AIが設備保全と施工をどう変えるか ポンプ故障予測とシールド自動化の現在

建設分野のAIは、点検データから故障の兆候を探す設備保全と、機械を動かして施工する自動化の両方へ進んでいます。国土交通省は排水機場ポンプの異常検知・寿命予測に取り組む5グループを採択し、大林組はシールド工事を構成する6技術の個別実証を終えました。二つの発表を並べると、AI導入では機能名よりも、研究開発・個別実証・統合実証のどこまで進んでいるかを確認する重要性が見えてきます。自社での入口は、設備1台または一工程を選び、現状の人数・時間と取得できるデータをそろえることです。

• 設備保全振動・温度などのデータを使い、排水機場ポンプの異常要因、故障確率、残存寿命を予測する研究開発が開始
• 施工自動化シールド工事の測量、運転、土砂搬出、裏込め注入、設備、セグメント組立の6技術で個別実証を完了
• 導入判断対象作業、現状の人数・時間、取得できるデータ、人が判断する範囲、安全停止の条件を先に整理する

今回の二つの発表では、AIの役割が「設備状態の判断支援」と「施工機械の自動化」に分かれています。

設備保全では、故障前に変化を捉えて修繕・更新の判断を早めることが狙いです。施工自動化では、熟練者が行ってきた確認と機械操作を一定の基準で再現し、少ない人数で安全と品質を保つことを目指しています。

国土交通省は2026年10月29日、排水機場ポンプ設備のAIモニタリングシステムを研究開発する5グループを採択しました。排水機場は大雨時に河川や水路の水を排出する施設で、必要なときに確実に動くことが求められます。

研究では、点検時・運転時に得られる振動や温度などのデータを使います。異常事象の発生前後を比較できる学習用データを整え、異常の検知、異常要因の分類、現在の健全性、故障確率、残存寿命の予測へ進む計画です。

国土交通省の参考資料は、河川管理施設の多くで設置から50年が経過し、機械を専門とする技術者が減少している状況を背景に挙げています。1時間降雨量50mm以上の雨の発生回数が、この40年間で約1.4倍になったことも示されました。点検の省力化だけでなく、非常時に機能を失うリスクを早く見つけることが研究の目的です。

採択された5グループには、建設コンサルタント、ポンプメーカー、産業機械メーカー、AI開発企業などが参加しています。

研究課題は、異常検知・異常要因分類と、リスク診断・寿命予測の二本立てです。研究開発と並行して、現場でAIを使うためのガイドライン、知的財産、導入ルールも検討されます。現場へ広げるには、予測精度と同時に、データの扱いと責任分担を整える必要があるためです。

大林組は2026年10月19日、シールド自動化システム「OGENTS」を構成する6技術について、現場での個別実証を完了したと発表しました。シールド工事は、円筒形の掘削機で地中を進みながら、円弧状のセグメントを組み立ててトンネルを造る工法です。

1. 坑内の位置を測るシールド自動測量
2. 計画線形に沿って掘進するシールド自動運転
3. 掘削した土砂の自動搬出
4. セグメント背面へ材料を充填する裏込め自動注入
5. シールド設備の自動操作
6. トンネル壁となるセグメントの自動組立

各技術にはAI、機械学習、センサー技術が使われています。施工データと設備の稼働情報を集め、掘進管理に必要な確認と判断を支援します。経験に左右されやすい判断基準をそろえ、施工品質を安定させる狙いがあります。

大林組は2021年3月から国内10カ所のシールド工事現場で、工事条件に応じて6技術を実証しました。公表された主な結果は次の通りです。

• 自動測量測量精度を確保しながら、従来2人で行っていた作業を1人で実施できることを確認。
• 自動運転トンネルの線形精度を確保し、オペレーターの作業負担を軽減。
• セグメント自動組立切羽での作業を避け、オペレーター1人で高精度に組み立てられることを確認。

地盤変状の抑制、線形の保持、セグメント損傷リスクの低減についても有効性が確認されました。省人化と安全、品質管理を同じシステムで扱う点が特徴です。

大林組は、各実証の結果を基に、6技術をシールド工事全体へ適用した場合、従来の施工体制と比べて40〜50％程度の省人化を見込んでいます。この数字は、国内10カ所で行った6技術の個別実証結果を基に算出した試算です。

次の段階として、2027年12月までに6技術を一つの現場へ実装し、連携させた場合の省人化効果、施工管理上の有効性、実工事での運用方法を確認する計画です。技術単体の性能に加え、工程間のデータ受け渡し、停止時の復旧、作業員との役割分担が統合実証の確認点になります。

導入を検討する会社は、数字の大きさと一緒に試算条件を確認します。対象工程、従来の配置人数、工期、地盤条件、使用した機械、どこまで人の操作が残るかをそろえると、自社現場との違いを判断しやすくなります。

二つの事例に共通する基盤は、センサーで状態を測り、判断に使える形でデータを蓄積し、結果を点検や機械操作へつなげる運用です。

ポンプの故障予測では、正常時と異常前後のデータが必要です。シールド自動化では、測量値、掘進データ、設備の稼働情報、セグメント組立の状態を連携させます。データの取得間隔、欠損、機器交換後の変化、現場条件の違いを管理できなければ、AIの出力を安定して使えません。

もう一つの共通点は、人が担う判断と責任を明確にしていることです。ポンプ設備では施設管理者が修繕・更新を判断し、シールド工事では統合した運用方法を今後検証します。AIの出力、責任者の承認、安全停止、復旧手順を一続きの業務として設計する必要があります。

自社でAIを試す入口は、管理対象を小さく区切ることです。保有機械1台の振動監視、同じ作業を繰り返す一工程、写真整理や出来形確認など、現状の人数と時間を測れる業務が候補になります。

省人化率に加え、データ整理、機器設定、事務作業、外注費、保守費、教育時間を含む総工数で評価します。導入前後で同じ範囲を比べることが大切です。

1. 減らしたい故障、危険作業、待ち時間、手戻りを一つに絞る。
2. 現在の配置人数、作業時間、停止時間、故障件数、修繕費を記録する。
3. 取得済みの点検記録、写真、稼働履歴、センサーデータを一覧にする。
4. AIの出力を誰が確認し、誰が修繕・停止・再開を判断するか決める。
5. 通信障害、センサー故障、誤検知が起きたときの代替手順を用意する。
6. データの所有、保存期間、外部利用、モデル改善への利用条件を確認する。
7. 機器費、設定費、通信費、保守費、教育時間を含めて試行費用を見積もる。

ベンダーへ相談するときは、「AIで何かしたい」より、「ポンプ停止を年間何時間減らしたい」「二人作業の測量を一人で行える条件を知りたい」と具体化した方が、必要なデータと費用を詰めやすくなります。

1. 直近1年の故障、停止、危険作業から、金額・安全・工期への影響が大きい業務を一つ選ぶ。
2. その業務の人数、時間、発生回数をこれから1カ月記録する。
3. 取得できるデータと人が判断する項目を整理し、1台・1工程の試行条件を相談する。

• 国土交通省AIモニタリングシステムの研究開発グループ採択（2026年10月29日）
• 国土交通省AIを活用したインフラ施設維持管理の高度化について（PDF）
• 三菱総合研究所排水機場AIモニタリングシステムの公募結果
• 大林組シールド自動化システム「OGENTS」構成技術の実証完了（2026年10月19日）

本記事は2026年11月4日時点の国土交通省と大林組の公表資料をもとに、建設会社がAI導入を検討する際の判断材料を整理したものです。研究開発、個別実証、統合実証では技術の成熟段階が異なります。導入時は対象設備、工事条件、安全管理、データの取得条件、費用と責任分担を個別に確認してください。