Siemens je uspješno dovršio projekt White Space Cooling Optimization (WSCO) u suradnji s Hrvatskim Telekomom (HT). Implementacijom naprednog sustava senzora i umjetne inteligencije za upravljanje hlađenjem, HT-ov podatkovni centar u Zagrebu sada posluje energetski učinkovitije, pouzdanije i ekološki prihvatljivije.
Novo rješenje omogućuje dinamičko upravljanje procesima hlađenja na temelju podataka u stvarnom vremenu, čime se optimizira potrošnja električne energije i smanjuje rizik od pregrijavanja ključne informatičke i mrežne opreme.
„Hrvatski Telekom sada koristi AI rješenje sa sposobnošću strojnog učenja koje dinamički upravlja hlađenjem podatkovnog centra. Zahvaljujući WSCO rješenju, očekuju se uštede u šestoznamenkastom iznosu u eurima na potrošnji električne energije, uz istodobno sprječavanje potencijalnih kvarova uzrokovanih povišenim temperaturama“, izjavio je Martin Lang, direktor poslovne jedinice Smart Infrastructure Buildings u Siemensu Austrija.
Pozitivne učinke projekta ističu i iz Hrvatskog Telekoma.
„Implementacijom WSCO rješenja i AI upravljanog hlađenja postigli smo znatno učinkovitije rashlađivanje IT i mrežne opreme u našem najvećem podatkovnom centru. Sustav je omogućio precizniju regulaciju temperature u sistemskim salama, uklanjanje tzv. toplih džepova, smanjenje radnih sati rashladnih jedinica te, u konačnici, niže troškove održavanja“, rekao je Ivan Visković, direktor Sektora za jezgrenu mrežu i usluge Hrvatskog Telekoma.
Kako funkcionira WSCO
White Space Cooling Optimization sastoji se od tehničke i procesne komponente. Temperatura na serverskim i mrežnim ormarima prati se pomoću termistora koji mjere promjene električnog otpora. Tehnička infrastruktura uključuje bežične senzorske i upravljačke module, AI sustav za obradu podataka te korisničko sučelje.
S procesne strane, WSCO koristi kontinuiranu optimizacijsku petlju koja se temelji na analizi podataka prikupljenih sa senzora. Umjetna inteligencija automatski prilagođava protok zraka ventilatora, identificira potencijalne probleme i dinamički prilagođava procese hlađenja. Primjenom strojnog učenja moguće je ukloniti do 99 posto tzv. toplih džepova u podatkovnom centru.
Osim povećanja energetske učinkovitosti, rješenje doprinosi i kvalitetnijem preventivnom održavanju, jer omogućuje pravodobnu identifikaciju neispravnih ili neučinkovitih komponenti.
