چالش مقیاس پذیری

ارز دیجیتال زیلیکا؛ پروژه ای با ادعای افزایش مقیاس پذیری

زیلیکا (Zilliqa) اولین بلاک چین عمومی است که برای اجرا و پیاده سازی شاردینگ (sharding) طراحی شده است و با رشد اندازه بلاک چین، مقیاس پذیری خطی را امکان پذیر می سازد. تاکنون مقیاس پذیری برای فناوری های بلاک چین موجود، مشکل بوده است. در حال حاضر بیت کوین نمی تواند تمام تقاضاهای شبکه خود را پردازش کند و کارمزد تراکنش ها نیز بر این اساس افزایش یافته است. همین شرایط برای اتریوم نیز صادق است. به طوری که محدودسازی بازده آن به ازای مصرف گس زیاد برای قراردادهای هوشمند خواهد بود.

برای مثال، محبوبیت کریپتوکیتیز به طور چشمگیری سرعت اتریوم را کاهش داد و این موضوع بیانگر محدودیت این شبکه بود. زیلیکا (Zilliqa) اساسا نحوه دستیابی بلاک چین به اجماع را تغییر می دهد. راهکار شاردینگ زیلیکا با توجه به اندازه شبکه، مقیاس پذیر می شود. از نظر تئوری، در تعداد تراکنشی که زیلیکا می تواند در هر ثانیه پردازش کند محدودیتی وجود ندارد. از نظر عملی، بر اساس تعداد نودهای شبکه، زیلیکا می تواند ده ها یا صدها هزار تراکنش در ثانیه پردازش کند. زیلیکا هم چنین نوید پشتیبانی از قراردادهای هوشمند را می دهد. اجرای قرارداد هوشمند بر بستر شبکه شارد شده، چالش فنی مهم برای زیلیکا می باشد. در این مقاله به رویکرد زیلیکا در خصوص مقیاس پذیری تراکنش ها و قراردادهای هوشمند پرداخته شده است. هم چنین تیم زیلیکا و خط مشی آن ها بررسی خواهد شد.

حل مشکل مقیاس پذیری
بلاک چین مشکل مقیاس پذیری دارد. هرچه نود بیشتری در شبکه وجود داشته باشد، رسیدن به اجماع سخت تر خواهد شد. برای نشان دادن این موضوع بهتر است مقیاس پذیری اجماع را همانند مردم در نظر بگیریم: با حضور گروه کوچکی از دوستان نزدیک خود، تصمیم گیری ساده تر می باشد. ممکن است همواره با یکدیگر موافق نباشید اما از نظرات یکدیگر جویا می شوید. برای گروه بزرگ تری از مردم مانند سالنی پر از افراد، می توانید از حضار بخواهید برای سریعتر بیان کردن رای، دست های خود را بالا ببرند. اما شمارش آرا سخت تر می شود و نمی توان از صادقانه بودن آرا اطمینان حاصل کرد. با حضور گروه هزار یا میلیون نفری، به سیستم رای گیری پیچیده تری نیاز خواهید داشت که انرژی بیشتری لازم دارد. هم چنین نمی توانید مطمئن باشید که افراد، صادقانه عمل می کنند و دستیابی به جواب نهایی نیز سخت است. هرچند چالش مقیاس پذیری این تشبیه کاملا درست نمی باشد، با این حال می توانید پیچیده تر شدن اجماع بر اساس بزرگ تر شدن شبکه را متوجه شوید. سرعت و کیفیت اجماع و اندازه شبکه رابطه معکوس با یکدیگر دارند. با افزایش یکی از این دو مورد، دیگری کاهش می یابد. سایر راهکارها برای حل مقیاس پذیری بلاک چین بر انتقال بعضی از اطلاعات به خارج از زنجیره معطوف اند و یا به دنبال افزایش اندازه و حجم بلاک می باشند که بر تراکنش های بیشتری اجماع ایجاد می کند. این راهکارها ممکن است به طور موقت عمل کنند اما مشکل مقیاس پذیری را به صورت اساسی حل نمی کنند. برای حل این مشکل باید معماری کل سیستم را تغییر دهید زیرا سرعت اجماع و اندازه شبکه به طور مستقیم با یکدیگر در ارتباط اند.

پاسخ زیلیکا به مشکل مقیاس پذیری
زیلیکا راهی برای پردازش تراکنش های بیشتر با پیوستن نودهای بیشتر به شبکه یافته است. این راهکار شامل طراحی مجدد بلاک چین از ابتدا می باشد. مدل جدید زیلیکا پروتکل اجماع هیبرید یا ترکیبی را پیاده سازی می کند تا با پیوستن هر 600 نود جدید به شبکه، بازده شبکه نیز افزایش یابد. از نظر تئوری با پیوستن هر 600 نود، بازده زیلیکا با تقسیم کارها افزایش می یابد. از نظر عملی، در صورتی که شبکه بسیار بزرگ شود (بیش از یک میلیون نود) مشکلاتی در انتشار به وجود می آید. هر چند یک میلیون نود مقدار بسیار زیادی است که رسیدن به آن تقریبا غیر ممکن است. تا زمان تهیه این مقاله، بیت کوین حدود 11 هزار نود عملیاتی دارد. اتریوم که بزرگ ترین شبکه نودهای کامل است حدود 25 هزار نود دارد. شبکه های بیت کوین و اتریوم با ده ها هزار نود هم چنان می توانند فقط 3 الی 15 تراکنش در ثانیه پردازش کنند. در مقابل، آزمایش های اخیر بر بستر شبکه آزمایش خصوصی یا همان تست نت (آزمایش مجازی AWS) نشان داده است که بازده شبکه زیلیکا با حضور 1,800 نود، 1,218 تراکنش در ثانیه می باشد. با افزایش تعداد نودها به 3,600 نود، مقیاس پذیری شبکه زیلیکا تا 2,488 تراکنش در ثانیه افزایش می یابد.

شاردینگ: تقسیم کار در سراسر شبکه
زیلیکا چطور به این مقیاس پذیری دست می یابد؟
زیلیکا از راهکاری به اسم شاردینگ استفاده می کند. پروتکل زیلیکا (Zilliqa) تعداد نودهای استخراج کننده در شبکه را به گروه های 600 تایی تقسیم می کند. به هر گروه یک شارد گفته می شود. برای مثال، در شبکه آزمایشی فوق الذکر، با حضور 1,800 نود، شبکه آزمایشی خود را به 3 شارد تقسیم کرد. با حضور 3,600 نود، 6 شارد وجود داشت. با افزایش نودهای شبکه، زیلیکا می تواند شاردهای بیشتری ایجاد کند.

هر شارد بخشی از تراکنش های شبکه را پردازش می کنند. به صورت ساده تر می توان گفت اگر 6 شارد وجود داشته باشد، هر شارد تقریبا یک ششم تراکنش های شبکه را پردازش می کند. هرچه شارد بیشتری وجود داشته باشد، شبکه بار اجماع را به شاردهای بیشتری تقسیم می کند و تقاضای محاسباتی را تقریبا پایدار و با ثبات نگه می دارد. هر شارد، تراکنش مربوط به خود را در میکروبلاک و در موازات شاردهای دیگر پردازش می کند. در پایان دوره پردازش موازی که به آن DS epoch می گویند، این میکروبلاک ها ترکیب شده و به بلاک کامل تبدیل می شوند و سپس به بلاک چین اضافه می شوند.

کمیته DS: مدیریت شاردها
برای هر DS epoch چندین نود به صورت تصادفی انتخاب می شوند تا شاردهای مختلف را مدیریت کنند. این کمیته مدیریت که به آن کمیته DS می گویند، شبکه را کنترل و هدایت می کند. این کمیته تصمیم می گیرد که کدام نودها به کدام شارد اختصاص یابند. هنگامی که درخواست تراکنش جدید ارائه می شود، کمیته DS پردازش آن ها را به عهده شاردها می گذارد. کمیته DS در پایان DS epoch، بلاک کامل را از میکروبلاک های ایجاد شده توسط شاردها جمع آوری می کند.

اجماع نهایی: PoW + BFT
زیلیکا از مکانیزم اجماع هیبرید و ترکیبی استفاده می کند. هنگامی که برای بار اول ماینینگ را شروع می کنید، باید هش گواه اثبات کار (PoW) را کامل کنید. گواه اثبات کار به توان رایانشی و محاسباتی نیاز دارد که تضمین کند یک دستگاه فقط می تواند یک نود را کنترل کند. به این ترتیب PoW به زیلیکا در ایجاد هویت کمک می کند. ایجاد چندین هویت به منظور تسلط به شبکه یا همان حمله سیبل را برای عاملان سودجو و نامناسب سخت می کند. هرچند این شبکه از گواه اثبات کار برای اجماع استفاده نمی کند. پس از آنکه نود هویت خود را تایید کرد، به یک شارد اختصاص می یابد. در شاردها، زیلیکا (Zilliqa) از اجماع تحمل خطای بیزانس استفاده می کند. این اجماع بازدهی بیشتر و نتیجه نهایی دارد. نتیجه نهایی بدان معناست که اکثر نودهای شارد باید در مینی بلاک موافق باشند. پس از تایید بلاک توسط شاردها و کمیته DS، بلاک تایید شده تنها بلاکی است که می تواند به بلاک قبل از خود ارجاع داده شود. در مکانیزم اجماع با نتیجه نهایی، هیچگونه فورکی وجود ندارد. زیلیکا اولین دفتر کل توزیع شده ای نیست که از BFT استفاده می کند. هایپر لجر (Hyperledger)، تندرمینت (Tendermint) و نئو (NEO) نیز از نسخه چالش مقیاس پذیری های مختلف مکانیزم اجماع BFT استفاده می کنند.

قراردادهای جریان اطلاعات
تراکنش های شاردینگ تقریبا مستقیم و بدون پیچیدگی می باشند. می توانید به راحتی تاییدیه های تراکنش را به شاردهای مختلف اختصاص دهید. هر تاییدیه مستقل از سایر تاییدیه ها می باشد. نیازی به ارتباط بین شاردها وجود ندارد. این شرایط برای اجرای قراردادهای هوشمند و برنامه های غیرمتمرکز بر بستر بلاک چین شارد شده صادق نمی باشد. مشکل اینجاست که قراردادهای هوشمند اغلب بر بررسی سایر شرایط، متغیرها و توابع متکی اند. انجام این کار مستلزم وجود ارتباطات بسیار زیاد بین شاردها می باشد. این رفت و آمد پیام ها به پهنای باند و توان محاسباتی نیاز دارد که مزیت های شاردینگ را از بین می برد.

در نتیجه، قراردادهای زیلیکا (Zilliqa) بر جریان اطلاعات و برنامه نویسی کاربردی متمرکز است. این قراردادها، بررسی، ذخیره یا تغییر شرایط را امکان پذیر نمی کنند. این اجماع بیان می کند طرح شاردینگ ثابتی وجود ندارد که ایمن و مطلوب باشد. اگر اجازه دهید که قراردادها به طور مجزا در شرایط شارد شده مختلف اجرا شوند، احتمال هر نوع حمله یا ارتباطات بیش از حد بین شاردی وجود دارد. اتریوم در حال حاضر بر روی راهکار شاردینگ کار می کند. هرچند مشخص نیست که توسعه این برنامه تا کجا پیش رفته است. با این حال، زیلیکا هم چنان می تواند برای برنامه های غیرمتمرکزی که نیاز به بازدهی بالا دارند مورد استفاده قرار بگیرد. هر برنامه غیرمتمرکزی که به نرخ تراکنش بیشتری نسبت به بلاک چین فعلی خود نیاز دارد می تواند زیلیکا را به عنوان خانه خود برگزیند.

زبان جدید برنامه نویسی
به منظور استاندارد چالش مقیاس پذیری سازی و ایمنی هرچه بیشتر برنامه نویسی کاربردی، تیم زیلیکا زبان برنامه نویسی جدیدی با نام اسکالا (Scilla) توسعه داده است. اسکالا وضعیت و کاربرد را تفکیک می کند. این زبان، یک زبان برنامه نویسی کاربردی است که تمایزی بین جنبه های ارتباطی یک قرارداد، نظیر انتقال سرمایه یا فراخوانی قرارداد دیگر، و اقدامات محاسباتی قرارداد قائل می شود. این زبان جدید صرفا تورینگ (Turing) نمی باشد. این موضوع بدان معناست، از برنامه هایی که نیاز به نوع خاصی از چرخه ها یا بیانیه های مشروط دارند پشتیبانی نمی کند. این موضوع برای اهداف امنیتی بسیار مهم است. اثبات قراردادها باعث می شود کاربران بدانند که قراردادها به روش تایید هویت، ایمن می باشند. اسکالا (Scilla) بین قراردادهای کاربردی که زیلیکا از آن ها پشتیبانی می کند و قراردادهای وابسته به شرایط که در حال حاضر زیلیکا از آن ها پشتیبانی نمی کند تمایز ایجاد می کند.

توکن زیلیکا (ZIL)
زیلیکا برای اکوسیستم خود یک توکن مخصوص دارد. همانند سایر پلتفرم های برنامه غیرمتمرکز نظیر اتریوم یا نئو، توکن زیلیکا (ZIL) نیز به عنوان مشوق و جایزه ماینینگ، گس مورد نیاز برای انجام قراردادها و هزینه تراکنش ها مورد استفاده قرار می گیرد. توکن زیلیکا (ZIL)، توکن ERC-20 بر بستر بلاک چین اتریوم می باشد زیرا شبکه اصلی و عمومی زیلیکا هنوز عرضه نشده است. پس از عرضه شبکه اصلی، توکن ERC-20 به توکن های اصلی زیلیکا تبدیل خواهد شد. در اواخر سال 2017، زیلیکا 12 میلیون دلار به صورت اتر در جذب سرمایه خصوصی به دست آورد. پس از جذب سرمایه خصوصی، افزایش قیمت اتر منجر به این شد که 12 میلیون دلار به 20 میلیون دلار افزایش یابد. با رسیدن به این رقم، زیلیکا به جامعه خود گفت که دیگر به فروش عمومی نیازی نیست. هرچند به دلیل علاقه عمومی، زیلیکا در ژانویه 2018 تعداد 4,445 اتر به فروش عمومی اختصاص داد. توکن زیلیکا (ZIL) در حال حاضر در صرافی های هیوبی (Huobi)، اتردلتا و gate.io و آی دکس (Idex) وجود دارد.

تیم زیلیکا

تیم زیلیکا متخصصان و دکترهای علوم رایانه می باشند.

• ژینشو دانگ (Xinshu Dong) مدیرعامل زیلیکا فارغ التحصیل دوره دکترای علوم رایانه از دانشگاه ملی سنگاپور است. وی متخصص امنیت فضای مجازی و مسئول چندین پروژه امنیت ملی سنگاپور می باشد. تحقیقات او در کنفرانس ها و نشریات معتبر یه چاپ رسیده است.
• پراتیک ساکسنا (Prateek Saxena) مشاور ارشد علمی زیلیکا است. وی دارای مدرک چالش مقیاس پذیری دکترا در علوم رایانه از دانشگاه کالیفرنیا می باشد. او اکنون پروفسور و استاد علوم رایانه دانشگاه ملی سنگاپور است.
• آمریت کومار (Amrit Kumar) سرپرست پروژه کریپتو است. وی عضو تیم تحقیقاتی دانشگاه ملی سنگاپور می باشد. کومار فارغ التحصیل دوره دکترا از دانشگاه گرنوبل فرانسه است و دارای دیپلم مهندسی از دانشگاه پلی تکنیک اکول فرانسه می باشد.
• هیئت مشاوره زیلیکا شامل اشخاص مشهور حوزه بلاک چین می باشند که عبارتند از: لوی لو موسس شبکه کایبر (Kyber). وینسنت ژو موسس شرکت کپیتال FBG. نیکولای اوستر از شرکت AG. الکساندر لیپتون موسس و مدیرعامل استرانگ هولد لبز (StrongHold Labs).

نتیجه گیری
مقیاس پذیری هم چنان مشکلی برای فناوری های دفترکل توزیع شده و بلاک چین باقی خواهد ماند. زیلیکا پروژه مهمی است که به مسائل مقیاس پذیری می پردازد. این چالش مقیاس پذیری پلتفرم می تواند توسعه مهمی در حوزه بلاک چین باشد. به طور گسترده تر می توان انتظار داشت که پیشرفت های متن باز زیلیکا در فناوری شاردینگ برای سایر پروژه های بلاک چین در سال های آتی مورد استفاده قرار گیرد.

تعریف مقیاس تولید | مفهوم صرفه جویی ناشی از مقیاس

مقیاس (Scale) و صرفه جویی ناشی از مقیاس (Economies of Scale) دو اصطلاح کلیدی در مدیریت و کسب و کار محسوب می‌شوند.

با وجودی که اغلب ما، معنی این دو اصطلاح را می‌دانیم و می‌توانیم حدس بزنیم، به علت اهمیت آن‌ها، یک درس را به طور ویژه به مفهوم مقیاس و صرفه جویی ناشی از مقیاس اختصاص داده‌ایم.

مقیاس و حجم تولید

منظور از مقیاس یک کسب و کار، بزرگی و حجم یک کسب و کار است که معمولاً بر اساس شاخص‌هایی مانند تعداد محصول یا تعداد مشتریان یک کسب و کار سنجیده می‌شود:

آرایشگاهی را در نظر بگیرید که روزانه به طور متوسط به بیست نفر خدمات ارائه می‌دهد.

اگر این آرایشگاه روند فعالیت‌های خود را به گونه‌ای تغییر دهد که بتواند خدمات خود را روزانه به شصت نفر ارائه دهد، می‌تواند بگوید مقیاس خود را بزرگ (۳ برابر) کرده است.

کارخانجات و واحدهای تولیدی، معمولاً مقیاس را بر اساس حجم تولید خود بیان می‌کنند. مثلاً ممکن است یک خودروساز می‌گوید: در منطقه، هیچ خودروساز دیگری در مقیاس ما، با تولید سالانه یک میلیون دستگاه خودرو، وجود ندارد.

استفاده از حجم تولید به عنوان مقیاس آن‌قدر رایج است که بسیاری از صنعت‌گران و فعالان کسب و کار، این دو واژه را به عنوان مترادف یکدیگر در نظر می‌گیرند.

اما در راستای بحث‌ ظرافت کلامی که در متمم همواره بر آن تأکید داریم، خوب است به این نکته توجه داشته باشید که:

اصطلاح مقیاس معمولاً هنگام مقایسه و تعیین جایگاه یک کسب و کار در میان رقبای خود (یا در مقایسه با گذشته‌ی خودش) به‌کار می‌رود و معمولاً در تغییرات بزرگ به آن اشاره می‌شود.

به این چهار جمله توجه کنید:

• طی دهه‌ی گذشته، مقیاس کسب و کار ما تغییر کرد: حجم تولید روزانه‌ی ما از ۱۰۰ تن به ۵۰۰ تن افزایش یافت.
• اگر قصد داریم کارخانه‌ی خود را با کارخانه‌های رقیب مقایسه کنیم، منطقی است رقیبانی را در نظر بگیریم که در مقیاس خودمان فعالیت می‌کنند.
• مقیاس کسب و کارما نسبت به سال گذشته تغییر کرده است. آن زمان، روزانه ۱۰ تماس تلفنی داشتیم و اکنون، هر روز ۱۰۰ تماس را پاسخ می‌دهیم.
• ما با این مقیاساز فعالیت، نمی‌توانیم به صادرات فکر کنیم.

اما در جمله‌های زیر، استفاده از حجم تولید مناسب‌تر است:

• به علت کمبود مواد اولیه، حجم تولید ما ۲۰٪ نسبت به سال گذشته کاهش داشت.
• حجم تولید ما در حال حاضر، ۴۰۰۰ واحد محصول در روز است.
• اگر بتوانیم دستگاهی را که به تازگی خریده‌ایم راه‌اندازی کنیم، حجم تولیدمان ۳۰٪ افزایش خواهد یافت.

تعریف صرفه جویی ناشی از مقیاس

صرفه جویی ناشی از مقیاس (Economy of Scale) که گاهی آن را به صورت صرفه به مقیاس هم می‌گویند و می‌نویسند، به صرفه‌جویی‌های ناشی از افزایش مقیاس یک کسب و کار اشاره دارد:

به عنوان مثال، می‌دانیم در صنعتی مثل تولید خودرو، ده برابر شدن ظرفیت تولید، می‌تواند به کاهش چشم‌گیر هزینه‌ی تمام شده‌ی هر واحد محصول تبدیل شود.

اما از یک ساندویچ‌فروشی انتظار نداریم با ده برابر شدن میزان تولید ساندویچ، در حد و اندازه‌ی صنعت خودرو، صرفه‌جویی اقتصادی را تجربه کند.

توجه داشته باشید که صرفه جویی ناشی از مقیاس یک مفهوم مطلق نیست و کاملاً به صورت نسبی سنجیده می‌شود.

اگر می‌گوییم صرفه جویی ناشی از مقیاس در یک صنعت کم یا زیاد است، حتماً آن را در ذهن خود با صنعت دیگری مقایسه کرده‌ایم.

در مواردی که ممکن است مخاطب حرف شما را به شکل درست برداشت نکند، بهتر است مشخص کنید که معیار مقایسه‌ی شما چه صنعت یا صنایعی هستند.

هزینه های ثابت در مقابل هزینه های متغیر

ناگفته پیداست که وقتی از کاهش هزینه‌ها در اثر افزایش مقیاس صحبت می‌کنیم، به هزینه‌های ثابت در یک کسب و کار توجه داریم.

هزینه های ثابت (Fixed Costs) بر خلاف هزینه های متغیر (Variable Costs) به سادگی با تغییر حجم فعالیت‌ها، تغییر نمی‌کنند.

مثلاً اجاره‌‌ی یک سوله که از آن برای مونتاژ قطعات محصول یک کارخانه استفاده شود، مستقل از تعداد دستگاه‌هایی که روزانه در آن‌جا مونتاژ می‌شود، ثابت است.

هم‌چنین یک دفتر خدمات گردشگری، مستقل از این‌که چند مشتری در روز داشته باشد، باید هزینه‌ی ثابتی را به اجاره‌ی دفتر خود اختصاص دهد.

در مقابل، میزان انرژی مصرفی در یک کارخانه، و نیز مواد مصرفی در یک رستوران، تا حد زیادی وابسته به حجم تولید است.

حتماً به این نکته هم توجه دارید که ثابت و متغیر بودن هزینه‌ها، یک مفهوم مطلق نیستند. مثلاً ما می‌گوییم حجم فولاد مصرفی برای تولید خودرو، هزینه‌ی متغیر است و هزینه‌ی خرید یا اجاره‌ی سالن تولید، هزینه‌‌ای ثابت است.

در عین حال، می‌دانیم که اگر ظرفیت تولید خودروسازی را ۱۰ برابر کنیم، تعداد سالن‌های بیشتری هم لازم خواهیم داشت.

به همین علت، در اقتصاد مدیریت، با یک تعریف دقیق‌تر، کمی از این ابهام فاصله می‌گیرند:

هزینه‌ی ثابت، هزینه‌ای است که با افزایش یک واحد بیشتر از محصول، تغییر نکند.

در مقابل، سرفصل‌های متغیر هزینه‌ای، حتی با افزایش یک واحد به حجم تولید، افزایش پیدا می‌کنند.

بر اساس آن‌چه تا کنون گفتیم، می‌توانیم توضیح مربوط به صرفه جویی ناشی از مقیاس را تکمیل‌تر کنیم:

با افزایش سهم هزینه‌های ثابت در کل هزینه‌ها، صرفه‌جویی ناشی از مقیاس افزایش می‌یابد.

زیرا با افزایش مقیاس، هزینه‌های ثابت، میان محصولات تولید شده سرشکن می‌شوند و هزینه‌ی تمام شده، کاهش پیدا می‌کند.

تمرین درس صرفه جویی ناشی از مقیاس

در این درس، اجاره محل کسب و کار به عنوان یکی از هزینه‌های ثابت اشاره شد. چه عوامل دیگری را در ذهن دارید که می‌توانند در یک کسب و کار، هزینه‌ی ثابت جدی تلقی شوند؟

غیر از سرشکن شدن هزینه‌های ثابت، افزایش مقیاس با چه مکانیزم‌های دیگری ممکن است هزینه‌ها را کاهش دهد؟

مثال و راهنمایی: افزایش حجم خرید مواد اولیه می‌تواند قدرت چانه‌زنی برای دریافت تخفیف‌های بیشتر را افزایش دهد.

شما با عضویت ویژه در متمم، می‌توانید به درس‌ها و آموزش‌های بسیاری از جمله موضوعات زیر دسترسی کامل داشته باشید:

موضوعات زیر، برخی از درس‌هایی هستند که در متمم آموزش داده می‌شوند:

دوره MBA (یادگیری منظم درس‌ها)

اگر با فضای متمم آشنا نیستید و دوست دارید درباره‌ی متمم بیشتر بدانید، می‌توانید نظرات دوستان متممی را درباره‌ی متمم بخوانید و ببینید متمم برایتان مناسب است یا نه. این افراد کسانی هستند که برای مدت طولانی با متمم همراه بوده و آن را به خوبی می‌شناسند:

ترتیبی که متمم برای خواندن مطالب سری نکات آکادمیک کارآفرینی به شما پیشنهاد می‌کند:

چند مطلب پیشنهادی از متمم:

برخی از سوالهای متداول درباره متمم (روی هر سوال کلیک کنید)

متمم مخففِ محل توسعه مهارتهای من است؛ یک فضای آموزشی آنلاین برای بحث‌های مهارتی و مدیریتی.

برای کسب اطلاعات بیشتر می‌توانید به صفحه‌ی درباره متمم مراجعه کنید.

ما برای هر یک از درس‌های متمم، یک نقشه راه داریم که به یادگیری آن درس کمک می‌کند.

می‌توانید با مراجعه‌ به صفحه‌ نقشه راه یادگیری، عنوان درس‌های مختلف متمم را ببینید.

همچنین می‌توانید دوره MBA متمم را ببینید.

شما می‌توانید بدون پرداخت پول در متمم به عنوان کاربر آزاد عضو شوید. اما به چیزی در حدود نصف درسهای متمم دسترسی خواهید داشت.

پیشنهاد ما این است که پس از ثبت نام به عنوان کاربر آزاد، با خرید اعتبار به کاربر ویژه تبدیل شوید.

اعتبار را می‌توانید به صورت ماهیانه (۷۴ هزار تومان)، فصلی (۱۹۰ هزار تومان)، نیم‌سال (۳۴۵ هزار تومان) و یکساله (۵۸۵ هزار تومان) بخرید.

برای اطلاعات بیشتر لطفاً به صفحه‌ی ثبت نام مراجعه کنید.

مجموعه گسترده و متنوعی از فایلهای صوتی رایگان در چالش مقیاس پذیری رادیو متمم ارائه شده که می‌توانید هر یک از آنها را دانلود کرده و گوش دهید.

۱۲۶ نظر برای تعریف مقیاس تولید | مفهوم صرفه جویی ناشی از مقیاس

پرطرفدارترین دیدگاه به انتخاب متممی‌ها در این بحث

نویسنده‌ی دیدگاه : امید محمدی

چه عوامل دیگری را در ذهن دارید که می توانند در یک کسب و کار، هزینه ی ثابت جدی تلقی شوند؟

1- هزینه فرصت از دست رفته. هزینه ای که معمولن خیلی از صاحبان کسب و کارها نادیده می گیرن. اینکه من با این سرمایه، وقت و انرژی ای که گذاشتم، اگر سراغ انتخاب دومم می رفتم، چقدر درامد کسب می کردم.

2- هزینه نیروی ماهر، در جایی که دسترسی به این نیروها دشواره. زمانی که کارگاه مبل سازیم رو از تهران به شهر خودمون منتقل کردم، با یک مشکل خیلی بزرگ روبرو شدم. نبود نیروی کار ماهر. در شعاع پنجاه کیلومتری شهر ما، هیچ کارگر ماهر مبل سازی نیست. تا شعاع صد و پنجاه کیلومتری هم تعدادشون خیلی کمه. در نتیجه من مجبور شدم خودم کار آموزش به همکارام رو انجام بدم. جدای از هزینه های مادی مثل هدر دادن چوب و خراب کردن ابزار کار، آموزش همزمان به چند نفر نیروی بی تجربه و اصطلاحن صفر کیلومتر، از لحاظ جسمی و روحی من رو به شدت فرسوده کرد. اونهم در شرایطی که از طرف مشتریهام بخاطر تحویل به موقع سفارشاتشون تحت فشار بودم. با تحمل مشکلات خیلی زیاد تونستم ظرف مدت دو سال ده نفر رو آموزش بدم و کارم کاملن روی غلتک افتاده بود. از اوایل سال نود و شش باز وارد رکود شد. سفارشات ماه به ماه کمتر میشد.حجم سفارشات به جایی رسید که با دو سه نفر هم میشد کار رو پیش برد. اما من از تعدیل نیرو کردن می ترسیدم. می ترسیدم اگه عذر این چند نفر رو بخوام، اونا برن و جای دیگه مشغول به کار بشن، و من زمانی که بازار دوباره رونق بگیره مجبور بشم مسئولیت دشوار آموزش نیروها رو دوباره به دوش بکشم.تمام پس اندازم رو برای خرید چوب هزینه چالش مقیاس پذیری کردم و بدون داشتن سفارش، کار تولید کردیم. وارد کارهایی مثل تولید کندوی زنبور عسل و پالت سازی شدم. بخاطر بی تجربه بودن در این زمینه ها ضرر کردم. اما اصرار داشتم که این نیروها رو تحت هر شرایطی حفظ کنم. این فقط تجربه من نیست، خیلی از تولید کننده ها در شهرهای کوچک این مشکل رو دارن. حتی اگه تولیدشون به نصف و یا یک چالش مقیاس پذیری سوم هم کاهش پیدا کنه، باز نیروهای ماهرشون رو حفظ میکنن. روی کاغذ هزینه منابع انسانی هزینه متغیر محسوب میشه. اما کسی که در اینگونه شرایط قرار میگیره می دونه که گاهی اوقات هزینه دستمزد نیروی ماهر تبدیل به هزینه ثابت میشه.

3- هزینه حمل و نقل، در شرایطی که تحویل کالا یا خدمات باید در بازه های زمانی خاصی انجام بگیره. هزینه سوخت و استهلاک و دستمزد پرسنل، در سیستم اتوبوسرانی ، ریلی و هوایی ، هزینه ثابتیه، چه یک مسافر داشته باشن، چه ظرفیتشون تکمیل باشه. در خیلی از کسب و کارها، از جمله کسب و کار من ، این هزینه ثابت وجود داره. بسته به میزان فروش، از دستی سی هزار تومن تا دستی چهار صد هزار تومن هزینه ارسال کلاف مبل به تهران رو پرداخت کردم.
غیر از سرشکن شدن هزینه های ثابت، افزایش مقیاس با چه مکانیسم های دیگری ممکن است هزینه ها را کاهش دهد؟

1- در کسب و کارهای کوچک، کارافرین ها معمولن خودشون خیلی از کارها رو انجام میدن. من بخاطر صرفه جویی در هزینه ها، کار وکیل ، حسابدار، بازاریاب، تعمیرکار دستگاه و خیلی کارهای دیگه رو خودم انجام میدادم. جدای از کم شدن تمرکز و پایین اومدن بازدهی کاری ، ضررهای زیادی رو هم بخاطر این مسئله متحمل شدم. افزایش مقیاس در کسب و کارهای کوچک باعث استخدام نیروهای متخصص در این زمینه ها میشه، و با کاهش زیان و افزایش بازدهی ، موجب کاهش هزینه ها میشه.

2-افزایش مقیاس میتونه منجر به افزایش اعتبار بشه. مشتریها به کسب و کارهای بزرگتر و پر رونق تر ، زودتر و بیشتر اعتماد میکنن. این مسئله باعث کاهش متوسط هزینه تبلیغات و بازاریابی میشه.

3- مواردی مثل هزینه میانگین سرویس رفت و برگشت و وعده ی غذایی کارکنان، به شرطی که درست مدیریت بشه، در مقیاس بالاتر کاهش پیدا میکنه.

ضرورت توجه به اصل مقیاس‌پذیری بسیار دیده می شود

فرآیند رشد به‌قدری پیچیده است که اگر به‌درستی درخصوص آن عمل نشود، نه فقط موجب رشد کسب‌وکار نمی‌شود، بلکه می‌تواند به چالشی جدید هم چالش مقیاس پذیری تبدیل شود.

کسب‌وکارها معمولا با ایده‌ای از سوی صاحبان آنها فعالیت خود را آغاز می‌کنند و به‌تدریج با ورود به مرحله اجرا با چالش‌ها و مخاطراتی روبه‌رو می‌شوند که ممکن است با مقاومت آن کسب و کار، فعالیت‌ها تداوم پیدا ‌ کند یا منجر به خروج کسب‌وکار از چرخه فعالیت ‌شود. فارغ از آن‌که ایده اولیه تا چه حد درخشان باشد، تنها نیمی از کسب‌وکارها موفق می‌شوند با عبور از چالش‌ها به مرحله جدیدی به نام «افزایش مقیاس»(Scale Up) برسند. اما در همین مرحله نیز کسب‌وکار با چالش جدیدی مواجه می‌شود و آن چگونگی رشد یافتن یا همان مقیاس‌پذیری است. فرآیند رشد به‌قدری پیچیده است که اگر به‌درستی درخصوص آن عمل نشود، نه فقط موجب رشد کسب‌وکار نمی‌شود، بلکه می‌تواند به چالشی جدید هم تبدیل شود.

با توجه به شرایط خاص چالش مقیاس پذیری کسب‌وکارهای فعال در زیست‌بوم فناوری و نوآوری کشور و تأثیرگذاری بالای آنها در زمینه‌های مختلف اقتصاد کشور، توجه به امکان مقیاس‌پذیری و عبور کسب‌وکارها از این نقطه عطف، بسیار مهم است. اهمیت این موضوع از آنجا نشأت می‌گیرد که بیش از ۶۰درصد کسب‌وکارهایی که در زیست‌بوم نوآوری و فناوری کشور در حال فعالیتند، علی رغم آن که در حال تلاش برای رشد و توسعه هستند، با توجه به عدم قطعیت و نرخ شکست بالای این زیست‌بوم، به جای رشد با شکست روبه‌رو می‌شوند. اما با چه راهکارهایی می‌توان از این مرحله با موفقیت عبور کرد؟ کسب‌وکارها به دلیل ماهیتی که دارند به‌شدت تحت‌تأثیر بنیان‌گذار اولیه، منابع و شبکه ارتباطی خود هستند. در واقع کسب‌وکاری که در حوزه فناوری پیشرفته مشغول فعالیت است، اگر بخواهد در بازار پررقابت موجود دوام داشته باشد، باید ساز و کار انعطاف‌پذیری را در نظر بگیرد که ویژگی‌های محیط رقابتی هم در آن لحاظ شده باشد. همچنین بتواند نیازهای متنوع مشتری هدف را با خدمات هوشمند، کیفیت بالا و متناسب با شرایط رقابتی برآورده کند.
کارآفرینان هم با ورود به مرحله رشد باید در نظر داشته باشند که برای مقیاس‌پذیر بودن باید به‌تدریج منابع قابل‌توجهی را به منابع موجود خود اضافه کنند. همچنین فرآیندهای جدید و شرکای مناسب برای عبور از مرحله رشد و آینده چرخه حیات کسب‌وکارشان پیش‌بینی کنند. البته باید توجه داشت که تامین مالی به تنهایی موثر نیست و شرکت‌ها و کسب‌وکارهایی که فقط تامین مالی خوبی کرده باشند، الزاما نمی‌توانند رشد را تجربه کنند. اتفاقا برخی از شرکت‌هایی که شکست می‌خورند، مشکلی از نظر تامین مالی ندارند؛ در واقع تامین مالی شاید یک شرط لازم باشد اما شرط کافی نیست و توجه بیش از حد به عنصر تامین مالی می‌تواند یکی از دلایل شکست استارت‌آپ‌ها و عدم افزایش مقیاس مناسب آنها باشد.
نکته مهم دیگر تعجیل در رشد است. در مقیاس‌پذیری مناسب باید همه مراحل در زمان خودش صورت بگیرد و تلاش برای افزایش مقیاس و رشد زودهنگام، همچنین تلاش برای به دست آوردن رهبری بازار، قبل از این‌که اساس و بنیان خوب و محکمی برای آن موضوع آماده شود، در بیشتر موارد باعث شکست می‌شود چراکه حجم معاملات، فرآیندها و سیستم‌های داخلی آن‌قدر زیاد می‌شود که از ظرفیت زیرساخت آماده‌شده فراتر می‌رود و موجب شکست استارت‌آپ‌ها می‌شود. به عبارت دیگر غیر از منابعی که باید به‌تدریج تزریق شود، قابلیت‌های کسب‌وکارها هم باید توسعه داده شود. توسعه دادن، آموزش دیدن و توانمند شدن برای غلبه بر پیچیدگی‌های چالش‌های آینده‌ای که کسب و کار با آنها مواجه می‌شود، از الزاماتی است که کسب‌وکارهای زیست‌بوم فناوری و نوآوری کشور باید در برنامه مقیاس‌پذیری خودشان مورد توجه قرار دهند. درحقیقت مقیاس‌پذیری کسب و کار یک حقیقت است که باید از همان ابتدا در موردش فکر شود؛ وقتی کسب‌وکار در مرحله رشد قرار می‌گیرد، تازه با چالشی مواجه می‌شود اگر به‌خوبی از قبل روی آن برنامه‌ریزی شده باشد، می‌تواند چالشی بسیار شیرین باشد وگرنه تبدیل به مرحله تلخی می‌شود که گذر از آن یا ناممکن است یا هزینه‌های بسیار سنگینی برای استارتاپ و کسب و کار خواهد داشت.

شناسایی و اولویت‌بندی چالش‌های پیاده‌سازی تکنولوژی بلاک‌چین در زنجیره تأمین: رویکرد گروهی BWM بیزین

1 گروه مدیریت صنعتی، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، مازندران، ایران.

2 گروه تحقیق در عملیات، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

چکیده

هدف: امروزه ظهور تکنولوژی بلاک‌چین نحوه انجام معاملات تجاری، اندازه و حوزه‌های مختلف سازمان‌ها را دگرگون ساخته است. یکی از این حوزه‌ها زنجیره تأمین است که دارای ذی‌نفعان متعددی بوده و بلاک‌چین با ویژگی‌های خاص خود پاسخی مؤثر به چالش‌های متنوع این حوزه است. پیادهسازی این تکنولوژی همانند سایر تکنولوژی‌ها دارای چالش‌های زیادی است. ازاین‌رو برای استفاده اثربخش از بلاک‌چین، این چالش‌ها باید به‌دقت شناسایی و تجزیه‌وتحلیل شوند تا تأثیرات منفی آن‌ها به حداقل برسند. در این راستا هدف پژوهش حاضر شناسایی و اولویت‌بندی چالش‌های پیادهسازی تکنولوژی بلاک‌چین در زنجیره تأمین بر پایه روش BWM بیزین به‌عنوان یکی از نوین‌ترین روش‌های تصمیم‌گیری چندشاخصه گروهی است.
روش‌شناسی پژوهش: در ابتدا پس از بررسی ادبیات پژوهش، چالش‌ها شناسایی شدند. سپس با بهره‌گیری از روش BWM بیزین به تعیین اهمیت این چالش‌ها در مورد مطالعاتی پرداخته شد.
یافته‌ها: نتایج حاکی از آن بود که چالش‌های امنیت، فنی و سازمانی به ترتیب مهم‌ترین چالش‌های شرکت در پیاده‌سازی این تکنولوژی هستند. همچنین در بین تمامی زیرشاخص‌های چالش‌های پژوهش، زیرشاخص‌های مقیاس‌پذیری ضعیف، حریم خصوصی/ محرمانه بودن اطلاعات و حملات سایبری به ترتیب از بالاترین اهمیت برخوردار بودند.
اصالت/ارزش‌افزوده علمی: در این پژوهش به بررسی چالش‌های فناوری بلاک‌چین به‌عنوان یک فناوری نوین در زنجیره‌های تأمین با بهره‌گیری از یکی از نوین‌ترین روش‌های تصمیم‌گیری چندشاخصه گروهی (BWM بیزین) پرداخته شد و بر اساس نتایج پژوهش، پیشنهادهای اجرایی و پژوهشی ارائه گردید.

کلیدواژه‌ها

عنوان مقاله [English]

Identifying and Prioritizing Challenges of Implementing Blockchain Technology in the Supply Chain: A Bayesian BWM Group-Based Approach

نویسندگان [English]

• Seyyedeh Fatemeh Aghajani Mir 1
• Fatemeh Zahra Rajabi kafshgar 1
• Alireza Arab 2

1 Department of Industrial Management, Faculty of Economics and Administration, University of Mazandaran, Mazandaran, Iran.

2 Department of Operations Research, Faculty of Management, University of Tehran, Tehran, Iran.

چکیده [English]

Purpose: Today, the advent of blockchain technology has changed the way businesses do business, the size and scope of different organizations. One of these areas is the supply chain, which has many stakeholders, and blockchain, with its unique features, effectively responds to the various challenges in this area. Implementing this technology, like other technologies, has many challenges. Hence, these challenges must be carefully identified and analyzed to minimize their adverse impacts to use this technology effectively. In this regard, the present study aims to identify and prioritize the challenges of implementing blockchain technology in the supply chain based on the Bayesian BWM as one of the newest multiple attribute group decision-making methods.
Methodology: At first, after reviewing the research literature, the challenges were identified. Then, the Bayesian BWM method determined the importance of these challenges in the case study.
Findings: The results showed that security, technical and organizational challenges are the most important challenges for the company in implementing this technology, respectively. Also, among all sub-indicators of research challenges, poor scalability, privacy/confidentiality of the information, and cyberattacks have the most importance, respectively.
Originality/Value: This study studied the challenges of implementing blockchain technology as a new technology in supply chains using one of the newest multiple attribute group decision-making methods (Bayesian BWM). Based on the research results, practical and research suggestions were presented

کلیدواژه‌ها [English]

• Blockchain
• Challenge
• Multiple attribute decision-making
• Bayesian BWM
• Supply chain
• Scalability

مراجع

Beck, R., Müller-Bloch, C., & King, J. L. (2018). Governance in the blockchain economy: a framework and research agenda. Journal of the association for information systems, 19(10), 1020-1034.

Böhme, R., Christin, N., Edelman, B., & Moore, T. (2015). Bitcoin: economics, technology, and governance. Journal of economic perspectives, 29(2), 213-238.

Bumblauskas, D., Mann, A., Dugan, B., & Rittmer, J. (2020). A blockchain use case in food distribution: چالش مقیاس پذیری Do you know where your food has been?. International Journal of Information Management, 52, 102008. https://doi.org/10.1016/j.ijinfomgt.2019.09.004

Cermeño, J. S. (2016). Blockchain in financial services: regulatory landscape and future challenges for its commercial application. BBVA research paper, 16(20), 1-33.

Coyne, J. G., & McMickle, P. L. (2017). Can blockchains serve an accounting purpose?. Journal of emerging technologies in accounting, 14(2), 101-111.

Drljevic, N., Aranda, D. A., & Stantchev, V. (2020). Perspectives on risks and standards that affect the requirements engineering of blockchain technology. Computer standards & interfaces, 69, 103409. https://doi.org/10.1016/j.csi.2019.103409

Dutta, P., Choi, T. M., Somani, S., & Butala, R. (2020). Blockchain technology in supply chain operations: applications, challenges and research opportunities. Transportation research part E: logistics and transportation review, 142, 102067. https://doi.org/10.1016/j.tre.2020.102067

Guo, S., Zhang, W., & Gao, X. (2020). Business risk evaluation of electricity retail company in China using a hybrid MCDM method. Sustainability, 12(5), 2040. https://doi.org/10.3390/su12052040

Hawlitschek, F., Notheisen, B., & Teubner, T. (2018). The limits of trust-free systems: a literature review on blockchain technology and trust in the sharing economy. Electronic commerce research چالش مقیاس پذیری and applications, 29, 50-63.

Helo, P., & Hao, Y. (2019). Blockchains in operations and supply chains: a model and reference implementation. Computers & industrial engineering, 136, 242-251.

Hewa, T., Ylianttila, M., & Liyanage, M. (2020). Survey on blockchain based smart contracts: applications, opportunities and challenges. Journal of network and computer applications, 102857. https://doi.org/10.1016/j.jnca.2020.102857

Holub, M., & Johnson, J. (2018). Bitcoin research across disciplines. The information society, 34(2), 114-126.

Hughes, L., Dwivedi, Y. K., Misra, S. K., Rana, N. P., Raghavan, V., & Akella, V. (2019). Blockchain research, practice and policy: Applications, benefits, limitations, emerging research themes and research agenda. International journal of information management, 49, 114-129.

Janssen, M., Weerakkody, V., Ismagilova, E., Sivarajah, U., & Irani, Z. (2020). A framework for analysing blockchain technology adoption: integrating institutional, market and technical factors. International journal of information management, 50, 302-309.

Kalpoe, R. (2020). Technology acceptance and return management in apparel e-commerce. Journal of supply chain management science, 1(3-4). https://doi.org/10.18757/jscms.2020.5454

Kim, K., & Kang, T. (2017, March). Does technology against corruption always lead to benefit? the potential risks and challenges of the blockchain technology. Paper submitted to OECD’s anti-corruption and integrity forum. Retrieved from https://www.semanticscholar.org/paper/Does-Technology-Against-Corruption-Always-Lead-to-Kim-Kang/766de80c483ccfbd56936cc03ec82f58760284c0

Kouhizadeh, M., Saberi, S., & Sarkis, J. (2021). Blockchain technology and the sustainable supply chain: theoretically exploring adoption barriers. International journal of production economics, 231, 107831. https://doi.org/10.1016/j.ijpe.2020.107831

Kshetri, N. (2017). Potential roles of blockchain in fighting poverty and reducing financial exclusion in the global south. Journal of global information technology management, 20(4), 201–204.

Lacity, M. C. (2018). Addressing key challenges to making enterprise blockchain applications a reality. MIS quarterly executive, 17(3), 201-222.

Li, N., Zhang, H., Zhang, X., Ma, X., & Guo, S. (2020). How to select the optimal electrochemical energy storage planning program? A hybrid MCDM method. Energies, 13(4), 931. https://doi.org/10.3390/en13040931

Lim, M. K., Li, Y., Wang, C., & Tseng, M. L. (2021). A literature review of blockchain technology applications in supply chains: a comprehensive analysis of themes, methodologies and industries. Computers & industrial engineering, 154 107133. https://doi.org/10.1016/j.cie.2021.107133

Litke, A., Anagnostopoulos, D., & Varvarigou, T. (2019). Blockchains for supply chain management: architectural elements and challenges towards a global scale deployment. Logistics, 3(1), 5. https://doi.org/10.3390/logistics3010005

Lu, Q., Xu, X., Liu, Y., Weber, I., Zhu, L., & Zhang, W. (2019). uBaaS: a unified blockchain as a service platform. Future generation computer systems, 101, 564-575.

Mohammadi, M., & Rezaei, J. (2020). Bayesian best-worst method: a probabilistic group decision making model. Omega, 96, 102075. https://doi.org/10.1016/j.omega.2019.06.001

Nakamoto, S. (2008). Bitcoin: a peer-to-peer electronic cash system. Decentralized business review, 21260. https://www.debr.io/article/21260.pdf

Özkan, B., Kaya, İ., Erdoğan, M., & Karaşan, A. (2019, July). Evaluating blockchain risks by using a MCDM methodology based on pythagorean fuzzy sets. International conference on intelligent and fuzzy systems (pp. 935-943). Springer, Cham.

Rezaei, J. (2016). Best-worst multi-criteria decision-making method: Some properties and a linear model. Omega, 64, 126-130.

Saberi, S., Kouhizadeh, M., Sarkis, J., & Shen, L. (2019). Blockchain technology and its relationships to sustainable supply chain management. International journal of production research, 57(7), 2117-2135.

Sanka, A. I., Irfan, M., Huang, I., & Cheung, R. C. (2021). A survey of breakthrough in blockchain technology: adoptions, applications, challenges and future research. Computer communications, 169, 179-201.

Sheikh, H., Azmathullah, R. M., & Rizwan, F. (2019). A blockchain-based platform transforms e-commerce perspective into a decentralized marketplace. International journal of management, technology and engineering, 9(2), 777-784.

Upadhyay, A., Mukhuty, S., Kumar, V., & Kazancoglu, Y. (2021). Blockchain technology and the circular economy: implications for sustainability and social responsibility. Journal of cleaner production, 126130. https://doi.org/10.1016/j.jclepro.2021.126130

Vujović, V., Denić, N., Stevanović, V., Stevanović, M., Stojanović, J., Cao, Y., . & Radojkovic, I. (2020). Project planning and risk management as a success factor for IT projects in agricultural schools in Serbia. Technology in society, 63, 101371. https://doi.org/10.1016/j.techsoc.2020.101371

Yadav, V. S., Singh, A. R., Raut, R. D., & Govindarajan, U. H. (2020). Blockchain technology adoption barriers in the Indian agricultural supply chain: an integrated approach. Resources, conservation and recycling, 161, 104877. https://doi.org/10.1016/j.resconrec.2020.104877

Yang, J. J., Chuang, Y. C., Lo, H. W., & Lee, T. I. (2020). A two-stage MCDM model for exploring the influential relationships of sustainable sports tourism criteria in Taichung City. International journal of environmental research and public health, 17(7), 2319. https://doi.org/10.3390/ijerph17072319

Yang, J. J., Lo, H. W., Chao, C. S., Shen, C. C., & Yang, C. C. (2020). Establishing a sustainable sports tourism evaluation framework with a hybrid multi-criteria decision-making model to explore potential sports tourism attractions in taiwan. Sustainability, 12(4), 1673. https://doi.org/10.3390/su12041673

Zheng, Z., Xie, S., Dai, H. N., Chen, X., & Wang, H. (2018). Blockchain challenges and opportunities: a survey. International journal of web and grid services, 14(4), 352-375

چالش مقیاس پذیری

در سال‌های اخیر، شبکه‏های نرم افزار محور به منظور انعطاف و برنامه‏پذیری بیشتر در شبکه های کامپیوتری مطرح شده‌ و به سرعت در شبکه‏های زیر‏ساختی و مراکز داده به کار گرفته شده‌اند. استفاده از اینگونه شبکه‌ها مزایایی چون مقیاس پذیری، کاهش ترافیک کنترلی، استفاده بهینه از پهنای باند، مهندسی ترافیک بهتر و غیره را داراست؛ که همگی این مزایا ریشه در قابلیت برنامه‏پذیری این شبکه‌ها دارند. در کنار این مزایا، چالش‏های امنیتی نیز وجود دارند که اغلب از همین قابلیت‏ها‏ نشأت می‏گیرند. وجود این چالش‌ها، اطمینان پذیری شبکه‌های نرم افزار محور را در ‏مقابل شبکه‌های سنتی کاهش می‌دهند؛ بنابراین شبکه های نرم افزار محور در صورتی که بر اساس یک معماری امن طراحی نشوند در مقابل حملات سایبری شناخته شده‌ای چون حمله منع خدمت توزیع شده، جعل و سرقت داده‏ها بسیار آسیب پذیر خواهند بود، اما به منظور مقابله با این چالش‌ها، راهکارهایی ارائه شده است. در این مقاله چالش‌های امنیتی شبکه‌های نرم افزار محور را به صورت ساختاری بررسی کرده و راهکارهای ارائه شده برای آنها را توصیف خواهیم کرد. علاوه بر این، کاربردهای امنیتی این نوع شبکه‌ها مانند ایجاد و جداسازی ترافیک شبکه‌های مجازی، کنترل دسترسی بر روی جریان‏های داده و مسیریابی امن را بررسی کرده و در نهایت چگونگی شبیه سازی حملات به منظور انجام تست های امنیتی را به کمک شبیه‏ساز اینگونه شبکه‌ها، بررسی می‏کنیم.

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Deypir M, Ghasabi M. Security challenges and solutions in software defined networks. 3. 2016; 5 (1) :3-20
URL: http://monadi.isc.org.ir/article-1-61-fa.html

دی پیر محمود، قصابی مژگان. بررسی چالش‏های امنیتی و چگونگی مقابله با آنها در شبکه ‏های نرم افزار محور. 1. 1395; 5 (1) :20-3