موضوعات جدید پایان نامه رشته مهندسی فرماندهی و کنترل + 113 عنوان بروز
رشته مهندسی فرماندهی و کنترل (Command and Control Engineering – C2) یکی از حوزه‌های حیاتی و چندرشته‌ای است که به طراحی، توسعه، و بهینه‌سازی سیستم‌هایی می‌پردازد که امکان جمع‌آوری اطلاعات، تحلیل وضعیت، تصمیم‌گیری، و هدایت عملیات را در محیط‌های پیچیده و دینامیک فراهم می‌کنند. این سیستم‌ها در طیف وسیعی از کاربردها، از جمله دفاعی، مدیریت بحران، ترافیک هوایی، و کنترل صنعتی، نقش محوری ایفا می‌کنند. با پیشرفت روزافزون فناوری، به‌ویژه در حوزه‌های هوش مصنوعی، یادگیری ماشین، رباتیک، و ارتباطات، مرزهای این رشته نیز دائماً در حال گسترش است و نیاز به تحقیقات نوین و پایان‌نامه‌هایی با رویکردهای خلاقانه و کاربردی بیش از پیش احساس می‌شود. این مقاله به بررسی روندهای نوین و ارائه بیش از ۱۱۳ عنوان پایان‌نامه جدید و مرتبط در این حوزه می‌پردازد تا راهنمایی جامع برای دانشجویان و پژوهشگران باشد.
فهرست مطالب
اهمیت به‌روزرسانی در تحقیقات مهندسی فرماندهی و کنترل
محیط عملیاتی مدرن، سرشار از پیچیدگی‌ها و عدم قطعیت‌ها است. تهدیدات سایبری، جنگ‌های نامتقارن، نیاز به سرعت عمل بالا در تصمیم‌گیری، و حجم عظیم داده‌های تولید شده از حسگرهای متنوع، همگی چالش‌های جدیدی را پیش روی سیستم‌های C2 قرار داده‌اند. از این رو، تحقیقات در این زمینه باید به طور مداوم به‌روز شوند تا با این چالش‌ها مقابله کرده و راهکارهای نوآورانه‌ای ارائه دهند. دانشجویان و پژوهشگران می‌توانند با تمرکز بر این نیازهای جدید، به توسعه دانش و فناوری در این عرصه کمک شایانی کنند.
اینفوگرافیک مفهومی: ابعاد نوین فرماندهی و کنترل
هوشمندی
یادگیری ماشین، تحلیل پیش‌بینانه، تصمیم‌گیری خودمختار
شبکه‌محوری
5G/6G، اینترنت اشیاء تاکتیکی، ارتباطات مقاوم
تاب‌آوری
امنیت سایبری، دفاع خودمختار، پایداری سیستم
خودمختاری
سیستم‌های رباتیک، تصمیم‌گیری توزیع‌شده، همکاری انسان-ماشین
این نمودار مفهومی چهار بعد اصلی را نشان می‌دهد که پژوهش‌های نوین در حوزه فرماندهی و کنترل بر آن‌ها متمرکز هستند.
روندهای نوظهور و فناوری‌های پیشرو در C2
تحولات اخیر در فناوری، افق‌های جدیدی را برای مهندسی فرماندهی و کنترل گشوده است. در ادامه به برخی از مهم‌ترین روندهای پیشرو اشاره می‌شود:
هوش مصنوعی و یادگیری عمیق در C2
- پشتیبانی از تصمیم‌گیری (Decision Support): استفاده از AI برای تحلیل سریع داده‌ها و ارائه گزینه‌های عملیاتی به فرماندهان.
- شناسایی الگو و پیش‌بینی: تشخیص تهدیدات، پیش‌بینی رفتار دشمن و تحلیل روندهای عملیاتی.
- مدیریت خودکار منابع: تخصیص بهینه منابع در شرایط دینامیک.
سیستم‌های خودمختار و رباتیک
- تیم‌سازی انسان-ربات: همکاری مؤثر بین انسان‌ها و سیستم‌های خودمختار.
- هوش جمعی (Swarm Intelligence): استفاده از گروه‌های ربات‌های کوچک برای انجام مأموریت‌های پیچیده.
- تصمیم‌گیری توزیع‌شده: امکان تصمیم‌گیری توسط عوامل خودمختار در لبه شبکه.
امنیت سایبری و تاب‌آوری سیستم
- دفاع سایبری فعال: سیستم‌های C2 مقاوم در برابر حملات سایبری.
- تاب‌آوری سایبری: توانایی سیستم برای ادامه عملکرد حتی در صورت حمله موفق.
- امنیت بلاک‌چین در C2: استفاده از فناوری بلاک‌چین برای افزایش امنیت و اعتبار داده‌ها.
مدیریت داده‌های بزرگ و تحلیل پیشرفته
- پردازش ابری و لبه‌ای: تحلیل داده‌ها در نقاط مختلف شبکه برای کاهش تأخیر.
- سنسور فیوژن (Sensor Fusion): ترکیب داده‌های متعدد از حسگرهای مختلف برای ایجاد یک تصویر جامع از وضعیت.
- واقعیت افزوده/ترکیبی: نمایش اطلاعات عملیاتی به صورت بصری برای فرماندهان.
شبکه‌های ارتباطی نسل آینده (5G/6G) و اینترنت اشیاء تاکتیکی
- ارتباطات با تأخیر پایین و پهنای باند بالا: امکان انتقال حجم عظیم داده‌ها در زمان واقعی.
- اینترنت اشیاء تاکتیکی (IoBT): اتصال اشیاء و حسگرها در محیط عملیاتی برای جمع‌آوری داده.
- شبکه‌های مش (Mesh Networks) پویا: شبکه‌های خودسازمان‌دهنده و مقاوم در برابر اختلال.
دسته‌بندی موضوعات پیشنهادی پایان‌نامه
برای سهولت در انتخاب موضوع، عناوین پیشنهادی در چند دسته اصلی قرار گرفته‌اند که هر کدام منعکس‌کننده یکی از جنبه‌های کلیدی یا فناوری‌های نوظهور در مهندسی فرماندهی و کنترل هستند. این دسته‌بندی به دانشجویان کمک می‌کند تا با توجه به علاقه و تخصص خود، بهترین مسیر پژوهشی را انتخاب کنند.
113 عنوان بروز و جامع برای پایان‌نامه مهندسی فرماندهی و کنترل
در ادامه، بیش از ۱۱۳ عنوان پایان‌نامه بروز و الهام‌بخش در حوزه‌های مختلف مهندسی فرماندهی و کنترل ارائه شده است. این عناوین با در نظر گرفتن پیشرفت‌های فناورانه و نیازهای عملیاتی فعلی و آینده طراحی شده‌اند.
حوزه هوش مصنوعی و یادگیری ماشین (AI/ML) در C2
- طراحی یک سیستم پشتیبان تصمیم‌گیری فرماندهی بر اساس یادگیری تقویتی عمیق.
- شناسایی و پیش‌بینی تهدیدات سایبری در سیستم‌های C2 با استفاده از شبکه‌های عصبی گراف.
- بهینه‌سازی تخصیص منابع در عملیات پیچیده با الگوریتم‌های یادگیری ماشین توزیع‌شده.
- مدل‌سازی و تحلیل تصمیم‌گیری فرماندهان با رویکرد یادگیری عمیق توضیری (Explainable AI).
- استفاده از یادگیری ماشینی برای فیوژن داده‌های چندحسگره ناهمگن در زمان واقعی.
- توسعه سیستمی مبتنی بر هوش مصنوعی برای مدیریت بار کاری شناختی اپراتورهای C2.
- پیش‌بینی وضعیت میدانی و تغییرات محیطی با استفاده از مدل‌های سری زمانی عمیق.
- بهبود آگاهی موقعیتی با ادغام داده‌های تصویری و متنی از طریق شبکه‌های ترانسفورمر.
- سیستم‌های تشخیص ناهنجاری رفتاری در شبکه C2 با استفاده از یادگیری بی‌نظارت.
- طراحی یک چارچوب یادگیری فعال برای جمع‌آوری هوشمندانه اطلاعات در C2.
- بکارگیری هوش مصنوعی در شبیه‌سازی رفتار عوامل انسانی در محیط‌های C2.
- توسعه مدل‌های پردازش زبان طبیعی برای تحلیل سریع گزارشات عملیاتی و توصیه‌های فرماندهی.
- یادگیری تقویتی مشارکتی برای هماهنگی بین عوامل خودمختار در C2.
- تشخیص فیشینگ و حملات مهندسی اجتماعی در محیط C2 با هوش مصنوعی.
- بهبود دقت پیش‌بینی نیازهای لجستیکی با استفاده از یادگیری ماشین پیشرفته.
حوزه سیستم‌های خودمختار و رباتیک (Autonomous Systems & Robotics)
- چارچوب‌های همکاری انسان-رباتیک در محیط‌های C2 برای مأموریت‌های شناسایی.
- الگوریتم‌های کنترل توزیع‌شده برای تیم‌های رباتیک خودمختار در مأموریت‌های C2.
- بهینه‌سازی مسیر و برنامه‌ریزی مأموریت برای پهپادهای (UAVs) خودمختار در فضای C2.
- توسعه معماری C2 برای عملیات Swarm رباتیک (هوش جمعی ربات‌ها).
- ارزیابی اعتماد متقابل در سیستم‌های انسان-رباتیک در تصمیم‌گیری‌های C2.
- استفاده از هوش مصنوعی برای تخصیص وظایف پویا در تیم‌های انسان-ماشین.
- طراحی رابط کاربری برای کنترل همزمان چند سیستم رباتیک خودمختار.
- مدل‌سازی رفتار و تصمیم‌گیری ربات‌های خودمختار در مواجهه با عدم قطعیت.
- سیستم‌های C2 برای مدیریت ناوگان وسایل نقلیه زمینی بدون سرنشین (UGVs).
- بکارگیری رباتیک در عملیات واکنش سریع و مدیریت بحران C2.
- توسعه سیستم‌های ناوبری خودمختار برای ربات‌ها در محیط‌های ناآشنا و چالش‌برانگیز.
- هماهنگ‌سازی زمان‌بندی و منابع بین عوامل انسانی و رباتیک در C2.
- تشخیص خطا و بازیابی خودمختار در سیستم‌های رباتیک تحت کنترل C2.
- سیستم‌های C2 برای عملیات جستجو و نجات با استفاده از ربات‌های پرنده و زمینی.
- اخلاق در هوش مصنوعی و رباتیک در سیستم‌های C2 حساس.
حوزه امنیت و تاب‌آوری سایبری (Cybersecurity & Resilience)
- طراحی یک چارچوب تاب‌آوری سایبری برای سیستم‌های C2 حیاتی.
- تشخیص و مقابله با حملات DoS/DDoS در شبکه‌های C2 با یادگیری عمیق.
- امن‌سازی ارتباطات C2 با استفاده از رمزنگاری مبتنی بر بلاک‌چین.
- مدیریت هویت و دسترسی در سیستم‌های C2 توزیع‌شده بر پایه فناوری دفترکل توزیع‌شده (DLT).
- توسعه سیستم‌های پاسخگویی خودکار به حملات سایبری در C2.
- ارزیابی آسیب‌پذیری و ریسک‌های امنیتی در سیستم‌های C2 با استفاده از شبیه‌سازی.
- افزایش امنیت سایبری در اینترنت اشیاء تاکتیکی (IoBT) با رویکردهای نوین.
- طراحی معماری C2 مقاوم در برابر حملات سایبری پیچیده (APTs).
- تشخیص حملات سایبری مبتنی بر بدافزار در محیط‌های C2 با تحلیل رفتار شبکه.
- بررسی اثرات حملات سایبری بر توانایی تصمیم‌گیری فرماندهان.
- بهبود پروتکل‌های احراز هویت چندعاملی در سیستم‌های C2.
- طراحی سیستم‌های خودترمیم‌شونده (Self-Healing) برای C2 در برابر حملات سایبری.
- تحلیل مقایسه‌ای استانداردهای امنیت سایبری برای سیستم‌های C2.
- امنیت سایبری در محیط‌های ابری و لبه‌ای برای کاربردهای C2.
- توسعه یک پلتفرم آزمایشی (Testbed) برای ارزیابی تاب‌آوری سایبری C2.
حوزه مدیریت داده و تحلیل تصمیم‌گیری (Data Management & Decision Analytics)
- مدیریت و تحلیل داده‌های بزرگ (Big Data) در محیط‌های C2 برای آگاهی موقعیتی.
- بهینه‌سازی ذخیره‌سازی و بازیابی داده‌ها در سیستم‌های C2 با پردازش ابری توزیع‌شده.
- یکپارچه‌سازی داده‌های ناهمگن از منابع مختلف برای ایجاد یک تصویر عملیاتی واحد.
- تجسم اطلاعات (Information Visualization) پیشرفته برای پشتیبانی از تصمیم‌گیری فرماندهان.
- توسعه معیارهای ارزیابی کیفیت داده‌ها در سیستم‌های C2.
- تحلیل سناریو و پشتیبانی از تصمیم‌گیری در شرایط عدم قطعیت با استفاده از تحلیل رخداد.
- سیستم‌های C2 مبتنی بر گراف دانش (Knowledge Graph) برای استنتاج اطلاعات.
- مدیریت ابهام و عدم قطعیت در داده‌های C2 با رویکردهای فازی و احتمالی.
- طراحی یک موتور تحلیل معنایی برای اطلاعات غیرساختاریافته در C2.
- بکارگیری فناوری‌های بلاک‌چین برای تضمین صحت و اعتبار داده‌های C2.
- توسعه ابزارهای تعاملی برای کاوش و تحلیل داده‌ها توسط فرماندهان.
- مدل‌سازی شناختی برای پیش‌بینی تصمیم‌گیری فرماندهان در شرایط بحرانی.
- تحلیل داده‌های اجتماعی و متن باز (OSINT) برای پشتیبانی از C2.
- بهبود فرآیندهای C2 با استفاده از داده‌کاوی (Data Mining) پیشرفته.
- طراحی یک پلتفرم یکپارچه برای مدیریت چرخه حیات داده در C2.
حوزه شبکه‌های ارتباطی و اینترنت اشیاء تاکتیکی (Networking & IoBT)
- طراحی پروتکل‌های مسیریابی مقاوم و بهینه برای شبکه‌های مش تاکتیکی.
- مدیریت طیف فرکانسی پویا در شبکه‌های ارتباطی C2 با هوش مصنوعی.
- بهبود امنیت و حریم خصوصی در اینترنت اشیاء تاکتیکی (IoBT) برای کاربردهای C2.
- توسعه معماری شبکه‌های 5G/6G برای ارتباطات C2 با تأخیر بسیار پایین.
- بهینه‌سازی مصرف انرژی در گره‌های IoBT با استفاده از یادگیری ماشین.
- مکانیزم‌های خودسازمان‌دهی (Self-Organizing) برای شبکه‌های Ad-Hoc موبایل در C2.
- تحلیل عملکرد و تاب‌آوری شبکه‌های ماهواره‌ای در پشتیبانی از C2.
- طراحی سیستم‌های C2 برای مدیریت و کنترل شبکه‌های ناهمگن ارتباطی.
- استفاده از محاسبات لبه‌ای (Edge Computing) برای پردازش داده‌های IoBT در C2.
- امنیت لایه فیزیکی در شبکه‌های بی‌سیم تاکتیکی برای جلوگیری از شنود.
- توسعه سیستم‌های C2 مبتنی بر ارتباطات کوانتومی برای امنیت اطلاعات.
- مدیریت کیفیت سرویس (QoS) در شبکه‌های C2 با ترافیک بالا و اولویت‌بندی پویا.
- معماری‌های نرم‌افزارمحور شبکه (SDN) برای انعطاف‌پذیری C2.
- توسعه سیستم‌های C2 برای نظارت و کنترل زیرساخت‌های حیاتی مبتنی بر IoBT.
- مدل‌سازی و شبیه‌سازی شبکه‌های ارتباطی نسل آینده برای C2.
حوزه مدل‌سازی، شبیه‌سازی و ارزیابی عملکرد (Modeling, Simulation & Performance Evaluation)
- توسعه مدل‌های شبیه‌سازی برای ارزیابی کارایی سیستم‌های C2 مبتنی بر هوش مصنوعی.
- مدل‌سازی رفتارهای انسانی در محیط‌های شبیه‌سازی C2 برای آموزش و تمرین.
- شبیه‌سازی و تحلیل ریسک‌های عملیاتی در سناریوهای پیچیده C2.
- طراحی یک دوقلوی دیجیتال (Digital Twin) برای مراکز فرماندهی و کنترل.
- معیارهای نوین برای ارزیابی عملکرد و تصمیم‌گیری در سیستم‌های C2.
- شبیه‌سازی حملات سایبری و تأثیر آن‌ها بر پایداری سیستم C2.
- توسعه محیط‌های شبیه‌سازی مشترک و توزیع‌شده برای آموزش C2.
- اعتبارسنجی (Validation) و تأیید (Verification) مدل‌های C2 پیچیده.
- شبیه‌سازی تعاملات فرماندهی و کنترل در عملیات چندمحیطی (Multi-Domain Operations).
- استفاده از شبکه‌های پتری (Petri Nets) برای مدل‌سازی فرآیندهای C2.
- شبیه‌سازی و بهینه‌سازی جریان اطلاعات در ساختارهای مختلف C2.
- تحلیل حساسیت پارامترها در مدل‌های شبیه‌سازی C2.
- طراحی سیستم‌های شبیه‌سازی مقیاس‌پذیر برای سناریوهای C2 بزرگ.
- مدل‌سازی فرآیند تصمیم‌گیری انسان در حلقه کنترل (Human-in-the-Loop) C2.
- شبیه‌سازی تأثیر فناوری‌های نوین بر زمان پاسخ و دقت C2.
حوزه عوامل انسانی و ارگونومی (Human Factors & Ergonomics)
- بهینه‌سازی رابط کاربری (UI) و تجربه کاربری (UX) در سیستم‌های C2 برای کاهش بار شناختی.
- تحلیل تأثیر خستگی و استرس بر تصمیم‌گیری اپراتورهای C2.
- طراحی سیستم‌های واقعیت افزوده (AR) و واقعیت ترکیبی (MR) برای افزایش آگاهی موقعیتی.
- مدل‌سازی خطاهای انسانی در سیستم‌های C2 و روش‌های پیشگیری.
- ارزیابی ارگونومیک مراکز فرماندهی و کنترل با تمرکز بر تعاملات انسان-ماشین.
- توسعه سیستم‌های تطبیقی برای شخصی‌سازی رابط C2 بر اساس نیاز اپراتور.
- تحلیل اثرات هوش مصنوعی بر نقش و وظایف اپراتورهای C2.
- طراحی سیستم‌های بازخورد haptic برای بهبود تعامل با سیستم C2.
- ارزیابی توانایی‌های شناختی و تصمیم‌گیری فرماندهان در محیط‌های C2 پر استرس.
- توسعه راهکارهای C2 برای مدیریت و کاهش سوگیری‌های شناختی.
- مدل‌سازی قابلیت‌های ادراکی انسان در یکپارچه‌سازی اطلاعات C2.
- بررسی تأثیر فناوری‌های پوشیدنی بر عملکرد اپراتورهای C2.
- طراحی سیستم‌های C2 برای پشتیبانی از تصمیم‌گیری تیمی.
حوزه لجستیک و مدیریت زنجیره تامین تاکتیکی (Tactical Logistics & Supply Chain)
- سیستم‌های C2 مبتنی بر هوش مصنوعی برای بهینه‌سازی مسیرهای لجستیکی در محیط‌های پویا.
- مدیریت موجودی و پیش‌بینی تقاضا در زنجیره تامین تاکتیکی با یادگیری ماشین.
- طراحی یک چارچوب C2 برای هماهنگی عملیات لجستیکی خودمختار.
- امنیت و ردیابی زنجیره تامین با استفاده از بلاک‌چین در C2.
- بهینه‌سازی تخصیص منابع انسانی و تجهیزات در شرایط بحران با رویکردهای C2.
- توسعه سیستم‌های C2 برای مدیریت اضطراری و توزیع کمک‌های بشردوستانه.
- تحلیل ریسک و تاب‌آوری در زنجیره تامین تاکتیکی با ابزارهای C2.
- سیستم‌های C2 برای مدیریت پسماندهای عملیاتی و زیست‌محیطی.
- بهینه‌سازی عملیات تعمیر و نگهداری پیش‌بینانه با داده‌های C2.
- توسعه پلتفرم‌های C2 برای همکاری چندسازمانی در عملیات لجستیکی.
نکات کلیدی در انتخاب موضوع پایان‌نامه
- علاقه شخصی: موضوعی را انتخاب کنید که واقعاً به آن علاقه دارید، زیرا انگیزه و پشتکار شما را در طول مسیر حفظ خواهد کرد.
- ارتباط با استاد راهنما: با اساتید مختلف مشورت کنید و موضوعی را انتخاب کنید که در حوزه تخصص و علایق آن‌ها باشد.
- روزآمدی و نوآوری: مطمئن شوید که موضوع انتخابی شما جدید، نوآورانه و دارای پتانسیل برای افزودن دانش جدید به حوزه C2 است.
- قابلیت اجرا: ارزیابی کنید که آیا منابع (داده، نرم‌افزار، سخت‌افزار) و زمان لازم برای انجام تحقیق در دسترس شماست یا خیر.
- اهمیت کاربردی: به دنبال موضوعاتی باشید که پتانسیل حل یک مشکل واقعی یا بهبود یک سیستم موجود را داشته باشند.
- دسترسی به داده: بررسی کنید که آیا داده‌های مورد نیاز برای تحقیق شما قابل دسترسی هستند یا باید آن‌ها را تولید کنید.
نتیجه‌گیری
رشته مهندسی فرماندهی و کنترل در آستانه تحولات چشمگیری قرار دارد که توسط پیشرفت‌های هوش مصنوعی، رباتیک، ارتباطات نسل جدید و امنیت سایبری هدایت می‌شود. انتخاب یک موضوع پایان‌نامه مناسب در این حوزه نه تنها می‌تواند به توسعه حرفه‌ای دانشجویان کمک کند، بلکه به پیشبرد دانش و توانمندی‌های کشور در مدیریت عملیات پیچیده نیز می‌انجامد. ۱۱۳ عنوان پیشنهادی ارائه شده در این مقاله، تنها نقطه‌آغازی برای الهام بخشیدن به پژوهش‌های عمیق‌تر و خلاقانه‌تر است. با تمرکز بر نیازهای واقعی و بهره‌گیری از فناوری‌های نوین، می‌توان آینده سیستم‌های فرماندهی و کنترل را به شکلی مؤثر و ایمن‌تر شکل داد و قابلیت‌های تصمیم‌گیری در محیط‌های چالش‌برانگیز را به سطحی بی‌سابقه ارتقاء بخشید.
/* Global Styles for responsiveness and base design */
body {
margin: 0;
padding: 0;
background-color: #F0F2F5; /* Light background for the whole page */
font-family: ‘Vazirmatn’, ‘Arial’, sans-serif;
line-height: 1.8;
color: #333333;
direction: rtl; /* Ensure right-to-left for Farsi */
text-align: right;
-webkit-font-smoothing: antialiased;
-moz-osx-font-smoothing: grayscale;
}
/* Main container specific styles – already inline, but reiterating for clarity */
div[style*=”max-width: 900px”] {
box-sizing: border-box; /* Include padding in width calculation */
}
/* Headings responsiveness */
h1 {
font-size: 2.6em; /* Base large size */
}
h2 {
font-size: 2em;
}
h3 {
font-size: 1.5em;
}
p, ul, ol, table {
font-size: 1.1em;
}
/* Links styling */
a {
color: #006699;
text-decoration: none;
transition: color 0.3s ease, text-decoration 0.3s ease;
}
a:hover {
color: #004A7F;
text-decoration: underline;
}
/* List styling */
ul, ol {
margin-right: 0;
padding-right: 25px;
}
ul li, ol li {
margin-bottom: 10px;
}
/* Table styling – already inline, but adding general improvements */
table {
margin-top: 25px;
margin-bottom: 25px;
width: 100%;
border-collapse: collapse;
}
table th, table td {
padding: 12px 15px;
border: 1px solid #ddd;
text-align: right;
}
table th {
background-color: #004A7F;
color: white;
font-weight: bold;
font-size: 1.1em;
}
table tr:nth-child(even) {
background-color: #f6f6f6;
}
table tr:hover {
background-color: #e9f5ff;
}
/* Infographic styling – already inline, but adding general improvements */
.infographic-item {
background-color: #FFFFFF;
border-radius: 12px;
padding: 20px;
box-shadow: 0 4px 15px rgba(0, 0, 0, 0.1);
border: 1px solid #ddd;
display: flex;
flex-direction: column;
align-items: center;
justify-content: center;
text-align: center;
transition: transform 0.3s ease, box-shadow 0.3s ease;
}
.infographic-item:hover {
transform: translateY(-5px);
box-shadow: 0 8px 25px rgba(0, 0, 0, 0.15);
}
.infographic-item div { /* Emoji icon */
font-size: 2.2em;
color: #FFD700; /* Gold for icons */
margin-bottom: 10px;
}
.infographic-item p:first-of-type { /* Title */
font-size: 1.1em;
font-weight: bold;
color: #004A7F;
margin-bottom: 8px;
}
.infographic-item p:last-of-type { /* Description */
font-size: 0.95em;
color: #555;
}
/* Media Queries for Responsiveness */
@media (max-width: 1024px) { /* Tablets & smaller laptops */
div[style*=”max-width: 900px”] {
max-width: 95%;
padding: 18px;
}
h1 { font-size: 2.2em; }
h2 { font-size: 1.8em; }
h3 { font-size: 1.4em; }
p, ul, ol, table { font-size: 1em; }
}
@media (max-width: 768px) { /* Smaller Tablets & large phones */
div[style*=”max-width: 900px”] {
max-width: 98%;
padding: 15px;
}
h1 { font-size: 2em; }
h2 { font-size: 1.6em; }
h3 { font-size: 1.3em; }
p, ul, ol, table { font-size: 0.95em; }
.infographic-item { width: 45%; } /* Two columns */
div[style*=”display: flex; flex-wrap: wrap; justify-content: center;”] {
gap: 15px; /* Adjust gap for smaller screens */
}
}
@media (max-width: 480px) { /* Mobile phones */
div[style*=”max-width: 900px”] {
border-radius: 0; /* No border-radius on small screens for full width feel */
padding: 10px;
}
h1 { font-size: 1.8em; text-align: right; } /* Align H1 to right on mobile */
h2 { font-size: 1.5em; }
h3 { font-size: 1.2em; }
p, ul, ol, table { font-size: 0.9em; line-height: 1.7; }
.infographic-item { width: 90%; } /* Single column for infographic items */
div[style*=”display: flex; flex-wrap: wrap; justify-content: center;”] {
flex-direction: column; /* Stack infographic items */
align-items: center;
}
table th, table td {
padding: 10px 12px;
}
table caption {
font-size: 1.1em;
text-align: right;
padding-right: 5px;
}
}
/* Font import for Vazirmatn – ensure this is in your global CSS or HTML head */
/* @import url(‘https://cdn.jsdelivr.net/gh/rastikerdar/vazirmatn@v33.003/Vazirmatn-Variable.css’); */
/* For block editor, you might need to ensure the font is either pre-loaded or fall back to system fonts */