n8n-cost-estimation

コスト自動見積もりパイプライン

ビジネスケース

問題点

従来のコスト見積もりには、次の作業が必要です。

• 価格データベースからの手作業による作業項目の検索
• 時間のかかる要素の分類
• 価格基準に関する専門知識
• 繰り返し発生するデータ入力

解決策

55,000 件以上の作業項目を含むベクトルデータベースと AI（LLM）を使用して、CAD（Revit 2015-2026）ファイルから詳細なコストと工数の見積もりを作成する、無料のオープンソース n8n パイプラインです。

ビジネス価値

従来の役割	自動化後
BIM マネージャーが手作業でデータをエクスポート	パイプラインが要素を自動分類
ジュニア見積担当者がデータベースを検索	ベクトル検索でミリ秒単位で一致項目を検出
シニア見積担当者がアセンブリを対応付け	LLM が数量パラメーターを特定
現場監督が労働時間を計算	DDC CWICR に記録された基準工数を利用
プロジェクトマネージャーがコストを集計	パイプラインがフェーズ別の内訳を出力

処理速度：要素グループごとに 3～10 秒

技術的な実装

パイプラインのアーキテクチャ

┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│ Revit/IFC   │───>│ CAD2DATA    │───>│ Structured  │
│ File        │    │ Converter   │    │ Excel/CSV   │
└─────────────┘    └─────────────┘    └─────────────┘
                                             │
                                             ▼
┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│ Cost Report │<───│ Price Match │<───│ LLM Class.  │
│ HTML/Excel  │    │ DDC CWICR   │    │ + QTO       │
└─────────────┘    └─────────────┘    └─────────────┘

n8n パイプラインの手順

1. ファイル変換ノード

// Execute CAD converter
const filePath = $input.first().json.file_path;
const outputDir = filePath.replace(/\.[^.]+$/, '');

const command = `RvtExporter.exe "${filePath}" complete bbox`;

// Returns: { xlsx_path, dae_path }

2. 要素の読み込み

// Read converted Excel into n8n
const xlsx = $node["Read Binary Files"].json;
const elements = xlsx.sheets["Elements"];

// Group by category for processing
const grouped = elements.reduce((acc, el) => {
  const cat = el.Category;
  if (!acc[cat]) acc[cat] = [];
  acc[cat].push(el);
  return acc;
}, {});

return Object.entries(grouped).map(([category, items]) => ({
  json: {category, items, count: items.length}
}));

3. LLM による分類

// Prompt for Claude/GPT classification
const prompt = `
You are a construction estimator. Given these BIM elements:
Category: ${$input.first().json.category}
Sample elements: ${JSON.stringify($input.first().json.items.slice(0,5))}

1. Identify the construction work type
2. List relevant quantity parameters (Volume, Area, Length, Count)
3. Suggest standard work items from construction norms

Return as JSON:
{
  "work_type": "...",
  "quantity_params": ["Volume", "Area"],
  "suggested_items": ["Concrete foundation", "Formwork"]
}
`;

4. CWICR でのベクトル検索

// Search DDC CWICR database for matching work items
const qdrantClient = require('@qdrant/js-client-rest');

const searchResults = await qdrantClient.search('cwicr_en_v3', {
  vector: await getEmbedding($input.first().json.work_description),
  limit: 10,
  score_threshold: 0.7
});

return searchResults.map(r => ({
  json: {
    work_code: r.payload.work_item_code,
    description: r.payload.description,
    unit: r.payload.unit,
    unit_price: r.payload.unit_price,
    similarity: r.score
  }
}));

5. コストの計算

// Match quantities to prices
const elements = $node["Load Elements"].json;
const prices = $node["Vector Search"].json;

let totalCost = 0;
const breakdown = [];

for (const el of elements.items) {
  const matchedPrice = prices.find(p => p.similarity > 0.8);
  if (matchedPrice) {
    const quantity = el.Volume || el.Area || 1;
    const cost = quantity * matchedPrice.unit_price;
    totalCost += cost;

    breakdown.push({
      element: el.Name,
      quantity: quantity,
      unit: matchedPrice.unit,
      unit_price: matchedPrice.unit_price,
      total: cost
    });
  }
}

return [{json: {totalCost, breakdown}}];

6. レポートの生成

// Create HTML report
const data = $input.first().json;

const html = `
<!DOCTYPE html>
<html>
<head>
  <title>Cost Estimate Report</title>
  <style>
    body { font-family: Arial, sans-serif; margin: 20px; }
    table { border-collapse: collapse; width: 100%; }
    th, td { border: 1px solid #ddd; padding: 8px; text-align: left; }
    th { background-color: #4CAF50; color: white; }
    .total { font-size: 1.5em; font-weight: bold; }
  </style>
</head>
<body>
  <h1>Cost Estimate Report</h1>
  <p class="total">Total: $${data.totalCost.toLocaleString()}</p>
  <table>
    <tr><th>Element</th><th>Quantity</th><th>Unit</th><th>Price</th><th>Total</th></tr>
    ${data.breakdown.map(row => `
      <tr>
        <td>${row.element}</td>
        <td>${row.quantity.toFixed(2)}</td>
        <td>${row.unit}</td>
        <td>$${row.unit_price.toFixed(2)}</td>
        <td>$${row.total.toFixed(2)}</td>
      </tr>
    `).join('')}
  </table>
</body>
</html>
`;

return [{json: {html, filename: 'estimate_report.html'}}];

実際の結果

プロジェクト例（rac_basic_sample.rvt）：

• 処理時間：ChatGPT を使用して約 30 分
• 分析した要素：500 件以上
• 自動分類の精度：95%
• 手動レビューが必要なケース：例外的なケースの 5%

コミュニティからの主な見解

「私の個人的な見解ですが、今日、ワークフローの自動化や AI エージェントを無視するプロフェッショナルには、建設業界に取り残されるまでおよそ 5 年しかありません。ツールは無料でオープンです。データもオープンです。残る問いは、誰が最初に使い方を学ぶかだけです。」

前提条件

• n8n（ローカルまたはホスト型）
• DDC CAD コンバーター
• DDC CWICR データベース
• OpenAI/Anthropic API キー
• Qdrant ベクトルデータベース

リソース

• GitHub：cad2data Pipeline リポジトリ
• データベース：OpenConstructionEstimate-DDC-CWICR
• コミュニティ：n8n Workflows for Construction（Telegram）