Page 14 - ChemLife Sayı 34

14 CHEMLIFE KIMYA VE TEKNOLOJILERI GAZETESI BILIMSEL TEKNOLOJILER

CHEMTIVA: KIMYA PILLERIN ÖMRÜNÜ VE

ENDÜSTRISINDE GÜVENLIĞINI ARTIRMAK

RISK AZALTMA VE IÇIN “MAKINE ÖĞRENIMI”

DIJITALLEŞME

Kimya endüstrisindeki rekabet ile çevre, sağlık ve güvenlik
her zamankinden daha zor bir (EHS) işlevleri arasındaki işlevler
hal alıyor. Artan ihtiyaçlarla arası işbirliğini destekleyebile-
birlikte yeni risklerde ortaya cekler.
çıkıyor. Bu riskleri yönetmek ve
azaltmak zor bir süreç olabilir. Elsevier Engineering Solutions
Doğru bilgi olmadan, kimya başkan yardımcısı Bryan Davies,
endüstrisindeki profesyoneller ”Küresel kimya endüstrisi her
kritik kararlar vermekte zorla- yıl Ar-Ge'ye 51 milyar doların
nabilirler. üzerinde yatırım yapıyor. Daha
fazla rekabet, sürekli değişen Araştırmacılar, elektrikli araçlar ve sında büyük bir gelişme sağlayabi-
Bilgi analizi şirketi Elsevier, kim- yasal düzenlemeler ve daha sür- tüketici elektroniği için daha güve- leceğimize inanıyorum" diyor.
ya endüstrisi profesyonellerinin dürülebilir ürünler geliştirmek nilir pillerin geliştirilmesine yardım- Araştırmacılar, içine elektrik şokları
kritik kararlardaki zorluklarının için piyasa baskısı ile karşılaşan cı olabilecek ve mevcut endüstri göndererek ve tepkisini ölçerek
üstesinden gelmek, ürün yaşam kimya endüstrisi, bilinçli kararlar standardından 10 kat daha yüksek pilleri izlemek için bir yol tasarladı-
döngüsü boyunca bilinçli karar- vermek ve verimlilik ve karlılığı doğrulukla pil sağlığını tahmin ede- lar. Daha sonra elektriksel yanıtta
lar vermelerine yardımcı olmak artırmak için doğru bilgiye sahip bilen bir makine öğrenimi yöntemi pil ömrünün en belirgin belirtisi
amacı ile “Chemtiva” dijital olmalıdır.”“Endüstri ortaklarıyla tasarladılar. olan belirli özellikleri keşfetmek
çözümünü piyasaya sürdüğünü yakın çalışarak, kimya şirketlerinin için bir makine öğrenme modeli
duyurdu. Cambridge ve Newcastle Üni- kullanılır.
versitelerinden araştırmacıların
çalışması, pillere elektrik şoklarının Araştırmacılar, türünün en büyük
gönderilerek, sonrasında ise gelen veri seti olan modeli eğitmek için
yanıtın ölçülerek izlenmesini esas 20.000'den fazla deneysel ölçüm
almaktadır. Ölçümler daha sonra gerçekleştirdiler. Önemlisi, model
pilin sağlığını ve ömrünü tahmin önemli sinyallerin alakasız gürültü-
etmek için bir makine öğrenme den nasıl ayırt edileceğini öğrenir.
algoritması ile işlenir. Yöntemleri Araştırmacılar ayrıca makine öğ-
invaziv değildir ve mevcut her- renme modelinin fiziksel bozulma
hangi bir pil sistemine basit olarak mekanizması hakkında ipuçları ver-
eklenebilmektedir. mek üzere yorumlanabileceğini de
Lityum iyon pillerin sağlık durumu- gösterdiler. Model, hangi elektrik
nu ve kalan ömrünü tahmin etmek, sinyallerinin pil ömrü ile en fazla
elektrikli araçlar ve cep telefonu ilişkili olduğunu bildirebilir, bu da
kullanıcıları için büyük bir gerek- pillerin neden ve nasıl bozulduğu-
liliktir. nu araştırmak için belirli deneyler
tasarlamalarına izin verebilir.
Pil sağlığını tahmin etmek için
mevcut yöntemler, pilin şarj edil- Cavendish Laboratuvarı'ndan ve
Chemtiva nedir? daha iyi yatırım ve geliştirme mesi ve boşaltılması sırasında akım prpje ekibinden Dr Yunwei Zhang,
Chemtiva, kimya endüstrisin- kararları almalarına yardımcı ve voltajın izlenmesine dayanır. “Makine öğrenimi fiziksel anla-
deki ticari fizibilite, uygunluk olmak için Chemtiva'yı geliştir- Bu, pil sağlığını gösteren önemli yışı tamamlar ve arttırır. Makine
ve güvenlik zorluklarını çözmek dik, böylece daha hızlı ve daha özelliklerin gözden kaçırılmasına öğrenimi modelimiz tarafından
için en iyi çözümlerden biri ola- kârlı ürünleri pazara daha hızlı neden olur. Pilde gerçekleşen bir- tanımlanan yorumlanabilir sinyal-
rak karşımıza çıkıyor. Ar-Ge'den getirebilirler. çok işlemi izlemek, pilleri çalışırken ler, gelecekteki teorik ve deneysel
üretime kadar bir ürününü tüm araştırmanın yeni yollarının yanı çalışmaların başlangıç noktasıdır"
yaşam döngüsü boyunca ticari Chemtiva, küresel bilimsel sıra, şarj edilmiş ve deşarj olurken açıklamalarını yaptı.
ve bilimsel soruları yanıtlamak literatür ve EHS düzenlemele- sinyalleri algılayabilen yeni algorit-
için kullanılabiliyor. rinden gelen bilgileri normal- malar gerektirir. Araştırmacılar şimdi farklı pil kim-
leştirmek ve entegre etmek için yalarındaki bozulmayı anlamak için
Chemtiva, yeni ve mevcut kim- tescilli alana özgü taksonomiler, Araştırmaya öncülük eden Camb- makine öğrenme platformlarını
yasal ürünlerdeki riski azaltmak ontolojiler ve veri bilimi tekno- ridge Cavendish Laboratuvarı'ndan kullanıyorlar. Ayrıca hızlı şarj sağla-
için kritik bilgileri bir araya getir- lojilerini kullanır.” Dr. Alpha Lee, " Çok fazla enerji mak ve bozulmayı en aza indirmek
mek üzere çok sayıda teknoloji- toplayabilen pilleri dar alanlarda için makine öğrenimi ile çalışan
den yararlanır. Chemtiva 13 milyondan fazla kullanılabilecek şekilde geliştirdiği- optimum pil şarj protokolleri geliş-
kimyasal madde, yedi milyon miz için pillerdeki güvenlik ve gü- tiriyorlar.
Şirketler, Chemtiva'nın yardı- ürün ve 17.000 tedarikçi hak- venilirlik en önemli tasarım kriteri
mıyla, bilimsel ve ticari bilgileri kındaki bilgiyi bir araya getiriyor. olmuştur. Şarj ve deşarjı izleyen Kaynak: https://www.chemeurope.
tek bir platformda birleştirebile- yazılımı geliştirerek ve şarj işlemini com/en/news/1165750/ai-techniqu-
cek, veri ihtiyaçlarını ele alacak Kaynak: https://www.elsevier.com/soluti- kontrol etmek için veriye dayalı es-used-to-improve-battery-healt-
ve araştırma-geliştirme (AR-GE) ons/chemtiva yazılım kullanarak, pil performan- h-and-safety.html