Siemens i HT 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
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.
Martin Lang, Direktor poslovne jedinice Smart Infrastructure Buildings, Siemens Austrija: „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."
Ivan Visković, direktor Sektora za jezgrenu mrežu i usluge, Hrvatski Telekom:
„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."
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.