マカオごみ焼却発電所に学ぶ：AIで変える大型インフラ施工と安全管理

マカオのごみ焼却発電所が示した「高密度現場を事故なく仕上げる」力

1日3,000トン超。マカオ特別行政区で唯一の都市ごみ処理施設が、最新フェーズの拡張でここまで能力を引き上げました。しかも、タイトな敷地、既存設備だらけの高密度サイト、危険物処理設備付きという条件の中で、工期前倒し・予算内完了・安全確保をやり切っています。

マカオごみ焼却発電所フェーズ3のプロジェクトは、ENRの「Global Best Projects 2025」パワー／インダストリアル部門でベストプロジェクトに選ばれた案件です。ただの焼却施設と思うと見落としますが、高リスク・高複雑度インフラをどう設計・施工・運営するかという意味で、日本の建設会社にも示唆が多い事例です。

この記事では、このマカオの事例をベースにしながら、連載「建設業界のAI導入ガイド：生産性向上と安全管理」の文脈で、

• どんな工夫で高密度・高リスク現場をまとめ上げたのか
• そこにAI・BIM・デジタルツインを組み込むと何が変わるのか
• 日本のゼネコン・サブコンが、2026年に向けてどこから着手すべきか

を、できるだけ具体的に整理します。

---

1. マカオごみ焼却発電所フェーズ3の全体像

マカオの新フェーズは、都市型ごみ処理と発電を一体化した高密度コンプレックスです。主なポイントをざっと整理しておきます。

• 日量3,000トン超の都市ごみ処理能力
• 年間2億kWhの発電能力（フル稼働時）
• 25トン／日の危険廃棄物処理設備
• 受入・焼却・熱回収・タービン発電・排ガス処理・灰処理・変電設備までフルセット
• タイトな既設サイト上に、設備を**積層（スタック）**して設計・施工
• 外装は4層構成＋太陽光発電ガラスカーテンウォールでボリューム感を抑制
• 全排水の処理・再利用、庁舎屋上での雨水利用など環境性能を強化

プロジェクトの特徴は、単にごみ処理能力を増やしただけでなく、

「高密度な既存設備と配管が入り組んだ狭小敷地に対して、積層構造・軽やかな外装・省エネ設計・新工法・高度な安全管理をすべて重ねて成立させた」

という点にあります。

この「何でも詰め込まれた環境」は、日本の都市再開発やエネルギー施設、更新需要が重なるプラント現場ともよく似ています。ここにAIを組み込むと、どこまで生産性と安全性を引き上げられるのかが、この記事の本題です。

---

2. 高密度インフラ現場の課題と、マカオが採った解決策

高密度なインフラ現場では、安全・工程・品質・景観・環境性能が互いにトレードオフになりがちです。マカオの事例を分解すると、次のような論点が見えてきます。

2-1. 「積層」設計と施工の難しさ

既設設備と配管がびっしりの敷地に新設棟を足す場合、水平展開はほぼ不可能です。マカオでは、建屋を縦方向に4層相当に分割し、設備を上方向に積み上げるスタックド・レイアウトを採用しました。

• 設備・配管・ダクト・電気の取り合いが極端に複雑
• 建方手順を間違えると、後から機器が搬入できない
• 火災・ガス漏れなどのリスク評価も3D的に難しくなる

この状況で彼らは、

• 大スパン屋根トラスの**インクリメンタル・ローンチング（押出し工法）**をマカオで初適用
• タワークレーン5基を衝突防止システム付きで運用
• 杭基礎の動的載荷試験比率を3%→100%に上げ、全杭の性能を確認

といった手を打ち、工程と安全を両立させています。

2-2. 景観・環境性能への配慮

都市部のごみ焼却発電所では、「迷惑施設」に見せないデザインも重要です。マカオでは、

• 外装を4層に視覚分節し、巨大なボリューム感を軽減
• 各層の間に太陽光発電ガラスカーテンウォールを配置し、
  • 自然採光と通風
  • 日射遮蔽による冷房負荷軽減
  • 発電によるエネルギー自給
• 庁舎屋上で雨水を集めて再利用
• プラント排水は全量処理して場内再利用

といった設計で、エネルギー効率と環境負荷低減を同時に追求しています。

2-3. この現場にAIが入ると何が変わるか

元記事ではAIには触れていませんが、日本の文脈で考えると、ここはAI活用の宝庫です。

• スタック構造＋高密度配管 → BIM＋AIで干渉チェックとルート最適化
• インクリメンタル・ローンチング → センサー＋AIで変位・応力のリアルタイム監視
• タワークレーン5基運用 → AI画像認識＋IoTで衝突・接触リスクを自動検知
• 杭の100%動的載荷試験 → 試験データをAIが学習し、次現場の設計値・試験計画を最適化

つまり、マカオで実現した「高密度・高リスク現場を、きめ細かいマネジメントでやり切る」という芸当は、AIを組み合わせることで“再現性のある仕組み”に変えられるということです。

---

3. マカオ事例から見える、AI×BIMの実務的な使いどころ

ここからは、「自分たちの現場なら何に使えるか」という視点で、もう少し具体的に落とし込みます。

3-1. 積層レイアウトと配管ルートのAI最適化

積層型プラントや高層工場では、配管・ダクト・ケーブルトレイのルート取りが工程と安全を支配します。BIMモデル上でAIを使うと、次のようなことが可能です。

• 設備情報・メンテナンス要件・防災クリアランスを入力
• AIが数百〜数千パターンのルートを自動生成
• 干渉・施工性・コストを評価して、**「施工可能で最も良い案」**を提示

人だけでやると、どうしても担当者の経験に依存しますが、AIを組み合わせれば、

「熟練者が数週間かけて検討していたルート検討を、数時間スケールで回す」

ことが現実的になります。マカオ級の高密度コンプレックスほど、効果は大きくなります。

3-2. タワークレーン・重機のAI安全監視

マカオでは、5基のタワークレーンをインテリジェント衝突防止システムで制御しました。日本の現場でも、これをAI画像認識と組み合わせると、

• クレーンブーム同士・ワイヤーと構造物の接触リスク検知
• 旋回範囲に作業員や車両が入った瞬間のアラート
• 強風・豪雨・視程不良時の自動制限モード

といった運用が可能です。

実際、AIカメラとLiDARをタワークレーンに付け、近接リスクを自動検出するシステムは国内でも実証が進んでいます。マカオのような狭小プラントだけでなく、都市再開発・橋梁・高架更新など、日本の高リスク案件にもそのまま応用できます。

3-3. 杭・躯体の品質管理とAI

マカオでは、杭の動的載荷試験を100%実施し、全杭の性能を確認しています。ただ、現実的には「そこまでやりたいが、コストと期間が厳しい」という現場も多いはずです。

AIを組み合わせると、次のようなアプローチがとれます。

• 過去現場の試験結果・地盤情報・設計条件をAIに学習させる
• 現場ごとに**「試験すべき杭」「省略可能な杭」**をリスクベースで提案
• 打設時のハンマーデータや連続壁のトルク・貫入量から、AIが品質異常の早期兆候を検出

マカオのような「まずは100%試験でデータをためる」段階を経て、次の案件からAIに仕事を渡していく、という戦略が現実的です。

3-4. 画像認識による安全監視・行動分析

高密度プラント現場では、「人がどこにいるか」が安全のボトルネックになりがちです。AI画像認識を用いると、

• 高所作業時のフルハーネス未装着検知
• 立入禁止エリアへの侵入検知
• 重機の死角に入った作業員の自動検出
• 熱中症リスクの高い行動・滞留を検知

などを、24時間・多視点で見守れます。

マカオのように、複数クレーン・高所作業・狭小ヤードが重なった現場では、「安全担当者の目だけに依存しない」二重・三重の監視網が現実的な解だと感じます。

---

4. 運営フェーズで効くAI：ごみ焼却発電所のライフサイクル管理

ごみ焼却発電所は、「作って終わり」ではなく、運営し続けて価値を出すインフラです。AIは運営フェーズでも威力を発揮します。

4-1. プラント運転の最適化

焼却炉・ボイラ・タービン・排ガス処理・灰処理は、互いに密接に関係しています。AIを使うと、

• ごみ質（含水率・発熱量）の変動に応じた燃焼条件の自動調整
• ボイラの汚れ・腐食の予測と洗浄タイミングの最適化
• 発電効率と設備寿命のバランスをとった運転計画

などが可能になります。特に、マカオのように年間2億kWh規模の発電を行う施設では、運転最適化による1〜2%の効率改善が、かなり大きな金額インパクトになります。

4-2. 予兆保全とリスク監視

ごみ焼却発電所は、高温・高圧・腐食性ガスという過酷環境です。AIとセンサー群を組み合わせれば、

• ポンプ・送風機・コンベヤの振動・音・温度データから故障予兆検知
• 排ガス組成と異常データから、フィルタ詰まりや漏洩リスクを早期把握
• 危険物処理設備の温度・圧力・流量から、異常反応の兆候を検知

といった予兆保全が可能になります。

施工段階でBIM・3Dスキャンを整えておけば、それをそのままデジタルツインとして使い、運転データとひも付けることができます。マカオのような高密度プラントほど、デジタルツインの価値は高まります。

---

5. 日本の建設会社が今からできる「小さな一歩」

マカオのようなフルセットのデジタル化はいきなり真似できなくても、今の案件から始められることはいくつもあります。

5-1. まずは1現場1テーマのAI実証から

いきなり「現場合同でAIプラットフォームを全導入」と構えると、ほぼ間違いなく進みません。おすすめは、

• プラント更新現場 → 「タワークレーンAI安全監視」
• 都市再開発 → 「AI画像認識による安全装備チェック」
• 大規模造成・基礎工 → 「杭・地盤データのAI解析」

のように、1現場につきAIテーマを1つだけ決めるやり方です。成功・失敗を含めてナレッジを溜め、次の現場で少し範囲を広げていくイメージです。

5-2. BIM・3DモデルをAI前提のつくり方に変える

BIMは既に多くの現場で使われていますが、「図面の3D版」止まりになっているケースも少なくありません。AIと組み合わせる前提で、

• 属性情報（設備仕様・点検周期・安全クリアランスなど）を丁寧に入れる
• 仮設・施工ステップもBIMに載せていく
• 完成後の運転・保守まで見据えて情報項目を設計する

ことで、後からAIを載せやすい“データの土台”を用意できます。

5-3. 安全担当・施工管理とDX担当の「現場タッグ」をつくる

AI導入がうまくいく現場の共通点は、「現場の痛みを知っている人」と「技術に明るい人」がペアで動いていることです。

• 安全担当や工事長が「ここが一番ヒヤッとする」と感じているポイント
• 施工管理が「毎日やっていて一番面倒」と思っている業務

を、DX担当・情報システムと一緒に洗い出し、優先順位をつける。そこからAIの活用テーマが自然に見えてきます。

---

6. これからの大型インフラは「AI前提」で設計する時代へ

マカオごみ焼却発電所フェーズ3は、AIを前提にしていないにもかかわらず、AIが活躍できる余地だらけのプロジェクトです。高密度な積層設計、複雑な工程、安全リスクの高さ、長期運営を前提とした設備群——これらはそのまま、日本のエネルギー施設・更新プラント・ごみ処理施設にも重なります。

これからの大型インフラでは、

• 設計段階でBIMとAIをセットで考える
• 施工段階で、AIによる安全監視・工程最適化を組み込む
• 運営フェーズで、デジタルツインとAIによる予兆保全を回す

というライフサイクル全体でのAI活用が、コストと安全・環境性能のバランスをとるうえで欠かせなくなっていきます。

マカオの事例を“遠い海外の成功事例”で終わらせるか、自社の次案件へのヒントに変えるか。2026年に向けて、まずは自分たちの現場でどこにAIを効かせるか、一つテーマを決めてみてください。

---

この連載「建設業界のAI導入ガイド：生産性向上と安全管理」では、今後も実際のプロジェクト事例をもとに、画像認識による安全監視、BIM連携、工程管理のAI最適化、熟練技術のデジタル継承などを具体的に取り上げていきます。次回は、AIを導入した現場で「現場の反発」を減らすためのコミュニケーション設計について掘り下げます。