Nesnelerin interneti ve makine öğrenmesi ile jar testi sürecinin optimizasyonu

Dünya yüzeyinin %71'i suyla kaplı olmasına rağmen, bunun yalnızca %2,5'i tatlı sudur. Dünya sağlık örgütü'nün verilerine göre, yaklaşık 844 milyon insan güvenilir içme suyu kaynağına erişememekte, 159 milyon insan ise yüzey sularını kullanmaktadır. Bu durum, içme suyu kalitesinin sürekli izlenmesini ve iyileştirilmesini zorunlu kılmaktadır. İçme suyu kalitesinin değerlendirilmesinde su kalite indeksi yaygın olarak kullanılmakta olup, çeşitli fiziksel ve kimyasal parametrelerin ölçümüne dayanmaktadır. Bu çalışmada, Türkiye'nin Zonguldak ili Ereğli ilçesindeki içme suyu arıtma tesisi örnek alınarak, klasik jar testi sürecinin dijitalleştirilmesi ve optimize edilmesi hedeflenmiştir. Geliştirilen sistem; iot, fog bilişim ve bulut tabanlı makine öğrenmesi altyapılarıyla entegre bir şekilde tasarlanmıştır. IoT katmanında kullanılan sensörler ile giriş suyuna ait bulanıklık, ph, tds, sıcaklık, su seviyesi ve yağmur durumu gibi parametreler 5 dakikalık aralıklarla ölçülmüş ve mqtt protokolü ile nodemcu esp8266 üzerinden raspberry pi cihazına iletilmiştir. Raspberry pi üzerinde çalışan nodered uygulaması ile veriler influxdb bulut veritabanına kaydedilmiş, aynı zamanda grafana arayüzüyle görselleştirilmiştir. Bu yapı sayesinde sistemin uzaktan izlenebilirliği artırılmış, müdahale süreleri azaltılarak operasyonel güvenlik sağlanmıştır. Laboratuvar ortamında yapılan jar testleri, web tabanlı bir arayüz ile dijital ortama aktarılmış ve bu veriler makine öğrenmesi algoritmalarıyla analiz edilmiştir. Özellikle destek vektör regresyonu algoritması, 502 örnek üzerinde yapılan testlerde en yüksek performansı göstermiştir (MAE: 0.29, MAPE: 0.11, MSE: 0.16, RMSE: 0.40, R²: 0.61). Modelin yalnızca 1.27 saniyede sonuç üretmesi, gerçek zamanlı tahmin uygulamaları için yeterli olduğunu göstermektedir. Web tabanlı kullanıcı arayüzü sayesinde operatörler, giriş parametrelerini girerek çıkış bulanıklığını anlık olarak görebilmekte; ayrıca sistemde yer alan "eğitimi başlat" modülüyle model yeni verilerle otomatik olarak güncellenebilmektedir.