### Made in Japan のテストツールベンダーからのお知らせ♪ ###

ガイオ・テクノロジーは、自社開発しているソフトウェアテストツール群を40年以上に渡り提供しているツールベンダーです。

組込みシステム領域を中心に幅広い業種でご利用いただいるガイオ製品。
特に昨今はIoTやCASE,MaaSといったキーワードにて、高い安全性とセキュリティが求められている自動車産業界を中心にご活用いただいております。

現在、自動車分野では機能安全規格であるISO 26262や、ADASや自動運転を見据えたSOTIF、サイバーセキュリティー領域におけるISO/SAE 21434といった各規格への準拠が、業界全体で求められています。

その要求に対してガイオは自動車メーカー様やサプライヤ様の開発における機能安全やセキュリティー対策にツールとエンジニアリングサービスの両輪で強力に支援していきます。

また車載システムの肥大化により、レビューアを含めたエンジニアが、それまでの経験、知見などを背景に従来のテスト方法で品質保証の仕組みを構築することが容易ではなくなってきました。その影響は企業活動にとって致命的な「市場不具合(リコール)」を引き起こす要因にも繋がります。企業の持続性を脅かし兼ねない市場不具合を、なんとしてでも抑制する手段、方法が必要なことは議論の余地はないでしょう。

今回は、その解決に向けた車載ソフト開発におけるテストデータ解析・品質改善に機械学習を使用したガイオの取り組みをご紹介します。

=============================
【機械学習をテストデータ解析・品質改善に使用してみると..】
=============================

市場不具合がなくならない理由のひとつとして、テストが充分でないことが挙げられます。しかし、レビューアを含めたエンジニアがすべてのユースケースを抽出し、事前にテストで不具合をなくすことは、短い開発期間の中でテストにかける時間も限られるため、非常に難しい状況となっています。

テストツールメーカーであるガイオが考えるアプローチは、埋もれているテストデータの活用です。製品を構成する各システムでそれぞれ様々なテストをしているため、そのテストデータの情報量は膨大になりますが、その目的のテスト結果以外のデータを全て人間が確認することは難しいでしょう。

そこでガイオではこれらの大量のテストデータから、市場不具合に至る事象を検知する手段を実現することが、市場不具合の解決に近づくと考え、その手段に機械学習やAI、深層学習を活用できないかと検討・研究しております。

機械学習やAIを活用した事例は、複雑に絡み合った信号の意味づけの難しさとその信号が時系列データである「走る・止まる・曲がる」ための車載ソフト開発の領域ではまだ多くありません。一方で、いわゆる機械学習やAI、深層学習と呼ばれる技術は、主に画像認識や画像処理の領域(画像データ)で発展してきました。
自動車分野であれば車の目や耳に該当するセンサーからの情報を処理・認識する分野に繋がり、ADASや自動運転に関係する領域で、数多くの試行がなされいることでしょう。
ガイオのエンジニアリングサービスの中でも深層学習を利用し、その分野で成果を出してまいりました。

そして現在、ガイオでは不具合を見つけるためのテストデータを活用する手続きとして、機械学習を応用するために下記の分類を検討しています。

①マクロな分析(原因箇所の特定)により、複雑に絡み合った信号の意味づけ
②ミクロな分析(原因詳細の特定)により、時系列信号の振る舞い(波形パターン)を定義
③ソフトウェアの品質改善(新たなテストケースの作成)により、テストの充足を図る
これにより、既知の不具合から新たなテストケースを作り、テスト空間を広げ市場不具合に至る事象を見つけ、そのサイクルを回し品質改善していく・・・「機械学習を利用したデータドリブンな品質改善サイクル」を試みています。
①③についてはまだ検討中ですが、②については、統計的手法を用いた機械学習により、一定の成果を得ています。

ガイオの長年に渡る車載経験の豊富なエンジニアと先端を行く大学の研究室がタッグを組み、ガイオの総合力をフル活用することで、自動車メーカー様やサプライヤ様の開発者が思い描くテストデータ解析・品質改善の実現を強力にご支援します。是非ともガイオまでお声がけください。