マカオごみ焼却発電所に学ぶ、AI時代の大型インフラ施工術

マカオごみ焼却プラントから見える「AIが効く現場」の条件

都市ごみ3,000トン／日超。発電量2億kWh／年。しかも既存設備が密集した狭小敷地——。

マカオ特別行政区唯一の都市ごみ処理施設「Macau Refuse Incineration Plant（マカオごみ焼却プラント）第3期」は、ENRの「Global Best Projects 2025」でパワー・インダストリアル部門のベストプロジェクトに選ばれました。完成は工期前倒し、かつ予算内。施工面でも設計面でも、かなり“攻めた”プロジェクトです。

このプロジェクトを、そのまま海外事例として眺めるだけではもったいない。日本の建設会社にとっては、「AIをどこにどう効かせると生産性と安全性が上がるのか」を考える絶好の教材になります。

この記事では、

• マカオ焼却プラント第3期の技術的な特徴・施工の工夫
• そこにAI（画像認識、BIM連携、工程最適化、安全監視など）を組み込むと何が変わるか
• 日本の建設現場が、同レベルの複雑プロジェクトにAIでどう挑むべきか

を、シリーズ「建設業界のAI導入ガイド：生産性向上と安全管理」の一環として整理していきます。

---

プロジェクト概要：高密度・高難度な「都市型インフラ」現場

マカオ焼却プラント第3期のポイントを、AI観点で活かしやすい要素に絞って整理します。

1. 狭小かつ既存設備ぎっしりの敷地条件

このプロジェクトは、既存のごみ焼却施設がフル稼働している状態で、その隣接地・上部空間を活かしながら能力増強を行う案件です。

• 日処理能力：3,000トン超へ増強
• 含まれる設備：
  • ごみ受入・投入・焼却設備
  • 廃熱回収・蒸気タービン発電
  • 冷却水・蒸気系統
  • 排ガス処理設備
  • 飛灰・スラグ処理設備
  • 25トン／日能力の有害廃棄物処理設備
  • 新設変電設備

既設配管・ダクト・ケーブルラックが複雑に走る中で、新旧設備を“積層型”に重ねるようにして配置しているのが特徴です。この「立体的な空間活用」は、まさにBIMとAIが得意とする領域です。

2. 建築・設備を一体で見た「積層デザイン」

外観は4層に分節したデザインとし、巨大なプラントボリュームを分解して見せる工夫がされています。

• 各層の間に太陽光発電機能付きガラスカーテンウォール
• 内部廊下への自然採光・自然換気
• ガラス＋木目調金属ルーバー＋鋼材で軽快な印象
• 日射負荷を抑制し、空調エネルギーを削減
• 管理棟には屋上雨水利用システム

都市近接型のインフラでは、「景観・環境性能・維持管理性」を一体で設計する必要があります。ここでも、AIとBIMを組み合わせたエネルギーシミュレーションや維持管理データの活用余地が大きい領域です。

3. 施工技術：狭い・高い・重いをどう攻略したか

現場では、マカオで初となる手法も多数採用されています。

• 大スパン屋根鉄骨トラス：インクリメンタル・ローンチング工法で段階的に架設
• 狭小敷地で5台のタワークレーンを同時運用
  • ここで「インテリジェント衝突防止システム」を導入
• 杭基礎は動的載荷試験の実施率を3%→100%へ引き上げ
• 多面的な安全・セキュリティプログラムを展開

つまり、「高密度で重機が飛び交い、構造も複雑で、しかも品質保証レベルが高い」という、AIによる施工管理・安全監視の効果が見込みやすい典型例と言えます。

---

どこにAIを入れると効くのか：5つの視点

ここからは、もし同様のプロジェクトを日本で実施すると仮定して、「AIをどこに組み込むと効果が大きいか」を具体的に整理します。

1. BIM × AIで「積層型」配置計画と干渉調整

マカオのような立体的・高密度のプラントでは、三次元BIMモデルが前提になります。ここにAIを組み合わせると、単なる3D可視化から一歩進んだ使い方が可能です。

有効な活用例

• 自動干渉チェックの高度化
  配管・ダクト・ケーブルラック・鉄骨・仮設足場などをAIが一括解析し、
  • 干渉の可能性が高い箇所の自動抽出
  • 施工時系列を踏まえた「組立不可能」ゾーンの検出
• ルート自動提案
  既設設備を避けながら、圧力損失や保守スペースを考慮した配管ルートの候補をAIが複数生成。
• 施工手順シミュレーション
  大型トラスの搬入経路・旋回半径・吊り荷重をBIM上で再現し、AIがクレーン計画のパターンを評価。

こうしたAI-BIM連携は、「図面の手戻り削減」「施工計画レビューの高速化」に直結します。日本でも、大型プラントやごみ処理場、データセンター案件などで、かなり再現性の高い効果が期待できます。

2. 画像認識AIによる安全監視：タワークレーンと高所作業

マカオ現場では、5台のタワークレーンにインテリジェント衝突防止システムを導入していました。日本でこれをAI時代型にアップデートすると、次のような構成が考えられます。

AI安全監視の実装イメージ

• 現場全体とクレーン周りに高解像度カメラ＋LiDARを設置
• 画像認識AIがリアルタイムに以下を検知：
  • クレーンブーム同士・ブームと建物・ブームと架設材の接近
  • 吊荷下の立入禁止エリアへの人の侵入
  • 作業員の墜落制止用器具の未装着や不適切使用
• 危険度に応じて：
  • オペレーターへのアラート
  • 現場監督・安全管理者への通知
  • 一定条件での自動停止信号

ポイントは、「人間の目視パトロールを置き換える」のではなく、「ヒューマンエラーの最後の砦」としてAIを置くことです。タワークレーンのような致命的リスクを持つ設備周りでは、AI安全監視は**“あった方が良いもの”ではなく“無いと困るもの”**になっていくはずです。

3. 工程管理の最適化：遅延予兆をAIで拾う

工期前倒し・予算内に収めたマカオプロジェクトの裏には、かなりタイトな工程管理があったはずです。同じ状況にAIが入ると、次のようなメリットが出てきます。

AI工程管理の具体的な効果

• 進捗実績と計画の自動比較
  日々の作業報告、ドローン撮影画像、3DスキャンデータをAIが解析し、BIM工程モデルと自動突合。1〜2週間先の遅延リスクを算出。
• ボトルネック工程の可視化
  杭の動的載荷試験を全数実施したような品質重視の工程では、試験機・試験員のリソースがボトルネックになりがち。AIが負荷を試算し、最適な人員・機材の配分案を提案。
• What-ifシミュレーション
  「クレーン1台故障」「資材入荷1週間遅れ」などの仮定シナリオをAIが短時間で試算し、工程への影響と対策案を可視化。

日本では、工期遅延がそのまま違約金・追加コストに直結する案件が増えています。だからこそ、「現場代理人の勘と経験」に加えて、AIの客観的な見立てを使う文化を持てる会社が強くなります。

4. 品質管理：杭試験や溶接検査をデータ化・自動判定

マカオでは、杭基礎の動的載荷試験を100%実施し、全杭の設計支持力を確認しています。品質優先の良い事例ですが、実務としては「試験と評価にかかる手間」が非常に大きいはずです。

ここにAIを組み合わせると、

• 動的載荷試験の波形データから、AIが自動で支持力・異常の有無を判定
• 溶接部の超音波探傷・X線画像をAIが解析し、欠陥の候補箇所をマーキング
• 試験結果をBIMモデルに紐づけ、「どの部材・どの杭がどの結果か」を一元管理

といったことが可能になります。

人間の検査担当が最終判断を行うにしても、「AIが先にふるいにかける」ことで、見落としリスクを減らしつつ、検査時間を大きく短縮できます。これはそのまま、日本の品質重視文化と相性の良いAI活用です。

5. 熟練技術のデジタル継承：施工ノウハウをAIに刻む

インクリメンタル・ローンチングや立体トラスの架設計画、安全対策のツボなど、マカオプロジェクトでは多くの「一級品のノウハウ」が現場レベルで生まれています。

日本企業がここでやるべきは、「終わったら終わり」にせず、

• 施工手順、検討資料、リスク事例、対応策を構造化データとして蓄積
• それをナレッジ検索AIから、誰でも自然文で呼び出せるようにする
• BIMモデルや工程データと紐づけて、「このような条件の現場では過去にこういう施工方法が採用された」といったレコメンドを出せるようにする

ことです。

人口減・技能者不足が進む日本では、「人についているノウハウ」を「データについているノウハウ」に変えないと、複雑なインフラ案件を回し続けるのが難しくなります。マカオ級の難度の案件をこなせるかどうかは、AIを使った“ノウハウの見える化”にかかっている、と個人的には思っています。

---

日本の建設会社がマカオ事例から学ぶべきこと

ここまで見てきたように、マカオごみ焼却プラント第3期は、AI活用のポテンシャルが非常に高いプロジェクトでした。最後に、日本の現場に落とし込むうえでの実務的なポイントを整理します。

1. 「AI導入テーマ」をプロジェクト特性から逆算する

AI導入がうまくいかない会社の共通点は、「技術から入って現場テーマが曖昧」なことです。マカオ事例のように、まず案件特性から考える方が筋が良いです。

• 高密度・立体配置　→　BIM×AIで干渉・工程シミュレーション
• 重機が多い・高所作業が多い　→　画像認識AIで安全監視
• 品質要求が高い　→　検査データのAI自動判定
• ノウハウがブラックボックス化しやすい　→　ナレッジAIでデジタル継承

1〜2個のテーマに絞って試行導入し、次の案件でスケールさせる。このサイクルを2026〜2028年で回せるかどうかが、30年代の競争力を左右します。

2. 「AI×安全」は現場所長主導で設計する

AI安全監視は、情報システム部門だけでは絶対にうまく設計できません。

• どのリスクを最優先で潰すべきか
• アラートを誰に・どのタイミングで・どの方法で伝えるか
• 現場の作業を止める／止めない判断をどう線引きするか

こうした設計は、現場所長や安全責任者の判断軸がないと現実的な運用になりません。マカオで多面的な安全プログラムが組まれていたように、日本でも**「安全方針 → AIの役割定義 → 技術選定」**の順番で考えるのが良いです。

3. 「BIMだけ」「AIだけ」から卒業する

マカオのような複雑プラントでは、

• 設計：BIMモデル＋性能シミュレーション
• 施工：BIM 4Dモデル＋AI工程管理
• 安全：画像AI＋IoTセンサー
• 品質：試験データ＋AI判定＋BIM連携

のように、複数技術を組み合わせて初めて意味が出てきます。

すでに多くの日本企業がBIMを導入済みですが、「ただ3Dで描いているだけ」になっているケースも少なくありません。2026年以降は、BIMを“AIの土台データベース”としてどう活かすかを真剣に設計した会社が、一歩抜け出すはずです。

---

次の現場でAIを試すなら、どこから始めるか

マカオごみ焼却プラント第3期は、「AIが効く現場とはどういうものか」を非常に分かりやすく示してくれています。

• 高密度・高難度のインフラ案件ほど、BIM×AIによる工程・干渉最適化の効果が大きい
• タワークレーンや高所作業が多い現場では、画像認識AIによる安全監視が“必須装備”に近づきつつある
• 全数検査や高品質要求の現場ほど、AIによる自動判定・データ連携で省人化の余地が大きい
• 施工ノウハウをAIに学習させることで、熟練技術を組織全体の武器にできる

もし今、あなたの会社が新しい焼却施設やプラント、データセンター、大規模再開発などの案件を抱えているなら、

「この現場のどこなら、マカオ並みにAIを効かせられるか」

を、プロジェクトキックオフ時点で議論してみてください。

このシリーズ「建設業界のAI導入ガイド：生産性向上と安全管理」では、今後も具体的なAIツールの選び方や、パイロットプロジェクトの設計方法、安全監視AIの運用ルールなどを掘り下げていきます。

次回は、画像認識AIによる安全監視を“3カ月で小さく始める”ためのステップを、チェックリスト形式で整理する予定です。自社の現場に合いそうか、ぜひ照らし合わせながら読んでみてください。