基板の挿入方向・欠品を自動検出するEdge AI外観検査治具の開発 本プロジェクトでは、AGAC・AGPS製品の基板を対象に、QRコードの組み合わせ確認と、部品の挿入方向・欠品などの実装不良検査を自動化するEdge AI基板検査治具を開発しました。開発工数は22MM、開発期間は5カ月です。 プロジェクト概要 開発対象 Edge AI基板検査治具 検査対象 AGAC・AGPS製品の基板 作業範囲 AI開発、ソフトウェア開発、ハードウェア統合、導入展開 開発工数 22MM 開発期間 5カ月 基板検査フロー DIP、FCT、ファームウェア書き込みが完了した基板を検査対象とし、基板側とLoRa側のQRコードを照合します。照合後にPCBラベルを貼り付け、Edge AIが基板画像から部品の挿入方向と欠品を判定します。検査に合格した基板は組立工程へ送り、不合格の場合は不良位置と検査ログを確認して修理工程へ送ります。 コアテクノロジー 01．QRコード照合 FCT完了後の基板を照合対象として登録し、PCBラベルのASSY S/NとLoRa側のQRコードを読み取ります。読み取った情報を照合用データファイルの組み合わせと比較し、一致・不一致をPass／Failで即時表示します。 不一致となった基板は後続の組立工程へ流さず、修理工程へ送ります。 02．Edge AI外観検査 DIP後の基板画像から部品の実装状態を確認し、挿入方向の誤りと欠品を自動検出します。約1,000枚の画像を撮影・ラベリングし、モデルを最適化したうえで実機環境における精度を検証しました。 判定結果と不良箇所は画面上に可視化します。 03．治具・エッジ実装 Jetson SOM搭載端末で画像をエッジ処理し、焦点距離を調整したカメラで基板を撮影します。マウント、ケーブル、照明を治具へ統合し、ラベル貼付工程直後のコンベア上に設置しました。 撮影した画像、基板ID、判定結果はローカル環境へ保存します。 Edge AI・外観検査について相談する AIソリューション実績集をダウンロードする
温度測定・顔認識・アクセス制御に対応したスマートサーマルカメラ開発 本プロジェクトでは、複数のAI機能を搭載し、温度測定、顔認識、アクセス制御に対応したスマートサーマルカメラを開発しました。12名の開発体制で、約190人月、2年間にわたり対応しました。 プロジェクト概要 開発対象 スマートサーマルカメラ 目的 複数のAI機能を動作できるスマートサーマルカメラの開発 開発体制 12名 開発工数 約190人月 期間 2年 対応範囲 要件定義、アーキテクチャ設計、基本設計・詳細設計、実装、各種テスト、ハードウェア設計まで対応しました。 主な開発内容・実現内容 01．ハードウェア設計・OS最適化 デバイス要件に合わせてハードウェアとOSを設計しました。 02．温度測定アルゴリズム 0.3℃の測定精度の実現に向けて、高精度な温度測定アルゴリズムを調査・実装しました。 03．Black-bodyレス 現地で基準器を設置・デプロイする必要のないBlack-bodyレスを実現しました。 04．認識AI・顔認識 認識用のAIモデルと顔認識機能を実装しました。 05．アクセス制御・自動同期 入退室管理に対応し、ユーザー情報をリモートサーバーと自動同期する機能を実装しました。 06．タッチスクリーンUI 操作しやすいタッチスクリーンのユーザーインターフェースを実装しました。 07．エッジAI基盤 JetPack、DeepStream、Yocto Linuxを活用してエッジAI基盤を構築しました。 使用技術 C／C++｜JetPack SDK｜DeepStream SDK｜Yocto Linux｜GStreamer｜Visual Studio Code AI・エッジAI開発について相談する AIソリューション実績集をダウンロードする
COBOL販売管理システムをJava／Webへ刷新 本プロジェクトでは、COBOLで構築された販売管理システムを、Java／Webへ段階的に再構築するモダナイゼーションPoCを実施しました。PoCでは3本、約18,000 LOCのプログラムを対象に、6週間でAIを活用した移行方法と品質を検証しました。 プロジェクト概要 対象システム 販売管理システム 業務範囲 受注 → 出荷 → 請求 → 月次締め PoC検証プログラム 3本（約18,000 LOC） PoC期間 6週間 全体移行計画 301本（511,646 LOC）を全8ウェーブで段階移行 全体移行期間 10カ月想定（当初想定15～18カ月から最大約44％短縮） システム移行の概要 現行システムではCOBOLを使用し、データ構造が索引ファイルに依存しているため、Web化や機能拡張が困難でした。本PoCでは、バックエンドにJava 17、Spring Boot 3、REST API、JPA、フロントエンドにVue 3、TypeScript、FR設計、データベースにPostgreSQL 15以降を採用した移行先システムを検証しました。 現行システム 移行先システム構成 COBOL 索引ファイル依存 Web化・拡張が困難 Backend：Java 17、Spring Boot 3、REST API、JPA Frontend：Vue 3、TypeScript、FR設計 Database：PostgreSQL 15+ 移行・品質検証：Liquibase、Playwright E2E、DB比較自動化 課題・アプローチ・PoC実証結果 01．AI Agentsによる移行高速化 課題：COBOL人材の不足により、システムの保守と移行を継続することが困難でした。 NTQのアプローチとPoC実証結果：25のAI Agentスキルを活用し、ロジック抽出、UML・BPMN生成、検証を自動化しました。その結果、移行作業を64日から11.5日へ短縮し、約5.5倍に高速化しました。 02．3フェーズ分析による可視化 課題：COBOLのロジックがブラックボックス化し、Web化が困難でした。…