Yapay Zekâ Destekli Araçların Kullanımıyla Endüstriyel Tasarım Sürecinde Sağlanan Disiplinler Arası Gelişmeler

Abstract

Yapay zekanın (YZ) endüstriyel tasarıma entegrasyonu, özellikle hızlı prototipleme, sürdürülebilir malzeme seçimi ve öngörücü analiz gibi alanlarda geleneksel yöntemlerde devrim yaratıyor. YZ odaklı araçlar prototipleme döngülerini hızlandırıyor, fiziksel modellere olan bağımlılığı azaltıyor ve tasarımcıların gerçek dünya koşulları altında ürün performansını tahmin etmelerini sağlıyor. Ek olarak, YZ kapsamlı malzeme veri tabanlarını analiz edip, dayanıklılık, maliyet ve çevresel etkiyi dengeleyen kararlara rehberlik ederek sürdürülebilirliği artırıyor. Veri odaklı kişiselleştirmedeki rolü, seri üretimin israfı en aza indirirken bireysel kullanıcı ihtiyaçlarını verimli bir şekilde karşılamasını sağlıyor. Dahası, YZ gerçek zamanlı geri bildirim sağlayarak ve tasarım süreci boyunca yinelemeli iyileştirmeleri kolaylaştırarak disiplinler arası ekipler arasında iş birliğini teşvik ediyor ve sonuçta tasarımcıların daha fazla yenilik ve üretkenlik elde etmesini sağlıyor. YZ bu yetenekleri sorunsuz bir şekilde entegre ederek, endüstriler genelinde tasarım iş akışlarını dönüştürüyor, hem hızlarını hem de kalitelerini artırıyor. Bu makale, endüstriyel tasarımın geleceğini şekillendirmede güçlü bir araç olarak yapay zekanın mevcut rolünü değerlendirmek için güncel akademik literatürü incelemekte ve daha ileri araştırma alanları için önerilenlerin yanı sıra yapay zekânın etkili uygulaması için öneriler sunmaktadır.

Keywords

• Yapay Zekâ
• Endüstriyel Tasarım
• Üretken Tasarım
• Sürdürülebilirlik
• Ürün Kişiselleştirme
• Prototipleme.

AI-Driven Tools for Advancing the Industrial Design Process – A Literature Review

Abstract

The integration of artificial intelligence (AI) into industrial design is revolutionizing traditional methods, particularly in areas such as rapid prototyping, sustainable material selection, and predictive analytics. AI-driven tools accelerate prototyping cycles, reduce reliance on physical models, and enable designers to predict product performance under real-world conditions. Additionally, AI enhances sustainability by analyzing extensive material databases, guiding decisions that balance durability, cost, and environmental impact. Its role in data-driven personalization allows mass production to meet individual user needs efficiently while minimizing waste. Moreover, AI fosters collaboration among interdisciplinary teams by providing real-time feedback and facilitating iterative improvements throughout the design process, ultimately empowering designers to achieve greater innovation and productivity. By seamlessly integrating these capabilities, AI is transforming design workflows across industries, improving both their speed and quality. This article delves into current academic literature to evaluate AI’s current role as a powerful tool in shaping the future of industrial design and offers suggestions for its effective application, alongside proposed areas for further research.

Keywords

• Artificial Intelligence (AI)
• Industrial Design
• Generative Design
• Sustainability
• Product Personalization
• Prototyping.

References

1. [1] M. A. Ghorbani, “AI tools to support Design activities and Innovation processes,” Thesis, Politecnico di Torino, Torino, 2024.
2. [2] V. Parapanova, “User-Centered Design in Digital Twins: Insights Based on Industrial Designers’ Activities,” Mälardalen University, Malardalen, 2023.
3. [3] D. Hindarto, “Building the Future of the Apparel Industry: The Digital Revolution in Enterprise Architecture,” Sinkron, vol. 9, no. 1, pp. 542–555, Jan. 2024, doi: 10.33395/sinkron.v9i1.13260.
4. [4] Y. Feng, Y. Zhao, H. Zheng, Z. Li, and J. Tan, “Data-driven product design toward intelligent manufacturing: A review,” Mar. 01, 2020, SAGE Publications Inc. doi: 10.1177/1729881420911257.
5. [5] A. Kotelskaia, “DIGITAL TOOLS IN THE FOOTWEAR DESIGN PROCESS: From traditional practices to artificial intelligence,” HAME University of Applied Sciences, Hameen, 2023.
6. [6] S. Mihai et al., “Digital Twins: A Survey on Enabling Technologies, Challenges, Trends and Future Prospects,” IEEE Communications Surveys and Tutorials, vol. 24, no. 4, pp. 2255–2291, 2022, doi: 10.1109/COMST.2022.3208773.
7. [7] S. Han and X. Sun, “Optimizing Product Design using Genetic Algorithms and Artificial Intelligence Techniques,” IEEE Access, pp. 1–1, Sep. 2024, doi: 10.1109/access.2024.3456081.
8. [8] E. Dostatni, D. Mikołajewski, J. Dorożyński, and I. Rojek, “Ecological Design with the Use of Selected Inventive Methods including AI-Based,” Applied Sciences (Switzerland), vol. 12, no. 19, Oct. 2022, doi: 10.3390/app12199577.

9. [9] P. Fechner, F. König, J. Lockl, and M. Röglinger, “How Artificial Intelligence Challenges Tailorable Technology Design: Insights from a Design Study on Individualized Bladder Monitoring,” Business and Information Systems Engineering, vol. 66, no. 3, pp. 357–376, Jun. 2024, doi: 10.1007/s12599-024-00872-9.
10. [10] Chikezie Paul-Mikki Ewim, Adams Gbolahan Adeleke, Chukwunweike Mokogwu, Godwin Ozoemenam Achumie, and Ifeanyi Chukwunonso Okeke, “Developing a cross-functional team coordination framework: A model for optimizing business operations,” International Journal of Frontline Research in Multidisciplinary Studies, vol. 4, no. 1, pp. 015–034, Oct. 2024, doi: 10.56355/ijfrms.2024.4.1.0030.