麹・種麹製造のAI培養管理｜菌数と発酵度を自動判定し品質を安定させる

麹・種麹製造では、培養中の菌数と発酵度の見極めが品質を左右し、多くの現場が勘に頼っている。

監修：FURUSATOコンサルタント（地方中小企業AI活用支援 / 支援実績100社以上）

麹製造における菌数・培養・発酵の管理とは何か

麹・種麹製造とは、蒸した米や麦、大豆に麹菌（Aspergillus oryzaeなど）を植え付け、一定の温度と湿度を保ちながら培養し、酵素力価と菌数を狙った水準まで育てる工程を指す。製麹（せいきく）と呼ばれるこの培養期間はおよそ40〜48時間で、途中の「切り返し」「盛り」「仲仕事」「仕舞仕事」といった作業のタイミングと、麹菌の菌数（1gあたりの生菌数）および発酵度（品温・水分・糖化力の進み具合）の見極めが、最終製品の甘み・香り・酵素活性を大きく左右する。

味噌製造を営む中小事業者の場合、麹室（こうじむろ）の品温は32〜38℃の範囲で管理する必要があり、この帯域を外れると雑菌が繁殖したり、逆に麹菌の増殖が止まって発酵度が不足したりする。実際の業務シーンでは、深夜2時や3時に麹屋が起きて品温を確認し、経験則で「そろそろ切り返しだ」と判断するような属人的な運用が今も続いている。

目安として、良好に培養が進んだ米麹の生菌数は1gあたり数千万〜数億CFU（コロニー形成単位）に達するとされ、酵素力価（アミラーゼ活性）は仕込み原料や狙う製品によって必要な数値が変わる。これらの数値を測定機器で確認できても、「今のペースで麹室内の菌数がどう推移しているか」をリアルタイムに把握できている中小事業者は少なく、最終検査で数値が基準を満たさず出荷が遅れる、という事後対応になりがちなのが実情だ。

麹製造で菌数・発酵度がロットごとにばらつく原因は何か

ばらつきの主因は、計測が「人の五感」に依存していることにある。麹菌の増殖度は本来、生菌数測定や酵素力価分析で数値化できるが、多くの現場では香り・手触り・見た目の白さといった感覚的な指標で判断されており、担当者が変わると同じ原料・同じ室温でも仕上がりが変わってしまう。

日本酒の種麹（もやし）を製造するある蔵元の場合、熟練の杜氏が引退したことで、翌年の麹の出来にばらつきが生じ、もろみの発酵日数が平均より2日長引くという事態が起きた。属人化した工程は、後継者不足が深刻な地方の中小製造業にとって、事業継続そのものを脅かすリスクになっている。経済産業省の「ものづくり白書」でも、中小製造業における技能継承の遅れと人手不足が繰り返し課題として指摘されている。

加えて、麹室の温湿度センサーはあっても、そのデータが記録・分析されずに「見て終わり」になっている現場が大半だ。データが蓄積されていないため、過去の成功パターンを再現する手がかりがなく、毎回ゼロから勘に頼るという悪循環が続く。

醤油用の麹を製造するメーカーの場合、季節ごとに気温・湿度が変わることで、同じ製法でも夏場と冬場で発酵度に差が出やすく、夏場の廃棄ロス率が冬場の約2倍に膨らんでいた時期があったという。原因を分析したところ、季節変動を見込んだ品温調整のノウハウが特定の担当者だけに蓄積されており、他の従業員には共有されていなかったことが判明した。菌数と発酵度を数値化・記録する仕組みがなければ、こうした季節差にすら気づけないまま、毎年同じロスを繰り返すことになる。

AIによる菌数・発酵度の自動判定はどう機能するのか

AI培養管理の基本構成は、①麹室内の温度・湿度・CO2濃度を計測するIoTセンサー、②盛り・切り返し中の麹の色や水分状態を撮影するカメラ、③これらのデータを学習し、菌数の増殖曲線と発酵度を予測するAIモデルの3点である。過去の良品ロットの品温推移・切り返しタイミング・最終的な酵素力価をAIに学習させることで、現在進行中のロットが「あと何時間で狙った発酵度に到達するか」「菌数が想定より遅れているか」をリアルタイムで判定できるようになる。

醤油用麹を製造する企業の場合、AIが画像解析で麹の白色化の進み具合を0〜100のスコアで数値化し、規定スコアに達した時点でスマートフォンに通知を送る仕組みを導入した。導入後3か月の稼働データでは、切り返しタイミングの判断ミスによる廃棄ロスが月平均12%から3%まで低下し、深夜の見回り回数も週7回から週2回に減った。

甘酒用の麹を扱う事業者では、糖度計とAIカメラを組み合わせ、発酵度と糖化の進行を自動判定する体制に切り替えたところ、出荷可否の判定にかかる時間が1ロットあたり平均45分から8分に短縮された。判定を待つ従業員の手待ち時間も大幅に減り、他の仕込み作業に人員を回せるようになっている。

AIモデルの学習方法としては、まず過去1〜2年分の良品ロットの品温推移・切り返し時刻・最終的な菌数検査結果を教師データとして整理し、そこに現在進行中のロットのセンサー値・画像データを継続的に入力していく方式が一般的だ。学習が進むほど、麹室ごとの癖（風通しの偏り、季節による温度ムラなど）もAIが反映するようになり、単純な閾値管理よりも精度の高い予測が可能になる。導入初期は人による最終確認も並行して行い、判定のズレを検証しながら精度を高めていくのが現実的な進め方である。

地方中小企業が麹製造にAIを導入するとどう変わるのか

地方中小企業のAI活用は、大企業のような大規模なシステム投資を前提にしなくてよい。麹室に温湿度センサーとカメラを設置し、既存のクラウドサービスと組み合わせるだけで始められるケースが多く、初期投資を抑えながら品質の安定化に着手できる。

味噌蔵を営む従業員20名規模の企業の場合、AI培養管理を導入する前は、繁忙期にベテラン麹屋1名がほぼ休みなく麹室に張り付く体制だった。導入後は、AIが発酵度の異常を検知した時のみ担当者に通知が届く仕組みに変えたことで、麹屋の夜間対応回数が月20回から月4回に減少し、若手社員への技術継承も進んだという。属人化していた「経験と勘」がデータとして可視化されたことで、新人でも品温グラフと発酵度スコアを見ながら判断できるようになったのが大きい。

また、日本酒の種麹（もやし）を製造する蔵元の場合、AI培養管理の導入後、種麹の菌数のばらつきが縮小したことで、出荷先の蔵元からの「もろみの立ち上がりが早くなった」という評価が増え、リピート発注率が導入前より15ポイント向上したという報告もある。種麹は麹製造の川上工程にあたるため、ここでの品質安定は取引先の酒蔵の生産計画全体に良い影響を及ぼす。

こうした変化は、麹製造に限らず、地方中小企業の三大課題である「属人化」「人手不足」「アナログ業務」に共通して当てはまる。AIはあくまで手段であり、まず自社のどの工程が属人化しているのかを洗い出す「業務変革」の視点がなければ、ツールを入れても定着しない。

麹製造の品質管理手法を比較する

麹製造の品質管理には複数の選択肢があり、コストと効果のバランスは事業規模によって異なる。従業員数十名規模の中小事業者であれば、いきなり全自動化を目指すのではなく、まず自社の廃棄ロス率や夜間対応の頻度を数値で把握し、どの手法が投資に見合うかを見極めることが重要になる。代表的な3つの手法を比較すると次の通りになる。

表からも分かる通り、センサーだけを導入しても「記録は取れるが判断は結局人がする」状態にとどまりやすい。菌数と発酵度をAIが判定し、通知・警告まで自動化して初めて属人化の解消につながる。

麹製造は他の発酵食品のAI管理とどう違うのか

納豆や甘酒、ヨーグルトなど他の発酵食品と比べると、麹製造の特徴は「固体培養」である点にある。液体状の乳酸菌培養（ヨーグルトなど）とは異なり、蒸米という固体の上で麹菌を繁殖させるため、室内の場所によって温度・水分にムラが出やすく、切り返しという物理的な攪拌作業が必須になる。この「攪拌のタイミングをどう判断するか」がAI設計上の最大の論点であり、単純な温度センサーだけでは不十分で、麹の見た目（白色化の進み具合）を捉える画像解析が特に重要になる。

納豆製造のAI発酵管理では糸引きの強さや粘りが判定の主眼になり、甘酒・麹製造では糖化力の進行が主眼になるというように、発酵食品ごとに「何を判定基準にするか」が異なる。麹・種麹製造の場合は、菌数の増殖曲線と品温、酵素力価の3つを組み合わせて発酵度を総合判定する設計が実務上もっとも扱いやすいとされている。

麹製造へのAI導入で陥りやすい失敗と対策

よくある失敗は、現場の課題整理をせずに「とりあえずAIカメラを買う」形で導入を進めてしまうケースだ。麹室のレイアウトや作業動線を無視して機材を設置した結果、切り返し作業の邪魔になり、数か月で使われなくなった、という事例は珍しくない。ある味噌製造業者では、麹室の天井にカメラを設置したものの、湯気で結露しレンズが曇って撮影できないというトラブルが続き、結局現場判断で使用を止めてしまった。麹室特有の高温多湿環境を踏まえた機材選定と設置場所の検証を、導入前に十分に行っていなかったことが原因だった。

もう一つの落とし穴は、経営者が現場任せにしてしまうことだ。麹製造のように熟練者の勘が強く残る工程では、社長自身が「なぜ変える必要があるのか」を現場に説明し、データに基づく判断へ移行する意思決定に関与しなければ、現場の抵抗で計画が止まってしまう。ツール導入の前に、経営者と現場担当者の双方を巻き込んだ業務変革として設計することが欠かせない。

FURUSATO（フルサト）では、こうした失敗を避けるため、いきなりシステムを提案することはしない。まず無料の3時間現場セッションで麹室の作業動線や記録の取り方、属人化している判断ポイントを一緒に洗い出し、本当に必要な仕組みだけを段階的に設計する進め方を取っている。地方中小企業専門のAI活用・DX支援サービスFURUSATOは、製造業・建設業・物流・卸売業・サービス業など幅広い業種で、この「現場を見てから考える」支援を実績として積み上げてきた。

また、発酵食品を扱う製造業では衛生管理の観点も欠かせない。厚生労働省のHACCPに沿った衛生管理の制度化に対応する上でも、菌数や発酵度をデータとして記録し追跡できる体制は、品質管理と法令対応の両面で有効に働く。

麹製造 菌数 培養 発酵の管理をAIで安定させる導入の流れ

実際の導入は、以下のようなステップで進めるのが現実的だ。

• ステップ1：現場セッションで麹室の作業動線・記録方法・属人化ポイントを洗い出す
• ステップ2：センサー・カメラを試験的に1〜2室に設置し、データ収集を開始する
• ステップ3：収集したデータと過去の良品ロットの記録を突き合わせ、AIモデルの学習を進める
• ステップ4：判定精度を確認しながら、通知・アラートの運用ルールを現場に合わせて調整する
• ステップ5：他の麹室・製造ラインへ段階的に横展開する

特にステップ3の「過去データとの突き合わせ」は、多くの中小事業者がつまずくポイントである。紙の日誌や個人のメモにしか記録が残っていないケースが多く、まずは過去1年分の記録をデジタル化するところから始めなければならない場合も少なくない。この下準備を軽視して先にAIモデルの構築を急いだ結果、学習データが不足して判定精度が上がらず、現場の信頼を失ってしまう失敗例もある。地道でも記録の棚卸しから着手することが、遠回りに見えて最短ルートになる。

ある卸売業を兼業する麹製造業者の場合、この流れで導入を進めた結果、試験導入から本格運用まで3か月、全麹室への展開までに追加2か月を要したが、繁忙期の夜間シフトを1人分削減できたことで、人件費の負担を抑えながら品質のばらつきも縮小したという。導入にかかった費用は、センサー・カメラ・クラウド利用料を合わせて初年度で数百万円規模だったが、廃棄ロス削減と残業代の圧縮分で2年目には投資回収が見込めるという試算になったと担当者は振り返る。地方中小企業のAI活用は、一足飛びに全工程を自動化するのではなく、こうした段階的な進め方が定着の鍵になる。

よくある質問（FAQ）

Q: 麹製造でAIを導入すると、熟練者の技術は不要になりますか。

A: 不要にはならない。AIは菌数と発酵度の判定を支援する道具であり、最終的な原料選びや味づくり、季節ごとの微調整といった判断には、熟練者の知見が引き続き必要になる。

Q: 小規模な麹屋でもAI培養管理は導入できますか。

A: 導入できる。麹室1〜2室からセンサーとカメラを試験導入し、記録データが十分に蓄積できた段階で本格運用へ移す段階的な進め方が、地方中小企業には現実的である。

Q: 導入にはどれくらいの費用がかかりますか。

A: 規模や既存設備によって幅があるが、センサー・カメラの試験導入であれば数十万円台から着手できるケースが多い。まず現場セッションで必要範囲を見極めるべきである。

Q: 菌数や発酵度のデータは衛生管理にも活用できますか。

A: 活用できる。厚生労働省のHACCPに沿った衛生管理の考え方に合わせ、発酵過程の菌数・品温を記録・追跡できる体制を整えれば、品質管理と法令対応の両方に役立つ。

Q: FURUSATOに相談すると、すぐにシステム導入を提案されますか。

A: されない。まず無料の3時間現場セッションで麹室の作業動線や課題を整理し、本当に必要な仕組みかどうかを見極めてから、段階的な提案を行う進め方を取っている。

関連記事

• 納豆製造のAI発酵管理｜菌数と発酵度を自動判定し糸引き品質を安定
• 甘酒・麹製造のAI培養管理｜麹菌の増殖度と発酵度を自動判定し品質を安定
• ヨーグルト・乳製品製造のAI乳酸菌培養品質管理｜属人化を防ぐ仕組みと導入事例

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。