Motor yatların sıfır hata odaklı üretimi için yapay zeka tabanlı bir ürün tasarım süreci önerisi

Abstract

The product development process for sea vessels is complex, requiring systematic, research-based methods alongside creativity and intuition, all within cost, time, and labor constraints. Technological advances have transformed manufacturing systems and product development, enabling data-driven and predictive approaches. However, current zero-defect manufacturing (ZDM) strategies are primarily limited to production and quality control, with minimal integration into early-stage design decision-making. To address this limitation, a new product design process for motor yachts is proposed, integrating ZDM principles from conceptual design through the final product. This framework extends the Design for Excellence (DfX) approach by embedding predictive artificial intelligence (AI) as a decision-support tool that processes both qualitative and quantitative data throughout the product development process. Unlike conventional methods, the framework enables designers to proactively prevent manufacturing defects by systematically linking design choices to product, process, and stakeholder outcomes. This research employs a practice-led, mixed-methods case study in the industrial motor yacht manufacturing sector. Existing product development processes are analyzed across product, process, and stakeholder dimensions to identify recurring defects and deficiencies. Based on this analysis, a Design for Zero-Defect Manufacturing (DfZDM) framework is developed to enable early detection, prediction, and prevention of defects before physical production. The study advances industrial design research by proposing an integrated, data-informed methodology that expands designers' responsibility to include manufacturability and quality. The findings offer practical, transferable insights for improving complex, low-volume product development and establish a structured approach for embedding ZDM principles into design practice through artificial intelligence-supported workflows.Deniz taşıtlarının ürün geliştirme süreci; yaratıcılık ve sezgi gerektiren yönlerinin yanı sıra, maliyet, zaman ve iş gücü kısıtları ile yürütülen sistematik ve araştırmaya dayalı yöntemlere dayanmaktadır. Son yıllarda yaşanan teknolojik gelişmeler, üretim sistemleri ile ürün geliştirme süreçlerinde önemli bir dönüşüm yaratmış; veri odaklı ve öngörücü yaklaşımların etkin biçimde kullanılabilmesini sağlamıştır. Buna rağmen, mevcut sıfır hatalı üretim (Zero-Defect Manufacturing-ZDM) yaklaşımlarının büyük ölçüde üretim ve kalite kontrol aşamalarına odaklandığı, erken tasarım karar alma süreçleriyle ise sınırlı düzeyde bütünleştiği görülmektedir. Bu çalışma, söz konusu sınırlılığı aşarak motor yatlara yönelik yeni bir ürün tasarım süreci önermektedir. Süreç, ZDM ilkelerini kavramsal tasarımdan ürüne kadar uzanan bütüncül bir yapı içerisinde ele almakta; Tasarımda Mükemmellik (Design for Excellence-DfX) yaklaşımını, ürün geliştirme süreci boyunca nitel ve nicel verileri işleyen öngörücü yapay zeka destekli bir karar destek aracıyla genişletmektedir. Bu yaklaşım, tasarım kararlarının ürün, süreç ve paydaş çıktılarıyla sistematik biçimde ilişkilendirilmesini sağlayarak, tasarımcıların üretim kaynaklı hataların önlenmesinde daha etkin ve proaktif bir rol üstlenmesini sağlamaktadır. Araştırma, kompozit motor yat üretim sektörü bağlamında yürütülen uygulama temelli bir vaka çalışmasına dayanmaktadır. Mevcut ürün geliştirme süreçleri; ürün, süreç ve paydaş boyutlarında analiz edilerek tekrar eden hatalar ortaya konmuştur. Bu analizler doğrultusunda, üretim başlamadan hataların tespit edilmesini, öngörülmesini ve önlenmesini amaçlayan Tasarım için Sıfır Hatalı Üretim (Design for Zero-Defect Manufacturing-DfZDM) çerçevesi geliştirilmiştir. Çalışma, tasarımcı sorumluluğunu üretilebilirlik ve kalite boyutlarını da kapsayacak şekilde genişleten, bütünleşik ve veri temelli bir tasarım metodolojisi önererek endüstriyel tasarım araştırmalarına katkı sunmaktadır. Edilen bulgular, karmaşık ve düşük hacimli ürün geliştirme süreçlerinin iyileştirilmesine yönelik uygulanabilir ve aktarılabilir çıktılar ortaya koymaktadır.