Revitカーテンウォール×AIで変わる施工BIMと安全管理

大手ゼネコンのBIMチームが、外装カーテンウォールのモデリング工数を40％削減した、という話を最近よく聞きます。ポイントは凝ったアドインでも高価なカスタマイズでもなく、「考え抜かれたファミリ構成」と「AIによるルール化されたチェック」の組み合わせです。

この記事では、The Revit Kidの動画で紹介されていた「ネストされたカーテンウォール（Nested Curtain Wall System）」の考え方を出発点に、日本の建設業界でAIとBIMを連携させて生産性と安全管理を高める現実的な方法を整理します。

テーマはこのシリーズ共通の「建設業界のAI導入ガイド：生産性向上と安全管理」。設計者だけでなく、施工BIM・現場監督・安全担当が同じBIMモデルを“安全と生産性のプラットフォーム”として使える状態をどう作るか、という視点で見ていきます。

---

ネストされたカーテンウォールとは何か ― 現場目線で言うと

結論から言うと、ネストされたカーテンウォールは「モジュール化された外装システム」を1つのテンプレートとして仕込む考え方です。

設計ツールとしての定義は脇に置いて、施工側のメリットに絞ると以下の3つ。

• 1つのカーテンウォールタイプで、複数のパターン（ピッチ違い・框サイズ違い・パネル仕様違い）を吸収できる
• 変更が出ても、親ファミリのパラメータを書き換えるだけで全体が整合する
• AIによる自動チェック・数量拾い・安全シミュレーションの「前提データ」がきれいに揃う

The Revit Kidの動画では、汎用的なストアフロント（storefront）カーテンウォールをベースに、サブ要素をネストしてモジュール化する流れが紹介されています。ここではその考え方を、日本の躯体＋カーテンウォール納まりに寄せて分解してみます。

典型的な構成イメージ

ネスト構造を単純化すると、こんなレイヤー構造になります。

1. 親カーテンウォールタイプ（例：外装標準モジュール 1,000mm）
2. ネストされたパネルファミリ（アルミカーテンウォール、Low-Eガラス、スパンドレルなど）
3. ネストされたマリオン・枠ファミリ（縦枠・横枠・方立・無目）
4. 固定用金物・アンカー（必要に応じて詳細レベル別に切替）

これらを**「共通パラメータ」＋「タイプパラメータ」**で縛ることで、AIにも人間にも扱いやすいモデルになります。

---

なぜネスト構造がAI連携に効くのか

AIを建設現場で使おうとすると、最初にぶつかる壁が「データがバラバラで機械に読ませにくい」という点です。ネストされたカーテンウォールは、ここをかなり強く後押ししてくれます。

1. 画像認識AI×BIMでの「照合」がやりやすい

最近増えているのが、現場写真や360°カメラ映像からAIが施工状況を認識し、BIMモデルと比較するワークフローです。カーテンウォールについては、こんな検証ができます。

• 指定したスパンにガラスパネルが設置済みか
• 転落防止用の仮手すり・仮設フェンスが設置されているか
• 高所作業車やゴンドラの位置が安全範囲か

このとき、BIM側でカーテンウォールがモジュール化され、**「どこに・どんな種類のパネルや枠が来るのか」**が一貫したパラメータで表現されていれば、AIが照合しやすくなります。

AIは“きれいに整ったモデル”が大好物です。ネスト構造は、まさにAIにとっての「読みやすい文法」を整えているイメージです。

2. 工程シミュレーションと安全リスクの見える化

4DシミュレーションにAIを組み合わせると、作業手順と安全リスクを自動検出するという使い方が見えてきます。例えば：

• カーテンウォールの取り付け順序から、高所作業が集中する日を自動抽出
• 強風が予測される日と外装工事が重なる箇所を自動警告
• 足場・ゴンドラ・仮設手すりの不足箇所をAIがBIMモデル上でマーキング

ここで効いてくるのが、ネストされたカーテンウォールに設定したパラメータです。

• 施工順序コード
• 必要足場種別
• 高所作業区分
• 仮設防護区分

こうした情報をカーテンウォールのタイプまたはインスタンスパラメータとして保持しておくと、AIはスケジュール情報と組み合わせて「この日、このフロア、このスパンは高リスク」といった判定を出せます。

---

実務で使えるネストカーテンウォールの設計指針

AI連携を前提に、Revitでカーテンウォールのネスト構造を設計する際のポイントを、現場で使える粒度まで落としてみます。

1. 「人」と「AI」が両方わかるパラメータ命名

よくある失敗が、「担当者だけがわかる略語パラメータ」です。AI導入を見据えるなら、日本語名称＋コード化された値の併用がおすすめです。

• CW_施工ゾーンコード（例：E01, W03 など）
• CW_パネル種別（例：GL, SP, FG）
• CW_高所作業レベル（1：低, 2：中, 3：高）
• CW_仮設防護要否（0：不要, 1：要）

人間が見ても意味がわかり、AI側ではコード値を使って判定ロジックを書ける構成が理想です。

2. 詳細度（LOD）を段階的に分ける

カーテンウォールは、ディテールを追い始めるといくらでも細かくなります。ただしAIによる安全管理・工程管理が目的なら、LODを3段階くらいに割り切るほうが運用しやすいです。

• LOD 200：ボリューム把握・外観確認用（早期の工程・概算）
• LOD 300：施工計画・数量拾い・AI安全チェック用（標準）
• LOD 350〜：製作図連携やディテール検討用（必要案件のみ）

ネストファミリ側に「表示詳細度パラメータ」を仕込んでおき、ビューの詳細レベルと連動して自動で切り替わるようにしておくと、モデリング担当者の負荷がかなり減ります。

3. 「モジュール化の単位」を現場の手順に合わせる

The Revit Kidの動画では1スパン単位でのモジュール化が中心ですが、日本の施工を考えると、次の3つの切り方をプロジェクトごとに検討すると良いです。

1. 1スパン単位：標準的なカーテンウォール（1,000〜1,500mmピッチ）
2. 1フロアのゾーン単位：クレーン・ゴンドラの計画に合わせた塊
3. 1面（ファサード）単位：工程シミュレーション・外観検討用

AIによる工程最適化を狙うなら、「ゾーン単位」のパラメータを持たせることが特に重要です。ゾーンごとに安全対策・人員計画・搬入計画を紐付けられます。

---

AIを組み合わせた具体的な活用シナリオ

ここからは、ネストされたカーテンウォールモデルを前提に、AIをどう組み合わせると現場で効いてくるのかを3つのシナリオで紹介します。

シナリオ1：画像認識AIによる転落災害リスクの自動検出

1. 外装工事中のフロアを、毎日ドローンまたは360°カメラで撮影
2. 画像認識AIが、開口部・未設置パネル・仮設手すりの有無を判定
3. Revitモデル上のカーテンウォールパネルと照合
4. 仮設防護要否 = 1かつ実際には手すりが写っていない箇所を自動抽出

こうすると、安全パトロールが**「AIが赤くマークした場所を重点的に確認する」**形になり、限られた人員でも高リスク箇所を見逃しにくくなります。

シナリオ2：AIによる工程のボトルネック予測

1. 4Dモデル（工程＋BIM）を作成し、カーテンウォールの施工順序と日付を紐付け
2. AIに過去の類似案件データ（雨天日数、強風日、品質トラブル件数など）を学習させる
3. カーテンウォール作業が集中している期間と、天候リスクを組み合わせて分析
4. 「この週は外装工事の遅延確率が高い」「高所作業が過密」といった予測を出す

ネストされたカーテンウォールでゾーン管理がされていれば、**「東面Eゾーンだけ前倒し」「北面はガラスパネルを後ろ倒し」**といった、現実的な調整案まで含めて検討しやすくなります。

シナリオ3：熟練技術のルール化とAIチェック

ベテラン施工管理者は、「この高さでこの幅のパネルなら、風の強い日はこの仮設が必要」といった暗黙知を大量に持っています。これを、カーテンウォールのパラメータとルールとしてBIMに埋め込んでいきます。

• 例：高さ > 20m かつ パネル幅 > 1,500mm → 高所作業レベル = 3
• 例：高所作業レベル = 3 → 仮設防護要否 = 1

このルールセットをAIに与えると、モデルをスキャンして**「ルールに反している箇所」「ルール未定義の新しいパターン」**を自動で洗い出してくれます。

結果として、

• モデルレビューの時間短縮
• 若手の見落とし防止
• 新しい納まりパターンが出たときのナレッジ更新

といった効果が期待できます。

---

これからカーテンウォール×AIに取り組む企業への提案

ここまで読んで、「自社でもやりたいが、何から始めるかがわからない」という声が出てきそうです。段階的な進め方を1つの案としてまとめます。

1. パイロット対象を決める
   すべての外装から始めると確実に破綻します。まずは、

   • 標準的なオフィスビルの1ファサード
   • 倉庫・物流施設の長辺ファサード など、納まりパターンが少ない物件から着手します。

2. ネストカーテンウォールの標準テンプレートを作る
   設計BIMチームと施工BIMチーム、安全担当の3者で、

   • 最低限持たせるべきパラメータ
   • LODのルール
   • ゾーン分けのルール を合意し、テンプレート化します。

3. AI活用の“最初の1ユースケース”を決める
   欲張って複数同時にやると進みません。おすすめは、

   • 転落災害リスクの自動検出
     または
   • 外装工程の遅延リスク予測 のどちらか1つに絞ることです。

4. PoC（小さな検証）で効果と課題を見極める
   1案件で検証し、

   • 安全指摘件数の変化
   • BIM作業時間の増減
   • 現場からのフィードバック を数値とコメントで記録します。

5. 標準化と教育に落とし込む
   成功パターンが見えたら、

   • 社内BIM標準
   • 安全管理マニュアル
   • 若手向け教育コンテンツ にネストカーテンウォールとAIチェックの考え方を組み込みます。

---

まとめ：AIは「きれいなBIMモデル」からしか価値を引き出せない

建設業界でAIを本気で使おうとすると、最後は必ずBIMモデルの質に行き着きます。カーテンウォールのネスト構造は、その中でも効果が見えやすく、現場の安全にも直結しやすい領域です。

• ネストされたカーテンウォールは、外装を「AIが読めるモジュール」に変える
• 画像認識AIや工程最適化AIと組み合わせることで、安全管理と生産性向上に直結する
• パラメータ設計・LODルール・ゾーン分けを最初にしっかり決めることが成功のカギ

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BIMモデルの作り方とAI活用をセットで扱っていきます。もし社内で「外装からAIを試したい」「施工BIMと安全管理を連携させたい」というニーズがあるなら、まずは次の案件のカーテンウォールをネスト構造＋AI前提で設計してみるところから始めてみてください。そこから先の展開は、思っているよりずっとシンプルです。