スマート・ドキュメント・システム（オフショア開発事例） ■概要 このシステムは原油、化学産業、その他多くの製造業などの産業業界にサービスを提供するクラウドベース(AWS)のシステム。その他、レポートの多くのタイプから情報を抽出し、同様のレポートを検索するなど、企業がレポートコンテンツを自動的に管理および分析するのに役立つ。 ■NTQの作業範囲 設計、実装、テスト ■技術 Python, Tensorflow, Pytorch, AWS MySQL, Amazon S3, Flask, nginx, Git, Redmine, Doccano, Spacy ■主な機能 ・AWSでのレポート管理・AIによるテキストの構造分析・AIによる同様のレポートの推奨
AIをつかった義歯の3Dモデル作成の事例（オフショア開発事例） ■概要 手動プロセスの自動化を目的とした義歯の自動デザインシステム。上顎、下顎、歯の付け根の3D図面をインプットすると、義歯を自動でデザインして出力する。今までは非常に難しかった、かみ合わせの調整などが出力を基に、デザインを使用する前にレビューと整理ができる。 ■課題・対策 課題① AIによって学習させるためのデータがパターンのバリエーションが少なかった 対策① 顧客様に収集してもらい、ベトナム側もデータ収集を協力した 課題② 顧客の要望によって精度を高めたいとのことで、大量のデータが必要で事前処理の工数も予算より上回った 対策② 工程をわけて段階的に機能、精度を向上する対策案を講じた ■NTQの作業範囲 設計→ デザイン → 開発 → 結合テスト → 保守 ■技術 Python、AI/ Machine Learning ■特徴 ▪ コンバート (モデルを2D から 3Dに変更) ▪ アルゴリズムの構築 [GAN(敵対的生成ネットワーク )
自転車の危険予知システムの事例（オフショア開発事例） ■概要 自転車を利用しているユーザーが危険な場所に近づくと、ユーザーに危険性を通知させるためのシステム。自転車に乗っている際、事故が起こりそうになるとセンサーが情報を収集してデータベースを作成・追加されるため、更新性も担保されているシステムです。 ■課題・対策 課題① モバイルでセンサーを収集すること 対策① iOS：コアモーション 課題② 危険検出アルゴリズムを構築すること 対策② 機械学習の使用 課題③ ビデオ処理 対策③ ビデオツールボックスを使用する ■NTQの作業範囲 基本設計、コーディング、テスト、メンテナンス ■技術 Python、Swift、SQL、TensorFlow、TensorFlowLite、Keras、iOS、iOS Core Motion ■主な機能 ・データ（モーションデータ）を収集するようにiOSのセンサーを自動的に設定する。 ・センサーから収集されたデータをリアルタイムで処理、機械学習に基づいて急ブレーキを検出する。 ・SDKが急ブレーキをかけることを検出すれば、アプリ側に応答する。 ・SDKが検出したデータの正確性について、アプリが応答できるようにする。 ・アプリはSDKが検出できない急ブレーキを報告できるようにする。 ・位置情報を自動的に収集し、急ブレーキを検知した位置を保存する。 ・ブレーキを検出するとビデオを録画する。 ・急ブレーキが発生する時点の前後に10秒ビデオを保存する。 ・S3で急ブレーキを検出するとき、センサーから収集されたデータ及び場所・ビデオを保存する。