Akademik Veri Yönetim Sistemi
RIZE TRADE AND ECONOMY SUMMIT AND CONGRESS, Rize, Türkiye, 22 - 23 Ekim 2025, ss.13-15, (Özet Bildiri)
Dijitalleşen dünyada yaşam alanları, teknolojik yeniliklerle değişmektedir. Akıllı ev sistemleri de bu değişimin sık karşılaşılan örneklerinden biridir. Sensörler, nesnelerin interneti (IoT) ve otomasyon teknolojileri ile ev içindeki araç ve süreçlerin kontrol edilmesi akıllı ev sistemlerinin temel hareket noktasıdır. Yaşam konforu sağlamasının yanında enerji tasarrufu, enerjinin etkin kullanımı ve yaşam maliyetlerin düşürülmesi bu sistemlerden beklenen yararlardır. Dünya üzerindeki akıllı ev sistemleri pazarı 2024 yılında 127,67 milyar dolar büyüklüğüne ulaşmış ve bu büyüklüğün 2034 yılına kadar 1,4 trilyon dolara ulaşması beklenmektedir. Gereksiz enerji kullanımının önlenmesi, iklimlendirme enerjisinin etkin kullanımı, ev içi aygıtların akıllı sistemler ile yönetilmesiyle önemli ekonomik tasarruflar sağlanabilmektedir. Ancak günümüzde akıllı ev sistemleri olarak belirtilen sistemlerin bir kısmının ev içi aygıtların ve süreçlerin uzaktan takibi ve izlenmesinden ibaret olan otomasyon sistemleri olduğu görülmektedir. Oysa akıllı sistemler denildiğinde aygıt ve süreçlerin otomasyonundan daha fazla özellikler beklenmektedir. Öğrenen ev sistemlerinde maliyet tasarrufu yanında gerek güvenlik gerekse yaşam konforu olarak sensörlerden alınan verilere bağlı olarak çıkarım yapma ve rutin yaşam süreçlerinden öğrenme sağlama ve rutin dışı durumları algılama ve buna bağlı olarak aksiyonda bulunma farklılığı vardır. Evlerde iklimlendirme ve havalandırma süreçleri enerji maliyetlerinde büyük yer tutmaktadır. Öğrenen ev sistemleri ile evdeki artan veya azalan kişi sayısına göre davranma, dış ortam sıcaklığı ile iç ortam farkını izleme, sistemlerin otomatik olarak ayarlanması ile ısıtma ve soğutma maliyetlerinde %10-15 aralığında tasarruf sağlanabilmektedir. Ayrıca ev içindeki nesnelerin IoT sensörleri ile sahip aygıtları bütünleştirilen ve bu aygıtlardan elde edilen verileri gerçek zamanlı olarak işleyen, rutin süreçleri izleme ve otomasyon ötesinde düşünen ve karar veren öğrenme sistemleri ile yaşam konforu attırılabilir ve çok daha etkin enerji tasarrufu yapılabilir. Bunun yanında öğrenen ev sistemleri, güvenlik ve IoT aygıtlarından alınan olağan dışı verileri nasıl değerlendireceğini ve hangi aksiyonda bulunacağını öğrenir ve daha güvenli bir ortam sunar. Bu yetenekleri ile yakın gelecekte akıllı ev sistemlerinin öğrenen ev sistemlerine evrilmesi kaçınılmaz olacaktır.
In a digitalizing world, living spaces are transforming through technological innovations. Smart home systems are among the most common examples of this change. The fundamental principle of smart home systems lies in controlling household devices and processes through sensors, the Internet of Things (IoT), and automation technologies. In addition to providing living comfort, these systems are expected to deliver benefits such as energy savings, efficient energy use, and reduced living costs. The global smart home systems market reached a size of 127.67 billion USD in 2024, and it is projected to grow to 1.4 trillion USD by 2034. Significant economic savings can be achieved by preventing unnecessary energy consumption, optimizing the use of heating and cooling energy, and managing household devices with smart systems. However, it is observed that some systems currently referred to as smart home systems are merely automation systems limited to remote monitoring and tracking of household devices and processes. In contrast, true smart systems are expected to provide more than automation of devices and processes. Learning home systems differ in their ability to not only generate cost savings but also enhance security and living comfort by making inferences from sensor data, learning from routine living processes, detecting unusual situations, and taking appropriate action. Heating and ventilation processes constitute a significant share of energy costs in homes. With learning home systems, savings of 10–15% can be achieved in heating and cooling costs by adjusting automatically according to changes in the number of occupants and monitoring the difference between outdoor and indoor temperatures. Moreover, integrating household devices with IoT sensors, processing real-time data from these devices, and employing learning systems that go beyond automation to monitor routines, think, and make decisions can increase living comfort and enable more efficient energy savings. In addition, learning home systems learn how to interpret unusual data from security and IoT devices and determine what actions to take, thus providing a safer environment. With these capabilities, the evolution of smart home systems into learning home systems in the near future appears inevitable.