UMJETNA INTELIGENCIJA

Siemens i Hrvatski Telekom optimiziraju podatkovni centar pomoću AI tehnologije

Siemens u Hrvatskoj optimizirao je podatkovni centar Hrvatskog Telekoma tehnologijom za hlađenje koja štedi resurse, a temelji se na umjetnoj inteligenciji tzv. White Space Cooling Optimization,a inteligentna mreža senzora i upravljanje hlađenjem vođeno umjetnom inteligencijom osiguravaju visoku učinkovitost

Siemens i Hrvatski Telekom optimiziraju podatkovni centar pomoću AI tehnologije
Depositphotos / Ilustracija

Siemens je uspješno dovršio projekt White Space Cooling Optimization (WSCO) u suradnji s Hrvatskim Telekomom (HT), vodećom hrvatskom telekomunikacijskom kompanijom. Zahvaljujući inteligentnoj postavci senzora i upravljanju hlađenjem temeljenom na umjetnoj inteligenciji, HT ov podatkovni centar u Zagrebu sada posluje učinkovitije i ekološki prihvatljivije.

„Odsad će Hrvatski Telekom koristiti AI rješenje s mogućnošću strojnog učenja koje dinamički upravlja procesom hlađenja u podatkovnom centru. Očekuju se uštede u šestoznamenkastom iznosu u eurima u potrošnji električne energije, koje će kompanija ostvariti zahvaljujući WSCO rješenju, te izbjegavanje potencijalnih kvarova uzrokovanih previsokom temperaturom“, ističe Martin Lang, Direktor poslovne jedinice Smart Infrastructure Buildings, Siemens Austrija.

„Zahvaljujući WSCO rješenju i dinamičkom AI hlađenju, postigli smo znatno učinkovitije hlađenje informatičke i mrežne opreme u našem najvećem podatkovnom centru. Implementacija je rezultirala boljom regulacijom temperature u sistem salama, uklanjanjem tzv. toplih džepova, smanjenjem radnih sati rashladnih jedinica, te u konačnici smanjenjem troškova održavanja“, objašnjava Ivan Visković, direktor Sektora za jezgrenu mrežu i usluge, Hrvatski Telekom.

White Space Cooling Optimization (WSCO) sastoji se od tehničke i procesne komponente. Termistori mjere promjene temperature na serverskim, odnosno mrežnim ormarima na principu električnog otpora. Tehnička komponenta obuhvaća bežične senzorske i upravljačke module, AI engine, te korisničko sučelje. S procesne strane koristi se optimizacijska petlja koja osigurava kontinuirano unapređenje. Proces započinje analizom koja se bazira na podacima sa senzora koji prikupljaju podatke o trenutnom stanju.

WSCO zatim koristi umjetnu inteligenciju za automatsku regulaciju protoka zraka ventilatora i identifikaciju problema. Procesi hlađenja dinamički se prilagođavaju u skladu s dobivenim podacima. Kontinuirani rad sustava i primjena strojnog učenja omogućuju uklanjanje do 99% tzv. toplih džepova koje se mogu pojaviti u podatkovnom centru. Osim stalnog unapređenja, ovo rješenje također doprinosi kvalitetnijem preventivnom održavanju identifikacijom neispravnih komponenti.