漬物 製造 DXの進め方｜塩度・pH・気温から漬け上がりを予測し出荷計画を最適化するAI熟成管理

漬物 製造 DXは、塩度・pH・気温のデータで漬け上がりを予測し、出荷計画を安定させる取り組みだ。地方の漬物メーカー向けに進め方を解説する。

監修：FURUSATOコンサルタント（地方中小企業AI活用支援）

漬物 製造 DXとは？塩度・pH・気温で熟成を見える化する取り組み

漬物 製造 DXとは、塩度・pH・気温・漬け込み日数といった熟成の条件をデータで記録し、AIで漬け上がり時期の予測や出荷計画づくりに生かす取り組みを指す。DXはデジタルトランスフォーメーションの略だ。ツールを入れることが目的ではなく、仕事の進め方そのものを変えることが本質になる。

漬物の熟成は、乳酸菌や酵母が野菜の糖を分解して酸をつくる発酵の過程だ。発酵が進むとpHが下がり、味と香りが変わる。このとき発酵の速さを左右するのが塩分濃度と温度だ。同じ白菜でも、塩分が0.5ポイント違い、気温が5℃違うだけで、食べ頃になる日が1〜2日ずれることは珍しくない（あくまで目安で、原料や菌の状態で変わる）。

実際の業務シーンを見てみよう。朝一番、工場長が樽の蓋を開け、においを嗅ぎ、指でつまんで食べて「あと二日」と判断する。この判断は、何十年も漬けてきた人にしかできない。しかも、その結果はどこにも記録されないことが多い。記録がなければ、翌年の同じ時期に「去年はどうだったか」を振り返ることもできない。

野沢菜漬を作る農産加工会社の場合を考えてみる。秋の収穫期に一斉に漬け込むため、数十本の樽が同時に動く。気温が例年より高い年は熟成が早まり、出荷前に酸味が強くなりすぎる。逆に冷え込む年は、注文に間に合わない。こうした「読み違い」をデータで減らすのが、漬物 製造 DXの狙いだ。

なお、DXの全体像は経済産業省もデジタルトランスフォーメーション（DX）の推進として整理している。中小企業のAI活用は、大規模なシステムより「現場の記録を残す」小さな一歩から始めるほうが定着しやすい。

この話、マンガで読めます（無料・登録なしで途中まで）入れたシステムを、誰も使わないワケマンガで読む →

なぜ地方の漬物メーカーで製造DXが急がれるのか

地方の漬物メーカーが抱える課題は、属人化・人手不足・アナログ業務の三つに集約できる。地方中小企業の多くが同じ構造で悩んでおり、漬物製造では次のように表れる。

• 属人化：漬け上がりの判断が、古参の職人ひとりの舌と鼻に頼っている
• 人手不足：熟成を任せる杜氏役の高齢化が進み、後継者に技を伝える時間が取れない
• アナログ業務：温度や塩分を紙の日報に手書きし、出荷計画は担当者の頭の中にある

たとえば創業50年の漬物製造業で、熟成を任せてきた職人が引退を考えているとする。その人が「今日は樽が早い」と言う根拠は、気温、前日の天気、樽の置き場所、塩の種類など、数十の要素の掛け合わせだ。引き継ぎ資料を作ろうにも、言葉にできない部分が大半を占める。

さらに、食品の品質管理は法令面でも求められる水準が上がっている。HACCPに沿った衛生管理は2021年6月から原則すべての食品事業者に完全義務化された。厚生労働省のHACCP（ハサップ）の情報にあるとおり、工程ごとの管理基準と記録が前提になる。塩分やpHの記録は、衛生管理の証拠としても使える。

また2012年には、北海道で白菜の浅漬が原因の集団食中毒が起き、死亡者も出た。浅漬のように塩分が低く、発酵の進み方に幅がある商品では、塩分・pH・温度の管理が安全に直結する。熟成管理のデータ化は、味の安定だけでなく安全を守る仕組みでもある。

数字で見ると、記録を取り始めた現場では、最初の1か月で「記録漏れがあった日」が3割前後見つかることも多い。まず現状の穴を知ること自体が、改善の出発点になる。人手が足りない現場ほど、記録は後回しにされやすい。だからこそ、入力の手間を減らす設計が欠かせない。

AIは塩度・pH・気温から漬け上がりをどう予測するのか

AIによる漬け上がり予測とは、過去の樽ごとの記録から「この条件なら何日目に食べ頃になるか」の傾向を学習し、新しい樽の日数を推定する仕組みだ。難しい理論は要らない。「塩分、pH、気温、日数」と「最終的に出荷できた日」の組み合わせを集めるだけで、予測の土台ができる。

予測に使う主なデータ

• 塩分濃度（％）：漬け込み時と途中の測定値。塩分計で数秒で測れる
• pH：発酵の進み具合を示す指標。pH計で測り、下がり方の速さを見る
• 気温・室温・液温：温度計やデータロガーで自動記録する
• 漬け込み日数と重石の重さ：脱水の進み方に影響する
• 官能評価：職人が「食べ頃」と判断した日と、その理由のメモ

ここで大切なのが最後の官能評価だ。AIは職人の判断を置き換えるのではなく、職人が「食べ頃」と判断した日を正解データとして学ぶ。つまり、熟練者の勘が数値と結びつき、会社の資産として残る。

ぬか漬けの惣菜工場の場合を例にする。ぬか床の温度が20℃前後の日と28℃前後の日では、きゅうりの漬かり具合が半日から1日ほど変わる。この差を過去データで学ばせ、「明日の朝に出荷するには、今夜この温度帯なら何時間漬ければよいか」を画面に出す。担当者は数字を見て段取りを決められる。

予測は最初から当たるわけではない。目安として、データが2〜3シーズン分たまると誤差が見えてくる。最初の数か月は「人の判断との差」を比べる期間と割り切り、一致率を毎週確認するとよい。一致率が上がるほど、新人でも一定の品質で出荷判断ができる。

また、予測は「点」ではなく「幅」で出すと使いやすい。「食べ頃は3日後、前後半日の幅」と示せば、現場は余裕を持って動ける。幅が広い樽は、職人が重点的に確認する対象になる。AIと人の役割分担がはっきりするため、現場の納得感も高まる。

漬物の種類別に見る熟成管理のポイントの違い

漬物は種類によって、管理すべき項目も予測の難しさも違う。AI熟成管理を始める際は、最初に「どの商品から取り組むか」を決めたい。主な種類を比較した。

種類	熟成の特徴	重視する数値	データ化のしやすさ
浅漬（白菜・きゅうり）	短期間（数時間〜数日）。品質のぶれが小さく、衛生管理が重要	塩分・液温・時間	高い（まず着手しやすい）
ぬか漬け	ぬか床の状態で毎日変化。乳酸発酵が中心	床温・pH・塩分	中程度
たくあん・野沢菜	数週間〜数か月。気温の年変動の影響が大きい	気温・塩分・脱水率	中程度（季節データが要る）
梅干し・長期熟成品	数か月〜年単位。日数より状態の見極めが重要	塩分・重量減・保管温度	やや難しい

結論として、最初の1商品には、サイクルが短くデータが早くたまる浅漬かぬか漬けを選ぶのが現実的だ。サイクルが短いほど、1か月で試せる回数が増え、改善の手応えも早く得られる。

たとえば、浅漬を週に数百kg出荷する漬物工場なら、1週間に10回以上の漬け込みデータが取れる。1か月で40件を超えるデータが集まれば、気温と漬け時間の関係が見え始める。一方で長期熟成の梅干しは、1年に1回しか結果が出ない。そのため、数値管理は並行して始めつつ、AI予測は短サイクル品から導入する順番が合理的だ。

種類が変われば、現場の見るポイントも変わる。たくあんなら干し上がりの重量減、ぬか漬けなら床のかき混ぜ頻度、浅漬なら洗浄・殺菌後の液温管理が鍵になる。商品ごとに「測る項目」を絞って決めておくと、記録の負担を抑えられる。

漬け上がり予測を出荷計画に生かすと何が変わるのか

漬け上がりが予測できると、出荷計画を「前日の勘」から「数日前の計画」に変えられる。出荷計画の最適化とは、受注量・熟成の進み・作業人員を合わせて、いつ何を漬け込み、いつ出荷するかを決めることだ。

よくある現場の困りごとを整理する。

• 漬かりすぎて酸味が強くなり、規格外として廃棄または値引き販売する
• 漬かりが足りず、出荷直前に慌てて日程を組み替える
• スーパーの特売に合わせた大口注文に、在庫と熟成が間に合わない
• 繁忙期に熟成待ちの樽が場所を圧迫し、保管スペースが足りなくなる

地域のスーパー向けに浅漬を卸す会社の場合を考える。週末の特売で注文が1.5倍に増えると分かっていても、漬け込みの開始日を読み違えれば欠品する。予測があれば、「気温が高いので、漬け込みを半日遅らせる」「冷え込むので前倒しする」と、数日前から動ける。

効果の目安は、取り組み方によって差が出る。導入初期の想定として、熟成の読み違いによる廃棄・値引きを数割減らせる余地がある。また、予測日を共有することで、製造・出荷・営業が同じ数字を見て話せる。電話での「あの商品、いつ出せる？」の確認が減り、事務や営業の負担も軽くなる。

出荷計画の見直しは、設備投資を大きくしなくても始められる。最初はスプレッドシートに、樽ごとの漬け込み日・予測日・実際の出荷日を並べるだけで十分だ。この「予測と実績の差」の見える化が、次の改善につながる。

観光地の土産物店や道の駅に卸す会社なら、連休前の需要増にも備えやすい。連休の2週間前から逆算して漬け込み量を決められるため、「作りすぎて余る」「足りなくて売り逃す」の両方を抑えられる。

漬物 製造 DXの進め方｜導入4ステップ

漬物 製造 DXを成功させる鍵は、ツール選びの前に、現場の記録の型を作ることだ。ここでは4つのステップで進める方法を示す。

1. ステップ1：現状の可視化（1〜2週間）。誰が、いつ、何を見て「漬け上がり」を判断しているかを洗い出す。職人への聞き取りと、1週間分の作業の観察で、判断基準を言葉にする。
2. ステップ2：記録の型づくり（2〜4週間）。塩分・pH・温度・日数・官能評価を、1枚の記録シートに統一する。入力は10分以内で終わる量に絞る。
3. ステップ3：データ収集と簡易予測（1〜3か月）。最初はグラフや表計算で十分。そのうえで、AIに予測させ、職人の判断と並べて比べる。
4. ステップ4：出荷計画への連動（3か月目以降）。予測日を出荷計画表に組み込み、毎週の会議で使う運用に変える。

惣菜・漬物を併せて作る食品加工会社の場合、ステップ2でつまずくことが多い。記録項目を欲張って20項目にすると、現場が続かない。最初は5項目に絞るのがコツで、足りない項目は後から足せばよい。

また、温度の自動記録には、数千円〜のデータロガーが使える。手書きの転記をなくすだけで、ミスと手間は大きく減る。設備の導入費用は規模で変わるため、導入費用はご相談時に一緒に整理します。

中小企業のAI活用では、現場の担当者が「自分たちの仕事が楽になった」と感じられるかが定着の分かれ目だ。入力が増えるだけで見返りがない運用は、1か月で止まる。記録した数字が翌日の段取りに役立つ形にすることが重要になる。

もう一つ欠かせないのが、経営者・社長の関与だ。記録の時間を確保する、職人の経験を会社の資産として扱う、といった判断は現場だけでは下せない。社長が「これは会社の仕組みを変える取り組みだ」と宣言した会社ほど、運用が続く傾向にある。

AI熟成管理で失敗しないための注意点

AIを使った熟成管理では、いくつかの落とし穴がある。事前に知っておけば避けられるものばかりだ。

1. 「AI任せ」にせず、安全の最終判断は人が行う

AIの予測は、あくまで食べ頃の目安だ。食品の安全に関わる判断（pH・塩分の管理基準の逸脱など）は、HACCPの管理基準に従い、人が確認する。基準値は商品ごとに、保健所や専門家とも相談して決める。予測が外れた場合の対応手順も、あらかじめ決めておく。

2. データの質を保つ

塩分計やpH計は定期的な校正が必要だ。測る場所や時間がばらつくと、予測の精度が落ちる。測定のタイミング（例：毎朝8時、樽の中央から採取）を決めて、全員で揃える。

3. 季節や原料の変化に対応する

野菜は産地・収穫時期・品種で糖分や水分が変わる。去年のデータが今年そのまま使えるとは限らない。たとえば、梅雨明けの白菜と冬の白菜では、同じ塩分でも発酵の進みが違う。原料の産地やロットも記録しておくと、モデルの修正に役立つ。

4. 現場が続けられる量にとどめる

記録が増えるほど、現場の負担は重くなる。目的は「記録すること」ではなく「判断を楽にすること」だ。毎月、「使われていない記録項目」を見直し、減らす習慣を持つとよい。

取引先情報を含まない熟成データでも、レシピや配合は会社の大切なノウハウだ。クラウドサービスを使う場合は、データの保管場所と閲覧できる人の範囲を決めておきたい。

漬物メーカーの導入事例（想定ケース）

ここでは、典型的な課題を持つ地方の漬物メーカーを想定したケースで、取り組みの流れを紹介する。実際の効果は会社の規模や商品で変わるため、あくまで進め方のイメージとして読んでほしい。

想定ケース：従業員25名の浅漬・たくあん製造会社。熟成判断を担ってきた職人（60代）が、数年内の引退を考えていた。出荷計画は職人の経験に依存し、繁忙期には1か月に数回、漬かりすぎによる値引き販売が出ていた。

• 1か月目：職人への聞き取りで、判断基準を「見た目・におい・手触り・味」に分解。塩分・pH・温度の記録シートを作り、浅漬の2商品から記録を開始
• 2〜3か月目：データが約60樽分たまり、気温と食べ頃までの日数の関係をグラフ化。職人の判断との一致を毎週確認
• 4か月目以降：予測日を出荷計画表に組み込み、社長・工場長・営業が毎週同じ表を見て計画を調整

この会社の変化は、数字以上に「会話」に表れた。若手社員が「今日は気温が高いので、漬け時間を短くします」と根拠を持って話せるようになり、職人は新人への指導に時間を使えた。属人化の解消は、技を奪うことではなく、技を共有できる形にすることだと分かる。

この例のように、製造業では「ベテランの勘をデータで補う」進め方が有効だ。建設業の工程管理、物流の配送計画、卸売業の在庫管理でも、同じ考え方を応用できる。

FURUSATOは漬物製造のDXをどう支援するのか

FURUSATO（フルサト）は、地方中小企業に特化したAI活用・DX支援サービスだ。製造業・建設業・物流・卸売業・サービス業など、業種別の支援実績がある。漬物・食品加工のように、職人の技と現場の事情が強く効く業種ほど、「まず仕組みを整える」進め方が合う。

特徴は、いきなりシステムを提案しないことだ。ITシステムの導入ではなく、業務変革を重視する。ツールより先に、仕事の進め方を変える。地方中小企業の三大課題である属人化・人手不足・アナログ業務の解消に特化し、担当者だけでなく経営者・社長を巻き込んだ変革を支援する。

進め方は次のとおりだ。

1. 無料のオンライン相談（30〜60分）：御社の課題と現場の状況をうかがい、取り組む優先順位を一緒に整理する
2. 初回現場セッション（1回10万円）：現場を見ながら、業務改善の仕組みを1〜1.5か月かけて構築する

漬物 製造 DXの場合、初回のオンライン相談では「どの商品の熟成管理から始めるか」「いま誰が何を基準に判断しているか」「出荷計画はどこで決まっているか」を整理する。導入費用はご相談時に一緒に整理します。まずは自社の課題がどこにあるかを言葉にするところから、無理なく始められる。

なお、公的な支援制度については、中小企業基盤整備機構（中小機構）などが一般的な情報を公開している。制度の内容や要件は変わるため、利用を検討する場合は各機関の最新情報を確認してほしい。

よくある質問（FAQ）

Q: 漬物 製造 DXは小さな工場でも始められますか？

A: 始められる。まずは塩分計・温度計と記録シートだけで十分だ。従業員数名の工場でも、1商品の熟成を毎日記録するところから小さく始めるのが現実的だ。

Q: 職人の勘はAIに置き換わってしまいますか？

A: 置き換わらない。AIは職人が「食べ頃」と判断した日を正解として学ぶ。判断を共有できる形にし、若手や後継者に技を伝える補助になる。

Q: 予測が使えるまで、どのくらいの期間がかかりますか？

A: 短サイクルの浅漬なら、1〜3か月で傾向が見え始める。ただし、季節変動を学ぶには2〜3シーズン分のデータが目安で、少しずつ精度を高めていく。

Q: HACCPの記録と熟成データは兼用できますか？

A: 兼用できる部分は多い。塩分・pH・温度は管理基準の記録にもなる。ただし、安全の判断基準は商品ごとに決め、保健所などに確認したうえで運用してほしい。

Q: まず何から相談すればよいですか？

A: 「どの商品の熟成判断が属人化しているか」を整理するところからだ。FURUSATOの無料オンライン相談（30〜60分）では、現場の状況を聞いて優先順位を一緒に整理する。

関連記事

• しょうゆコンクール aiとは？醤油づくり・品評会でのAI活用を地方中小企業向けに徹底解説
• 見積もりai 中小企業の導入ガイド｜地方中小企業が原価を守りながら見積もりを自動化する進め方・注意点・成功事例
• 原価管理 aiとは？地方中小企業の導入手順・注意点・成功事例まで徹底解説【AI活用事例・2026年最新】

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。まず無料のオンライン相談（30〜60分）で、御社の課題を一緒に整理します。