開発設計 / ホーム
n8n 連携 稼働中
GPT / Gemini 連携済
開発部 技術課
デモ環境
大都

設計・開発インテリジェンスOS

遊技機の「回路図・ファームウェア・仕様書」の設計開発を速くし、属人化を防ぐAI。さらに、開発の成果をホールでの販売台数（増収）につなげる営業支援までを1つの土台に。

はじめての方へ：左のメニューから各機能を開けます。各画面の 青や赤のボタンを押すと、AIが処理する様子とできあがり（成果物プレビュー）が表示されます。まずは「回路図AI」からお試しください。

御社のお問い合わせへの回答：「図面に対応したAI」は、既製の1ツールでなく “つなぐ” ことで実現します

回路図・機械図面の読取／仕様書作成／簡単な回路生成を、既存のChatGPT・Geminiと社内の設計資産（過去の回路図・Cソース）を n8n でつないで実現。カスタマイズを最小化し、短期間で導入できる構成です。

回路図の仕様書化
3日 → 2時間
作業時間 ▲92%（仮定値）
Cコード初稿の作成
AIが7割下書き
若手でも着手可（属人化防止）
検定 事前セルフチェック
手戻り ▲40%
市場投入の遅れを防ぐ（仮定値）
ホール別 稼働の見える化
増設・次機種に反映
販売台数＝増収へ

① 開発設計の効率化（お問い合わせの中核）

  • 回路図AI — 既存の回路図PDF/画像を読み取り、部品表(BOM)・ネットリスト・設計チェックを自動化。仕様文から簡単な回路ブロックを生成。
  • ファームAI(C言語) — 主基板・サブ基板のCコードを下書き・レビュー。社内の過去ソースを参照して書き方を統一。
  • 仕様書・図面AI — 回路図/機械図面から仕様書を自動ドラフト。設計変更の差分も検出。

② 増収増益の営業支援（開発の成果を販売台数へ）

考え方：遊技機メーカーの売上 ＝ 新機種の投入数 × ホール設置台数 × 台単価 × 稼働（ホールが買い続ける理由）。開発を速くするだけでなく、「どのホールに何が刺さるか」を見える化すると、同じ機種でも販売台数が伸びます。
  • ホール稼働分析 — 設置済み機種のアウト・差枚・稼働率を可視化→増設提案・次機種企画へ。
  • 営業支援AI — 商談メモを話すだけで提案書・設置プラン・見積を自動作成。

既存ツール・システムはどうつながる？

すでにお使いの ChatGPT / Gemini、回路CAD（図研 CADSTAR 等）、ソース管理（Git）、図面管理サーバ、基幹（販売・生産）を、n8n という「業務をつなぐ仕組み」でハブ接続します。新しい大きなシステムに置き換えるのではなく、今ある資産を活かして“足りないところだけ”をAIで補う構成です。

ChatGPT / Gemini（既存） 回路CAD（図研CADSTAR 等） Git（Cソース資産） 図面管理サーバ 基幹（販売・生産） ホール稼働データ
本画面はデモ用のイメージです。機能・数値・運用はすべてあくまでも仮定であり、実際の仕様・精度・導入範囲は御社との協議のうえで決定します。表示企業名・ホール名・機種名は架空です。

回路図AI お問い合わせの中核

既存のChatGPT/Geminiが「文字だけ」なのに対し、こちらは回路図（PDF・画像）を読み取り、部品表・ネットリスト・設計チェックを自動で起こします。さらに仕様文から簡単な回路ブロックを生成します。

操作：下の「サンプル回路図を読み込む」ボタンを押すと、AIが回路図を解析する様子と、抽出された部品表・チェック結果が表示されます。

A. 回路図を読み取る（図面 → データ化）

サンプル回路図を読み込む 電源基板_LED駆動部_rev3.pdf（クリックで実行）
回路図PDFを画像認識（シンボル検出）
部品・配線（ネット）を抽出
GPT/Geminiで定数・型番を照合
設計ルールチェック（DRC）
抽出した部品表（BOM）
記号部品型番/定数数量AI判定
U1シフトレジスタ74HC5951OK
U2定電圧レギュレータ3.3V / 1A1OK
R1-R8電流制限抵抗330Ω8OK
C1デカップリング0.1µF1要確認
D1-D8LED（演出）赤 / 20mA8OK
設計チェックの指摘（2件）
  • U1 の電源ピン近くのデカップリング(C1)が1個のみ。長い配線のため 0.1µF の追加を推奨。
  • D7 のネットに未接続ピンの疑い。要目視確認（該当箇所をハイライト表示）。

B. 簡単な回路を生成する（仕様文 → 回路ブロック）

やりたいことを日本語で書くと、AIが回路ブロック・推奨部品・定数を提案します。
要件を解釈（電圧/電流/制御方式）
定石回路・推奨ICを選定
抵抗・容量の定数を計算
生成された回路ブロック案
[マイコン GPIO] ─SER→ 74HC595 ─Q0..Q7→ R(330Ω)×8 → LED×8 → GND
[3.3V] ─→ LDO 3.3V/1A ─→ VCC（+ 0.1µF デカップリング）
AIの提案理由：ピン1本でLED8個を制御 → シフトレジスタ(74HC595)でピン数を節約。330Ωは 3.3V・LED順方向2.0V・10mA から算出。常時点灯せずダイナミック点灯にすれば消費電流をさらに削減可能。
生成物はあくまで叩き台です。最終的な回路図・定数は設計者が回路CAD上で確定します。AIは「ゼロから考える時間」を短縮する役割です。
既存ツールとの連携：読み取った部品表・ネットリストは 図研CADSTAR 等の回路CAD に取り込める形式で出力。生成した回路案は、設計者がCAD上で清書 → そのまま検定チェック（下のタブ）へ渡せます。

ファームウェアAI（C言語） お問い合わせの中核

主基板・サブ基板のC言語コーディングを下書き・補完・レビュー。社内の過去ソース資産（Git）を参照するので、書き方が人によってバラバラになる属人化を防ぎ、若手でも着手できます。

操作：やりたい処理を選んで「Cコードを生成」を押すと、AIが社内コーディング規約に沿ったコードを下書きします。右側ではレビュー（指摘出し）も試せます。

A. Cコードを下書きする

処理内容を選択：
社内Gitから類似コードを検索
規約に沿ってCコードを生成
コンパイル前の静的チェック
seg_driver.c　AI生成
/* 7セグLED ダイナミック点灯ドライバ
 * 規約: 関数=動詞_名詞 / uint は stdint 型を使用 */
#include "seg_driver.h"

static const uint8_t SEG_FONT[10] = {
  0x3F,0x06,0x5B,0x4F,0x66,0x6D,0x7D,0x07,0x7F,0x6F /* 0-9 */
};

void seg_update(uint8_t *digits, uint8_t n) {
  static uint8_t pos = 0;
    seg_port_set(SEG_FONT[digits[pos]]);   /* 桁パターン出力 */
  seg_select_digit(pos);                 /* 該当桁のみ点灯 */
  pos = (pos + 1) % n;               /* 次桁へ巡回 */
}
AIコメント：過去機種「YSM-3 表示部」の実装パターンを踏襲しました。静的チェックで未定義動作なし。テストケースの雛形も生成できます。

B. 既存コードをAIレビューする

既存のCソースを貼り付けると、AIがバグ・可読性・規約違反を指摘します（例を用意済み）。
payout_ctrl.c（レビュー対象）
int calc_payout(int medal) {
  int i;
  for(i=0;i<=medal;i++){ hopper_out(); }
  return i;
}
構文・境界条件を解析
社内規約と照合
重要度指摘
重大払出枚数が1枚多い：i<=medal は medal+1 回ループします。i<medal が正。
警告hopper_out() の戻り値（払出成功/詰まり）を確認していない。エラー処理を追加推奨。
規約ループ変数 i はブロック内で宣言（規約 3.2）。
払出は検定にも直結する重要処理です。こうした境界バグをAIが一次検出することで、手戻り・不具合流出を減らします。
セキュリティ配慮：社内の機密ソースを外部に出さず扱いたい場合、社内サーバで動くローカルLLM構成も選べます。既存のChatGPT/Geminiは「社外に出してよい一般的な処理」に、機密コードはローカルに、と使い分ける設計が可能です（要協議）。

仕様書・機械図面AI お問い合わせの中核

回路図や機械図面（筐体・基板外形）を読み取り、仕様書を自動でドラフト。設計変更があった時の差分（どこが変わったか）も自動検出します。

操作：「仕様書を自動ドラフト」ボタンを押すと、図面の情報から仕様書のたたき台ができあがります。

図面 → 仕様書ドラフト

電源基板_LED駆動部_rev3.pdf 筐体外形図_BN7_rev2.dwg
回路図から電気仕様を抽出
機械図面から寸法・材質を抽出
仕様書テンプレートに整形
LED演出基板 設計仕様書（ドラフト）AI生成
定格電源電圧DC 3.3V（LDO安定化）
最大消費電流約 180mA（LED全点灯時）
制御方式シフトレジスタ(74HC595)によるシリアル制御
LED数 / 色8個 / 赤（20mA 定格）
外形寸法42 × 28 × 1.6 mm（基板）
動作温度範囲0 ～ +50 ℃
※ 数値は図面から自動抽出。空欄・不確実な項目はAIが要確認で示します。

設計変更の差分検出（rev2 → rev3）

rev2 / rev3 を重ね合わせ
変更箇所を抽出
変更点rev2rev3影響
電流制限抵抗220Ω330Ω消費電流↓
デカップリングなし0.1µF 追加ノイズ対策
基板厚1.0mm1.6mm筐体干渉 要確認
なぜ嬉しいか：「どこが変わったか」を人が目視で探す作業がなくなり、変更の見落とし（＝不具合・検定手戻り）を防げます。差分は仕様書・検定チェックにも自動反映されます。

検定・型式試験 事前チェックAI 手戻り削減＝増益

型式試験（検定）に出す前に、規則・内規の主要項目をAIがセルフチェック。不合格による開発やり直し・市場投入の遅れという最大のロスを減らします。

操作：「事前チェックを実行」を押すと、仕様書・シミュレーション結果をもとに適合状況が ○△× で一覧表示されます。×や△があれば、提出前に手を打てます。

なぜ「検定チェック」が増益に直結するのか

検定の不合格・差し戻しは、数週間〜数ヶ月の開発やり直しと市場投入の遅れを生みます。1機種の遅れは販売機会の損失そのもの。提出前にAIが一次チェックすることで、この最大級のロスを抑えます。

仕様書・遊技性能シミュレーション結果を取り込み
規則・内規の数値項目と照合
チェックリスト化・リスク判定

セルフチェック結果（主要項目）

適合 9要確認 2非適合 1
チェック項目基準設計値判定
出玉率（長期）規定範囲内範囲内○
有利区間の上限規定ゲーム数内規定内○
払出速度規定枚/分 以下規定内○
役物の作動規則準拠準拠○
性能表示の数値妥当性仕様書と一致一部差異△
主基板 外部端子の仕様内規準拠要確認△
エラー表示コードの定義内規で必須未定義あり×

AIの是正アドバイス

× エラー表示コードの定義漏れ
「E07（ホッパー空）」等の表示コードが仕様書に未定義です。内規で必須のため、提出前に定義してください。該当のC定数も自動で雛形生成できます。
△ 性能表示の数値差異
仕様書の記載値とシミュレーション結果に小さな差があります。どちらが正か確認を。
チェック項目・基準は内規改定に合わせて更新します。最終的な適合判断は保通協の型式試験によります。本機能は提出前の“自主点検”を支援するもので、合格を保証するものではありません（要協議）。

開発ナレッジAI（AI先輩） 属人化防止・育成

過去機種の設計資産・不具合事例・ベテランのノウハウをAIが記憶し、質問にその場で回答。「あの人に聞かないと分からない」をなくし、若手の立ち上がりを速くします。

操作：下の質問例をクリックするか、入力欄に質問を打って送信すると、AIが社内資料を出典つきで回答します。

AI先輩に聞く

社内文書 1,240件を参照
AI
こんにちは。開発ナレッジAI（AI先輩）です。過去機種の回路・ファーム・不具合事例・設計ルールについて、気軽に質問してください。
ホッパー詰まりのエラー処理、過去機種ではどう実装してた？
主基板の乱数生成でよくある不具合は？
サブ基板とメイン基板の通信フォーマットの社内標準は？

AIが記憶している資産

  • 過去機種の回路図・部品表（28機種分）
  • 主基板・サブ基板のCソース資産（Git）
  • 不具合・検定差し戻しの事例集
  • 社内コーディング規約・設計標準

効果（仮定値）

若手の「調べ物」時間 ▲60%
ベテランへの質問対応 ▲50%
退職によるノウハウ消失 リスク低減

ホール稼働インテリジェンス 増収増益

出荷して終わりにせず、設置先ホールの稼働（アウト・差枚・稼働率）を可視化。「よく回っているホール＝増設の余地」「反応が鈍い機種＝次の企画のヒント」を掴み、販売台数（増収）につなげます。

売上を伸ばす考え方：売上 ＝ 機種数 × ホール設置台数 × 台単価 × 稼働。開発を速くする（機種数）だけでなく、設置台数と稼働をデータで動かすのがこの画面の役割です。
主力機種の設置ホール
1,420 店
前月 +38店
平均 稼働率（アウト）
71.4%
前月 +2.1pt
AI検出：増設の見込み
+860 台
稼働上位ホール起点
撤去リスク（要フォロー）
24 店
稼働低下の兆候

稼働上位ホール ＝ 増設提案の候補

ホール（架空）設置台数稼働率AI提案
フェニックス戸田12台88%—
エンペラー大宮8台85%—
ロイヤル草加6台83%—
ギンザ板橋10台62%—
ウイング越谷4台41%—

稼働データ → 開発へのフィードバック

  • よく回る演出・ゲーム性をデータで特定 → 次機種の企画に反映（ヒット率を上げる）。
  • 稼働が鈍い要因（設定の入れ方／客層ミスマッチ）を分析 → 営業のフォロー材料に。
  • 開発（機種）→ 販売（設置）→ 稼働（データ）→ 次の開発、の好循環をAIが回す。
稼働データは、公開されている設置・稼働情報や御社が入手されるフィールドデータを前提としたイメージです。入手経路・粒度は要協議です。

営業支援AI（喋るだけ） 増収増益

ホール・販社への営業活動を支援。商談メモを話すだけで、提案書・設置プラン・見積・お礼メールまでAIが下書き。営業は「資料づくり」でなく「お客様と向き合う時間」に集中できます。

操作：「音声メモからまとめて作成」ボタンを押すと、商談メモ（録音の文字起こし）から提案一式がどう自動生成されるかを体験できます。

商談メモ（音声の文字起こし）

「フェニックス戸田さん訪問。番長系の新台、評判よくて既存12台はほぼ満席。島の入れ替えで＋4台いけそう。ただ角2台は設定の入れ方に迷ってるみたい。隣のエンペラー大宮も様子見てて、戸田が増やすならウチもと言ってた。次回、稼働データ持って再訪の約束。」
商談内容を要点抽出
稼働データと突合（戸田88%）
提案書・見積・次アクションを生成

AIが自動作成した成果物

以下がワンクリックで揃いました
増設提案書（フェニックス戸田 様）
稼働率88%・満席続きのデータを根拠に+4台の増設を提案。角2台向けに設定運用のアドバイス資料を同梱。
御見積（自動作成）
4台 ＋ 周辺機器 ＋ 設置費 … 自動計算・基幹の単価マスタ参照
次アクション（CRM登録）
「稼働データ持参で再訪」を自動登録。横展開：エンペラー大宮にも同提案を候補化。
左のボタンを押すと、ここに成果物が表示されます

これが「増収」につながる理由

① 設置台数が増える
稼働データを根拠にした提案は通りやすい。感覚でなく数字で増設を後押し。
② 横展開で面を取る
「隣が増やすならウチも」をAIが候補化。1件の成功を近隣ホールへ波及。
③ 営業が商談に集中
資料作成時間を削減 → 訪問件数・提案回数そのものが増える。

既存ツール・システム連携 全体図

御社がすでにお使いのツールを置き換えず、n8n（業務をつなぐ仕組み）をハブにして連携します。点線の枠は既存のもの、実線は新しく足すAI機能です。

中央の紫が「n8n ハブ」。各ツールから情報を受け取り、AI処理をして、また各ツールへ返します。どのノードもクリックで役割を確認できます。

n8n ハブ ＆ 既存資産の連携

既存追加するAI
n8n ハブ
各ツールをつなぎ
AI処理を振り分け
ChatGPT / Gemini
既存のチャットAI
回路CAD
図研 CADSTAR 等
Git
Cソース資産
図面管理
回路図・機械図面
基幹システム
販売・生産・単価
ホール稼働
設置・稼働実績
AI図面エンジン
読取・仕様書化・生成
ナレッジAI
RAG 出典つき回答
文章AI
BOM/ネット
コード参照
見積・単価
設計開発フロー
回路図/図面 → AI図面エンジンが読取 → 仕様書・BOM → 検定チェック → CADで清書。Cコードは Git ＋ AIで下書き・レビュー。
増収フロー
ホール稼働 → n8n取込 → 増設提案AI → 商談メモ（音声）→ 提案書・見積（基幹の単価参照）→ CRM登録。
導入の進め方（仮）
カスタマイズを抑え、まず1機能（回路図AF or ナレッジAI）から小さく試す → 効果を見て横展開。短期間での導入を優先。
構成・連携先・担当範囲はあくまでも仮定です。実際の既存ツール（回路CADの製品名・基幹の種類・ホールデータの入手可否）をヒアリングのうえ、最小構成で設計します。
デモ用モック（ピースフラットシステム）