The Use Of Artificial Intelligence In Mining, Metal Industry and Material Design In Today's Technology

Öz

Technology is changing very rapidly today, and the areas where technology is used are increasing even more. Especially in recent years, the widespread use of artificial intelligence technologies has brought about many changes in our lives. Artificial intelligence, especially in the information sector, cyber security, defense industry, navigation technologies, social security services, health services, insurance and finance sectors, banking, e-commerce, recommendation systems, education sector, transportation and logistics sector, geosciences studies, agriculture and animal husbandry, auxiliary robot applications, special strategic studies, etc. we see that it is used in the fields. It is clearly seen that the areas where artificial intelligence will be used will increase in the coming periods. We can list the most basic components of artificial intelligence as machine learning, deep learning, data science and technological developments. It is among the expectations of the technology world that changes in technological fields may cause artificial intelligence and its components to transform into new technologies. With the change of technology and the increase in the areas of use of technology, mining and metallurgical studies are also positively affected by this change. In this study, how artificial intelligence applications are used in mining, metal industry and material design in today's technology and the general areas of use of artificial intelligence were mentioned.

Anahtar Kelimeler

• Mining
• Material Design
• Metal Industry
• Technology
• Artificial Intelligence

Proje Numarası

FYL-2024-11372 ID numaralı Yüksek Lisans Projesi

Günümüz Teknolojisinde Madencilik, Metal Endüstrisi ve Malzeme Tasarımında Yapay Zekâ Kullanımı

Öz

Teknoloji, günümüzde çok hızlı bir şekilde değişmekte ve teknolojinin kullanıldığı alanlar daha da artmaktadır. Özellikle son yıllarda yapay zekâ teknolojilerinin kullanımının yaygınlaşması hayatımızda birçok değişimi de beraberinde getirmektedir. Yapay zekanın, başta bilişim sektörü olmak üzere siber güvenlikte, savunma sanayinde, navigasyon teknolojilerinde, sosyal güvenlik hizmetlerinde, sağlık hizmetlerinde, sigortacılık ve finans sektörlerinde, bankacılıkta, e-ticarette, öneri sistemlerinde, eğitim sektöründe, ulaşım ve lojistik sektöründe, yerbilimleri çalışmalarında, tarım ve hayvancılıkta, yardımcı robot uygulamalarında, özel stratejik çalışmalarda vb. alanlarda kullanıldığını görmekteyiz. Gelecek dönemlerde yapay zekanın kullanılacağı alanların artacağı net bir şekilde görülmektedir. Yapay zekanın en temel bileşenlerini; makine öğrenmesi, derin öğrenme, veri bilimi ve teknolojik gelişmeler olarak sıralayabiliriz. Teknolojik alanlardaki değişimlerin yapay zekanın ve bileşenlerinin yeni teknolojilere dönüşmesine neden olabileceği teknoloji dünyasının beklentileri arasında yer almaktadır. Teknolojinin değişmesi ve teknolojinin kullanım alanlarının artması ile madencilik ve metalurji çalışmaları da bu değişimden olumlu yönde etkilenmektedir. Bu çalışmada, günümüz teknolojisinde madencilikte, metal endüstrisinde ve malzeme tasarımında yapay zekâ uygulamalarının nasıl kullanıldığından ve yapay zekanın genel kullanım alanlarından bahsedilmiştir.

Anahtar Kelimeler

• Madencilik
• Malzeme Tasarımı
• Metal Endüstrisi
• Teknoloji
• Yapay Zeka

Destekleyen Kurum

Marmara Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimine (BAPKO)

Proje Numarası

FYL-2024-11372 ID numaralı Yüksek Lisans Projesi

Etik Beyan

"Günümüz Teknolojisinde Madencilik, Metal Endüstrisi ve Malzeme Tasarımında Yapay Zekâ Kullanımı" başlıklı bu derleme çalışmasını baştan sona kadar tez ve proje danışmanım olan Sayın Prof. Dr. Yahya BOZKURT ‘un sorumluluğunda tamamladığımı, bu çalışmanın özgün bir çalışma olduğunu, çalışmanın hazırlık, veri toplama, analiz ve bilgilerin sunumu olmak üzere tüm aşamalarında tüm bilgi, belge, değerlendirme ve sonuçları bilimsel etik ilke ve ahlak kurallarına uygun davrandığımı, bu çalışma kapsamında elde edilmeyen tüm veri ve bilgiler için kaynak gösterdiğimi/atıf yaptığımı ve bu kaynaklara kaynakçada eksiksiz olarak yer verdiğimi, kullanılan verilerde herhangi bir değişiklik yapmadığımı, verileri/örnekleri kendim topladığımı, toplanan, yorumlanan, değerlendirilen ve incelenen verilerin, belgelerin, tabloların, şekillerin vb. ilgili bilgilerin ve sonuçların yazım kurallarına uygun olarak hazırlandığını, tüm bu çalışmaların sadece derleme çalışması kapsamında paylaşıldığını, bu derleme çalışmasının Marmara Üniversitesi tarafından kullanılan “Bilimsel İntihal Tespit Programı” ile tarandığını ve hiçbir şekilde “intihal içermediğini” beyan eder, aksinin ortaya çıkması durumunda her türlü yasal sonucu kabul ettiğimi beyan ederim.

Teşekkür

FYL-2024-11372 ID numaralı Yüksek Lisans projesi kapsamında sağladığı destekten dolayı Marmara Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimine (BAPKO) şükranlarımızı sunarız.

Kaynakça

1. Akın, E., Şahin, M. E. (2023). Derin Ögrenme ve Yapay Sinir Ağı Modelleri Üzerine Bir İnceleme, EMO Bilimsel Dergi 2024 Cilt:14 Sayı: 1. https://dergipark.org.tr/tr/download/article-file/3309608
2. Alafi, B. (2019). Artificial Intelligence And Deep Learning Methodologies. The Journal of Cognitive Systems, 4 (2), 57.
3. Amazon Web Services, (2024). Sinir Ağı Nedir?. https://aws.amazon.com/tr/what-is/neural-network/ Ankara Üniversitesi, (2022). Açık Ders Malzemeleri, Mühendislikte Malzeme Seçimi, https://acikders.ankara.edu.tr/pluginfile.php/196175/mod_resource/content/0/KMU%20345%20Yeni%20Malzemeler-Malzeme%20seçimi.pdf
4. Baker, C., Morris, A., Ferguson, D., Thayer, S., Whittaker, W., Omohundro, Z., ... ve Thrun, S. (2004). A campaign in autonomous mine mapping. IEEE International Conference on Robotics and Automation (Vol. 2, sayfa. 2004-2009).
5. Bozkurt, Y., Naycı, G. (2021). Metal Sektöründe Meydana Gelen İş Kazalarında Cinsiyet, Akademik Yaklaşımlar Dergisi /Journal of Academic Approaches, C: 12 S: 1 YIL: 2021 https://dergipark.org.tr/tr/download/article-file/1594326
6. Brent, E. (1989). Designing Social Science Research with Expert Systems. Anthropological Quarterly 62(3), 121-130.
7. Bridgwater, H. (2019). Startups Leveraging Machine Learning to Improve Exploration Targeting, Medium. https://medium.com/unearthed-industry/startups-leveraging-machine-learning-to-improve-exploration-targeting-42490ff6e5a0
8. Callister, W. D., Rethwisch, D. G. (2011). Materials Science and Engineering, Eighth Edition, Wiley.

9. Cebesoy, T. (1995). Madencilikte Bilgisayara Dayalı Yapay Zekâ Teknikleri Uygulamaları, Türkiye 14. Madencilik Kongresi/14th Mining Congress of Turkey, 1995, ISBN 975-395-150-7. s.180.
10. Dipayan, D. (2017). Deep Learning with Hadoop. Packt Publishing.
11. Galbraith, J. K. (1967). The New Industrial State. Boston: Houghton Mifflin.
12. Goh, H. (2019). What Can Machine Learning Do for Geoscience? Australian IMM Bull., https://www.ausimmbulletin.com/feature/can-machine-learning-geoscience/
13. Hoban, C. F. (1965). From theory to policy decision. Aud.Vis. Common. Rev.13 (2):121-39.
14. Hsu, F. H. (1999). IBM's deep blue chess grandmaster chips. IEEE Micro, 19(2), 70-72.
15. İşman, A. (2014). Teknolojinin Felsefi Temelleri. Sakarya Üniversitesi Eğitim Fakültesi Dergisi (1).
16. Kotu, V., Deshpande, B. (2019). Data Science: Concepts and Practice. 2. Edition. Elsevier, USA.
17. Lez’er, V., Semeryanova, N., Kopytova, A., Kvach, I. (2019). Application of Artificial Intelligence in the Field of Geotechnics and Engineering Education. E3S Web of Conferences 110, 02094, International Science Conference SPbWOSCE-2018 Business Technologies for Sustainable Urban Development, St Petersburg, https://www.e3sconferences.org/articles/e3sconf/abs/2019/36/e3sconf_spbwosce2019_02094/e3sconf_spbwos ce2019_02094.html
18. McCarthy, J., Minsky, M. L., Rochester, N., Shannon, C. E. (1955). A Proposal for The Dartmouth Summer Research Project on Artificial Intelligence.
19. MUMMES, (2024). Malzeme Tasarımında Yapay Zekâ ve Makine Öğrenimi. https://mummesofficial.com/malzeme-tasariminda-yapay-zeka-ve-makine-ogrenimi/
20. Narin, Ö. G., Yalçın, M., Akyol, M. (2019). Landsat 8 Uydu Verilerinin Kömür Maden Sahası Araştırmalarında Kullanımı, Soma Örneği, 10. Türkiye Ulusal Fotogrametri ve Uzaktan Algılama Birliği Teknik Sempozyumu, Aksaray, 25 Nisan, 150-153.
21. Novelty Yapay Zekâ Teknolojileri, (2024). Metal Endüstrisinde Yapay Zekâ Çözümlerimiz. https://noveltybilisim.com.tr/assets/pdf/metal_endustrisi_cozumleri.pdf
22. OpenAI, (2024). Models. https://platform.openai.com/docs/models
23. Oygür, A. V. (2020). Yapay Zekânın Meslekleri Tehdidi Karşısında Jeolojinin Durumu, Madencilik ve Yerbilimleri Dergisi, Yıl:11, Sayı:87, s.96.
24. Özfırat, M. K. (2009). Robotik Sistemler ve Madencilikte Kullanımının Araştırılması, Türk Bilim Araştırma Vakfı, Yıl: 2009, Cilt:2, Sayı:4, Sayfa:412-425. https://dergipark.org.tr/tr/download/article-file/200898
25. Öztemel E. (2020). Yapay Zekâ ve İnsanlığın Geleceği. Şeker M., Bulduklu Y., Korkut C., Doğrul M. (Ed.). Bilişim Teknolojileri ve İletişim: Birey ve Toplum Güvenliği içinde (s. 79) Ankara, Türkiye Bilimler Akademisi.
26. Samuel, A. L. (1959). Some Studies in Machine Learning Using the Game of Checkers. IBM Journals. 211-229.
27. Pirim, H. (2006). Yapay Zekâ, Journal of Yaşar University, 1(1), 81-93.
28. Pistilli, M. (2019). How Artificial Intelligence and Machine Learning are Revolutionizing Mineral Exploration, Artificial Intelligence Investing News, Nov. 5th 2019, 656 https://investingnews.com/innspired/machine-learning-revolutionizing-mineral-exploration/
29. Press, G. (2016). A Very Short History Of Artificial Intelligence (AI), https://www.forbes.com/sites/gilpress/2016/12/30/a-very-short-history-of-artificial- intelligence-ai/
30. Russell, S., Norvig, P. (2003). “Artificial Intelligence A Modern Approach”, Pearson Education Inc, ISBN:0-13080302-2, second edition, 1081 p., USA.
31. Savaş, G. (2022). Derin Öğrenme (Deep Learning) Nedir? Nasıl Çalışır?. https://www.gulaysavas.com.tr/derin-ogrenme-deep-learning-nedir-nasil-calisir /#:~:text=Derin%20%C3%B6%C4%9Frenme%2C%20verileri%20i%C5%9Flemede%20insan,karar%20verme%20gibi%20yetenekler%20kazand%C4%B1r%C4%B1r.
32. Shahin, M. A., Jaksa, M. B., Maier, H. R. (2001). Artificial Neural Network Applicatıons in Geotechnical Engineering, Australian Geomechanics, March, sf. 49-62.
33. Süslü, A. (2019). Doğa ve İnsan Bilimlerinde Yapay Zekâ Uygulamaları, Akademia Doğa ve İnsan Bilimleri Dergisi/Academia Journal of Nature and Human Sciences, 5(1), 2019: 1-10, e-ISSN: 2717-8528.
34. Tuncay, M. (1975). Aristoteles: Politika. Remzi Kitabevi Yayınları.
35. Wikipedia, (2024a). OpenAI. https://en.wikipedia.org/wiki/OpenAI
36. Wikipedia, (2024b). Yapay zekâ. https://tr.wikipedia.org/wiki/Yapay_zek%C3%A2
37. Yanjun, G., Mao, P., Jianbo, L. (2019). Exploration and Realization of Several Key Problems of Geological Big Data, Acta Geologica Sinica (English Edition), c. 93, Özel Sayı: Abstracts of Deep-time Digital Earth (DDE) Forum, sf.19-20.
38. Yasak, S. S. (2021). Coğrafyada Yapay Zekâ Uygulamaları: Yolo V3 ile Gerçek Zamanlı Kayaç Tespit Uygulaması Örneği. [Yüksek Lisans Tezi, Marmara Üniversitesi]. 26s.