熟練者の目に頼る工程

化粧品や健康機能食品の製造において、品質の判定は長く熟練者の感覚に支えられてきました。色がわずかに違う、質感がいつもと違う、といった判断は経験を積んだ人にしかできません。

問題は、その基準が人によって異なり、その人が不在になれば基準も揺らぐという点です。なぜそう判定したのかを説明することも困難です。

データへ移す

カラー不良の原因分析 — 配合条件、原料ロット、工程変数と最終的な色データを併せて分析し、偏差の原因候補を絞り込みます。感覚で分かっていたことを数値で確認する作業です。

工程最適化 — 品質予測モデルにより、どの条件が安定した結果を生むかを探ります。

外観・異物検査 — ディープラーニングによるビジョン検査で、微細な欠陥や異物を自動検出します。

スマートファクトリー構築 — 収集基盤から監視、AI適用までを段階的に構築します。

HACCP、GMPなど該当産業の衛生・品質要件を満たす範囲でシステムを設計します。ロットトレーサビリティが維持されるようデータ構造を整えることが出発点です。