DÖKÜMHANE

Türk Döküm Sektörünün Eğitim Platformu

Endüstri 4.0 vizyonu içinde metalurji ve malzeme mühendisliği nerede duruyor?

Geçtiğimiz yaklaşık 20 senelik süreç içinde Metalurji Mühendisliği adıyla eğitim veren üniversite bölümlerinin isimlerini Metalurji ve Malzeme Mühendisliği olarak değiştirdiklerini, yeni açılan birçok bölümün ise metalurjiyi göz ardı ederek sadece malzeme mühendisliği üzerine odaklandıklarını gördük. Üniversitelerin neden böyle bir tercih yapmak durumunda kaldıkları anlaşılabilir: Malzeme biliminde son yıllarda kaydedilen önemli gelişmeler ve malzeme biliminin akademik çalışmalar açısından bakir ve verimli bir alan olması, doğal olarak üniversiteleri cezbederek bu alana ağırlık vermelerine yol açıyor.

5009

Akademinin sert gerçeği: Yayın yap ya da yok ol!

Bu yazıda ele alacağımız tartışmayı daha sağlam bir temel üzerine oturtmak için, akademik yayıncılığın üniversiteler üzerindeki baskın rolünü de ele almamız gerekir: İçinde bulunduğumuz dönemde bir akademisyen olarak varlık gösterebilmeniz ve kendinize bir yer bulabilmeniz için bolca yayın yapmanız büyük önem taşıyor. Üstelik yayınların sayısı kadar, bu yayınlara yapılan atıfların sayısı da akademik hayattaki başarı açısından önemli.

Sanayi ve akademi arasında verimli iş birliklerini zorlaştıran kilit noktalarda bir tanesi, işte burada ortaya çıkıyor: Makalelere yapılan atıf sayısı sadece akademisyenler için değil, aynı zamanda bilimsel dergiler için de oldukça önemli bir ölçüt olarak değerlendiriliyor. Bir dergide yayımlanan makaleler ne kadar çok atıf alıyorsa, o derginin etki faktörü (impact factor) o kadar artıyor. Bunun doğal sonucu olarak bilimsel dergiler çok atıf alması beklenen, dönemin popüler konularında yapılmış çalışmalara öncelik vermek istiyor. Üniversitede çalışan ve yayın yapmak isteyen akademisyenler de ister istemez bilimsel dergilerin belirlediği bu popüler alanlarda çalışmak durumunda kalıyorlar. Çünkü sanayinin beklentilerine kulak verip de bu popüler alanların dışına çıktıkları zaman, yayın yapacak iyi bir dergi bulmaları oldukça zor bir hale gelebiliyor.

Bilimsel dergilerin ve akademik yayıncılık anlayışının yarattığı bu baskı nedeniyle, bugün akademik dünyanın sanayi dünyasıyla farklı doğrultularda ilerlediklerini ve farklı beklentiler nedeniyle birlikte çalışacak ortamı yaratmakta zorluk çektiklerini görüyoruz.

Döküm ve malzeme teknolojileri perspektifinden durum

Metalurji mühendisliğinden malzeme mühendisliğine doğru bir geçişin yaşandığı geçtiğimiz 20 yıllık süreç, Endüstri 4.0 perspektifinden bakıldığında problemli bir noktaya işaret ediyor. Çünkü metalurji mühendisliğinin kapsamı içinde üretim süreçleri önemli bir yer teşkil ediyor. Burada süreç vurgusuna dikkat edilmesi önemli: Döküm süreçleri ya da çelik üretim süreci gibi tüm üretim süreçlerinin aşama aşama ilerleyen ve bu aşamalardaki parametrelerin diğer aşamaları etkiledikleri bir anlayış üzerine kurulu olduklarını görüyoruz.

Malzeme mühendisliği ise ağırlıklı olarak katı halde bulunan yeni malzemelerin tasarlanması ve bu malzemelerin çeşitli özelliklerinin karakterizasyonu üzerine kurulu bir disiplin olarak değerlendirilebilir [1]. Diğer bir deyişle bir ürün ortaya çıkarmak için sanayi ölçeğinde ele alınması gereken üretim süreçlerinin aşamalarına değil, katı malzemelerin atom düzeyindeki yapılarına odaklanan ve mekanik, elektronik ya da optik gibi farklı özelliklerin karakterizasyonunu temel alan bir mühendislik dalı olarak tarif edebiliriz.

makine ogrenimi ve malzeme

Makine öğrenimi yeni malzemelerin keşfini kolaylaştırıyor (Resim: Adaptif tasarım çerçevesi, Los Alamos Ulusal Laboratuvarı, ABD).

Bu noktada bir konuyu vurgulamakta fayda var: Teknolojik gelişmelere baktığımız zaman, malzeme mühendisliğinin kapsamının da önümüzdeki yıllarda değişim geçirmesini beklememiz lazım: Malzeme mühendisliğinin çekirdeğinde yer alan karakterizasyon konusu, katı malzemelerin belli özelliklerinin çeşitli karakterizasyon yöntemleri aracılığıyla toplanan veriler sayesinde değerlendirilmesine odaklanıyor. İster mikroskop bazlı yöntemler olsun, isterse çeşitli spektroskopi yöntemleri ya da farklı karakterizasyon yöntemleri, tüm bu yöntemlerde bir tür verinin ölçülmesi ve/veya değerlendirilmesi söz konusu. Fakat makine öğreniminin açtığı ve açacağı kapılar sayesinde bu verileri, ister sayısal olsun, ister görsel ya da farklı türde veriler, makinelerin insanlardan daha iyi yaptığı bir geleceğe doğru gidiyoruz. Yani örneğin mikroskop altına koyduğunuz bir numuneyi siz bir şey yapmadan tanıyan, ilgili özelliklerini değerlendirip aktarabilen sistemlerden çok uzakta olduğumuz söylenemez. O nedenle malzeme mühendisliğinin çekirdeğinde yer alan karakterizasyon bilgisinin uzmanların elinden çıkıp, yakın bir gelecekte tıpkı bir hesap makinesindeki tuşa basar şekilde kolaylıkla elde edilebilir hale geleceğini öngörebiliriz. Üstelik bu çok temelsiz bir varsayım da sayılmaz: Bu konuda hâlihazırda yapılan çalışmalardan birkaç örnek için [2-8] numaralı kaynakları inceleyebilirsiniz.

Makine öğrenimi sayesinde, yakın bir gelecekte malzeme tasarımı ve karakterizasyon bilgisinin uzmanların elinden çıkıp, tıpkı bir hesap makinesindeki tuşa basar şekilde kolaylıkla elde edilebilir hale geleceğini öngörebiliriz.

Döküm sektörü özelinde bir değerlendirme yapacak olursak, döküm sürecinin dijital sistemler aracılığıyla yönetilebiliyor olması için, doğal olarak bu prosesi ayrıntılarıyla anlayan ve süreç bilgisini yazılımlara aktarabilen mühendislere ihtiyaç duyulacağını anlamak çok zor bir iş değil. Fakat metalurji ve malzeme mühendisliği eğitiminin geldiği noktada, öğrencilere proses bilgisinin yeterli düzeyde aktarılmadığını ve eğitimin ağırlıklı olarak katı malzemelerin özelliklerine odaklanan malzeme bilimi eksenine kaydığını görüyoruz. Metalurji ve malzeme mühendisliği bölümlerinin öğrencilerini bu dijital geleceğe hazırlayabilmeleri için sadece yazılım bilgisine ağırlık vermeleri yeterli olmayacaktır. Dökümhane ya da çelikhane gibi farklı üretim süreçlerini kavrayabilen, sürecin bir aşamasındaki parametrelerin diğer süreç parametrelerini nasıl etkileyeceğini yorumlayabilen mühendislerin yetişmesine önem vermek, Endüstri 4.0 vizyonuna hazır mühendislerin yetişebilmesi için gerçekten büyük önem taşıyor.

2020 calisan profili.png

Endüstri 4.0 vizyonunun tarif ettiği gelecekte çalışabilecek becerilere sahip mühendis yetiştirme konusunda bütün dünyada bir sıkıntı olduğu  biliniyor. Örnek olarak yukarıdaki grafik üzerinde, 2020 yılında çalışanların nasıl bir beceri dağılımına sahip olacaklarına dair bir beklenti gösteriliyor. Kısaca söylemek gerekirse, düşük seviyede becerilere sahip çalışanların boşta kalması, yüksek ve hatta orta seviyede becerilerle donanmış çalışanlara yönelik ise ciddi bir açık olması bekleniyor. Örnek olarak, Dökümhane’de daha önce yayımlanan bu yazıda,  şu anda sadece ABD’nin veri bilimi (data science) konuları çevresinde 250.000 çalışan eksiği bulunuğundan bahsetmiştik. Teknolojinin herkesi eşitlediği bir dünyada, benzer açıkların Türkiye’de olmadığını ve olmayacağını beklememiz hata olur.

O nedenle Endüstri 4.0 vizyonu içinde yolunu kaybetmiş gençler yetiştirmediğimizden emin olmak için, mühendislik müfredatlarına sadece programlama ya da veri bilimi dersleri eklemenin yeterli olmayacağını fark etmemiz lazım. Öğrencilerin mutlaka bu konuları süreç (proses) mühendisliği çerçevesinde öğrendikleri ve gerçek sanayi uygulamalarına aktarabilecekleri bir şekilde eğitimin elden geçirilmesi, Türkiye’nin bu dijital gelecek vizyonu içinde yerini sağlamlaştırması için büyük önem taşıyor.

Geleceğe dair alternatif eğitim senaryoları: Eğitimin akademiden sanayiye kayışı

Teknolojinin baş döndürücü bir hızla ilerlediği günümüzde, üniversitelerin eğitimin her alanında aktif olmalarını beklemek biraz zor. O nedenle şirketlerin yavaş yavaş kendi eğitim inisiyatiflerini hayata geçirmeye başladıklarını ve üniversite mezunlarını işe almak yerine, lise öğrencileri arasından kendi sınavlarıyla adaylar seçip, kazanan adayları kendi eğitim kurumlarında eğitmeye başladıklarını görüyoruz [10]. Bu işe kalkışan şirketler yazılım sektöründe faaliyet gösterdikleri için, diğer mühendislik alanlarına kıyasla işlerinin daha kolay olduğu düşünülebilir. Fakat sanal gerçeklik (virtual reality, VR) ve arttırılmış gerçeklik (augmented reality, AR) gibi alanlarda kaydedilen ilerlemeler sayesinde, yakın bir gelecekte bir üretim süreci simülasyonunun sanal olarak yaratılabileceğini ve öğrencilerin bu simülasyonların içinde eğitildiklerini görebileceğiz [11, 12].

ar

Arttırılmış gerçeklik (augmented reality, AR) teknolojilerinin birçok endüstride kullanım alanı bulması bekleniyor (Fotoğraf: Erin Carson/TechRepublic).

Aynı zamanda çevrimiçi öğrenme (online learning) teknolojilerinin sadece son birkaç sene içinde ne kadar zenginleştiği ve insanlar tarafından ne kadar kolay benimsendiği düşülürse, üniversitelerin ağırlıklı olarak temel formasyon ve akademik araştırma ayağında faaliyet gösterdikleri ve firmaların temel formasyona sahip öğrencileri kendi bünyelerinde eğitmeyi tercih ettiği bir geleceğe doğru gidiyor olduğumuzu düşünebiliriz.

Kaynaklar

  1. Wikipedia makalesi: Materials science.
  2. An investigation of machine learning methods applied to structure prediction in condensed matter. W.J. Brouver, J.D. Kubicki, J.O. Sofo, C.L. Giles. arXiv:1405.3564 [cond-mat.mtrl.sci] (2014).
  3. Perpective: Composition-structure-property mapping in high-throughput experiments: Turning data into knowledge. J.R. Hattrick-Simpers, J.M. Gregoire, G. Kusne. APL Materials 4 (5) 053211 (2016).
  4. On-the-fly machine-learning for high throughput experiments: Search for rare-earth-free permanent magnets. A.G. Kusne, T. Gao, A. Mehta, L. Ke, M.C. Nguyen, K.M. Ho, V. Antropov, C.Z. Wang, M.J. Kramer, C. Long, I. Takeuchi. Scientific Reports 4, Article number: 6367 (2014).
  5. Shape priors for MAP segmentation of alloy micrographs using graph cuts. L. Huffman, J. Simmons, M. De Graef, I. Pollak. IEEE Transactions on Signal Processing Workshop (2011) 661.
  6. Application and further development of advanced image processing algorithms for automated analysis of serial section image data. J.P. Simmons, P. Chuang, M. Comer, J.E. Spowart, M.D. Uchic, M. De Graef. Modelling and Simulation in Materials Science and Engineering, Vol. 17, 025002 (2009).
  7. On the use of 2-D moment invariants for the automated classification of particle shapes. J.P. MacSleyne, J.P. Simmons, M. De Graef. Acta Materialia 56, (2008) 427.
  8. Understanding and visualizing microstructure and microstructure variance as a stochastic process. S.R. Niezgoda, Y.C. Yabansu, S.R. Kalidindi. Acta Materialia 59, 6387-6400 (2011).
  9. The World at Work: Jobs, Pay and Skills for 3.5 Billion People. McKinsey Global Institute Report (2012).
  10. Indian engineers are so unemployable that a tech giant will train high-school graduates itself. Quartz makalesi: https://goo.gl/xeJUJj (2017).
  11. A review of research on augmented reality in education: Advantages and applications. N.F. Saidin, N.D. Abd. Halim, N. Yahaya. International Education Studies, Vol. 8, 1-8 (2015).
  12. A review of using augmented reality in education from 2011 to 2016. P. Chen, X. Liu, W. Cheng, R. Huang. In: Innovations in Smart Learning, Lecture Notes in Educational Technology. Eds: E. Popescu et al. 13-18 (2017).

İçerik hazırlığında kullanılan diğer kaynakların listesi için tıklayın.

Kategoriler:Not defteri

Etiketler:, ,