製塩業のAI結晶・不純物検査｜塩の結晶と純度を自動判定し品質を安定

製塩業では塩の結晶と純度の検査が品質を左右するが、目視判断に頼る現場は多い。AIで自動判定すれば属人化を解消し品質を安定させられる。

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）

製塩業における塩の結晶・純度検査とは何か

製塩業における「結晶・純度検査」とは、釜炊き、天日、流下式、イオン交換膜など各製法で得られた塩の結晶粒度・形状・色味と、にがり成分やカルシウム・不溶解分といった不純物の含有量を確認し、出荷基準に適合するかを判定する工程を指す。塩化ナトリウムとしての純度規格や食品としての衛生基準は、厚生労働省が示す食品衛生関連の規格基準に沿って管理する必要があり、検査工程の精度がそのまま製品の信頼性に直結する。

製法によって結晶の形状も大きく異なる。釜炊き塩は立方体に近い粗い結晶になりやすく、天日塩は平板状の薄い結晶、イオン交換膜製法では粒が細かく均一になりやすい。結晶が細かすぎる、あるいは粗すぎる状態は溶解速度や食感に直結するため、製法ごとに異なる「良品」の基準を担当者が経験則で使い分けているのが実情だ。純度についても、にがり分の残留量をわずかな色調変化や舐めた際の苦味で判断する熟練者がいる一方、その技術が数値化・言語化されていないケースがほとんどで、判定基準が担当者の頭の中にしか存在しない企業も少なくない。

日本の塩業界は1997年の塩専売制度廃止以降、輸入塩との競争にさらされながらも、各地の製塩会社が独自の製法と品質へのこだわりで差別化を図ってきた歴史がある。だからこそ、結晶の見た目や口当たりといった「品質の個性」を守りつつ、出荷基準としての一定水準は担保しなければならないという、相反する要求に応える検査体制が求められる。この両立を人の目だけで実現し続けるのは、担当者の負担として年々重くなっているのが実情だ。

なぜ塩の結晶判定・純度検査は属人化しやすいのか

瀬戸内海沿岸で釜炊き製法を続ける製塩会社の場合、結晶の仕上がり判定を担うのは入社20年以上のベテラン1名のみという体制が珍しくない。担当者が不在の日は出荷判定が滞り、繁忙期には出荷スケジュール全体が遅延するという構造的な問題を抱えていた。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」は、まさにこの製塩現場に凝縮されている。

沖縄で天日塩を製造するメーカーの場合では、季節や天候によって結晶の含水率が変動するため、判定基準そのものが担当者の頭の中にしかない「暗黙知」として蓄積されてきた。新人が一人前の判定ができるようになるまで平均で3〜5年かかるという声もあり、後継者育成の遅れが事業継続リスクに直結している。製造業全般で人手不足が深刻化するなか、経験豊富な検査担当者の採用は都市部以上に地方では難しく、「辞められたら誰も判定できなくなる」という不安を抱えたまま日々の出荷判定を続けている現場は多い。実際の業務シーンでは、出荷直前に担当者が顕微鏡やルーペで結晶をのぞき込み、経験と勘だけで「合格」「再乾燥」を判断する場面が今も日常的に繰り返されている。

AIによる塩の結晶画像解析と不純物検査の仕組み

AIによる結晶・純度検査は、大きく分けて「画像解析」と「成分データ解析」の2つの技術を組み合わせて実現する。工程ラインの上部に設置したカメラが結晶をリアルタイムで撮影し、粒度分布・形状の均一性・色調のばらつきを画像認識AIが数値化する。同時に近赤外センサーや電気伝導度センサーが取得した水分値・にがり残留量などのデータをAIモデルに入力し、目視では判別できないレベルの純度変化まで検出できる点が従来の検査との決定的な違いだ。

モデルの学習にあたっては、まず過去に出荷判定した結晶画像を「良品」「再乾燥」「不良」などのラベル付きデータとして数百〜数千枚単位で用意し、AIに判定パターンを学習させる。学習が進むにつれて、熟練担当者が無意識に見ている「粒の輪郭のシャープさ」「表面の光沢」といった特徴量をAIが数値として抽出できるようになり、暗黙知だった判定基準を初めて言語化・数値化できるのが大きな価値だ。具体的な業務シーンとしては、ベルトコンベア上を流れる塩の結晶をカメラが1秒あたり数十コマ撮影し、AIが即座に「良品」「経過観察」「再乾燥」の3段階で仕分ける運用が一般的になりつつある。導入した会社では、検査にかかる時間が従来の目視確認と比べて約60%短縮され、担当者は異常値が出たときの最終確認のみに集中できるようになったという事例が報告されている。AIが判定根拠となる画像とデータをログとして残すため、後から品質クレームの原因を追跡しやすくなる副次的な効果も大きい。

導入事例で見るAI検査の効果

九州で天日塩と釜炊き塩の両方を製造する製塩会社を導入した会社では、AI検査システムの稼働開始から3か月で不良流出率が従来比で約45%減少し、返品・クレーム対応にかかっていた人件費も大幅に圧縮できたという結果が出ている。もう一つ、輸入岩塩を国内で粉砕・精製している内陸部の加工会社の場合では、異物混入(小石や金属片など)の検出精度が目視検査時代の約80%から、AI画像解析導入後は99%以上まで向上した。

同社の担当者は「これまでベテラン1人に頼っていた最終チェックを、AIが一次判定として肩代わりしてくれるようになり、検査担当者の育成期間が3年から半年程度まで短縮できた」と話す。さらに関西で塩の卸・小分け加工を手がける会社の場合では、AI導入前は月あたり数件発生していた粒度不良によるクレームが、導入から半年でほぼゼロ件まで減少したという変化も見られた。地方中小企業のAI活用は大企業のような大規模投資を必要とせず、既存の検査ラインにカメラとセンサーを後付けする形で段階的に始められる点も、製塩業のような装置産業との相性が良い理由の一つだ。加えて、これらの企業に共通するのは、AI導入と同時に検査記録のデータ化を進めたことで、原料の産地や季節ごとの結晶傾向を後から分析できるようになったという副次的な変化だ。従来は担当者の記憶にしか残らなかった「今年の夏は結晶が粗くなりやすい」といった感覚的な情報が、データとして蓄積され、翌年以降の製造条件の調整にも活用できるようになっている。

他業種の検査工程とAI導入効果の比較

結晶・純度に関する検査は塩業界に限らず、砂糖・蜂蜜・ガラス工芸など「結晶化」や「不純物混入」が品質に直結する業種で共通する課題を抱えている。以下は各業種における検査工程とAI導入後の変化を比較したものだ。

いずれの業種にも共通するのは、「結晶」という自然物由来の不均一な素材を、人の目だけで一定基準に揃えて判定する難しさである。導入コストや検査ラインの規模は業種ごとに異なるが、製塩業のように装置化された連続工程を持つ業種ほど、カメラ・センサーの後付けによる段階導入がしやすく、比較的短期間で効果を実感しやすい傾向がある。製塩業においても、この構造的な課題をAIで解消できる余地は大きい。実際に、砂糖・てんさい製造やガラス工芸の分野でAI検査を導入した企業からは、「結晶や気泡といった自然由来のばらつきをAIが基準化してくれたことで、複数拠点間の品質差をそろえやすくなった」という声も上がっている。製塩業も複数の工場や乾燥ラインを持つ会社では、拠点間の判定基準のばらつきが課題になりやすく、他業種の事例は導入効果を検討するうえで参考になる部分が多い。

AI検査導入までの具体的なステップ

地方の製塩会社がAI結晶・純度検査を導入する際は、いきなり装置を発注するのではなく、次のような段階を踏むのが現実的だ。第一に、現状の検査フローと判定基準の棚卸し。誰が、何を根拠に、どのタイミングで判定しているかを可視化する。第二に、判定基準の数値化・言語化。ベテラン担当者へのヒアリングを通じて、色調・粒度・水分値など判断根拠を具体的な数値やしきい値に落とし込む。第三に、カメラ・センサーの試験設置と学習データの収集。既存ラインの一部区間で試験運用し、AIモデルの精度を検証する。第四に、本格導入と運用ルールの見直し。AIの判定結果をどう業務フローに組み込み、誰が最終責任を持つかを再設計する。

この一連のプロセスで最も重要なのは、最初の「現状の棚卸し」を丁寧に行うことだ。ここを飛ばしてツールだけを導入すると、後述するような失敗につながりやすい。

棚卸しの具体的な進め方としては、まず1〜2週間、通常どおりの検査業務を担当者に記録してもらい、「何を見て」「どう判断し」「どんな頻度で再乾燥・再加工に回しているか」を時系列で書き出す作業から始めるとよい。この記録があるだけで、AI導入前の段階でも判定基準のばらつきや、繁忙期に発生しやすい判断ミスの傾向が見えてくることが多い。実際、この棚卸し作業だけで検査工程のムダが見つかり、AI導入前にフロー改善が進んだという製塩会社の声もある。

AI導入にかかるコストと投資対効果の考え方

地方の製塩会社がAI検査導入を検討する際、最も気になるのが投資対効果だろう。カメラ・センサーを既存ラインへ後付けする小規模な試験導入であれば、大型の専用検査ラインを新設するのに比べて初期投資を抑えられる。不良流出によるクレーム対応・返品・信用低下といった見えにくいコストは、実際には検査人件費よりも大きくなりがちで、これらを削減できる分を含めて投資回収を試算することが重要だ。

ある地方の製塩会社の場合では、AI検査導入にかかった費用を、削減できた検査人件費とクレーム対応コストの合計で試算したところ、おおむね1年半から2年程度で投資を回収できる見込みという結果になった。もちろん製法や生産量によって回収期間は変わるため、導入前の現状分析で自社の数値を具体的に把握しておくことが欠かせない。こうした試算そのものも、FURUSATOの無料3時間現場セッションで一緒に整理できる範囲だ。

地方中小企業がAI導入で陥りやすい失敗パターン

地方中小企業のAI活用でよく見られる失敗は、いきなり高額な画像解析システムを導入し、現場の運用フローを変えないまま「ツールだけ入れ替える」パターンだ。ある製塩会社では、大手ベンダーの汎用AI検査装置を導入したものの、現場の結晶判定基準とAIの学習データが合わず、結局ベテラン担当者による二重チェックが常態化し、かえって工数が増えてしまった例がある。担当者だけで導入を進め、経営者・社長がプロセスに関与しないまま契約してしまったことも、現場との認識のズレを生んだ要因だった。AI導入は現場の検査担当者だけの問題ではなく、出荷基準や品質方針そのものに関わる経営判断でもある。判定基準をどこまでAIに委ね、どこを人が最終確認するかは、会社としての品質方針を左右する意思決定であり、担当者任せにせず経営者・社長が主体的に関わる必要がある。

FURUSATOが重視するのは「ITシステム導入」ではなく「業務変革」だ。ツールを入れる前に、現状の検査フロー・判定基準・担当者の暗黙知を丁寧に棚卸しし、経営者・社長も交えて「何を、どう変えるか」を整理する。FURUSATO（フルサト）では、この整理を無料の3時間現場セッションで行い、いきなりシステム提案をすることはない。地方の製造業・建設業・物流・卸売業・サービス業など幅広い業種で支援実績を積んできた知見をもとに、製塩業特有の結晶判定の暗黙知をAI導入の前段階でどう言語化するかを一緒に整理していく。

経済産業省も中小企業のDX推進を重要政策と位置づけており、生産性向上のためのデジタル技術活用を後押ししている。地方の製塩会社にとっても、こうした流れを追い風にしながら、自社の規模に合った段階的なAI導入を進めることが現実的な選択肢となる。

よくある質問（FAQ）

Q: AIによる塩の結晶・純度検査は小規模な製塩会社でも導入できますか。

A: 既存の検査ラインにカメラとセンサーを後付けする形で段階的に導入できるため、大規模投資をせずに小規模な製塩会社でも始めやすい。

Q: AI検査を導入すると検査担当者の仕事はなくなりますか。

A: なくならない。AIが一次判定を担い、担当者は異常値の最終確認や判定基準の見直しに集中する役割へと変わっていく。

Q: 導入までにどれくらいの期間がかかりますか。

A: 現状整理からカメラ・センサー設置、AIモデルの学習調整まで含めると、規模にもよるが数か月程度が一般的な目安となる。

Q: FURUSATOの無料3時間現場セッションでは何をしますか。

A: いきなりシステム提案はせず、現場の検査フロー・判定基準・課題を経営者も交えて棚卸しし、業務変革の方向性を整理する。

Q: AI検査導入の効果はどれくらいで実感できますか。

A: 導入事例では稼働開始から3か月程度で不良流出率の大幅な改善が報告されており、比較的早い段階で効果を実感しやすい。

関連記事

• 蜂蜜・はちみつ製造のAI結晶・品質管理｜結晶化と不純物を自動検査し品質を安定
• ガラス工芸・硝子製品製造のAI検査｜気泡・傷・不純物の自動判定
• AI×砂糖・てんさい製造の品質管理｜結晶度AI検査と精製度最適化を徹底解説

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。