ﭘﯿﺶﺑﯿﻨﻰ دﻗﯿﻖ ﻧﯿﺎزﻫﺎى ﺷﺒﮑﻪ ﺑﺎ اﺗﮑﺎ ﺑﺮ اﻟﮕﻮرﯾﺘﻢﻫﺎى ﻫﻮﺷﻤﻨﺪ
ﻫﻨﺮ ﻇﺮﯾﻒ و ﭘﯿﭽﯿﺪه ﺗﺨﺼﯿﺺ ﭘﻬﻨﺎى ﺑﺎﻧﺪ در ﺷﺒﮑﻪﻫﺎى اﻣﺮوزى ﺗﻨﻬﺎ در ﺳﺎﯾﻪ ﺑﻪﮐﺎرﮔﯿﺮى ﻓﻨﺎورىﻫﺎ و تجهیزات شبکه ﻧﻮﯾﻦ اﻣﮑﺎنﭘﺬﯾﺮ اﺳﺖ. ﻫﻮش ﻣﺼﻨﻮﻋﻰ و ﯾﺎدﮔﯿﺮى ﻣﺎﺷﯿﻦ ﻣﻰﺗﻮاﻧﻨﺪ ﺑﻪ ﺑﻬﺘﺮﯾﻦ و دﻗﯿﻖﺗﺮﯾﻦ ﺷﮑﻞ ﻣﻤﮑﻦ ﻧﯿﺎزﻫﺎى ﯾﮏ ﺷﺒﮑﻪ را ﭘﯿﺶﺑﯿﻨﻰ ﮐﻨﻨﺪ. ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿــﺖ ﺷــﺒﮑﻪ (Network Capacity Planning) ﺑﻪ ﻣﻌﻨﺎى ﺣﺼﻮل اﻃﻤﯿﻨﺎن از ﻓﺮاﻫﻢ ﺑــﻮدن ﭘﻬﻨﺎى ﺑﺎﻧﺪ ﮐﺎﻓﻰ و رﻋﺎﯾﺖ ﻣﻔﺎد ﻣﻨﺪرج در ﺗﻮاﻓﻖﻧﺎﻣﻪ ﺳــﻄﺢ ﺧﺪﻣﺎت (SLA) اﺳــﺖ و ﺗﻀﻤﯿﻦ ﻣﻰدﻫﺪ ﻣﺸﮑﻼﺗﻰ ﻫﻤﭽﻮن زﻣﺎن ﺗﺎﺧﯿﺮ زﯾﺎد، ﻗﻄﻌﻰﻫﺎى ﻣﮑﺮر، ﻧﺎﭘﺎﯾﺪارى، ﻋﺪم دﺳﺘﺮﺳــﻰ ﺑﻪ ﺷــﺒﮑﻪ و اﺧﺘﻼل در ﺗﺮاﻓﯿﮏ ﻣﺸــﮑﻼت ﺟﺪى ﺑﺮاى ﺷــﺒﮑﻪ ﺑﻪ وﺟﻮد ﻧﻤﻰآورﻧﺪ. ﭘﯿﺎدهﺳــﺎزى ﭼﻨﯿــﻦ ﺑﺮﻧﺎﻣﻪرﯾﺰى دﻗﯿﻘــﻰ ﻓﺮآﯾﻨﺪى ﭘﯿﭽﯿﺪه، ﻣﺴــﺘﻌﺪ ﺧﻄﺎ و ﻫﺰﯾﻨﻪﺑﺮ اﺳــﺖ. ﺗﺎ ﻫﻤﯿــﻦ اواﺧﺮ، دادهﻫــﺎى ﻻزم ﺑﺮاى ﻃﺮاﺣﻰ ﯾﮏ ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ آﮔﺎﻫﺎﻧﻪ ﺗﻨﻬﺎ از ﻃﺮﯾﻖ ﮔﺰارشﻫﺎى اﯾﺴﺘﺎ، ﺗﺎرﯾﺨﭽﻪﻫﺎ و ﻣﺴﺘﻨﺪات ﭘﺲ از اﺳﺘﻘﺮار ﯾﮏ ﺷﺒﮑﻪ ﺑﻪ دﺳﺖ ﻣﻰآﻣﺪﻧﺪ، اﻣﺎ اﯾﻦ وﺿﻌﯿﺖ در ﺣﺎل ﺗﻐﯿﯿﺮ اﺳﺖ.
اﺷــﯿﺶ ورﻣــﺎ، ﻣﺘﺨﺼــﺺ ﺗﺠﺰﯾــﻪ و ﺗﺤﻠﯿــﻞ ﺷــﻨﺎﺧﺘﻰ ﺷــﺮﮐﺖ Deloitte Consulting ﻣﻰﮔﻮﯾﺪ: «ﺑﺎ ﻫﻤﺎﻫﻨﮓﺳﺎزى و ﺗﺮﮐﯿﺐ ﻋﻠﻢ دادهﻫﺎ و ﻓﻨﺎورىﻫﺎى ﺷــﻨﺎﺧﺘﻰ ﻣﺜﻞ ﻫﻮش ﻣﺼﻨﻮﻋﻰ و ﯾﺎدﮔﯿﺮى ﻣﺎﺷﯿﻦ، ﺻﻨﻌﺖ ﻓﻨﺎورى‌اﻃﻼﻋﺎت ﻣﻰﺗﻮاﻧﺪ ﺑﻪ داﻧﺶ ﺟﺪﯾﺪ و ﻫﻮﺷﻤﻨﺪاﻧﻪﺗﺮى ﺑﺮاى اﻓﺰاﯾﺶ ﺳــﻄﺢ دﻗﺖ ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷﺒﮑﻪ دﺳــﺖ ﭘﯿﺪا ﮐﻨﺪ. ﭼﻨﯿﻦ ﭘﯿﺸﺮﻓﺘﻰ ﺑﻪ ﺳــﺎزﻣﺎنﻫﺎ ﮐﻤﮏ ﻣﻰﮐﻨﺪ ﺗﺎ دادهﻫﺎى دﻗﯿﻖﺗﺮى ﺑﺮاى اﺗﺨﺎذ ﺗﺼﻤﯿﻤﺎت ﭼﺎﺑﮏﺗﺮ، ﺑﻬﺒــﻮد داﻧﺶ ﻋﻤﻠﯿﺎﺗﻰ، ﺟﻠﻮﮔﯿﺮى از ﺧﺮاﺑﻰ و اﯾﺠﺎد ﯾﮏ ﺗﺠﺮﺑﻪ ﮐﺎرﺑﺮى ﺑﻬﺘﺮ ﺟﻤﻊ آورى ﮐﻨﻨﺪ.»
ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷﺒﮑﻪ ﺑﺎ ﮐﻤﮏ ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﻣﺮاﺣﻞ اﺑﺘﺪاﯾﻰ ﺧﻮد را ﭘﺸﺖ ﺳﺮ ﻣﻰﮔﺬارد، اﻣﺎ اﻏﻠﺐ ﻓﺮوﺷﻨﺪﮔﺎن ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ از ﺟﻤﻠﻪ Flowmon ، Aria Networks ، NetBrain ، Cisco و SoloarWinds ﺑﻪ دﻧﺒﺎل اﺿﺎﻓــﻪ ﮐﺮدن ﻧﻮع ﺧﺎﺻﻰ از ﻓﻨــﺎورى ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﺑﻪ ﺧﺪﻣﺎت ﺧﻮد ﻫﺴﺘﻨﺪ، ﺷﺮﮐﺖﻫﺎى دﯾﮕﺮ ﻧﯿﺰ ﺑﻪ دﻧﺒﺎل اﻧﺠﺎم ﭼﻨﯿﻦ ﮐﺎرى ﻫﺴﺘﻨﺪ. در اﯾﻦ ﺑﯿﻦ، ﻓﺮوﺷﻨﺪﮔﺎن اﻟﮕﻮرﯾﺘﻢﻫﺎ و ﻣﺪلﻫﺎى ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﻣﺜﻞ آىﺑﻰام ﺑﺎ ﺑﺮﻧﺎﻣﻪ واﺗﺴﻮن ﺑﻪ دﻧﺒﺎل ﯾﺎﻓﺘﻦ راﻫﻰ ﺑﺮاى ورود ﺑﻪ اﯾﻦ ﺣﻮزه ﻫﺴﺘﻨﺪ.
ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﻧﻈﺎرت ﺑﺮ ﺷﺒﮑﻪ ﺳﻨﺘﻰ را ﺗﻘﻮﯾﺖ ﻣﻰﮐﻨﺪ
ﻓﺮدرﯾــﮏ ﻟﯿﻨﺪﺳــﺘﺮوم ﯾﮑــﻰ از ﻣﺪﯾــﺮان ﻣﻮﺳﺴــﻪ CIO Advisory در اﯾﺎﻻتﻣﺘﺤﺪه ﻣﻌﺘﻘﺪ اﺳﺖ ﺑﻪﮐﺎرﮔﯿﺮى ﻫﻮشﻣﺼﻨﻮﻋﻰ در ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ دادهﻫﺎ از ﭼﻨﺪ ﻣﻨﺒﻊ ﻣﺨﺘﻠﻒ دﻗﺖ ﺑﯿﺸﺘﺮى ﻧﺴﺒﺖ ﺑﻪ اﺑﺰارﻫﺎى ﺳﻨﺘﻰ ﻧﻈﺎرت ﺑﺮ ﺷــﺒﮑﻪ دارد. او ﻣﻰﮔﻮﯾﺪ: « ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﺑﺎ ﺗﺮﮐﯿﺐ ﻋﻤﻠﮑﺮد واﻗﻌﻰ ﺷﺒﮑﻪ ﺑﺎ ﻋﻤﻠﮑﺮد ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷﺒﮑﻪ ﻣﺸﺨﺺ ﻣﻰﮐﻨﺪ ﭼﮕﻮﻧﻪ ﺗﻮان ﻋﻤﻠﯿﺎﺗﻰ ﺷــﺒﮑﻪ ﺗﺤﺖ ﺗﺎﺛﯿﺮ ﺳــﻨﺎرﯾﻮﻫﺎى ﻣﺨﺘﻠﻒ دﺳﺖﺧﻮش ﺗﻐﯿﯿﺮات ﻣﻰﺷﻮد.» اﻟﮕﻮرﯾﺘﻢﻫﺎى ﯾﺎدﮔﯿﺮى ﻣﺎﺷﯿﻦ ﮐﻪ ﺑﺮاى ﺑﺮرﺳﻰ ﻋﻤﻠﮑﺮد ﺷﺒﮑﻪ اﺳﺘﻔﺎده ﻣﻰﺷــﻮﻧﺪ ﺑﻪ ﺳﺮﭘﺮﺳﺖ ﺷــﺒﮑﻪ اﺟﺎزه ﻣﻰدﻫﻨﺪ ﺿﻤﻦ اﻓﺰاﯾﺶ ﺳﻄﺢ ﻋﻤﻠﮑﺮد ﺷﺒﮑﻪ از ﺗﺠﺮﺑﯿﺎت ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺘﻔﺎده ﮐﻨﺪ.
دووال ﯾﯿﮕﺮ، ﺗﺤﻠﯿﻞﮔﺮ و ﮐﺎرﺷــﻨﺎس ﯾﺎدﮔﯿﺮى ﻣﺎﺷــﯿﻦ ﺷﺮﮐﺖ ﺳﯿﺴﮑﻮ ﻣﻰﮔﻮﯾﺪ: «ﻫﻮش ﻣﺼﻨﻮﻋﻰ در دﺳــﺖ ﺳــﺎﺧﺖ ﺳﯿﺴــﮑﻮ ﻫﻨﻮز در ﺣﺎل ﯾﺎدﮔﯿﺮى اﺳــﺖ و ﻣﺪل ﺗﺤﻠﯿﻠﻰ ﮐﻪ از آن ﺑﺮاى ﺗﺼﻤﯿﻢﮔﯿﺮىﻫﺎ اﺳــﺘﻔﺎده ﻣﻰﮐﻨﺪ در ﺣﺎل ﺑﻬﯿﻨﻪﺳــﺎزى اﺳــﺖ ﺗﺎ ﯾﮏ راهﺣﻞ ﺟﺎﻣﻊ ﺑﺮاى رﺳﯿﺪن ﺑﻪ ﺷــﺒﮑﻪاى اﯾﺪهآل و ﻫﻤﺴﻮ ﺑﺎ ﭼﺸــﻢاﻧﺪازﻫﺎى ﺗﺠﺎرى آﻣﺎده ﺷﻮد. ﭼﻨﯿﻦ راهﺣﻠﻰ ﺑﻪ ﺳﺎزﻣﺎنﻫﺎ در ﻃﺮاﺣﻰ ﯾﮏ ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷــﺒﮑﻪ دﻗﯿﻖ ﺑﺎ ﻫﺪف رﺳﯿﺪن ﺑﻪ ﺣﺪاﮐﺜﺮ ﻇﺮﻓﯿﺖ ﻣﻤﮑﻦ ﺑﺮاى ﺷﺒﮑﻪاى ﮐﻪ در ﺣﺎل رﺷﺪ اﺳﺖ، ﺗﻐﯿﯿﺮاﺗﻰ در آن ﺑــﻪ وﺟﻮد ﻣﻰآﯾﺪ و ﮐﺎرﺑﺮان و ﺑﺮﻧﺎﻣﻪﻫﺎى ﮐﺎرﺑﺮدى ﺑﻪ آن اﺿﺎﻓﻪ ﻣﻰﺷــﻮد ﮐﻤﮏ ﻣﻰﮐﻨﺪ. راهﺣﻠﻰ ﮐﻪ ﺑﻪ ﺷﮑﻞ ﻣﺤﻠﻰ ﯾﺎ اﺑﺮى ﻗﺎﺑﻞ اﺳﺘﻔﺎده اﺳﺖ.»
ﯾﻮان ﻫﻮاﻧﮓ، اﺳــﺘﺎدﯾﺎر ﻓﻨﺎورىﻫﺎى ﺗﺠﺎرى داﻧﺸﮕﺎه Carnegie Mellon ﻣﻰﮔﻮﯾﺪ:«راﻫﮑﺎرﻫﺎى ﯾﺎدﮔﯿﺮى ﻣﺎﺷــﯿﻦ و ﻫــﻮش ﻣﺼﻨﻮﻋﻰ ﻣﻰﺗﻮاﻧﻨﺪ ﺑﻪﻃﻮر ﻣﻮﺛﺮى در ﭘﯿﺶﺑﯿﻨﻰ ﺗﺮاﻓﯿﮏ، ﺗﺸــﺨﯿﺺ اﻟﮕﻮى ﺗﺮاﻓﯿﮏ، ﯾﺎدﮔﯿﺮى آﻧﻼﯾﻦ و ﺗﺼﻤﯿﻢﮔﯿﺮىﻫﺎى ﺧﻮدﮐﺎر ﻧﻘﺶ داﺷــﺘﻪ ﺑﺎﺷــﻨﺪ. اﻟﮕﻮرﯾﺘﻢﻫﺎى ﯾﺎدﮔﯿﺮى ﻣﺎﺷﯿﻦ ﭘﯿﺸﺮﻓﺘﻪ ﻣﻰﺗﻮاﻧﻨﺪ از دادهﻫﺎى ﺷﺒﮑﻪ در ﻣﻘﯿﺎس وﺳﯿﻊ ﺑﻪ ﻋﻨﻮان ورودى اﺳﺘﻔﺎده ﮐﻨﻨﺪ ﺗﺎ ﭘﯿﺶﺑﯿﻨﻰ دﻗﯿﻖ از ﺗﻘﺎﺿﺎ ﺑﺮاى ﻫﺮ ﮔﺮه ﻣﻮﺟﻮد در ﺷــﺒﮑﻪ ﺗﻮﻟﯿﺪ ﮐﻨﻨﺪ و اﻟﮕﻮﻫﺎ ﯾﺎ روﻧﺪﻫﺎى ﻣﺎﺑﯿﻦ ﺗﺮاﻓﯿﮏ ﺷﺒﮑﻪ را ﺗﺸــﺨﯿﺺ داده و از آن ﺑﻬﺮهﺑــﺮدارى ﮐﻨﻨﺪ. اﯾﻦ ﺗﺮاﻓﯿﮏ ﺑﻬﺒﻮد ﯾﺎﻓﺘﻪ و ﭘﯿﺶﺑﯿﻨﻰ ﺗﻘﺎﺿﺎ ارزﯾﺎﺑﻰ دﻗﯿﻖﺗﺮى از ﻧﯿﺎزﻫﺎى ﻇﺮﻓﯿﺖ ﺷــﺒﮑﻪ و ﮐﺎﻫﺶ ﻧﯿﺎز ﺑﻪ ﺗﺎﻣﯿﻦ ﻣﻨﺎﺑﻊ ﺑﯿﺸﺘﺮ از ﻣﯿﺰان ﻣﻮرد ﻧﯿﺎز را ﺑﻪ ﻫﻤﺮاه دارﻧﺪ.»
این مقاله را حتما بخوانید:
نحوه تقویت سیگنال وای فای و افزایش سرعت مودم و روتر
ﺗﺸــﺨﯿﺺ زود ﻫﻨﮕﺎم و ﮐﺸــﻒ اﻟﮕﻮﻫﺎ ﯾﺎ ﺗﻐﯿﯿﺮات ﻣﻮﻗﺖ ﺗﺮاﻓﯿﮏ ﺷﺒﮑﻪ ﺑﻪ ﺳــﺎزﻣﺎنﻫﺎ اﺟﺎزه ﻣﻰدﻫﺪ ﻗﺒﻞ از آنﮐﻪ ﻋﻤﻠﮑﺮد ﺷﺒﮑﻪ ﮐﺎﻫﺶ ﭘﯿﺪا ﮐﻨﺪ ﯾﺎ ﻣﺸــﮑﻼت دﯾﮕﺮى ﺑﻪ وﺟــﻮد آﯾﻨﺪ اﻗﺪاﻣﺎت ﭘﯿﺸــﮕﯿﺮاﻧﻪاى اﻧﺠﺎم دﻫﻨﺪ.
ﻫﻮاﻧﮓ ﻣﻰﮔﻮﯾﺪ: «ﻣﺪلﻫﺎى ﭘﯿﺶﺑﯿﻨﻰ ﭘﯿﺸــﺮﻓﺘﻪ را ﻣﻰﺗﻮان ﺑﺎ ﺗﮑﻨﯿﮏﻫﺎى ﺑﻬﯿﻨﻪﺳﺎزى ﯾﺎ ﺷﺒﯿﻪﺳــﺎزى ﺗﺮﮐﯿﺐ ﮐﺮد ﺗﺎ ﺑﻪﻃﻮر ﺧﻮدﮐﺎر ﺳﺎﺧﺘﺎر ﯾﮏ ﺷﺒﮑﻪ ﺑﻬﯿﻨﻪﺳــﺎزى ﺷــﻮد و ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷــﺒﮑﻪ آﻣﺎده ﭘﯿﺎدهﺳــﺎزى ﺷــﻮﻧﺪ.» ﯾﮏ ﭼﻨﯿــﻦ ﺑﺮﻧﺎﻣﻪرﯾﺰى را ﻣﻰﺗــﻮان ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻌﯿﺎرﻫﺎى ﻋﻤﻠﮑﺮدى ﺧﺎص ﯾﮏ ﺳﺎزﻣﺎن آﻣﺎده ﮐﺮد.
ﻓﻨﺎورى ﻫﻮشﻣﺼﻨﻮﻋﻰ ﻣﻰﺗﻮاﻧﺪ دادهﻫﺎى ﺗﺮاﻓﯿﮑﻰ ﺷﺒﮑﻪ را ﺑﻪ ﺻﻮرت ﺑﻼدرﻧﮓ ﭘﺮدازش ﮐﻨﺪ و ﻣﻄﺎﺑﻖ ﺑﺎ ﺷﺮاﯾﻂ ﻟﺤﻈﻪاى ﺷﺒﮑﻪ ﺑﻪ ﺻﻮرت ﭘﻮﯾﺎ ﺗﺼﻤﯿﻤﺎت ﻣﺮﺑﻮط ﺑﻪ ﻣﺴﯿﺮﯾﺎﺑﻰ و ﺗﺨﺼﯿﺺ ﻣﻨﺎﺑﻊ را اﺗﺨﺎذ ﮐﻨﺪ. ﻫﻮاﻧﮓ در ﺑﺨﺸــﻰ از ﺻﺤﺒﺖﻫﺎى ﺧﻮد ﻣﻰﮔﻮﯾﺪ: «ﻫــﻮش ﻣﺼﻨﻮﻋﻰ ﻣﻰﺗﻮاﻧﺪ ﻣﺪلﻫﺎى ﻣﺒﺘﻨﻰ ﺑﺮ ﺗﻘﺎﺿﺎ را ﺑﺮاى ﺗﺎﻣﯿﻦ ﻇﺮﻓﯿﺖ در ﺣﺎل رﺷﺪ آﻣﺎده ﮐﻨﺪ. »ﺗﻤﺎم اﯾﻦ ﻋﻮاﻣﻞ ﻣﻰﺗﻮاﻧﻨﺪ ﻣﺨﺎرج ﺳــﺮﻣﺎﯾﻪﮔﺬارى و ﻫﺰﯾﻨﻪﻫﺎى ﻋﻤﻠﯿﺎﺗﻰ ﻣﺮﺑﻮط ﺑﻪ ﺗﻮﺳــﻌﻪ ﺷﺒﮑﻪ، ﻧﮕﻬﺪارى، ﺳــﺎﻣﺎﻧﺪﻫﻰ و ﺗﻼش ﻣﺘﺨﺼﺼﺎن ﻓﻨﺎورى‌اﻃﻼﻋﺎت ﺑﺮاى ﻣﺪﯾﺮﯾﺖ ﭼﻨﯿﻦ ﻓﻌﺎﻟﯿﺖﻫﺎﯾﻰ را ﮐﺎﻫﺶ دﻫﺪ.
ﯾﮏ ﺷﺒﮑﻪ ﻣﺠﻬﺰ ﺑﻪ ﻓﻨﺎورى ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﺑﻪ ﻣﺤﺾ ﻧﺼﺐ و ﭘﯿﮑﺮﺑﻨﺪى ﺻﺤﯿﺢ ﻣﻰﺗﻮاﻧﺪ ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷﺒﮑﻪ را ﺑﻪﻃﻮر ﺧﻮدﮐﺎر اﻧﺠﺎم دﻫﺪ. ﻟﯿﻨﺪﺳﺘﺮوم ﻣﻰﮔﻮﯾﺪ: «ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﻣﻰﺗﻮاﻧﺪ اﻧﻮاع ﻣﺨﺘﻠﻔﻰ از دادهﻫﺎ را ﺑــﻪ ﺻﻮرت ﺑﻼدرﻧﮓ ﯾﺎ ﺗﻘﺮﯾﺒﺎ ﻟﺤﻈــﻪاى ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ ﮐﻨﺪ ﮐﻪ ﺑﺮاى ﻣﻬﺎﺟﺮت ﺳﺎزﻣﺎنﻫﺎ از ﻣﺮاﮐﺰ داده ﺑﻪ ﺷﺒﮑﻪ ﻣﺠﺎزى ﺣﯿﺎﺗﻰ اﺳﺖ.»
ﻫﻮش ﻣﺼﻨﻮﻋﻰ را ﻣﻰﺗﻮان ﺑﻪ ﺷﯿﻮهﻫﺎى ﮔﻮﻧﺎﮔﻮﻧﻰ ﺑﺮاى ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ اﻟﮕﻮﻫﺎى ﺗﺮاﻓﯿﮏ ﺷﺒﮑﻪ اﺳــﺘﻔﺎده ﮐﺮد و ﺑﻪ ﺳﺎزﻣﺎنﻫﺎ ﮐﻤﮏ ﮐﺮد درﺑﺎره اﺗﻔﺎﻗﺎت در ﺟﺮﯾﺎن در ﺷﺒﮑﻪ و ﺑﺎر ﮐﻠﻰ ﺷﺒﮑﻪ دﯾﺪ روﺷﻨﻰ ﺑﻪ دﺳﺖ آورﻧﺪ. داگ ﺗﻤﺎﺳــﺎﻧﯿﺲ، ﻣﻌﻤﺎر و ﻣﺪﯾﺮ ارﺷﺪ ﺷﺒﮑﻪ و اﻣﻨﯿﺖ Kronos ﮐﻪ ﺧﺪﻣﺎت و ﻧﺮماﻓــﺰار ﻣﺪﯾﺮﯾﺖ ﻧﯿﺮوى ﮐﺎر را اراﺋﻪ ﻣﻰدﻫﺪ در اﯾﻦ ارﺗﺒﺎط ﻣﻰﮔﻮﯾﺪ: «ﻫﺮﮔﻮﻧﻪ ﺟﺰﺋﯿﺎﺗﻰ ﺑﺮاى ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷــﺒﮑﻪ ﮐﻮﺗﺎهﻣﺪت و ﺑﻠﻨﺪﻣﺪت ﻣﻔﯿﺪ اﺳﺖ.»
در ﮐﻮﺗــﺎه ﻣﺪت، ﻫﻮشﻣﺼﻨﻮﻋــﻰ ﻣﻰﺗﻮاﻧﺪ ﺗﺮاﻓﯿﮏ ﭘﯿﻮﺳــﺘﻪ روزاﻧﻪ را در ﺳــﻄﻮح رﯾﺰ و دﻗﯿــﻖ از ﻗﺒﯿﻞ ﻧﻮع ﮐﺎرﺑﺮد، ﻣﻮﻗﻌﯿــﺖ ﻣﮑﺎﻧﻰ، ﻓﻨﺎورى و ﭘﺮوﺗﮑﻞ ﭘﯿﺶﺑﯿﻨﻰ ﮐﻨﺪ و از دادهﻫﺎى درﯾﺎﻓﺘﻰ ﺑﺮاى ﻣﺤﺎﻓﻈﺖ از ﺷــﺒﮑﻪ در ﺑﺮاﺑﺮ ﺗﺨﺮﯾﺐ ﻋﻤﻠﮑﺮد در دورهﻫﺎى ﭘﯿﮏ اﺳــﺘﻔﺎده ﮐﺮد. ﺗﻤﺎﺳــﺎﻧﯿﺲ اﺷــﺎره ﻣﻰﮐﻨﺪ: «در ﺑﻠﻨﺪ ﻣــﺪت ﯾﮏ ﺳﯿﺴــﺘﻢ ﻫﻮشﻣﺼﻨﻮﻋﻰ ﻣﻰﺗﻮاﻧﺪ ﺑﺮﻧﺎﻣﻪرﯾﺰىﻫﺎى ﺑﻬﯿﻨﻪ ﻇﺮﻓﯿﺖ را اﻧﺠﺎم دﻫﺪ.»
ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷﺒﮑﻪ ﺑﺎ ﻗﺪرت ﻫﻮش ﻣﺼﻨﻮﻋﻰ: ﺷﺮوع ﺑﻪ ﮐﺎر
ﭼﮕﻮﻧﻪ ﻫﻮش ﻣﺼﻨﻮﻋﯽ دﺳﺘﯿﺎﺑﯽ ﺑﻪ ﺣﺪاﮐﺜﺮ ﻇﺮﻓﯿﺖ ﺷﺒﮑﻪ ﻫﺎ را اﻣﮑﺎن ﭘﺬﯾﺮ ﻣﯽﮐﻨﺪ؟
ﻣﺎرﺳــﻞ ﺷﺎو، ﻣﻬﻨﺪس ﺳﯿﺴــﺘﻢﻫﺎى Ivanti ﻣﻌﺘﻘﺪ اﺳــﺖ ﺑﻬﺘﺮﯾﻦ روش ﺑﻪﮐﺎرﮔﯿــﺮى ﻓﻨﺎورى ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷــﺒﮑﻪ ﻗﺪرت ﮔﺮﻓﺘﻪ از ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﭘﯿﺪا ﮐﺮدن ﯾﮏ ﻓﻨﺎورى اﺛﺒﺎت ﺷﺪه اﺳﺖ ﮐﻪ ﻗﺒﻼ ﺑﻪ ﺳﻄﻮﺣﻰ از ﻣﻮﻓﻘﯿﺖ دﺳﺖ ﭘﯿﺪا ﮐﺮده و ﻣﻮرد ﭘﺬﯾﺮش اﯾﻦ ﺻﻨﻌﺖ ﺑﻮده اﺳﺖ.
او ﻣﻰﮔﻮﯾﺪ: «در ﻋﯿﻦ ﺣﺎل، ﻣﺪﯾﺮان ﺷــﺒﮑﻪ ﺑﺎﯾﺪ ﺑﺎ اﺣﺘﯿﺎط ﺑﻪ ﺗﻮﺻﯿﻪﻫﺎى ﻣﻄﺮح ﺷــﺪه از ﺳــﻮى اﻟﮕﻮرﯾﺘﻢﻫﺎى ﯾﺎدﮔﯿﺮى ﻫــﻮش ﻣﺼﻨﻮﻋﻰ ﺗﻮﺟﻪ ﮐﻨﻨــﺪ. اﻟﮕﻮرﯾﺘﻢﻫــﺎى ﯾﺎدﮔﯿﺮى ﻫــﻮش ﻣﺼﻨﻮﻋﻰ ﻃﻰ ﭼﻨﺪ ﺳــﺎل آﯾﻨﺪه ﺑﻪﻃﺮز ﭼﺸــﻤﮕﯿﺮى ﺑﻬﺒﻮد ﭘﯿﺪا ﻣﻰﮐﻨﻨﺪ، ﺑﻨﺎﺑﺮاﯾﻦ ﻣﺸــﺘﺮﯾﺎن اﯾﻦ ﻓﻨﺎورى ﺑﺎﯾﺪ ﺻﺒﻮر ﺑﺎﺷــﻨﺪ و اﺟﺎزه دﻫﻨﺪ ﻓﻨﺎورى ﻫﻮشﻣﺼﻨﻮﻋﻰ در ارﺗﺒﺎط ﺑﺎ ﻫﻨﺮ ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷﺒﮑﻪ ﺑﻪ درﺟﻪاى از اﻋﺘﻤﺎدﺳــﺎزى ﺑﺮﺳﺪ ﺗﺎ ﺗﻮﺻﯿﻪﻫﺎﯾﻰ ﮐﻪ اراﺋﻪ ﻣﻰﮐﻨﺪ ﻗﺎﺑﻞ اﺳﺘﻔﺎده ﺑﺎﺷﻨﺪ.»
ﻟﯿﻨﺪﺳــﺘﺮوم ﺗﻮﺻﯿﻪ ﻣﻰﮐﻨﺪ ﺑﺮاى ﺷــﺮوع ﮐﺎر از ﻣﻨﺎﺑــﻊ دادهاى ﮐﻮﭼﮏ اﺳــﺘﻔﺎده ﮐﻨﯿﺪ و داﻣﻨــﻪ ﻧﻈﺎرﺗﻰ ﻣﺤﺪودى را اﻧﺘﺨﺎب ﮐﻨﯿــﺪ. او ﻣﻰﮔﻮﯾﺪ: «ﺿﺮورى اﺳﺖ ﮐﻪ ﻣﻨﺎﺑﻊ دادهاى ﻗﺎﺑﻞ اﻃﻤﯿﻨﺎن و ﺳﺎزﮔﺎر اﺳﺘﻔﺎده ﺷﻮﻧﺪ ﺗﺎ ﻫــﻮش ﻣﺼﻨﻮﻋﻰ ﺑﺘﻮاﻧﺪ ﺧﻂ ﭘﺎﯾﻪ ﻗﺎﺑﻞ ﻗﺒﻮﻟــﻰ ﺑﺮاى ﯾﮏ ﭼﺮﺧﻪ ﮐﺎﻣﻞ ﺗﺠﺎرى اراﺋﻪ ﮐﻨﺪ.»
ﻟﯿﻨﺪﺳــﺘﺮوم ﺧﺎﻃﺮ ﻧﺸﺎن ﻣﻰﮐﻨﺪ، اﺳــﺘﻔﺎده از ﺗﮑﺮار ﮐﻨﻨﺪه ﭘﻮرت ﺷﺒﮑﻪ روى دﺳــﺘﮕﺎهﻫﺎى ﮐﻠﯿﺪى ﺷــﺒﮑﻪ ﺑﻬﺘﺮﯾﻦ روش ارﺳــﺎل داده ﺑﺮاى ﯾﮏ ﺑﺴــﺘﺮ ﺗﺤﻠﯿﻠﻰ اﺳﺖ. ﺳﯿﺴــﺘﻢﻫﺎى ﺧﺎص ﻣﺜﻞ ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎى ﺑﻰﺳﯿﻢ، ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎى VPN و دﯾﻮارﻫﺎى آﺗﺶ ﻣﻰﺗﻮاﻧﻨﺪ ﺑﻪ ﮔﻮﻧﻪاى ﭘﯿﮑﺮﺑﻨﺪى ﺷــﻮﻧﺪ ﺗﺎ دادهﻫﺎ را ﺑﻪﻃﻮر ﻣﺴﺘﻘﯿﻢ اﺳــﺘﺮﯾﻢ ﮐﻨﻨﺪ. ﺗﺎﻣﺎﺳﺎﻧﯿﺲ ﻣﻰﮔﻮﯾﺪ: «ﻫﺮ ﻣﺪل ﺳــﺎﻣﺎﻧﻪ ﻫﻮشﻣﺼﻨﻮﻋﻰ ﺑﻪ اﯾــﻦ ﻧﻮع ﺗﻐﺬﯾﻪ ﻧﯿﺎز دارد و ﻫﺮ ﭼﻪ ﻣﺤﺪوده ﺑﯿﺸﺘﺮى از ﺷﺒﮑﻪ زﯾﺮ ﻧﻈﺮ ﻗﺮار ﮔﯿﺮد ﺧﺮوﺟﻰ ﮐﺎر ﺑﻬﺘﺮ ﺧﻮاﻫﺪ ﺑﻮد. ﻧﮑﺘﻪ ﮐﻠﯿﺪى رﺳــﯿﺪن ﺑﻪ ﺣﺪاﮐﺜﺮ ﺣﺠﻢ دادهاى اﺳــﺖ ﮐﻪ ﻗﺮار اﺳﺖ ﺳــﺎﻣﺎﻧﻪ ﻫﻮشﻣﺼﻨﻮﻋﻰ ﺑﻪ ﻋﻨﻮان دادهﻫﺎى ورودى و در ﻗﺎﻟﺐ ﯾﺎدﮔﯿﺮى از آنﻫﺎ اﺳﺘﻔﺎده ﮐﻨﺪ.»
ﺗﺼﻮرات ﻏﻠﻂ در ﻣﻮرد ﻣﻨﺎﺑﻊ و دﻗﺖ ﻫﻮش ﻣﺼﻨﻮﻋﻰ
ﺷــﺎﯾﺪ ﯾﮏ ﺗﺼﻮر ﻏﻠﻂ ﺑﺰرگ در ﻣﻮرد اﺳﺘﻔﺎده از ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﺑﺮاى ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷــﺒﮑﻪ اﯾﻦ ﺑﺎﺷــﺪ ﮐﻪ اﯾﻦ ﻓﻨﺎورى ﺑﻪ وﯾﮋه در ﻣﻮرد ﺗﻌﺎﻣﻼت اﻧﺴﺎﻧﻰ ﺑﻪ ﻣﻨﺎﺑﻊ زﯾﺎدى اﺣﺘﯿﺎج ﻧﺪارد. ﻟﯿﻨﺪﺳﺘﺮوم ﻣﻰﮔﻮﯾﺪ: «ﭼﻨﯿﻦ ﺗﺼﻮراﺗﻰ از آﻧﺠﺎ ﻧﺎﺷﻰ ﻣﻰﺷﻮد ﮐﻪ ﺑﺮﺧﻰ از ﻓﺮوﺷﻨﺪﮔﺎن اﯾﻦﮔﻮﻧﻪ ﺗﺒﻠﯿﻎ ﻣﻰﮐﻨﻨﺪ ﮐﻪ ﺷــﻤﺎ ﺗﻨﻬﺎ ﻻزم اﺳﺖ اﯾﻦ اﺑﺰار را ﻧﺼﺐ ﮐﻨﯿﺪ ﺗﺎ ﺧﻮدش ﺑﺪون ﻧﯿﺎز ﺑﻪ ﻣﺪﯾﺮﯾﺖ ﺗﻮﺳﻂ ﺷﺨﺺ دﯾﮕﺮى ﮐﺎرﻫﺎ را اﻧﺠﺎم دﻫﺪ.»
ﯾــﮏ ﺗﺼﻮر ﻏﻠﻂ دﯾﮕﺮ اﯾﻦ اﺳــﺖ ﮐﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷــﺒﮑﻪ ﻣﺒﺘﻨﻰ ﺑــﺮ ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﯾﮏ ﺑــﺎزى ﻫﻤﻪ ﯾﺎ ﻫﯿﭻ اﺳــﺖ. دووال ﯾﯿﮕﺮ ﺗﻮﺻﯿﻪ ﻣﻰﮐﻨﺪ ﺳﺎزﻣﺎنﻫﺎ ﺑﺎ ﻓﺮوﺷﻨﺪﮔﺎن اﯾﻦ ﻧﻮع ﺧﺪﻣﺎت ﻣﺮﺣﻠﻪ ﺑﻪ ﻣﺮﺣﻠﻪ وارد ﮔﻔﺖوﮔﻮ ﺷــﻮﻧﺪ و راﻫﮑﺎرﻫﺎى آنﻫﺎ را ﺑﻪ روﺷــﻰ ﻣﺎژوﻻر ﭘﯿﺎدهﺳﺎزى ﮐﻨﻨﺪ و ﺑﯿﺸــﺘﺮ روى ﻣﻮارد ﮐﺎرﺑﺮدى ﺗﻤﺮﮐﺰ ﮐﻨﻨﺪ ﮐﻪ ﺑﯿﺸﺘﺮﯾﻦ ارزش را ﺑﺮاى آنﻫﺎ دارد.
ﺑﺰرگﺗﺮﯾــﻦ ﺗﺼﻮر ﻏﻠــﻂ در ﻣﻮرد اﺳــﺘﻔﺎده از ﻫــﻮش ﻣﺼﻨﻮﻋﻰ در ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷــﺒﮑﻪ اﯾﻦ اﺳــﺖ ﮐﻪ راﻫﮑﺎرﻫﺎى ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﻫﻤﯿﺸﻪ دﻗﯿﻖ ﻫﺴــﺘﻨﺪ، اﻣﺎ ﺗﺎ زﻣﺎﻧﻰ ﮐــﻪ راﻫﮑﺎرﻫﺎى ﻫــﻮش ﻣﺼﻨﻮﻋﻰ ﺑﻪ ﺑﻠﻮغ ﮐﺎﻓﻰ ﻧﺮﺳــﯿﺪهاﻧﺪ، ﺑﺮاى ﻣﺪﯾﺮان ﺷــﺒﮑﻪ ﺿﺮورى اﺳﺖ ﺗﺎ اﺑﺘﺪا در ﻣﻮرد راﻫﮑﺎرﻫﺎى ﻣﻮﺟﻮد ﺗﺤﻘﯿﻖ ﮐﺮده و ﻧﺘﺎﯾﺞ ﻋﻤﻠﮑﺮد آنﻫﺎ را ﺑﺮرﺳﻰ و ﺗﺎﯾﯿﺪ ﮐﻨﻨﺪ.
ﭼﮕﻮﻧﻪ ﻫﻮش ﻣﺼﻨﻮﻋﯽ دﺳﺘﯿﺎﺑﯽ ﺑﻪ ﺣﺪاﮐﺜﺮ ﻇﺮﻓﯿﺖ ﺷﺒﮑﻪ ﻫﺎ را اﻣﮑﺎن ﭘﺬﯾﺮ ﻣﯽﮐﻨﺪ؟
ﻣﺸﮑﻼت ﺑﺎﻟﻘﻮه ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷﺒﮑﻪ ﺗﻮﺳﻂ ﻫﻮش ﻣﺼﻨﻮﻋﻰ
ﻣﺜﻞ ﻫﺮ ﻓﻨﺎورى ﻧﻮﻇﻬﻮر دﯾﮕﺮى، ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ شبکه ﺑﺎ ﻫﻮش ﻣﺼﻨﻮﻋﻰ ﺑﺎ ﮐﺎﺳﺘﻰﻫﺎ و ﻣﺸــﮑﻼت ﺑﺎﻟﻘﻮه‌اى ﻫﻤﺮاه اﺳــﺖ ﮐﻪ ﻣﻤﮑﻦ اﺳﺖ ﺑﻪﻃﻮر ﻧﺎﺧﻮاﺳــﺘﻪ ﺑﺎﻋﺚ ﺿــﺮر و زﯾﺎن ﮐﺎرﺑﺮان ﺷﻮد. ﭘﺬﯾﺮﻧﺪﮔﺎن ﻣﺸــﺘﺎق ﻣﻰﺧﻮاﻫﻨﺪ ﺑﻪ ﺳــﺮﻋﺖ از ﺗﻤﺎم اﯾﻦ اﻣﮑﺎﻧــﺎت ﺑﻬﺮهﺑﺮدارى ﮐﻨﻨﺪ و اﻧﺘﻈﺎر دارﻧﺪ ﺑﺪون ﺗﻨﻈﯿﻢ دﻗﯿﻖ ﺳﯿﺴﺘﻢ ﺑﻪ ﻧﺘﺎﯾﺞ آﻧﻰ دﺳﺖ ﭘﯿﺪا ﮐﻨﻨﺪ. ﻟﯿﻨﺪﺳﺘﺮوم ﻣﻰﮔﻮﯾﺪ: « اﮔﺮ ﺳﯿﺴﺘﻢ دادهﻫﺎى ﮐﺎﻓﻰ ﺑﺮاى ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ ﯾﺎ اﯾﻦ دادهﻫﺎ ﻗﺎﺑﻞ اﻃﻤﯿﻨﺎن ﯾﺎ ﺳــﺎزﮔﺎر ﻧﺒﺎﺷﻨﺪ، اﺑﺰارﻫﺎ ﺗﺼﻮﯾﺮ دﻗﯿﻘﻰ از ﺷﺒﮑﻪ ﯾﺎ ﻣﺸﮑﻼت ﻣﺮﺗﺒﻂ ﺑﺎ ﻋﻤﻠﮑﺮد ﺷﺒﮑﻪ اراﺋﻪ ﻧﻤﻰ ﮐﻨﻨﺪ.»
ﻣﻬﻢ اﺳﺖ از ﻓﺮوﺷﻨﺪﮔﺎﻧﻰ ﮐﻪ ﻣﺠﻤﻮﻋﻪاى از ﻣﺤﺼﻮﻻت ﯾﺎ ﺧﺪﻣﺎت ﻧﺎﻗﺺ را اراﺋــﻪ ﻣﻰﮐﻨﻨﺪ اﺟﺘﻨﺎب ﮐﻨﯿﺪ. اﻣﺮوزه اﮐﺜﺮ راهﺣﻞﻫﺎى ﻣﻮﺟﻮد در ﺑﺎزار ﺑﺎ وﺟﻮدى ﮐﻪ ﻣﺰﯾﺖﻫﺎى ﺑﺰرﮔﻰ را ﺑﺮاى ﯾﮏ ﺑﺨﺶ ﮐﻮﭼﮏ از ﯾﮏ ﺷــﺒﮑﻪ ﻋﺮﺿﻪ ﻣﻰﮐﻨﻨﺪ، اﻣﺎ ﯾﮏ راﻫﮑﺎر ﺟﺎﻣﻊ ﺑﺮاى ﺷــﺒﮑﻪﻫﺎى ﺑﺎﺳﯿﻢ، ﺑﻰﺳﯿﻢ، دﺳﺘﮕﺎهﻫﺎ، ﮐﻼﯾﻨﺖﻫﺎ، ﺳﯿﺎﺳﺖﮔﺬارى، اﻣﻨﯿﺖ، WAN، ﮐﻼود و ﻣﺮﮐﺰ داده اراﺋﻪ ﻧﻤﻰﮐﻨﻨﺪ.
اﺳﺘﻔﺎده از ﻣﺤﺼﻮﻻت و ﺧﺪﻣﺎت ﻫﻮشﻣﺼﻨﻮﻋﻰ نظیر ﺑﺮﻧﺎﻣﻪرﯾﺰى ﻇﺮﻓﯿﺖ ﺷــﺒﮑﻪ ﮐﻪ ﻣﺒﺘﻨﻰ ﺑﺮ ﯾﮏ ﭘﻠﺘﻔﺮم ﺑﺎز ﻧﺒﺎﺷﺪ ﮐﺎر را ﺑﺮاى ﮔﺴﺘﺮش ﺧﺪﻣﺎت ﻫﻮش ﻣﺤﻮر ﺑﻪ ﺳﺎﯾﺮ ﺑﺨﺶﻫﺎى ﺳﺎزﻣﺎن دﺷﻮار ﻣﻰﮐﻨﺪ. ﻟﯿﻨﺪﺳﺘﺮوم ﻣﻰﮔﻮﯾﺪ: «ﺳﺎزوﮐﺎرﻫﺎى آﯾﻨﺪه دﯾﮕﺮ ﺟﺪا و ﻣﺘﻤﺎﯾﺰ از ﯾﮑﺪﯾﮕﺮ ﻧﺨﻮاﻫﻨﺪ ﺑﻮد و ﺑﺨﺶﻫﺎى ﻣﺨﺘﻠﻒ ﯾﮏ ﺳــﺎزﻣﺎن ﺷــﺒﮑﻪ، ﺧﺪﻣــﺎت و دادهﻫﺎى ﻣﺼﺮﻓﻰ ﺧــﻮد را ﺑﻪ ﻣﻨﻈــﻮر ارﺗﻘﺎى ﮐﻠﻰ دﭘﺎرﺗﻤﺎنﻫﺎى ﺳﺎزﻣﺎن ﺑﺎ ﯾﮑﺪﯾﮕﺮ ﺑﻪ اﺷﺘﺮاك ﻣﻰﮔﺬارﻧﺪ.»
این مقاله را حتما بخوانید: مودم چگونه کار می‌کند؟
دیدگاه شما