۱جدول نرخ تبدیل (دلار ← تومان)
هزینهٔ بخش وارداتی پروژه (سختافزار: $۸۴٬۵۲۰) با نرخ دلار تغییر میکند؛ هزینههای ریالی (نصب، توسعه، عملیات، جانبی) ثابتاند. جدول زیر، جمعها را در نرخهای مختلف نشان میدهد. مبدّل پایین هم برای تبدیل سریع است.
معادل تومانی
— تومان
| نرخ دلار (تومان) | سختافزار (تومان) | هزینهٔ استقرار (تومان) | جمع کل پروژه (تومان) | جمع کل (معادل دلار) |
|---|
سطر برجسته، نرخ پایه (۱۶۰٬۰۰۰ تومان) است. با افزایش نرخ دلار، فقط بخش سختافزار و اقلام وابسته (گمرک ۱۵٪، یدکی ۵٪) رشد میکنند.
۲تحلیل حساسیت (Sensitivity)
این تحلیل نشان میدهد جمع کل پروژه نسبت به تغییر هر متغیر کلیدی چقدر حساس است (هر متغیر ±۲۰٪، بقیه ثابت). متغیری که بازهٔ بزرگتری ایجاد میکند، ریسک بودجهای بیشتری دارد.
| متغیر | ۲۰٪− | ۱۰٪− | پایه | ۱۰٪+ | ۲۰٪+ |
|---|
دامنهٔ جمع کل پروژه بر اساس هر متغیر (میلیارد تومان) — نمودار تورنادو
نتیجه: نرخ دلار و هزینهٔ سختافزار بیشترین اثر را بر بودجه دارند؛ بنابراین قفلکردن نرخ و گرفتن استعلام واقعی، اولویت کاهش ریسک مالی است.
۳بوم کسبوکار (Business Model Canvas)
شرکای کلیدی
- تأمینکنندهٔ دوربین/سختافزار
- مجری نصب و کابلکشی
- ارائهدهندهٔ زیرساخت ابری/سرور
- شرکای فروش و نمایندگان
فعالیتهای کلیدی
- توسعهٔ پلتفرم و هوش مصنوعی
- یکپارچهسازی سختافزار
- استقرار و پشتیبانی
ارزش پیشنهادی
- امنیت یکپارچهٔ انسان+ماشین
- تشخیص چهره و کشف جایگزینی
- حاکمیت کامل داده (On-Prem)
- مقیاسپذیر از لابی تا مرکز نظامی
- گزارش قابلاستناد و شفاف
ارتباط با مشتری
- پشتیبانی اختصاصی + SLA
- آموزش و استقرار همراه
بخشهای مشتری
- ساختمانهای مسکونی/تجاری
- شرکتها و سازمانها
- مراکز صنعتی و حساس/نظامی
- مجتمعها و انبارها
منابع کلیدی
- تیم فنی و هوش مصنوعی
- پلتفرم و کد اختصاصی
- برند نگاهبان
کانالها
- فروش مستقیم B2B
- نمایندگان و مناقصات
- وبسایت و دموی محصول
ساختار هزینه
- توسعه (یکبار) • سختافزار • نصب • عملیات و پشتیبانی • فروش و بازاریابی
جریانهای درآمد
- فروش پروژهای (سختافزار + استقرار) • لایسنس/اشتراک نرمافزار • قرارداد پشتیبانی سالانه • سفارشیسازی • مدل SaaS برای مشتری کوچک
۴تکنولوژیهای مورد استفاده
| لایه | فناوری | نسخه | کاربرد |
|---|---|---|---|
| Backend سرویسها | Go | 1.22+ | سرویسهای بلادرنگ، همروندی بالا |
| هوش مصنوعی/بینایی | Python + ONNX Runtime | 3.11 / 1.17 | تشخیص چهره، اجرا با TensorRT/CUDA |
| اپ موبایل | Flutter | 3.22+ | یک کد برای Android/iOS، دوربین/BLE/بیومتریک |
| داشبورد وب | React + TypeScript | 18 / 5 | نقشهٔ تعاملی، RBAC، بهروزرسانی زنده |
| پایگاهداده | PostgreSQL + pgvector + TimescaleDB | 16 | رابطهای + بردار چهره + سریزمانی مکان |
| کش/حضور | Redis | 7+ | presence، geofence، نرخگذاری، pub/sub |
| گذرگاه پیام | NATS JetStream | 2.10+ | رخدادمحور، تأخیر پایین |
| پردازش ویدئو | GStreamer / FFmpeg | 1.24 / 6 | رمزگشایی سختافزاری، نمونهگیری فریم |
| استقرار | Docker + Kubernetes | 1.29+ | مقیاسپذیری، زمانبندی GPU، rollout |
| شیءذخیره | MinIO (S3) | — | آرشیو ویدئو/کلیپ رخداد، On-Prem |
| مشاهدهپذیری | Prometheus + Grafana + Loki + OTel | — | متریک، لاگ و ردیابی |
۵راهکارهای رایج استقرار
سه معماری رایج برای استقرار سامانه وجود دارد که بسته به حساسیت داده، هزینه و امنیت انتخاب میشوند:
درونسازمانی (On-Premise)
همهٔ سرورها و دادهها در محل مشتری.
مزایا- بالاترین امنیت و کنترل داده
- استقلال از اینترنت
- مناسب مراکز حساس/نظامی
- نیاز به زیرساخت محلی
- هزینهٔ اولیهٔ بالاتر
ابری (Cloud)
پردازش و ذخیره روی فضای ابری امن.
مزایا- راهاندازی سریع
- هزینهٔ اولیهٔ پایین
- مقیاسپذیری آسان
- وابستگی به اینترنت
- نامناسب برای داده فوقحساس
ترکیبی (Hybrid)
داده حساس محلی، بخش مقیاسپذیر روی ابر.
مزایا- تعادل امنیت و انعطاف
- بهینه از نظر هزینه
- انطباق با سیاستها
- پیچیدگی بیشتر در طراحی
- نیاز به همگامسازی دقیق
برای ساختمان ۱۱ طبقهٔ نمونه، معماری درونسازمانی پیشنهاد میشود تا دادهٔ زیستسنجشی از محیط مشتری خارج نشود.
۶پیشنیازهای نرمافزاری و سختافزاری
پیشنیازهای سختافزاری
- سرور پردازش AI: ۳۲ هسته، ۱۲۸GB RAM، GPU حرفهای (RTX A4000/A5000)
- سرور اپلیکیشن/پایگاهداده رکمونت با افزونگی
- ذخیرهسازی: شاسی/NVR + هارد Surveillance برای آرشیو ۳۰ روز
- دوربینهای IP تحت شبکه با پشتیبانی ONVIF/RTSP
- اسکنر چهره/اثرانگشت، گیت تردد، کنترلر درب
- تگ و گیتوی BLE/UWB برای مکانیابی
- شبکه: سوئیچ PoE+، سوئیچ Core، بکبون فیبر، VLAN ایزوله
- برق پایدار: UPS آنلاین سرور + UPS کلوزتها، رک و خنککاری
پیشنیازهای نرمافزاری
- سیستمعامل سرور: Linux (Ubuntu Server)
- محیط اجرای کانتینری: Docker + Kubernetes (یا k3s)
- درایور و کتابخانهٔ GPU: CUDA/cuDNN + TensorRT
- PostgreSQL ۱۶ + افزونههای pgvector و TimescaleDB
- Redis، گذرگاه پیام NATS، شیءذخیرهٔ MinIO
- گواهی TLS، مدیریت اسرار (Vault)، سامانهٔ مانیتورینگ
- کلاینتها: اپ موبایل (Android/iOS) و مرورگر مدرن برای داشبورد
- خط لولهٔ CI/CD و رجیستری ایمیج (برای استقرار و بهروزرسانی)
۷دیاگرام تولید (Production)
چیدمان محیط تولید: از دستگاههای لبه تا کلاینتها، همراه با خط لولهٔ استقرار (CI/CD).
۸فرصتها و تهدیدها (SWOT) و مدل تجاری
قوتها (Strengths)
- راهکار بومی و مستقل از فناوری خارجی
- هوش مصنوعی تشخیص چهره و کشف جایگزینی
- حاکمیت کامل داده و استقرار On-Prem
- مقیاسپذیری گسترده (لابی تا نظامی)
ضعفها (Weaknesses)
- سرمایهٔ اولیهٔ بالا برای استقرار کامل
- وابستگی به واردات بخشی از سختافزار
- نیاز به تیم فنی متخصص برای پشتیبانی
فرصتها (Opportunities)
- تقاضای رو به رشد امنیت هوشمند داخلی
- محدودیت دسترسی به راهکار خارجی (مزیت بومی)
- بازار مراکز حساس، صنعتی و دولتی
- گسترش به مدل SaaS برای مشتری کوچک
تهدیدها (Threats)
- نوسان نرخ ارز و قیمت سختافزار
- رقبای داخلی و خارجی
- حساسیتهای حقوقی دادهٔ بیومتریک
- تغییر مقررات و تحریم زنجیرهٔ تأمین
مدل درآمد
| جریان درآمد | توضیح | نوع |
|---|---|---|
| فروش پروژهای | سختافزار + نصب + راهاندازی برای هر مشتری | یکبار |
| لایسنس نرمافزار | حق استفاده از پلتفرم بهازای هر استقرار | یکبار/سالانه |
| قرارداد پشتیبانی و SLA | نگهداری، بهروزرسانی و پشتیبانی سالانه | تکرارشونده |
| سفارشیسازی و یکپارچهسازی | توسعهٔ ویژگی یا اتصال به سامانههای مشتری | پروژهای |
| اشتراک SaaS | سرویس ابری برای مشتریان کوچکتر | ماهانه/تکرارشونده |