Slide 1

Slide 1 text

1 Copyright © TRUST CO., LTD. All Rights Reserved. トラストのモノ・コト・夢づくり DXサービス 初めてのAWS体験談Part2 2025.2.26

Slide 2

Slide 2 text

T R U S T 菊池 琉青 株式会社トラスト 第3システム開発部 2024年4月入社 役割 • お客様へのヒアリング、ご提案 • AWSを活用したサービス開発・運用・保守 • AIを使った異常検知システムの構築 資格 • AWS Solutions Architect Associate • AWS Developer Associate • AWS SysOps Administrator Associate etc.. 趣味 • ボードゲームカフェに通うこと • 謎解き、テーブルゲームイベントに参加 2

Slide 3

Slide 3 text

T R U S T 目次 3 【開発したシステム(異音検知)のご紹介】 ①お客様が抱えるお悩み ②開発したシステムの構成 ③オートエンコーダモデルについて ④使用したAWSサービス ⑤AWSサービス構成図 AIモデル作成・デプロイ ⑥AWSサービス構成図 音質検査・データの可視化 【開発体験談】 ①開発の振り返り1 ②開発の振り返り2 ③勉強方法 ④今後の目標

Slide 4

Slide 4 text

4 All Right Reserved, Copyright TRUST Inc. 2016 開発したシステムのご紹介

Slide 5

Slide 5 text

T R U S T 開発したシステムのご紹介 ご提案内容 目的 お客様の抱える課題  音質検査は専用の検査BOX内で100db以上を騒音を聞き続ける必要があるため、作業員への負担が大きい  検査の資格を持った作業員でも、人によって判定結果にばらつきがある  属人化したシステムのため、人員確保が課題  作業員への作業負担を軽減  音質検査の精度向上  人手不足を解消 AIによる、自動車向けホーンの音質検査システム  マイクで音を収集しAIが音質検査を実行するシステムの構築  AWSを使うことでAIモデルの構築や推論が可能  AIモデル、録音データ、推論結果等の管理システム構築。データの可視化 ①お客様が抱えるお悩み

Slide 6

Slide 6 text

T R U S T 開発したシステムのご紹介 6 ②システム構成  USBマイクでホーンの音データを収集  USBマイクはラズベリーパイ(エッジデバイス)に接続  AWSのサービス「Greengrass」でラズベリーパイを管理  録音データにAIモデルの推論(音質検査)を実行  エッジデバイスにAIモデルをデプロイし、デバイス内で推論を実行  AWSのサービス「Greengrass」でAIモデルのデプロイを実行  録音データ・推論結果を収集・可視化  録音データと推論結果をAWSクラウド上にアップロード  Webアプリケーション上で、クラウド上のデータを閲覧・管理  エッジデバイス・AIモデルの管理・運用  Webアプリケーションからエッジデバイスの稼働状況を確認  WebアプリケーションからAIモデルの作成・デプロイを実行

Slide 7

Slide 7 text

T R U S T 7 開発したシステムのご紹介 ③音質検査用AIモデル(オートエンコーダモデル) 入力音 出力音  入力音を圧縮し特徴量を抽出。圧縮されたデータから元の音データを再現して出力。  正常音のみを学習させることで、正常音の再現に特化したAIモデルを構築  異常音を入力すると、入力音と出力音の差が大きくなる  異常音のデータが無くてもAIモデルを構築できる

Slide 8

Slide 8 text

T R U S T 8 開発したシステムのご紹介 ④使用したAWSサービス  Amplify  フルスタックのWebアプリケーション開発  SageMaker  AIモデルの構築・運用  IoT Core(Greengrass)  ラズベリーパイ(エッジデバイス)の管理  AIモデル管理用コンポーネントの作成・デプロイ  S3・DynamoDB  AIモデル、録音データ、推論結果の保存・管理  Lambda  イベント駆動で各種処理を実行  Cognito  Webアプリケーションのユーザーデータ管理  AppSync  API構築・管理  QuickSight  推論結果の可視化

Slide 9

Slide 9 text

T R U S T 9 開発したシステムのご紹介 ⑤AWSサービス構成図 AIモデル作成・デプロイ Webアプリケーション上からAIモデルの作成とデプロイを実行するシステムを構築 ① ②

Slide 10

Slide 10 text

T R U S T 10 開発したシステムのご紹介 ⑥AWSサービス構成図 音質検査・データの可視化 エッジデバイス内でAIモデルによる推論を実行し、データをWebアプリケーションに表示する

Slide 11

Slide 11 text

11 All Right Reserved, Copyright TRUST Inc. 2016 開発体験談

Slide 12

Slide 12 text

T R U S T 12  お客様へのヒアリングの重要性  アジャイル開発:短い期間で設計・開発・テスト・リリースを繰り返し、柔軟に開発する手法  Webアプリケーションを使用した感想を頂き、ご要望を取り入れて改善する  お客様との継続的なコミュニケーションの重要性を改めて認識  コミュニケーションを取りやすい体制を作ることが重要  お客様の貴重なお時間を無駄にしないよう要点を整理し、スムーズな進行を心がける  AIモデルの調整に苦労  音質検査の精度向上させるために、ハイパーパラメータの調整を実施  正常音と異常音を全て完璧に判別することは難しい  目標・妥協点を設定することが重要  調整方法は明確に決まっていないため、AIモデルごとに試行錯誤を繰り返した  効率的な調整方法の確立が必要 開発体験談 ①開発の振り返り1

Slide 13

Slide 13 text

T R U S T 13  AIモデルを活用したサービス開発ってどうやるの?  AWSとAIモデルを活用したサービスの開発には、AWSと機械学習、両方の理解が必要  学生時代に機械学習の基礎は学んでいたが、AWSサービスの使い方は全くわからなかった  今の自分に必要なサービス・活用方法がわからない  初めは手探りで開発・勉強を進めた  異音検知システムとWebアプリケーションの統合は社内初  AWS公式ドキュメント・社内ドキュメント・テックブログ等を調べては試すことを繰り返す  AWSサービスの機能の調査  各サービスを活用することで、どのようなことを実現できるのか理解する →独学で全て理解するのは難しい 開発体験談 ②開発の振り返り2

Slide 14

Slide 14 text

T R U S T 14  AWSサービス勉強の必要性  AWSのサービスは豊富にあるが、今の自分に必要なサービス・活用方法がわからない  AWSサービスを活用することで何ができるのか、体系的に理解する必要がある  AWSの資格勉強を通じて、AWSサービスを理解する  AWSサービスの体系的な知識が身につく  機械学習の基礎的な知識も身につく  AWS ハンズオン・動画学習サイト等を利用して勉強  2024年7月頃からAWS認定の勉強を開始  2024年8月にCloud Practitionerを取得 ③勉強方法 開発体験談

Slide 15

Slide 15 text

T R U S T 15  フルスタックエンジニア  システム開発、特にエッジデバイスやAIモデルの開発は、先輩方が担当した領域もあった  今後は全ての工程を担当できるフルスタックエンジニアになることを目指す  AWSサービスを幅広く理解することが必要  AI技術の活用  多様なAIモデルの開発・運用に対応できるスキルを身に付ける  音データに限らず、言語・画像など幅広いデータを扱うAIモデルの開発に取り組む  資格取得  入社2年目で、全てのAWS資格を取得する  G検定・E資格など、AI系の資格取得に挑戦 ④今後の目標 開発体験談 お客様の要望を形にできる、フルスタックなエンジニアを目指します!

Slide 16

Slide 16 text

16 DXに関するご相談は 下記までお気軽にご連絡ください 株式会社トラスト 0258-81-0150 [email protected] 「金のタネ」紹介HP