印字検査AI導入｜賞味期限・ロット印字のOCR/OCVとRFP・FAT/SAT

賞味期限の日付が1日ずれている、ロット番号が前の品種のまま、インクが出ずに印字が抜けている。包装ラインの印字ミスは、一件が小売や卸の店頭で見つかっただけで、回収や返品、再ラベル、取引先への説明に追われることになります。インクジェットやレーザー、TTO（熱転写）のプリンターは入っていても、「印字された内容が正しいか」を全数で確かめられている工場は多くありません。そこで検討に上がるのが印字検査AIの導入、つまりカメラで印字を読み取り、正しい内容かどうかをライン上で判定する仕組みです。

この記事の主張は一つです。印字検査 AI の成否は、文字認識モデルの精度ではなく、次の四つで決まります。①「正しい印字内容（期待値）」を人の手入力ではなく ERP/MES の生産指示から自動で受け取ること、②「読めない」「内容が違う」「印字が無い」を区別して判定すること、③NG 品が確実にラインから外れたことまで確認すること（リジェクト確認）、④受入試験で”わざと間違えた印字、かすれ、欠け”を流し、見逃しと誤排出をライン速度のまま測ること。 そして、いちばん怖い事故は「かすれ」ではありません。段取り替えで日付やロットの設定を間違えたまま、きれいに印字され続けることです。この事故は OCR（読めるか）だけでは止まらず、OCV（期待値と一致するか）でしか止まりません。

以下では、タイ（および ASEAN）の日系の食品・飲料・調味料・医薬品・化粧品・日用品の包装ライン、または自動車部品・電子部品のロット刻印ラインを持つ工場で、品質保証課長、生産技術課長、工場長が社内の判断材料をそろえられるよう、方式の違い、事故の類型、期待値の受け渡し、撮像と排出の設計、製品の選択肢、記録、費用と効果のモデル試算、RFP の項目、FAT/SAT の試験設計、タイ・ASEAN 固有の論点を順に整理します。なお、記事中のモデル工場の件数、単価、金額、検知率、回収年数はすべてこの記事のために置いた仮の数字です。業界平均でも調査値でもメーカーの価格でもありません。また、法令や規則に触れる部分は公開情報の紹介であり、法的助言ではありません。

なぜ今、タイの包装ラインで印字検査が問われるのか

2026年のタイの食品工場を取り巻く状況は、楽ではありません。Pattaya Mail の報道によると、タイ工業連盟（FTI）、タイ商業会議所、国立食品研究所（NFI）は、2026年のタイの食品輸出が前年比7.3%減の1.4兆バーツ（420億米ドル）になると予測しています。2026年1〜2月の食品輸出は10.5%減の2,021億バーツで、主因はエネルギーと物流のコスト上昇とされています。これは4月時点の予測で、その後の改定値はこの記事では確認していません。売上が伸びにくい年ほど、回収や返品で失う利益と取引先の信頼の重みは増します。

表示のルールも変わりました。USDA（米国農務省）海外農業局の GAIN レポート（2026年7月）によると、タイ保健省告示 No.450（B.E.2567、2024年）「包装食品の表示」が2024年7月19日に施行され、旧規則のラベルの経過期間は2026年7月18日で終わりました。2026年7月19日以降は、新しい告示に全面的に沿った表示が必要になっています。表示の切り替えは、印字のレイアウト、日付の書式、プリンターのジョブを見直すきっかけでもあります。新旧のジョブが混在する時期は、設定間違いが起きやすい時期でもあります。

AI の活用については、タイ企業はまだ入口にいます。The Nation Thailand の報道（2026年10月6日）によると、世界銀行はタイの2026年の成長率予測を2.0%に上方修正した一方で、2025年12月時点で AI を利用していたタイ企業は12%にとどまり、有料で利用している企業はそのうちの一部、約80%のタイ企業は AI による生産性向上を実感していないと指摘しました。障壁として挙げられたのは、高いコスト、専門知識の不足、セキュリティとプライバシーへの懸念です。

国の方向性としては、Macau Business の報道によると、2026年8月下旬、タイ生産性本部（FTPI）とアジア生産性機構（APO）が作成した「National AI Roadmap for the Sustainable Productivity of Industries in Thailand」が Thailand Productivity Forum 2026 で引き渡されました。工業省向けの推奨目標として、2030年までに優先セクターで生産性15%向上、主要セクターで大企業の AI 導入率60%以上・中小企業40%以上、80件以上の AI パイロット（うち30%を本番展開）などが挙げられています。これは推奨目標であり、政府が決定した目標ではありません。投資奨励の面では、Mondaq に掲載された Alvarez & Marsal の解説によると、BOI は2026年1月15日、2025年で失効した制度に代わる新たな投資奨励措置群を発表し、先端製造や自動化も対象に含まれています。多くの措置は2026年の最初の営業日から2027年の最終営業日まで申請を受け付けるとされています。個別の優遇の中身と自社の案件が対象になるかは、BOI や専門家に確認してください。

市場の側では、検査装置のメーカーも日付・ロット印字の AI OCR を前面に出し始めています。2026年7月には米 Zebra Technologies のスポンサー記事が、8月には同社代理店のフライヤーが、食品・飲料・化粧品・消費財向けの日付・ロットコード検査を訴求しました。また、調査会社 Future Market Insights のプレスリリース（2026年7月）は、包装ライン向けインライン OCR 検証の市場が2026年の2億4,800万米ドルから2036年に6億6,100万米ドルへ伸びる（年平均10.3%）と予測しています。有料レポートの宣伝を兼ねた調査会社の予測であり、市場の定義も詳しくは示されていない点は割り引いて読む必要があります。

印字検査 AI とは：OCR・OCV・印字品質検査・バーコード検証の違い

「印字検査」という言葉は、目的の違う仕組みをまとめて指して使われがちです。導入の議論が噛み合わない原因の多くは、ここが整理されていないことにあります。

OCR（Optical Character Recognition、光学文字認識） は、印字された文字列を「読み取る」機能です。何が書いてあるかを文字列として取り出し、記録します。読み取った結果が正しいかどうかは、OCR だけでは分かりません。

OCV（Optical Character Verification、光学文字照合） は、印字された文字列が「本来印字されるべき内容（期待値）」と一致するかを確かめる機能です。期待値を持っていることが前提で、日付の設定間違いや前の品種のロットが残っている事故を止められるのは OCV です。

印字の有無・品質検査 は、内容は見ずに、印字があるか、決まった位置にあるか、文字数がそろっているか、かすれや欠けがないかを見ます。

バーコード検証 は、1次元・2次元コードが規格どおりの品質で印字されているかを等級で評価するものです。たとえば ISO/IEC 15416:2025 はリニア（1次元）バーコードの印字品質の測定と評価の方法を定めた規格で、人間が読む日付やロットの文字列の品質規格ではありません。バーコード検証機の等級や受入試験については「バーコード検証機の導入｜印字品質グレードとタイ工場のRFP・受入試験」で詳しく整理しています。

実務では、これらを段階的に組み合わせます。印字機メーカーの Domino Printing Sciences は、自社のビジョンシステムのソフトを3段階に分けて説明しています。同社のパンフレット（2025年版）によると、R150 は有無と位置の確認、R350 は文字数のカウントと機械読取コードの検証、R550 は OCR/OCV による内容の照合という区分です。この区分から読み取れるのは、内容の照合まで行わないと「誤った日付がきれいに印字された」ケースは検出できない、ということです。

なお、AI-OCR という言葉は、紙の帳票を読み取ってデータ化する用途でも使われます。帳票の AI-OCR 導入では「読み取り精度」が主な論点ですが、包装ラインの印字検査では「期待値と一致しないものを止めること」が主な目的です。同じ文字認識でも、評価の軸が違います。帳票側の精度の測り方は「AI-OCR精度の測り方｜タイ4言語帳票のPoC・受入試験」で扱っています。

事故はどこで起きるか：印字ミスの5類型と検知方式の対応

印字検査を検討するとき、まず「どの事故を止めたいのか」を棚卸しします。表示の誤りがどれほど回収につながっているかについては、海外の研究がいくつかあります。

米国 FDA 所管食品のアレルゲン・グルテン関連リコール（会計年度2013〜2019年、FDA の Recall Enterprise System のデータ）を分析した研究を紹介した Food Business MEA の記事（2023年）によると、根本原因が判明している重大なアレルゲンリコールの約7割が表示（ラベル）関連で、適切なラベル内容の管理で63.5%、適切なラベル運用の管理で36.5%が防げた可能性があるとされています。これは米国の、アレルゲン表示に関するリコールの数字であり、日付やロットの印字ミスの比率ではありません。ただ、ラベルの内容だけでなく運用の管理もリコール防止の対象になる、という見方は、どのジョブを使うかを管理する印字検査の設計にも参考になります。

もう一つ、Soon と Wahab の研究（Trends in Food Science & Technology、2021年）は、2011〜2020年にカナダ、豪州・ニュージーランド、英国、米国（USDA FSIS と FDA）の5機関が出した表示誤り関連の食品リコール・アラート2,470件を特定しています。大半はアレルゲン関連（2,301件）ですが、誤った賞味期限・消費期限によるものも36件ありました。寄与要因として「包装・印刷の誤り」が挙げられている一方、多くの根本原因は過少報告または不明とされています。期限誤りの件数は少なく見えますが、報告の慣行に左右される数字です。

タイについては、タイ FDA の学術誌（2022年）に、タイから米国に輸出された食品が米 FDA に輸入を拒否された事例（2011〜2020年）の分析が載っています。拒否の主因は不良・衛生（adulteration）の70.2%で、不適切な食品表示も拒否理由の一つに含まれています。表示起因の件数や比率はアブストラクトには示されていません。また、タイ国内の日付印字起因のリコール件数をまとめた統計は、この記事の調査では見つかりませんでした。

数字の大小よりも大事なのは、事故の「型」によって止められる方式が違うことです。現場で起きる印字ミスは、おおむね次の5類型に分けられます。

この表で分かるとおり、①と⑤はきれいに読めてしまうため、有無・品質検査や OCR だけでは止まりません。そして①は、1回起きると、段取り替えから次の段取り替えまでに印字したすべての製品が同じ誤りを持つ事故になります。かすれや欠けは1個ずつの不良ですが、設定間違いはロット全体の不良です。印字検査の優先順位は、この差を踏まえて決めます。

棚卸しでは、次の三つの台帳を突き合わせると対象が絞れます。

• 客先（小売・卸）からの返品・回収・クレームの記録：どの類型が、どのラインで、何個流出したか
• ライン末端の抜き取り検査で見つかった印字不良の記録：どの類型が、何時間後に見つかり、何個手直ししたか
• プリンターのジョブ変更・段取り替えの記録：誰が、いつ、どの値を設定したか

三つ目の記録が残っていない工場も多くあります。その場合、印字検査の前に「誰がどの値を設定したか」を残す仕組みを作ること自体が、最初の改善になります。

深層学習OCRとフォント登録型の比較

印字検査装置を比較するとき、方式の大きな違いは、文字の読み方にあります。従来型の OCR は、印字に使うフォントを登録し、文字ごとに見本を教える（ティーチングする）ことで読み取ります。深層学習 OCR は、大量の画像とフォントで事前に学習したモデルを使い、フォントの登録を省く方向の技術です。

各社の主張を見ておきます。Zebra は、日付・ロット検査向けのフライヤーで「従来型の OCR はフォント定義、文字の学習、大がかりな設定を必要とすることが多い」と位置づけ、自社の AI OCR（Aurora Focus ソフトウェアと、NS42 スマートビジョンセンサーまたは FS42 固定式産業用スキャナの組み合わせ）は大量の実画像とフォントで事前学習済みだとしています。同社の主張では、最大で毎分900個の日付・ロット検査、1回の読み取りは最短40ミリ秒で、シュリンク包装、反射やグレア、曲面（凹面）、エンボス文字、印字品質のばらつきにも対応し、「ほぼ100%の精度」とされています。いずれもベンダーの主張で、精度の条件は示されていません。自社の製品と印字で、受入試験の中で確かめる必要があります。

キーエンスは、AI を搭載したビジョンセンサーの OCR について、文字の切り出し、辞書登録、その他の設定調整が不要で、内蔵 AI が2秒で最適な検査ツールを選び、文字の濃淡や太さ、サイズが変わっても安定して読めると主張しています。また同社は、食品・飲料の OCR/OCV に VS シリーズと CV-X シリーズで対応するとし、読み取りを阻む要因として、印字方式・インク・基材の不一致による可読性の低下、照明・粉塵・湿気、高速・多品種を挙げています。

深層学習 OCR は立ち上げの手間を大きく減らす可能性がありますが、注意点が一つあります。印字検査で問題になるのは「読めないこと」より「違う文字を正しいと判定すること」です。たとえば「8」と「3」、「0」と「D」、「1」と「7」がかすれて似た形になったとき、崩れた文字が期待値と一致したと誤って判定されないか。この点は、方式にかかわらず、わざと似た文字に崩した印字を流す試験で確かめます。

医薬品の工場であれば、EU と PIC/S の動きも参考になります。GMP Insiders の解説（2025年）によると、EU GMP の新設 Annex 22（人工知能）の案は、適用可能な場合には、確信度の低い予測を「判定保留（undecided）」として扱うこと、判定の説明可能性、学習データと試験データの厳格な分離などを求めています。PharmaNow の記事によると、Annex 22 は2026年8月12日時点で採択・施行されていない案の段階です。印字検査の設計にあてはめると、「OK でも NG でもない、確信度の低いもの」を NG と同じく排出して人が再確認する、という考え方につながります。

期待値をどこから取るか：ERP/MES→プリンター→カメラの一元配信と段取り替え

OCV の効き目は、期待値の正しさで決まります。期待値をオペレーターが検査装置の画面に手で入力する運用では、プリンターに入力した値と同じ間違いを検査装置にも入れてしまえば、誤った日付は「正しい」と判定されます。印字の設定と検査の期待値を同じ人が同じ紙を見て入力するなら、検査は独立した確認になっていません。

そこで、期待値は ERP や MES の生産指示から自動で受け取り、プリンターとカメラに同じ値を同時に配信する構成を基本にします。典型的な構成を図にまとめます。

図：印字検査 AI のシステム構成の例。ERP/MES の生産指示から、プリンターとカメラに同じ期待値（印字内容）を配信する。カメラの読取結果を期待値と照合して OK、NG、読取不能（No-read）に判定し、NG と読取不能はリジェクト装置で排出してリジェクト確認センサーで排出を確かめる。NG が N 個連続したらラインを止め、画像と判定、期待値の記録を残す。

期待値の受け渡しで決めること

• 期待値の発生源：品目マスタ（賞味期限の日数、書式、工場コード）と生産指示（製造日、ロット、ライン）から、どの項目をどう組み立てるか。賞味期限は「製造日＋日数」の計算になるため、計算ルールも期待値の一部です。
• 配信先と同時性：プリンターとカメラに同じ値が同じタイミングで入ること。片方だけ更新された状態で生産が始まらないようにします。
• 段取り替え時のジョブ選択：オペレーターは値を入力するのではなく、生産指示の番号を選ぶ（またはバーコードを読む）だけにする。印字機メーカーの中には、集中ラベル配信ソフトを使って既存の ERP/MES からジョブの管理とラベル選択を自動で行えるとするところもあります（Domino の主張）。
• 手入力の禁止と例外手順：システム障害時など、どうしても手入力が必要な場合の承認者、二人確認、記録の方法を決めておきます。
• 変更履歴：誰が、いつ、どの期待値を、どのジョブに設定したかを残します。リコール研究で示された「ラベル運用の管理」の不備には、こうした設定と変更の管理も含まれうると考えられます。
• 日付の切り替わり：深夜をまたぐ生産で製造日をどう扱うか、時刻印字がある場合の時刻の同期をどうするかを決めます。

印字されたロットや日付は、トレーサビリティの起点でもあります。期待値を生産指示から受け取る仕組みは、ロットの逆引きの仕組みとほぼ同じデータの流れです。食品工場のトレーサビリティ全体の設計は「食品工場 トレーサビリティシステム｜RFPと90日導入」で整理しています。

人間が読む日付とバーコード内の日付をそろえる

包装に GS1 のバーコードや2次元コードを印字している場合は、人間が読む日付とコードの中の日付が同じ日を指しているかも確認の対象になりえます。GS1 の公式データセットでは、アプリケーション識別子（AI）の (10) がバッチ/ロット（英数字で最大20桁）、(11) が製造日、(13) が包装日、(15) が賞味期限、(16) が販売期限、(17) が消費/使用期限で、日付はいずれも YYMMDD の6桁です。また、日付の AI は単独では使えず、GTIN（AI (01)）などと組み合わせて使います。

一方、タイの告示 No.450 では、期限表示は「日/月/年」などの形で書くことになっています（後述の「タイ・ASEAN 固有の論点」で詳しく触れます）。つまり、同じ日付が、包装の上では「日/月/年」、コードの中では「YYMMDD」という別の書式で存在します。期待値を ERP/MES から一つの日付として受け取り、そこから両方の書式を生成して照合すれば、書式の変換ミスも検出できます。2次元コードへの移行を検討している場合は「GS1 Digital Link導入｜タイのQR移行・2Dバーコード受入試験」も参考になります。

撮像・照明・リジェクトの設計

期待値の流れが決まったら、次は「確実に撮り、確実に外す」設計です。印字検査の性能は、モデルより先に、ここで決まることが多くあります。

ライン速度と文字の大きさ

まずライン速度（毎分何個、または毎時何個）と、1個あたりにかけられる処理時間を確かめます。ベンダーが示す処理能力は上限値です。Domino は R-Series の OEM 型で毎時最大60,000個（カメラ1台）、i-Tech 型で毎時最大90,000個（カメラ1〜2台）、Zebra は毎分最大900個（単純に換算すると毎時54,000個に相当）、読取最短40ミリ秒としています。いずれもベンダーの主張で、実際の速度は照明、視野、文字数、搬送条件で変わります。

文字の大きさも前提条件になります。USDA の GAIN レポートによると、タイの告示 No.450 では、期限表示を含む必須情報の文字の高さは、ラベル面積100cm²以下で1mm以上、100cm²超で1.5mm以上とされています。高さ1mmの文字を安定して読むには、それに見合ったカメラの分解能と視野が必要です。視野を広げて位置ずれを吸収しようとすると、1文字あたりの画素数が減ります。ここはトレードオフなので、印字位置のばらつきを先に測ってから視野を決めます。カメラの選び方は「産業用カメラの選定方法｜タイ工場の画像検査・FAT/SAT」で詳しく扱っています。

照明と印字面

包装の印字面は、検査にとって条件の悪いものが多くあります。Zebra の資料が読取困難な条件として挙げているのは、シュリンク包装や凹凸面、反射包装とグレア、歪みや不均一な低品質の印字、製品形状やコード位置の変化、フォントや文字スタイルの変化、凹面、エンボス文字です。アルミ蒸着フィルム、透明ボトル、缶の底、曲面のキャップなどでは、照明の当て方で読めるかどうかが決まります。照明の選び方は「AI外観検査の照明選定・導入ガイド｜反射ワークからFAT・SATまで」で整理しています。

トリガーとトラッキング

カメラは、ワークがどこに来たときに撮るかを決めるトリガー（光電センサーなど）で動きます。トリガーが抜けると「撮っていない」ワークが生まれます。撮っていないワークを OK として流さないよう、トリガー数と判定数を照合し、ずれたら止める設計にします。また、カメラの位置から排出装置までの距離を、コンベヤのエンコーダーなどで追跡（トラッキング）し、NG と判定されたワークそのものを外す仕組みが必要です。

リジェクトとリジェクト確認

NG を判定しても、排出に失敗すれば流出します。エアブロー、プッシャー、ドロップ式などの排出装置を選ぶだけでなく、次のことを決めます。

• リジェクト確認：排出したはずのワークが、実際にリジェクトビンに入ったかをセンサーで確かめる。確認できなかったらラインを止める。
• リジェクトビンの管理：鍵付きにする、満杯を検知する、回収と処置の記録を残す。排出したワークが手で戻されないようにします。
• NG 連続時のライン停止：NG が N 個連続したら、設定間違いや印字機の故障の可能性が高いので、排出を続けずにラインを止めます。①の設定間違いは1個目から全部 NG になるため、ここで止めるのが最も早い対処です。
• 読取不能の扱い：読めないものは OK にしない。NG と同じく排出するか、別のビンに分けて人が再確認します。
• 装置の故障時：カメラや判定機が止まったときに、ラインが流れ続けないようにインターロックをかけます。

一方で、NG を厳しくしすぎると、正しい印字まで外す誤排出が増えます。誤排出は廃棄や手直しのコストになり、現場が検査を止めたくなる原因にもなります。誤排出の減らし方と受入での決め方は「AI外観検査の誤検知対策｜過検出と見逃しを減らす受入設計」で詳しく書いています。

製品・方式の選択肢

印字検査装置の比較では、製品の名前より先に、どの系統を選ぶかを整理しておくと議論が早く進みます。公開情報から整理すると、大きく四つの選択肢があります。ここで挙げる製品名や機能は、すべて各社の公開資料にある主張であり、特定の製品を推奨するものではありません。

1. スマートカメラ型（ビジョン専業メーカーのセンサー・カメラ）

カメラ、照明、判定の機能を一体にした機器で、印字機のメーカーを問わずに使えます。Zebra の AI OCR（Aurora Focus と NS42／FS42）、キーエンスの AI 搭載ビジョンセンサーなどがこの系統にあたります。1ライン単位で検討しやすい構成です。一方で、期待値を ERP/MES から受け取る連携、リジェクト確認、記録の保存は、周辺の仕組みとして別途作り込む必要がある場合があります。

2. PC型ビジョンシステム

画像処理用の PC やコントローラーに複数のカメラをつなぐ構成です。具体的な製品がどの構成にあたるかは、各社の資料で確認してください。複数の検査（印字、ラベルの有無、キャップなど）を1台にまとめたい場合や、ライン速度が速い場合に検討されます。

3. 印字機メーカーの検査オプション

印字機と検査を同じメーカーでそろえる系統です。Domino の R-Series は、同社のすべての印字機と連携し、有無・位置（R150）から OCR/OCV（R550）までの段階を選べ、集中ラベル配信ソフトと組み合わせて ERP/MES からジョブの管理とラベル選択を自動化できるとしています。また、印字機メーカーとビジョンメーカーが組む例もあります。2018年の Food Processing（豪州）の記事によると、Markem-Imaje と Cognex は2015年から印字機とカメラによる自動のコード検証で協業し、2018年に「Mark & Read」として協業を深めると発表しました。目的は、欠落や判読不能な文字・バーコードによる手直し、誤ったデータの印字による廃棄を減らすことと説明されています。印字機とジョブ管理が一体になるのが強みで、既存の印字機が同じメーカーかどうかで向き不向きが分かれます。

4. 自社開発・SIer 構築

汎用の産業用カメラと照明、オープンソースや市販の OCR ライブラリを組み合わせて作る方法です。期待値の連携、記録、多言語の画面などを自社の要件どおりに作れる一方、深層学習モデルの学習と維持、検証の記録をすべて自分たちで持つことになります。医薬品のように検証の文書が重くなる分野では、負担が大きくなりがちです。

どう選ぶか

選び方の目安は、次のとおりです。

どの系統でも共通して大事なのは、方式や製品より先に「期待値をどこから取り、NG をどう外し、何を記録するか」を自分たちで決めておくことです。そこが決まっていれば、どの製品でも RFP と受入試験で比較できます。

判定結果と記録：何を何年残すか

印字検査の記録は、事故が起きたときに「その製品は検査を通ったのか」「そのとき期待値は何だったのか」を後から示すためのものです。残すべきものは、次の5つに整理できます。

• 画像：NG と読取不能の画像はすべて、OK の画像は一定間隔か全数か（保存容量と相談）
• 判定：時刻、ライン、ワークの通し番号、OK／NG／読取不能、確信度
• 期待値：そのときの生産指示番号、期待値の文字列、期待値の配信時刻
• オペレーター操作：ジョブの選択、閾値の変更、検査の一時停止、ログインした人
• リジェクト確認：排出した個数と確認できた個数、ラインを止めた記録と再開の承認

保存期間は、製品の賞味期限、取引先との契約、社内の品質記録の規程から決めます。一般論として、少なくとも製品が市場にある期間と、クレームが届く可能性のある期間をカバーする長さにしておくと、事故の調査に使えます。具体的な年数は、取引先の要求と自社規程で確認してください。

医薬品や、医薬品の基準を参照する工場では、電子記録の扱いが論点になります。米国の 21 CFR 11.10 は、クローズドシステムで電子記録を扱う者に対し、システムのバリデーション、安全でコンピュータが生成するタイムスタンプ付きの監査証跡、許可された手順や事象の順序を強制する運用上のチェックなどを求めています。印字検査装置の判定記録や設定変更の履歴を電子記録として扱う場合には、これらの観点が関係してきます。EU では、GMP の Annex 11（コンピュータ化システム）の改訂案と Annex 22（人工知能）の新設案について2025年7月7日から10月7日まで意見募集が行われ、PharmaNow の記事によると約1,300件のコメントが寄せられました。Annex 22 は2026年8月12日時点で未採択・未施行で、最終案の欧州委員会への提出は2026年第4四半期が作業計画上の目標とされています（確定した日付ではありません）。タイ国内への適用時期は確認できていないため、ここでは「EU と PIC/S で策定中の案」として紹介するにとどめます。

食品については、記録の項目を取引先の監査で説明できる形にしておくことが現実的です。「検査装置が NG を出した」だけでなく、「NG を出したワークが確実に外れ、そのロットのどこからどこまでが影響を受けたか」まで、記録から答えられるようにしておきます。

費用と効果のモデル試算（仮の数字）

ここからは、印字検査 AI の費用対効果を考えるためのモデル試算です。以下の件数、単価、金額、検知率はすべてこの記事のために置いた仮の数字です。 業界平均でも調査値でもメーカーの価格でもありません。自社の数字に置き換えて使ってください。

モデル工場の前提

モデル工場は、食品の包装ライン1本（賞味期限とロットをインクジェットで印字）だけを対象にします。工場全体ではありません。通貨はタイバーツ（THB）です。件数は年間の期待値なので、小数になります。

ベースラインは「現状＝客先流出2件、社内発見20件」の1本だけです。①は客先で見つかっていた事故、②は社内の抜き取りで見つかっていた事故で、別々の事故の集団です。同じ事故を両方で数えているわけではないので、①と②を足しても二重計上にはなりません。②の12,000 THB は、抜き取りで見つけた場合の手直し費（15,000 THB）とライン上で即時に見つけた場合の手直し費（3,000 THB）の差で、社内手直し費そのものではありません。また、①の客先流出1件あたりの損失には社内手直し費を含めていません。

客先流出1件あたりの損失は、事故の規模で大きく変わります。何日分、何ケースを出荷してしまったか、どの取引先のどの店舗まで届いたかで、600,000 THB の何倍にも、何分の一にもなります。自社の過去の事故の記録から置き直してください。

検知率が変わると回収年数はどう動くか

検知率は「AI で実現できる値」として置いたものではありません。効果がこの前提にどれだけ依存するかを見るための仮の値です。検知率だけを変え、ほかの前提は固定して計算します。

図：モデル試算の感度（仮の数字）。検知率40%、60%、80%のとき、単純回収年数はそれぞれ約5.4年、約2.7年、約1.8年、年間純効果は276,000 THB、564,000 THB、852,000 THB になる。

検知率が80%から40%に下がると、年間効果は半分になりますが、年間運用費の300,000 THB は変わらないため、年間純効果は852,000 THB から276,000 THB へと3分の1以下に縮み、回収年数は約1.8年から約5.4年に延びます。運用費が固定でかかる以上、検知率の前提が下がると、純効果はそれ以上の割合で縮み、投資判断は大きく変わります。だからこそ、検知率はカタログの数字で置かず、PoC と”わざと間違える試験”で自社の製品と印字を使って実測し、試算を置き換えてください。

この試算に入れていないもの

次の項目は、試算に入れていません。入れると二重計上や過大評価になりやすいためです。

• 誤排出のコスト：正しい印字を NG と判定して捨てる、止めることによる廃棄、手直し、停止のコスト。誤排出が多いと、ここでの効果は目減りします。受入試験で誤排出率を測り、その分を差し引いて判断してください。
• 抜き取り検査員の削減：全数検査になっても、立ち上げ時の確認や NG 品の再確認、ジョブの確認には人が要ります。人を減らせるかは運用を決めてから判断します。
• ブランド毀損：取引先からの信頼の低下や取引条件への影響は、金額にすると不確かさが大きく、①の損失と重なりやすいため入れていません。

逆に言えば、この試算は「事故の件数と1件あたりの損失」だけで判断できる範囲を示したものです。自社の事故の記録が乏しい場合は、まず「事故はどこで起きるか」の章で挙げた三つの台帳を整えることが、費用対効果を説明する一番の近道になります。

印字検査 AI の RFP に書く項目

印字検査装置の比較では、「何を読めるか」より「どう止めて、どう残すか」を RFP に書いておくと、提案の質がそろいます。最低限、次の12項目を入れておくことをお勧めします。

提案を受け取ったら、ベンダーが示す精度や速度の数字が「どの条件で測ったものか」を必ず確認します。「ほぼ100%」「毎分何個」といった数字は、条件が分からなければ比較できません。条件を出してもらえない場合は、自社のサンプルで測らせてもらうことを提案の条件にします。

FAT/SAT で確認すること：わざと間違える試験の設計

印字検査の受入試験で最も大事なのは、正しい印字を流して「全部 OK だった」と確認することではありません。わざと間違えた印字を流し、確実に止まり、確実に外れ、記録が残ることを確かめることです。

試験パターンを作る

試験用の不良サンプルは、現場で起きる類型に合わせて作ります。代表的なパターンを図にまとめます。

図：FAT/SAT の試験マトリクスの概念図。行は試験用にわざと作る印字（誤った日付、誤ったロット・ラインコード、印字なし、かすれ・欠け、にじみ・二重印字、位置ずれ・シール部への印字、正しい印字〔対照〕）。列は確認項目（期待する結果、正しく判定されたか、ラインから外れたか、リジェクトが確認されたか、画像とログが保存されたか）。

• 誤った日付：期待値と1日ずれた日付、月と日を入れ替えた日付、年が違う日付。プリンターのジョブだけを変え、期待値は正しいままにして流します。
• 誤ったロット・ラインコード：前の品種のロット、隣のラインのコード、1文字だけ違うロット。
• 印字なし：インクを止める、印字をスキップさせる。
• かすれ・欠け：文字の一部が読めない程度から、ほとんど読めない程度まで段階をつける。似た形の文字（8と3、0とD など）に崩れるものも入れます。
• にじみ・二重印字：二重トリガーで重なった印字、にじんで太った印字。
• 位置ずれ・シール部への印字：視野の端、シール部や継ぎ目にかかった印字。
• 正しい印字（対照）：誤排出を測るための正常品。不良品よりずっと多く流します。

確認する5つの項目

各パターンについて、図の列にある5つの項目を確かめます。

1. 期待する結果：そのパターンが OK、NG、読取不能のどれになるべきかを、試験の前に決めて書いておく
2. 正しく判定されたか：期待する結果と実際の判定が一致したか
3. ラインから外れたか：NG と読取不能のワークが排出されたか
4. リジェクトが確認されたか：排出したワークがリジェクトビンに入ったことをセンサーが確認したか
5. 画像とログが保存されたか：画像、判定、期待値、時刻が記録に残ったか

判定が正しくても、外れなければ流出します。外れても、記録がなければ事故の調査に使えません。5つの列がすべてそろって初めて合格です。

件数と測り方

試験はライン速度のまま行います。止めて1個ずつ見せる試験では、トリガーやトラッキング、排出のタイミングの問題が見えません。不良サンプルは正常品の流れの中にランダムに混ぜ、どの位置に入れたかを記録しておきます。見逃し率（NG になるべき試験サンプルを OK と判定した割合）、誤排出率（正常品を NG または読取不能として外した割合）、読取不能率、1個あたりの処理時間を、パターンごとに集計します。

件数については、少ない件数で「見逃しゼロ」だったことは、見逃し率が十分に低いことの証明にはならない、という点を押さえておきます。どこまで件数を積むかは、事故の重さと試験にかけられる時間で決め、合格基準とあわせて RFP の段階で合意しておきます。

品種切替と段取り替えの試験

①の設定間違いを止めるのが印字検査の主目的なら、段取り替えそのものを試験に入れます。

• 生産指示を切り替えたとき、プリンターとカメラの期待値が同時に変わるか
• プリンターだけ古いジョブのまま生産を始めたとき、1個目から NG になり、N 個連続でラインが止まるか
• 手入力の例外手順を使ったとき、承認と記録が残るか
• 深夜0時をまたいだとき、製造日と賞味期限の期待値が正しく切り替わるか

FAT と SAT の分担

FAT で合格しても、SAT で同じ結果になるとは限りません。工場の照明、搬送の揺れ、印字機のインクの状態は、現地でしか再現できないからです。SAT の合格基準は FAT とは別に決めておきます。

タイ・ASEAN 固有の論点

表示の書式と言語

USDA の GAIN レポートによると、タイの告示 No.450 では、賞味期限・消費期限までの期間が90日未満の食品は「日/月/年」、90日を超える食品は「日/月/年」または「月/年」で期限を表示し、「Best before」または「Expired by」の文言と併記します。月は数字でも文字でもよいです。表示はタイ語が必須で、英語を併記することもできます。特定の食品は、個別の告示によって製造日や期限の表示が求められる場合があります。

印字検査にとっては、同じ工場の中で書式の違う期限表示が混在しうるということです。月を数字で書く品種と文字で書く品種、タイ語の文言と英語の文言、日まで書く品種と月までの品種。期待値の書式を品目マスタで品種ごとに持ち、検査装置がタイ文字を含む印字を読む必要があるかも、RFP の段階で確かめます。

暦の表記にも注意します。タイでは仏暦（B.E.）も使われており、告示 No.450 も「B.E.2567（2024年）」のように仏暦で表されています。印字を仏暦で行うか西暦で行うかは、自社の表示仕様と仕向け先の要求で決め、期待値の書式に含めておきます。同じ日付でも仏暦と西暦では年の数字が変わるため、期待値を生成するロジックで取り違えると、きれいに印字された誤日付と同じ事故になります。

なお、USDA のレポートによると、告示 No.450 の改正案（No.2）が2026年1月8日に WTO に通報されています。アレルゲン4種の追加、任意のデジタル表示、詰め合わせ品は最も早い期限を表示することなどが含まれていますが、採択日は決まっていません。今後の改正で表示の要件が変わる可能性があるため、書式を品目マスタで変えられる設計にしておくと対応しやすくなります。ここに書いたのは公開情報の紹介で、法的助言ではありません。自社製品への適用は、専門家やタイ FDA の情報で確認してください。

輸出先別の表示

輸出品は、仕向け先によって日付の書式や文言が変わります。タイ国内向けの「日/月/年」と、輸出先の書式が違う場合、同じラインで書式の違うジョブを切り替えることになります。仕向け先ごとに品目コードを分け、期待値を品目マスタから生成する設計にしておけば、仕向け先の取り違えも OCV で止められます。

高温多湿とインク

キーエンスは、OCR の読み取りを阻む要因として照明、粉塵、湿気を挙げています。高温多湿の環境では、冷蔵品や冷凍品の包装面に結露が出る、インクの乾燥が遅れてにじむ、といったことも検査の条件として想定しておく必要があります。試験は乾季と雨季の両方で、少なくとも SAT は実際の温湿度の条件で行い、季節が変わったら再確認する運用にしておくと安心です。印字方式そのものの選定、たとえばレーザーで刻印する場合の論点は「産業用レーザーマーカー 選定：タイ工場のRFP・FAT/SAT実務」で扱っています。

多言語の操作画面と教育

オペレーターと保全員はタイ語、管理者は日本語や英語で画面を見る、という構成の工場では、言語の設計が運用を左右します。NG の理由、読取不能の理由、ライン停止の理由が、タイ語の画面で分かることが重要です。表示が分からないと、現場は検査を一時停止して生産を続けたくなります。一時停止の権限と記録も、画面の設計に含めます。

サポート体制

印字検査装置が止まると、ラインが止まるか、検査なしで流すかの判断を迫られます。タイ国内に保守の拠点があるか、駆け付けまでの時間、予備品の在庫、リモート保守の可否を確かめます。また、品種が増えたときに誰が設定を追加するのかも、導入前に決めておきます。ベンダー任せにすると、新しい品種の立ち上げのたびに待ち時間が生まれます。

よくある質問

OCRとOCVの違いは？

OCR は印字された文字列を読み取って記録する機能で、OCV は読み取った文字列が期待値（正しい印字内容）と一致するかを照合する機能です。段取り替えで日付やロットの設定を間違え、きれいに印字され続けている事故は、OCR では「読めた」として通ってしまいます。この事故を止められるのは、期待値を持った OCV です。ロット番号の印字検査や賞味期限の印字検査で事故を止めることが目的なら、OCV を前提に考えます。

賞味期限の印字検査は全数でできる？

ライン速度と撮像条件が合えば、全数で行う構成は可能です。ベンダーが示す処理能力は毎時数万個の規模のものもありますが、これは上限値の主張です。自社の製品、印字面、照明、搬送条件のもとで、ライン速度のまま見逃しと誤排出を測ってから判断してください。全数検査にしても、リジェクト確認と NG 連続時の停止がなければ、止めたはずの不良が流れる可能性は残ります。

印字検査装置の費用はどう比較すればいい？

装置本体の価格だけで比べると判断を誤ります。カメラ、照明、判定機に加えて、リジェクト装置とリジェクト確認、ERP/MES との期待値連携、PoC、受入試験、品種追加と再学習、保守の費用まで含めて比較します。この記事のモデル試算では初期費用と年間運用費を仮に置きましたが、実際の金額はラインの条件と範囲で大きく変わります。RFP で項目をそろえて見積もりを取ると、比較がしやすくなります。

バーコード検証機と印字検査装置は何が違う？

バーコード検証機は、1次元・2次元コードの印字品質を規格に沿って等級で評価する機器です。たとえば ISO/IEC 15416:2025 はリニアバーコードの印字品質の測定方法を定めた規格で、人間が読む日付やロットの文字列の品質を測るものではありません。印字検査装置は、日付やロットの文字列が正しいか、読めるかを判定します。両方を印字している包装では、コードの中の日付と人間が読む日付が一致しているかを確かめる設計も検討します。

既存のインクジェットプリンターのままで印字検査AIを導入できる？

多くの場合、既存のプリンターのまま、カメラと判定機を後から追加する構成が検討できます。ビジョン専業メーカーの製品は、印字機のメーカーを問わずに使えるものが一般的です。ただし、期待値をプリンターとカメラに同じタイミングで配信するには、プリンターが外部からジョブの選択や値の受け取りに対応しているかを確かめる必要があります。対応していない場合は、手入力の例外手順と二人確認で補うか、印字機の更新もあわせて検討します。

深層学習OCRは製造現場でフォント登録が要らなくなる？

深層学習 OCR は、事前学習済みのモデルによってフォントの登録や文字の切り出しを省けるとベンダー各社は主張しています。ただし、照明、視野、読み取る範囲、期待値の書式の設定は残ります。また、崩れた文字が期待値と一致したと誤って判定されないかは、似た形に崩した印字を流す試験で確かめる必要があります。AI 外観検査の導入と同じく、受入試験の設計が成否を分けます。

まとめ

印字検査 AI の導入は、文字認識の精度を比べることから始めると、現場で事故を止められない仕組みになりがちです。先に客先の回収・返品、社内の抜き取り、段取り替えの三つの記録で印字ミスを棚卸しし、どの類型を止めたいのかを決める。きれいに印字された誤日付を止めたいなら、読み取り（OCR）だけで終わらせず期待値との照合（OCV）まで行い、期待値は人の手入力ではなく ERP/MES の生産指示から受け取って、プリンターとカメラに同じ値を配信する。OK、NG、読取不能を区別し、NG と読取不能は確実に外し、リジェクト確認で外れたことを確かめ、NG が連続したらラインを止める。こう順番を決めると、何を買い、何を自分たちで決めるべきかがはっきりします。

費用対効果は、検知率の前提で大きく動きます。モデル試算（仮置き）では、検知率を80%から40%に下げるだけで、回収年数は約1.8年から約5.4年に延びました。だからこそ、受入試験では誤った日付、誤ったロット、印字なし、かすれ、二重印字、位置ずれをわざと作って流し、判定、排出、リジェクト確認、記録の4つがそろうかを、ライン速度と段取り替えという量産の条件の中で測ります。告示 No.450 への全面準拠が始まった今は、印字のジョブと期待値の流れを見直す良い機会でもあります。

TOMAS TECH では、タイの工場のラインや設備に合わせて、印字検査の仕組みづくりをお手伝いしています。方式や製品が決まっていない段階、たとえば対象ラインの印字項目や過去の事故を棚卸しする段階でもご相談いただけます。お問い合わせはこちらのフォームからどうぞ。

参考情報

• USDA Foreign Agricultural Service：Labelling of Pre-Packaged Food Requirements（GAIN TH2026-0018、2026年7月3日）
• Pattaya Mail：FTI warns Thailand food exports to fall 7.3% as energy crisis and global tensions bite（2026年4月2日）
• The Nation Thailand：World Bank Flags AI Adoption Gap and El Niño Risks to Thailand’s Growth（2026年10月6日）
• Macau Business：Thailand Puts Productivity at the Center of AI Transformation with National AI Roadmap（2026年8月28日）
• Mondaq（Alvarez & Marsal）：Thailand’s Renewed BOI Incentives（2026年2月3日）
• วารสารอาหารและยา（タイ FDA 学術誌）：タイから米国への輸出食品の輸入拒否 2011〜2020年（2022年10月31日）
• Graftek Imaging / Zebra Technologies：AI-Powered OCR for Date and Lot Code Inspection（2026年8月）
• FoodProcessing.com（Zebra スポンサー記事）：How AI-Powered Optical Character Recognition Transforms Date and Lot Code Inspection（2026年7月24日）
• KEYENCE：How Vision Systems Ensure Accurate OCR in Food and Beverage Manufacturing
• KEYENCE UK：Stable OCR with Built-in AI Vision Sensors
• Domino Printing Sciences：Code Verification — The R-Series（2025年版）
• Food Processing（豪州）：Markem-Imaje and Cognex develop advanced Mark & Read technology（2018年6月6日）
• Food Business MEA：Study shows labeling errors contribute to most allergen recalls（2023年4月11日）
• University of Central Lancashire：Soon & Wahab, Global food recalls and alerts associated with labelling errors and its contributory factors（2021年）
• Legal Information Institute（Cornell）：21 CFR § 11.10 Controls for closed systems
• GMP Insiders：2025 EU GMP Draft Updates — Chapter 4, Annex 11, and Annex 22（2025年7月7日）
• PharmaNow：Annex 22 is not law yet — what to invest in（2026年8月12日）
• EVS：ISO/IEC 15416:2025（2025年1月8日）
• GS1：GS1 Application Identifiers（JSON-LD dataset）
• 24-7 Press Release（Future Market Insights）：Inline OCR Validation for Packaging Lines Market Set to Reach USD 661.0 Million by 2036（2026年7月3日）