uzman insanların düşünme işlemlerini taklit ederler. Amaç bir insan uzman gibi veya ondan daha iyi bir uzman sistemgeliştirebilmektir. Böyle bir sisteme sahip olmak kişiyi uzman yapmaz, fakat bir uzmanın yapacağı işin bir kısmını veyatamamını yapmasını sağlar. Uzman sistemler çözülecek probleme ait olguları yada verileri kapsayan bir sistemdir.Uzman sistemler de kuralları bir dizi şeklinde kullanıp işi yapmak için kullanılan mekanizma Arayüz Motoru olarakadlandırılır. Uzman Sistemlerde (US) yaygın olarak iki çeşit arayüz motoru kullanılır. Birisi, mantık programlamamodeli, diğeri ise üretim sistemi modelidir. Bilinen bir başka karar mekanizması ise, üretim sistem motorudur. Busistemde, kurallar listelenip, kontrole listenin en üstünden başlanır [33].BİLGİ TABANI : Bilgi tabanı, uzman sistemde belirtilen gerçekler ve sonuç çıkarmaya yönelik bilgiler ve yargılar ileile ilgili bilgileri içeren kısımdır.KURALLAR ve PARAMETRELER ( KONTEKS): Bu modül, öncelikle çözülen probleme ait bilgileri ve parametreleriiçerir ve çözüm sırasında bu bilgiler genişler ve saklanır. Örneğin bir yapıdaki olası deprem hasarını öngörebilen biruzman sistemde konteks, öncelikle yapıya(yapının taşıyıcı sistemi, malzeme vb.) ve yapının bulunduğu bölgeye aitbilgileri içerir.UZMANİNSANGörüşme veGözlemlerDiyalogTest ve İlavelerUZMANSİSTEMGELİŞTİRMEDESTEKBİLGİMÜHENDİSİGeliştirmeve TestUZMANSİSTEMKesin BilgiBİLGİKULLANICITABANIŞekil 8. Bir Uzman Sistemin GeliştirilmesiSONUÇ ÇIKARMA MEKANİZMASI : Uzman sistemin kontrol bilgilerini içeren kısımdır. Örneğin bir yapıdakullanılacak malzeme seçimi için yazılmış bir uzman sistemde, bu mekanizma verilen malzeme çeşitlerini sırasıyladeneyerek yapı için teknolojik, ekonomik ve dayanım kriterleri açısından en uygun olanı seçme işlemini yapar.SAYISAL ÖRNEKŞekil 9’da verilen 10 çubuklu düzlem kafes sistemin literatürde mevcut GA sonuçları ve çalışma kapsamında YSA,karınca koloni algoritması ve Fuzzy sonuçları ile US sonuçları Tablo 1’de verilmiştir. : Probleme ait sayısal değerler, E= 6.895×10 4 MPa, L= 914.4 cm, etkiyen yük P = 445.37 kN, ρ= 0.027 N/cm 3 , izin verilen gerilme (gerilme sınırlayıcısı)σ i ≤ 172.25 Mpa (j =1,2,…,10), deplasman sınırlayıcısı u i ≤ 5.08 cm (i =1,2,3,4).LL5132171056L8963442PPŞekil 9. On Çubuklu Düzlem Kafes Sistem1332
Tablo 1. Hesaplanan Kesit <strong>Al</strong>anlarıÇubuk Kesit <strong>Al</strong>anları [cm 2 ]A 1 A 2 A 3 A 4 A 5 A 6 A 7 A 8 A 9 A 10Genetik<strong>Al</strong>goritmalar 216.13 10.45 141.93 100 10.45 10.45 91.61 128.39 128.39 16.90Ref.24Fuzzy(Bu çalışma) 228.02 12.21 142.85 101.36 11.21 11.25 89.54 126.85 127.01 18.11YSA(Bu çalışma) 199.32 13.39 148.52 96.83 5.96 8.96 63.87 115.94 115.40 1.32Karınca Koloni<strong>Al</strong>gortiması (Bu 185.63 2.24 153.96 85.78 8.04 8.04 58.78 135.54 141.58 11.71çalışma)Uzman Sistem(Bu çalışma) 145 13 156 74 7 8 140 85 85 4TavlamaBenzeşimi,Ref.28201.35 0.64 161.55 95.68 0.64 4.19 49.16 131.55 131.55 0.64SONUÇÇalışmada elde edilen sonuçlardan hareket ederek söylenebilir ki, Genetik <strong>Al</strong>goritmalar ve Fuzzy mantığı düzlem kafessistemlerin optimizasyonunda en iyi sonuçları veren iki yöntemdir. Yapay sinir ağları kısmen doğru sonuçlar vermekte,eğitim aşamasında daha fazla örnek kullanılınca, YSA’nın daha doğru sonuçlar vereceği düşünülmektedir. Uzmansistemler ise yapı optimizasyonunda uygun bir yöntem değildir. Karınca koloni algoritması şekil optimizasyonundadaha iyi sonuçlar verebilecek bir potansiyele sahiptir. Ancak minimum kesit tayininde GA ve Fuzzy küme kuramındandaha elverişsizdir. Sonuç olarak denilebilir ki; yapı optimizasyonunda Genetik algoritmalar, Metallerin belirlisıcaklıklarda şekillendirilmesine dayanan Tavlama benzeşimi ve Fuzzy mantığı en uygun yöntemlerdir. Yapay sinirağları ve karınca koloni algoritması ise pek uygun gözükmemektedir. Ancak farklı algoritmaların kullanılması sonuçlarıetkiler ve daha hassas sonuçlar elde edilebilir. Uzman sistemler ise yapı optimizasyonunda uygun değildir.TeşekkürYazar, çalışma kapsamında göz önüne alınan optimizasyon probleminin çözümü için Uzman sistem bilgi tabanınınExcelde oluşturulmasına yardım eden İnş. Müh. <strong>Al</strong>i K. BALTACIOĞLU’na teşekkür eder.KAYNAKLAR1. Venkayya, V.B., “Design Of Optimum Structures, Computers and Structures”,1 pp 265-309,1971.2. Kirsch, U., Taye, S., “Structural Optimization In Design Planes”, Com. & Struc., 31(6), pp 913-920,1989.3. Kirsch, U., Benardout, D., “Optimal Design Of Elastic Trusses By Approximate Equilibrium”, Comput. Meth. App.Mech. Eng., 22, pp 347-359, 1980.4. Haug, E., and Arora, J., “Applied optimal design”, John Wiley and Sons, 1979.5. Civalek, Ö., Yapay Zeka -Söyleşi, Türkiye İnşaat Mühendisleri Odası-TMH, Mühendislik Haberleri, Sayı 423, 40-50,2003.6. Civalek, Ö., Yapay Sinir Ağları Ve Yapı Mühendisliğinde Kullanım İlkeleri, Türkiye Teknik Elemanlar Vakfı,(TÜTEV Teknik Dergisi , Ağustos, 29-37, Ankara -2002.7.Rojas, R., “Neural networks, A Systematic İntroduction”, Springer, Germany,1996.8. Civalek, Ö., Çatal, H.H., ve Demirdağ, O., Geriye Yayılma Yapay Sinir Ağları ile Düzlem Çerçeve ve KirişlerinTitreşim Frekanslarının Tahmini, İMO Teknik Dergi Temmuz,2002.9. Civalek, Ö., Çatal, H.H., Geriye Yayılma Sinir Ağı Kullanılarak Elastik Kirişlerin Eğilme Titreşimlerinin YaklaşıkHesabı, TMMK, Ulusal Mekanik Kongresi, Eylül, Konya Selçuk Üniversitesi, 2001.10. Civalek, Ö., The Analysis Of Time Dependent Deformation In R.C. Members By Artificial Neural Network, Journalof Eng. Sciences of Pamukkale Univ., 3(2),331-335 1997.11. Civalek, Ö, Elastik Zemine Oturan Kirişlerin Nöro-Fuzzy Tekniği ile Analizi, 7 th . National soil mechanics andfoundation engineering conferences, 22-23 October, Yıldız Univ., Istanbul, 1998.1333