サービス概要
ユニットテストAI
FPT AutomotiveのユニットテストAI（unit-test-ai）は、Azure AIとAST（抽象構文木）解析により単体テストフェーズを加速します。テストケース作成を20〜40分から5〜7分に短縮（精度85〜90%）、MBDルールチェックを自動化（カバレッジ70%、モデルあたり20分削減）。GitHub Actions、VS Code DevBox、仮想SILS環境と統合し、Entra ID制御下でテストデータの集中管理と高品質な検証ループを実現します。
5-7分
テスト生成時間
85-90%
テスト生成精度
70%
MBDルールカバー率
35%
手動テスト工数削減
18.7倍
検証モデル高速化
機能
主な機能
テスト自動生成
AIがソースコードから包括的なユニットテストを生成し、手動テスト作成工数を大幅削減。
コードカバレッジ最適化
未カバーのコードパスを対象とするインテリジェントなテスト生成で最大カバレッジを実現。
デジタルコックピット専門性
自動車コックピットソフトウェアのパターンと要件で訓練された特化モデル。
IVI/Cluster/HUDサポート
主要なコックピットコンポーネント全体の包括的テスト。
CI/CD統合
継続的インテグレーション・デプロイパイプラインとのシームレスな統合。
技術
技術スタック
| Component | Technology | Purpose |
|---|---|---|
| AIモデル | LLM, GPT-based | テスト生成 |
| テストフレームワーク | JUnit, CppUnit, GoogleTest | テスト実行 |
| コード分析 | Static analysis tools | コード理解 |
| CI/CD | Jenkins, GitLab CI | 自動化パイプライン |
| 開発 | Python, C++, Java | 実装 |
ユースケース
実際の活用事例
実際の導入から記録された成果。
AIユニットテストプロセスの加速
AIがモデルと要件からテストケースを自動生成。20〜40分の手動プロセスを85〜90%の精度で5〜7分のAI駆動ワークフローに置き換え。
Before
タスクあたり20〜40分の手動テストケース作成、1〜2ヶ月のテストフェーズ
After
タスクあたり5〜7分のAI生成、0.5〜1ヶ月のテストフェーズ
MBDチェックルール自動化
AIチェックルールモデルがモデルベース開発のルール違反検出を自動化。ルールチェックの70%をカバーし、モデルあたり約20分を節約。
Before
モデルあたり手動ルールチェック30〜40分、一貫性問題、人的疲労エラー
After
AIが70%のチェックを自動カバー。モデルあたり20分節約
AIモデルパフォーマンス検証
自動車AIモデルの包括的検証パイプライン — 本番展開前に精度、再現率、推論速度のパフォーマンス目標達成を確保。
Before
リアルタイム安全クリティカル要件に対して不十分なベースラインパフォーマンス
After
精度5.99%向上、再現率49.15%向上、推論18.7倍高速化（量子化）
進め方
実装アプローチ
Phase 1: コードベース分析
- 既存コードベースとテストパターンを分析
- 主要コンポーネントとテスト要件を特定
- テスト生成ルールと制約を定義
Phase 2: モデルトレーニング・カスタマイズ
- 自動車コックピットコードパターンでAIモデルをトレーニング
- 特定のOEM要件に合わせてカスタマイズ
- テスト品質とカバレッジを検証
Phase 3: 統合・バリデーション
- CI/CDパイプラインと統合
- 既存テストスイートと生成テストを検証
- テストフレームワークとの互換性を確保
Phase 4: デプロイ・最適化
- 開発チームへ展開
- テスト生成品質とカバレッジを監視
- フィードバックに基づき継続的に改善
関連サービス