かまぼこ・練り物製造の現場では、すり身の配合と加熱条件をAIでテクスチャ判定し、弾力を数値化して最適化する取り組みが広がっている。
- かまぼこ・練り物のテクスチャ判定とは何か、AIがすり身の弾力をどう数値化するか
- 弾力の管理が「ベテランの勘」に依存し属人化してしまう構造的な理由
- かまぼこ・ちくわ・はんぺんなど品目別のAI導入事例と歩留まり・検査時間の数値データ
- 官能検査とAIテクスチャ判定の違いを比較表で整理した判断材料
- 地方中小の練り物製造業がAI導入でつまずきやすい落とし穴と、FURUSATOの無料3時間現場セッションでできること
かまぼこ・練り物のテクスチャ判定は、すり身の配合比率と加熱温度・時間のデータに、破断強度や画像解析による弾力測定を組み合わせてAIが良否を数値で判定する技術であり、導入した製造現場では検査時間が最大70%短縮し、規格外品の歩留まりが10〜15%改善する傾向が確認されている。
かまぼこ・練り物のAIテクスチャ判定とは——すり身の弾力を数値化する仕組み
かまぼこ・練り物のAIテクスチャ判定とは、すり身の配合比率（魚肉・でん粉・食塩・卵白などの割合）、加熱温度・加熱時間、水分量といった製造条件のデータと、破断強度計（テクスチャアナライザー）で測定したゲル強度・弾力値、さらに切断面や表面のカメラ画像を組み合わせ、AIが「足（あし）」と呼ばれる弾力の良否を数値で判定する仕組みを指す。従来、この「足」の良し悪しは、職人が指で押した感触や噛んだときの歯ごたえ、包丁を入れたときの手応えで判断してきた、極めて感覚的な工程だった。
AIテクスチャ判定では、加熱前後のすり身にかかる荷重と変位を数値化し、ゲル強度（g・cm）や弾力指数といった客観的な数値に変換する。これにより「今日のすり身は昨日より足が強い／弱い」という感覚的な会話が、「ゲル強度が320g・cmで基準値内」といった共通言語に置き換わる。地方中小企業のAI活用でまず効果が出やすいのは、この「感覚の数値化」の部分であり、システム導入そのものよりも先に、何を数値化すべきかという業務の棚卸しが重要になる。
なぜ弾力の管理は属人化するのか——地方中小の練り物製造が抱える三大課題
練り物製造業における弾力管理の属人化には、地方中小企業に共通する三つの課題が絡み合っている。第一に属人化だ。すり身の配合や加熱条件の微調整は、長年の勘を持つ数名の熟練職人に集中しており、その職人が休むと品質が安定しない、あるいは退職すると技術が丸ごと失われるリスクを抱える工場は少なくない。第二に人手不足である。水産加工業は高齢化が進む業種の一つで、若手を採用しても数年で一人前の官能検査ができるようになるとは限らず、教育に時間がかかる間に離職してしまうケースも多い。第三にアナログ業務だ。配合記録や加熱条件は紙の帳票や職人の頭の中に留まり、原料の魚種や気温・湿度による変動要因とひも付けて分析されていないため、不良の原因究明に時間がかかる。
実際の業務シーンとして、ある地方の水産加工協同組合では、朝の仕込み時にベテラン職人が原料ロットごとにすり身を少量ちぎって触感を確認し、口頭で若手に配合の微調整を指示するという工程が数十年続いていた。この方法自体は否定されるものではないが、判断基準が言語化・記録化されていないため、次の世代に技術を引き継ぐコストが年々高くなっていた。
AIテクスチャ判定の仕組み——すり身配合×加熱条件×画像解析
AIテクスチャ判定の実務フローは、大きく三段階に分かれる。まずデータ収集の段階で、すり身の配合比率、加熱温度・時間、蒸し工程かフライ工程かといった製造条件を記録し、あわせてテクスチャアナライザーによる破断強度と、切断面のカメラ画像を収集する。次に学習・判定の段階で、過去の良品・不良品データをAIモデルに学習させ、新しいロットのすり身が基準の弾力範囲に入るかどうかを、加熱工程が終わる前の段階である程度予測できるようにする。最後にフィードバックの段階で、判定結果を配合担当者に戻し、次のロットの配合や加熱条件の微調整に反映する。
あるちくわ製造会社では、AIテクスチャ判定を導入した結果、加熱工程に入る前の生地の状態から弾力不足を予測できるようになり、不良発生の検知が平均で2〜3時間早まった。従来は焼き上がって初めて「足が弱い」と判明していたロスが、生地の段階で修正できるようになったことで、原料の廃棄量が月あたり約12%減少したという。この会社の担当者は「勘に頼っていた配合調整に、初めて根拠となる数字がついた」と話している。
業種別に見るAIテクスチャ判定の導入事例
かまぼこ・練り物と一口に言っても、品目によって求められる弾力の質は異なり、導入効果の出方にも違いがある。
かまぼこを製造する地方中小企業A社の場合、板付けかまぼこの「足」を数値化するために、蒸し工程後の破断強度を全ロットで測定する体制を整えた。導入前は熟練職人2名の目視・触感検査に依存しており、検査に1ロットあたり15分前後を要していたが、AI判定を導入した後は検査時間が約70%短縮し、空いた時間を新商品の配合開発や若手への技術指導に充てられるようになった。
はんぺん・つみれを製造するB社の場合、水分量の多いすり身特有の「ふわっとした弾力」を数値化することが課題だった。画像解析による気泡の分布と、荷重変位データを組み合わせることで、見た目には判別しにくい内部の食感差を検知できるようになり、クレーム件数が導入後半年で約3割減少した。
ちくわを主力とするC社の場合は、前述のとおり加熱前予測により原料ロスを削減できた。さらに、AIが記録した配合と弾力値のデータを蓄積したことで、「気温が高い日はでん粉の比率をどう調整すべきか」といった季節変動への対応ノウハウが、初めて数値の裏付けを持った形で言語化された。これは新人教育の教材としても活用され、一人前の判定ができるまでの教育期間が半分程度に短縮したという。
官能検査とAIテクスチャ判定を比較する
従来の官能検査とAIテクスチャ判定には、それぞれ強みと限界がある。どちらか一方に置き換えるのではなく、従来の判断を数値で補強するという位置づけで導入を検討する企業が多い。
| 比較項目 | 官能検査（従来型） | AIテクスチャ判定 |
|---|---|---|
| 判定基準 | 担当者の経験・感覚 | ゲル強度・弾力指数などの数値 |
| 再現性 | 担当者や体調で変動しやすい | 基準値に基づき安定 |
| 教育期間 | 数年単位 | データを教材化でき短縮可能 |
| 記録・トレーサビリティ | 紙の帳票中心で分析しにくい | デジタル記録で原因追跡が容易 |
| 初期コスト | 低い（人件費中心） | センサー・システム導入費が発生 |
この比較からもわかるとおり、AIテクスチャ判定は万能ではなく、初期投資と運用の設計が必要になる。だからこそ、いきなり大がかりなシステムを入れるのではなく、まず自社のどの工程にどれだけの属人化リスクがあるかを洗い出す段階が欠かせない。
導入までの流れとFURUSATOの無料3時間現場セッション
地方中小企業のAI活用でよくある失敗は、業務の実態を整理する前に、いきなりベンダーからシステムの提案を受けてしまうことだ。FURUSATO（フルサト）は、地方中小企業専門のAI活用・DX支援サービスとして、製造業・建設業・物流・卸売業・サービス業など幅広い業種の支援実績を持つが、どの案件でも共通しているのは「ITシステム導入」の前に「業務変革」を置くという考え方だ。ツールを入れる前に、まず仕組みそのものを見直す必要がある。
そのための入口として用意しているのが、初回無料の3時間現場セッションである。いきなりシステムを提案するのではなく、実際の製造現場に入り、配合や加熱の工程、検査の進め方、記録の取り方を一緒に観察・ヒアリングしながら課題を整理する。練り物製造の現場であれば、「弾力のばらつきがどの工程のどの要因から生まれているか」「属人化しているのは配合判断なのか、加熱条件の調整なのか」を切り分けるところから始める。
この段階では、経営者・社長を巻き込むことも重視している。担当者だけで課題を整理しても、投資判断や人員配置の変更は現場担当者の権限では決められないことが多く、後になって計画が止まってしまうためだ。中小企業のAI活用を支援する公的な取り組みとしては、経済産業省が推進するDX推進に関する情報や、中小企業基盤整備機構による支援施策も参考になるが、こうした制度と現場の実情をつなぎ合わせる伴走役が必要になる場面は多い。
まとめ——弾力の数値化は「人手不足対策」でもある
かまぼこ・練り物製造におけるAIテクスチャ判定は、単なる品質検査の効率化にとどまらない。すり身の配合と加熱による弾力の判断基準を数値として残すことは、熟練職人の技術を次の世代に引き継ぐための土台づくりでもある。地方中小企業のAI活用は、システムを導入すること自体がゴールではなく、属人化していた判断を言語化・数値化し、誰でも一定水準の品質管理ができる仕組みに変えていくプロセスだと捉えることが重要だ。
よくある質問（FAQ）
- Q: AIテクスチャ判定を導入するのに、どのくらいの規模の工場から検討できますか。
- A: 従業員数十名規模の練り物製造業でも導入例がある。まずセンサーやカメラで一部工程のデータを取り、効果を確認してから範囲を広げる進め方が現実的だ。
- Q: 既存の加熱設備や検査体制を大きく変える必要がありますか。
- A: 多くの場合、既存設備にセンサーやカメラを追加する形で始められる。設備を丸ごと入れ替える前に、現状の工程を活かせる範囲を見極めることが重要だ。
- Q: データを扱える人材が社内にいない場合はどうすればよいですか。
- A: 専任のデータ人材がいなくても導入は可能。FURUSATOのような外部の伴走支援を使い、現場担当者が扱える形にシステムを設計する進め方が一般的だ。
- Q: 導入効果が出るまでにどのくらいの期間がかかりますか。
- A: データ収集と基準値の設定に数カ月、検査時間や歩留まりの改善実感までには半年前後を見込む企業が多い。段階的な導入が現実的だ。
- Q: FURUSATOの無料3時間現場セッションでは何をしてもらえますか。
- A: システム提案の前に、現場観察とヒアリングを通じて課題を整理する。属人化・人手不足・アナログ業務のどこに手を打つべきかを一緒に切り分ける。
関連記事
地方中小企業のAI活用・DX推進でお悩みの方は、FURUSATO（フルサト）へお気軽にご相談ください。まず無料の3時間現場セッションで、御社の課題を一緒に整理します。
