文／3S Market 編輯部
從「事後查影像」走向「現場即時判斷」，讓安全、工程進度與資源管理形成閉環
本文受眾：營造公司 CEO/營運主管、工地主任、工程管理單位、系統整合商、工程商、AI Camera/Edge AI/IoT 業者
Highlight｜5 分鐘先看重點
工地可能是最適合 Edge AI 落地、也最容易證明效益的場域之一。原因並不複雜：工地每天都有大量人員、車輛、機具、材料與施工進度變化，環境又持續改變，單靠人工巡檢、監視器錄影與每日報表，很難做到真正的即時管理。
Edge AI 的價值，在於讓攝影機、熱影像、環境感測器、穿戴裝置、無人機與機具資料，不必全部送回雲端才分析，而能直接在工地端完成辨識、判斷與告警。當系統發現人員未戴安全帽、進入吊掛區、靠近大型車輛、接近樓板開口，甚至施工成果與 BIM 排程不一致時，可以立即產生事件，而不是等事故或工程落後後才回頭追查。
真正值得關注的 therefore 不是「AI 監看工地」，而是 Edge AI 能不能讓工地從被動紀錄，進入即時安全控制與進度閉環管理。
一、為什麼工地特別需要 Edge AI？
營造現場最大的問題，是「變動速度比管理速度快」。
今天的通道，明天可能堆滿材料；上午仍封閉的樓層，下午可能已有數十名工人施工；吊車、挖土機、卡車、人員與協力廠商則持續交錯移動。傳統 CCTV 可以留下影像，但大多數影像只有在事故發生後才被調閱。
截至 2026 年 6 月 30 日，台灣營造業重大職災死亡人數為 58 人，比 2025 年同期增加 4 人，高處墜落仍是主要災害類型。勞動部近年的營造業防災措施，也持續將屋頂、電梯井、管道間、臨時開口與施工架列為墜落事故的重要風險區。
這表示工地安全最大的缺口，往往不是「沒有規定」，而是現場缺乏持續、即時而自動化的辨識能力。
NIOSH 也指出，Computer Vision 已可用於安全規範遵循、人員位置與工作場所安全狀況監測；EU-OSHA 則將攝影機、穿戴裝置、行動監控、無人機與智慧 PPE 等列為新型職業安全數位監測系統的重要組成。
這正是 Edge AI 可以補上的管理斷點。
二、第一層應用：把「安全巡檢」變成 24 小時 AI 現場警戒
Edge AI 導入工地，第一個最容易創造價值的應用就是安全。
AI Camera 或一般 Camera 搭配 Edge AI Box，可以持續辨識安全帽、反光背心、安全帶等 PPE 是否正確使用；同時利用 Virtual Fence 建立危險區域，只要人員進入吊掛區、機具作業半徑、樓板開口、電梯井或其他限制區域，即可立即通知現場主管。
進一步還可以辨識「人與車」的相對位置。例如工人走入卡車倒車死角、接近挖土機旋轉半徑，Edge AI 可以直接在現場觸發聲光警報，而不是把影像送到遠端平台後才得到結果。
更重要的是，AI 不應只判斷「有沒有戴安全帽」，而要判斷情境風險：
- 人在哪裡？
- 周圍是否有移動中的機具？
- 是否進入禁止區域？
- 是否在高處作業卻沒有繫安全帶？
- 危險狀況持續多久？
- 是否同一班組反覆發生？
如此一來，AI 才會從單點辨識工具，提升成為工地的即時風險感知系統。
Edge AI 工地安全應用與管理效益
工地風險 | Edge AI 辨識方式 | 即時動作 | 管理效益 |
未戴安全帽/背心 | 人員＋PPE 辨識 | 現場語音／APP 告警 | 降低違規巡檢成本 |
高處墜落風險 | Virtual Fence＋姿態辨識 | 進入危險區即告警 | 強化臨時開口、施工架管理 |
人車碰撞 | 人車追蹤＋距離判斷 | 車端／現場聲光警示 | 降低大型機具盲區事故 |
吊掛作業 | 人員＋吊掛區域辨識 | 禁止人員進入作業半徑 | 減少物體飛落、碰撞風險 |
火煙/異常溫度 | Video AI＋Thermal | 即時告警與事件錄影 | 縮短異常發現時間 |
人員倒地/滯留 | Pose AI＋追蹤 | 通知工地主任／安全人員 | 加快緊急處置 |
三、第二層應用：Edge AI 不只管安全，也可以直接管工程進度
目前許多工地的進度管理仍依賴工地主任、監工或協力廠商回報，再把結果填入日報、Excel 或工程管理系統。
問題是，「回報進度」與「真實施工狀態」之間可能存在時間差。
如果在固定位置 Camera、移動 Camera、360 Camera 或無人機取得現場影像，再由 Edge AI 分析牆體、模板、鋼筋、管線、設備、門窗或其他施工物件是否已完成，就能形成 As-Built 現況資料。
接著再把 As-Built 與 BIM/4D BIM 的 As-Planned 施工計畫比較：
原訂今天完成 80％ → AI 實際辨識 63％ → 系統產生 17％ Progress Variance。
近期研究已持續將 Computer Vision、影像辨識與 BIM 結合，用來自動辨識現場施工成果、建立實際進度，再與計畫進度進行比對；2026 年相關研究甚至已進一步朝向自動化、視覺化的施工進度閉環管理發展。
這代表未來的工地進度會從「人員填寫完成率」，逐步轉向「AI 提供客觀完成證據」。
四、第三層應用：把人、車、機具、材料一起納入 Edge AI
工地進度延誤，不一定是工程做得慢，也可能是資源沒有到位。
例如：
材料已送到工地，但堆放位置錯誤；挖土機到了現場，但大部分時間沒有運轉；某樓層需要 20 名施工人員，實際只有 12 人；設備進場了，但前置工程尚未完成，只能等待。
因此 Edge AI 若結合 RFID、BLE、UWB、GPS、IoT Sensor 與影像辨識，就能形成更完整的資源管理。
系統可以知道人員進出、機具位置與使用時間，也可以利用影像辨識材料數量與進出狀況，進一步判斷「工程進度落後，是施工效率問題，還是資源配置問題」。
這時 Edge AI 的定位就從 Video Analytics 向上提升成為 Site Intelligence。
五、工地真正需要的是「Edge＋Cloud＋BIM」三層架構
Edge AI 並不代表所有資料永遠只留在邊緣端。
合理架構應該是：
感知層Camera、Thermal、無人機、Wearable、RFID/BLE/UWB、環境 Sensor、工程機具。
↓
Edge AI 層即時影像辨識、人車追蹤、PPE、安全區域、機具狀態、異常事件與初步進度辨識。
↓
平台/Cloud/BIM 層跨工地管理、歷史趨勢、工程排程、BIM 比對、承包商績效、報表與 AI Agent。
安全事件需要「毫秒到秒級」反應，因此應優先在 Edge 處理；而跨工地分析、長期趨勢、工程排程與模型訓練，則適合放到平台或雲端。
這也是工地採用 Edge AI 最重要的架構觀念：Edge 負責即時、Cloud 負責全局，BIM 負責把現場資料與工程計畫接起來。
六、從 AI 告警進一步走向「工地 AI Agent」
當現場資料逐步結構化後，下一階段不是增加更多 Dashboard，而是導入 AI Agent。
工地主任未來可以直接詢問：
「今天有哪些高風險事件？」「哪一個承包商 PPE 違規最多？」「A 棟三樓機電工程目前完成率多少？」「這週有哪些工程落後？」「落後原因是人力、材料還是前置工程？」「依目前速度，會不會影響下個月里程碑？」
AI Agent 讀取 Edge AI 事件、工程日誌、排程、BIM、材料與人力資訊後，可以直接產生管理摘要。
此時 AI 的角色就不再只是「看到問題」，而是開始協助主管理解：問題在哪裡、為什麼發生、應優先處理什麼。
七、導入不能從「全工地 AI 化」開始，而應從三個 ROI 最清楚的場景開始
對營造公司來說，最容易犯的錯，就是一開始就想建置完整智慧工地平台。
比較務實的順序應該是：
第一階段：高風險安全場景PPE、高處作業、危險區域、人車防撞。
第二階段：關鍵工程進度選擇可由影像明確辨識的工項，建立 As-Built 與 As-Planned 比對。
第三階段：跨系統整合再串接 BIM、門禁、人員、機具、材料、環境與工程管理平台。
每一階段都必須先定義 KPI，例如違規事件下降率、告警處理時間、人工巡檢時數、進度差異發現時間，以及因等待造成的機具閒置率，而不是只計算「裝了多少支 AI Camera」。
結論：Edge AI 的真正商機，是讓工地第一次具有「即時感知與管理閉環」
工地 Edge AI 的市場，不應只被看成攝影機升級市場。
它實際上橫跨 安全監控、AI Camera、Edge AI Box、IoT、Wearable、定位系統、無人機、BIM、工程管理平台、AI Agent 與系統整合。
過去的工地管理流程往往是：
事情發生 → 人員回報 → 找資料 → 開會 → 處理。
加入 Edge AI 後，可以逐步變成：
現場感知 → AI 判斷 → 即時告警 → 自動紀錄 → 原因分析 → 管理行動。
對安全管理而言，它是在事故發生前多增加一道即時防線；對工程進度而言，它則把「主管憑經驗掌握工地」，逐步轉變成可以被量測、比較與預測的數據管理。
因此，Edge AI 在智慧工地真正值得期待的，不是一個會辨識安全帽的 AI，而是一套能同時回答 「現場安全嗎？」、「工程做到哪裡？」、「為什麼落後？」以及「現在該處理什麼？」 的工地智慧管理系統。
0 comments:
張貼留言