13 TESİSAT • 06 / 2026 HABERLER kalitesi ile enerji tasarrufu arasındaki dengenin kurulmasında veri odaklı yaklaşımların önemine dikkat çekilen konuşmada, tasarım mühendislerinin rolünün çizim yapmaktan veri yönetimine evrilmesi, akıllı binalarda siber güvenlik ve veri gizliliği, sektör paydaşlarının alması gereken önlemler, yapay zekanın HVAC sistemlerinde yaşayan ve öğrenen organizmalara dönüşümü gibi konulara değinildi. Sempozyumun açılış oturumunda “From Machine Learning to Learning from Machines” başlıklı ilk sunumu yapan Volkan Doda, herkesin yapay zekâ ile bir an önce ilgilenmeye başlaması gerektiğini bu sayede daha hızlı gelişim, tutarlı sonuç elde etme, operasyonel verimlilikte ve sürdürülebilir bina yönetim çözümlerinde iyileşme ve henüz düşünülmemiş birçok fayda sağlanacağını belirtti. Yapay zekânın tarihsel gelişim süreciyle ilgili bilgiler veren Doda, yapay zekaya yatkın mühendislere güvenilip desteklenmesi gerektiğini söyledi. Bina HVAC Sistemlerinde Yapay Zeka konulu sunum bir sunum yapan REHVA Yönetim Kurulu Başkanı Livio Mazzarella, yapay zeka türleri ve gelişimine değindikten sonra yapay zekalı kontrol sistemlerinin gelişim süreci ve HVAC sektöründeki aşamalarını anlattı. Mazzarella, HVAC öngörücü bakım, akıllı sensörler ve nesnelerin interneti, bulut tabanlı yapay zeka HVAC kontrolleri, dijital ikiz ve yapay zeka limitleri gibi konu başlıklarında bilgiler paylaştı. 3B Modellerin Ötesinde: Yapay Zeka Çağında BIM ve Dijital İkizler başlıklı bir sunum yapan Catalin Lungu, Romanya’daki BIM süreçlerine dair teknik düzenlemeler ve yol haritasını anlattı. Doç. Dr. Murat Çakan’ın moderatörlüğünde gerçekleşen Sempozyumun birinci teknik oturumunda ilk sunumu Prof. Dr. Halime Paksoy “GREENOLIVE Sanayinin Karbonsuzlaştırılması Projesi: Enerjiden Isı Üretimi Konsepti” başlığında gerçekleştirerek proje kapsamında elde edilen karbonsuzlaşma süreçlerinde ısı temelli enerji dönüşüm stratejilerini ele aldı. Paksoy, elektrifikasyon ve termal enerji entegrasyonunun gelecekteki enerji sistemleri açısından kritik önem taşıdığını belirtti. Dr. Burcu Koçak’ın “Artificial Intelligence in Thermal Energy Storage Building Applications” başlıklı sunumunda HECTAPUS Projesi kapsamında mülteci barınakları için geliştirilen; güneş kolektörleri ve faz değişim malzemeleri (FDM) tabanlı termal enerji depolama üniteleri ile çalışan yenilikçi ısıtma ve soğutma sistemi tanıtıldı. Çalışmada, değişken dış ortam koşulları ve olası sistem arızaları karşısında sabit otomasyon yapılarının her zaman yeterince hızlı ve esnek tepki verememesinin sistem performansını olumsuz etkileyebildiği vurgulandı. Bu kapsamda; Model Predictive Control (MPC), Reinforcement Learning (RL) ve Yapay Sinir Ağları (ANN) gibi yapay zekâ tekniklerinin enerji yönetimi, depolama optimizasyonu, hızlı karar alma ve kullanıcı konforunun artırılması açısından sağlayabileceği potansiyel katkılar değerlendirildi. “Machine Learning Based Solar PV Forecasting for Sustainable Buildings” başlıklı bir sunum yapan Dr. Tuğba Gürler sunumunda sürdürülebilir bina uygulamaları için güneş enerjisi üretim tahminlerinde makine öğrenmesi yöntemlerinin kullanımı değerlendirdi ve yenilenebilir enerji entegrasyonunda tahmin doğruluğunun sistem güvenilirliği açısından önemi vurguladı. Isı Arayüz Ünitelerinde Dijital Hidronik Dengeleme üzerine bir sunum yapan Can Kodaman hidronik sistemlerde dijital dengeleme yöntemlerinin enerji performansı ve işletme verimliliği üzerindeki etkilerini ortaya koydu. İkinci teknik oturumda ilk sunumu Su Döngülü Isı Pompası Sistemlerinde Dijital İkiz Uygulaması ile Performansa Dayalı Hidronik Sistem Tasarımı üzerine yapan Meriç Sapçı, sistemlerin yalnızca tasarım aşamasında değil, işletme sürecinde de sürekli izlenebilir ve optimize edilebilir hale geldiğini belirtti. Oturumun son iki sunumu gerçekleştiren Ömer Yiğit Türkaslan, “Artificial Intelligence for Data Center Thermal Management: Methods, Integration, and Practical Guidelines” başlıklı sunumunda veri merkezi termal yönetiminde kullanılan yapay zekâ yöntemleri sistematik bir çerçevede ele aldı. Türkaslan, denetimli öğrenme tabanlı yedek modeller (surrogate models), fizik-kısıtlı sinir ağları (PINN), takviyeli öğrenme ve evrimsel optimizasyon algoritmaları gibi farklı yaklaşımların hangi problemde, hangi gereksinimler altında ve nasıl entegre edileceğini mühendislik perspektifinden değerlendirdi. Ömer Yiğit Türkarslan “Physics-Constrained Deep Learning for Sparse Data Reconstruction in Data Center Thermal Management” başlıklı başlıklı ikinci sunumunda ise, veri merkezlerinde sınırlı sayıda sensörden elde edilen seyrek (sparse) ölçüm verisinden tüm sıcaklık alanını yeniden inşa eden bir fizik-kısıtlı derin öğrenme (PCNN) modelini sundu. Önerilen model ile, klasik bir sinir ağına kıyasla ortalama mutlak hatayı (MAE) 4.35 °C’den 0.75 °C’ye düşürerek yaklaşık %83 iyileşme sağlandığını ifade eden Türkaslan, Tahmin süresi tipik bir CFD çözümünün yaklaşık 60 dakikasından milisaniye mertebesine
RkJQdWJsaXNoZXIy MTcyMTY=