ヨーグルト・乳製品製造のAI発酵管理｜pHと発酵度を予測し酸味を安定させる

ヨーグルトや乳製品の製造現場では、発酵の進み具合とpHの変化を勘に頼りがちだが、AIで発酵度とpHを予測し酸味を安定させる管理手法が広がりつつある。

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）

ヨーグルト・乳製品製造における「発酵とpH管理」とは

ヨーグルトは、生乳に乳酸菌を加えて一定温度で発酵させ、乳酸菌がラクトース（乳糖）を分解して乳酸をつくり出すことで固まる発酵食品である。乳酸が増えるにつれてpHは徐々に下がり、一般的なプレーンヨーグルトでは最終pHがおよそ4.5前後に達した時点を発酵完了の目安とすることが多い。発酵温度は40〜43℃前後、発酵時間は4〜6時間程度が標準的だが、原料となる生乳のロットや室温、菌株の状態によって同じ設定でも仕上がりは毎回微妙に変わる。この「毎回微妙に変わる」部分をどこまで正確につかめるかが、酸味のブレを抑えられるかどうかを左右する。

従業員28名ほどの地方乳業メーカーA社では、長年ベテランの発酵担当者が発酵タンクの表面の様子と匂い、わずかな粘度の変化だけで完了のタイミングを判断していた。担当者が体調を崩して現場を離れた日は、経験の浅いスタッフが判断を任され、酸味が強すぎる、あるいは固まりが甘いといったバラつきが出荷ロットに現れたという。ヨーグルト製造の発酵・pH管理が特定の個人の感覚に依存している限り、こうした揺らぎは避けられない。

また、ヨーグルトと一口にいっても、加糖タイプ・無糖（プレーン）タイプ・飲むヨーグルトなど商品によって目標とするpHや粘度は異なる。使用する乳酸菌の種類（サーモフィルス菌、ブルガリア菌など）や、生乳と脱脂粉乳の配合比率によっても発酵の進み方は変わるため、「一つの正解のレシピ」を守っているだけでは季節や原料ロットの変化に対応しきれない。ここに、データを蓄積してその都度予測するAI発酵管理の意味が出てくる。

なぜ発酵管理は「勘と経験」に頼ってしまうのか

地方中小企業の製造現場では、属人化・人手不足・アナログ業務という三つの課題が絡み合って発酵管理の仕組み化を難しくしていることが多い。発酵の完了判断はベテランの経験に依存し、記録は紙の日報やホワイトボードのメモで済まされ、pH測定も抜き取りで数時間おきに手作業で行うだけ、というケースが珍しくない。これでは異常の兆候があっても発見が遅れ、廃棄ロスやクレームにつながりやすい。

宅配専用のヨーグルトを製造するB社では、発酵担当のベテラン職人が定年退職を数年後に控えており、社長は「後任の育成には最低でも3年はかかる」と見込んでいた。暗黙知のまま引き継ぎができなければ品質が揺らぎかねないと判断し、感覚に頼っていた発酵管理を数値化・仕組み化する検討を始めたという。中小企業のAI活用は、こうした「人に依存した工程をどう仕組みに変えるか」という切実な課題への対応として広がっている。

ヨーグルト製造の発酵・pH管理をAIが予測する仕組みとは

AIによる発酵管理とは、発酵タンクに設置したpHセンサーと温度センサーから数分〜30分おきにデータを取得し、過去の仕込み実績（原料ロット、室温、菌株の種類、攪拌条件など）と突き合わせて学習させたモデルで、発酵完了までの残り時間と到達するpHのカーブを予測する仕組みを指す。発酵開始から30分ごとのpH推移データを学習させることで、完了予測の誤差を±15分程度まで縮小できたという事例もある。人の目視や匂いだけでは捉えにくい微細な変化を数値として先読みできる点が、勘に頼った管理との決定的な違いになる。

生乳を仕入れてヨーグルトを製造するC社（従業員45名）では、AI予測ツールを導入した結果、発酵完了時刻の予測誤差が導入前の平均90分から、導入後は平均20分程度まで縮小した。予測誤差が小さくなったことで、出荷直前の抜き取り検査で酸味が強すぎる・弱すぎるロットが見つかる頻度が明らかに減り、担当者が発酵タンクに張り付いて様子を見続ける必要もなくなったという。

AIモデルの精度を高めるには、ある程度のデータ蓄積期間が必要になる。目安として、半年から1年分の仕込みデータがあれば季節ごとの傾向を反映した予測が可能になるとされるが、立ち上げ当初はデータが少なく予測精度も高くないため、担当者の経験による判断とAIの予測を併用しながら精度を高めていく運用が現実的である。焦って完全自動化を目指すのではなく、まずは判断材料の一つとしてAIの予測値を確認する運用から始める企業が多い。

業種別・AI発酵管理の導入事例と数値で見る効果

AI活用・DX支援サービス「FURUSATO（フルサト）」は、地方中小企業を専門に支援しており、これまで製造業・建設業・物流・卸売業・サービス業など幅広い業種で100社以上の支援実績を積んできた。乳製品を含む食品製造業でも、発酵という「目に見えにくい工程」を数値化する取り組みで同様の成果が出ている。

実際の導入現場で見られる数値変化には、次のようなものがある。

• 酸度のばらつき：導入前は同一レシピでも滴定酸度が±0.15%前後ブレていたのが、導入後は±0.05%程度まで縮小した事例
• クレーム件数：酸味・食感に関する顧客クレームが導入後3か月で半減した事例
• 廃棄率：発酵不良によるロット廃棄が導入前の月数件から、導入後はほぼゼロに近づいた事例
• 記録作業の負担：紙の日報記入と手作業のpH測定にかかっていた1日あたり30〜40分の作業が、自動記録に置き換わった事例
• 新人の育成期間：発酵完了の判断を独り立ちできるまで数年かかっていたのが、数値基準を併用することで半年程度に短縮できた事例

調味料・乳製品を扱う卸売も兼ねるD社では、社長自らが無料の3時間現場セッションに同席し、発酵担当だけでなく出荷・営業部門も含めた業務フロー全体を見直した。いきなりシステムを提案するのではなく、まず現場を歩いて課題を洗い出すところから始めたことが、現場の納得感につながったという。

従来の官能検査とAI発酵管理を比較する

官能検査（人の五感による判断）とAIによる発酵度・pH予測管理は、それぞれ得意な領域が異なる。どちらか一方に置き換えるというより、判断の根拠にデータを加えることで属人化を減らす発想が現実的である。

表からもわかるように、AI発酵管理は官能検査を完全に置き換えるものではなく、判断のばらつきを抑えるための「もう一つの目」として機能する。ベテランの経験知とAIの予測値を組み合わせることで、引き継ぎの負担を減らしながら品質を安定させやすくなる。

地方中小企業がAI発酵管理を導入する3つのステップ

FURUSATOが重視しているのは「ITシステム導入」ではなく「業務変革」という発想である。ツールを入れる前に、どの工程の何を数値化すべきかを見極めなければ、高機能なシステムを導入しても現場に定着しない。

ステップは大きく3段階に分けられる。第一に、無料の3時間現場セッションで発酵工程の実態と課題を整理する。このときいきなりシステム提案はせず、担当者・経営者双方から話を聞き、どこにボトルネックがあるかを洗い出す。第二に、一部の発酵タンクだけにセンサーを設置し、小規模なPoC（実証実験）でデータの傾向をつかむ。第三に、経営者を巻き込みながら発酵管理の記録・判断ルールを標準化し、他の工程や拠点にも展開していく。

3時間の現場セッションでは、発酵タンクの実際の運用を見学しながら、担当者にヒアリングを行い、どの工程のどの判断が属人化しているかを一枚の図に整理していく。経営者にも同席してもらうのは、担当者だけの改善提案では予算や人員配置の壁に当たって話が止まってしまうことが多いためである。最初から完璧な仕組みを目指すのではなく、まず一つのタンク・一つの商品ラインで小さく試し、効果を確認してから広げていく進め方が、地方中小企業には現実的である。

乳製品加工と直売所運営を兼ねるE社では、経営者が「担当者任せにしてきたツケが回ってきた」と振り返り、無料の現場セッションをきっかけに、発酵管理だけでなく検品・出荷までの一連の流れを見直した。ツールの導入自体よりも、社長が現場の実態を初めて正確に把握できたことが最大の収穫だったという。

導入後に何が変わるのか——酸味の安定と人手不足への対応

AI発酵管理を導入した現場では、酸味や固さのばらつきが縮小するだけでなく、発酵担当者が発酵タンクに張り付く必要がなくなり、他の工程や検品作業に人手を振り分けられるようになったという声が多い。人手不足が深刻な地方の製造現場にとって、これは品質管理と省人化を同時に進められる意味を持つ。発酵食品の衛生管理は厚生労働省が進めるHACCPの枠組みでも重視されており、工程管理を記録・数値化すること自体が食品衛生上の要請とも合致する（参考：厚生労働省 HACCPに沿った衛生管理の制度化について）。

また、経済産業省も中小企業のDX推進を後押しする施策を進めており、発酵管理のような現場工程のデータ化は、その第一歩として位置づけやすい（参考：経済産業省 デジタルガバナンス・コード／DX推進に関する取り組み）。地方中小企業のAI活用は、大企業のような大規模投資ではなく、まず一つの工程を数値化するところから着実に始められる。

AI発酵管理導入でよくある失敗と注意点

一方で、AI発酵管理の導入がうまくいかないケースもある。よくある失敗は、現場の課題を整理しないまま高機能なシステムを先に導入してしまい、現場が使いこなせずに形骸化してしまうパターンである。また、経営者が導入を担当者任せにしてしまい、運用ルールの変更や教育が後回しになった結果、結局は以前のやり方に戻ってしまうケースも見られる。

精肉・乳製品の卸を兼ねるF社では、以前に別のITベンダーから提案されたシステムを一度導入したものの、現場の運用ルールを変えないまま使い始めたため、結局は従来通りの紙の記録と並行して使う二度手間になり、数か月で使われなくなった経験があった。この反省を踏まえて再導入する際には、まず現場の業務フローそのものを見直すところから始め、経営者も巻き込んで運用ルールを固めたことで定着につながったという。ツールよりも先に、業務の仕組みを変える視点が欠かせない。

もう一つ見落とされがちな注意点が、センサーの設置場所とキャリブレーション（校正）である。pHセンサーはタンク内の攪拌が不十分な位置に設置すると、実際の発酵状態とずれた数値を拾ってしまい、AIの予測精度自体が下がってしまう。定期的な校正と、複数箇所での計測値の突き合わせを運用ルールに組み込んでおくことが、数値管理を形だけのものにしないための前提になる。

発酵データを活かしたトレーサビリティと販路拡大

発酵工程のデータを継続的に記録できるようになると、社内の品質管理だけでなく、取引先への説明責任にも活用できるようになる。学校給食や大手小売への納入では原材料や工程の記録提出を求められる場面が増えており、発酵温度・pH推移のデータをそのまま提示できることは、新規取引先の開拓や監査対応の負担軽減にもつながる。

地方の小規模乳業メーカーG社では、大手スーパーとの新規取引の商談で発酵工程の管理データを求められた際にすぐ提示できたことが、決め手の一つになったという。属人的な勘に頼っていた頃は「品質は安定しています」という説明しかできなかったが、数値で裏づけられるようになったことで、価格交渉の場でも一定の説得力を持たせられるようになった。

さらに、発酵データを社内の製造記録システムや原材料の仕入れ台帳と連携させておけば、原料ロットごとの傾向分析や、季節変動を踏まえたレシピの微調整にも活用できる。地方中小企業のAI活用は、単発の効率化にとどまらず、こうしたデータを次の意思決定に生かす「データを蓄積する体質」への変化として捉えると、投資対効果を長い目で見積もりやすくなる。

よくある質問（FAQ）

Q: ヨーグルト製造でAI発酵管理を導入するには、どのくらいの費用がかかりますか。

A: 導入規模により幅があるが、まず一部のタンクにpHセンサーを設置する小規模なPoCから始める企業が多い。初期投資を抑えて効果を確認してから拡大する進め方が現実的である。

Q: 発酵の完了判断をAIに任せると、品質が下がりませんか。

A: AIはあくまで完了時刻とpHの到達を予測するだけで、最終判断は人が行う運用が一般的である。むしろ担当者ごとの判断のばらつきを抑え、酸味や食感の品質を安定させる効果が期待できる。

Q: ベテラン職人の勘は、AI導入後は不要になりますか。

A: 不要にはならない。原料ロットの見極めや異常時の対応など、経験が生きる場面は依然として残る。AIは日々の発酵判断を支える補助的な仕組みとして位置づけるのが現実的である。

Q: 中小企業でもAI発酵管理を導入できますか。

A: 可能である。まず無料の3時間現場セッションで課題を整理し、一部のタンクなど必要な範囲だけ小さく始める進め方であれば、地方の中小規模の製造現場でも無理なく取り組みやすい。

Q: 導入までにどのくらいの期間がかかりますか。

A: 現場セッションから小規模なPoCの開始までは数週間程度で進むことが多い。そこから効果測定を経て本格導入・他の工程への展開まで含めると、数か月単位で計画する企業が多い。

関連記事

• 醤油醸造のAI発酵管理｜諸味のpH・発酵進度を予測し仕込みを安定化
• ワイン醸造のAI発酵・糖度管理｜pH・発酵進度の予測で仕込みを安定化
• AIで実現する漬物の品質管理｜塩漬け完了度・発酵度AI判定と味の最適化

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。