پروپوزال کامل دکتری مهندسی صنایع با موضوع «الگوریتم بهینه‌سازی زمان‌بندی مبتنی بر داده‌های بزرگ برای سیستم‌های فیزیکی سایبری مبتنی بر پلت‌فرم ابری» یکی از موضوعات به‌روز و کاربردی در حوزه Industry 4.0، سیستم‌های فیزیکی سایبری (Cyber Physical Systems)، کلان‌داده (Big Data)، رایانش ابری (Cloud Computing)، رایانش لبه (Edge Computing) و اینترنت اشیای صنعتی (IIoT) است. این پروپوزال به‌صورت کامل و مطابق ساختار استاندارد دانشگاه‌های ایران تدوین شده و تمامی بخش‌های موردنیاز یک پروپوزال رساله دکتری، از بیان مسئله و پیشینه پژوهش تا جدول گپ تحقیقاتی، روش تحقیق، نوآوری و منابع علمی را در بر می‌گیرد.

در سال‌های اخیر، سیستم‌های فیزیکی سایبری به یکی از ارکان اصلی کارخانه‌های هوشمند و تولید هوشمند تبدیل شده‌اند. در این سیستم‌ها، تجهیزات، ماشین‌آلات، حسگرها و سامانه‌های کنترلی به‌صورت مداوم حجم بسیار زیادی از داده‌های عملیاتی را تولید می‌کنند. این داده‌ها که به‌عنوان داده‌های بزرگ صنعتی شناخته می‌شوند، نقش کلیدی در تصمیم‌گیری بلادرنگ، کنترل فرآیندها، تخصیص منابع و زمان‌بندی فعالیت‌های تولیدی دارند. با افزایش حجم و سرعت تولید داده‌ها، الگوریتم‌های سنتی زمان‌بندی دیگر پاسخگوی نیاز سیستم‌های هوشمند نیستند و به همین دلیل توسعه الگوریتم‌های جدید مبتنی بر کلان‌داده و رایانش ابری اهمیت ویژه‌ای پیدا کرده است.

مسئله اصلی این پروپوزال، طراحی و ارائه یک الگوریتم بهینه‌سازی زمان‌بندی مبتنی بر داده‌های بزرگ برای سیستم‌های فیزیکی سایبری مبتنی بر پلت‌فرم ابری است. در این پژوهش، ابتدا وظایف و پردازش‌های سیستم با استفاده از استراتژی پارتیشن‌بندی مبتنی بر مسیر بحرانی (Critical Path Partitioning) تقسیم‌بندی می‌شوند تا دقت تخصیص وظایف و کارایی زمان‌بندی افزایش یابد. سپس الگوریتم پیشنهادی در محیط شبیه‌سازی مورد ارزیابی قرار گرفته و عملکرد آن با سایر روش‌های زمان‌بندی مقایسه می‌شود. در نهایت، الگوریتم طراحی‌شده در یک معماری محاسباتی مشارکتی لبه–ابر (Cloud–Edge Collaborative Architecture) پیاده‌سازی شده تا امکان پردازش سریع‌تر داده‌ها و کاهش تأخیر پاسخ در سیستم‌های فیزیکی سایبری فراهم شود.

یکی از اهداف مهم این پژوهش، کاهش تأخیر پاسخ دستگاه‌های ترمینال در محیط‌هایی است که حجم بسیار زیادی از داده‌ها به‌صورت هم‌زمان از تجهیزات و حسگرهای صنعتی دریافت می‌شود. در محیط‌های تولید هوشمند، داده‌ها از منابع مختلفی مانند حسگرهای هوشمند، تجهیزات صنعتی، سامانه‌های RFID، اینترنت اشیای صنعتی و سیستم‌های کنترل تولید جمع‌آوری می‌شوند و لازم است در کوتاه‌ترین زمان ممکن پردازش و تحلیل شوند. الگوریتم پیشنهادی این پروپوزال تلاش می‌کند با استفاده از معماری لبه–ابر، بخشی از پردازش‌ها را در لبه شبکه انجام داده و تنها داده‌های ضروری را به فضای ابری منتقل کند؛ رویکردی که باعث کاهش زمان انتقال داده، افزایش سرعت تصمیم‌گیری و بهبود بهره‌وری سیستم خواهد شد.

این پروپوزال از نظر علمی، موضوعات متعددی از جمله زمان‌بندی هوشمند، داده‌های بزرگ، سیستم‌های فیزیکی سایبری، رایانش ابری، رایانش لبه، اینترنت اشیای صنعتی، تخصیص منابع، زمان‌بندی بلادرنگ، الگوریتم‌های بهینه‌سازی و تولید هوشمند را پوشش می‌دهد و برای دانشجویان دکتری مهندسی صنایع، مهندسی کامپیوتر، فناوری اطلاعات، علوم داده و پژوهشگران حوزه کارخانه هوشمند و Industry 4.0 یک نمونه استاندارد و کاربردی محسوب می‌شود.

این پروپوزال شامل چه بخش‌هایی است؟

• عنوان فارسی و انگلیسی پژوهش

• بیان مسئله کاملاً علمی و عمیق

• اهمیت و ضرورت انجام تحقیق

• اهداف اصلی و فرعی پژوهش

• سؤالات و فرضیه‌های تحقیق

• پیشینه داخلی و خارجی به‌صورت تحلیلی

• جدول گپ تحقیقاتی (Research Gap)

• نوآوری پژوهش

• روش تحقیق و مراحل اجرای پژوهش

• معماری پیشنهادی سیستم لبه–ابر

• مدل مفهومی و چارچوب اجرای الگوریتم

• منابع فارسی و انگلیسی به‌روز

این فایل در قالب Word قابل ویرایش ارائه می‌شود و ساختار آن مطابق استاندارد نگارش پروپوزال رساله دکتری مهندسی صنایع تنظیم شده است.