سرویس جدید CDN همراه با درآمدزایی

• 
• 

مشخصات

مجموعه: مقالات

منتشر شده در دوشنبه, 22 مرداد 1403 17:32

نگارش یافته توسط Super User

تعداد بازدید: 171

ابر آسیاتک از سرویس جدید CDN همراه با درآمدزایی رونمایی کرد

نمایشگاه بین‌المللی صنعت مالی در حال برگزاری است و بسیاری از فعالان مستقیم و غیرمستقیم این حوزه مانند ابر آسیاتک در این رویداد حضور دارند
نمایشگاه بین‌المللی صنعت مالی در حال برگزاری است و بسیاری از فعالان مستقیم و غیرمستقیم این حوزه در این رویداد حضور دارند. شرکت آسیاتک، به‌عنوان یکی از پیشگامان ارائه‌دهنده خدمات ارتباطی و فناوری اطلاعات در کشور، در این نمایشگاه شرکت کرده و غرفه‌ای در سالن ۸-۹ نمایشگاه بین‌المللی به خود اختصاص داده است.
امروز به منظور تهیه گزارش به غرفه آسیاتک سری زدیم و تمرکز خود را بر بررسی خدمات ابری این شرکت قرار دادیم. خدمات ابری آسیاتک برای اولین بار در سال ۱۳۹۹ به بازار عرضه شد. با توجه به گسترش استفاده از خدمات ارتباطی در جهان و نیاز به ساختارهای مبتنی بر رایانش ابری، آسیاتک نسل جدیدی از خدمات خود را بر بستر ابری معرفی کرد. این خدمات با توجه به تنوع و آینده‌نگری در این حوزه، به‌صورت متمرکز توسط آسیاتک ارائه می‌شوند و هدف آنها پاسخگویی به نیازهای روزافزون مشتریان در زمینه زیرساخت‌های ابری است.

یکی از جدیدترین سرویس‌های ابری آسیاتک، خدمات مربوط به شبکه توزیع محتوا (CDN) است. شبکه توزیع محتوا، یک شبکه توزیع‌شده از سرورها و مراکز داده در مکان‌های مختلف جغرافیایی است که به توزیع و تحویل محتوا به کاربران با حداقل تأخیر در شبکه ارتباطی کمک می‌کند. این شبکه با کاهش فاصله مکانی بین محتوا و کاربران از طریق مراکز داده، سرعت دسترسی به محتوا را افزایش می‌دهد. همچنین، CDN شامل سرورهای کش (Cache) است که فایل‌ها را به‌صورت موقت ذخیره می‌کنند تا با سرعت بیشتری به دست کاربران برسند.
کاربردهای CDN در کسب‌وکارها شامل سرویس‌های استریمینگ ویدیویی و صوتی، وب‌سایت‌های تجاری و فروشگاهی، و شرکت‌های آموزشی است. هدف این سرویس جدید آسیاتک، تولیدکنندگان محتوا و به‌طور کلی هر فرد یا سازمانی است که محتوا را بر بستر دیجیتال عرضه می‌کند. یکی از ویژگی‌های متمایز این سرویس، امکان درآمدزایی از آن است که بر اساس میزان ترافیک محاسبه شده و به اعتبار کاربر اضافه می‌شود.

از مزایای این سرویس می‌توان به بهبود عملکرد وب‌سایت، مقیاس‌پذیری، افزایش امنیت و کاهش هزینه‌های پهنای باند اشاره کرد. برای آشنایی بیشتر با سرویس CDN و نحوه درآمدزایی از آن، گفتگویی با آقای سهرابی، مدیر توسعه کسب‌وکار ابر آسیاتک، انجام دادیم.

شرکت آسیاتک با ارائه این خدمات پیشرفته ابری، به تثبیت جایگاه خود به‌عنوان یکی از بازیگران اصلی در حوزه فناوری اطلاعات و ارتباطات ادامه می‌دهد و به دنبال گسترش بیشتر این خدمات در سطح ملی و بین‌المللی است.

فرق SQL و NoSQL

• 
• 

مشخصات

مجموعه: مقالات

منتشر شده در جمعه, 19 مرداد 1403 20:49

نگارش یافته توسط Super User

تعداد بازدید: 243

 

SQL و NoSQL دو نوع مختلف سیستم مدیریت پایگاه داده هستند که در زمینه ذخیره و سازماندهی اطلاعات متفاوت عمل می‌کنند. با این‌حال، هریک از این معماری‌ها ویژگی‌ها و مزایای خاص خود را دارند که در ادامه با آن‌ها آشنا خواهیم شد.
SQL چیست ؟
SQL سرنام (Structured Query Language) یک زبان برنامه‌نویسی است که برای مدیریت و سازماندهی پایگاه داده‌های رابطه‌ای (RDBMS) استفاده می‌شود. SQL اجازه می‌دهد تا از طریق دستورات مختلفی، اطلاعات را استخراج کرده، تغییر دهید و به آن‌ها پرس‌وجو کنید. این زبان بسیار قدرتمند و استاندارد است و در بسیاری از سیستم‌ها و برنامه‌ها استفاده می‌شود. با استفاده از SQL، می‌توانید داده‌ها را در جداول ذخیره کرده و با استفاده از دستورات SELECT، INSERT، UPDATE و DELETE، به آن‌ها دسترسی پیدا کنید و تغییراتی روی آن‌ها اعمال کنید. همچنین، SQL امکاناتی مانند ایجاد و حذف جداول، تعریف قیدها و روابط بین جداول را نیز فراهم می‌کند. با استفاده از زبان SQL، می‌توانید پرس‌وجوهای مختلفی را بر روی داده‌ها اجرا کنید. به طور مثال، می‌توانید اطلاعات مربوط به یک موجودیت خاص را با استفاده از عبارت WHERE در دستور SELECT فیلتر کنید و نتایج مورد نظر خود را بدست آورید. همچنین، می‌توانید اطلاعات را مرتب سازی کنید، گروه‌بندی کنید و عملیات‌های محاسباتی مانند جمع، میانگین و تعداد را روی داده‌ها انجام دهید. SQL به عنوان یک زبان استاندارد، توسط بسیاری از پایگاه داده‌های رابطه‌ای پشتیبانی می‌شود، از جمله MySQL، Oracle، Microsoft SQL Server، PostgreSQL و SQLite.

تعریف پایگاه داده های رابطه ای یا Relational Databases
پایگاه داده‌های رابطه‌ای RDBMS سرنام Relational Databases سیستم‌های مدیریت پایگاه داده‌ای هستند که بر اساس مدل مفهومی روابط تعریف شده‌اند. در این نوع پایگاه داده، اطلاعات به صورت سازمان‌یافته و در قالب جداول (Tables)، ستون‌ها (Columns) و ردیف‌ها (Rows) ذخیره می‌شوند. در یک پایگاه داده رابطه‌ای، هر جدول (Table) نماینده یک موجودیت یا مفهوم خاص است. ستون‌های جدول نوع داده‌های مرتبط با آن موجودیت را نشان می‌دهند. هر ردیف (Row) در جدول نماینده یک نمونه یا رکورد از آن موجودیت است که اطلاعات مربوطه را شامل می‌شود.

روابط بین جداول در پایگاه داده رابطه‌ای با استفاده از کلیدهای خارجی (Foreign Keys) برقرار می‌شوند. با استفاده از کلیدهای خارجی، می‌توان رابطه و ارتباط بین جداول را بیان کرد و از این طریق اطلاعات مرتبط را با هم مرتبط کرد. مزیت اصلی پایگاه داده‌های رابطه‌ای در قدرت سازماندهی و جستجوی داده‌ها است. با استفاده از زبان اس‌کیو‌ال می‌توان پرس‌وجوهای مختلفی را بر روی داده‌ها انجام داد و اطلاعات مورد نیاز را با دقت و سرعت بالا به دست آورد. مثالی از یک پایگاه داده رابطه‌ای عبارت است از پایگاه داده‌ای که اطلاعات مربوط به یک فروشگاه را ذخیره می‌کند. در این پایگاه داده، می‌توان جداولی مانند جدول محصولات (Products)، جدول مشتریان (Customers) و جدول سفارشات (Orders) را تعریف کرد و با استفاده از کلیدهای خارجی، رابطه بین این جداول را برقرار کرد.

انواع رابطه در پایگاه داده های رابطه ای
در پایگاه داده‌های رابطه‌ای، انواع مختلفی از روابط بین جداول وجود دارند. در زیر، به برخی از این انواع رابطه اشاره می‌کنم:

1. رابطه یک به یک (One-to-One Relationship): در این نوع رابطه، هر رکورد در جدول اول (A) با حداکثر یک رکورد در جدول دوم (B) مرتبط است و بالعکس. به عبارت دیگر، هر رکورد در جدول A با یک رکورد واحد در جدول B مرتبط است و بالعکس. این نوع رابطه معمولاً برای جداولی استفاده می‌شود که دارای اطلاعات مکمل یکدیگر هستند و می‌توانند در یک جدول ترکیب شوند.

2. رابطه یک به چند (One-to-Many Relationship): در این نوع رابطه، هر رکورد در جدول اول (A) می‌تواند با چندین رکورد در جدول دوم (B) مرتبط باشد، اما هر رکورد در جدول B فقط با یک رکورد در جدول A مرتبط است. به عبارت دیگر، یک رکورد در جدول A می‌تواند با چندین رکورد در جدول B مرتبط شود، اما یک رکورد در جدول B فقط با یک رکورد در جدول A مرتبط است. این نوع رابطه بیانگر رابطه‌ی سلسله‌مراتبی بین دو جدول است و بسیار شایع است.

3. رابطه چند به چند (Many-to-Many Relationship): در این نوع رابطه، هر رکورد در جدول اول (A) می‌تواند با چندین رکورد در جدول دوم (B) مرتبط باشد و بالعکس. به عبارت دیگر، هر رکورد در جدول A می‌تواند با چندین رکورد در جدول B مرتبط شود و همچنین هر رکورد در جدول B می‌تواند با چندین رکورد در جدول A مرتبط باشد. برای نمایش رابطه چند به چند در پایگاه داده رابطه‌ای، معمولاً یک جدول متصل‌کننده (Join Table) استفاده می‌شود که شامل کلیدهای خارجی از جدول A و B می‌شود.

این سه نوع رابطه از مهمترین و پرکاربردترین انواع روابط در پایگاه داده‌های رابطه‌ای هستند. در عمل، می‌توان از این انواع رابطه‌ها به صورت ترکیبی و پیچیده‌تر استفاده کرد تا روابط مختلف بین جداول را مدل‌سازی و مدیریت کرد.

NoSQL چیست؟
NoSQL سرنام (Not Only SQL) یک مفهوم و دسته‌بندی از پایگاه داده‌ها است که با رویکرد‌های متفاوتی نسبت به پایگاه داده‌های رابطه‌ای (Relational Databases) طراحی و پیاده‌سازی می‌شوند. در مقابل پایگاه داده‌های رابطه‌ای که بر پایه مدل مفهومی روابط ساختاردهی شده‌اند، پایگاه داده‌های NoSQL از رویکردهای متنوع و متناسب با نیازهای خاص برای ذخیره و دسترسی به داده‌ها استفاده می‌کنند.مهم‌ترین ویژگی پایگاه داده‌های NoSQL این است که از ساختار رابطه‌ای (جداول، ستون‌ها و ردیف‌ها) برای ذخیره داده‌ها استفاده نمی‌کنند و به جای آن، از ساختارهای داده‌ای متنوعی مانند اسناد (Documents)، دنباله‌ها (Key-Value)، ستون خانواده‌ای (Wide-Column) و گراف (Graph) استفاده می‌کنند. مزایای استفاده از پایگاه داده‌های NoSQL به شرح زیر هستند:

- قابلیت مقیاس‌پذیری: پایگاه داده‌های NoSQL قابلیت مقیاس‌پذیری افقی (Horizontal Scalability) را دارند، به این معنی که با افزایش بارکاری و ترافیک، می‌توانند به صورت توزیع‌شده روی چندین سرور اجرا شوند و عملکرد بهتری داشته باشند.

- انعطاف‌پذیری ساختار داده: پایگاه داده‌های NoSQL به صورت محدودیت کمتری در ساختار داده فراهم می‌کنند و به کاربران اجازه می‌دهند ساختار داده‌های خود را بر اساس نیازهای خاص تعریف کنند.

- عملکرد سریع: بدون نیاز به پردازش پیچیده رویابی و پیوند بین جداول، پایگاه داده‌های NoSQL عملکرد سریعتری در مقایسه با پایگاه داده‌های رابطه‌ای دارند.

- قابلیت کنترل ترافیک بالا: با استفاده از روش‌های توزیع شده، پایگاه داده‌های NoSQL می‌توانند ترافیک بالا را به صورت مؤثری مدیریت کنند.

با این حال، استفاده از پایگاه داده‌های NoSQL نیازمند بررسی دقیق نیازها و شرایط مورد استفاده است. هر نوع پایگاه داده دارای مزایا و محدودیت‌های خود است. بنابراین بهتر است نیازهای خود را مشخص کرده و معایب آن‌ها بررسی کنید تا بتوانید بهترین گزینه را برای پروژه یا برنامه خود انتخاب کنید.

ساختار MongoDB
ساختار پایگاه داده MongoDB براساس مدل سندگرا (Document Model) است که اطلاعات را در قالب JSON-like documents ذخیره می‌کند. در MongoDB، اسناد به صورت مجموعه‌ای از کلید-مقدار (key-value) است که در یک مجموعه‌ای به نام کالکشن (Collection) ذخیره می‌شوند. البته، این کلید-مقدارها از نوع متنی هستند و می‌توانند مقادیر متنی، عددی، آرایه، مجموعه، تاریخ و غیره را شامل شوند. ساختار پایگاه داده MongoDB به صورت زیر است:

1. دیتابیس (Database): دیتابیس در MongoDB مجموعه‌ای از کالکشن‌ها است. هر دیتابیس دارای نامی منحصر به فرد است و درون آن می‌توانیم کالکشن‌ها را ایجاد کنیم.

2. کالکشن (Collection): کالکشن در MongoDB مجموعه‌ای از اسناد است. هر کالکشن دارای نامی منحصر به فرد است و می‌توان درون آن اسناد را ذخیره کرد.

3. اسناد (Documents): اسناد در MongoDB به صورت JSON-سانتا ذخیره می‌شوند. هر سند دارای یک یا چندین فیلد است که شامل کلید-مقدارهای متنوعی است. همچنین، هر اسناد می‌تواند ساختار دلخواه خود را داشته باشد و فیلدها می‌توانند تودرتو باشند.

4. فیلدها (Fields): فیلدها در MongoDB کلیدهایی هستند که به هر کلید یک مقدار متناظر تخصیص می‌دهند. فیلدها می‌توانند انواع مختلفی از مقادیر را نگه دارند، از جمله مقادیر متنی، عددی، آرایه، مجموعه و غیره.

به طور خلاصه، ساختار MongoDB برپایه دیتابیس‌ها، کالکشن‌ها و اسناد است. این ساختار اجازه می‌دهد تا اطلاعات به صورت اسنادی ذخیره شوند و ساختار داده‌ها بر اساس نیازهای خاص تعریف شود.

Schema و Relation در NoSql
در پایگاه داده‌های NoSQL، مفاهیم Schema و Relation به شکل متفاوتی نسبت به پایگاه داده‌های رابطه‌ای (Relational Databases) استفاده می‌شوند.

در پایگاه داده‌های رابطه‌ای، شمای داده (Schema) را به طور کامل مشخص و تعریف می‌کند. شما باید جداول، ستون‌ها و روابط بین آن‌ها را به صورت دقیق تعریف کنید. اما در پایگاه داده‌های NoSQL، مفهوم طراح‌واره (Schema-less) یا شمای انعطاف‌پذیر (Schema-flexible) وجود دارد. به عبارتی، نیازی به تعریف دقیق و پیش‌فرضی از ساختار داده‌ها نیست و می‌توانید به راحتی اسناد را با ساختار دلخواه تعریف کنید. این امکان را به شما می‌دهد تا با تغییرات در ساختار داده‌ها و نیازهای پروژه، سرعت بیشتری در توسعه و انعطاف‌پذیری بیشتری در طراحی داشته باشید.

رابطه در پایگاه داده‌های رابطه‌ای، روابط (Relations) بین جداول با استفاده از کلیدهای خارجی (Foreign Keys) تعریف می‌شوند. روابط با ارتباط‌های یک به چند (One-to-Many)، چند به چند (Many-to-Many) و غیره، توصیف می‌شوند و می‌توان با استفاده از عملیات پیوند (Join)، اطلاعات را از چندین جدول با هم ترکیب کرد. اما در پایگاه داده‌های NoSQL، معمولا از روابط مستقیم بین اسناد استفاده می‌شود. به عنوان مثال، می‌توانید اطلاعات مرتبط را درون یک اسناد تو در تو ذخیره کنید، به جای اینکه از روابط بین کالکشن‌ها استفاده کنید. همچنین، برخی از پایگاه داده‌های NoSQL، مانند پایگاه داده‌های گراف (Graph Databases)، قابلیت تعریف روابط پیچیده‌تری را دارند که برای نمایش و جستجوی داده‌های گرافی بسیار مفید هستند.

بنابراین، در پایگاه داده‌های NoSQL، مفهوم‌های Schema و Relation با توجه به نوع پایگاه داده و مدل مورد استفاده متفاوت است. استفاده از ساختار انعطاف‌پذیر و تعریف روابط مستقیم بین داده‌ها توسط اسناد از ویژگی‌های مهم این نوع پایگاه داده‌ها است. در هر صورت، برای هر پایگاه داده NoSQL خاص، ممکن است قوانین و الگوهای خاصی برای تعریف ساختار و ارتباطات داده‌ها در نظر گرفته شود. در نتیجه، برای هر پایگاه داده NoSQL خاص، بهتر است به مستندات رسمی و راهنمایی که توسط توسعه دهندگان آن پایگاه داده فراهم شده است مراجعه کنید تا با ساختار و قوانین مربوطه آشنا شوید.

تفاوت‌های اصلی بین SQL و NoSQL
اکنون که با عملکرد هریک از پایگاه‌های داده آشنا شدید، اجازه دهید به بررسی تفاوت‌های اصلی آن‌ها بپردازیم.

۱. ساختار داده:

SQL: داده‌ها در پایگاه داده‌های رابطه‌ای (RDBMS) با استفاده از جداول، ستون‌ها و ردیف‌ها سازماندهی می‌شوند. این ساختار داده به صورت سازمان‌یافته و رابطه‌ای مدل‌سازی می‌شود.

NoSQL: داده‌ها در پایگاه داده‌های NoSQL به صورت غیررابطه‌ای و بدون ساختار ثابت ذخیره می‌شوند. این نوع پایگاه داده‌ها از ساختارهایی مانند اسناد (Document)، کلید-مقدار (Key-Value)، ستون خانواده (Column-Family) و گراف (Graph) استفاده می‌کنند.

۲. قابلیت ها و کاربردها:

SQL: پایگاه داده‌های رابطه‌ای اغلب برای کاربردهایی که نیاز به تراکنش‌های ACID سرنام (Atomicity، Consistency، Isolation، Durability) و پشتیبانی از روابط پیچیده دارند، استفاده می‌شوند. معمولاً در برنامه‌هایی که نیاز به تضمین صحت داده‌ها و انطباق با قوانین و محدودیت‌های ساختاری دارند، استفاده از SQL مناسب است.

NoSQL: پایگاه داده‌های NoSQL عموما برای کاربردهایی که نیاز به انعطاف پذیری بالا، سرعت بالا و قابلیت مقیاس‌پذیری هستند، مناسب هستند. این نوع پایگاه داده‌ها معمولا در برنامه‌هایی که با حجم بالای داده‌ها و پرس‌وجوهای پیچیده روبرو هستند (مانند برنامه‌های وب، شبکه‌های اجتماعی و سیستم‌های توزیع شده)، استفاده می‌شوند.

۳. انعطاف پذیری ساختار داده:

SQL: پایگاه داده‌های رابطه‌ای ساختارهای داده ثابت و محدودیت‌های ساختاری دارند. این محدودیت‌ها می‌توانند در برخی موارد انعطاف پذیری در کار با داده‌ها را کاهش دهند.

NoSQL: پایگاه داده‌های NoSQL انعطاف پذیری بالاتری در ساختار داده ارائه می‌دهند. با استفاده از مدل‌های متنوع NoSQL و NoSQL دو نوع مختلف سیستم مدیریت پایگاه داده هستند که در زمینه ذخیره و سازماندهی اطلاعات متفاوت عمل می‌کنند

برگرفته از مجله شبکه 

تحقیقات ناسا ,بویینگ ناکارمد است

• 
• 

مشخصات

مجموعه: مقالات

منتشر شده در دوشنبه, 22 مرداد 1403 17:05

نگارش یافته توسط Super User

تعداد بازدید: 145

گزارش جدیدی از بازرس کل آژانس فضایی آمریکا نشان می‌دهد که برنامه‌ی ناسا برای ساخت مرحله‌ی فوقانی جدید برای موشک اسپیس لانچ سیستم (SLS)، هفت سال از برنامه عقب و با سرریز بودجه‌ی چشمگیر مواجه است. صرف‌نظر این این اعداد، برخی اطلاعات بسیار مهم نیز درمورد پیمانکار اصلی موشک ناسا، یعنی بوئینگ و شیوه‌های کنترل کیفیت ضعیف آن در گزارش به چشم می‌خورد.

به گزارش زومیت، مرحله‌ی جدید مورد بحث، «اکسپلوریشن آپر استیج» نام دارد و قرار است به‌عنوان مرحله‌ی دوم قدرتمندتر برای موشک SLS به‌کار رود. این موشک که اواخر سال ۲۰۲۲ برای اولین‌بار پرتاب شد، بخش کلیدی آرتمیس، برنامه‌ی بازگشت به ماه محسوب می‌شود.

ناسا طبق برنامه‌ی کنونی قصد دارد در دومین فرود قمری، یعنی ماموریت آرتمیس ۴ که برای سال ۲۰۲۸ برنامه‌ریزی شده است، از مرحله‌ی فوقانی جدید استفاده کند. نسخه‌ی ارتفایافته‌ی اسپیس لانچ سیستم با این مرحله‌ی جدید، Block 1B نامیده می‌شود.

مشکلات کنترل کیفیت بوئینگ تا حد زیادی ناشی از تجربه‌ی ناکافی نیروی انسانی شرکت در بخش هوافضا است
بااین‌حال به دلایل متعدد، ازجمله آماده‌نبودن ماه‌نشین‌ها، سخت‌افزار مورد نیاز برای ساخت ایستگاه قمری گیت‌وی و برج پرتاب سیار جدید و سایر موارد، بعید است ناسا بتواند آرتمیس ۴ را در تاریخ یادشده پرتاب کند. اکنون براساس اطلاعات گزارش جدید بازرس کل، احتمالا می‌توانیم انتظار داشته باشیم که مرحله‌ی فوقانی SLS نیز به فهرست سخت‌افزارهای ناآماده اضافه شود.

در گزارش جدید آمده است: «ما مجموعه‌ای از مسائل را پیدا کردیم که می‌توانند مانع از آمادگی نسخه‌ی قدرتمندتر اسپیس لانچ سیستم برای ماموریت آرتمیس ۴ شوند؛ ازجمله سامانه‌ی مدیریت کیفیت نامناسب بوئینگ، افزایش هزینه‌ها و تاخیرها و دید نامناسب به هزینه‌های پیش‌بینی برای بلاک 1B.»

کنترل کیفیت، نگرانی جدید
جزئیات شگفت‌انگیزی در گزارش درمورد شیوه‌های کنترل کیفیت بوئینگ در تاسیسات مونتاژ میشوود در جنوب ایالت لوئیزیانا، جایی که مرحله‌ی فوقانی جدید دردست ساخت است، وجود دارد. ناظران فدرال آمریکا، شمار چشمگیری از «درخواست‌های اقدام اصلاحی» را برای بوئینگ صادر کرده‌اند.

در گزارش آمده است: «طبق گفته‌ی مقام‌های ایمنی و تضمین ماموریت در ناسا و مقام‌های آژانس مدیریت قراردادهای دفاعی در میشوود، مشکلات کنترل کیفیت بوئینگ تا حد زیادی ناشی از تجربه‌ی ناکافی نیروی انسانی شرکت در بخش هوافضا است. فقدان نیروی کار آموزش‌دیده و واجد شرایط، این خطر را افزایش می‌دهد که پیمانکار به ساخت قطعاتی که الزامات ناسا و استانداردهای صنعتی را رعایت نمی‌کنند، ادامه دهد.»

موشک‌های بوئینگ با نیروی کار فاقد صلاحیت ساخته می‌شوندتاخیر هفت‌ساله در ساخت مرحله فوقانی اکسپلوریشن آپر استیج.
فقدان نیروی کار واجد شرایط به تاخیر چشمگیر در برنامه و افزایش هزینه‌ها منجر شده است. براساس گزارش، عملیات جوشکاری نامطلوب به تولید مخازن سوختی منجر شد که الزامات را رعایت نمی‌کردند و همین مسئله، به‌طور مستقیم تاخیری هفت‌ماه را در برنامه به دنبال داشت.

بازرس کل ناسا به‌قدری نگران کنترل کیفیت بود که به آژانس فضایی توصیه کرد بابت تخطی بوئینگ از استانداردها، جریمه‌های مالی برای این شرکت وضع کند. بااین‌حال، کاترین کورنر، قائم‌مقام واحد ساخت سامانه‌های اکتشافی ناسا در واکنش به گزارش گفت ناسا قصد وضع چنین جریمه‌هایی را ندارد؛ زیرا در قرارداد آژانس با بوئینگ، مفادی وجود دارد که پیامدهای مالی را برای تخطی پیمانکار از استانداردهای کنترل کیفیت امکان‌پذیر می‌کند.

هفت سال تاخیر
گزارش جدید پیش‌بینی می‌کند که هزینه‌ی کلی ساخت بلاک 1B پیش از پرتاب، به ۵٫۷ میلیارد دلار خواهد رسید. این رقم درحال‌حاضر ۷۰۰ میلیون دلار بیشتر از برآورد هزینه‌ای است که ناسا به‌طور رسمی در ماه دسامبر انجام داد.

 

در مورد خود مرحله‌ی فوقانی، ناسا ابتدا در سال ۲۰۱۷ پیش‌بینی کرد که هزینه‌های ساخت ۹۶۲ میلیون دلار خواهد بود؛ اما گزارش اخیر پیش‌بینی می‌کند که این قطعه درواقع ۲٫۸ میلیارد دلار یا سه‌برابر برآورد اولیه، هزینه خواهد داشت. بااین‌حال، سرریز بودجه به نفع بوئینگ است؛ زیرا قرارداد این شرکت با ناسا از نوع غیرثابت است؛ بدین معنا که ناسا تمام هزینه‌های اصلی و اضافی را پرداخت خواهد کرد. این مسئله می‌تواند توضیح دهد چرا برنامه‌ای که قرار بود در سال ۲۰۲۱ تکمیل شود، احتمالا تا سال ۲۰۲۸ نیز به اتمام نخواهد رسید.

و تمام این هزینه‌ها برای چه؟ اسپیس لانچ سیستم فعلا عملکردی کم‌نقص داشته است؛ اما مراحل فوقانی بسیار ارزان‌تری مثل مرحله‌ی دوم آماده و مطمئن قنطورس ۵ وجود دارند که می‌توانند برای هدف اصلی موشک، یعنی پرتاب فضاپیمای اوراین به ماه، به‌کار روند. همچنین با از راه‌رسیدن استارشیپ و نیوگلن، موشک ساخت بلو ارجین، ناسا به‌زودی به دو موشک تجاری فوق‌سنگین و قدرتمند دسترسی پیدا خواهد کرد.

عقبگرد اینتل شروع شده است ؟

• 
• 

مشخصات

مجموعه: مقالات

منتشر شده در سه شنبه, 16 مرداد 1403 18:20

نگارش یافته توسط Super User

تعداد بازدید: 150

 

عقبگرد اینتل شروع شده است ؟

اینتل تا چند دهه در بازار جهانی تولید تراشه حکمرانی می‌کرد. همچنین در دهه ۱۹۹۰ و اوایل دهه ۲۰۰۰، به لطف اتحاد «وینتِل» با مایکروسافت، غول نرم‌افزار، بازار رایانه‌های شخصی را در اختیار داشت. بااین‌حال مجموعه‌ای از اشتباهات منجر به عقب‌ماندن اینتل شد. تمرکز این شرکت بر رایانه‌های شخصی باعث شد تقاضای فزاینده برای تراشه‌های موبایل را از دست بدهد. اینتل همچنان به ساخت تراشه‌های خودش ادامه داد، حتی زمانی که بسیاری از رقبایش به مدل «بدون ساخت» روی آوردند که در آن طراحان تراشه تولید خود را به کارخانه‌هایی مانند TSMC، تولیدکننده تایوانی، برون‌سپاری می‌کنند.

اواسط دهه ۲۰۱۰، اشتباه‌های کوچک مکرر در تولید باعث تأخیر در عرضه پردازنده‌های آن و کاهش مداوم سهم این شرکت در کسب‌وکار اصلی خود، واحدهای پردازش مرکزی، در مقابل AMD، طراح تراشه آمریکایی، شد. نکته مهم این است که اینتل غالباً در بازارهای روبه‌رشد تراشه‌های هوش مصنوعی تخصصی غایب بوده است؛ عرصه‌ای که تحت سلطه انویدیا، ارزشمندترین شرکت نیمه‌رسانای جهان، قرار دارد.

گلسینگر کاملاً از این موضوع آگاه است. او مدتی پس از مدیرعامل شدن، در فوریه ۲۰۲۲، زمینه را برای جداسازی طراحی و تولید به دو بخش مجزا فراهم کرد. این اتفاق باعث شد بخش محصول بتواند بهترین کارخانه را برای نیازهایش انتخاب کند و کارخانه‌های اینتل برای طراحان تراشه دیگر در دسترس قرار گیرند. گلسینگر می‌خواهد تولید اینتل به‌سرعت پیشرفت کند و میزان تولید آن از سایر سازندگان سبقت بگیرد. او گفته است اینتل تا سال ۲۰۳۰ دومین کارخانه بزرگ جهان خواهد شد و فقط TSMC بالاتر از آن قرار خواهد گرفت.

بنابراین، اینتل سعی دارد عقب‌ماندگی‌اش را در دو بخش اصلی جبران کند: اول به‌عنوان طراحی بدون کارخانه که با انویدیا و AMD رقابت می‌کند و دوم به‌عنوان کارخانه‌ای که با TSMC رقابت می‌کند. کار اول ممنوعه به نظر می‌رسد. این شرکت در زمینه طراحی تراشه‌های هوش مصنوعی هنوز نقایص زیادی دارد. انتظار می‌رود میزان فروش تراشه‌های هوش مصنوعی گودی (Gaudi) این شرکت در سال جاری ۵۰۰ میلیون دلار باشد. فروش تراشه‌های هوش مصنوعی انویدیا هر سه ماه ۲۰ میلیارد دلار است.

علاوه‌براین موفقیت در بازار تراشه‌های هوش مصنوعی بیشتر از خود تراشه‌هاست. انویدیا تجهیزات شبکه‌ای می‌فروشد که صدها یا هزاران پردازنده ساخت این شرکت را به هم متصل می‌کند. همچنین CUDA پلتفرمی نرم‌افزاری دارد که به مشتریان اجازه می‌دهد تراشه‌ها را تنظیم کنند. آلن پریستلی (Alan Priestley)، یکی از کارکنان گارتنر (Gartner)، شرکتی تحقیقاتی، می‌گوید با‌توجه‌به سرمایه‌گذاری کم اینتل در حوزه هوش مصنوعی، این شرکت به‌سختی می‌تواند عقب‌ماندگی‌اش را جبران کند.

وقتی صحبت از وظیفه دوم، رشد کسب‌وکار کارخانه‌ای، می‌شود، باید بگوییم اینتل درحال انجام سرمایه‌گذاری‌های بزرگی است. این شرکت قصد دارد طی 5 سال آینده ۱۰۰ میلیارد دلار برای ساخت کارخانه‌های جدید و گسترش کارخانه‌های موجود خود در آمریکا هزینه کند. غول تراشه‌ساز برای تأمین منابع مالی لازم برای تحقق بلندپروازی‌هایش در وضعیت بدون رشد خود از منابع خلاقانه سرمایه استفاده می‌کند. آگوست ۲۰۲۲، بروکفیلد (Brookfield)، شرکت سرمایه‌گذار بزرگ زیرساخت، موافقت کرد ۴۹ درصد هزینه مرکز جدید ۳۰ میلیارد دلاری در آمریکا را تأمین کند. ژوئن امسال، آپولو (Apollo)، شرکت سرمایه‌گذاری خصوصی، نیز ۱۱ میلیارد دلار برای سهم مشابهی از کارخانه تراشه این شرکت در ایرلند پرداخت کرد. اینتل هم از ۸.۵ میلیارد دلار کمک مالی و تا ۱۱ میلیارد دلار وام از دولت آمریکا بهره‌مند شده است.

بااین‌حال مشکل اینجاست که باتوجه‌به درآمد کم اینتل از کسب‌وکار کارخانه‌ای و رشد اندک تقاضا برای محصولات اصلی‌اش، این شرکت باید به‌دنبال منابع جدید سرمایه باشد یا کمک‌های بیشتری بگیرد. شرکت اینتل و دولت آمریکا هر دو راه سختی پیش رو دارند.