建設現場のクレーン配置計画で考えるべき7つの要素と、AIで解く新しいアプローチ

なぜ「建設 クレーン 配置」が建設現場で重要なのか

クレーン配置は、工期・安全・コスト・利益の4つに直接影響を与える経営指標です。現場の生産性を左右する最大のボトルネックでありながら、所長の経験則で運用されているケースが多く、属人化のリスクと改善余地が同居している領域でもあります。

揚重リソースが工期と利益を決める

職方20人が揚重待ちで30分手待ちになるだけで、労務単価ベースで3万円規模のコストが瞬時に積み上がります。タワークレーンやクローラークレーンが建設現場の中核的な生産設備であり、鉄骨建方・PC版設置・鉄筋搬入・型枠揚重といった主要工事のすべてが揚重機の段取り次第で進みも止まりもするからです。クレーン1基あたりの1日揚重回数には物理的な上限があり、その上限に対して資材搬入順と取り付け工程をどう割り付けるかで、現場全体の進捗が決まる構造になります。

クレーンのリース費用は機種や規模によって大きく異なりますが、いずれにせよ固定費としてのウェイトは無視できません。揚重待ちが頻発し稼働率が下がれば、単位時間あたりの産出が下がり、固定費を回収できないまま工期だけが伸びていく状態に陥ります。工期延長は違約金・追加人件費・後工程との調整コストを連鎖的に発生させ、案件の利益率を直接的に削り取っていくのです。

安全規則と時間外労働規制の二重制約

クレーン作業は、クレーン等安全規則のもとで定格荷重・作業半径・有資格者配置などのルールを守る必要があります。重大災害につながる作業であるため、安全側に倒した運用が大原則になり、効率を優先して安全制約を緩めることはできません。作業半径ごとの吊り上げ能力曲線、ブームの旋回範囲、近接施工との干渉、強風時の作業中止判断は、計画段階から織り込んでおくべき要素になります。

加えて2024年4月から、建設業にも時間外労働の罰則付き上限規制が適用されています。原則として月45時間・年360時間、特別条項付き協定を結んでも年720時間以内、複数月平均で月80時間以内、単月では月100時間未満という上限です。揚重スケジュールが乱れて職方の作業が夜間にずれ込めば、重層下請構造のなかで誰かの労働時間が規制に抵触するリスクが生まれます。安全規則と労働時間規制の両方を計画段階で守る必要が、現場運営の難度を一段と引き上げているのが現状でしょう。

重層下請けで連鎖する手待ちコスト

建設現場には、元請・1次下請・2次下請・3次下請といった重層構造のなかで、鳶・鉄筋工・型枠大工・設備工・電工といった多職種の職方が同時並行で働いています。揚重1回の遅れがそのまま職方全員の手待ちに変わるため、コストの跳ね返りが大きいのです。

たとえば鉄骨建方が30分遅れれば、その上の階で待機している鉄筋工と型枠大工が30分手待ちになります。一人あたり3,000円/時の労務単価で20人が手待ちすれば、30分で3万円の損失が発生する計算です。これが日に数回、現場全体で何ヶ月も続けば、揚重段取りのまずさだけで数百万円規模のコストが積み上がっていきます。

ベテラン所長の暗黙知と属人化リスク

クレーン配置計画は、所長や工事主任の頭の中で組まれていることがほとんどです。「この鉄骨はこのクレーンで、この時間に上げる。荷置きはこの位置、玉掛けはAさんとBさんの組」という判断は、過去の現場経験に基づく暗黙知の塊で、他の人が見ても再現できません。

ベテラン所長が異動・退職したとき、後任が同じ品質で揚重計画を組めるかは別問題です。引き継ぎは現場図面と工程表の上ではできても、判断基準そのものは引き継げないのが実情でしょう。属人化した状態のまま規模の大きい現場が増え続けると、計画品質のばらつきが事業全体のリスクに直結します。

クレーン配置計画がうまく回らない根本原因

揚重計画の問題は、現場の段取り力ではなく構造の問題に分けて整理できます。次の4つが、ほぼすべての建設現場で共通して見られるパターンです。

(1) クレーン稼働の偏りが生まれる構造

揚重需要は時間帯と工程によって大きく変動し、計画と実態のズレが偏りを生みます。朝の搬入ラッシュにすべてのクレーンが資材揚重に集中し、午後の取り付け作業に揚重リソースが足りない、といったミスマッチが恒常化しがちです。

複数台のクレーンがある現場でも、稼働率の偏りは発生します。1号機が常にフル稼働で2号機が半分しか動いていない状態を、人手で平準化するのは難しいのです。設置位置や旋回範囲によって担当できる範囲が限定されており、各クレーンの能力をどう使い切るかは計画の質に依存します。山積み・山崩しに相当する負荷平準化を、複数台クレーンと工程依存の中で行うのは、人手では困難な作業になります。

(2) 工程変更で計画が崩れ続ける

朝礼で組んだ揚重計画が、昼までに崩れていく現場を見たことはないでしょうか。建設現場では、当日中に工程の組み替えが発生する場面が珍しくありません。前工程の遅れ、追加図面の発生、設計変更、天候による作業中止、資材の納入遅延。これらの事象が起きるたびに、揚重計画は組み直しが必要になります。

人手でつくった揚重計画は、1つの変更が他の変数に波及するたびに、所長が頭の中で再計算する仕組みです。「鉄骨が30分遅れる、ならPC版を先に上げて、ヤードのこの位置を空けて、鉄筋の搬入トラックを30分後ろにずらして」という連鎖判断を、現場で走りながら行います。判断のスピードと精度は所長の経験に依存し、仕事の重なりが増えるほど抜け漏れが発生しやすくなるのが現状でしょう。

(3) 安全制約と効率のジレンマ

クレーン配置では、安全側に倒すと効率が落ち、効率を優先すると安全リスクが上がるトレードオフが常につきまといます。複数のクレーンが同じエリアで旋回する設計にすれば揚重スループットは上がりますが、ブーム同士・吊り荷同士の干渉リスクが増えていきます。

ジレンマを人手で解こうとすると、結局「安全マージンを多めにとって効率を諦める」か「経験則で攻めて運に任せる」かの極論に偏りがちです。安全制約を破らないことを大前提にしつつ、その制約の中で稼働率を最大化するという二段構えの判断は、変数が多くなった瞬間に人手では破綻していきます。

(4) 暗黙知への依存と属人化

最後の壁は、計画ロジックそのものが言語化されていないことです。「この資材はこのクレーンで」「この時間帯はこの順番で」という判断基準は、所長の頭の中にある暗黙知として運用されています。

引き継ぎ資料には工程表と図面しか残らず、判断のロジックは引き継げないのです。ベテラン所長が異動した瞬間に、後任は1から経験を積み直す必要が出てきます。組織として揚重計画の品質を保とうとすると、属人化したロジックを構造化データとして取り出す仕組みが欠かせません。

クレーン配置計画を立てるとき、何を同時に考えなければならないか

クレーン配置計画では、次の7つの要素を同時に成立させる必要があります。1つや2つなら頭で扱えますが、7つすべてが絡むと、人間が一度に保持できる思考の範囲を超えていきます。

(1) クレーン台数・機種と能力曲線

出発点になるのは、現場に配置されているクレーンの能力把握です。タワークレーンはマストの長さで揚重可能高さが、ジブ長で作業半径が決まり、能力曲線（半径×荷重）に基づいて吊り上げ可能重量が変わります。クローラークレーンとラフタークレーンでは機動性と最大能力が異なり、同じ現場でも使い分けが必要になっていくのです。

「半径20mで最大10t、30mで最大6t」という能力曲線を計画に組み込まないと、揚重不能な配置を引いてしまうリスクが残ります。複数台ある場合は、各クレーンの能力差と設置位置からカバーできる範囲を整理し、どの資材をどのクレーンで上げるかを組み合わせの問題として扱う必要が出てきます。

(2) 資材の重量・寸法と取り付け順序

次に、揚重対象となる資材側の整理が要素になります。鉄骨梁・鉄骨柱・PC床版・PC壁版・鉄筋束・型枠・足場資材は、それぞれ重量・寸法・玉掛け方法・取り付け工程が異なります。1日に揚重する資材リストを、重量・寸法・取り付け予定時刻の3軸で整理する作業が出発点になるでしょう。

取り付け順序の制約も無視できません。鉄骨梁は柱が立っていないと取り付けられず、PC床版は梁が架かっていないと載せられない、といった工程依存があるためです。揚重順を組むときは、単に「重い順」「近い順」ではなく、後工程の取り付けタイミングから逆算した順序を導く必要が出てきます。

(3) 工程依存関係（鉄骨建方・PC版・鉄筋・型枠）

建設現場では、鉄骨建方・PC版設置・鉄筋組立・型枠組立・コンクリート打設・養生という主要工程が、フロアごとに段階的に進んでいきます。それぞれが前工程の完了を前提とする依存関係を持ち、揚重計画は工程進捗と紐づけて設計する必要があります。

3階の鉄骨が建ち上がっていなければ4階の鉄筋は組めず、3階の鉄筋が組めていなければ3階の型枠は架けられない、という連鎖です。フロアごとの進捗を日次で把握し、当日の揚重計画に反映させるのは、所長の頭の中で常に動いている作業の一つになります。

(4) ヤードと搬入トラックの受入時間

ヤード（仮置きスペース）は、現場の限られた敷地のなかで切り盛りする要素です。「鉄骨を10t置く」と決めれば、その10t分の面積はそのヤードを占有し続け、別の資材を置く余地が消えていきます。先入先出の原則を守りつつ、当日揚重する資材だけをヤードに入れる運用が理想ですが、搬入トラックの到着時刻と揚重タイミングが合わなければ、ヤードに資材が滞留する事態が発生します。

搬入トラックの受入時間も大きな制約になります。場内搬入路は同時に通行できる台数が限られ、生コン車・鉄骨運搬車・資材運搬車の到着時刻を分散させる必要があるのです。「9時に鉄骨車2台、10時に生コン車3台、11時に型枠車1台」というタイムスケジュールを、揚重計画と連動させて組む作業は、配車計画と揚重計画の連立問題に近づいていきます。

(5) 旋回干渉と近接施工エリア

複数のクレーンが同じ現場で稼働する場合、ブームの旋回範囲と吊り荷の動線が干渉しないように配慮する設計が必要です。ブーム同士の物理的な接触はもちろん、吊り荷の真下に職方がいないこと、近接施工エリアでの同時作業を避けることが安全運用の前提になります。

「2台のクレーンが同じエリアを旋回する場合、片方が作業中はもう片方は待機」というルールを設けるか、「旋回範囲を時間帯ごとに分担する」という設計にするかで、現場の揚重スループットは大きく変わっていきます。エリアごとの占有スケジュールを、時間軸と空間軸の両方で管理する視点が欠かせません。

(6) 職方シフトと作業時間帯

クレーン側の段取りが整っても、揚重を待つ職方が現場にいなければ作業は進みません。鳶・鉄筋工・型枠大工・設備工といった多職種の作業時間帯と人員配置が、揚重計画と連動する要素になります。

時間外労働規制の制約下では、各職方の労働時間を平準化する設計が必要です。特定の班に揚重作業が集中して残業が膨らめば、別の班が定時で終わっても全体としては規制違反のリスクが残るからです。元請として下請各社の労働時間を一定範囲に収める計画は、シフト計画と同様の構造を持つ問題として扱う必要があります。

(7) 天候・夜間制約・周辺配慮

最後に、現場固有の制約条件です。強風時のクレーン作業中止（目安として風速10m/s以上で要注意、15m/s以上で原則中止）、降雨・降雪時の作業判断、夜間揚重の可否（周辺住民への配慮で禁止される現場が多い）、騒音規制時間帯、道路占用許可の時間帯。これらは現場ごとに異なるローカルルールとして計画に織り込む必要があります。

天候は前日の予報と当日の実測の両方で判断するため、計画はある程度の余裕と代替シナリオを持っておく設計が望まれます。風で午前中の揚重が中止になった場合、午後にどう取り戻すかを事前にシミュレーションしておけば、当日の判断がぶれにくくなる仕組みです。前提として、各制約条件は構造化データとして整備されている必要があり、暗黙知のままでは計画には組み込めません。

なぜ「人手の計画」では限界があるのか

ここまで挙げた7つの要素を、人手の表計算と経験で同時に解こうとすると、現実的には部分最適に陥ります。理由は3つあります。

変数の多さがまず壁になります。揚重対象資材（数百点）×クレーン台数（2〜4台）×時間帯（30分刻みで20スロット）×職方の組（10組以上）の組合せだけで、計画の組合せ数は天文学的な規模に膨らんでいくのです。人間が頭の中で扱える組合せは数十程度が限界で、計算量の壁を越えていけません。

トレードオフの複雑さも見逃せません。工期短縮を優先すれば安全余裕が削られ、安全余裕を確保すれば稼働率が落ち、稼働率を上げれば職方の労働時間が偏る。3つ以上の指標が同時にトレードオフ関係にあると、人手の判断はどれか1つに偏った解になりがちです。

最後の壁が、見直しスピードです。当日の天候変動・資材納入遅延・前工程の遅れへの対応で、計画は日々書き直しが必要になります。所長が朝礼前に2時間かけて作った揚重計画を、9時の現場立会いで30分以内に組み直す余力は現実的にないのが実情で、結局「とりあえずクレーンを止めずに動かす」という対症療法に終始していくでしょう。

最適化AIが切り拓くクレーン配置計画の解決への道

最適化AIは、現場のルールを守りながら最も良い計画を自動で見つけるAIです。「制約条件を一つも破らず、現実的な計算時間の中で高品質な結果を返す」のが特徴で、生成AIの「それらしい出力」とは根本的に異なる仕組みを持ちます。クレーン配置で言えば、定格荷重や旋回干渉といった「絶対に守るべきルール」と、揚重待ち時間の最小化や職方労働時間の平準化のような「できる限り良くしたい指標」を同時に扱える点が強みになります。

計画の精度 — 現場ルールを守りながら最良解を探す

最適化AIの第一の価値は、計画品質の精度向上にあります。クレーンの能力曲線、旋回干渉、ヤード容量、工程依存、職方シフト、安全規則といった現場のローカルルールをすべてハード制約として組み込んだ上で、揚重待ち時間と稼働率という指標を最適化する計画を導けるからです。

製造業の生産スケジューリングでは、属性の異なる資材間の段取り替えを最小化しながら保管スペース制約を守り、納期と機械稼働率を両立させる計画を、最適化AIで組み上げられます。建設現場のクレーン配置も、構造としては「機械（クレーン）と作業者（玉掛け・誘導員）が1組でワーク（資材）を処理する」スケジューリング問題で、製造業のノウハウが横展開しやすい領域です。所長の経験則では「だいたいこのへん」だった配置が、データに基づく定量的な最良解として導かれます。

計画のスピード — 工程変更にも数分で再計画

最適化AIの真価は、計画変更時に発揮されます。当日の天候変動・資材納入遅延・前工程の遅れが発生した瞬間、既存の計画をどう組み直すかを数分で再計算できるからです。

「9時に強風で午前中の揚重中止」という事象が入れば、午後の揚重に押し出される資材リスト、ヤードの占有変更、職方の作業時間の組み直し、搬入トラックの受入時刻調整を連鎖的に再計画する必要があります。人手の朝礼や電話調整では半日以上かかるところ、最適化AIなら数分で複数の代替案を出せる仕組みです。所長は提示された代替案から、現場感覚に合うものを選んで実行に移すという、判断中心の業務にシフトできるでしょう。

計画の透明性 — 経営判断と現場説明の両立

最適化AIは、複数の評価指標を同時に追いかける探索型の技術で、トレードオフを可視化できます。「工期短縮を最優先」「安全余裕を最優先」「コスト最小化を最優先」「3者のバランス」といった複数のバランスパターンを並列で提示し、案件としてどのバランスを採るかを意思決定できる構造です。

汎用ソルバーや既製のスケジューラでは、現場固有のローカルルール（「この階段室は2台同時旋回禁止」「夜10時以降の搬入不可」「特定の鉄骨はAクレーンのみ揚重可」など）を十分に反映できないことが多いのが実情です。OptHubでは業務ヒアリングを通して問題構造を理解し、その構造に特化した探索アルゴリズムと評価関数を設計するアプローチを採っています。アルゴリズム単体ではなく、データ連携・複数案の比較・現場フィードバックを含む実運用システムとして構築する点が、現場で継続的に使える最適化AIの条件になっていくでしょう。

まずは業務整理から：OptHubへのご相談

ここまで読むと、最適化AIをすぐ導入したくなるかもしれません。ただし実務では、ツール導入から入るのは適切ではない場合が多いのが実情です。クレーンの能力曲線が紙のカタログにしかない、資材リストが各下請会社のExcelで分散している、職方のシフトが現場の連絡帳ベースで構造化されていない、という状況だと、AIに渡す入力データそのものが揃いません。

最初に着手すべきは、制約条件と運用ルールの棚卸しです。所長・工事主任・各下請会社へのヒアリングを通して、「この時間帯は必ず誘導員2名」「この資材はAクレーンのみ揚重可」「夜10時以降は揚重禁止」といった暗黙ルールを構造化し、ハード制約（絶対に守る）とソフト制約（できる限り良くする）に分類していきます。この整理だけでも、所長交代時の引き継ぎや、新規現場の立ち上げに効果が出てくるはずです。

OptHubでは、現場ヒアリングから始めて業務プロセスを可視化し、暗黙知を制約条件として整理した上で、最適化AIを設計する順番で支援を進めています。一気に全現場導入ではなく、1〜2現場のスモールスタートから始め、効果を測定しながら横展開する流れが王道になるでしょう。汎用SaaSでは届かない現場固有の制約に対応できる点が、業務特化の最適化AIの強みになっています。

まとめ

建設現場のクレーン配置がうまく回らないのは、現場の段取り力の問題ではなく、クレーン稼働の偏り・工程変更への追従不能・安全制約と効率のジレンマ・暗黙知への依存という4つの構造的要因に由来しています。これらは人手の表計算と経験では同時に解けない複雑さで、揚重対象資材×クレーン台数×時間帯×職方の組が絡み始めた時点で、組合せ数は人間の判断能力を超えていきます。

クレーン配置計画は、能力曲線・資材属性・工程依存・ヤードと搬入・旋回干渉・職方シフト・天候と周辺配慮という7つの要素を同時に成立させる多変数の問題です。最適化AIを使えば、現場固有のローカルルールをハード制約として組み込んだ上で、揚重待ち時間の最小化・稼働率の平準化・職方労働時間の公平化を同時に追える計画を、数分単位で生成・更新できる余地が生まれます。工程変更への即時リスケジュール、複数バランスパターンの可視化も、最適化AIの中で同時に扱える領域です。

導入はツール選定ではなく業務整理から始めるのが王道です。制約条件の棚卸し、スモールスタート、効果測定と段階的拡張という順番で進めることで、揚重計画は「所長の経験則」から「組織の仕組み」へと移行していきます。工期短縮・安全確保・労働時間規制の同時達成が求められる建設業において、クレーン配置の最適化は経営課題そのものになっていくでしょう。