-
شماره ركورد
10198
-
عنوان
بررسي روشهاي تخليهبار محاسباتي در اينترنت اشياء صنعتي
-
سال تحصيل
1400-1401
-
استاد راهنما
دكتر زينب موحدي
-
چکيده
با پيشرفت دامنه كاربردي اينترنت اشياء در دنيا، ايده استفاده از اين فناوري در حوزه صنعت شكل گرفت. اينترنت اشياء
صنعتي نام فناوري اينترنت اشياء در صنعت بوده و از آن به عنوان انقلاب صنعتي چهارم ياد مي شود. تبديل ماشين آلات و
تجهيزات صنعتي بزرگ و كوچك به اشياء هوشمندي كه بتوانند محيط عملياتي خود را درك كنند و نسبت به رخدادهاي
اين محيط عكس العمل نشان بدهند، پيشرفت بزرگي در خودكارسازي فرآيند هاي نظارتي، مديريتي و عملياتي محسوب
مي شود. يكي از چالش هاي اصلي اين فناوري، توليد بار محاسباتي پردازش نشده در مقياس بسيار بزرگ است كه پردازش
آن به منابع پردازشي قوي نيازمند است. اشياء هوشمند به دلايلي همچون محدوديت در منبع انرژي، نوع كاربري و
محدوديت در منابع پردازشي توانايي ضعيفي در پردازش داده هاي توليد شده دارند. روش هاي تخليه بار محاسباتي در
زيرساخت هاي رايانشي مانند رايانش لبه، رايانش مه و رايانش ابري به عنوان راه حلي مناسب براي برطرف كردن اين چالش
معرفي مي شود. تخليه بار محاسباتي عبارت است از تخليه بار مربوط به يك فرآيند از اشياء صنعتي به زيرساخت هاي مجهز
به منابع پردازشي كه در فواصل مختلفي از اشياء قرار گرفته اند. تصميم گيري در خصوص تخليه بار محاسباتي به دو نوع
كلي ريزدانه و درشت دانه تقسيم مي شود. در نوع درشت دانه، تمام بار محاسباتي يك فرآيند از اشياء به زيرساخت هاي
پردازشي تخليه مي شود اما در نوع ريزدانه، بار محاسباتي موردنظر به توابع كوچك تري تقسيم و آن توابعي كه نياز به
منابع پردازشي قوي تري دارند با حفظ روابط وابستگي بين توابع، به زيرساخت هاي پردازشي تخليه مي شوند. استفاده
از روش هاي بهينه سازي مبتني بر يادگيري ماشين و الگوريتم هاي رياضي در راستاي تصميم گيري جهت تخليه بار، به
كاهش مصرف انرژي، تاخير و همچنين افزايش نرخ بهره وري و سودمندي تخليه بار منجر مي شود.
هدف ما در اين گزارش، بررسي روش هاي تخليه بار محاسباتي در اينترنت اشياء صنعتي است. بنابراين در ابتدا،
مفاهيم و تعاريف مرتبط با اين موضوع تشريح مي شوند و در ادامه به بررسي كار هاي مرتبط در دو دسته بندي روش هاي
مبتني بر الگوريتم هاي بهينه سازي رياضي مانند الگوريتم هاي فرامكشافه اي، نظريه بازي، تكراري و تركيباتي و روش هاي
مبتني بر يادگيري ماشين مانند يادگيري عميق و يادگيري تقويتي خواهيم پرداخت. در آخر با بهره گيري از ديد بدست
آمده و كشف چالش هاي تخليه بار از مقايسه كار هاي مرتبط در هر دسته بندي، پيشنهاد پايان نامه در جهت مرتفع كردن
چالش هاي اين حوزه ارائه خواهد شد.
-
نام دانشجو
سيدشايان حسيني
-
تاريخ ارائه
12/1/2021 12:00:00 AM
-
متن كامل
73320
-
پديد آورنده
سيد شايان حسيني
-
تاريخ ورود اطلاعات
1400/09/21
-
عنوان به انگليسي
A study of computation offloading approaches in industrial IoT
-
كليدواژه هاي فارسي
اينترنت اشياء صنعتي , تخليه بار محاسباتي , رايانش لبه , رايانش مه , رايانش ابري
-
كليدواژه هاي لاتين
industrial internet of things , computation offloading , edge computing , fog computing , cloud computing
-
لينک به اين مدرک :