admin, نویسنده در محمد می نویسد

کالای دست دوم، از موضوع آزمون زبان تا معضل ژاپنی

با تایلر کاون از طریق پادکست بی‌‌پلاس آشنا شدم و وبلاگش، پست‌های ارزشمندی داره. این پست بهانه‌ای هست برای اینکه وبلاگش رو بیشتر بخونم، چون ترجمۀ فارسی آخرین پست‌ش هست!

«بر اساس قیمت‌های فعلی بازار کالاهای دست‌دوم، یک گزارش جدید می‌گوید «دارایی پنهان» ژاپن از منظر ذخایر ملیِ اشیاء — که به «اقلام خانگیِ بالقوه قابل فروش مجدد» و بلااستفاده برای بیش از یک سال تعریف می‌شوند — ارزشی در حدود ۵۸۰ میلیارد دلار دارد.

طبق این برآورد، محتویات گردوخاک‌گرفته‌ی کمدها، زیرشیروانی‌ها و گاراژهای ژاپن، ارزشی تقریباً برابر با مجموع ارزش بازار شناخته‌شده‌ترین نام‌های شرکتی جهانی این کشور دارد: تویوتا، سونی و سافت‌بانک.

این انباشت قابل‌توجه، معادل حدود ۴۶۰۰ دلار برای هر فرد در ژاپن است.

در چند سال گذشته، ژاپن به‌طور منحصربه‌فردی به یک جاذبه‌ی جهانی برای خریداران کالاهای دست‌دوم تبدیل شده است — از کیف‌های هِرمِس، ساعت‌های رولکس و کفش‌های محدود نایکی ایر گرفته تا کارت‌های معاملاتی پوکمون، بازی‌های ویدیویی قدیمی، چوب‌های گلف، تجهیزات ماهیگیری و عروسک‌های کمیاب «لیکّا».

بخش فزاینده و قدرتمندی از جذابیت ژاپن برای ده‌ها میلیون بازدیدکننده‌ای که سالانه به این کشور می‌آیند، دیگر فقط خریدهای سنتی نیست، بلکه بازار پررونق و آزادِ خریدوفروش حضوری کالاهای دست‌دوم است.

پیری جمعیت ژاپن، وسواس و نظم‌مندی بسیاری از ژاپنی‌ها، و همچنین ارزان بودن ین از جمله عواملی هستند که پشت این تحولات قرار دارند.

{آخر پستش یه پست از تحلیل دقیق فایننشیال تایمز گذاشته بود که اشتراک می‌خواست…}

استفاده از زبان سی در پایتون

اخیرا دارم جدی‌تر دنیای برنامه‌نویسی رو دنبال می‌کنم و برای همین روزانه به نکته‌های جالبی برمی‌خورم که به مرور از آن‌ها اینجا می‌نویسم. حتما در این پست ممکنه اشتباهات فنی وجود داشته باشه، حتما پیشنهاد می‌کنم به صحبت‌های بنده بسنده نکنید و برای درک عمیق‌تر به زبان انگلیسی سرچ داشته باشید!

(از اینکه وبلاگم اینقدر شاخه به شاخه شده، خیلی کلافه‌ام. در واقع موضوع‌های مختلفی رو که روزانه دنبال می‌کنم ازشون می‌نویسم. یاد سخنرانی استیو جابز توی ام‌آی‌تی می‌افتم که در آخر این نقطه‌ها رو باید به هم وصل کنم تا به یه نتیجه درستی برسن!)

تفاوت زبان کامپایلری و زبان تفسیرگر

ابتدا باید بگم که زبان سی و سی‌پلاس‌پلاس اصطلاحا بهشون می‌گن زبان کامپایلری که می‌آن کل کد رو بررسی می‌کنن و به زبان ماشین تبدیل می‌شن برای همین سینتکس نسبتا سخت‌تری دارن. ولی زبان پایتون یه زبان تفسیرگر (Interpreter) هست که می‌آد خط به خط کد رو بررسی و اجرا می‌کنه. برای همین هست که همیشه کل‌کل بین توسعه‌دهندگان وجود داره و گفته می‌شه پایتون توی سرعت اجرا نسبت به سی و سی‌پلاس‌پلاس کند هست.

CPython به پیاده‌سازی مرجع (Reference Implementation) و پیش‌فرض زبان برنامه‌نویسی Python اشاره داره. این پیاده‌سازی توسط Guido van Rossum (خالق Python) و تیم توسعه‌دهندگان آن توسعه یافته و با زبان برنامه‌نویسی C نوشته شده.

دلیل اینکه از سی توی پایتون استفاده می‌شه چیه؟

سرعت بالا در سطح C رو می‌شه داشت. سازگاری کامل با کتابخانه‌های C (ctypes, Cython) به همراه داره. قابلیت Embedding در برنامه‌های C/C++ وجود داره. از ابزارهای دیباگ قدرتمند (pdb, cProfile) هم می‌شه استفاده کرد.

چجوری استفاده کنیم؟

توی مک او‌اس با استفاده از دستور زیر به راحتی می‌شه نصب و استفاده کرد. برای ویندوز هم بهترین راه رفتن توی وبسایت python.org هست و دانلود و نصب اون هست.

brew install python

بررسی فیلم «مانی بال»

همونطور که توی پست قبلی از دنیای داده برای بررسی رفتار انسان‌ها از سرچ‌های گوگل‌شون متوجه شدیم که می‌شه با علم داده کارهای جالبی کرد، این بار می‌خوام یه داستان جالب رو بررسی کنیم که بر اساس واقعیت هست. این داستان از طریق فیلم مانی‌بال روایت می‌شه.

مانی‌بال (Moneyball) یه فیلم درام ورزشی آمریکایی محصول سال ۲۰۱۱ هست که بر اساس داستان واقعی زندگی بیلی بین، مدیرکل سابق تیم بیسبال اوکلند اتلتیکس، ساخته شده. این فیلم بر استراتژی نوآورانه «مانی‌بال» تمرکز داره که با استفاده از آمار و تحلیل داده‌ها، تیم‌هایی که بودجه کمی را نسبت به تیم‌های بزرگ دارند، رقابتی می‌کنه.

داستان فیلم (بدون اسپویلر)

داستان در سال ۲۰۰۲ اتفاق می‌افته. بیلی بین، مدیرکل تیم اوکلند اتلتیکس با بودجه محدود، با از دست دادن ستارگانش روبرو می‌شه. او با همکاری یک فارغ‌التحصیل اقتصاد (پیتر برند)، رویکرد سنتی رو کنار می‌ذاره و از تحلیل آماری پیشرفته (Sabermetrics) برای شناسایی بازیکنان ارزان‌قیمت اما کارآمد استفاده می‌کنه. این روش انقلابی، پایه «مانی‌بال» رو می‌ریزه و نشون می‌ده چجوری داده‌ها می‌تونن صنعت ورزش رو تغییر بدن.

مانی‌بال چیست؟ استراتژی‌ای که توسط بیلی جیمز ابداع شد و بر آمارهای پیشرفته (مانند OBP یا On-Base Percentage) تمرکز داره، نه آمار سنتی (مانند HR یا Home Runs). این رویکرد الهام‌بخش صنعت ورزش مدرن (بیسبال، فوتبال، بسکتبال) و حتی کسب‌وکارها شد.

اتفاق جالبی وجود داره. این اتفاق فصل مشترک هم کتاب «همه دروغ می‌گویند» هم این فیلم هست. وقتی ما از داده‌ها و کلمات یا اعداد روی یه اسکرین صحبت می‌کنیم، هیچ صحبتی از ذهنیت و ارتباط‌های انسان که ابزار نرم هست، نمی‌کنیم. در این موقعیت‌ها که ابزار تصمیم‌گیری وجود داره، باید از دید سنتی مدیران هم استفاده کرد تا به یک نتیجه قابل قبول برسیم. مثلا در یک تیم فوتبال باید ابزارهای نرم رهبری رو هم به کار گرفت که توی کتاب «رهبری با آرامش» به زودی بررسی می‌کنیم.

همه دروغ می‌گویند! حتی شما دوست عزیز.

یه موقعی سریال جذاب «دکتر هاوس» رو می‌دیدم. (شروع کردنش با خودته، تموم کردنش با خود خدا!) یه سری قسمت‌ها و کنش‌های شخصیت اصلی حول این موضوع بود که همه دروغ می‌گویند. دقیقا با عنوان این کتابی که می‌خواهم توی این پست بررسی کنم! اما رویکردها درعین متفاوت بودن قسمت‌هایی مشابه دارد. توی سریال، دکتر هاوس می‌گه که: «باید به رفتار، نشانه‌های غیرکلامی و داده‌های فیزیولوژیک نگاه کرد، نه حتما فقط به گفته‌های بیمار گوش کرد.» این کتاب هم یکی از شاخص‌ترین کتاب‌های حوزه‌ی داده‌کاوی اجتماعی و تحلیل رفتار انسان در عصر دیجیتال محسوب می‌شه و بررسی می‌کنه که چجوری با استفاده از داده‌هایی که مردم گوگل می‌کردن و منابع آنلاین موجود از آن‌ها واقعیت‌های پنهان رفتارهای انسانی رو برملا کرد.

بیاین اول با نویسنده قدر این کتاب آشنا بشیم. به نام «ست استیونز-دیویدوویتز» اقتصاددان داده‌محور، فارغ‌التحصیل هاروارد، و تحلیل‌گر سابق داده در Google هست.

سبک این کتاب آمیزه‌ای از پژوهش داده‌محور و تفسیر اجتماعی، با رویکرد آماری و طنز تلخ محسوب می‌شود.

* ایده‌ی مرکزی:

مردم در نظرسنجی‌ها یا تعاملات اجتماعی دروغ می‌گویند یا نقش بازی می‌کنند، اما در جستجوهای اینترنتی‌شان نه.

مثال‌های نویسنده:

پیش‌داوری‌های نژادی، جنسی و فرهنگی از تحلیل داده‌های Google Trends آشکار می‌شود.
جستجوها تصویر واقعی‌تری از ترس‌ها، آرزوها و نفرت‌های پنهان انسان به دست می‌دهند.
داده‌ها می‌تونند جایگزینی برای روش‌های قدیمی جامعه‌شناسی و روان‌شناسی باشند.

* رویکرد تحلیلی:

ترکیب مدل‌های آماری با Big Data Analysis.
تکیه بر Google Trends, PornHub, Wikipedia, Facebook به‌عنوان نمونه‌های داده‌محور.
بررسی مسائلی مثل نژادپرستی، سیاست، آموزش، سکسوالیته، و اقتصاد رفتاری از طریق داده واقعی.

(=== به طور کلی می‌شه گفت این چیزهایی گفتم بنیان کتاب رو می‌سازن و حول این عنوان‌ها، کتاب مثال‌های خیلی زیادی در مورد هر کدام از قسمت‌ها رو به صورت ریز گفته ===)

ارزش کاربردی در مهندسی صنایع رو هم می‌تونیم به این شکل تفسیر کنیم که:

از منظر مهندسی صنایع (تحلیل سیستم‌های انسانی و تصمیم‌سازی)، این کتاب سه آموزه داره:

تبدیل داده‌های غیرساخت‌یافته به دانش رفتاری:

روشی عملی برای استخراج insight از داده‌های متنی (text mining + sentiment analysis).
تکیه بر دادهٔ رفتاری به جای دادهٔ ادعایی:

درست همان تفکر تحلیل بهره‌وری واقعی در کارخانه نه از گزارش، بلکه از دادهٔ حسگر.
پیوند سیاست‌گذاری و تحلیل کمی:

نشان می‌دهد چگونه می‌توان تصمیمات اجتماعی و اقتصادی را با داده پشتیبانی کرد. (الگویی برای Data-driven Decision Making در هر سیستم پیچیده.)

در قسمت بعد می‌خوام در مورد فیلم «مانی‌بال» صحبت کنم. یه چیزی که توی فکرمه که توی پست بعدی بیارم اینه که فقط استفاده از داده به تنهایی کافی نیست!!

تطابق هنر و بازاریابی در تولید فیلم «باربی»

این پست ۲۴ شهریور ۱۴۰۲ توی یه وبلاگی که قبلا داشتم منتشر شده و حالا می‌خوام یه جورایی عوضش کنم و بازنشرش بدم:

نوال توی رشته توییت معروفش یه جایی گفته اگه می‌خواهید بتونین پول خوبی از چیزی در بیارید، اول سعی کنید اون چیز رو بسازید و به خوبی هم بسازید بعدش برید بازاریابی‌ش کنید تا بشه پول در آورد، توی باربی هم همین اتفاق افتاده و با توجه به نظر عوام (من کی باشم که خودم رو جز خواص بگم حالا:) اصلا فیلم بیش از حد بها داده شده‌ای نیست! (یاد اون پنجشنبه‌شب‌هایی که بهروزنامه می‌خوندیم به خیر!)

پرفکشنیسم یا همون کمال‌طلبی رو خیلی‌ها توی وجود خودشون دارن و اخیرا هم به خاطر چیزی که توی رسانه می‌بینیم فراگیرتر هم شده و اون بحث و جدل همیشگی بین تفاوت باطن و ظاهر زندگی‌ها، هم بیشتر و بیشتر و بیشتر شده. به طور مثال توییتر پشت داستانه که افسردگی واقعی‌شون رو افراد می‌نویسن ولی توی اینستاگرام قسمت زیبایی از خودشون رو نشون می‌دن.

بحران اگزیستانسیالیسم رو که افراد سعی دارن مدیریتش ‌کنن و هر کسی توی یه سطحی تجربه‌ش کرده رو هم نشون می‌ده که حتی نماد چیزی که همه آرزوشونه اون باشن و پرفکت هست، اون هم درگیر بحران وجودیه.

(توی یه گروه ازم پرسیدن خودت رو معرفی کن من گفتم بحران وجودی دارم نمی‌دونم چی بگم، به نظر خودم یکم چندش بود ولی مهم نیست، کی یادش می‌مونه!)

استفاده از مراجعی مثل فایت کلاب یا سریال Severance هم برام جالب بود، (البته از نظر من شاید شما یه چیز دیگه دیده باشید و از نظر شما مرجع بوده باشه). یه سری ظرافت‌های هنری توی بعضی فیلم‌ها دیده می‌شه که دارن یه موضوع کلی رو بیان می‌کنن ولی با توجه به نقطه نظر هر کسی این مرجع فرق خواهد کرد! داستان به دست گرفتن دنیایی که بهش تعلق داشتی ولی خیلی تمیز و اون کلیشه رو شکست!

خیلی چیز عجیبی بود با اینکه نسبت به فرهنگی که توش بزرگ شدم nudity زیادی داشت ولی اصلا تحریک نشدم، چون کل دنیاش همین بود و عادی به نظر می‌رسید با توجه به اینکه همه جور قشری سعی می‌شد توش شرکت داشته باشه. (این نقل قول رو از برادرم قرض گرفتم، مامانم یه بار پرسید ازش که «علی، الان این همه خانم لخت توی ساحل می‌بینی تحریک نمی‌شی؟» «اونم گفت توی این محیط یه چیز عادیه.»

استفاده از خواننده‌هایی مثل دوآ لیپا و ایوا مکس در موزیک متن که ژانر موزیکشون به ژانر دنیای باربی می‌خوره. حتی بازی دوآ لیپا با لهجه بریتیشش جای توجه داره!

در آخر می‌تونم بگم چرا با رویای آمریکایی مخالفم. چون هر کسی اون رویا رو داشته باشه، انگار سلطه به جهان و محیطش می‌خواد و از آدمی که سعی می‌کنه خاکی باشه و توی اروپا، زندگی هلندی رو بتونه داشته باشه، پذیرفتن این ایده خارجه.

فایننس کوانتومی – آینده‌ بازارهای مالی با طعم فیزیک!

همانطور که مستحضر هستید، بنده به قسمت‌های ریاضیاتی و احتمالی خرج کردن یا در آوردن پول خیلی علاقه دارم. شاید بشه گفت به طور کلی تامین مالی. یا حتی به طور کلی‌تر پول. اما همه چی که پول نیست بابا! شاید این رو هم بدونید که به بین‌رشته‌ای کردن رشته‌ها هم علاقه‌مندم و اخیرا به یه مطلب رسیدم که از فیزیک کوانتوم توی دنیای مالی استفاده می‌کرد.

مثلا یه روز اگه کامپیوترهایی داشته باشیم که نه تنها سریع‌تر از کامپیوترهای معمولی کار می‌کنن، بلکه می‌تونن احتمالات پیچیده‌ی بازار سهام رو مثل آب خوردن حل کنن. این دقیقاً همون چیزیه که بهش می‌گن Quantum Finance. سعی دارم اینجا ساده و بدون اصطلاحات پیچیده و توی یه قالب متفاوت نسبت به پست‌های دیگه و بر اساس یه پژوهش جالب از دانشگاه نیویورک ابوظبی و گزارش‌های شرکت‌های بزرگ مثل McKinsey، قدم به قدم این بینا‌بین رشته‌ها رو توضیح بدم.

با چی سر و کار قراره داشته باشیم؟
فایننس کوانتومی یعنی ترکیب علم فیزیک کوانتومی (دنیای عجیب ذرات ریز که همه چیز احتمالاتیه) با دنیای مالی. به زبان ساده، کامپیوترهای کوانتومی که از کیوبیت‌های جادویی استفاده می‌کنن میان تا مشکلات مالی رو سریع‌تر حل کنن. مثلاً پیش‌بینی قیمت سهام یا انتخاب بهترین سرمایه‌گذاری‌ها. این حوزه تازه داره شکل می‌گیره و مثل پلی بین فیزیک و اقتصاد عمل می‌کنه. دیگه خبری از محاسبات و برنامه‌ریزی طولانی نیست؛ کوانتوم همه احتمالات رو به صورت همزمان با سناریوهای مختلف بررسی می‌کنه!

چرا کوانتوم حالا؟
با توجه به اینکه بازارهای مالی پر از عدم قطعیت ناشی از رفتار خریدار و فروشنده هست، قیمت سهام ممکنه یهو یه سیر صعودی یا نزولی داشته باشه. فیزیک کوانتومی هم دقیقاً روی همین احتمالات ساخته شده. مثل اینکه ذرات می‌تونن همزمان در چند جا باشن! پس، شباهت دارن: بازار = یه بازی شانس بزرگ، کوانتوم = ابزاری که عاشق شانسه. این ترکیب می‌تونه به بانک‌ها و سرمایه‌گذارها کمک کنه تا ریسک‌ها رو بهتر پیش‌بینی کنن و تصمیم‌های هوشمندانه‌تری بگیرن.

کاربردهای عملی: از بهینه‌سازی سهام تا امنیت داده‌ها

یکی از جذاب‌ترین کاربردها، بهینه‌سازی سبد سرمایه‌گذاری (Portfolio Optimization) هست. تصور کنین می‌خواین بهترین ترکیب سهام رو انتخاب کنین یعنی طوری که سود زیاد بشه و ضرر کم. روش سنتی QAOA (یه الگوریتم کوانتومی) میلیون‌ها گزینه رو همزمان چک می‌کنه و بهترین رو پیدا می‌کنه. خیلی خیلی سریع‌تر از روش‌های قدیمی!

یه کاربرد دیگه، قیمت‌گذاری اختیار معامله (Option Pricing) هست. این یعنی محاسبه قیمت خرید یا فروش سهام در آینده. مدل‌های کلاسیک مثل Black-Scholes کندن و میلیون‌ها سناریو رو یکی یکی بررسی می‌کنن، اما الگوریتم‌های کوانتومی مونت‌کارلو همه رو همزمان حل می‌کنن.

مدل‌سازی ریسک (Risk Modeling). بانک‌ها همیشه نگرانن که ضرر نکنن. با کوانتوم، می‌تونن معیارهایی مثل VaR (مقدار ریسک احتمالی) رو دقیق‌تر حساب کنن. یعنی بفهمن در سناریوهای بد، چقدر ممکنه ضرر کنن و چطور جلوش رو بگیرن.

امنیت هم که خیلی مهمه! (Cryptography & Security) یکی از نقاط قوت کوانتومه. کامپیوترهای کوانتومی می‌تونن رمزهای فعلی رو بشکنن (تهدید بزرگ!)، اما خودشون هم رمزهای فوق‌امنی مثل Quantum-Resilient Keys می‌سازن. شرکت‌هایی مثل QuSecure دارن روی این کار می‌کنن تا داده‌های بانکی (مثل رمز کارت‌ها) در امان بمونن. (یاد اونجای بهروزنامه افتادم که می‌گفت میخ محکم اپل بر تابوت پسورد!)

فریم‌ورک PO-QA: یه مدل عملی از دانشگاه نیویورک ابوظبی
یه پژوهش باحال به اسم PO-QA (چارچوبی برای بهینه‌سازی پرتفوی با الگوریتم‌های کوانتومی) نشون می‌ده چطور این کار عملی می‌شه. اول، داده‌های گذشته سهام رو جمع می‌کنین. هدفش هم اینه که ثابت کنه اینکه کوانتوم دقیق‌تر و سریع‌تره. این مدل مثل یه خط تولیده: داده می‌آد، با نظریه‌های کوانتوم بررسی می‌شه و تصمیم‌گیری اتفاق می‌افته.

چه شرکت‌های بزرگی دارن سرمایه‌گذاری می‌کنن؟
این دیگه تئوری نیست؛ شرکت‌های بزرگ وارد شدن! بانک‌هایی مثل J.P. Morgan روی رمزنگاری امن کار می‌کنه (با تصادف مطلق کوانتومی که هک رو تقریباً غیرممکن می‌کنه). Itaú Bank رفتار مشتری‌ها رو پیش‌بینی می‌کنه HSBC هم وثیقه‌ها رو بهینه می‌کنه تا ریسک کم بشه.

چالش‌ها و آینده: چی در انتظاره؟
البته چالش‌هایی هم هست، مثل ناپایداری کیوبیت‌ها (decoherence) یا هزینه بالای سخت‌افزار (شرکت‌هایی مثل IBM و Google دارن روش کار می‌کنن). فعلاً پروژه‌ها روی شبیه‌سازهای کلاسیک اجرا می‌شن، اما آماده انتقال به کامپیوترهای واقعی هستن. آینده؟ تحول در ریسک‌سنجی، کشف تقلب، امنیت سایبری و مدیریت ثروت. بانکداری بیشترین سود رو می‌بره!

بازی تازه داره هارد می‌شه!
فایننس کوانتومی نشون می‌ده بازارهای مالی ذاتاً تصادفی‌ان، و کوانتوم کلید حلشونه. از پژوهش‌های دانشگاهی مثل PO-QA تا پروژه‌های J.P. Morgan، همه چیز داره از تئوری به عمل می‌رسه. اگر در حوزه مالی یا فناوری کار می‌کنین، این حوزه رو از دست نباید بدیم. می‌تونه بازی رو عوض کنه!

(منابع: پژوهش PO-QA از NYU Abu Dhabi، گزارش McKinsey Quantum Monitor، و سایت Quantum Insider.)

توضیحات مربوط به پوستر موتور القایی آسنکرون قفس سنجابی

حتی سوار شدن به هواپیما هم نیاز به بهینه سازی داره!

یکی از حوزه‌های مورد علاقه من صنعت هوانوردی هست که با توجه به مدل‌های ریاضی می‌شه بهینه‌سازی‌های جالبی توی این زمینه انجام داد. مثلا کم کردن مصرف سوخت، زمان معطلی یا اینکه با توجه به سایز هواپیما چه تعداد صندلی رو به کلاس‌های مختلف اختصاص بدیم که سود ما بیشینه بشه!

به یه مقاله قدیمی از نیویورک تایمز برخورد کردم که نوع سوار شدن و پیاده شدن مسافرها رو بررسی می‌کنه تا زمان معطلی رو به حداقل برسونه که شاید اون هواپیمایی، پروازهای بیشتری رو توی یه روز بتونه انجام بده! خیلی برام جالب بود و گفتم اگر به فارسی هم منتشر بشه خالی از لطف نیست!

شرکت‌های هواپیمایی دهه‌ها هست که مسافران رو سوار هواپیما می‌کنن، مدت زمانی که به نظر می‌رسه باید کافی باشه تا بهترین روش برای سوار و پیاده کردن مسافران را پیدا کرده باشند. اما هنوز هم اینطور نیست.

تحت فشارهای مالی و پروازهای پرتراکم (معمولاً ۸۰ تا ۹۰ درصد ظرفیت پره)، خطوط هوایی روش‌های متنوعی برای سوار کردن مسافران ابداع کرده‌‌ن؛ از روش سادهٔ «از عقب به جلو» تا یکی از پیچیده‌ترین استراتژی‌ها به اسم «سیستم هرم معکوس» که US Airways آن را اجرا کرده.

کاهش زمان توقف روی زمین، به‌ویژه در پروازهای کوتاه با هواپیماهای تک راهرو، به این معنیه که هواپیماها سریعتر به آسمان برمی‌گردن و درآمدزایی می‌کنن. حتی چند دقیقه اضافه روی زمین می‌تونه برنامهٔ روزانه رو به هم بریزه.

دیوید سویِرِنگا، اقتصاددان و رئیس مشاورهٔ هوایی AeroEcon، می‌گه: «مزیت turnaround سریع، کاهش هزینه‌ها نیست، بلکه ایجاد درآمد است. اگر در هر توقف، مثلاً در هفت پرواز، زمان ذخیره کنید، ممکن است بتوانید یک پرواز هشتم را برنامه‌ریزی کنید.»

ریچارد ابوالعافیه، تحلیلگر گروه Teal، می‌گه: «صرفه‌جویی زمانی در پروازهای بین‌قاره‌ای تفاوت چندانی ایجاد نمی‌کند، اما در پروازهای کوتاه مثل بالتیمور به ایسلایپ در لانگ آیلند، این موضوع اهمیت دارد.»

روش‌های مختلف سوار کردن مسافران:

عقب به جلو (Back-to-Front): این روش ساده و رایج است و هنوز توسط بسیاری از خطوط هوایی مانند ایر کانادا، آلاسکا، امریکن، بریتیش ایرویز، کانتیننتال، فرانتیر، میدوست، اسپیریت و ویرجین آتلانتیک استفاده می‌شه. (تقریباً همهٔ خطوط هوایی به مسافران کلاس اول یا بیزینس و افراد با نیازهای ویژه اجازه می‌دن اول سوار بشن.)
روش «ویلما» (Wilma – پنجره، وسط، راهرو): این روش که توسط دلتا و یونایتد استفاده می‌شه، اول صندلی‌های کنار پنجره، سپس وسط و در آخر راهرو رو پر می‌کنن.
روش بدون سیستم (Open Seating): ساوتوِست ایرلاینز پیشگام این روشه که در اون مسافران به ترتیب ورود سوار می‌شن و صندلی اختصاصی ندارن.
سیستم هرم معکوس US Airways: یواس ایرویز یکی از پیچیده ترین روش ها ر, داره که اساساً همان ویلما هست، اما با ترتیبی دقیق مثل مدارهای یک میکروچیپ: اول صندلی‌های پنجره و وسط عقب، سپس پنجره و وسط جلو، بعد راهروی عقب و در نهایت راهروی جلو. این شرکت آن را سیستم هرم معکوس می‌نامه، اما بهتره به عنوان یک توالی V-شکل بر اساس مناطق توصیف بشه.

این روش از آمریکا وِست (شرکت ادغام‌شده با یواس ایرویز) به ارث رسیده که در سال ۲۰۰۲ با کمک تیم مهندسی صنعتی دانشگاه ایالتی آریزونا طراحی شد. محقق‌ها با استفاده از عکس‌های فرودگاه لس‌آنجلس، مدلهای ریاضی و شبیه‌سازی‌هایی با «پیکسل به جای انسان» ایجاد کردن.

یواس ایرویز اکنون این روش را در نیمی از هواپیماهای ایرباس A320 و بوئینگ ۷۵۷ خود اجرا کرده و قصد دارد تا سال بعد آن را کامل کند. هدف این سیستم، «کاهش تداخل در صندلیها و راهرو» است. تاکنون، این روش زمان توقف را ۲ تا ۵ دقیقه کاهش داده است.

روش‌های دیگر:

ایرتران (AirTran): این شرکت هواپیما را به ۶ بخش تقسیم می‌کنه و به صورت چرخشی مسافران رو سوار می‌کنه تا تداخل کمتری ایجاد بشه.
ساوتوِست (Southwest): این شرکت از سیستم صندلی باز استفاده می‌کنه که مسافران به ترتیب ورود سوار می‌شن و صندلی دلخواه خود رو انتخاب می‌کنن. این روش به ساوتوِست کمک کرده تا زمان توقف خود را به ۲۵ دقیقه برسونه (در مقایسه با ۳۵ دقیقه تا ۱ ساعت در سایر خطوط هوایی!).

چالش اصلی: رفتار غیرقابل پیش‌بینی مسافران

متغیر اصلی که برنامه‌ریزی دقیق صنعت هواپیمایی رو مختل می‌کنه، غیرقابل پیش‌بینی بودن رفتار مسافران هست. این صنعت آن را «تداخل» می‌نامه، مثل وقتی که مسافران مسن برای گذاشتن چمدان در بالای سر، روی دستهٔ صندلی می‌ایستن و زمان رو هدر می‌دن.

ریچارد ابوالعافیه می‌گه: «رفتار غیرمنتظرهٔ مسافران شما را به سمت نظریهٔ آشوب (Chaos Theory) می‌برد. وقتی رویدادهای تصادفی باعث یک سری اقدامات غیرقابل پیش بینی می شوند، بهترین برنامه ریزی ها هم بی فایده است.»

برخی کارشناسان معتقدند مردم توانایی ذاتی برای «خودسازماندهی» دارن و می‌تونن از سر راه هم کنار برن. اما عده‌ای می‌گن تغییر روش سوار کردن مسافران کمتر از محدود کردن بار همراه مؤثره.

پاتریشیا فرند، رئیس انجمن مهمانداران پرواز، می‌گه: «تنها راه ساده‌سازی و بهبود سوار شدن، محدود کردن حجم بار همراه است. تا زمانی که مردم با چمدان‌های زیاد فرآیند سوار شدن را کند کنند، این روند کند خواهد بود.»

آیا این روش‌ها واقعاً مؤثرن؟

برخی شکاکان معتقدند تمام این تحقیقات و آزمایشها برای صرفه‌جویی زمانی، خودش هدر دادن وقت است. رابرت دبلیو. مان، مشاور هوایی، میگوید: «خطوط هوایی به دنبال یک ایدهٔ جدید صرفه‌جویی زمانی هستند که بتوانند به آن ایمان آورند و آن را به کد کامپیوتری تبدیل کنند. اما اگر فقط بگویید “وقت رفتن است”، سوار کردن تصادفی همان نتیجهٔ سیستماتیک را خواهد داشت.»

نتیجه‌گیری:

هیچ روشی بی‌نقص نیست، اما خطوط هوایی همچنان در تلاشن تا با آزمایش روش‌های مختلف (مانند سوار کردن از دو در، سیستم‌های ترکیبی، یا محدودیت بار همراه)، زمان توقف رو به حداقل برسونن. در نهایت، شاید ساده‌ترین روش یعنی سیستم صندلی باز همان چیزی باشه که بیشترین کارایی رو داره.

دنیای پر جنب و جوش خانواده ابزارها: از آچار همه‌کاره تا اره دندان تیز (قسمت اول)

خانواده‌های ایرانی معمولا به دو بخش تقسیم می‌شن. یکی‌شون اینجوریه که بابای خانواده یه بخشی از خونه رو که نزدیک گاراژ هم معمولا هست، اختصاص داده به ابزارآلات و خیلی متمرکز و مرتب اون‌ها رو چیده یا خیلی در هم و بر هم و غیرمتمرکز از ابزارها استفاده می‌شه که معمولا هم به عهده تعمیرکار هست تا ابزارهای خودش رو بیاره.

اگر بخواهیم به اون قسمتی توجه کنیم که ابزارها با نظم و ترتیب یک جا نشستن، می‌تونیم برای اون‌ها یه شخصیتی قائل بشیم و کاربردشون رو بگیم. با من همراه باشید تا با هم‌تیمی‌های همیشه حاضر ما بیشتر آشنا بشیم.

(این پست قسمت اول از یه سلسله پست نمی‌دونم چند قسمتی هست که به مرور آپدیت می‌شه!)

۱- آچار فرانسه: آقای همه فن حریف و انعطاف‌پذیر، با نام مستعار «جکِ چابک»

جک موجودی باهوش، سازگار و همیشه آماده‌ی کمک‌رسانیه. اون به جای یک اندازه ثابت، می‌تونه خودش رو با شرایط مختلف با حرکت فک متحرکش وفق بده. این ویژگی باعث شده که کمی خودشیفته هم باشه و همیشه با غرور بگه: «برای من همه‌ی مهره‌ها و پیچ‌ها، هم‌اندازه‌ان!». جک رفیقِ گرمابه و گلستان همه‌ی ابزارهای دیگه‌ست و اولین کسیه که در مواجهه با یک مشکل داوطلب میشه.

۲- انبردست: قهرمان محکم‌گیری، با نام مستعار «گریپ آهنین»

گریپ، ورزشکار قدرتی گروهه. اون با آرواره‌های قوی و دندان‌دارش، هیچ چیزی از دستش درنمی‌ره. چه برای گرفتن یک شیء سفت، چه برای خم کردن سیم یا حتی چکش‌کاری‌های سبک. شخصیتی جدی، قابل اعتماد و کمی خشن داره. شعار همیشگی‌ش اینه: «اگر محکم بگیریش، حلّالِ کاره!». همه به قدرت اون احترام می‌ذارن.

۳- چکش: سلطان ضربه‌های کاری، با نام مستعار «توربوی کوبنده»

توربو خشن‌ترین و سرراست‌ترین عضو گروهه. فلسفه‌ی زندگی‌اش ساده است: «هر مشکلی یک میخ هست، اگر اولین ضربه جواب نداد، دومین ضربه رو محکم‌تر بزن!». اون پرانرژی و کمی بی‌حوصله‌ست و ترجیح میده به جای حرف زدن، عمل کنه. البته در نبودش همه متوجه می‌شن که هیچ کس نمی‌تونه مثل او کوبنده و قاطع باشه.

۴- پیچ گوشتی: هنرمندان جزئیات، با نام‌های مستعار «فیلیپ ظریف» و «آلن تیزبین»

فیلیپ و آلن برادران دوقلویی هستند که در دنیای ظرافت‌ها و پیچیدگی‌ها حکمرانی می‌کنن. فیلیپ (پیچ‌گوشتی چهارسو) کمی خوش‌برخوردتر و محبوب‌تره، در حالی که آلن (پیچ‌گوشتی دو سو) ساکت‌تر و مرموزتره. اون‌ها عاشق کارهای دقیق مثل مونتاژ وسایل الکترونیکی یا تعمیر عینک هستند و معتقدند: «گاهی قوی‌ترین ضربه‌ها، آروم‌ترین چرخش‌ها هستند.»

(می‌دونستین در واقع پیچ گوشتی پیچ گَشتی بوده و به مرور فتحه تبدیل به «و» شده؟)

۵- اره: ناجی برش و دندان‌سازی، با نام مستعار «سیمرغ دندان‌تیز»

سیمرغ، پیر خردمند گروه و کمی ترسناک هم هست. دندان‌های تیز و حرکت رفت و برگشتی او، هر چوب سرکشی رو آروم می‌کنه. او کسی است که وقتی راهی نیست، راه می‌سازد. شخصیتی آرام، باوقار و بسیار کارآمد دارد. دیگران گاهی از صدای او می‌ترسند، اما می‌دانند که مهارت او در برش و شکل‌دهی، بی‌نظیر است.

جنگ سرد: تقابل شوروی و آمریکا در شطرنج

جنگ سرد دوره‌ای از رقابت شدید و طولانی‌مدت بین ایالات متحده و اتحاد شوروی بود که از پایان جنگ جهانی دوم در سال ۱۹۴۵ شروع شد و تا فروپاشی شوروی در سال ۱۹۹۱ ادامه پیدا کرد. این درگیری، برخلاف جنگ‌های سنتی، بیشتر بدون رویارویی مستقیم نظامی بین دو ابرقدرت جریان داشت و اکثرا در عرصه‌های سیاسی، اقتصادی، علمی، فرهنگی و حتی ورزشی دنبال می‌شد. هر دو طرف برای گسترش نفوذ ایدئولوژیک خود ـ آمریکا با سرمایه‌داری و لیبرال‌دموکراسی، و شوروی با کمونیسم و سوسیالیسم ـ از ابزارهایی مثل جنگ‌های نیابتی، مسابقه تسلیحات هسته‌ای، رقابت فضایی، عملیات جاسوسی و جنگ تبلیغاتی استفاده می‌کردن.

در این دوران، بحران‌هایی چون ماجرای موشکی کوبا جهان را تا آستانه جنگ اتمی برد و نزاع‌های نیابتی مانند جنگ کره، ویتنام و افغانستان، جولانگاه اصلی کشاکش دو بلوک بودن. حتی عرصه‌هایی مثل ورزش، سینما و المپیک به میدان رقابت حیثیتی تبدیل شدن. در آخر، فشارهای اقتصادی، نارضایتی‌های داخلی و اصلاحات گورباچف، همراه با فروپاشی دیوار برلین، پایان این رقابت رو رقم زد و در ۱۹۹۱ شوروی از هم پاشید. جنگ سرد در عمل یک شطرنج بزرگ جهانی بود که مهره‌های آن از موشک و فضانورد تا رسانه و قهرمانان ورزشی بودند!

(یک فیلم جالب در مورد جهانی‌ کردن بازی تتریس از شوروی وجود داره که می‌شه عمق فاجعه رو از این لحاظ فهمید.)

به طور کلی هم رقابت‌های ورزشی مثل جزوشون بود و استادهای بزرگ آمریکایی و روسی یه سری درگیری‌های ایدئولوژیک هم به وجود آوردن، یه مقاله انگلیسی پیدا کردم که توضیحات مختصری از این نزاع‌های سیاسی از طریق شطرنج به ما می‌گه.

این مقاله درواقع یک روایت تاریخی‌ـسیاسی هست که از دل اسناد بایگانی‌شده سفارت شوروی در کابل بیرون آمده و به ماجرای برنامه‌ریزی ناکام برای برگزاری مسابقه شطرنج میان آناتولی کارپوف (استادبزرگ شوروی) و بابی فیشر (استادبزرگ آمریکایی) در سال‌های ۱۹۷۶–۱۹۷۷ می‌پردازه.

اینجا یه تایملاین در مورد اتفاقات مهم شطرنج در بستر جنگ سرد رو می‌تونیم یادآور بشیم:

جولای – سپتامبر ۱۹۷۲: فیشر در «مسابقه قرن» بوریس اسپاسکی را شکست می‌دهد و عنوان قهرمانی جهان پس از ۲۴ سال از شوروی جدا می‌شه.
۱۹۷۲ تا ۱۹۷۴: فیشر تقریباً هیچ مسابقه رسمی بازی نمی‌کند؛ شوروی برنامه‌ریزی گسترده برای بازگرداندن عنوان آغاز می‌کند.
آوریل ۱۹۷۵: مذاکرات برای مسابقه کارپوف–فیشر شکست می‌خورد؛ شوروی و فیده شرایط جدید فیشر را نمی‌پذیرند.
آوریل ۱۹۷۵: فیده (فدراسیون بین‌المللی شطرنج) عنوان قهرمانی را به کارپوف می‌ده؛ مشروعیت این عنوان در رسانه‌ها زیر سؤال می‌ره.
ژوئیه ۱۹۷۶: دیدار غیررسمی کارپوف و فیشر در توکیو، به ابتکار فیشر؛ پیشنهاد بازی عمومی مطرح می‌شه.
اکتبر ۱۹۷۶: کارپوف طی نامه‌ای به سرگئی پاولوف پیشنهاد مسابقه غیررسمی با فیشر را مطرح می‌کنه.
۱۹۷۶ تا ۱۹۷۷: مقامات شوروی مزایا و خطرات سیاسی–تبلیغاتی مسابقه را بررسی می‌کنن.
۱۹۷۷: مذاکرات بدون نتیجه پایان می‌یابد؛ مسابقه برگزار نمی‌شه و فیشر دوباره از صحنه رقابت‌ها کنار می‌کشه.

به زبان ساده، این مقاله نشون می‌ده که شطرنج در دوران جنگ سرد تنها یک بازی نبود، بلکه بخشی از صحنه نبرد تبلیغاتی و حیثیتی بین بلوک شرق و غرب بود، و حتی یک مسابقه بین دو نابغه می‌تونست به بازی شطرنج سیاسی میان واشنگتن و مسکو تبدیل بشه.

[این جریان سیاسی شطرنج رو وقتی متوجه شدم که داشتم سری ویدیوهای جادی که داره آموزش شطرنج می‌ده به اسم لذت شطرنج، می‌دیدم. اگه علاقه به شطرنج دارید و ماهر نیستید مثل من، این ویدیوهای یوتوب شروع خوبی می‌تونه باشه]

تفاوت زبان کامپایلری و زبان تفسیرگر

دلیل اینکه از سی توی پایتون استفاده می‌شه چیه؟

چجوری استفاده کنیم؟