Abstract
Sonlu elemanlar yöntemi (FEM), tren tekerlekleri gibi karmaşık yapıların analiz edilmesi ve tasarlanması için mühendislikte hayati bir araçtır. Tren tekerlekleri, işletme ömürleri boyunca karşılaştıkları aşırı ve değişken yükler nedeniyle yorulmaya maruz kalmaktadır ve bu durum, ömür süresi ve güvenlik üzerindeki etkileri nedeniyle tren tekerleği tasarımında kritik bir endişe kaynağıdır. Ancak, özellikle tren tekerlekleri gibi karmaşık geometrilere sahip büyük ölçekli yapıların modellenmesinde FEM'in geniş hesaplama ihtiyaçları önemli zorluklar sunmaktadır. Doğru yorgunluk analizi için gereken detaylı modelleme, genellikle büyük hesaplama yükleri ve uzun zaman dilimleri ile sonuçlanmakta ve bu durum, hızlı karar verilmesi gereken durumlarda daha az uygulanabilir bir seçenek haline gelmektedir. Bu sınırlamaları ele almak için, Yapay Zeka (AI), yenilikçi bir çözüm olarak ortaya çıkmıştır. FEM simülasyonlarından elde edilen veri setleri üzerinde eğitilen YZ modelleri, geleneksel hesaplama maliyeti ve zamanının bir kısmında yorgunluk ömrünü tahmin ederek etkin bir alternatif sunmaktadır. Bu vekil modeller, mühendislik tasarım optimizasyonu süreçleri için gerekli olan hızlı ve doğru tahmini sağlamaktadır. Bu çalışmada YZ tabanlı vekil modelleme yaklaşımı ile tren tekerlekleri optimizasyon problemini geleneksel FEM yaklaşımına kıyas ile nerdeyse %90 oranında hızlandırma başarısına erişilmiştir.