すべての製品一覧
4801～4830 件を表示 ／ 全 578461 件
食品保存料・衛生材料・日用品に使用できるアミノ酸由来の天然カチオンポリマー。天然微生物が生産する発酵製品なので安全な素材です。
- 日持ち向上剤
保存料ポリリジン／食中毒防止に貢献する発酵ポリアミノ酸のご紹介
食中毒を防止する天然由来の保存料ポリリジンについて、判りやすく解説した資料をお届けしています。 ε-ポリリジン（以下、ポリリジン）は食品保存料として広く使用されているアミノ酸由来の保存料です。 ポリリジンを添加することで、食中毒の原因となる微生物の生育を防止することができます。 毎年、微生物による食中毒は問題となっており、度々ニュースでも取り上げられています。一見、腐敗しているように見えない食品でも、生育環境が整えば、微生物は一気に増殖しているケースがありますので注意が必要です。 見た目がきれいでも菌による汚染が進行し、食中毒の危険が潜んでいます。製造工程での衛生管理、適切な温度等での保管に加え、保存料ポリリジンを適切に使用することで、より効果的に食品の安全を守ることができます。 【特長】 ■天然微生物により、国内で発酵生産された安全な素材（遺伝子組換え生物ではない） ■天然の発酵物なので良いイメージを付与 ■食品保存料として既存添加物名簿に収載 ■安心な国産製品です ※お気軽にお問い合わせください。
製造業の技術革新をAIが加速。素材・部品技術の新たな用途や市場をAIが発掘し、事業化への道筋を示します。
- EAI・ETL・WEBアプリケーションサーバ
独自AIが貴社の技術データを深く分析。潜在的な価値を見つけ出し、高収益を生む新規事業へと具体化します。
- EAI・ETL・WEBアプリケーションサーバ
既存の枠を超え、AIが貴社の技術に新たな可能性を吹き込みます。無限のアイデアから、未来を拓く事業を見つけませんか？
- EAI・ETL・WEBアプリケーションサーバ
その独自技術、まだ眠っていませんか？AIが未開拓市場の新事業アイデアを大量創出。貴社の技術を未来の収益源へ。
- EAI・ETL・WEBアプリケーションサーバ
わずか1日で100を超える事業アイデアをAIが提案。貴社の技術シーズから、成長性ある新市場を効率的に開拓します。
- EAI・ETL・WEBアプリケーションサーバ
自動滴定装置について、手動滴定と比較した際のメリットと優位性を解説《無料ダウンロード公開中》
- 電気滴定装置
- 分析機器・装置
- 自動分注装置
メトロームの近赤外分析計（NIR）はサンプルロボットと組み合わせると最大500検体連続自動測定！
- 分光分析装置
- 近赤外分光光度計
- 食品試験/分析/測定機器
熱中症対策が義務化 屋内特化に加え、屋外にも設置が出来る移動式クーリングシェルター(風除室)で、職場環境の改善・離職率低下に貢献
- 冷却機器
- 空調システム
- その他空調機器
ドローンを活用したエネルギー設備の効率的な点検をViULiNX 1W品で実現！
- 画像伝送機器
昼夜監視で事故防止、AI侵入検知×設備停止の安全監視AIシステム「Y-MillAI（ワイミライ）アラート」
- エリアセンサ
- 画像解析ソフト
- 監視カメラシステム
Y-MillAI製品（Y-MillAIアラート/スコープ）のカタログが完成しました。
吉川工業の次世代AIソリューション「Y-MillAI」シリーズより、Y-MillAIアラート／Y-MillAIスコープの2製品カタログが完成しました。 Y-MillAIアラートは、物体検出AIが映像を分析し、設定した危険エリア内への人や物の侵入を検知。 危険を検出すると、警告灯やブザーによる警報、設備停止などで事故を未然に防ぎます。 Y-MillAIスコープは、監視カメラ映像から人が映っているシーンのみをAIで抽出。 レポート出力機能により、静止画の貼付や動画保存が可能で、現場の振り返りや報告業務の効率化に貢献します。 詳しい内容は、下記の製品ページまたはカタログをダウンロードしてご覧ください。
多品目・多拠点の発注を標準化する 需要予測AI活用
多品目・多拠点で発注業務を担う現場では、 ・品目ごと・拠点ごとに異なる需要動向 ・Excelや属人的な判断に依存した発注 ・全体最適が見えず、欠品・余剰在庫が発生 といった課題が日々発生しています。 特に品目数や拠点数が増えると、発注量を勘や経験、過去実績だけで判断することは困難になり、「属人化」「担当者依存」「比較不可能」といった壁が顕在化します。 こうした課題を解決するためには、発注量を最適化する以前に、拠点・品目ごとの需要を正しく把握し、根拠ある予測を行うことが重要です。 本セミナーでは、AI需要予測を用いて、発注判断の標準化・最適化につなげる方法を具体的な考え方と実務ベースの事例で解説します。 詳しくは、以下の概要ページからご確認ください。 https://aicross.co.jp/deep-predictor/seminar/seminar-260226/