IoT tabanlı yapı sağlığı izleme alanında yürüttüğümüz çalışmaların önemli bir çıktısını daha paylaşmanın mutluluğunu yaşıyoruz. StructHealth olarak geliştirdiğimiz deprem sonrası hızlı değerlendirme yaklaşımı, akademik olarak yayımlanarak uluslararası literatürde yerini aldı. Çalışmamız, deprem sonrasında yapıların davranışını daha hızlı, daha veriye dayalı ve daha ölçeklenebilir biçimde değerlendirebilmek için geliştirilen bir sistemi ortaya koyuyor. Makale, gerçek bir yüksek katlı betonarme yapı üzerinde saha verileriyle doğrulanan bir yaklaşım sunuyor. (MDPI)
Bugün deprem mühendisliğinde en büyük problemlerden biri, bir depremden hemen sonra çok sayıda yapının kısa sürede incelenmesi gerekliliğidir. Geleneksel saha incelemeleri kritik öneme sahip olsa da, yoğun yapı stoğu, ulaşım sorunları, artçı sarsıntılar ve uzman ekip yetersizliği nedeniyle bu süreç her zaman istenen hızda ilerleyemeyebilir. Tam da bu noktada IoT tabanlı yapı sağlığı izleme sistemleri, klasik değerlendirme yöntemlerini destekleyen güçlü bir teknoloji katmanı sunar.
IoT tabanlı yapı sağlığı izleme neden önemlidir?
Deprem sonrası karar verme süreçlerinde zaman çok değerlidir. Özellikle okul, hastane, ofis, sanayi tesisi ve yüksek katlı yapılarda ilk saatler, güvenli kullanım kararı açısından belirleyicidir. IoT tabanlı yapı sağlığı izleme yaklaşımı, yapıya yerleştirilen sensörlerden gelen verileri gerçek zamanlı veya olaya duyarlı şekilde analiz ederek mühendislik ekiplerine hızlı bir ön değerlendirme sağlar.
Bu yaklaşımın temel avantajı, yapının yalnızca dışarıdan gözlemlenen durumuna değil, aynı zamanda deprem sırasındaki gerçek dinamik tepkisine de bakabilmesidir. Böylece frekans değişimleri, kat ötelemeleri, çatı deplasmanı, burulma davranışı ve kalıcı eğim gibi kritik parametreler daha sistematik biçimde izlenebilir.
Makalemizde neyi ortaya koyduk?
Yayımlanan çalışmamızda, deprem sonrası hızlı değerlendirme amacıyla geliştirilen ölçeklenebilir bir IoT tabanlı yapı sağlığı izleme platformu sunuldu. Sistem; çok eksenli MEMS ivmeölçerler, inklinometreler, kenarda veri işleme yapan cihazlar ve bulut tabanlı analiz altyapısını bir araya getiriyor. Böylece yalnızca veri toplamakla kalmayan, aynı zamanda bu veriyi anlamlı karar destek çıktısına dönüştüren bir mimari elde ediliyor. (MDPI)
Makalenin en önemli yönlerinden biri, tek bir göstergeye dayalı alarm yaklaşımı yerine çok parametreli bir değerlendirme modeli önermesidir. Bu modelde:
Değerlendirilen başlıca yapısal göstergeler
Frekans ve periyot değişimleri
Deprem öncesi ve sonrası davranış karşılaştırılarak yapının rijitliğinde anlamlı bir değişim olup olmadığı incelenir.
Kat ötelemesi ve çatı deplasmanı
Yapının deprem sırasındaki göreli hareketi değerlendirilir. Bu veriler, yönetmelik sınırları açısından kritik bilgi sunar.
Burulma düzensizliği
Yapının planda dengeli davranıp davranmadığı analiz edilir. Özellikle yüksek katlı yapılarda burulma davranışı, performans değerlendirmesinde önemli bir etkendir.
Kalıcı eğim ve olası plastik davranış
Deprem sonrasında yapıda kalıcı bir geometri değişimi oluşup oluşmadığı kontrol edilir.
Bu çok katmanlı yaklaşım, IoT tabanlı yapı sağlığı izleme sistemlerinin yalnızca veri üretmesini değil, aynı zamanda yorumlanabilir mühendislik çıktısı vermesini sağlar.
Gerçek bina üzerinde saha doğrulaması
Çalışmamızın güçlü taraflarından biri, sistemin laboratuvar ortamında değil gerçek bir bina üzerinde değerlendirilmiş olmasıdır. Makalede sistemin 22 katlı betonarme bir ofis yapısında uygulandığı ve farklı sismik olaylar boyunca veri topladığı gösterilmektedir. Çalışma, uzun dönemli saha kullanımı açısından da önemli bir örnek sunmaktadır. (MDPI)
Bu doğrulama süreci, IoT tabanlı yapı sağlığı izleme altyapısının yalnızca teorik bir model olmadığını; sahada çalışan, veri kaydı yapabilen, olay sonrası performans özeti çıkarabilen ve karar destek amacıyla kullanılabilen bir sistem olduğunu göstermektedir.
Deprem sonrası hızlı değerlendirme için neden ölçeklenebilirlik gerekli?
Bir yapıda çalışan iyi bir sistem geliştirmek önemlidir; ancak asıl değer, bu yaklaşımın çok sayıda yapıya uygulanabilir olmasıyla ortaya çıkar. Özellikle deprem riski yüksek şehirlerde, tek bina bazlı çözümler yeterli değildir. Belediye envanterleri, kampüs yapıları, kamu binaları, endüstriyel tesisler ve özel portföyler için aynı anda izlenebilir bir altyapı gerekir.
Bu nedenle IoT tabanlı yapı sağlığı izleme sistemlerinde ölçeklenebilirlik anahtar konudur. Makalemizde sunulan mimaride, olay tetiklemeli veri yönetimi ve edge processing yaklaşımıyla sürekli ham veri yüklemek yerine anlamlı olayların önceliklendirilmesi hedeflenmiştir. Bu da iletişim yükünü azaltır, veri depolama maliyetini optimize eder ve daha geniş portföylerde uygulanabilirliği artırır.
StructHealth yaklaşımı neyi farklı yapıyor?
StructHealth olarak bizim yaklaşımımız, sensör verisini yalnızca toplamak değil; bunu mühendislik açısından anlamlı, sahada kullanılabilir ve raporlanabilir hale getirmektir. Bu nedenle sistem mimarimiz üç temel hedefe odaklanır:
Sürekli izleme
Yapının davranışı yalnızca test anında değil, uzun dönemli olarak takip edilir.
Olay bazlı otomatik değerlendirme
Deprem veya dinamik bir olay algılandığında sistem otomatik analiz üretir.
Web tabanlı erişim ve karar desteği
Elde edilen çıktılar uzmanların hızlı yorumlayabileceği bir panel yapısında sunulur.
Bu yapı sayesinde IoT tabanlı yapı sağlığı izleme çözümleri, yalnızca araştırma projeleri için değil; gerçek saha operasyonları, risk yönetimi ve portföy bazlı karar süreçleri için de daha uygulanabilir hale gelir.
Akademik yayın bizim için neden önemli?
Bu yayın, StructHealth’in sahada geliştirdiği mühendislik yaklaşımının akademik olarak da doğrulanması açısından önemli bir kilometre taşıdır. Çünkü teknoloji geliştirmek kadar, geliştirilen sistemin bilimsel yöntemlerle değerlendirilmesi de önemlidir. Akademik yayınlar; yöntemin şeffaflığını, teknik tutarlılığını ve uluslararası görünürlüğünü güçlendirir.
Aynı zamanda bu çalışma, IoT tabanlı yapı sağlığı izleme alanında Türkiye’den çıkan uygulama odaklı, sahaya temas eden ve deprem sonrası hızlı değerlendirme problemine doğrudan çözüm üreten çalışmaların sayısının artması açısından da kıymetlidir.
Gelecek hedefimiz: dijital ikiz ile daha güçlü entegrasyon
Makalede de vurgulanan önemli başlıklardan biri, gelecekte dijital ikiz entegrasyonunun daha da güçlendirilmesidir. Sensör verisinin sayısal modellerle birlikte değerlendirilmesi, yapı davranışının daha derinlikli anlaşılmasını sağlayacaktır. Bu vizyon, IoT tabanlı yapı sağlığı izleme sistemlerini yalnızca izleme değil, aynı zamanda tahminleme ve performans güncelleme araçlarına dönüştürür.
StructHealth olarak önümüzdeki dönemde de saha verisi, dijital ikiz, akıllı raporlama ve ölçeklenebilir SHM mimarileri üzerinde çalışmaya devam edeceğiz.
Sonuç
Özetle, yayımlanan bu çalışma IoT tabanlı yapı sağlığı izleme yaklaşımının deprem sonrası hızlı değerlendirme için güçlü bir araç olduğunu ortaya koyuyor. Gerçek bina verisiyle doğrulanan sistem mimarisi; sensörler, edge işlem, bulut analitiği ve otomatik performans değerlendirmesini tek çatı altında topluyor. Böylece deprem sonrası belirsizliği azaltan, karar alma süresini kısaltan ve yapı güvenliği yönetimini daha veriye dayalı hale getiren yeni nesil bir çözüm sunuluyor.
Bu yayın, StructHealth’in mühendislik vizyonunu akademik zeminde de güçlendiren önemli bir adım. Önümüzdeki dönemde IoT tabanlı yapı sağlığı izleme çözümlerimizi daha fazla yapı türüne, daha büyük portföylere ve daha gelişmiş dijital değerlendirme altyapılarına taşımayı hedefliyoruz.
Yazı sonuna eklenebilecek kısa CTA
Akademik yayınımız ve StructHealth’in saha uygulamaları hakkında daha fazla bilgi almak için bizimle iletişime geçebilir, yapı sağlığı izleme çözümlerimizi inceleyebilirsiniz.
