2026.11.09

【3】FOOMAで見た技術は、貴社のどの工程で使えるか【全9回】

あるコンサルティングでの出来事です。

工場長はこう言いました。

「うちはAIとか関係ないですよ。うちは中小ですから」

私はその言葉を聞きながら、10年前の自分を思い出していました。

かつて工場経営に携わっていた頃、私も全く同じことを言っていたからです。

「大規模な設備投資なんて、うちには無理だ」

その判断の遅れが、結果として何を生んだか。

今でも悔やんでいます。

食品業界の皆さん、こんにちは。

株式会社アカネサスの北條です。

第3回の今回は、

「展示会で見た技術が、貴社の工場のどの工程で使えるのか」

について、一緒に考えてみたいと思います。


食品工場の自動化が遅れてきた本当の理由

自動車工場や電子部品工場と比べ、食品工場の自動化は長らく遅れてきました。

理由は単純です。

「食品」という素材そのものが、ロボットにとって非常に扱いづらい対象だったからです。

  • 形がバラバラ
  • やわらかく崩れやすい
  • 水や塩分にさらされる
  • 季節によって原料の状態が変わる

長年、食品業界では

「柔らかいものや形が一定しないものは、人の手でなければ扱えない」

というのが常識でした。

しかし2024〜2025年頃から、その常識が急速に変わり始めています。

ディープラーニングの精度向上。

センサーコストの低下。

エッジコンピューティングの普及。

こうした技術革新によって、食品工場向けのロボットやAIが実用レベルに到達してきたのです。

私は「うちは関係ない」と言う工場長に、いつもこう問いかけます。

「今より人が3割少なくなっても、同じ品質で工場を回せますか?」

もし答えに詰まるなら、この話は間違いなく自社にも関係があります。


工程別に考える——どこが自動化の対象になるのか

食品工場の工程は、大きく次の6つに分けられます。

  1. 仕込み・調理
  2. 成形・盛り付け
  3. 包装・充填
  4. 検査
  5. 搬送・物流
  6. 生産管理・需要予測

これまで比較的自動化が進んでいたのは、

  • 包装・充填
  • 搬送・物流

の領域でした。

私がFOOMA JAPAN 2025で強い衝撃を受けたのは、

長年「自動化は難しい」と言われていた

  • 成形・盛り付け
  • 検査
  • 生産管理・需要予測

にまで技術が入り込んできていたことです。


成形・盛り付け工程 —— 「不定形」の壁が崩れた

食品工場の中でも、自動化が最も難しいとされてきた工程です。

代表的な事例が、コネクテッドロボティクスの「Delibot S1」です。

不定形の惣菜を、

  • 重量精度 ±4〜7g
  • 1時間400食

という性能で自動盛り付けします。

しかもキャスター付きで既存ラインに後付け可能。

すでにマックスバリュ東海の惣菜工場で導入実績があります。

また、アールティの

  • 「Foodly」
  • 「minite」

も注目されていました。

Foodlyは、からあげやプチトマトなど形状が一定しない食品に対応。

miniteはフライヤーへの冷凍食品投入を自動化するロボットで、危険作業の省人化に貢献します。


検査工程 —— 「目視検査」の代替が現実になった

検査工程も大きく変わり始めています。

山善の「YZ-ROUND-SCAN」は、1台のカメラで360度全周を検査します。

従来なら複数台必要だった検査工程を集約でき、

  • シールずれ
  • 印字ミス
  • 噛み込み
  • ピンホール

などを同時に検出できます。

また、大阪王将ではAI画像検査を活用し、

1秒で12個入り餃子を検査できる体制を構築。

生産量は2倍になりました。

さらにキユーピーでは、離乳食製造ラインでAI外観検査を導入し、ポテト選別の自動化を進めています。

くら寿司の「TUNA SCOPE」も象徴的な事例です。

マグロの断面をAIが分析し、品質を4段階評価します。

本来なら熟練職人が長年かけて身につける目利きを、AIが再現しているのです。


生産管理・需要予測 —— ベテランの勘をデータにする

需要予測もAI活用が進んでいる領域です。

食品の需要は、

  • 天候
  • イベント
  • 季節要因
  • SNSでの話題化

など、多数の要因で変動します。

人間の経験だけで判断するには限界があります。

例えば相模屋食料では、気象データを活用したAI需要予測を導入し、

廃棄ロスを約3割削減。

年間1,000万円規模のコスト削減につながったとされています。

マルエツでも来店客数予測の精度が95%を超え、

  • 発注業務
  • シフト管理

の効率化を実現しています。

食品メーカーには

「生産計画はベテランの勘で決めている」

という会社も少なくありません。

しかし、そのベテランが退職したらどうなるでしょうか。

前回お話しした「人員エアポケット」の問題にも直結します。

AIは単なる効率化ツールではありません。

属人化した知識や経験を、会社の資産として残すための技術でもあるのです。


まずは「一工程だけ」から始める

自動化というと、

「工場全体を刷新する」

というイメージを持つ方が多いかもしれません。

しかし実際に成果を出している企業の多くは、

まず一工程だけを改善しています。

例えば、

包装ラインの最後尾にAI検査カメラを1台導入する。

その結果、目視検査員を別工程へ配置転換できる。

まずはそこから始めるのです。

補助金を活用して一工程だけ導入し、

効果を確認してから次の工程へ広げていく。

この進め方が現実的です。

展示会を歩くときも、

「自社で最も人手に依存している工程はどこか」

を考えながら見るだけで、見える景色が大きく変わります。


「うちは関係ない」から始まった変化

冒頭で紹介した工場長。

当初は

「うちはAIとか関係ないですよ」

と言っていました。

しかし視察の翌週、こんな連絡をくれました。

「北條さん、うちの場合はどの工程から手を付ければいいですか?」

この言葉こそが、私たちが視察ツアーを企画する理由のひとつです。

技術を見ることが目的ではありません。

自社に置き換えて考えることが目的なのです。


次回予告

第4回「HACCPの記録が、工場を殺している」

「HACCPをやっているのに、なぜか現場がちっとも楽にならない」

そんな声をよく聞きます。

次回は、毎朝7時に温度計を持って工場を一周していた担当者の実例をご紹介します。

毎日1〜2時間かかっていた作業が、なぜ劇的に変わったのか。

その方法についてお話しします。

── 株式会社アカネサス 代表取締役 北條竜太郎

お気軽にお問い合わせ、ご相談ください。