ਇਤਿਹਾਸ ਪੋਡਕਾਸਟ

ਸਮਾਂ ਟ੍ਰੈਕਿੰਗ ਦਾ ਇਤਿਹਾਸ ਕੀ ਹੈ?

ਸਮਾਂ ਟ੍ਰੈਕਿੰਗ ਦਾ ਇਤਿਹਾਸ ਕੀ ਹੈ?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

ਮਨੁੱਖ ਨੇ ਸਮੇਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਦਾ ਫੈਸਲਾ ਕਿਉਂ ਕੀਤਾ? ਮਨੁੱਖ ਨੂੰ ਪਹਿਲਾਂ ਸਮੇਂ ਬਾਰੇ ਕਿਵੇਂ ਪਤਾ ਲੱਗਾ? ਅਤੇ ਉਨ੍ਹਾਂ ਨੇ ਸਮਾਂ ਨਾਂ ਦੀ ਕੋਈ ਚੀਜ਼ ਕਦੋਂ ਅਤੇ ਕਿਵੇਂ ਮਹਿਸੂਸ ਕੀਤੀ? ਕੁਝ ਅਨੁਮਾਨ ਹਨ ਪਰ ਮੈਂ ਜਾਣਨਾ ਚਾਹੁੰਦਾ ਹਾਂ ਕਿ ਕੀ ਉਸ ਸਮੇਂ ਤੋਂ ਕੋਈ ਚੀਜ਼ ਦਰਜ ਕੀਤੀ ਗਈ ਹੈ.

ਕਿਉਂਕਿ "ਸਮੇਂ" ਦੀ ਧਾਰਨਾ ਬਹੁਤ ਅਜੀਬ ਹੈ, ਹੁਣ ਵੀ ਇਹ ਮੇਰੇ ਲਈ ਬਹੁਤ ਅਜੀਬ ਅਤੇ ਸੰਖੇਪ ਹੈ ਅਤੇ ਇਹ ਮਨੁੱਖ ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਹੈ, ਇਸਦੀ ਪਰਿਭਾਸ਼ਾ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਇਹ ਮੌਜੂਦ ਨਹੀਂ ਸੀ. ਇਸ ਲਈ ਇਹ ਮੇਰੇ ਦਿਮਾਗ ਵਿੱਚ ਆਇਆ, ਲੋਕਾਂ ਨੇ ਕਿਵੇਂ ਬਣਾਉ ਅਜਿਹੀ ਧਾਰਨਾ.

PS: ਮੇਰਾ ਪ੍ਰਸ਼ਨ ਇਸਦਾ ਇੱਕ ਡੁਪਲੀਕੇਟ ਨਹੀਂ ਹੈ


ਉਨ੍ਹਾਂ ਨੇ ਕਦੋਂ "ਮਹਿਸੂਸ" ਕਰਨਾ ਸ਼ੁਰੂ ਕੀਤਾ ਇਸਦਾ ਉੱਤਰ ਨਹੀਂ ਦਿੱਤਾ ਜਾ ਸਕਦਾ (ਅਤੇ ਸਖਤ ਅਰਥਾਂ ਵਿੱਚ ਇਤਿਹਾਸ ਨਾਲ ਸੰਬੰਧਤ ਨਹੀਂ ਹੈ. ਇਹ ਨਿਸ਼ਚਤ ਰੂਪ ਤੋਂ ਪੂਰਵ-ਇਤਿਹਾਸਕ ਸਮੇਂ ਵਿੱਚ ਹੋਇਆ ਸੀ. ਤੁਸੀਂ ਸਮੇਂ ਦੀ ਭਾਵਨਾ ਦੇ ਬਿਨਾਂ ਕੁਝ ਵੀ ਯੋਜਨਾ ਨਹੀਂ ਬਣਾ ਸਕਦੇ. ਸ਼ਾਇਦ ਕੁਝ ਜਾਨਵਰ ਵੀ "ਸਮਾਂ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ") , ਅਸੀਂ ਕਿਵੇਂ ਜਾਣ ਸਕਦੇ ਹਾਂ?)

ਪਰ ਜਦੋਂ ਲੋਕਾਂ ਨੇ ਟ੍ਰੈਕ ਰੱਖਣਾ ਸ਼ੁਰੂ ਕੀਤਾ, ਕੋਈ ਸ਼ਾਇਦ ਸਮਝਾ ਸਕਦਾ ਹੈ. ਖੇਤੀਬਾੜੀ ਦੀ ਸ਼ੁਰੂਆਤ ਦੇ ਨਾਲ ਬਾਅਦ ਵਿੱਚ ਨਹੀਂ. ਖੇਤੀਬਾੜੀ ਕਰਦੇ ਸਮੇਂ, ਕਿਸੇ ਨੂੰ ਸਾਲ ਦਾ ਸਮਾਂ, ਬੀਜਣਾ ਕਦੋਂ ਪਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ. ਇਸਦੇ ਲਈ ਅਸਮਾਨ ਵੱਲ ਵੇਖਣਾ, ਅਤੇ ਵੱਖੋ ਵੱਖਰੇ ਵਰਤਾਰਿਆਂ ਨੂੰ ਵੇਖਣਾ, ਅਤੇ ਦਿਨਾਂ ਦੀ ਗਿਣਤੀ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ. ਕਿਸੇ ਨੂੰ ਇਹ ਜਾਣਨਾ ਹੋਵੇਗਾ ਕਿ ਅਗਲੀ ਗਰਮੀਆਂ ਵਿੱਚ ਕਿੰਨੇ ਦਿਨ ਬਾਕੀ ਹਨ, ਅਤੇ ਕੀ ਅਗਲੀ ਵਾ .ੀ ਤੱਕ ਤੁਹਾਡੇ ਕੋਲ ਲੋੜੀਂਦਾ ਭੋਜਨ ਹੈ. ਇਸ ਲਈ ਮਨੁੱਖ ਲਈ ਸਭ ਤੋਂ ਬੁਨਿਆਦੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਸਾਲ ਦੇ ਕਿੰਨੇ ਦਿਨ ਹੁੰਦੇ ਹਨ. ਇਸ ਨੂੰ ਉੱਚ ਸ਼ੁੱਧਤਾ ਨਾਲ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਬਹੁਤ ਯਤਨ ਕੀਤੇ ਗਏ.

ਸ਼ਾਇਦ ਇਹ ਪਹਿਲਾਂ ਵੀ ਸ਼ੁਰੂ ਹੋਇਆ ਸੀ: ਉਹ ਲੋਕ ਜੋ ਸ਼ਿਕਾਰ ਅਤੇ ਇਕੱਠੇ ਹੋ ਕੇ ਰਹਿੰਦੇ ਸਨ ਉਨ੍ਹਾਂ ਨੂੰ ਸਾਲ ਦੇ ਸੀਜ਼ਨ ਬਾਰੇ ਕੁਝ ਵਿਚਾਰ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਸੀ. ਜਾਨਵਰਾਂ ਦੇ ਮੌਸਮੀ ਪ੍ਰਵਾਸ, ਆਦਿ ਦਾ ਧਿਆਨ ਰੱਖਣ ਲਈ.

ਖੇਤੀਬਾੜੀ ਦੀ ਕਾ after ਦੇ ਕੁਝ ਸਮੇਂ ਬਾਅਦ, ਲਿਖਣ ਦੀ ਕਾed ਕੱੀ ਗਈ, ਅਤੇ ਲੋਕਾਂ ਨੇ ਲੰਮੇ ਸਮੇਂ, ਸਾਲਾਂ ਦੀ ਗਿਣਤੀ ਆਦਿ ਨੂੰ ਰਿਕਾਰਡ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ, ਵੈਸੇ, ਸਾਰੇ ਸਬੂਤ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਲਿਖਤ ਦੀ ਕਾ the ਖੇਤੀਬਾੜੀ ਉਤਪਾਦਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਦੀ ਵੰਡ ਦਾ ਧਿਆਨ ਰੱਖਣ ਲਈ ਬਣਾਈ ਗਈ ਸੀ.

ਇੱਕ ਦਿਨ ਨਾਲੋਂ ਥੋੜੇ ਸਮੇਂ ਲਈ, ਆਕਾਸ਼ ਵਿੱਚ ਸੂਰਜ ਦੀ ਅਨੁਮਾਨਤ ਸਥਿਤੀ ਜ਼ਿਆਦਾਤਰ ਸਭਿਅਤਾਵਾਂ ਵਿੱਚ ਸਮੇਂ ਦੇ ਕੱਚੇ ਅਨੁਮਾਨ ਲਈ ਕਾਫ਼ੀ ਸੀ. ਵਧੇਰੇ ਆਧੁਨਿਕ ਸਮਾਜਾਂ ਦੇ ਵਿਕਾਸ ਦੇ ਨਾਲ, ਵਧੇਰੇ ਸਹੀ ਮਾਪ ਦੀ ਜ਼ਰੂਰਤ ਸੀ ਅਤੇ ਪਾਣੀ ਦੀਆਂ ਘੜੀਆਂ ਦੀ ਕਾ ਕੱੀ ਗਈ ਸੀ.


ਇੱਥੋਂ ਤਕ ਕਿ ਤੁਹਾਡੇ ਚਿਹਰੇ ਨੂੰ coverੱਕਣ ਲਈ ਅਣਇੱਛਤ ਜਵਾਬ ਵੀ ਜੇਕਰ ਤੁਹਾਡੇ 'ਤੇ ਕੋਈ ਚੀਜ਼ ਉੱਡ ਰਹੀ ਹੈ ਤਾਂ ਕਾਰਨ ਅਤੇ ਪ੍ਰਭਾਵ' ਤੇ ਅਨੁਮਾਨ ਲਗਾਇਆ ਜਾਂਦਾ ਹੈ, ਅਰਥਾਤ, ਕ੍ਰਮ ਵਿੱਚ ਵਾਪਰ ਰਹੀਆਂ ਦੋ ਘਟਨਾਵਾਂ. ਇਸ ਪਰਿਭਾਸ਼ਾ ਦੁਆਰਾ ਇਹ ਮੇਰੇ ਲਈ ਜਾਪਦਾ ਹੈ ਕਿ ਮਨੁੱਖਾਂ ਦੇ ਸ਼ਾਮਲ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਸਮਾਂ "ਬਾਰੇ ਪਤਾ ਲੱਗ ਗਿਆ" ਸੀ.


ਪੱਧਰ 2: ਇੰਟਰਮੀਡੀਏਟ ਉਪਭੋਗਤਾ

ਕੰਮ ਨੂੰ ਇਕੱਠਾ ਕਰਨਾ, ਟਰੈਕ ਕਰਨਾ, ਸਵੈਚਾਲਤ ਕਰਨਾ ਅਤੇ ਰਿਪੋਰਟ ਕਰਨਾ ਸਿੱਖੋ.

ਐਕਟੀਵਿਟੀ ਲੌਗ ਦੇ ਨਾਲ, ਤੁਸੀਂ ਜਲਦੀ ਵੇਖ ਸਕਦੇ ਹੋ ਕਿ ਸ਼ੀਟ ਵਿੱਚ ਕਿਸ ਨੇ ਕੀ ਕੀਤਾ ਜਾਂ ਆਖਰੀ ਵਾਰ ਡੈਸ਼ਬੋਰਡ ਕਿਸਨੇ ਵੇਖਿਆ - ਭਾਵ, ਤੁਸੀਂ ਇੱਕ ਸ਼ੀਟ ਤੇ ਵੱਖ ਵੱਖ ਤੱਤਾਂ ਦੇ ਸੰਪਾਦਨਾਂ ਅਤੇ ਮਿਟਾਉਣ ਦਾ ਆਡਿਟ ਟ੍ਰਾਇਲ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਆਪਣੇ ਸਹਿਯੋਗੀ ਕੀ ਸਮਝ ਸਕਦੇ ਹੋ ਸ਼ੀਟ 'ਤੇ ਕਾਰਵਾਈ ਕਰ ਰਹੇ ਹਨ. ਤੁਸੀਂ ਇਹ ਵੀ ਦੇਖ ਸਕਦੇ ਹੋ ਕਿ ਰਿਪੋਰਟ ਜਾਂ ਡੈਸ਼ਬੋਰਡ ਵਿੱਚ ਕਿਸਨੇ ਵੇਖਿਆ ਹੈ ਅਤੇ ਆਮ ਸੰਪਾਦਨ ਕੀਤੇ ਹਨ.

ਨੋਟ: ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਵਪਾਰ ਅਤੇ ਯੋਗ ਉੱਦਮ ਯੋਜਨਾਵਾਂ ਦੇ ਨਾਲ ਸ਼ਾਮਲ ਕੀਤੀ ਗਈ ਹੈ. ਯੋਜਨਾਵਾਂ ਅਤੇ ਕੀਮਤਾਂ ਬਾਰੇ ਵਧੇਰੇ ਜਾਣਕਾਰੀ ਲਈ, ਜਿਸ ਵਿੱਚ ਕਿਹੜੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਸ਼ਾਮਲ ਹਨ, ਕਿਸ ਯੋਜਨਾਵਾਂ ਦੇ ਨਾਲ ਸ਼ਾਮਲ ਹਨ, ਕਿਰਪਾ ਕਰਕੇ ਸਾਡਾ ਮੁੱਲ ਪੰਨਾ ਵੇਖੋ.

ਐਕਟੀਵਿਟੀ ਲੌਗ ਵਿੱਚ ਟਰੈਕ ਕੀਤੀਆਂ ਕਾਰਵਾਈਆਂ

ਆਮ ਕਿਰਿਆਵਾਂ ਨੂੰ ਟਰੈਕ ਕਰਨ ਲਈ ਗਤੀਵਿਧੀ ਲੌਗ ਦੀ ਵਰਤੋਂ ਕਰੋ ਜਿਵੇਂ ਕਿ:

  • ਜਿਸਨੇ ਸ਼ੀਟ, ਰਿਪੋਰਟ ਜਾਂ ਡੈਸ਼ਬੋਰਡ ਵੇਖਿਆ ਹੈ.
  • ਜਿਸਨੂੰ ਕਿਸੇ ਸ਼ੀਟ, ਰਿਪੋਰਟ ਜਾਂ ਡੈਸ਼ਬੋਰਡ ਨਾਲ ਸਾਂਝਾ ਜਾਂ ਸਾਂਝਾ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ.
  • ਸਿਰਫ ਸ਼ੀਟਾਂ: ਕਿਸ ਕਿਸਮ ਦੀਆਂ ਤਬਦੀਲੀਆਂ ਕੀਤੀਆਂ ਗਈਆਂ ਸਨ ਅਤੇ ਬਦਲਾਵਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ - ਉਦਾਹਰਣ ਵਜੋਂ: ਕਤਾਰ 4 ਤੇ, ਸੈਲੀ ਸਮਾਰਟ ਨੇ ਸਥਿਤੀ ਨੂੰ "ਪ੍ਰਗਤੀ ਵਿੱਚ" ਤੋਂ "ਸੰਪੂਰਨ" ਵਿੱਚ ਬਦਲਿਆ
  • ਉਸ ਵਿਅਕਤੀ ਦਾ ਨਾਮ ਜਿਸਨੇ ਤਬਦੀਲੀ ਕੀਤੀ.
  • ਸਮਾਂ ਅਤੇ ਮਿਤੀ ਜਦੋਂ ਬਦਲਾਅ ਕੀਤੇ ਗਏ ਸਨ.
  • ਵਰਕਸਪੇਸ ਸਾਂਝਾਕਰਨ

ਨੋਟ: ਇੱਕ ਰਿਪੋਰਟ ਵਿੱਚ ਸੈੱਲਾਂ ਅਤੇ ਕਤਾਰਾਂ ਦੇ ਡੇਟਾ ਵਿੱਚ ਕੀਤੇ ਗਏ ਸੰਪਾਦਨ ਸਿਰਫ ਸਰੋਤ ਸ਼ੀਟਾਂ ਦੇ ਐਕਟੀਵਿਟੀ ਲੌਗ ਤੇ ਦਿਖਾਈ ਦੇਣਗੇ, ਰਿਪੋਰਟ ਦੇ ਐਕਟੀਵਿਟੀ ਲੌਗ ਤੇ ਨਹੀਂ.

ਸੰਕੇਤ: ਗਤੀਵਿਧੀ ਲੌਗ ਸਭ ਤੋਂ ਤਾਜ਼ਾ ਸੈੱਲ ਬਦਲਾਅ ਦਿਖਾਏਗਾ, ਪਰ ਜੇ ਤੁਸੀਂ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਸੈੱਲ ਦਾ ਪੂਰਾ ਇਤਿਹਾਸ ਵੇਖਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਸੈੱਲ ਤੇ ਸੱਜਾ ਕਲਿਕ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਇਸਦੇ ਸੈੱਲ ਇਤਿਹਾਸ ਨੂੰ ਵੇਖ ਸਕਦੇ ਹੋ. (ਸੈੱਲ ਇਤਿਹਾਸ ਬਾਰੇ ਵਧੇਰੇ ਜਾਣਕਾਰੀ ਲਈ ਸੈੱਲ ਇਤਿਹਾਸ ਵੇਖਣਾ ਵੇਖੋ.)

ਸਰਗਰਮੀ ਲਾਗ ਇੰਦਰਾਜ਼ ਵੇਖੋ

ਸਹਿਯੋਗੀ ਦੁਆਰਾ ਕੀਤੀਆਂ ਗਈਆਂ ਵੱਖ -ਵੱਖ ਸ਼ੀਟ ਕਿਰਿਆਵਾਂ ਦੇ ਰਿਕਾਰਡ ਵੇਖਣ ਲਈ ਗਤੀਵਿਧੀ ਲੌਗ ਖੋਲ੍ਹੋ.

  1. ਕਲਿਕ ਕਰੋ ਫਾਈਲ ਮੇਨੂ ਬਾਰ ਵਿੱਚ.
  2. ਚੁਣੋ ਸਰਗਰਮੀ ਲਾਗ ਵੇਖੋ ਵਿ Act ਐਕਟੀਵਿਟੀ ਲੌਗ ਵਿੰਡੋ ਪ੍ਰਦਰਸ਼ਤ ਕਰਨ ਲਈ.

ਵਿਯੂ ਐਕਟੀਵਿਟੀ ਲੌਗ ਵਿੰਡੋ ਵਿੱਚ, ਤੁਹਾਡੇ ਕੋਲ ਸ਼ੀਟ ਦੀਆਂ ਕਈ ਕਿਰਿਆਵਾਂ ਦੀ ਦਿੱਖ ਹੋਵੇਗੀ, ਜਿਵੇਂ ਕਿ ਕਤਾਰਾਂ ਨੂੰ ਕਿਸ ਨੇ ਮਿਟਾਇਆ ਅਤੇ ਕਦੋਂ, ਜਾਂ ਜਦੋਂ ਉਪਭੋਗਤਾ ਨੇ ਸ਼ੀਟ ਵੇਖੀ. ਜਦੋਂ ਸ਼ੁਰੂ ਵਿੱਚ ਵਿੰਡੋ ਖੋਲ੍ਹਦੇ ਹੋ, ਇਹ ਪਿਛਲੇ ਸੱਤ ਦਿਨਾਂ ਦੇ ਸਮਾਗਮਾਂ ਨੂੰ ਪ੍ਰਦਰਸ਼ਤ ਕਰੇਗਾ.

ਤੁਸੀਂ ਜੋ ਇਤਿਹਾਸ ਚਾਹੁੰਦੇ ਹੋ ਉਸਨੂੰ ਵਧੇਰੇ ਅਸਾਨੀ ਨਾਲ ਪ੍ਰਦਰਸ਼ਤ ਕਰਨ ਲਈ ਤੁਸੀਂ ਸਰਗਰਮੀ ਲਾਗ ਨੂੰ ਫਿਲਟਰ ਕਰ ਸਕਦੇ ਹੋ.

ਨੋਟ: ਕੁਝ ਸੰਸਥਾਵਾਂ ਕਸਟਮ ਸਮਾਧਾਨ ਬਣਾਉਂਦੀਆਂ ਹਨ ਜਾਂ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ ਜੋ ਸਮਾਰਟਸ਼ੀਟ ਐਪਲੀਕੇਸ਼ਨ ਪ੍ਰੋਗਰਾਮਿੰਗ ਇੰਟਰਫੇਸ (ਏਪੀਆਈ) ਦਾ ਲਾਭ ਉਠਾਉਂਦੀਆਂ ਹਨ - ਸਮਾਰਟਸ਼ੀਟ ਪਿਵੋਟ ਐਪ ਇਸਦੀ ਇੱਕ ਉਦਾਹਰਣ ਹੈ. ਜੇ API ਸ਼ੀਟ ਵਿੱਚ ਸਮਗਰੀ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੀ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਏਪੀਆਈ - ਏਕੀਕ੍ਰਿਤ ਐਪ ਮਿਤੀ ਕਾਲਮ ਦੇ ਅੱਗੇ ਚਿੱਤਰ.

ਫਿਲਟਰ ਸਰਗਰਮੀ ਲਾਗ ਇੰਦਰਾਜ਼

ਤੁਸੀਂ ਗਤੀਵਿਧੀ ਲੌਗ ਵਿੱਚ ਫਿਲਟਰਾਂ ਦੀ ਵਰਤੋਂ ਸਿਰਫ ਉਹ ਇੰਦਰਾਜ਼ ਵੇਖਣ ਲਈ ਕਰ ਸਕਦੇ ਹੋ ਜੋ ਤੁਸੀਂ ਚਾਹੁੰਦੇ ਹੋ. ਇੱਕ ਫਿਲਟਰ ਲਾਗੂ ਕਰੋ ਜੋ ਤੁਹਾਨੂੰ ਕਿਸੇ ਖਾਸ ਤਾਰੀਖ ਦੀ ਰੇਂਜ ਲਈ ਗਤੀਵਿਧੀ ਦਿਖਾਉਂਦਾ ਹੈ, ਤੁਹਾਨੂੰ ਇੱਕ ਖਾਸ ਕਿਸਮ ਦੀ ਕਾਰਵਾਈ ਦਿਖਾਉਂਦਾ ਹੈ, ਜਾਂ ਉਹ ਖਾਸ ਲੋਕ ਜੋ ਸ਼ੀਟ ਤੇ ਕਿਰਿਆਸ਼ੀਲ ਰਹੇ ਹਨ.

ਨੋਟ: ਜਦੋਂ ਤੁਸੀਂ ਗਤੀਵਿਧੀ ਲੌਗ ਨੂੰ ਬੰਦ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਡੇ ਫਿਲਟਰ ਆਪਣੇ ਆਪ ਸਾਫ਼ ਹੋ ਜਾਣਗੇ. ਗਤੀਵਿਧੀ ਲੌਗ ਫਿਲਟਰਸ ਨੂੰ ਸ਼ੀਟ ਤੇ ਦੂਜੇ ਸਹਿਯੋਗੀ ਨਾਲ ਸੁਰੱਖਿਅਤ ਜਾਂ ਸਾਂਝਾ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ.

ਸਰਗਰਮੀ ਲਾਗ ਤੇ ਫਿਲਟਰ ਲਾਗੂ ਕਰਨ ਲਈ:

  1. ਐਕਟੀਵਿਟੀ ਲੌਗ ਖੋਲ੍ਹੋ ਅਤੇ ਚੁਣੋ ਫਿਲਟਰ ਫਿਲਟਰ ਵਿਕਲਪਾਂ ਦਾ ਵਿਸਤਾਰ ਕਰਨ ਲਈ ਗਤੀਵਿਧੀ ਲੌਗ ਵਿੰਡੋ ਦੇ ਉਪਰਲੇ-ਖੱਬੇ ਕੋਨੇ ਵਿੱਚ.
  2. ਹੇਠ ਲਿਖੇ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਚੁਣੋ:
    • ਕਿਰਿਆ - ਗਤੀਵਿਧੀ ਦੀ ਕਿਸਮ. (ਉਦਾਹਰਣ ਵਜੋਂ, ਕਤਾਰ ਨੂੰ ਮਿਟਾਇਆ ਗਿਆ ਸੀ.)
    • ਸਹਿਯੋਗੀ — ਜਿਨ੍ਹਾਂ ਨੇ ਗਤੀਵਿਧੀ ਕੀਤੀ.
    • ਤਾਰੀਖ ਦੀ ਰੇਂਜ - ਤਾਰੀਖਾਂ ਦਾ ਸਮੂਹ ਜਿਸਦੀ ਤੁਸੀਂ ਗਤੀਵਿਧੀ ਵੇਖਣਾ ਚਾਹੁੰਦੇ ਹੋ.
  3. ਚੁਣੋ ਲਾਗੂ ਕਰੋ.

ਜੇ ਤੁਹਾਨੂੰ ਫਿਲਟਰ ਸਾਫ਼ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ, ਕਲਿਕ ਕਰੋ ਫਿਲਟਰ ਸਾਫ਼ ਕਰੋ (ਦੇ ਅੱਗੇ ਲਾਗੂ ਕਰੋ ਬਟਨ).

ਨੋਟ: ਕੁਝ ਕਿਰਿਆਵਾਂ ਨੂੰ ਸਮਾਰਟਸ਼ੀਟ ਉਪਭੋਗਤਾ ਨਾਮ ਨਾਲ ਨਹੀਂ ਲੱਭਿਆ ਜਾ ਸਕਦਾ. ਉਦਾਹਰਣ ਦੇ ਲਈ, ਜੇ ਕੋਈ ਵਿਅਕਤੀ ਸਮਾਰਟਸ਼ੀਟ ਵਿੱਚ ਲੌਗ ਇਨ ਨਹੀਂ ਹੈ, ਅਤੇ ਉਹ ਵਿਅਕਤੀ ਇੱਕ ਈਮੇਲ ਦੁਆਰਾ ਉਨ੍ਹਾਂ ਨੂੰ ਭੇਜੀ ਗਈ ਕਤਾਰ ਤੋਂ ਅਟੈਚਮੈਂਟ ਡਾਉਨਲੋਡ ਕਰਦਾ ਹੈ, ਤਾਂ ਸਮਾਰਟਸ਼ੀਟ ਗਤੀਵਿਧੀ ਨੂੰ ਟ੍ਰੈਕ ਅਤੇ ਰਿਕਾਰਡ ਕਰੇਗੀ, ਪਰ ਲੌਗ ਐਂਟਰੀ ਇੱਕ ਉਪਭੋਗਤਾ ਨਾਮ ਪ੍ਰਦਰਸ਼ਤ ਕਰੇਗੀ. [email protected]

ਐਕਟੀਵਿਟੀ ਲੌਗ ਐਕਸਪੋਰਟ ਕਰੋ

ਸ਼ੀਟ ਗਤੀਵਿਧੀ ਦਾ ਵਾਧੂ ਰਿਕਾਰਡ ਰੱਖਣ ਲਈ ਤੁਸੀਂ ਆਈਟਮ ਲਈ ਸਰਗਰਮੀ ਲੌਗ ਡਾਉਨਲੋਡ ਕਰ ਸਕਦੇ ਹੋ. ਗਤੀਵਿਧੀ ਲੌਗ ਦਾ ਹਰੇਕ ਡਾਉਨਲੋਡ ਵੱਧ ਤੋਂ ਵੱਧ ਤੱਕ ਸੀਮਤ ਹੈ 90 ਦਿਨ ਸ਼ੀਟ ਸਰਗਰਮੀ ਡਾਟਾ.

ਇੱਕ ਗਤੀਵਿਧੀ ਲੌਗ ਨਿਰਯਾਤ ਕਰਨ ਲਈ:

  1. ਆਈਟਮ ਖੋਲ੍ਹੋ.
  2. ਕਲਿਕ ਕਰੋ ਫਾਈਲ ਅਤੇ ਜੀਟੀ ਸਰਗਰਮੀ ਲੌਗ ਵੇਖੋ.
  3. ਇੱਕ ਦੀ ਚੋਣ ਕਰੋ ਤਾਰੀਖ ਸ਼ੁਰੂ ਅਤੇ ਸਮਾਪਤੀ ਤਾਰੀਖ ਵਿੱਚ ਮਿਤੀ ਸੀਮਾ ਫਿਲਟਰ. ਤੁਹਾਨੂੰ ਇੱਕ ਦੀ ਚੋਣ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਮਿਤੀ ਸੀਮਾ ਗਤੀਵਿਧੀ ਲੌਗ ਨੂੰ ਡਾਉਨਲੋਡ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ.
  4. ਤੁਸੀਂ ਐਕਸ਼ਨ ਅਤੇ ਸਹਿਯੋਗੀ ਫਿਲਟਰਾਂ ਵਿੱਚ ਵਾਧੂ ਵਿਕਲਪ ਵੀ ਚੁਣ ਸਕਦੇ ਹੋ.
  5. ਤੇ ਕਲਿਕ ਕਰੋ ਡਾਉਨਲੋਡ ਕਰੋ ਐਕਟੀਵਿਟੀ ਲੌਗ ਵਿੰਡੋ ਦੇ ਹੇਠਾਂ ਬਟਨ.

ਸਮਾਰਟਸ਼ੀਟ ਉਸ ਈਮੇਲ ਪਤੇ 'ਤੇ ਇੱਕ ਈਮੇਲ ਸੁਨੇਹਾ ਭੇਜੇਗੀ ਜਿਸਦੀ ਵਰਤੋਂ ਤੁਸੀਂ ਸਮਾਰਟਸ਼ੀਟ ਨਾਲ ਕਰਦੇ ਹੋ ਜਿਸ ਵਿੱਚ ਇੱਕ ਲਿੰਕ ਹੁੰਦਾ ਹੈ ਜਿਸਦੀ ਵਰਤੋਂ ਤੁਸੀਂ ਡਾਉਨਲੋਡ ਕੀਤੀ ਫਾਈਲ ਨੂੰ ਐਕਸੈਸ ਕਰਨ ਲਈ ਕਰੋਗੇ.

ਐਕਟੀਵਿਟੀ ਲੌਗ ਫਾਈਲ ਤੁਹਾਡੇ ਕੰਪਿ computerਟਰ ਤੇ .csv ਫਾਰਮੈਟ ਵਿੱਚ ਡਾਉਨਲੋਡ ਕੀਤੀ ਜਾਏਗੀ.

ਗਤੀਵਿਧੀ ਲੌਗ ਕਿਰਿਆਵਾਂ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ ਗਈ

ਗਤੀਵਿਧੀ ਲੌਗ ਵਿੱਚ ਸੂਚੀਬੱਧ ਕੁਝ ਕਿਰਿਆਵਾਂ ਇੱਕ ਸਮੁੱਚੇ ਪਰਿਵਰਤਨ ਦਾ ਵਰਣਨ ਕਰਦੀਆਂ ਹਨ, ਪਰ ਉਸ ਪਰਿਵਰਤਨ ਦੇ ਵੇਰਵਿਆਂ ਦੇ ਸੰਦਰਭ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਦੀਆਂ. ਹੇਠਾਂ ਕੁਝ ਕਿਰਿਆਵਾਂ ਹਨ ਜੋ ਤੁਸੀਂ ਵੇਖ ਸਕਦੇ ਹੋ ਅਤੇ ਉਹਨਾਂ ਦਾ ਕੀ ਅਰਥ ਹੈ.

ਕਾਰਡ ਦ੍ਰਿਸ਼: ਕਾਰਡ ਮੁੜ ਕ੍ਰਮਬੱਧ ਅਤੇ ਕਾਰਡ ਦ੍ਰਿਸ਼: ਕਾਰਡ ਅਸਿੱਧੇ ਤੌਰ ਤੇ ਮੁੜ ਕ੍ਰਮਬੱਧ ਕੀਤੇ ਗਏ

ਕਾਰਡ ਦ੍ਰਿਸ਼: ਕਾਰਡਾਂ ਨੂੰ ਮੁੜ ਕ੍ਰਮਬੱਧ ਕੀਤਾ ਗਿਆ ਇਸਦਾ ਅਰਥ ਹੈ ਕਿ ਤੁਸੀਂ ਇੱਕ ਜਾਂ ਵਧੇਰੇ ਕਾਰਡਾਂ ਨੂੰ ਇੱਕ ਸਥਿਤੀ ਤੋਂ ਦੂਜੀ ਸਥਿਤੀ ਵਿੱਚ-ਜਾਂ ਤਾਂ ਇੱਕ ਵੱਖਰੀ ਲੇਨ ਤੇ, ਜਾਂ ਉਸੇ ਲੇਨ ਵਿੱਚ ਇੱਕ ਵੱਖਰੀ ਸਥਿਤੀ ਤੇ ਡ੍ਰੈਗ-ਐਂਡ-ਡ੍ਰੌਪ ਕੀਤਾ ਹੈ.

ਕਾਰਡ ਦ੍ਰਿਸ਼: ਅਸਿੱਧੇ ਤੌਰ ਤੇ ਕ੍ਰਮਬੱਧ ਕੀਤੇ ਗਏ ਕਾਰਡ ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕਾਰਡ ਕਿਸੇ ਹੋਰ ਸਾਧਨ ਦੁਆਰਾ ਤਬਦੀਲ ਕੀਤੇ ਗਏ ਹਨ. ਉਦਾਹਰਣ ਦੇ ਲਈ, ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ ਕਾਰਡ ਨੂੰ ਕਿਸੇ ਵੀ ਸਥਿਤੀ ਤੇ ਹੱਥੀਂ ਖਿੱਚੋ ਅਤੇ ਸੁੱਟੋ, ਜਾਂ ਤਾਂ ਉਸੇ ਲੇਨ ਵਿੱਚ ਜਾਂ ਕਿਸੇ ਵੱਖਰੀ ਲੇਨ ਤੇ, ਦੂਜੇ ਕਾਰਡ ਹਨ ਅਸਿੱਧੇ ਤੌਰ ਤੇ ਨਤੀਜੇ ਵਜੋਂ ਉੱਚ ਜਾਂ ਨੀਵੇਂ ਅਹੁਦਿਆਂ ਤੇ ਚਲੇ ਗਏ. ਜਦੋਂ ਤੁਸੀਂ ਗਰਿੱਡ ਅਤੇ ਗੈਂਟ ਵਿਯੂਜ਼ ਵਿੱਚ ਬਦਲਾਅ ਕਰਦੇ ਹੋ, ਜਿਵੇਂ ਕਿ ਕਿਸੇ ਵੱਖਰੇ ਵਿਅਕਤੀ ਨੂੰ ਕੋਈ ਕੰਮ ਸੌਂਪਣਾ ਜਾਂ ਇੱਕ ਕਤਾਰ ਲਈ ਡ੍ਰੌਪਡਾਉਨ ਸੂਚੀ ਵਿਕਲਪ ਨੂੰ ਬਦਲਣਾ, ਕਾਰਡਾਂ ਨੂੰ ਅਸਿੱਧੇ ਰੂਪ ਵਿੱਚ ਮੁੜ ਕ੍ਰਮਬੱਧ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ.

ਸਰਗਰਮੀ ਲਾਗ ਨੂੰ ਕੌਣ ਦੇਖ ਸਕਦਾ ਹੈ

ਗਤੀਵਿਧੀ ਲੌਗ ਤੱਕ ਪਹੁੰਚ ਤੁਹਾਡੇ ਸ਼ੇਅਰਿੰਗ ਅਨੁਮਤੀ ਦੇ ਪੱਧਰ ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ. ਉਸ ਸਮੇਂ ਦਾ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਜਿਸਨੂੰ ਤੁਸੀਂ ਟ੍ਰੈਕ ਕੀਤੀਆਂ ਗਤੀਵਿਧੀਆਂ ਵੇਖ ਸਕਦੇ ਹੋ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਆਖਰੀ ਵਾਰ ਸ਼ੀਟ' ਤੇ ਕਦੋਂ ਸਾਂਝਾ ਕੀਤਾ ਗਿਆ ਸੀ.

ਨੋਟ: ਡੈਸ਼ਬੋਰਡਸ ਵਿੱਚ ਇੱਕ ਸੰਪਾਦਕ ਸਾਂਝਾ ਕਰਨ ਦੀ ਆਗਿਆ ਦਾ ਪੱਧਰ ਨਹੀਂ ਹੈ. ਸਿਰਫ ਪ੍ਰਸ਼ਾਸਕ ਅਤੇ ਮਾਲਕ ਹੀ ਡੈਸ਼ਬੋਰਡਸ ਲਈ ਸਰਗਰਮੀ ਲਾਗ ਵੇਖ ਸਕਦੇ ਹਨ.

ਇਜਾਜ਼ਤ ਦਾ ਪੱਧਰ ਸਾਂਝਾ ਕਰਨਾ ਸਰਗਰਮੀ ਲਾਗ ਵੇਖ ਸਕਦੇ ਹੋ ਐਕਟੀਵਿਟੀ ਲੌਗ ਨਿਰਯਾਤ ਕਰ ਸਕਦਾ ਹੈ ਇਸ ਮਿਤੀ/ਸਮੇਂ ਤੋਂ ਸ਼ੁਰੂ ਹੋਈ ਟ੍ਰੈਕ ਕੀਤੀ ਗਤੀਵਿਧੀ ਵੇਖੋ
ਮਾਲਕ* ਹਾਂ ਹਾਂ ਵਸਤੂ ਦੀ ਰਚਨਾ
ਪ੍ਰਸ਼ਾਸਕ (ਲਾਇਸੈਂਸਸ਼ੁਦਾ) ** ਹਾਂ ਹਾਂ ਜਦੋਂ ਤੁਸੀਂ ਆਖਰੀ ਵਾਰ ਆਈਟਮ ਤੇ ਸਾਂਝੇ ਕੀਤੇ ਗਏ ਸੀ ਉਦੋਂ ਤੋਂ ਵੇਖੋ ਅਤੇ ਨਿਰਯਾਤ ਕਰੋ
ਪ੍ਰਬੰਧਕ (ਬਿਨਾਂ ਲਾਇਸੈਂਸ ਵਾਲਾ) ਨਹੀਂ ਨਹੀਂ -
ਸੰਪਾਦਕ (ਲਾਇਸੈਂਸਸ਼ੁਦਾ) ** ਹਾਂ ਨਹੀਂ ਜਦੋਂ ਤੁਸੀਂ ਆਖਰੀ ਵਾਰ ਆਈਟਮ ਤੇ ਸਾਂਝੇ ਕੀਤੇ ਗਏ ਸੀ ਉਦੋਂ ਤੋਂ ਵੇਖੋ (ਪਰ ਨਿਰਯਾਤ ਨਹੀਂ)
ਸੰਪਾਦਕ (ਬਿਨਾਂ ਲਾਇਸੈਂਸ ਵਾਲਾ) ਨਹੀਂ ਨਹੀਂ -
ਦਰਸ਼ਕ (ਲਾਇਸੈਂਸਸ਼ੁਦਾ ਜਾਂ ਲਾਇਸੈਂਸ ਰਹਿਤ ਨਹੀਂ ਨਹੀਂ -

*ਜੇ ਤੁਸੀਂ ਕਿਸੇ ਸ਼ੀਟ ਦੀ ਮਲਕੀਅਤ ਟ੍ਰਾਂਸਫਰ ਕਰਦੇ ਹੋ, ਤਾਂ ਨਵਾਂ ਮਾਲਕ ਸ਼ੀਟ ਬਣਾਉਣ ਦੇ ਸਮੇਂ ਤੋਂ ਸ਼ੁਰੂ ਹੋ ਕੇ, ਸਾਰੀ ਗਤੀਵਿਧੀ ਲੌਗ ਨੂੰ ਦੇਖੇਗਾ.

** ਜੇ ਤੁਸੀਂ ਐਡਮਿਨ (ਲਾਇਸੈਂਸਸ਼ੁਦਾ) ਜਾਂ ਸੰਪਾਦਕ (ਲਾਇਸੈਂਸਸ਼ੁਦਾ) ਸ਼ੇਅਰਿੰਗ ਇਜਾਜ਼ਤਾਂ ਵਿੱਚ ਅਪਗ੍ਰੇਡ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਸਰਗਰਮੀ ਲੌਗ ਐਂਟਰੀਆਂ ਨੂੰ ਉਸ ਸਮੇਂ ਤੋਂ ਵੇਖ ਸਕੋਗੇ ਜਦੋਂ ਤੁਹਾਨੂੰ ਪਹਿਲੀ ਵਾਰ ਸ਼ੀਟ ਤੇ ਸਾਂਝਾ ਕੀਤਾ ਗਿਆ ਸੀ. ਵੱਖ -ਵੱਖ ਸ਼ੀਟ ਸ਼ੇਅਰਿੰਗ ਇਜਾਜ਼ਤਾਂ ਦੇ ਵੇਰਵਿਆਂ ਲਈ ਸਾਡੇ ਸ਼ੇਅਰਿੰਗ ਇਜਾਜ਼ਤ ਪੱਧਰਾਂ ਦੇ ਲੇਖ ਨੂੰ ਵੇਖੋ.


ਸਮੇਂ ਦੇ ਮਾਪ

ਜਿਵੇਂ ਕਿ ਮੈਂ ਉੱਪਰ ਦੱਸਿਆ ਹੈ, ਮਾਡਲਿੰਗ ਵਿੱਚ ਸਮਾਂ ਇੱਕ ਬਹੁਤ ਹੀ ਚੁਣੌਤੀਪੂਰਨ ਧਾਰਨਾ ਹੈ. ਹਾਲਾਂਕਿ ਮੈਂ ਅਸਥਾਈ ਮਾਡਲਾਂ ਦੇ ਸਭ ਤੋਂ ਅਜੀਬ ਪਹਿਲੂ ਨੂੰ ਛੱਡ ਦਿੱਤਾ ਹੈ. ਅਸੀਂ ਸਾਰਿਆਂ ਨੇ ਸਿੱਖਿਆ ਹੈ, ਜੇ ਸਿਰਫ ਮਾੜੀ ਵਿਗਿਆਨ ਗਲਪ ਕਿਤਾਬਾਂ ਤੋਂ, ਉਹ ਸਮਾਂ ਚੌਥਾ ਅਯਾਮ ਹੈ. ਮੁਸੀਬਤ ਇਹ ਹੈ ਕਿ ਇਹ ਗਲਤ ਹੈ.

ਮੈਨੂੰ ਇਸ ਸਮੱਸਿਆ ਦਾ ਵਰਣਨ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਇੱਕ ਉਦਾਹਰਣ ਦੇ ਨਾਲ ਮਿਲਦਾ ਹੈ. ਕਲਪਨਾ ਕਰੋ ਕਿ ਸਾਡੇ ਕੋਲ ਇੱਕ ਤਨਖਾਹ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਜਾਣਦੀ ਹੈ ਕਿ 1 ਜਨਵਰੀ ਤੋਂ ਸ਼ੁਰੂ ਹੋਣ ਵਾਲੇ ਕਰਮਚਾਰੀ ਦੀ 100 ਡਾਲਰ ਪ੍ਰਤੀ ਦਿਨ ਦੀ ਦਰ ਹੈ. 25 ਫਰਵਰੀ ਨੂੰ ਅਸੀਂ ਇਸ ਦਰ ਨਾਲ ਤਨਖਾਹ ਚਲਾਉਂਦੇ ਹਾਂ. 15 ਮਾਰਚ ਨੂੰ ਅਸੀਂ ਜਾਣਦੇ ਹਾਂ ਕਿ, 15 ਫਰਵਰੀ ਨੂੰ ਪ੍ਰਭਾਵੀ, ਕਰਮਚਾਰੀ ਦੀ ਦਰ $ 211/ਦਿਨ ਹੋ ਗਈ. ਸਾਨੂੰ ਕੀ ਜਵਾਬ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਜਦੋਂ ਸਾਨੂੰ ਪੁੱਛਿਆ ਜਾਂਦਾ ਹੈ ਕਿ 25 ਫਰਵਰੀ ਦੀ ਦਰ ਕੀ ਸੀ?

ਇੱਕ ਅਰਥ ਵਿੱਚ ਸਾਨੂੰ $ 211 ਦਾ ਜਵਾਬ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ, ਕਿਉਂਕਿ ਹੁਣ ਤੋਂ ਅਸੀਂ ਜਾਣਦੇ ਹਾਂ ਕਿ ਇਹ ਦਰ ਸੀ. ਪਰ ਅਕਸਰ ਅਸੀਂ ਇਸ ਨੂੰ ਨਜ਼ਰ ਅੰਦਾਜ਼ ਨਹੀਂ ਕਰ ਸਕਦੇ ਕਿ 25 ਫਰਵਰੀ ਨੂੰ ਅਸੀਂ ਸੋਚਿਆ ਕਿ ਇਹ ਦਰ 100 ਡਾਲਰ ਸੀ, ਜਦੋਂ ਅਸੀਂ ਤਨਖਾਹ ਭੱਜਦੇ ਸੀ ਤਾਂ ਇਹ ਸਭ ਕੁਝ ਸੀ. ਅਸੀਂ ਇੱਕ ਚੈਕ ਛਾਪਿਆ, ਉਸਨੂੰ ਭੇਜਿਆ, ਅਤੇ ਉਸਨੇ ਇਸਨੂੰ ਕੈਸ਼ ਕਰ ਦਿੱਤਾ. ਇਹ ਸਭ ਉਸ ਰਕਮ ਦੇ ਅਧਾਰ ਤੇ ਹੋਇਆ ਜੋ ਉਸਦੀ ਦਰ ਸੀ. ਜੇ ਟੈਕਸ ਅਧਿਕਾਰੀਆਂ ਨੇ ਸਾਨੂੰ 25 ਫਰਵਰੀ ਨੂੰ ਉਸ ਦਾ ਰੇਟ ਪੁੱਛਿਆ, ਤਾਂ ਇਹ ਮਹੱਤਵਪੂਰਨ ਹੋ ਜਾਂਦਾ ਹੈ.

ਦਰਅਸਲ ਅਸੀਂ ਸੋਚ ਸਕਦੇ ਹਾਂ ਕਿ ਅਸਲ ਵਿੱਚ ਡਿਨਸਡੇਲ ਦੀ ਤਨਖਾਹ ਦਰ ਦੇ ਦੋ ਇਤਿਹਾਸ ਹਨ ਜੋ ਸਾਡੇ ਲਈ ਮਹੱਤਵਪੂਰਣ ਹਨ. ਉਹ ਇਤਿਹਾਸ ਜਿਸਨੂੰ ਅਸੀਂ ਹੁਣ ਜਾਣਦੇ ਹਾਂ, ਅਤੇ ਉਹ ਇਤਿਹਾਸ ਜਿਸਨੂੰ ਅਸੀਂ 25 ਫਰਵਰੀ ਨੂੰ ਜਾਣਦੇ ਸੀ. ਅਸਲ ਵਿੱਚ ਆਮ ਤੌਰ ਤੇ ਅਸੀਂ ਕਹਿ ਸਕਦੇ ਹਾਂ ਕਿ ਬੀਤੇ ਵਿੱਚ ਸਿਰਫ ਹਰ ਦਿਨ ਲਈ ਡਿਨਸਡੇਲ ਦੀ ਤਨਖਾਹ ਦਰ ਦਾ ਇਤਿਹਾਸ ਨਹੀਂ ਹੈ, ਬਲਕਿ ਡਿਨਸਡੇਲ ਦੀ ਤਨਖਾਹ ਦੇ ਇਤਿਹਾਸ ਦਾ ਇਤਿਹਾਸ ਹੈ. ਦਰਾਂ. ਸਮਾਂ ਚੌਥਾ ਅਯਾਮ ਨਹੀਂ, ਇਹ ਚੌਥਾ ਅਤੇ ਪੰਜਵਾਂ ਅਯਾਮ ਹੈ!

ਮੈਂ ਪਹਿਲੇ ਆਕਾਰ ਬਾਰੇ ਸੋਚਦਾ ਹਾਂ ਅਸਲ ਸਮਾਂ: ਸਮਾਂ ਜਦੋਂ ਕੁਝ ਹੋਇਆ. ਦੂਜਾ ਆਕਾਰ ਹੈ ਰਿਕਾਰਡ ਸਮਾਂ, ਜਦੋਂ ਅਸੀਂ ਇਸ ਬਾਰੇ ਜਾਣਦੇ ਸੀ. ਜਦੋਂ ਵੀ ਕੁਝ ਵਾਪਰਦਾ ਹੈ, ਹਮੇਸ਼ਾਂ ਇਹ ਦੋ ਵਾਰ ਹੁੰਦੇ ਹਨ ਜੋ ਇਸਦੇ ਨਾਲ ਆਉਂਦੇ ਹਨ. ਡਿਨਸਡੇਲ ਦੀ ਤਨਖਾਹ ਵਧਾਉਣ ਦੀ ਅਸਲ ਤਾਰੀਖ 15 ਫਰਵਰੀ ਅਤੇ 15 ਮਾਰਚ ਦੀ ਰਿਕਾਰਡ ਤਾਰੀਖ ਸੀ। ਇਸੇ ਤਰ੍ਹਾਂ ਜਦੋਂ ਅਸੀਂ ਇਹ ਪੁੱਛਦੇ ਹਾਂ ਕਿ ਡਿਨਸਡੇਲ ਦੀ ਤਨਖਾਹ ਦਰ ਕੀ ਸੀ, ਸਾਨੂੰ ਅਸਲ ਵਿੱਚ ਦੋ ਤਾਰੀਖਾਂ ਦੇਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈ: ਇੱਕ ਰਿਕਾਰਡ ਮਿਤੀ ਅਤੇ ਇੱਕ ਅਸਲ ਤਾਰੀਖ.

ਰਿਕਾਰਡ ਮਿਤੀਅਸਲ ਤਾਰੀਖਡਿਨਸਡੇਲ ਦੀ ਦਰ
1 ਜਨਵਰੀ1 ਜਨਵਰੀ$ 100/ਦਿਨ
25 ਫਰਵਰੀ25 ਫਰਵਰੀ$ 100/ਦਿਨ
14 ਮਾਰਚ25 ਫਰਵਰੀ$ 100/ਦਿਨ
15 ਮਾਰਚ1 ਜਨਵਰੀ$ 100/ਦਿਨ
15 ਮਾਰਚ25 ਫਰਵਰੀ$ 211/ਦਿਨ

ਅਸੀਂ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਦੋ ਅਯਾਮਾਂ ਬਾਰੇ ਸੋਚ ਸਕਦੇ ਹਾਂ. ਅਸਲ ਇਤਿਹਾਸ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਵਾਪਸ ਵੇਖ ਰਿਹਾ ਹੈ. ਜੇ ਮੈਂ ਆਪਣੇ ਮੌਜੂਦਾ ਅਸਲ ਇਤਿਹਾਸ ਨੂੰ ਵੇਖਦਾ ਹਾਂ, ਤਾਂ ਮੈਂ ਵੇਖਦਾ ਹਾਂ ਕਿ ਡਿਨਸਡੇਲ ਦੀ ਤਨਖਾਹ 15 ਫਰਵਰੀ ਤੱਕ $ 100 ਸੀ, ਜਿਸ ਸਮੇਂ ਇਹ ਵਧ ਕੇ $ 211 ਹੋ ਗਈ. ਹਾਲਾਂਕਿ ਰਿਕਾਰਡ ਸਮੇਂ ਵਿੱਚ ਇਹ ਅੱਜ ਦਾ ਅਸਲ ਇਤਿਹਾਸ ਹੈ. ਜੇ ਮੈਂ 25 ਫਰਵਰੀ ਦੇ ਅਸਲ ਇਤਿਹਾਸ ਨੂੰ ਵੇਖਦਾ ਹਾਂ, ਤਾਂ ਡਿਨਸਡੇਲ ਨੂੰ 1 ਜਨਵਰੀ ਤੋਂ ਬਾਅਦ $ 100 ਦਾ ਭੁਗਤਾਨ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਤੇ $ 211 ਇਸ ਵਿੱਚ ਕਦੇ ਨਹੀਂ ਆਇਆ. ਰਿਕਾਰਡ ਸਮੇਂ ਵਿੱਚ ਹਰ ਦਿਨ (ਸਖਤੀ ਨਾਲ ਹਰ ਟਾਈਮ ਪੁਆਇੰਟ) ਦਾ ਅਸਲ ਇਤਿਹਾਸ ਹੁੰਦਾ ਹੈ. ਇਹ ਇਤਿਹਾਸ ਵੱਖਰੇ ਹਨ ਕਿਉਂਕਿ ਸਾਨੂੰ ਪਤਾ ਲਗਦਾ ਹੈ ਕਿ ਜਿਹੜੀਆਂ ਚੀਜ਼ਾਂ ਅਸੀਂ ਸੱਚ ਸਮਝਦੇ ਸੀ ਉਹ ਹੁਣ ਸੱਚੀਆਂ ਨਹੀਂ ਰਹੀਆਂ.

ਦੂਜੇ ਕੋਣ ਤੋਂ ਅਸੀਂ ਕਹਿ ਸਕਦੇ ਹਾਂ ਕਿ ਅਸਲ ਇਤਿਹਾਸ ਵਿੱਚ ਹਰ ਦਿਨ ਦਾ ਇੱਕ ਰਿਕਾਰਡ ਇਤਿਹਾਸ ਹੁੰਦਾ ਹੈ. ਰਿਕਾਰਡ ਇਤਿਹਾਸ ਸਾਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ ਸਮੇਂ ਦੇ ਨਾਲ ਉਸ ਦਿਨ ਦਾ ਸਾਡਾ ਗਿਆਨ ਕਿਵੇਂ ਬਦਲਿਆ. ਇਸ ਲਈ 25 ਫਰਵਰੀ ਨੂੰ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਰਿਕਾਰਡ ਇਤਿਹਾਸ ਹੈ ਜੋ ਕਹਿੰਦਾ ਹੈ ਕਿ 15 ਮਾਰਚ ਤੱਕ, ਡਿਨਸਡੇਲ ਦੀ ਤਨਖਾਹ $ 100 ਸੀ ਜਿਸ ਸਮੇਂ ਇਹ $ 211 ਤੱਕ ਪਹੁੰਚ ਜਾਂਦੀ ਹੈ.

ਆਓ ਇਸ ਉਦਾਹਰਣ ਨੂੰ ਇੱਕ ਕਦਮ ਹੋਰ ਅੱਗੇ ਲੈ ਲਈਏ ਅਸੀਂ ਮੰਨਦੇ ਹਾਂ ਕਿ ਅਸੀਂ 26 ਮਾਰਚ ਨੂੰ ਇੱਕ ਤਨਖਾਹ ਵਿੱਚ ਸੰਚਾਲਨ ਕਰਦੇ ਹਾਂ. 4 ਅਪ੍ਰੈਲ ਨੂੰ ਸਾਨੂੰ ਦੱਸਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਕਰਮਚਾਰੀ ਦੀ ਸਾਡੀ ਪਿਛਲੀ ਜਾਣਕਾਰੀ ਗਲਤ ਸੀ ਅਤੇ 15 ਫਰਵਰੀ ਨੂੰ ਦਰ ਅਸਲ ਵਿੱਚ $ 255 ਵਿੱਚ ਬਦਲ ਦਿੱਤੀ ਗਈ ਸੀ. ਹੁਣ ਕਿਵੇਂ ਕੀ ਅਸੀਂ ਇਸ ਪ੍ਰਸ਼ਨ ਦਾ ਉੱਤਰ ਦਿੰਦੇ ਹਾਂ "25 ਫਰਵਰੀ ਨੂੰ ਕਰਮਚਾਰੀ ਦੀ ਦਰ ਕੀ ਸੀ?".

ਮੈਂ ਵੇਖਿਆ ਹੈ ਕਿ ਵੱਡੇ ਹੋਏ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਜਦੋਂ ਇਸ ਕਿਸਮ ਦੀਆਂ ਚੀਜ਼ਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ ਤਾਂ ਉਹ ਆਪਣੇ ਸਿਰ ਕੱਟਦੇ ਹਨ. ਪਰ ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਹਾਨੂੰ ਇਹ ਅਹਿਸਾਸ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿ ਹਰ ਚੀਜ਼ ਦੋ ਅਯਾਮਾਂ ਦੀ ਇਸ ਧਾਰਨਾ ਤੇ ਆਉਂਦੀ ਹੈ, ਤਾਂ ਚੀਜ਼ਾਂ ਬਹੁਤ ਸਰਲ ਹੋਣੀਆਂ ਸ਼ੁਰੂ ਹੋ ਜਾਂਦੀਆਂ ਹਨ. ਪਹਿਲਾਂ ਦੇ ਟੇਬਲ ਨੂੰ ਵਧਾਉਣ ਲਈ ਇਸ ਦੀ ਕਲਪਨਾ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ

ਰਿਕਾਰਡ ਮਿਤੀਅਸਲ ਤਾਰੀਖਕਰਮਚਾਰੀ ਦੀ ਦਰ
1 ਜਨਵਰੀ1 ਜਨਵਰੀ$ 100/ਦਿਨ
25 ਫਰਵਰੀ25 ਫਰਵਰੀ$ 100/ਦਿਨ
14 ਮਾਰਚ25 ਫਰਵਰੀ$ 100/ਦਿਨ
15 ਮਾਰਚ1 ਜਨਵਰੀ$ 100/ਦਿਨ
15 ਮਾਰਚ25 ਫਰਵਰੀ$ 211/ਦਿਨ
26 ਮਾਰਚ25 ਫਰਵਰੀ$ 211/ਦਿਨ
ਅਪ੍ਰੈਲ 41 ਜਨਵਰੀ$ 100/ਦਿਨ
ਅਪ੍ਰੈਲ 425 ਫਰਵਰੀ$ 255/ਦਿਨ

ਜੇ ਅਸੀਂ ਆਪਣੇ ਮੌਜੂਦਾ ਅਸਲ ਇਤਿਹਾਸ ਨੂੰ ਵੇਖਦੇ ਹਾਂ (ਉਹ ਅਸਲ ਇਤਿਹਾਸ ਹੈ ਜਿਸ ਦੀ ਰਿਕਾਰਡ ਤਾਰੀਖ ਅੱਜ ਹੈ) ਤਾਂ ਅਸੀਂ ਕਹਾਂਗੇ ਕਿ ਡਿਨਸਡੇਲ ਦੀ ਤਨਖਾਹ 1 ਜਨਵਰੀ ਤੋਂ $ 100 ਸੀ ਅਤੇ 15 ਫਰਵਰੀ ਨੂੰ $ 255 ਹੋ ਗਈ। ਮੌਜੂਦਾ ਅਸਲ ਇਤਿਹਾਸ ਲਈ $ 211 ਦੀ ਦਰ ਨਹੀਂ ਹੈ ਬਿਲਕੁਲ ਨਹੀਂ ਵਾਪਰਦਾ ਕਿਉਂਕਿ ਇਹ ਕਦੇ ਸੱਚ ਨਹੀਂ ਸੀ. ਜੇ ਅਸੀਂ 26 ਮਾਰਚ ਦੇ ਅਸਲ ਇਤਿਹਾਸ ਤੇ ਨਜ਼ਰ ਮਾਰੀਏ ਤਾਂ ਅਸੀਂ 15 ਫਰਵਰੀ ਤੱਕ ਡਿਨਸਡੇਲ ਦੀ ਤਨਖਾਹ $ 100 ਤੱਕ ਵੇਖਾਂਗੇ ਜਿੱਥੇ ਇਹ $ 211 ਤੱਕ ਪਹੁੰਚ ਗਈ. 26 ਮਾਰਚ ਦੇ ਅਸਲ ਇਤਿਹਾਸ ਵਿੱਚ $ 255 ਦੀ ਦਰ ਕਦੇ ਨਹੀਂ ਵਾਪਰੀ ਕਿਉਂਕਿ ਸਾਨੂੰ ਇਸ ਬਾਰੇ ਅਜੇ ਪਤਾ ਨਹੀਂ ਸੀ.

ਅਸੀਂ 25 ਫਰਵਰੀ ਦੇ ਰਿਕਾਰਡ ਇਤਿਹਾਸ ਬਾਰੇ ਵੀ ਸੋਚ ਸਕਦੇ ਹਾਂ। ਹੁਣ ਇਹ ਰਿਕਾਰਡ ਇਤਿਹਾਸ ਕਹਿੰਦਾ ਹੈ ਕਿ ਇਹ ਦਰ 15 ਮਾਰਚ ਤੱਕ $ 100 (ਉਸ ਦਿਨ) ਸੀ ਜਦੋਂ ਇਹ $ 211 ਵਿੱਚ ਬਦਲ ਗਈ। ਫਿਰ 4 ਅਪ੍ਰੈਲ ਨੂੰ ਇਹ ਦੁਬਾਰਾ ਬਦਲ ਕੇ $ 255 ਹੋ ਗਿਆ.

ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਦੋ ਅਯਾਮਾਂ ਬਾਰੇ ਜਾਣ ਲੈਂਦੇ ਹੋ ਤਾਂ ਸਮੱਸਿਆ ਬਾਰੇ ਸੋਚਣਾ ਬਹੁਤ ਸੌਖਾ ਹੋ ਜਾਂਦਾ ਹੈ, ਪਰ ਇਹ ਸੋਚਣਾ ਡਰਾਉਣਾ ਹੁੰਦਾ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਇਸ ਕਿਸਮ ਦੀਆਂ ਚੀਜ਼ਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਪਏਗਾ. ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ ਇੱਥੇ ਬਹੁਤ ਸਾਰੀਆਂ ਚੀਜ਼ਾਂ ਹਨ ਜੋ ਤੁਸੀਂ ਕਰ ਸਕਦੇ ਹੋ ਜੋ ਲਾਗੂ ਕਰਨ ਦੀ ਗੱਲ ਆਉਣ ਤੇ ਮਾਮਲਿਆਂ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ.

ਪਹਿਲੀ ਸਰਲਤਾ ਇਹ ਹੈ ਕਿ ਇਹਨਾਂ ਤਬਦੀਲੀਆਂ ਨਾਲ ਸਿੱਝਣ ਲਈ ਆਡਿਟ ਲੌਗ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਮੁਸ਼ਕਲ ਨਹੀਂ ਹੈ. ਤੁਹਾਨੂੰ ਸਿਰਫ ਇੰਦਰਾਜ਼ ਦੇ ਨਾਲ ਲੌਗ ਵਿੱਚ ਰਿਕਾਰਡ ਮਿਤੀ ਅਤੇ ਅਸਲ ਮਿਤੀ ਦੋਵਾਂ ਨੂੰ ਰਿਕਾਰਡ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ. ਇਹ ਸਧਾਰਨ ਕਸਰਤ ਕਿਸੇ ਵੀ ਲੌਗ ਨੂੰ ਦੋਵਾਂ ਅਯਾਮਾਂ 'ਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਰੱਖਣ ਲਈ ਕਾਫੀ ਹੈ, ਅਤੇ ਮੈਨੂੰ ਵਿਸ਼ਵਾਸ ਹੈ ਕਿ ਇਹ ਕਰਨ ਦੇ ਯੋਗ ਹੈ ਭਾਵੇਂ ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਇੱਕ ਬਾਰੇ ਪਰੇਸ਼ਾਨ ਹੋ.

ਦੂਜੀ ਸਰਲਤਾ ਇਹ ਹੈ ਕਿ ਤੁਸੀਂ ਅਕਸਰ ਨਹੀਂ ਚਾਹੁੰਦੇ ਕਿ ਤੁਹਾਡਾ ਮਾਡਲ ਦੋਵਾਂ ਮਾਪਾਂ ਨੂੰ ਸੰਭਾਲ ਸਕੇ. ਇੱਥੇ ਮਹੱਤਵਪੂਰਣ ਗੱਲ ਇਹ ਜਾਣਨਾ ਹੈ ਕਿ ਤੁਹਾਡੇ ਮਾਡਲ ਵਿੱਚ ਤੁਹਾਡੇ ਕੋਲ ਕੀ ਹੈ ਅਤੇ ਕਿਹੜਾ ਤੁਸੀਂ ਆਡਿਟ ਲੌਗ ਤੇ ਛੱਡ ਰਹੇ ਹੋ.

ਜੇ ਅਸੀਂ ਉਨ੍ਹਾਂ ਚੀਜ਼ਾਂ ਦਾ ਇਤਿਹਾਸ ਰੱਖਣਾ ਚਾਹੁੰਦੇ ਹਾਂ ਜਿੱਥੇ ਅਸੀਂ ਜਾਣਨਾ ਚਾਹੁੰਦੇ ਹਾਂ ਕਿ ਸਮੇਂ ਦੇ ਨਾਲ ਚੀਜ਼ਾਂ ਕਿਵੇਂ ਬਦਲਦੀਆਂ ਹਨ, ਪਰ ਜਦੋਂ ਅਸੀਂ ਤਬਦੀਲੀਆਂ ਬਾਰੇ ਜਾਣਦੇ ਹਾਂ ਤਾਂ ਇਸ ਦੀ ਪਰਵਾਹ ਨਹੀਂ ਕਰਦੇ, ਅਸੀਂ ਕਹਾਂਗੇ ਕਿ ਇਹ ਸੀ ਅਸਲ-ਅਸਥਾਈ. ਇਸ ਲਈ ਜੇ ਮੈਂ ਕਿਸੇ ਕਰਮਚਾਰੀ ਦੇ ਪਤੇ ਦਾ ਰਿਕਾਰਡ ਰੱਖਦਾ ਹਾਂ ਤਾਂ ਮੈਂ ਇਸਨੂੰ ਅਸਲ-ਅਸਥਾਈ ਸੰਪਤੀ ਵਜੋਂ ਰੱਖਣ ਦੀ ਚੋਣ ਕਰ ਸਕਦਾ ਹਾਂ. ਜਾਣਕਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਜੋ onਨ-ਲਾਈਨ ਪੁੱਛਗਿੱਛ ਵਿੱਚ ਸਹਾਇਤਾ ਲਈ ਹਨ, ਇਹ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਡੇਟਾਬੇਸ ਨੂੰ ਐਕਸੈਸ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹੋ ਤਾਂ ਤੁਸੀਂ ਆਮ ਤੌਰ ਤੇ ਅਸਲ-ਇਤਿਹਾਸ ਬਾਰੇ ਜਾਣਨਾ ਚਾਹੁੰਦੇ ਹੋ.

ਰਿਕਾਰਡ-ਅਸਥਾਈ ਤੱਥ ਉਦੋਂ ਪ੍ਰਗਟ ਹੁੰਦੇ ਹਨ ਜਦੋਂ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਪ੍ਰਣਾਲੀ ਹੁੰਦੀ ਹੈ ਜੋ ਚੀਜ਼ਾਂ ਦੀ ਸਥਿਤੀ ਦੇ ਅਧਾਰ ਤੇ ਬਿੱਲ ਤਿਆਰ ਕਰਨ ਵਰਗੀਆਂ ਚੀਜ਼ਾਂ ਕਰਦੀ ਹੈ. ਇਹ ਚੀਜ਼ਾਂ ਬਿੱਲ ਦੀ ਗਣਨਾ ਕਿਵੇਂ ਕੀਤੀਆਂ ਗਈਆਂ, ਇਸ ਬਾਰੇ ਪ੍ਰਸ਼ਨ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਤੁਹਾਨੂੰ ਇਹ ਜਾਣਨ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ ਕਿ ਜਦੋਂ ਬਿੱਲ ਦੀ ਗਣਨਾ ਕੀਤੀ ਗਈ ਸੀ ਤਾਂ ਸਥਿਤੀ ਅਤੇ ਆਬਜੈਕਟ ਕੀ ਸੋਚਦੇ ਸਨ. ਰਿਕਾਰਡ-ਅਸਥਾਈ ਤੱਥਾਂ ਦੀ ਅਕਸਰ ਸੌਫਟਵੇਅਰ ਵਿੱਚ ਇੱਕ ਸੰਸਕਰਣ ਨਿਯੰਤਰਣ ਪ੍ਰਣਾਲੀ ਨਾਲ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜਿੱਥੇ ਤੁਸੀਂ ਵਾਪਸ ਜਾ ਕੇ ਕਹਿ ਸਕਦੇ ਹੋ '1 ਅਪ੍ਰੈਲ ਨੂੰ ਇਹ ਫਾਈਲ ਕਿਹੋ ਜਿਹੀ ਸੀ?'

ਬੇਸ਼ੱਕ ਕਈ ਵਾਰ ਅਜਿਹੇ ਹੁੰਦੇ ਹਨ ਜਦੋਂ ਤੁਹਾਨੂੰ ਇੱਕੋ ਸਮੇਂ ਦੋਨਾਂ ਅਯਾਮਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ - ਇਹਨਾਂ ਨੂੰ ਦੋ -ਅਸਥਾਈ ਤੱਥ ਕਿਹਾ ਜਾਂਦਾ ਹੈ. ਜ਼ਰੂਰੀ ਤੌਰ ਤੇ ਦੋ-ਅਸਥਾਈ ਜਾਣਕਾਰੀ ਨੂੰ ਹਮੇਸ਼ਾਂ ਦੋਵਾਂ ਤਰੀਕਾਂ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ.

ਦੋ-ਅਸਥਾਈਤਾ ਇੱਕ ਪੂਰਾ ਹੱਲ ਹੈ, ਪਰ ਇਸਦੇ ਆਲੇ ਦੁਆਲੇ ਦੇ ਤਰੀਕਿਆਂ ਬਾਰੇ ਸੋਚਣਾ ਹਮੇਸ਼ਾਂ ਮਹੱਤਵਪੂਰਣ ਹੁੰਦਾ ਹੈ. ਬਿਲ ਦੀ ਗਣਨਾ ਤੋਂ ਇੱਕ ਉਦਾਹਰਣ ਮਿਲਦੀ ਹੈ. ਜੇ ਤੁਸੀਂ ਇਹ ਪਤਾ ਲਗਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ ਕਿ ਇੱਕ ਬਿੱਲ ਕਿਉਂ ਆਇਆ ਜਿਸਦੀ ਇੱਕ ਸੰਭਾਵਨਾ ਸੀ ਕਿ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਦੋ-ਟੈਂਪੋਰਲ ਡੇਟਾਬੇਸ ਹੋਣਾ. ਹਾਲਾਂਕਿ ਜਦੋਂ ਤੁਸੀਂ ਬਿੱਲ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹੋ ਤਾਂ ਗਣਨਾਵਾਂ ਦਾ ਵਿਸਤ੍ਰਿਤ ਟਰੇਸ ਸਟੋਰ ਕਰਨਾ ਅਕਸਰ ਬਿਹਤਰ ਹੁੰਦਾ ਹੈ. ਇਹ ਦੋ-ਟੈਂਪੋਰਲ ਆਬਜੈਕਟ ਮਾਡਲ ਨਾਲੋਂ ਬਹੁਤ ਸਰਲ ਤਰੀਕੇ ਨਾਲ ਜ਼ਰੂਰਤ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ.


ਸਿਰਲੇਖ ਖੋਜ ਦੀ ਚੇਨ

ਇੱਕ ਡੀਡ ਇੱਕ ਕਾਨੂੰਨੀ ਦਸਤਾਵੇਜ਼ ਹੈ ਜੋ ਜ਼ਮੀਨ ਅਤੇ ਜਾਇਦਾਦ ਦੀ ਮਾਲਕੀ ਨੂੰ ਤਬਦੀਲ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ. ਆਪਣੇ ਘਰ ਜਾਂ ਹੋਰ ਸੰਪਤੀ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਕੀਤੇ ਗਏ ਸਾਰੇ ਕੰਮਾਂ ਦੀ ਜਾਂਚ ਕਰਨਾ ਇਸਦੇ ਇਤਿਹਾਸ ਬਾਰੇ ਹੋਰ ਸਿੱਖਣ ਵੱਲ ਇੱਕ ਵੱਡਾ ਕਦਮ ਹੈ. ਪ੍ਰਾਪਰਟੀ ਮਾਲਕਾਂ ਦੇ ਨਾਂ ਮੁਹੱਈਆ ਕਰਵਾਉਣ ਦੇ ਨਾਲ -ਨਾਲ, ਨਿਰਮਾਣ ਦੀਆਂ ਤਰੀਕਾਂ, ਮੁੱਲ ਅਤੇ ਵਰਤੋਂ ਵਿੱਚ ਤਬਦੀਲੀਆਂ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਪਲਾਟ ਦੇ ਨਕਸ਼ਿਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਮੁਹੱਈਆ ਕਰ ਸਕਦੀ ਹੈ. ਪ੍ਰਾਪਰਟੀ ਦੇ ਮੌਜੂਦਾ ਮਾਲਕਾਂ ਲਈ ਡੀਡ ਨਾਲ ਅਰੰਭ ਕਰੋ ਅਤੇ ਇੱਕ ਡੀਡ ਤੋਂ ਦੂਜੇ ਡੀਡ ਤੇ ਵਾਪਸ ਜਾਓ, ਹਰੇਕ ਡੀਡ ਦੇ ਨਾਲ ਵੇਰਵੇ ਪ੍ਰਦਾਨ ਕਰੋ ਕਿ ਇਹ ਸੰਪਤੀ ਕਿਸ ਨੂੰ ਦਿੱਤੀ ਗਈ ਹੈ. ਉਤਰਾਧਿਕਾਰ ਦੇ ਸੰਪਤੀ ਮਾਲਕਾਂ ਦੀ ਇਹ ਸੂਚੀ "ਸਿਰਲੇਖ ਦੀ ਲੜੀ" ਵਜੋਂ ਜਾਣੀ ਜਾਂਦੀ ਹੈ. ਹਾਲਾਂਕਿ ਅਕਸਰ ਇੱਕ ਮੁਸ਼ਕਲ ਪ੍ਰਕਿਰਿਆ ਹੁੰਦੀ ਹੈ, ਇੱਕ ਸਿਰਲੇਖ ਦੀ ਖੋਜ ਇੱਕ ਸੰਪਤੀ ਲਈ ਮਾਲਕੀ ਦੀ ਇੱਕ ਲੜੀ ਸਥਾਪਤ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਉੱਤਮ ਤਰੀਕਾ ਹੈ.

ਆਪਣੇ ਕਾਰਜਾਂ ਦੀ ਖੋਜ ਸਿੱਖ ਕੇ ਅਰੰਭ ਕਰੋ ਕਿ ਉਹ ਉਸ ਸਮੇਂ ਅਤੇ ਸਥਾਨ ਲਈ ਕਿੱਥੇ ਦਰਜ ਅਤੇ ਸਟੋਰ ਕੀਤੇ ਗਏ ਸਨ ਜਿਸ ਵਿੱਚ ਤੁਸੀਂ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹੋ. ਕੁਝ ਅਧਿਕਾਰ ਖੇਤਰ ਇਸ ਜਾਣਕਾਰੀ ਨੂੰ onlineਨਲਾਈਨ ਰੱਖਣਾ ਵੀ ਸ਼ੁਰੂ ਕਰ ਰਹੇ ਹਨ - ਜਿਸ ਨਾਲ ਤੁਸੀਂ ਪਤੇ ਜਾਂ ਮਾਲਕ ਦੁਆਰਾ ਮੌਜੂਦਾ ਸੰਪਤੀ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਖੋਜ ਕਰ ਸਕਦੇ ਹੋ. ਅੱਗੇ, ਕਰਮਾਂ ਦੀ ਰਜਿਸਟਰੀ (ਜਾਂ ਉਹ ਸਥਾਨ ਜਿੱਥੇ ਤੁਹਾਡੇ ਖੇਤਰ ਲਈ ਕਾਰਜ ਦਰਜ ਕੀਤੇ ਗਏ ਹਨ) ਤੇ ਜਾਓ ਅਤੇ ਗ੍ਰਾਂਟੀ ਇੰਡੈਕਸ ਦੀ ਵਰਤੋਂ ਖਰੀਦਦਾਰਾਂ ਦੇ ਸੂਚਕਾਂਕ ਵਿੱਚ ਮੌਜੂਦਾ ਮਾਲਕ ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਕਰੋ. ਸੂਚਕਾਂਕ ਤੁਹਾਨੂੰ ਇੱਕ ਕਿਤਾਬ ਅਤੇ ਪੰਨਾ ਪ੍ਰਦਾਨ ਕਰੇਗਾ ਜਿੱਥੇ ਅਸਲ ਡੀਡ ਦੀ ਇੱਕ ਕਾਪੀ ਸਥਿਤ ਹੈ. ਸੰਯੁਕਤ ਰਾਜ ਭਰ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਕਾਉਂਟੀ ਡੀਡ ਦਫਤਰ ਮੌਜੂਦਾ, ਅਤੇ ਕਈ ਵਾਰ ਇਤਿਹਾਸਕ, ਕਾਰਜਾਂ ਦੀਆਂ ਕਾਪੀਆਂ ਤੱਕ onlineਨਲਾਈਨ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ. ਮੁਫਤ ਵੰਸ਼ਾਵਲੀ ਵੈਬਸਾਈਟ ਫੈਮਿਲੀ ਸਰਚ ਦੇ ਕੋਲ ਡਿਜੀਟਲ ਫਾਰਮੈਟ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਇਤਿਹਾਸਕ ਡੀਡ ਰਿਕਾਰਡ onlineਨਲਾਈਨ ਹਨ.


30 ਈਸਵੀ ਪੂਰਵ ਤੱਕ, ਗ੍ਰੀਸ, ਏਸ਼ੀਆ ਮਾਈਨਰ ਅਤੇ ਇਟਲੀ ਵਿੱਚ 13 ਵੱਖ -ਵੱਖ ਕਿਸਮ ਦੀਆਂ ਧੁੱਪਾਂ ਵਰਤੀਆਂ ਗਈਆਂ ਸਨ.

ਕਲੇਪਸੀਡ੍ਰਸ ਜਾਂ ਪਾਣੀ ਦੀਆਂ ਘੜੀਆਂ ਪਹਿਲੇ ਸਮੇਂ ਦੀ ਸੰਭਾਲ ਕਰਨ ਵਾਲੇ ਉਪਕਰਣਾਂ ਵਿੱਚੋਂ ਸਨ ਜਿਨ੍ਹਾਂ ਨੇ ਸਮੇਂ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਸੂਰਜ ਜਾਂ ਆਕਾਸ਼ੀ ਸਰੀਰ ਦੇ ਲੰਘਣ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ. ਪ੍ਰਾਚੀਨ ਮਿਸਰ ਦੇ ਰਾਜਾ ਅਮਨਹੋਤੇਪ ਪਹਿਲੇ ਦੀ ਕਬਰ ਵਿੱਚ ਸਭ ਤੋਂ ਪੁਰਾਣਾ ਪਾਇਆ ਗਿਆ ਸੀ, ਜੋ ਲਗਭਗ 1500 ਬੀ.ਸੀ. ਲਗਭਗ 325 ਈਸਵੀ ਪੂਰਵ ਵਿੱਚ, ਯੂਨਾਨੀਆਂ ਨੇ ਇੱਕ ਤੰਗ ਖੁੱਲਣ ਦੁਆਰਾ ਪਾਣੀ ਦੀ ਨਿਯਮਤ ਟਪਕਣ ਅਤੇ ਇੱਕ ਭੰਡਾਰ ਵਿੱਚ ਪਾਣੀ ਇਕੱਠਾ ਕਰਕੇ ਕਲੇਪਸੀਡ੍ਰਸ (ਯੂਨਾਨੀ & quotwater ਚੋਰ & quot) ਦੀ ਵਰਤੋਂ ਸ਼ੁਰੂ ਕੀਤੀ ਜਿੱਥੇ ਇੱਕ ਸੰਕੇਤ ਵਾਲਾ ਫਲੋਟ ਉੱਠਿਆ ਅਤੇ ਘੰਟਿਆਂ ਨੂੰ ਚਿੰਨ੍ਹਤ ਕੀਤਾ. ਥੋੜੀ ਵੱਖਰੀ ਪਾਣੀ ਦੀ ਘੜੀ ਨੇ ਇੱਕ ਨਿਯਮਤ ਦਰ ਨਾਲ ਪਾਣੀ ਨੂੰ ਇੱਕ ਕਟੋਰੇ ਵਿੱਚ ਉਦੋਂ ਤੱਕ ਛੱਡਿਆ ਜਦੋਂ ਤੱਕ ਇਹ ਡੁੱਬ ਨਾ ਜਾਵੇ. ਇਹ ਘੜੀਆਂ ਪੂਰੇ ਮੱਧ ਪੂਰਬ ਵਿੱਚ ਆਮ ਸਨ, ਅਤੇ ਅਜੇ ਵੀ 20 ਵੀਂ ਸਦੀ ਦੇ ਅਰੰਭ ਵਿੱਚ ਅਫਰੀਕਾ ਦੇ ਕੁਝ ਹਿੱਸਿਆਂ ਵਿੱਚ ਵਰਤੀਆਂ ਜਾ ਰਹੀਆਂ ਸਨ. ਉਹ ਇੱਕ ਘੰਟੇ ਦੇ ਕਾਫ਼ੀ ਵੱਡੇ ਅੰਸ਼ ਨਾਲੋਂ ਵਧੇਰੇ ਨੇੜਿਓਂ ਸਮਾਂ ਦੱਸਣ 'ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਹੋ ਸਕਦੇ.

100 ਬੀਸੀ ਦੇ ਵਿੱਚ ਵਧੇਰੇ ਵਿਸਤ੍ਰਿਤ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਮਸ਼ੀਨੀ ਪਾਣੀ ਦੀਆਂ ਘੜੀਆਂ ਵਿਕਸਤ ਕੀਤੀਆਂ ਗਈਆਂ. ਅਤੇ ਯੂਨਾਨੀ ਅਤੇ ਰੋਮਨ ਦੇ ਵਿਗਿਆਨੀ ਅਤੇ ਖਗੋਲ ਵਿਗਿਆਨੀਆਂ ਦੁਆਰਾ 500 ਈ. ਵਧੀ ਹੋਈ ਗੁੰਝਲਤਾ ਦਾ ਉਦੇਸ਼ ਸਮੇਂ ਦੇ ਬੀਤਣ ਦੇ ਫੈਨਸੀਅਰ ਡਿਸਪਲੇਅ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲੇ ਦਬਾਅ ਨੂੰ ਨਿਯਮਤ ਕਰਕੇ ਪ੍ਰਵਾਹ ਨੂੰ ਵਧੇਰੇ ਸਥਿਰ ਬਣਾਉਣਾ ਸੀ. ਕੁਝ ਪਾਣੀ ਦੀਆਂ ਘੜੀਆਂ ਘੰਟੀਆਂ ਅਤੇ ਘੰਟਿਆਂ ਦੀ ਘੰਟੀ ਵੱਜਦੀਆਂ ਹਨ ਦੂਜਿਆਂ ਨੇ ਦਰਵਾਜ਼ੇ ਅਤੇ ਖਿੜਕੀਆਂ ਖੋਲ੍ਹ ਕੇ ਲੋਕਾਂ ਦੇ ਛੋਟੇ ਅੰਕੜੇ ਦਿਖਾਏ, ਜਾਂ ਬ੍ਰਹਿਮੰਡ ਦੇ ਸੰਕੇਤ, ਡਾਇਲਸ ਅਤੇ ਜੋਤਿਸ਼ ਮਾਡਲਾਂ ਨੂੰ ਦਿਖਾਇਆ. ਰੋਮਨ ਟਾਈਮਕੀਪਿੰਗ ਬਾਰੇ ਹੋਰ.

ਇੱਕ ਯੂਨਾਨੀ ਖਗੋਲ ਵਿਗਿਆਨੀ, ਐਂਡਰੋਨਿਕੋਸ ਨੇ ਪਹਿਲੀ ਸਦੀ ਈਸਵੀ ਪੂਰਵ ਵਿੱਚ ਏਥਨਜ਼ ਵਿੱਚ ਹਵਾ ਦੇ ਟਾਵਰ ਦੇ ਨਿਰਮਾਣ ਦੀ ਨਿਗਰਾਨੀ ਕੀਤੀ ਸੀ ਇਸ ਅਸ਼ਟਭੁਜੀ structureਾਂਚੇ ਨੇ ਵਿਦਵਾਨਾਂ ਅਤੇ ਬਾਜ਼ਾਰ ਦੇ ਦੁਕਾਨਦਾਰਾਂ ਨੂੰ ਸੂਰਜ ਅਤੇ ਮਕੈਨੀਕਲ ਘੰਟਾ ਦੋਵੇਂ ਸੰਕੇਤ ਦਿਖਾਏ. ਇਸ ਵਿੱਚ 24 ਘੰਟਿਆਂ ਦਾ ਮਸ਼ੀਨੀਕ੍ਰਿਤ ਕਲੇਪਸਾਈਡਰਾ ਅਤੇ ਅੱਠ ਹਵਾਵਾਂ ਦੇ ਸੰਕੇਤ ਸ਼ਾਮਲ ਸਨ ਜਿਨ੍ਹਾਂ ਤੋਂ ਮੀਨਾਰ ਨੂੰ ਇਸਦਾ ਨਾਮ ਮਿਲਿਆ, ਅਤੇ ਇਸ ਵਿੱਚ ਸਾਲ ਦੇ ਮੌਸਮ ਅਤੇ ਜੋਤਸ਼ ਦੀਆਂ ਤਾਰੀਖਾਂ ਅਤੇ ਅਵਧੀ ਪ੍ਰਦਰਸ਼ਤ ਕੀਤੇ ਗਏ.

ਦੂਰ ਪੂਰਬ ਵਿੱਚ, 200 ਤੋਂ 1300 ਈਸਵੀ ਤੱਕ ਵਿਕਸਤ ਮਸ਼ੀਨੀ ਖਗੋਲ/ਜੋਤਿਸ਼ ਘੜੀ-ਨਿਰਮਾਣ ਤੀਜੀ ਸਦੀ ਦੇ ਚੀਨੀ ਕਲਪਸੀਡ੍ਰਸ ਨੇ ਵਿਭਿੰਨ ਵਿਧੀਵਾਂ ਨੂੰ ਚਲਾਇਆ ਜਿਨ੍ਹਾਂ ਨੇ ਖਗੋਲ-ਵਿਗਿਆਨਕ ਘਟਨਾਵਾਂ ਨੂੰ ਦਰਸਾਇਆ. ਸਭ ਤੋਂ ਵਿਸਤ੍ਰਿਤ ਕਲਾਕ ਟਾਵਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਸੁ ਸੁੰਗ ਅਤੇ ਉਸਦੇ ਸਾਥੀਆਂ ਦੁਆਰਾ 1088 ਈ. ਵਿੱਚ ਬਣਾਇਆ ਗਿਆ ਸੀ।

ਸੁ ਸੁੰਗ ਕਲਾਕ ਟਾਵਰ, ਜੋ 30 ਫੁੱਟ ਤੋਂ ਉੱਚਾ ਹੈ, ਕੋਲ ਨਿਰੀਖਣ ਲਈ ਇੱਕ ਕਾਂਸੀ ਦੀ ਸ਼ਕਤੀ ਨਾਲ ਚੱਲਣ ਵਾਲਾ ਆਰਮੀਲਰੀ ਗੋਲਾ ਹੈ, ਇੱਕ ਸਵੈਚਲ ਰੂਪ ਨਾਲ ਘੁੰਮਦਾ ਆਕਾਸ਼ੀ ਗਲੋਬ, ਅਤੇ ਦਰਵਾਜ਼ਿਆਂ ਦੇ ਨਾਲ ਪੰਜ ਫਰੰਟ ਪੈਨਲ ਜੋ ਕਿ ਮਨੇਕਵਿਨਸ ਨੂੰ ਵੇਖਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ ਜੋ ਘੰਟੀਆਂ ਜਾਂ ਗੌਂਜਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ, ਅਤੇ ਗੋਲੀਆਂ ਰੱਖਦੇ ਹਨ. ਘੰਟਾ ਜਾਂ ਦਿਨ ਦੇ ਹੋਰ ਵਿਸ਼ੇਸ਼ ਸਮੇਂ.

ਸੁ ਸੁੰਗ ਦਾ ਕਲਾਕ ਟਾਵਰ, ਸੀਏ. 1088



ਪਾਣੀ ਦੀ ਘੜੀ


ਹਵਾਵਾਂ ਦਾ ਟਾਵਰ, ਏਥੇਨਜ਼, ਗ੍ਰੀਸ

ਮਕੈਨੀਕਲ ਘੜੀ ਦੀ ਖੋਜ ਸ਼ਾਇਦ ਮੱਧਯੁਗੀ ਯੂਰਪ ਵਿੱਚ ਹੋਈ ਸੀ. ਗੀਅਰਸ ਅਤੇ ਪਹੀਏ ਦੇ ਚਲਾਕ ਪ੍ਰਬੰਧ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਨ ਜੋ ਉਨ੍ਹਾਂ ਨਾਲ ਜੁੜੇ ਵਜ਼ਨ ਦੁਆਰਾ ਬਦਲ ਦਿੱਤੇ ਗਏ ਸਨ. ਜਿਵੇਂ ਕਿ ਭਾਰ ਨੂੰ ਗੁਰੂਤਾ ਸ਼ਕਤੀ ਦੁਆਰਾ ਹੇਠਾਂ ਵੱਲ ਖਿੱਚਿਆ ਗਿਆ, ਪਹੀਆਂ ਨੂੰ ਹੌਲੀ, ਨਿਯਮਤ inੰਗ ਨਾਲ ਮੋੜਨ ਲਈ ਮਜਬੂਰ ਕੀਤਾ ਗਿਆ. ਇੱਕ ਪੁਆਇੰਟਰ, ਪਹੀਆਂ ਨਾਲ ਸਹੀ ਤਰ੍ਹਾਂ ਜੁੜਿਆ ਹੋਇਆ, ਘੰਟਿਆਂ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰਦਾ ਹੈ.

ਇਹ ਘੜੀਆਂ ਚਰਚਾਂ ਅਤੇ ਮੱਠਾਂ ਵਿੱਚ ਆਮ ਹੋ ਗਈਆਂ ਹਨ ਅਤੇ ਇਹ ਦੱਸਣ ਲਈ ਨਿਰਭਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਨਿਯਮਤ ਪ੍ਰਾਰਥਨਾਵਾਂ ਜਾਂ ਚਰਚ ਦੀ ਹਾਜ਼ਰੀ ਲਈ ਘੰਟੀਆਂ ਕਦੋਂ ਵੱਜਣੀਆਂ ਹਨ. (ਬਹੁਤ ਹੀ ਸ਼ਬਦ & quot; ਫ੍ਰੈਂਚ ਤੋਂ ਹੈ ਕਲੋਚੇ, ਮਤਲਬ & quotbell. & quot)

ਅਖੀਰ ਵਿੱਚ, ਮਕੈਨੀਕਲ ਘੜੀਆਂ ਨੂੰ ਘੰਟਾ ਘੰਟਾ ਮਾਰਨ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਤਿਮਾਹੀ ਘੰਟੇ ਦੀ ਘੰਟੀ ਵੱਜਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ. ਹਾਲਾਂਕਿ, ਉਨ੍ਹਾਂ ਕੋਲ ਸਿਰਫ ਇੱਕ ਘੰਟੇ ਦਾ ਹੱਥ ਸੀ ਅਤੇ ਉਹ ਬੰਦ ਨਹੀਂ ਸਨ. ਇਥੋਂ ਤਕ ਕਿ ਸਭ ਤੋਂ ਵਧੀਆ ਅਜਿਹੀਆਂ ਘੜੀਆਂ ਵੀ ਦਿਨ ਵਿਚ ਅੱਧਾ ਘੰਟਾ ਲਾਭ ਜਾਂ ਗੁਆ ਸਕਦੀਆਂ ਹਨ.

ਇੱਕ ਤਕਨੀਕੀ ਤਰੱਕੀ 1500-1510 ਦੇ ਆਸਪਾਸ “ ਸਪਰਿੰਗ ਨਾਲ ਚੱਲਣ ਵਾਲੀ ਘੜੀ ਅਤੇ#148 ਦੀ ਕਾ with ਦੇ ਨਾਲ ਆਈ, ਜਿਸਦਾ ਸਿਹਰਾ ਜਰਮਨੀ ਦੇ ਨੂਰਮਬਰਗ ਦੇ ਪੀਟਰ ਹੈਨਲੀਨ ਨੂੰ ਦਿੱਤਾ ਗਿਆ। ਕਿਉਂਕਿ ਇਹ ਘੜੀਆਂ ਇੱਕ ਪਰਦੇ ਜਾਂ ਸ਼ੈਲਫ ਤੇ ਫਿੱਟ ਹੋ ਸਕਦੀਆਂ ਹਨ ਉਹ ਅਮੀਰਾਂ ਵਿੱਚ ਬਹੁਤ ਮਸ਼ਹੂਰ ਹੋ ਗਈਆਂ. ਉਨ੍ਹਾਂ ਨੂੰ ਕੁਝ ਸਮਾਂ ਰੱਖਣ ਦੀਆਂ ਮੁਸ਼ਕਲਾਂ ਆਈਆਂ, ਹਾਲਾਂਕਿ, ਜਿਵੇਂ ਕਿ ਘੜੀ ਹੌਲੀ ਹੋ ਗਈ ਜਿਵੇਂ ਕਿ ਮੁੱਖ ਸੰਚਾਰ ਅਸਪਸ਼ਟ ਸੀ. ਬਸੰਤ-ਸੰਚਾਲਿਤ ਘੜੀ ਦਾ ਵਿਕਾਸ ਸਹੀ ਸਮੇਂ ਦੀ ਦੇਖਭਾਲ ਦਾ ਪੂਰਵਗਾਮੀ ਸੀ.

1582 ਵਿੱਚ, ਇਟਲੀ ਦੇ ਵਿਗਿਆਨੀ ਗੈਲੀਲੀਓ, ਜੋ ਉਦੋਂ ਇੱਕ ਅੱਲ੍ਹੜ ਉਮਰ ਦੇ ਸਨ, ਨੇ ਇੱਕ ਗਿਰਜਾਘਰ ਵਿੱਚ ਝੂਲਦੇ ਝੁੰਡਾਂ ਨੂੰ ਦੇਖਿਆ ਸੀ. ਉਸਨੂੰ ਅਜਿਹਾ ਲਗਦਾ ਸੀ ਕਿ ਅੱਗੇ ਅਤੇ ਪਿੱਛੇ ਦੀ ਗਤੀ ਹਮੇਸ਼ਾਂ ਇੱਕੋ ਜਿਹੀ ਹੁੰਦੀ ਸੀ ਭਾਵੇਂ ਸਵਿੰਗ ਵੱਡੀ ਹੋਵੇ ਜਾਂ ਛੋਟੀ. ਉਸਨੇ ਆਪਣੀ ਨਬਜ਼ ਨਾਲ ਲਹਿਣ ਦਾ ਸਮਾਂ ਸਮਾਪਤ ਕੀਤਾ ਅਤੇ ਫਿਰ ਸਵਿੰਗਿੰਗ ਵਜ਼ਨ ਦੇ ਨਾਲ ਪ੍ਰਯੋਗ ਕਰਨਾ ਅਰੰਭ ਕੀਤਾ. ਉਸਨੇ ਪਾਇਆ ਕਿ & quotpendulum & quot ਸਮੇਂ ਦੇ ਛੋਟੇ ਅੰਤਰਾਲਾਂ ਨੂੰ ਸਹੀ ੰਗ ਨਾਲ ਮਾਰਕ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਸੀ.

ਇੱਕ ਵਾਰ ਜਦੋਂ ਗੈਲੀਲੀਓ ਨੇ ਖੋਜ ਕੀਤੀ ਸੀ, ਤਾਂ ਘੜੀ ਦੇ ਪਹੀਏ ਅਤੇ ਗੀਅਰਾਂ ਦੀ ਗਤੀ ਨੂੰ ਨਿਯਮਤ ਕਰਨ ਲਈ ਪੈਂਡੂਲਮ ਦੀ ਨਿਯਮਤ ਬੀਟ ਸਭ ਤੋਂ ਸਹੀ ਸਰੋਤ ਬਣ ਗਈ.

ਇਹ ਇੱਕ ਸੰਪੂਰਨ ਪ੍ਰਣਾਲੀ ਨਹੀਂ ਸੀ, ਹਾਲਾਂਕਿ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਪੈਂਡੂਲਮ ਇੱਕ ਚੱਕਰ ਦੇ ਚਾਪ ਰਾਹੀਂ ਘੁੰਮਦਾ ਹੈ, ਅਤੇ ਜਦੋਂ ਅਜਿਹਾ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਸਵਿੰਗ ਦਾ ਸਮਾਂ ਇਸਦੇ ਆਕਾਰ ਦੇ ਨਾਲ ਥੋੜ੍ਹਾ ਬਦਲਦਾ ਹੈ. ਪੈਂਡੂਲਮ ਨੂੰ ਸੱਚਮੁੱਚ ਸਹੀ ਸਮੇਂ ਤੇ ਬਣਾਈ ਰੱਖਣ ਲਈ, ਇਸਨੂੰ ਇੱਕ & quotcycloid ਦੇ ਰੂਪ ਵਿੱਚ ਜਾਣੇ ਜਾਂਦੇ ਕਰਵ ਦੁਆਰਾ ਸਵਿੰਗ ਕਰਨ ਲਈ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ.

1656 ਵਿੱਚ, ਡੱਚ ਖਗੋਲ ਵਿਗਿਆਨੀ ਕ੍ਰਿਸਚੀਅਨ ਹਿyਜੇਂਸ ਨੇ ਪਹਿਲੀ ਵਾਰ ਇੱਕ ਸਫਲ ਪੈਂਡੂਲਮ ਘੜੀ ਤਿਆਰ ਕੀਤੀ. ਉਸਨੇ ਛੋਟੇ ਪੈਂਡੂਲਮਸ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜੋ ਇੱਕ ਸਕਿੰਟ ਵਿੱਚ ਕਈ ਵਾਰ ਹਰਾਉਂਦੇ ਸਨ, ਕੰਮਾਂ ਨੂੰ ਲੱਕੜ ਵਿੱਚ ਬੰਦ ਕਰ ਦਿੰਦੇ ਸਨ, ਅਤੇ ਘੜੀ ਨੂੰ ਕੰਧ ਉੱਤੇ ਟੰਗ ਦਿੰਦੇ ਸਨ. ਇਸ ਵਿੱਚ ਇੱਕ ਦਿਨ ਵਿੱਚ ਇੱਕ ਮਿੰਟ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਦੀ ਗਲਤੀ ਸੀ. ਇਹ ਪਹਿਲਾਂ ਦੀਆਂ ਮਕੈਨੀਕਲ ਘੜੀਆਂ 'ਤੇ ਬਹੁਤ ਵੱਡਾ ਸੁਧਾਰ ਸੀ, ਅਤੇ ਬਾਅਦ ਦੇ ਸੁਧਾਰਾਂ ਨੇ ਗਲਤੀ ਦੇ ਹਾਸ਼ੀਏ ਨੂੰ ਪ੍ਰਤੀ ਦਿਨ 10 ਸਕਿੰਟ ਤੋਂ ਘੱਟ ਕਰ ਦਿੱਤਾ.

1670 ਵਿੱਚ, ਇੰਗਲਿਸ਼ ਘੜੀ ਨਿਰਮਾਤਾ ਵਿਲੀਅਮ ਕਲੇਮੈਂਟ ਨੇ ਇੱਕ ਯਾਰਡ ਲੰਬੇ ਪੈਂਡੂਲਮ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਿਸ ਨੂੰ ਅੱਗੇ ਅਤੇ ਪਿੱਛੇ ਜਾਣ ਵਿੱਚ ਪੂਰਾ ਸਕਿੰਟ ਲੱਗਿਆ, ਜਿਸ ਨਾਲ ਪਹਿਲਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਹੋਈ. ਉਸ ਨੇ ਹਵਾ ਦੇ ਪ੍ਰਵਾਹਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਲੱਕੜ ਵਿੱਚ ਪੈਂਡੂਲਮ ਅਤੇ ਵਜ਼ਨ ਨੂੰ ਘੇਰਿਆ, ਇਸ ਤਰ੍ਹਾਂ & quotgrandfather's clock. & Quot; ਨੇੜਲੇ ਦੂਜੇ ਦਾ ਸਮਾਂ.

1721 ਵਿੱਚ, ਜਾਰਜ ਗ੍ਰਾਹਮ ਨੇ ਪੈਂਡੂਲਮ ਘੜੀ ਅਤੇ#146 ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਦਿਨ ਦੇ ਇੱਕ ਸਕਿੰਟ ਵਿੱਚ ਸੁਧਾਰ ਕੇ ਤਾਪਮਾਨ ਦੇ ਭਿੰਨਤਾਵਾਂ ਦੇ ਕਾਰਨ ਪੈਂਡੂਲਮ ਦੀ ਲੰਬਾਈ ਵਿੱਚ ਬਦਲਾਅ ਦੀ ਭਰਪਾਈ ਕੀਤੀ. ਮਕੈਨੀਕਲ ਘੜੀ ਉਦੋਂ ਤੱਕ ਵਿਕਸਤ ਹੁੰਦੀ ਰਹੀ ਜਦੋਂ ਤੱਕ ਇਹ ਇੱਕ ਦਿਨ ਵਿੱਚ ਸੈਕਿੰਡ ਦੇ ਸੌਵੇਂ ਹਿੱਸੇ ਦੀ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰ ਲੈਂਦਾ ਅਤੇ ਇਹ ਜ਼ਿਆਦਾਤਰ ਖਗੋਲ -ਵਿਗਿਆਨ ਆਬਜ਼ਰਵੇਟਰੀਆਂ ਵਿੱਚ ਪ੍ਰਵਾਨਤ ਮਿਆਰ ਬਣ ਗਿਆ.


1870 ਦੇ ਦਹਾਕੇ ਤੋਂ ਵਾਲ ਕਲਾਕ


ਸ਼ੁਰੂਆਤੀ ਮਕੈਨੀਕਲ ਘੜੀ



ਗੈਲੀਲੀਓ



ਕ੍ਰਿਸ਼ਚੀਅਨ ਹਿgਜੈਂਸ


ਜਾਰਜ ਗ੍ਰਾਹਮ


ਸ਼ੁਰੂਆਤੀ ਗ੍ਰਾਹਮ ਘੜੀ



17 ਵੀਂ ਸਦੀ ਦੀ ਜੇਬ ਘੜੀ

ਇੱਕ ਕੁਆਰਟਜ਼ ਘੜੀ ਦਾ ਚੱਲਣਾ ਕੁਆਰਟਜ਼ ਕ੍ਰਿਸਟਲ ਦੀ ਇਲੈਕਟ੍ਰਿਕ ਸੰਪਤੀ 'ਤੇ ਅਧਾਰਤ ਹੈ. ਜਦੋਂ ਇੱਕ ਇਲੈਕਟ੍ਰਿਕ ਫੀਲਡ ਇੱਕ ਕੁਆਰਟਜ਼ ਕ੍ਰਿਸਟਲ ਤੇ ਲਗਾਇਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਕ੍ਰਿਸਟਲ ਦਾ ਆਕਾਰ ਹੀ ਬਦਲਦਾ ਹੈ. ਜੇ ਤੁਸੀਂ ਇਸ ਨੂੰ ਨਿਚੋੜਦੇ ਹੋ ਜਾਂ ਇਸ ਨੂੰ ਮੋੜਦੇ ਹੋ, ਤਾਂ ਇੱਕ ਬਿਜਲੀ ਖੇਤਰ ਪੈਦਾ ਹੁੰਦਾ ਹੈ. ਜਦੋਂ ਇਲੈਕਟ੍ਰੌਨਿਕ ਸਰਕਟ ਵਿੱਚ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਮਕੈਨੀਕਲ ਤਣਾਅ ਅਤੇ ਬਿਜਲਈ ਖੇਤਰ ਦੇ ਵਿੱਚ ਪਰਸਪਰ ਕ੍ਰਿਸਟਲ ਥਿੜਕਣ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ, ਇੱਕ ਨਿਰੰਤਰ ਬਿਜਲੀ ਸੰਕੇਤ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿਸਦੀ ਵਰਤੋਂ ਸਮੇਂ ਨੂੰ ਮਾਪਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ.

ਕੁਆਰਟਜ਼ ਘੜੀਆਂ ਉਨ੍ਹਾਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਪੁੰਜ ਮਾਤਰਾ ਵਿੱਚ ਪੈਦਾ ਹੋਣ 'ਤੇ ਉਨ੍ਹਾਂ ਦੀ ਘੱਟ ਲਾਗਤ ਕਾਰਨ ਬਾਜ਼ਾਰ ਵਿੱਚ ਹਾਵੀ ਰਹਿੰਦੀਆਂ ਹਨ.


ਇੱਕ ਆਧੁਨਿਕ ਕੁਆਰਟਜ਼ ਡਿਜੀਟਲ ਘੜੀ ਜੋ ਨਾ ਸਿਰਫ ਸਹੀ ਸਮਾਂ ਰੱਖਦੀ ਹੈ,
ਪਰ ਤੁਹਾਡੇ ਦਿਲ ਦੀ ਧੜਕਣ ਦੀ ਜਾਂਚ ਵੀ ਕਰ ਸਕਦਾ ਹੈ.

  • ਅੰਦਰੂਨੀ ਚਿੱਪ ਤੁਹਾਡੀ ਨਾਈਲੋਨ ਕਮੀਜ਼, ਨਾਈਲੋਨ ਕਾਰਪੇਟ ਜਾਂ ਏਅਰ-ਕੰਡੀਸ਼ਨਡ ਦਫਤਰ ਤੋਂ ਸਥਿਰ ਹੋ ਕੇ ਬਰਬਾਦ ਹੋ ਸਕਦੀ ਹੈ. ਇਸ ਸਮੱਸਿਆ ਨੇ ਉਤਪਾਦਨ ਸਹੂਲਤ ਨੂੰ ਵੀ ਪ੍ਰਭਾਵਤ ਕੀਤਾ, ਜਿਸ ਨਾਲ ਘੜੀਆਂ ਦੇ ਫੈਕਟਰੀ ਛੱਡਣ ਤੋਂ ਪਹਿਲਾਂ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਅਸਫਲਤਾ ਹੋ ਗਈ. ਨਤੀਜਾ ਇਹ ਹੋਇਆ ਕਿ ਡਿਸਪਲੇਅ ਇੱਕ ਬਹੁਤ ਹੀ ਚਮਕਦਾਰ ਅੰਕ 'ਤੇ ਜੰਮ ਜਾਵੇਗਾ, ਜਿਸ ਨਾਲ ਬੈਟਰੀਆਂ ਓਵਰਲੋਡ ਹੋ ਜਾਣਗੀਆਂ (ਅਤੇ ਕਦੇ -ਕਦੇ ਫਟਣਗੀਆਂ).
  • ਕੁਆਰਟਜ਼ ਟਾਈਮਿੰਗ ਕ੍ਰਿਸਟਲ ਦੀ ਸ਼ੁੱਧਤਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਤਾਪਮਾਨ-ਸੰਵੇਦਨਸ਼ੀਲ ਸੀ ਜੋ ਘੜੀ ਸਰਦੀਆਂ ਅਤੇ ਗਰਮੀਆਂ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਗਤੀ ਤੇ ਚਲਦੀ ਸੀ.
  • ਬੈਟਰੀਆਂ ਦੀ ਉਮਰ ਸਿਰਫ ਦਸ ਦਿਨਾਂ ਦੀ ਸੀ ਇਸਦਾ ਮਤਲਬ ਇਹ ਸੀ ਕਿ ਗਾਹਕਾਂ ਨੂੰ ਅਕਸਰ ਅੰਦਰੂਨੀ ਬੈਟਰੀਆਂ ਦੇ ਨਾਲ ਬਲੈਕ ਵਾਚ ਪ੍ਰਾਪਤ ਹੁੰਦੀ ਸੀ. ਸਰਕਟਰੀ ਅਤੇ ਕੇਸ ਦੇ ਡਿਜ਼ਾਈਨ ਨੇ ਉਨ੍ਹਾਂ ਨੂੰ ਬਦਲਣਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਬਣਾ ਦਿੱਤਾ.
  • ਨਿਯੰਤਰਣ ਪੈਨਲ ਅਕਸਰ ਖਰਾਬ ਹੋ ਜਾਂਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਡਿਸਪਲੇ ਨੂੰ ਚਾਲੂ ਜਾਂ ਬੰਦ ਕਰਨਾ ਅਸੰਭਵ ਹੋ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਦੁਬਾਰਾ ਫੈਲਣ ਵਾਲੀਆਂ ਬੈਟਰੀਆਂ ਹੋਈਆਂ.
  • ਘੜੀ ਇੱਕ ਕਿੱਟ ਵਿੱਚ ਆਈ ਸੀ ਜਿਸ ਨੂੰ ਬਣਾਉਣ ਦਾ ਸ਼ੌਕੀਨਾਂ ਲਈ ਲਗਭਗ ਅਸੰਭਵ ਸੀ. ਪ੍ਰੈਕਟੀਕਲ ਵਾਇਰਲੈਸ ਮੈਗਜ਼ੀਨ ਨੇ ਪਾਠਕਾਂ ਨੂੰ ਸਲਾਹ ਦਿੱਤੀ ਕਿ ਬੈਟਰੀਆਂ ਨੂੰ ਸਥਿਤੀ ਵਿੱਚ ਲਿਆਉਣ ਲਈ ਦੋ ਲੱਕੜ ਦੇ ਕੱਪੜਿਆਂ ਦੇ ਖੰਭੇ, ਦੋ ਡਰਾਇੰਗ ਪਿੰਨ ਅਤੇ ਇੰਸੂਲੇਟਡ ਤਾਰ ਦਾ ਇੱਕ ਟੁਕੜਾ ਵਰਤੋ. ਤਦ ਤੁਹਾਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਿ ਘੜੀ ਸਹੀ ਰਫਤਾਰ ਨਾਲ ਚੱਲ ਰਹੀ ਸੀ, ਟ੍ਰਿਮਰ ਨੂੰ ਵਿਵਸਥਤ ਕਰਨ ਵਿੱਚ ਹੋਰ ਚਾਰ ਦਿਨ ਬਿਤਾਉਣੇ ਪਏ.
  • ਕੇਸਿੰਗ ਨੂੰ ਇੱਕ ਟੁਕੜੇ ਵਿੱਚ ਰੱਖਣਾ ਅਸੰਭਵ ਸੀ. ਇਹ ਇੱਕ ਪਲਾਸਟਿਕ ਤੋਂ ਬਣਾਇਆ ਗਿਆ ਸੀ ਜੋ ਅਣਉਪਲਬਧ ਹੋ ਗਿਆ, ਇਸ ਲਈ ਪੁਰਜ਼ਿਆਂ ਨੂੰ ਇਕੱਠੇ ਕਲਿੱਪ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਜੋ ਉਨ੍ਹਾਂ ਨੇ ਨਹੀਂ ਕੀਤਾ.
  • ਬਲੈਕ ਘੜੀਆਂ ਦੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਪ੍ਰਤੀਸ਼ਤਤਾ ਵਾਪਸ ਕੀਤੀ ਗਈ, ਜਿਸ ਨਾਲ ਇਹ ਦੰਤਕਥਾ ਪੈਦਾ ਹੋਈ ਕਿ ਸਿੰਕਲੇਅਰ ਅਸਲ ਵਿੱਚ ਨਿਰਮਿਤ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਵਾਪਸ ਆਇਆ ਸੀ. ਬੈਕਲਾਗ ਆਖਰਕਾਰ ਅਜਿਹੇ ਭਿਆਨਕ ਅਨੁਪਾਤ ਤੱਕ ਪਹੁੰਚ ਗਿਆ ਕਿ ਇਸਨੂੰ ਅਜੇ ਵੀ ਸਾਫ਼ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ ਦੋ ਸਾਲ ਬਾਅਦ ਵਿੱਚ.

ਐਨਆਈਐਸਟੀ ਐਫ -1, ਕੋਲੋਰਾਡੋ ਦੇ ਬੋਲਡਰ ਵਿੱਚ, ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਟ ਆਫ਼ ਸਾਇੰਸ ਐਂਡ ਟੈਕਨਾਲੌਜੀ (ਐਨਆਈਐਸਟੀ) ਵਿਖੇ ਸੀਸੀਅਮ ਐਟਮੀ ਘੜੀ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਇਹ ਦੇਸ਼ ਦਾ ਪ੍ਰਾਇਮਰੀ ਫ੍ਰੀਕੁਐਂਸੀ ਸਟੈਂਡਰਡ ਹੈ ਜੋ ਕੋਆਰਡੀਨੇਟਡ ਯੂਨੀਵਰਸਲ ਟਾਈਮ (ਯੂਟੀਸੀ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ) ਨੂੰ ਅਧਿਕਾਰਤ ਵਿਸ਼ਵ ਸਮਾਂ ਪਰਿਭਾਸ਼ਤ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ. . ਕਿਉਂਕਿ ਐਨਆਈਐਸਟੀ ਐਫ -1 ਵਿਸ਼ਵ ਦੀ ਸਭ ਤੋਂ ਸਟੀਕ ਘੜੀ (ਪੈਰਿਸ ਦੇ ਸਮਾਨ ਉਪਕਰਣ ਦੇ ਨਾਲ) ਹੋਣ ਦਾ ਭੇਦ ਸਾਂਝਾ ਕਰਦਾ ਹੈ, ਇਹ ਯੂਟੀਸੀ ਨੂੰ ਪਹਿਲਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸਟੀਕ ਬਣਾ ਰਿਹਾ ਹੈ. ਐਨਆਈਐਸਟੀ ਐਫ -1 ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਮੁਲਾਂਕਣ ਟੈਸਟ ਪਾਸ ਕੀਤੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਇਹ ਪਰਮਾਣੂ ਘੜੀ, ਐਨਆਈਐਸਟੀ -7, ਜੋ ਕਿ ਬੋਲਡਰ ਸਹੂਲਤ ਤੇ ਸਥਿਤ ਹੈ, ਨਾਲੋਂ ਲਗਭਗ ਤਿੰਨ ਗੁਣਾ ਵਧੇਰੇ ਸਹੀ ਹੈ. NIST-7 1993 ਤੋਂ ਸੰਯੁਕਤ ਰਾਜ ਲਈ ਪ੍ਰਮਾਣੂ ਸਮੇਂ ਦਾ ਪ੍ਰਾਇਮਰੀ ਮਿਆਰ ਸੀ ਅਤੇ ਵਿਸ਼ਵ ਦੇ ਸਭ ਤੋਂ ਵਧੀਆ ਸਮੇਂ ਦੇ ਮਾਪਦੰਡਾਂ ਵਿੱਚੋਂ ਇੱਕ ਸੀ.

ਐਨਆਈਐਸਟੀ ਐਫ -1 ਨੂੰ ਫੁਹਾਰਾ ਘੜੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਸਮੇਂ ਦੇ ਸੁਧਰੇ ਹਿਸਾਬ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਪਰਮਾਣੂਆਂ ਦੀ ਝਰਨੇ ਵਰਗੀ ਗਤੀਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ. ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਘੜੀ ਦੇ ਵੈਕਿumਮ ਚੈਂਬਰ ਵਿੱਚ ਸੀਸੀਅਮ ਪਰਮਾਣੂਆਂ ਦੀ ਇੱਕ ਗੈਸ ਪੇਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ. ਛੇ ਇਨਫਰਾਰੈੱਡ ਲੇਜ਼ਰ ਬੀਮ ਫਿਰ ਚੈਂਬਰ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਇੱਕ ਦੂਜੇ ਦੇ ਸੱਜੇ ਕੋਣਾਂ ਤੇ ਨਿਰਦੇਸ਼ਤ ਹੁੰਦੇ ਹਨ. ਲੇਜ਼ਰ ਹੌਲੀ ਹੌਲੀ ਸੀਜ਼ੀਅਮ ਪਰਮਾਣੂਆਂ ਨੂੰ ਇੱਕ ਗੇਂਦ ਵਿੱਚ ਧੱਕਦੇ ਹਨ. ਇਸ ਗੇਂਦ ਨੂੰ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ, ਲੇਜ਼ਰ ਪਰਮਾਣੂਆਂ ਦੀ ਗਤੀ ਨੂੰ ਹੌਲੀ ਕਰਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਬਿਲਕੁਲ ਜ਼ੀਰੋ ਦੇ ਨੇੜੇ ਠੰਡਾ ਕਰਦੇ ਹਨ.

ਗੇਂਦ ਨੂੰ ਉੱਪਰ ਵੱਲ (& quotfountain & quot ਐਕਸ਼ਨ) ਨੂੰ ਨਰਮੀ ਨਾਲ ਟੌਸ ਕਰਨ ਲਈ ਦੋ ਲੰਬਕਾਰੀ ਲੇਜ਼ਰਸ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਫਿਰ ਸਾਰੇ ਲੇਜ਼ਰ ਬੰਦ ਹੋ ਜਾਂਦੇ ਹਨ. ਇਹ ਛੋਟਾ ਜਿਹਾ ਧੱਕਾ ਮਾਈਕ੍ਰੋਵੇਵ ਨਾਲ ਭਰੀ ਗੁਫਾ ਦੁਆਰਾ ਲਗਭਗ ਇੱਕ ਮੀਟਰ ਉੱਚੀ ਗੇਂਦ ਨੂੰ ਉੱਚਾ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਹੈ. ਗੰਭੀਰਤਾ ਦੇ ਪ੍ਰਭਾਵ ਅਧੀਨ, ਗੇਂਦ ਫਿਰ ਗੁਫਾ ਦੁਆਰਾ ਹੇਠਾਂ ਡਿੱਗਦੀ ਹੈ.


ਸੀਸੀਅਮ ਘੜੀ ਦੀ ਝਰਨੇ ਦੀ ਕਿਰਿਆ

ਜਿਵੇਂ ਕਿ ਪਰਮਾਣੂ ਮਾਈਕ੍ਰੋਵੇਵ ਸਿਗਨਲ ਨਾਲ ਸੰਚਾਰ ਕਰਦੇ ਹਨ ਅਤੇ#151 ਉਸ ਸੰਕੇਤ ਦੀ ਬਾਰੰਬਾਰਤਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਅਤੇ#151 ਉਨ੍ਹਾਂ ਦੀਆਂ ਪਰਮਾਣੂ ਅਵਸਥਾਵਾਂ ਨੂੰ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ ਜਾਂ ਨਹੀਂ ਵੀ. ਪਰਮਾਣੂਆਂ ਦੀ ਗੇਂਦ ਲਈ ਸਾਰੀ ਗੇੜ ਯਾਤਰਾ ਲਗਭਗ ਇੱਕ ਸਕਿੰਟ ਲੈਂਦੀ ਹੈ. ਸਮਾਪਤੀ ਬਿੰਦੂ ਤੇ, ਇੱਕ ਹੋਰ ਲੇਜ਼ਰ ਸੀਸੀਅਮ ਪਰਮਾਣੂਆਂ ਤੇ ਨਿਰਦੇਸ਼ਤ ਹੁੰਦਾ ਹੈ. ਸਿਰਫ ਉਹ ਜਿਨ੍ਹਾਂ ਦੀਆਂ ਪਰਮਾਣੂ ਅਵਸਥਾਵਾਂ ਨੂੰ ਮਾਈਕ੍ਰੋਵੇਵ ਕੈਵਿਟੀ ਦੁਆਰਾ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ ਉਹ ਪ੍ਰਕਾਸ਼ ਨੂੰ ਉਤਪੰਨ ਕਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਹੁੰਦੇ ਹਨ (ਫਲੋਰੋਸੈਂਸ ਵਜੋਂ ਜਾਣੇ ਜਾਂਦੇ ਹਨ). ਫਲੋਰੋਸੈਂਸ ਵਿੱਚ ਨਿਕਲਣ ਵਾਲੇ ਫੋਟੌਨਾਂ (ਪ੍ਰਕਾਸ਼ ਦੇ ਛੋਟੇ ਪੈਕਟਾਂ) ਨੂੰ ਇੱਕ ਡਿਟੈਕਟਰ ਦੁਆਰਾ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ.

ਇਸ ਵਿਧੀ ਨੂੰ ਕਈ ਵਾਰ ਦੁਹਰਾਇਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਕਿ ਗੁਫਾ ਵਿੱਚ ਮਾਈਕ੍ਰੋਵੇਵ energyਰਜਾ ਵੱਖ -ਵੱਖ ਫ੍ਰੀਕੁਐਂਸੀਆਂ ਨਾਲ ਜੁੜੀ ਹੁੰਦੀ ਹੈ. ਅਖੀਰ ਵਿੱਚ, ਇੱਕ ਮਾਈਕ੍ਰੋਵੇਵ ਫ੍ਰੀਕੁਐਂਸੀ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜੋ ਜ਼ਿਆਦਾਤਰ ਸੀਸੀਅਮ ਪਰਮਾਣੂਆਂ ਦੇ ਰਾਜਾਂ ਨੂੰ ਬਦਲਦੀ ਹੈ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਫਲੋਰੋਸੈਂਸ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਦੀ ਹੈ. ਇਹ ਬਾਰੰਬਾਰਤਾ ਸੀਸੀਅਮ ਐਟਮ ਦੀ ਕੁਦਰਤੀ ਗੂੰਜ ਬਾਰੰਬਾਰਤਾ ਹੈ ਅਤੇ#151 ਵਿਸ਼ੇਸ਼ਤਾ ਜੋ ਦੂਜੀ ਨੂੰ ਪਰਿਭਾਸ਼ਤ ਕਰਦੀ ਹੈ ਅਤੇ ਬਦਲੇ ਵਿੱਚ, ਅਤਿ ਸਹੀ ਸਮੇਂ ਦੀ ਦੇਖਭਾਲ ਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦੀ ਹੈ.

ਵਰਤਮਾਨ ਵਿੱਚ ਸਾਰੇ ਵਿਗਿਆਨੀਆਂ ਦੁਆਰਾ ਵਰਤੇ ਗਏ ਸਮੇਂ ਦੇ ਮਾਪ ਵਜੋਂ ਮਾਨਤਾ ਪ੍ਰਾਪਤ "ਕੁਦਰਤੀ ਬਾਰੰਬਾਰਤਾ", ਇੱਕ ਸਕਿੰਟ ਦੀ ਅਵਧੀ ਨੂੰ ਬਿਲਕੁਲ 9,192,631,770 oscਸਿਲੇਸ਼ਨ ਜਾਂ 9,192,631,770 ਚੱਕਰ ਸੀਸੀਅਮ ਐਟਮ ਦੀ ਗੂੰਜਦੀ ਬਾਰੰਬਾਰਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਪਰਿਭਾਸ਼ਤ ਕਰਦੀ ਹੈ. ਐਨਆਈਐਸਟੀ ਵਿਖੇ ਸੀਸੀਅਮ-ਘੜੀ ਇੰਨੀ ਸਹੀ ਹੈ ਕਿ ਇਹ 20 ਮਿਲੀਅਨ ਸਾਲਾਂ ਵਿੱਚ ਨਾ ਤਾਂ ਇੱਕ ਸਕਿੰਟ ਹਾਸਲ ਕਰੇਗੀ ਅਤੇ ਨਾ ਹੀ ਗੁਆਏਗੀ!


ਐਨਆਈਐਸਟੀ ਵਿਖੇ ਸੀਸੀਅਮ ਪਰਮਾਣੂ ਘੜੀ

ਇਹ ਨਵਾਂ ਮਾਪਦੰਡ ਸੰਯੁਕਤ ਰਾਜ ਦੀ ਕਿਸੇ ਵੀ ਹੋਰ ਘੜੀ ਦੇ ਮੁਕਾਬਲੇ ਵਧੇਰੇ ਅੰਤਰ ਨਾਲ ਵਧੇਰੇ ਸਹੀ ਹੈ ਅਤੇ ਦੇਸ਼ ਦੇ ਉਦਯੋਗ, ਵਿਗਿਆਨ ਅਤੇ ਵਪਾਰਕ ਖੇਤਰਾਂ ਨੂੰ ਭਰੋਸਾ ਦਿਵਾਉਂਦਾ ਹੈ ਕਿ ਆਧੁਨਿਕ ਤਕਨਾਲੋਜੀ ਅਧਾਰਤ ਕਾਰਜਾਂ ਲਈ ਲੋੜੀਂਦੀ ਬਹੁਤ ਸਹੀ ਸਮੇਂ ਦੀ ਦੇਖਭਾਲ ਤੱਕ ਪਹੁੰਚ ਜਾਰੀ ਰੱਖੇਗੀ.

ce Si um (sz-m). n. r & gt ਪ੍ਰਤੀਕ ਸੀ
ਇੱਕ ਨਰਮ, ਚਾਂਦੀ-ਚਿੱਟੀ ਨਰਮ ਧਾਤ, ਕਮਰੇ ਦੇ ਤਾਪਮਾਨ ਤੇ ਤਰਲ, ਤੱਤ ਦਾ ਸਭ ਤੋਂ ਵੱਧ ਇਲੈਕਟ੍ਰੋਪੋਸਿਟਿਵ ਅਤੇ ਖਾਰੀ, ਜੋ ਫੋਟੋਇਲੈਕਟ੍ਰਿਕ ਸੈੱਲਾਂ ਵਿੱਚ ਵਰਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਕੁਝ ਜੈਵਿਕ ਮਿਸ਼ਰਣਾਂ ਦੇ ਹਾਈਡਰੋਜਨ ਨੂੰ ਉਤਪ੍ਰੇਰਕ ਕਰਨ ਲਈ. ਪਰਮਾਣੂ ਸੰਖਿਆ 55 ਪਰਮਾਣੂ ਭਾਰ 132.905 ਪਿਘਲਣ ਬਿੰਦੂ 28.5 C ਉਬਾਲਣ ਬਿੰਦੂ 690 C ਵਿਸ਼ੇਸ਼ ਗੰਭੀਰਤਾ 1.87 ਵੈਲੈਂਸ 1.


ਵੱਡੇ ਡੇਟਾ ਦਾ ਬਹੁਤ ਛੋਟਾ ਇਤਿਹਾਸ

ਡਾਟਾ ਕਿਵੇਂ ਵੱਡਾ ਬਣਦਾ ਹੈ ਇਸ ਦੀ ਕਹਾਣੀ ਵੱਡੇ ਡੇਟਾ ਦੇ ਆਲੇ ਦੁਆਲੇ ਮੌਜੂਦਾ ਗੂੰਜਣ ਤੋਂ ਕਈ ਸਾਲ ਪਹਿਲਾਂ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ. ਪਹਿਲਾਂ ਹੀ ਸੱਤਰ ਸਾਲ ਪਹਿਲਾਂ ਅਸੀਂ ਵਿਕਾਸ ਦਰ ਨੂੰ ਮਾਪਣ ਦੀਆਂ ਪਹਿਲੀ ਕੋਸ਼ਿਸ਼ਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹਾਂ ਡਾਟਾ ਦੀ ਮਾਤਰਾ ਜਾਂ ਜਿਸ ਨੂੰ "ਸੂਚਨਾ ਵਿਸਫੋਟ" ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ (ਇੱਕ ਸ਼ਬਦ ਜੋ ਪਹਿਲੀ ਵਾਰ 1941 ਵਿੱਚ ਵਰਤਿਆ ਗਿਆ ਸੀ, ਦੇ ਅਨੁਸਾਰ ਆਕਸਫੋਰਡ ਇੰਗਲਿਸ਼ ਡਿਕਸ਼ਨਰੀ). "ਵੱਡੇ ਡੇਟਾ" ਦੇ ਵਿਚਾਰ ਦੇ ਵਿਕਾਸ ਅਤੇ ਡੇਟਾ ਜਾਂ ਜਾਣਕਾਰੀ ਦੇ ਵਿਸਫੋਟ ਨਾਲ ਸੰਬੰਧਿਤ ਨਿਰੀਖਣਾਂ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਡਾਟਾ ਵਾਲੀਅਮ ਦੇ ਆਕਾਰ ਅਤੇ ਹੋਰ "ਪਹਿਲੇ" ਦੇ ਇਤਿਹਾਸ ਵਿੱਚ ਹੇਠ ਲਿਖੇ ਮੁੱਖ ਮੀਲ ਪੱਥਰ ਹਨ.

ਆਖਰੀ ਅਪਡੇਟ: ਦਸੰਬਰ 21, 2013

1944 ਫਰੀਮੌਂਟ ਰਾਈਡਰ, ਵੇਸਲੀਅਨ ਯੂਨੀਵਰਸਿਟੀ ਲਾਇਬ੍ਰੇਰੀਅਨ, ਦਿ ਸਕਾਲਰ ਐਂਡ ਦਿ ਫਿureਚਰ ਆਫ਼ ਰਿਸਰਚ ਲਾਇਬ੍ਰੇਰੀ ਪ੍ਰਕਾਸ਼ਤ ਕਰਦਾ ਹੈ . ਉਹ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦਾ ਹੈ ਕਿ ਅਮਰੀਕੀ ਯੂਨੀਵਰਸਿਟੀ ਦੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਹਰ ਸੋਲਾਂ ਸਾਲਾਂ ਵਿੱਚ ਆਕਾਰ ਵਿੱਚ ਦੁੱਗਣੀਆਂ ਹੋ ਰਹੀਆਂ ਸਨ. ਇਸ ਵਿਕਾਸ ਦਰ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਰਾਈਡਰ ਨੇ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ ਹੈ ਕਿ 2040 ਵਿੱਚ ਯੇਲ ਲਾਇਬ੍ਰੇਰੀ ਵਿੱਚ "ਲਗਭਗ 200,000,000 ਖੰਡ ਹੋਣਗੇ, ਜੋ 6,000 ਮੀਲ ਤੋਂ ਵੱਧ ਅਲਮਾਰੀਆਂ 'ਤੇ ਕਾਬਜ਼ ਹੋਣਗੇ ...

1961 ਡੈਰੇਕ ਪ੍ਰਾਇਸ ਬਾਬਲ ਤੋਂ ਲੈ ਕੇ ਸਾਇੰਸ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਉਹ ਵਿਗਿਆਨਕ ਰਸਾਲਿਆਂ ਅਤੇ ਅਖ਼ਬਾਰਾਂ ਦੀ ਸੰਖਿਆ ਵਿੱਚ ਵਾਧੇ ਨੂੰ ਦੇਖ ਕੇ ਵਿਗਿਆਨਕ ਗਿਆਨ ਦੇ ਵਾਧੇ ਨੂੰ ਚਾਰਟ ਕਰਦਾ ਹੈ. ਉਹ ਸਿੱਟਾ ਕੱਦਾ ਹੈ ਕਿ ਨਵੇਂ ਰਸਾਲਿਆਂ ਦੀ ਗਿਣਤੀ ਰੇਖਿਕ ਤੌਰ ਤੇ ਵਧਣ ਦੀ ਬਜਾਏ ਤੇਜ਼ੀ ਨਾਲ ਵਧੀ ਹੈ, ਹਰ ਪੰਦਰਾਂ ਸਾਲਾਂ ਵਿੱਚ ਦੁੱਗਣੀ ਹੋ ਜਾਂਦੀ ਹੈ ਅਤੇ ਹਰ ਅੱਧੀ ਸਦੀ ਦੇ ਦੌਰਾਨ ਦਸ ਦੇ ਗੁਣਾਂ ਨਾਲ ਵਧਦੀ ਜਾਂਦੀ ਹੈ. ਕੀਮਤ ਇਸ ਨੂੰ "ਘਾਤਕ ਵਾਧੇ ਦਾ ਕਾਨੂੰਨ" ਕਹਿੰਦੀ ਹੈ, ਇਹ ਸਮਝਾਉਂਦੇ ਹੋਏ ਕਿ "ਹਰੇਕ [ਵਿਗਿਆਨਕ] ਅਗਾ advanceਂ ਵਾਜਬ ਨਿਰੰਤਰ ਜਨਮ ਦਰ 'ਤੇ ਤਰੱਕੀ ਦੀ ਇੱਕ ਨਵੀਂ ਲੜੀ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਤਾਂ ਜੋ ਜਨਮ ਦੀ ਸੰਖਿਆ ਖੋਜਾਂ ਦੀ ਆਬਾਦੀ ਦੇ ਆਕਾਰ ਦੇ ਸਖਤ ਅਨੁਪਾਤਕ ਹੋਵੇ. ਕਿਸੇ ਵੀ ਸਮੇਂ. "

ਨਵੰਬਰ 1967 ਬੀ ਏ ਮਾਰਨ ਅਤੇ ਪੀ ਏ ਡੀ ਡੀ ਮੇਨ ਨੇ "ਆਟੋਮੈਟਿਕ ਡੇਟਾ ਕੰਪਰੈਸ਼ਨ" ਪ੍ਰਕਾਸ਼ਤ ਕੀਤਾ ਏਸੀਐਮ ਦੇ ਸੰਚਾਰ, ਇਹ ਦੱਸਦੇ ਹੋਏ ਕਿ "ਹਾਲ ਹੀ ਦੇ ਸਾਲਾਂ ਵਿੱਚ ਨੋਟ ਕੀਤਾ ਗਿਆ 'ਜਾਣਕਾਰੀ ਵਿਸਫੋਟ' ਇਹ ਜ਼ਰੂਰੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਸਾਰੀ ਜਾਣਕਾਰੀ ਲਈ ਭੰਡਾਰਨ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਘੱਟੋ ਘੱਟ ਰੱਖਿਆ ਜਾਵੇ." The paper describes “a fully automatic and rapid three-part compressor which can be used with ‘any’ body of information to greatly reduce slow external storage requirements and to increase the rate of information transmission through a computer.”

1971 Arthur Miller writes in The Assault on Privacy that “Too many information handlers seem to measure a man by the number of bits of storage capacity his dossier will occupy.”

1975 The Ministry of Posts and Telecommunications in Japan starts conducting the Information Flow Census, tracking the volume of information circulating in Japan (the idea was first suggested in a 1969 paper). The census introduces “amount of words” as the unifying unit of measurement across all media. The 1975 census already finds that information supply is increasing much faster than information consumption and in 1978 it reports that “the demand for information provided by mass media, which are one-way communication, has become stagnant, and the demand for information provided by personal telecommunications media, which are characterized by two-way communications, has drastically increased…. Our society is moving toward a new stage… in which more priority is placed on segmented, more detailed information to meet individual needs, instead of conventional mass-reproduced conformed information.” [Translated in Alistair D. Duff 2000 see also Martin Hilbert 2012 (PDF)]

April 1980 I.A. Tjomsland gives a talk titled “Where Do We Go From Here?” at the Fourth IEEE Symposium on Mass Storage Systems, in which he says “Those associated with storage devices long ago realized that Parkinson’s First Law may be paraphrased to describe our industry—‘Data expands to fill the space available’…. I believe that large amounts of data are being retained because users have no way of identifying obsolete data the penalties for storing obsolete data are less apparent than are the penalties for discarding potentially useful data.”

1981 The Hungarian Central Statistics Office starts a research project to account for the country’s information industries, including measuring information volume in bits. The research continues to this day. In 1993, Istvan Dienes, chief scientist of the Hungarian Central Statistics Office, compiles a manual for a standard system of national information accounts. [See Istvan Dienes 1994 (PDF), and Martin Hilbert 2012 (PDF)]

August 1983 Ithiel de Sola Pool publishes “Tracking the Flow of Information” in ਵਿਗਿਆਨ. Looking at growth trends in 17 major communications media from 1960 to 1977, he concludes that “words made available to Americans (over the age of 10) through these media grew at a rate of 8.9 percent per year… words actually attended to from those media grew at just 2.9 percent per year…. In the period of observation, much of the growth in the flow of information was due to the growth in broadcasting… But toward the end of that period [1977] the situation was changing: point-to-point media were growing faster than broadcasting.” Pool, Inose, Takasaki and Hurwitz follow in 1984 with Communications Flows: A Census in the United States and Japan, a book comparing the volumes of information produced in the United States and Japan.

July 1986 Hal B. Becker publishes “Can users really absorb data at today’s rates? Tomorrow’s?” ਵਿੱਚ Data Communications. Becker estimates that “the recoding density achieved by Gutenberg was approximately 500 symbols (characters) per cubic inch—500 times the density of [4,000 B.C. Sumerian] clay tablets. By the year 2000, semiconductor random access memory should be storing 1.25X10^11 bytes per cubic inch.”

September 1990 Peter J. Denning publishes "Saving All the Bits" (PDF) in American Scientist. Says Denning: "The imperative [for scientists] to save all the bits forces us into an impossible situation: The rate and volume of information flow overwhelm our networks, storage devices and retrieval systems, as well as the human capacity for comprehension. What machines can we build that will monitor the data stream of an instrument, or sift through a database of recordings, and propose for us a statistical summary of what's there. it is possible to build machines that can recognize or predict patterns in data without understanding the meaning of the patterns. Such machines may eventually be fast enough to deal with large data streams in real time. With these machines, we can significantly reduce the number of bits that must be saved, and we can reduce the hazard of losing latent discoveries from burial in an immense database. The same machines can also pore through existing databases looking for patterns and forming class descriptions for the bits that we've already saved."

1996 Digital storage becomes more cost-effective for storing data than paper according to R.J.T. Morris and B.J. Truskowski, in “The Evolution of Storage Systems,” IBM Systems Journal, July 1, 2003.

October 1997 Michael Cox and David Ellsworth publish “Application-controlled demand paging for out-of-core visualization” in the Proceedings of the IEEE 8th conference on Visualization. They start the article with “Visualization provides an interesting challenge for computer systems: data sets are generally quite large, taxing the capacities of main memory, local disk, and even remote disk. We call this the problem of big data. When data sets do not fit in main memory (in core), or when they do not fit even on local disk, the most common solution is to acquire more resources.” It is the first article in the ACM digital library to use the term “big data.”

1997 Michael Lesk publishes “How much information is there in the world?” Lesk concludes that “There may be a few thousand petabytes of information all told and the production of tape and disk will reach that level by the year 2000. So in only a few years, (a) we will be able [to] save everything–no information will have to be thrown out, and (b) the typical piece of information will never be looked at by a human being.”

April 1998 John R. Mashey, Chief Scientist at SGI, presents at a USENIX meeting a paper titled “Big Data… and the Next Wave of Infrastress.”

October 1998 K.G. Coffman and Andrew Odlyzko publish “The Size and Growth Rate of the Internet.” They conclude that “the growth rate of traffic on the public Internet, while lower than is often cited, is still about 100% per year, much higher than for traffic on other networks. Hence, if present growth trends continue, data traffic in the U. S. will overtake voice traffic around the year 2002 and will be dominated by the Internet.” Odlyzko later established the Minnesota Internet Traffic Studies (MINTS), tracking the growth in Internet traffic from 2002 to 2009.

August 1999 Steve Bryson, David Kenwright, Michael Cox, David Ellsworth, and Robert Haimes publish “Visually exploring gigabyte data sets in real time” in the Communications of the ACM. It is the first CACM article to use the term “Big Data” (the title of one of the article’s sections is “Big Data for Scientific Visualization”). The article opens with the following statement: “Very powerful computers are a blessing to many fields of inquiry. They are also a curse fast computations spew out massive amounts of data. Where megabyte data sets were once considered large, we now find data sets from individual simulations in the 300GB range. But understanding the data resulting from high-end computations is a significant endeavor. As more than one scientist has put it, it is just plain difficult to look at all the numbers. And as Richard W. Hamming, mathematician and pioneer computer scientist, pointed out, the purpose of computing is insight, not numbers.”

October 1999 Bryson, Kenwright and Haimes join David Banks, Robert van Liere, and Sam Uselton on a panel titled “Automation or interaction: what’s best for big data?” at the IEEE 1999 conference on Visualization.

October 2000 Peter Lyman and Hal R. Varian at UC Berkeley publish “How Much Information?” It is the first comprehensive study to quantify, in computer storage terms, the total amount of new and original information (not counting copies) created in the world annually and stored in four physical media: paper, film, optical (CDs and DVDs), and magnetic. The study finds that in 1999, the world produced about 1.5 exabytes of unique information, or about 250 megabytes for every man, woman, and child on earth. It also finds that “a vast amount of unique information is created and stored by individuals” (what it calls the “democratization of data”) and that “not only is digital information production the largest in total, it is also the most rapidly growing.” Calling this finding “dominance of digital,” Lyman and Varian state that “even today, most textual information is ‘born digital,’ and within a few years this will be true for images as well.” A similar study conducted in 2003 by the same researchers found that the world produced about 5 exabytes of new information in 2002 and that 92% of the new information was stored on magnetic media, mostly in hard disks.

November 2000 Francis X. Diebold presents to the Eighth World Congress of the Econometric Society a paper titled “’Big Data’ Dynamic Factor Models for Macroeconomic Measurement and Forecasting (PDF),” in which he states “Recently, much good science, whether physical, biological, or social, has been forced to confront—and has often benefited from—the “Big Data” phenomenon. Big Data refers to the explosion in the quantity (and sometimes, quality) of available and potentially relevant data, largely the result of recent and unprecedented advancements in data recording and storage technology.”

February 2001 Doug Laney, an analyst with the Meta Group, publishes a research note titled “3D Data Management: Controlling Data Volume, Velocity, and Variety.” A decade later, the “3Vs” have become the generally-accepted three defining dimensions of big data, although the term itself does not appear in Laney’s note.

September 2005 Tim O’Reilly publishes “What is Web 2.0” in which he asserts that “data is the next Intel inside.” O’Reilly: “As Hal Varian remarked in a personal conversation last year, ‘SQL is the new HTML.’ Database management is a core competency of Web 2.0 companies, so much so that we have sometimes referred to these applications as ‘infoware’ rather than merely software.”

ਮਾਰਚ 2007 John F. Gantz, David Reinsel and other researchers at IDC release a white paper titled “The Expanding Digital Universe: A Forecast of Worldwide Information Growth through 2010 (PDF).” It is the first study to estimate and forecast the amount of digital data created and replicated each year. IDC estimates that in 2006, the world created 161 exabytes of data and forecasts that between 2006 and 2010, the information added annually to the digital universe will increase more than six fold to 988 exabytes, or doubling every 18 months. According to the 2010 (PDF) and 2012 (PDF) releases of the same study, the amount of digital data created annually surpassed this forecast, reaching 1227 exabytes in 2010, and growing to 2837 exabytes in 2012.

January 2008 Bret Swanson and George Gilder publish “Estimating the Exaflood (PDF),” in which they project that U.S. IP traffic could reach one zettabyte by 2015 and that the U.S. Internet of 2015 will be at least 50 times larger than it was in 2006.

June 2008 Cisco releases the “Cisco Visual Networking Index – Forecast and Methodology, 2007–2012 (PDF)” part of an “ongoing initiative to track and forecast the impact of visual networking applications.” It predicts that “IP traffic will nearly double every two years through 2012” and that it will reach half a zettabyte in 2012. The forecast held well, as Cisco’s latest report (May 30, 2012) estimates IP traffic in 2012 at just over half a zettabyte and notes it “has increased eightfold over the past 5 years.”

ਸਤੰਬਰ 2008 A special issue of ਕੁਦਰਤ on Big Data "examines what big data sets mean for contemporary science."

December 2008 Randal E. Bryant, Randy H. Katz, and Edward D. Lazowska publish “Big-Data Computing: Creating Revolutionary Breakthroughs in Commerce, Science and Society (PDF).” They write: “Just as search engines have transformed how we access information, other forms of big-data computing can and will transform the activities of companies, scientific researchers, medical practitioners, and our nation’s defense and intelligence operations…. Big-data computing is perhaps the biggest innovation in computing in the last decade. We have only begun to see its potential to collect, organize, and process data in all walks of life. A modest investment by the federal government could greatly accelerate its development and deployment.”

ਦਸੰਬਰ 2009 Roger E. Bohn and James E. Short publish “How Much Information? 2009 Report on American Consumers.” The study finds that in 2008, “Americans consumed information for about 1.3 trillion hours, an average of almost 12 hours per day. Consumption totaled 3.6 Zettabytes and 10,845 trillion words, corresponding to 100,500 words and 34 gigabytes for an average person on an average day.” Bohn, Short, and Chattanya Baru follow this up in January 2011 with “How Much Information? 2010 Report on Enterprise Server Information,” in which they estimate that in 2008, “the world’s servers processed 9.57 Zettabytes of information, almost 10 to the 22nd power, or ten million million gigabytes. This was 12 gigabytes of information daily for the average worker, or about 3 terabytes of information per worker per year. The world’s companies on average processed 63 terabytes of information annually.”

ਫਰਵਰੀ 2010 Kenneth Cukier publishes in The Economist a Special Report titled, “Data, data everywhere.” Writes Cukier: “…the world contains an unimaginably vast amount of digital information which is getting ever vaster more rapidly… The effect is being felt everywhere, from business to science, from governments to the arts. Scientists and computer engineers have coined a new term for the phenomenon: ‘big data.’”

ਫਰਵਰੀ 2011 Martin Hilbert and Priscila Lopez publish “The World’s Technological Capacity to Store, Communicate, and Compute Information” in ਵਿਗਿਆਨ. They estimate that the world’s information storage capacity grew at a compound annual growth rate of 25% per year between 1986 and 2007. They also estimate that in 1986, 99.2% of all storage capacity was analog, but in 2007, 94% of storage capacity was digital, a complete reversal of roles (in 2002, digital information storage surpassed non-digital for the first time).

ਮਈ 2011 James Manyika, Michael Chui, Brad Brown, Jacques Bughin, Richard Dobbs, Charles Roxburgh, and Angela Hung Byers of the McKinsey Global Institute publish “Big data: The next frontier for innovation, competition, and productivity.” They estimate that “by 2009, nearly all sectors in the US economy had at least an average of 200 terabytes of stored data (twice the size of US retailer Wal-Mart’s data warehouse in 1999) per company with more than 1,000 employees” and that the securities and investment services sector leads in terms of stored data per firm. In total, the study estimates that 7.4 exabytes of new data were stored by enterprises and 6.8 exabytes by consumers in 2010.

April 2012 ਦੇ International Journal of Communications publishes a Special Section titled “Info Capacity” on the methodologies and findings of various studies measuring the volume of information. In “Tracking the flow of information into the home (PDF),” Neuman, Park, and Panek (following the methodology used by Japan’s MPT and Pool above) estimate that the total media supply to U.S. homes has risen from around 50,000 minutes per day in 1960 to close to 900,000 in 2005. And looking at the ratio of supply to demand in 2005, they estimate that people in the U.S. are “approaching a thousand minutes of mediated content available for every minute available for consumption.” In “International Production and Dissemination of Information (PDF),” Bounie and Gille (following Lyman and Varian above) estimate that the world produced 14.7 exabytes of new information in 2008, nearly triple the volume of information in 2003.

May 2012 danah boyd and Kate Crawford publish “Critical Questions for Big Data” in Information, Communications, and Society. They define big data as “a cultural, technological, and scholarly phenomenon that rests on the interplay of: (1) Technology: maximizing computation power and algorithmic accuracy to gather, analyze, link, and compare large data sets. (2) Analysis: drawing on large data sets to identify patterns in order to make economic, social, technical, and legal claims. (3) Mythology: the widespread belief that large data sets offer a higher form of intelligence and knowledge that can generate insights that were previously impossible, with the aura of truth, objectivity, and accuracy.”

An earlier version of this timeline was published on WhatsTheBigData.com

Follow me on Twitter @GilPress or Facebook or Google+


Step 1 – Sign Up For An Account

Sign up a KidsGuard Pro account first, after that, you’ll be led to select a plan to activate the monitoring features. There are 3 pricing plans available to choose, and the 1-year plan could be the most cost-effective for only $8.32 per month. But if you’re not sure whether it’s the perfect tool for you, 1-month plan for 29.95 per month is rather great though. When you finishing purchasing the plan, the page will automatically turn to “My Products”, and you can find “Setup Guide” to help you better learn the rest configurations.


Using event logs to extract startup and shutdown times

Windows Event Viewer is a wonderful tool which saves all kinds of stuff that is happening in the computer. During each event, the event viewer logs an entry. The event viewer is handled by eventlog service that cannot be stopped or disabled manually, as it is a Windows core service. The event viewer also logs the start and stop times of the eventlog service. We can make use of those times to get an idea of when our computer was started or shut down.

The eventlog service events are logged with two event codes. The event ID 6005 indicates that the eventlog service was started, and the event ID 6009 indicates that the eventlog services were stopped. Let’s go through the complete process of extracting this information from the event viewer.

1. Open Event Viewer (press Win + R and type eventvwr ).

2. In the left pane, open Windows Logs -> System.

3. In the middle pane you will get a list of events that occurred while Windows was running. Our concern is to see only three events. Let’s first sort the event log with Event ID. Click on the Event ID label to sort the data with respect to the Event ID column.

4. If your event log is huge, then the sorting will not work. You can also create a filter from the actions pane on the right side. Just click on “Filter current log.”

5. Type 6005, 6006 in the Event IDs field labeled as <All Event IDs>. You can also specify the time period under Logged.

  • Event ID 6005 will be labeled as “The event log service was started.” This is synonymous with system startup.
  • Event ID 6006 will be labeled as “The event log service was stopped.” This is synonymous with system shutdown.

If you want to investigate the Event log further, you can go through the Event ID 6013 which will display the uptime of the computer, and Event ID 6009 indicates the processor information detected during boot time. Event ID 6008 will let you know that the system started after it was not shut down properly.


Gas Price History

What is the highest gas price ever? Keep reading to learn how the cost has changed over the last 100 years.

Average Gas Prices by Year

© CreditDonkey

ਸਾਲAverage Price of Gas
1929.21
1930.20
1931.17
1932.18
1933.18
1934.19
1935.19
1936.19
1937.20
1938.20
1939.19
1940.18
1941.19
1942.20
1943.21
1944.21
1945.21
1946.21
1947.23
1948.26
1949.27
1950.27
1951.27
1952.27
1953.29
1954.29
1955.29
1956.30
1957.31
1958.30
1959.31
1960.31
1961.31
1962.31
1963.30
1964.30
1965.31
1966.32
1967.33
1968.34
1969.35
1970.36
1971.36
1972.36
1973.39
1974.53
1975.57
1976.59
1977.62
1978.63
1979.86
1980$1.19
1981$1.31
1982$1.22
1983$1.16
1984$1.13
1985$1.12
1986.86
1987.90
1988.90
1989$1.00
1990$1.15
1991$1.14
1992$1.13
1993$1.11
1994$1.11
1995$1.15
1996$1.23
1997$1.23
1998$1.06
1999$1.17
2000$1.51
2001$1.46
2002$1.36
2003$1.59
2004$1.88
2005$2.30
2006$2.59
2007$2.80
2008$3.27
2009$2.35
2010$2.79
2011$3.53
2012$3.64
2013$3.53
2014$3.37
2015$2.45
2016$2.14
2017$2.52
2018$2.75

What is the highest priced gas in history?
The highest average gas price was $3.64 in 2012, which is 167% more expensive than a decade earlier.

What year did gas go over one dollar?
The average price of gas first went over $1 a gallon in 1980, when it went from .86 per gallon to $1.19 per gallon.

When was the last time gas was under $2 a gallon?
The last time the average price of gas was less than $2 was 15 years ago, in 2004. The average price of gas then was $1.88.

How much was gas in the 90s?
The average price of gas in the 1990's was just shy of $1.15.

Gas Prices by State

What are the top five states with the highest average gas prices today?

ਰਾਜAverage Gas Price
ਕੈਲੀਫੋਰਨੀਆ$4.03
ਹਵਾਈ$3.58
Washington$3.52
ਨੇਵਾਡਾ$3.48
ਅਲਾਸਕਾ$3.43

What are the lowest five states with the lowest average gas prices today?

ਰਾਜAverage Gas Price
ਲੁਈਸਿਆਨਾ$2.44
South Carolina$2.44
ਮਿਸੀਸਿਪੀ$2.46
ਅਲਾਬਾਮਾ$2.46
ਓਕਲਾਹੋਮਾ$2.50

How much is the federal gas tax?
The federal gas tax is 18.4 cents per gallon. It hasn't changed for the last 25 years.

What is the average state gas tax?
The national average state tax for gasoline is 34.24 cents per gallon.

Which five states have the highest gas tax?

ਰਾਜAverage Gas Price
ਪੈਨਸਿਲਵੇਨੀਆ58.7 cents per gallon
ਕੈਲੀਫੋਰਨੀਆ62.05 cents per gallon
Washington49.4 cents per gallon
ਹਵਾਈ48.41 cents per gallon
ਇੰਡੀਆਨਾ46.62 cents per gallon

Which five states have the lowest gas tax?

ਰਾਜAverage Gas Price
ਮਿਸੌਰੀ17.42 cents per gallon
ਮਿਸੀਸਿਪੀ18.79 cents per gallon
ਨਿ New ਮੈਕਸੀਕੋ18.88 cents per gallon
ਟੈਕਸਾਸ20 cents per gallon
ਓਕਲਾਹੋਮਾ20 cents per gallon

Gas Price Changes

The cost of gas depends on a variety of factors including:

ਕਾਰਕCost Makeup
Cost of crude oil60% of the price of gas
Federal and state taxes16% of the price of gas
Costs of refining13% of the price of gas
Marketing12% of the price of gas

Why do gas prices fluctuate?
Gas prices rise and fall according to supply and demand. If the supply is down and the demand is high, prices increase. If the demand is low and the supply solid, prices tend to fall.

What causes gas prices to change quickly?
Abrupt increases or decreases in gas prices are usually due to a disruption in crude oil supplies, the operations, or delivery of gas pipelines.

In which seasons are gas prices the highest?
Gas prices tend to increase in the spring and summer. People drive more during warmer weather, so the demand is higher.

In addition, during the summer months, gas refineries must use more expensive gasoline components in order to meet federal guidelines.

In which seasons are gas prices the lowest?
Winter months usually have lower gas prices since people tend to drive less due to the poor road conditions. Gas is also cheaper for refiners because they don't have to worry about evaporation.

What is the best day of the week to buy gas?
The best day to buy gas is Monday, according to a Gas Buddy study. The next best day to buy gas is Sunday.

What is the worst day of the week to buy gas?
Fridays are the most expensive day to buy gas. In a Gas Buddy study, 19 states had the highest gas prices at the end of the work week.

What is the best time of day to get gas?
Generally, gas station owners change gas prices in the late morning/early afternoon when they learn that other gas station owners are changing prices.

Diesel Fuel

What is the average price of diesel fuel in 2019?
The average price of diesel fuel is $3.16 in the United States.

What was the average price of diesel fuel in 2018?
The average price of diesel fuel in 2018 was $3.18. This is 0.43 more per gallon than the average price of regular gas.

ਸਿੱਟਾ

In the last five years, the price of gas has remained steady between $2.45 and $2.75 per gallon. Gas prices are based largely on supply and demand.

Typically, gas costs less during the winter months when drivers are less likely to be on the road. Similarly, prices tend to rise during the spring and summer months when more drivers are on the road.


TED-Ed Animations feature the words and ideas of educators brought to life by professional animators. Are you an educator or animator interested in creating a TED-Ed Animation? Nominate yourself here »

Daylight Savings Time is practiced in many parts of the world. What is Daylight Savings Time and how did it come to be? Certain parts of the world and even certain cities and states in the United States do not observe Daylight Savings Time. Do you think Daylight Savings Time is necessary? Would it be better if everyone participated? Where you live, would you prefer to opt in or out of Daylight Savings Time? ਕਿਉਂ?

Benjamin Franklin and George Vernon Hudson both had strong feelings on telling time, time zones and changing time. Compare their different viewpoints. How were they alike? What was different? Imagine going to lunch with these two. What would they say to one another? What questions would you want to ask them?

Try to go one day without ever checking the time. Is it possible or are you just too surrounded by clocks (cell phones, computer screens, media, etc.) to not be aware of the time? What would happen if you never had access to the time?


ਵੀਡੀਓ ਦੇਖੋ: САРГУЗАШТИ АЛАМОВАРИ УСТОД САИДМУРОД ДАВЛАТОВ. (ਮਈ 2022).