用できる検査結果へ変換しました。 4. 障害箇所を特定できるシステム構成 カメラ15台、ネットワーク通信、AI推論、2台のPC、PLCが連携するため、不具合発生時に「アプリケーションが動かない」という情報だけでは原因を特定できません。 そのため、カメラ受信、AI推論、PC間処理、PLC通信などを個別に監視できるよう設計し、問題発生時には処理経路ごとに切り分けられるようにしました。 特にカメラについては、単に接続の有無を見るのではなく、映像が継続して取得できているかを監視することで、ネットワーク上は接続されているものの実際にはフレームが届いていない、といった状態も検知できるようにしました。 取り組みの成果 15台のネットワークカメラ、AI推論、複数PC、PLCを連携させた検査システムについて、個々の機器や処理を独立して監視・復旧できる構成を設計し、多数のカメラを使用するリアルタイム検査に対応しました。 また、AIのフレーム単位の判定を製造現場で必要となる製品単位の検査結果へ集約し、NG発生時には該当画像を保存して後から確認できる仕組みを構築しました。 単にAIモデルをアプリケーションへ組み込むだけではなく、カメラ通信、処理負荷、障害復旧、PLC連携、検査結果の管理まで含めてシステム全体を設計し、製造現場で継続運用できるAI検査システムとして構築しました。

プロジェクト概要 産業用検査システムの設計支援を目的として、カメラ・レンズ・ワーク・搬送条件などの光学設計値を入力すると、実際の配置や撮像範囲を可視化し、必要なカメラ性能まで算出できるシミュレーションアプリを企画・開発しています。 開発のきっかけは、自身が検査システムを設計する際、カメラやレンズの条件を数値として理解できても、実際にどのような配置・撮像になるのかをイメージしづらく、それがシステム設計上の障害になっていたことです。 当初は、自身の設計イメージを補助するためのツールとして企画しましたが、開発を進める中で、光学設計担当者だけでなく、光学を専門としない営業やPMが顧客提案時に検査構成を検討する用途にも活用できると考えました。 光学出身の上位マネージャーへ相談した結果、社内案件として正式に開発を進めることとなり、現在は営業・PM・光学チームと連携し、それぞれの立場から意見を収集しながら機能やUIをブラッシュアップしています。 光学設計シミュレーションでは、カメラ配置、光学設定、検査ワーク、搬送条件、欠陥条件などを入力し、正面・側面・上面・下面の4面図で構成を可視化できます。また、撮像サイズ・分解能・欠陥サイズ・速度などの要求条件から必要なカメラ性能を導くサイジングにも対応しています。 担当領域 * 課題発見・企画立案 * 要件整理・仕様策定 * 光学計算ロジックの設計 * C#／WPFによるデスクトップアプリケーション開発 * カメラ・ワーク・検査台などの2D／3D可視化 * UI／UX設計 * 営業・PM・光学チームからの要求整理 * フィードバックをもとにした継続的な機能改善 使用技術と使用場面 C# / WPF / .NET デスクトップアプリケーション本体、各種光学・検査条件の設定UI、計算結果表示、配置の可視化などに使用。 2D / 3D描画 カメラ、ワーク、検査台などの位置関係や撮像範囲を視覚的に把握できるようにするために使用。数値だけでは把握しづらい光学設計条件を、設計者が直感的に確認できるようにしました。 光学計算ロジック 撮像サイズ、分解能、焦点距離、センサー条件、欠陥サイズ、搬送速度などの条件から、撮像結果や必要なカメラ性能を算出するために実装。 設定値を変更すると、4面図・判定結果・AI連携用JSONなどが自動更新される構成とし、条件を変えながら検査構成を比較できるようにしています。 取り組んだ課題 1. 数値としての光学設計を、システム設計者が直感的に理解できる形にする 検査システムを設計する際、カメラやレンズの仕様値を確認することはできても、その数値から実際のカメラ配置や撮像範囲を頭の中で再現することが難しく、システム全体をイメージする上での障害になっていました。 そこで、光学設計値を入力するとカメラ・ワーク・検査台などの位置関係や撮像範囲を画面上に可視化できるツールを企画しました。 単なる数値計算ツールではなく、設計条件と実際の配置イメージを結び付けることを重視し、4面図や3D表示を用いて視覚的に確認できる構成としました。 2. 光学の専門知識がないユーザーでも検査構成を検討できるようにする 開発当初は自身の設計支援を目的としていましたが、営業やPMも顧客との打ち合わせ時に検査構成を検討する必要があり、同様に光学条件を直感的に把握できる仕組みが有効だと考えました。 そのため、光学担当者だけを対象とした専門ツールではなく、必要な条件を入力すると結果が視覚的に確認できるUIとし、撮像サイズ・分解能・欠陥サイズ・速度などの要求から必要なカメラ性能を求めるサイジング機能も組み込みました。 3. 個人用ツールから、複数部門が利用できる社内ツールへ発展させる 開発を進める中で、個人の設計支援に留まらず、光学チームの設計確認や営業・PMによる顧客提案にも活用できる可能性があると判断しました。 そこで光学出身の上位マネージャーに企画を共有し、社内案件として正式に開発を進める形にしました。 現在は、営業・PM・光学チームそれぞれから実際の利用場面を想定した意見を収集し、要求を整理しながら機能・UIを継続的に改善しています。 取り組みの成果 自身のシステム設計上の課題を起点として企画したツールを、個人利用に留めず、営業・PM・光学チームでも活用できる社内向け設計支援ツールとして案件化しました。 現在は複数部門からフィードバックを得ながら開発を継続しており、光学設計値の計算だけでなく、配置の可視化、検査条件の検証、必要なカメラ性能のサイジングまでを一つのアプリケーション上で行える形へ発展させています。 また、利用者の専門性が異なることを前提に、光学担当者だけでなく、営業やPMでも検査構成を理解・検討できることを意識して機能とUIを設計しています。