Her büyük sektör kendine bir dijital beyin kurdu.
Metal sektörü kurmadı. Bunu değiştiriyoruz.

Örnek Vakalar

Bir tahmin platformunu dürüstçe değerlendirmenin yolu, raporlarından birini baştan sona okumaktır — çekince koyduğu yerler ve sayıyı hiç kullanmamanızı söylediği yerler dahil.

Örnek vakamız, anonimleştirilmiş gerçek bir malzeme ikamesi çalışması: günde yirmi saat, yaklaşık 1.700 dev/dk dönen bir parça; soru, çökelme sertleşmeli paslanmaz çeliğin yerine yorulma payı kaybetmeden bir alüminyum alaşımı kullanılıp kullanılamayacağıydı.

• Dört aday alaşım akma, çekme, sertlik ve uzamada karşılaştırıldı
• Yorulma gerçek çalışma çevriminde değerlendirildi — yılda yaklaşık 625 milyon çevrim
• Platformun verdiği her uyarı, kelimesi kelimesine aktarıldı
• Tasarım yanıtı vermeyi reddettiği iki nokta ve bunun neden işe yarar sonuç olduğu

Tersine Tasarım ve Proses Optimizasyonu

Mühendisler nadiren “özellikler ne?” diye sorar. Asıl soru “onlara nasıl ulaşırım?” sorusudur. AutoForge soruyu tersine çevirir: bir hedef pencere verin, o pencereye düşen bileşimleri ve proses rotalarını döndürsün — atölyenizin onları gerçekten uygulayıp uygulayamayacağına göre sıralanmış olarak.

• Hedefe dayalı reçeteler: bileşim, çözeltiye alma ve yaşlandırma planı, su verme ortamı, soğuma hızı
• Pareto sıralı adaylar: temkinli bir rota ile agresif bir rota yan yana
• Sıralamadan önce üretilebilirlik kontrolü — karbon eşdeğeri, hidrojen çatlağı riski, yorulma
• Paralel üç arama: diferansiyel evrim, Bayes optimizasyonu, kuantum-hibrit tavlama — aynı Pareto cephesi 92 s’de; klasik yöntemle 1.611 s

AutoForge önerir; sertifikalandırmaz. Her aday, ileri yönlü bir tahminle aynı belirsizliği taşır; eğitim verisi zayıf olan bir rota, kanıtlanmış gibi sıralanmak yerine zayıf olarak etiketlenir. Kalıp ve takıma yatırım yapmadan önce bir deneme dökümüyle doğrulayın.

Ar-Ge Hızlandırma

Bir ön değerlendirme tahmini saniyeler sürer. Bu, hangi soruların sorulmaya değer olduğunu değiştirir — bir yıllık deneme dökümüne mal olacak bir tasarım uzayı, daha ilk döküm yapılmadan daraltılabilir.

• Kendi bileşim ve rotalarınızda, bir gecede binlerce sanal koşul
• Fizik temelli arama: var olamayacak bileşimler döndürülmez, elenir
• Dayanım, süneklik, kaynaklanabilirlik ve yorulma arasındaki ödünleşim, tek bakışta
• İzlenebilir sonuçlar — hangi fiziğin devreye girdiği, hangi verinin desteklediği ve girdinin eğitimdeki her şeye ne kadar uzak olduğu

Konumu: ön değerlendirme ve proses karşılaştırma; laboratuvarın yerine değil, önünde. Tasarım değerleri MMPDS ve AMS’te kalır. Uzun vadeli hedef, henüz var olmayan alaşımlar — aynı aramanın bilinen bir kalite yerine boş bir sayfaya yöneltilmesi.

Hakkımızda

METALLAI, bir metalurji mühendisinin muhakemesi ile laboratuvar takvimi arasında durur. Kendi varsayımlarını açıkça belirten bir fizik temeli hesaplıyor, bunu yalnızca ölçülmüş verilerle eğitilmiş makine öğrenmesiyle düzeltiyor ve sayıyı, ona ne kadar güvenileceği bilgisiyle birlikte veriyoruz.

İstanbul’da Koç Üniversitesi KWORKS kuluçka merkezinde çalışan metalurji ve makine öğrenmesi mühendisleriyiz. Platform, her tesis yöneticisinin tanıyacağı bir gözlemle başladı: bir ısıl işlemi belirleyen bilgi çoğu zaman birkaç kıdemli mühendisin kafasındadır ve onlar ayrılınca o bilgi de gider.

• Önce fizik, sonra makine öğrenmesi. Mukavemet artırma mekanizmaları, dönüşüm sıcaklıkları ve kusurdan başlayan yorulma, herhangi bir model çalışmadan önce hesaplanır; model geriye kalanı düzeltir.
• Açık, kaynak gösterilebilir eğitim verisi.
• Doğruluk, eğitimden dışarıda tutulan alaşımlarda verilir. Modelin hiç görmediği bir alaşımda akma dayanımında ±%19. Eğitim verisi üzerindeki değer %6–7’dir ve onu vermiyoruz — bu uyumu ölçer, doğruluğu değil.
• Ekstrapolasyon yapmaz, yanıt vermeyi reddeder. Uydurulduğu aralığın dışında platform, kendinden emin bir sayı döndürmek yerine bunu açıkça söyler.

Demo Talep Edin

METALLAI V2.0’ı kendi alaşımlarınızdan birinde, kendi bileşiminiz ve proses rotanızla çalışırken görün. Aşağıya e-posta adresinizi ve şirketinizi bırakın; genellikle bir iş günü içinde parçanıza göre hazırlanmış bir oturumla dönüş yapıyoruz.