原料特性の理解
由来・水分・形状・供給条件を確認し、適切な素材化の方向を検討します。
原料に合わせた
発酵・加工技術
原料の特性と用途に合わせ、微生物・発酵条件・加工工程を検討します。成分分析とサンプル評価を通じて、製品に応用する条件を整理します。
発酵・加工工程
素材の用途に応じて、前処理・発酵・粉砕・選別・包装の工程を検討します。加工・乾燥コストと製造条件を踏まえ、研究結果を生産工程に適用する方法を探ります。
複合微生物発酵
原料と目標用途に合わせ、微生物の組み合わせと発酵条件を研究します。
加工・乾燥工程の設計
素材特性と製造条件に基づいて加工・乾燥工程を設計し、効率を高める方法を検討します。
成分分析・応用評価
成分と試料の資料を基に配合目的への適合性を検討し、用途別の評価項目を整理します。
技術検討の項目
- 技術基盤
- 複合微生物発酵
- 工程範囲
- 前処理・発酵・粉砕・選別・包装
- 設計基準
- 原料特性・目標用途・製造条件
- 検討資料
- 試料・成分分析・品目別規格
- 応用研究
- タンパク質原料・飼料・食品・機能性素材
AI & FIELD DATA
AIによる条件提案・品質予測の
現場適用を準備します。
原料・工程・品質の記録を整理し、AIが提案する条件と予測結果を実際の試験で検討する方法を設計します。
AI適用の準備過程
データ項目・構造の準備
原料・工程の記録
原料の成分・特性、工程条件、製造後の品質と試験結果を比較できるよう、記録項目を整理します。製造ロットごとの差を確認できるよう、データの分類・連携基準を準備します。
- 原料データ
- 成分・水分と原料の品質特性
- 工程データ
- 発酵・加工工程の条件と製造記録
- 試験・品質データ
- 成分分析・品質評価・用途別の試験結果
条件提案・品質予測の検討
分析・条件の検討
原料や工程条件によって素材の成分・品質がどう変わるかを比較する分析方法を設計します。目標素材に必要な条件の提案や品質予測に、AIを適用できるかを検討します。
- 分析するデータ
- 原料成分・製造条件・目標品質指標
- 分析の方向
- 成分組成と性能評価の関係
- 検討する結果
- 試験条件の候補・品質予測結果
確認手順と評価項目を設計
試験・実証での確認
AIが提案した条件を研究・現場担当者が検討し、実際の試験で確認する手順を設計します。予測値と試験結果を比較し、素材の用途適合性と製造工程の再現性を検討する計画です。
- 素材の検証
- 成分・品質と目標用途での適用性
- モデルの検証
- 予測結果と実際の試験結果の差
- 工程の検証
- 製造条件・ロットごとの違いが結果に与える影響
試験・品質記録の設計
結果・フィードバックの蓄積
試験条件・結果と製造ロットごとの品質差を次の条件検討に活用できるよう、記録方法を設計します。蓄積したデータをモデルの検証・改善に反映し、原料・製造条件の変化も比較できる構造を準備します。
- 継続する記録
- 試験条件と結果、素材別の品質指標
- 比較の履歴
- 製造ロットごとの成分・性能の違い
- フィードバックの活用
- 予測値と試験結果の比較をモデルの検証・改善に活用
現在準備中
データと検証手順を
併せて準備します。
原料・工程・品質の記録をAIが分析できる形に整理するデータ構造を準備します。AIによる条件提案を研究・現場担当者が検討し、実際の試験で確認できるよう、検証手順を設計します。判断根拠と試験結果を残し、次の条件検討に活用することが目標です。
原料・工程・品質データ
原料の成分・水分、製造条件、品質分析と試験結果を同じ基準で比較できるよう、項目と連携方法を検討します。
条件・品質の評価基準
原料と目標素材に応じて、比較する条件と予測する品質指標を整理します。AIの提案を実際の試験で確認するための評価項目と順序を設計します。
施設記録・業務ツール
第3工場の空間モデルを実測資料で補い、文書・予定・ファイルの管理ツールを実務に活用しています。センサー・製造データについては、収集方法と連携範囲を検討しています。
大豆粕の培地・発酵素材化に向け、
共同実証を企画します。
SEMPIOと、大豆粕副産物を細胞培養用培地・精密発酵素材へと開発する共同実証を企画しています。原料特性の分析、発酵・加工、品質検証を通じて、目標用途への適合性を確認する計画です。
培地用栄養素材と発酵機能性素材は、必要な成分と品質基準を分けて評価する計画です。SIGNALCAREは、発酵・乾燥・粉末化の工程と原料・工程・成分データに基づき、AIによる条件提案・品質予測と、品質の再現性を検証する方法の適用を準備します。
大豆粕の原料特性
大豆粕の成分・品質特性を分析し、目標素材に必要な原料基準と確認項目を整理する計画です。
用途別の素材評価
細胞培養用のペプトン・ペプチド素材と発酵機能性素材では、評価基準を分けます。各用途で成分・品質と応用性能を確認する方法を検討します。
AIによる条件提案・品質予測
原料・工程・成分データを用いた条件提案・品質予測と、予測結果を実際の試験と比較する手順を準備します。
製造ロットごとの再現性
繰り返し製造した際の成分・品質・性能の差を比較する計画です。原料・工程条件の変化と結果の関係を検討するための資料を蓄積することを目指します。
施設・研究・業務における
デジタル活用の現状。
現場のモデリング構築・改善
第3工場の空間モデルに実測資料を反映し、施設・工程・作業動線を検討します。写真・実測記録・工程情報と併せて活用できるよう、資料と適用範囲を補います。
研究・製造データ適用を検討中
原料成分・製造条件・品質分析・性能評価の記録を併せて比較するデータ構造を検討します。研究・生産記録を製造ロット単位で整理し、条件検討と素材評価の根拠として活用することが目標です。
スマートファーム・実証施設連携を準備中
温湿度・機器状態を収集・閲覧し、時間による変化を確認するダッシュボード構成を検討します。センサーデータの自動保存と履歴管理の方法を整理し、施設や実証課題の状況を確認できるよう連携を準備します。
業務自動化構築・活用
文書の処理・発行・保管などの定型業務をツールで自動化し、実務に適用しています。電子文書・予定・ファイルと処理履歴を整理し、現場と支援部門が必要な情報を確認できるよう支えます。
今後の構想
研究・製造・施設の記録を
併せて活用するプラットフォーム。
SIGNALCAREは、研究・製造・施設・業務の記録を併せて活用する素材開発プラットフォームを構想しています。原料特性、AIによる条件検討、現場実証、運営履歴を連携させ、蓄積した結果を次の素材開発の判断根拠として活用する構造を設計します。
原料・製造・試験データの連携
原料特性・製造条件・試験・品質評価の結果を、用途と製造ロットを軸に比較する構造を検討します。個別の資料に分散した記録を、次の素材開発や条件検討の根拠として活用することが目標です。
試験結果に基づくAIモデルの検討
AIの予測値と実際の試験結果を比較し、新しいデータをモデルの検証・改善に活用する手順を構想しています。素材別の目標と評価基準に応じて、AIがどのような判断を支援できるかを段階的に検討します。
施設・業務記録の統合検討
空間モデル、設備・環境記録、文書・業務履歴を併せて確認できる運営環境を検討します。研究・現場・支援部門が同じ資料を根拠に判断できるよう、連携するデータと適用範囲を確認します。
AIの適用課題を
ともに検討します。
お持ちの原料・工程データと、検討したい試験課題をお知らせください。必要なデータとAIの適用・検証範囲を協議します。
発酵・素材開発に関連する特許
よくあるご質問
発酵・加工の相談には、どのような原料情報が必要ですか？
原料の由来、現在の形状、水分などの既知の性状、供給可能な条件、目標用途を整理してください。成分資料や試料情報があれば、工程の検討範囲を具体化しやすくなります。
発酵工程だけの相談もできますか？
保有原料と目標規格を基に、発酵・加工の課題をご相談いただけます。前処理や、発酵後の粉砕・選別・包装など、関連工程をどこまで検討するかも併せて定めます。
試験結果だけで量産の可否を判断できますか？
試料の分析・応用結果と、実際の製造条件をそれぞれ検討する必要があります。目標品質、原料供給、加工・包装条件、評価範囲を確認した上で、製造・供給について協議します。
工程効率や乾燥費の削減効果は、どう確認しますか？
既存工程と検討対象工程の原料状態、品質目標、製造条件を先にそろえて比較します。比較範囲と評価資料を定めて判断し、すべての原料に同じ削減率を適用することはありません。