Additive Manufacturing (Katmanlı Üretim) Artık Daha Öngörülebilir

Geleneksel yöntemlerle katmanlı imalatın ısı dağılımını ve malzeme davranışını simüle etmek günlerce, bazen haftalarca süren pahalı bir süreçti.

Tez çalışmasında geliştirilen RNN (Recurrent Neural Network) ve Graph Neural Network (GNN) tabanlı modeller sayesinde:

• Bir parçanın her noktasındaki sıcaklık profili,
• Tarihsel yüklemeye bağlı davranış değişimleri,
• Farklı geometrilerde ortaya çıkan ısıl tepkiler,

yüksek doğrulukla ve fizik modelleriyle uyumlu şekilde tahmin edilebiliyor.

Bu hem üretimde kalite hatalarını azaltıyor hem de tasarım mühendislerine gerçek zamanlı karar verme kabiliyeti kazandırıyor.  

Malzemenin “İç Sesini” Dinleyen Yeni Kuşak Yapay Zekâ: Veri Tabanlı Malzeme Modellemesi

Metal alaşımlar, kompozit yapılar ve elasto-plastik malzemeler, karmaşık yükleme koşulları altında klasik yöntemlerle gözlemlenmesi zor davranışlar sergiliyor.

Bu çalışmanın en çarpıcı sonuçlarından biri:
Malzemenin şekil değiştirme geçmişine göre yeni davranışını tahmin eden yapay zekâ tabanlı bir “dijital malzeme hafızası” oluşturulmuş olması.

Geliştirilen RNN tabanlı model,

• Gerilme-gerinim tepkilerini,
• Akma yüzeyinin evrimini,
• Plastik enerji değişimlerini,

%0,5’in altında hata payı ile tahmin edebiliyor.

Bu; özellikle havacılık, savunma ve biyomedikal implant üretiminde devrim niteliğinde.  

Takviyeli Üretimde Yapay Zekâ ile “Kendi Kendini Öğreten Yol Planları”

Katmanlı üretimde bir parçanın yüzlerce hatta binlerce farklı yol stratejisi olabilir. Hangisinin en doğru olduğu, klasik yöntemlerle deneme-yanılma gerektirir.

Bu tezde geliştirilen derin pekiştirmeli öğrenme (Deep Reinforcement Learning) tabanlı yaklaşım sayesinde:

• Sistem, kendi kendine en verimli üretim yolunu buluyor.
• Gereksiz zaman kayıpları ortadan kalkıyor.
• Enerji tüketimi ve kalite kayıpları en aza iniyor.

Bu yapı, günümüzde sadece ileri teknoloji robotik sistemlerde görülen biyolojik “öğrenme” modelinin üretim hatlarına uyarlanmış hâlidir.  

GPU Hızlandırmalı Üretim Simülasyonları: 150 Kat Performans

Geleneksel FEM (Sonlu Elemanlar) tabanlı simülasyonlar, özellikle metal katmanlı üretimde son derece uzun sürüyor.

Ancak geliştirilen yeni GPU tabanlı hesaplama stratejisi sayesinde:

• Büyük ölçekli AM simülasyonlarında 100–150 kat hızlanma,
• Gerçek zamanlı üretim kontrolüne yaklaşan hesaplama gücü,
• Büyük veri kümeleriyle uyumlu bir analiz altyapısı,

elde ediliyor.

Bu hız, Türkiye’de savunma ve uzay sanayisinin kritik faaliyetlerinde ciddi bir çarpan etkisi yaratabilir.  

Sonuç: Yapay Zekâ + Fizik = Üretimde Yeni Bir Medeniyet Eşiği

Bu çalışma, ileri imalat teknolojilerinin geleceğini şu başlıklarda şekillendiriyor:

• Daha az maliyet, daha yüksek doğruluk,
• Gerçek zamanlı üretim kontrolü,
• Doğrulanabilir ve şeffaf yapay zeka modelleri,
• Enerji verimli üretim,
• Kişiye özel, düşük hacimli hızlı üretim,
• Savunma, uzay ve biyomedikalde yeni uygulama alanları.

Bu nedenle fizik-bilinçli veri-odaklı üretim yaklaşımı, önümüzdeki 10 yılın dünyada en önemli AR-GE eksenlerinden birini oluşturuyor.  

Haber Editörü: Dr. Oğuz Poyrazoğlu – Kurucu ve Sorumlu Yazı İşleri Müdürü
E-posta: opoyrazoglu@gazeteankara.com.tr
WhatsApp Haber Hattı: +90 531 512 62 32

Dr. Oğuz POYRAZOĞLU

Gazete Ankara Dijital Haber Portalı BİLİM/TEKNOLOJİ