こんにゃく製造の現場では、のり濃度と凝固の管理が食感を左右する最重要工程でありながら、職人の勘に依存しているケースが少なくありません。
- こんにゃく製造でロット差が生まれる工程上の原因
- AIによるのり濃度・加熱・凝固の自動制御の仕組みと効果
- 地方中小企業がAI導入でつまずきやすいポイントと対策
- 導入前に整理すべき現場課題の洗い出し方
- 実際に食感が安定した企業の数値データ
こんにゃく製造の濃度・凝固管理は、のり濃度計測と加熱・凝固剤投入をAIでリアルタイム連携させることで、職人の勘に頼らず食感を再現できる。属人化解消と歩留まり改善の両方に効果がある。
こんにゃく製造における濃度・凝固管理とは何か
こんにゃく製造は、こんにゃく粉を水に溶かして「のり」を作り、水酸化カルシウムなどの凝固剤を加えて固める工程が中心になる。この過程でのり濃度（水に対するこんにゃく粉の溶解比率）と加熱温度、凝固剤の投入タイミングの3つが食感（硬さ・弾力・煮崩れしにくさ）を決定づける。のり濃度が0.1ポイント変わるだけでも、できあがりの硬さは体感できるレベルで変化するといわれ、季節による気温・湿度、こんにゃく芋の収穫時期や産地ロットの違いによって、同じレシピでも仕上がりが揺れやすい。
群馬県内で3代続くこんにゃく製造会社の場合、のり濃度の判断は「杓子でのりをすくって糸を引く長さを見る」という熟練職人の目視・感覚に依存していた。この方法自体は長年蓄積された技術だが、判断できるのは工場長を含む2名のみで、どちらかが休むと生産ラインを止めざるを得ない状況が続いていた。これは地方中小企業の製造現場に共通する「属人化」の典型例といえる。
なぜ食感がロットごとにばらつくのか——属人化という構造課題
こんにゃく製造で品質のばらつきが起きる原因は、大きく3つに整理できる。第一に、のり濃度の計測が目視や経験則に依存し数値化されていないこと。第二に、加熱工程での温度上昇カーブが季節や設備の経年劣化によって変動すること。第三に、凝固剤を投入するタイミングの判断が担当者ごとに異なることである。
老舗こんにゃく製造業を営むB社では、繁忙期にパート従業員が凝固工程に入る際、経験不足からのり濃度の見極めが甘くなり、不良品率が通常の1.5倍に跳ね上がった時期があったという。こうした事態は、判断基準が「言語化・数値化」されていないために起こる。マニュアル化を試みても、「粘りの出方」「照りの出方」といった感覚的な表現では新人に技術が伝わりにくく、結局はOJTで数年かけて覚えるしかないという構造が、人手不足の中小製造業の生産性を押し下げている。
経済産業省の資料でも、中小企業における技能継承の課題は人手不足と並ぶ経営上の重要テーマとして繰り返し指摘されており、製造業全体で共通する構造的な問題であることがわかる（経済産業省）。
こんにゃく製造のAI凝固・濃度管理はどう機能するのか
AIによる濃度・凝固管理とは、のり濃度センサーと加熱制御、凝固剤投入システムをリアルタイムで連携させ、目標とする食感データに近づくよう自動調整する仕組みを指す。具体的には、粘度センサーでのりの粘度・濃度を数値として常時計測し、あらかじめ設定した目標レンジから外れた場合に、加水量や加熱温度、攪拌時間をAIが自動で補正する。過去の生産データを学習させることで、気温や湿度、原料ロットが変わっても目標の食感に近づけられる点が従来の温度・時間だけを管理するIoT機器と異なる部分だ。
群馬県内の中堅こんにゃく製造会社の場合、粘度センサーとAI制御盤を凝固工程に導入したところ、導入から45日で不良品率が8%から3%まで低下し、熟練職人が休んでも同じ品質のこんにゃくを製造できる体制が整った。属人化していた「杓子で糸を引く判断」を数値データに置き換えたことで、新人でも一定水準の製品を作れるようになったことが大きい。
AI導入で何が変わるか——数値で見る効果
AIによる濃度・凝固管理を導入した企業の実例を見ると、共通して次のような効果が報告されている。
- 不良品率が導入前と比べて30〜60%程度低下する事例が多い
- 熟練職人でなくても凝固工程を担当できるようになり、人員シフトの柔軟性が向上する
- のり濃度データが記録として残るため、クレーム発生時の原因追跡が数時間から数十分に短縮される
- 季節変動によるロット差が縮小し、返品・再加工コストが削減される
ある業務用こんにゃく卸へ製品を納めている製造業の場合、導入前は月に数件発生していた「硬すぎる」「柔らかすぎる」というクレームが、AI濃度管理の導入後はほぼゼロになったという報告もある。これは、のり濃度と加熱温度の相関関係をデータとして可視化し、異常値が出た時点でアラートを出す仕組みが機能した結果だ。中小企業庁の調査でも、生産性向上のためのデジタル技術活用が中小製造業の経営課題解決に寄与するとされており、こうした現場データの見える化は業種を問わず効果が出やすい領域とされている（中小企業基盤整備機構）。
従来の職人管理とAI濃度管理はどう違うのか——比較表
| 比較項目 | 従来の職人による管理 | AIによる濃度・凝固管理 |
|---|---|---|
| 判断基準 | 目視・感覚・経験則 | 数値化されたのり濃度・温度データ |
| 技術継承 | OJTで数年単位が必要 | データとして即座に共有可能 |
| 属人化リスク | 担当者不在で生産停止のおそれ | 複数人での対応が可能 |
| 異常時の対応 | 不良発生後に気づくことが多い | アラートでリアルタイムに検知 |
| 季節変動への対応 | 都度、感覚で微調整 | 過去データを学習し自動補正 |
地方中小企業がAI導入でつまずくポイントと乗り越え方
ここまで見てきたように、AIによる濃度・凝固管理は食感の安定化に大きく貢献する。ただし、地方中小企業のAI活用では「いきなりセンサーやシステムを導入すればうまくいく」わけではない点に注意が必要だ。現場でよく起きるつまずきは次の3つに集約される。
1つ目は、現場の課題を整理しないままシステムベンダーに相談し、必要以上に高機能な設備を提案されて費用対効果が合わなくなるケース。2つ目は、導入したものの現場の従業員が使い方に納得しておらず、結局は手動管理に戻ってしまうケース。3つ目は、経営者だけが導入を決め、現場責任者を巻き込まなかったために、運用ルールが定着しないケースである。
これらはこんにゃく製造業に限らず、製造業・建設業・物流・卸売業など地方中小企業全般に共通する「属人化・人手不足・アナログ業務」という三大課題の裏返しでもある。ツールを入れる前に、まず現場の業務プロセスそのものを見直す「業務変革」の視点が欠かせない。
FURUSATOが実践する業務変革型の支援アプローチ
地方中小企業専門のAI活用・DX支援サービスFURUSATO（フルサト）は、こうしたつまずきを防ぐため、いきなりシステムを提案することはしない。まず初回無料の3時間現場セッションで、実際の製造ラインを見ながら、どの工程で属人化が起きているか、どのデータが取れていないかを一緒に洗い出すところから始める。
こんにゃく製造会社であれば、のり濃度の判断が誰の頭の中にあるのか、加熱・凝固のどの瞬間に経験則が入り込んでいるのかを現場担当者へのヒアリングを通じて可視化し、そのうえで最小限のセンサー導入やデータ収集の仕組みを設計する。経営者・社長だけでなく現場責任者も巻き込みながら進めるため、導入後に「使われなくなる」リスクを抑えられる点が特徴だ。製造業・建設業・物流・卸売業・サービス業など業種を問わず、これまで100社以上の支援実績がある。
よくある質問（FAQ）
- Q: こんにゃく製造ののり濃度管理をAI化するには、どれくらいの費用がかかりますか。
- A: 導入するセンサーの点数や既存設備との連携範囲によって幅があるため、まずは無料の現場セッションで必要な範囲を見極めることをおすすめする。
- Q: 小規模な工場でもAIによる濃度管理は導入できますか。
- A: できる。粘度センサー1台と簡易な制御システムから始め、効果を確認しながら段階的に範囲を広げる進め方が地方中小企業では現実的だ。
- Q: 職人の経験や勘は不要になりますか。
- A: 不要にはならない。AIは判断を数値化・共有可能にする役割であり、職人の知見をデータ化する土台として活用する位置づけになる。
- Q: 導入後、効果が出るまでにどれくらいかかりますか。
- A: 事例では導入から45日程度で不良品率の低下が確認されており、数週間〜数か月での効果検証が一般的な目安になる。
- Q: FURUSATOの3時間現場セッションでは何をしますか。
- A: 製造ラインを実際に見ながら、属人化している工程やデータ化されていない判断基準を一緒に洗い出し、課題を整理する。
関連記事
- ジャム・ペースト製造のAI濃度管理｜糖度・煮詰め濃度の自動制御でロット差を抑える方法
- 塗料・インキ製造のAI管理｜粘度・調色・濃度の自動制御でロット差を抑える
- AI×黒砂糖製造の品質管理｜煮詰め度AI判定と結晶化管理・風味最適化を徹底解説
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。
