Powrót do blogu

Emerson rozszerza automatyzację DeltaV dla centrów danych na potrzeby sztucznej inteligencji na dużą skalę

Firma Emerson rozszerza swoją architekturę automatyzacji DeltaV na centra danych obsługujące sztuczną inteligencję na dużą skalę, łącząc infrastrukturę termiczną, mechaniczną i elektryczną w ramach...

Emerson wprowadza automatyzację DeltaV do centrów danych w skali AI

Emerson wprowadził platformę automatyzacji DeltaV dla centrów danych, pozycjonując technologię automatyki przemysłowej z myślą o nowej generacji obiektów obliczeniowych w skali AI.

Platforma ma zapewniać ujednolicone monitorowanie i sterowanie kluczową infrastrukturą centrum danych. Emerson twierdzi, że architektura łączy podsystemy termiczne, mechaniczne i elektryczne, zamiast zarządzać nimi jako odizolowanymi domenami operacyjnymi.

Kierunek ten odzwierciedla istotną zmianę w projektowaniu centrów danych. Wraz ze wzrostem gęstości obliczeniowej wydajność obiektu coraz bardziej zależy od skoordynowanego działania systemów chłodzenia, infrastruktury elektrycznej i pomocniczych urządzeń mechanicznych.

Architektura automatyzacji Emerson DeltaV dla infrastruktury centrów danych w skali AI

Tradycyjna automatyzacja przemysłowa od dziesięcioleci rozwiązuje podobne problemy koordynacji. Obiekty procesowe zazwyczaj wymagają, aby sterowniki, systemy rozproszone, aparatura pomiarowa i aplikacje nadrzędne działały jako części jednego środowiska sterowania.

Emerson stosuje to systemowe podejście na rynku centrów danych za pośrednictwem swojego portfolio automatyzacji DeltaV.

Dlaczego infrastruktura AI zmienia problem sterowania

Duże środowiska obliczeniowe AI stawiają wymagania infrastrukturze, które różnią się od wymagań konwencjonalnych instalacji IT dla przedsiębiorstw. Obciążenia obliczeniowe mogą szybko się zmieniać, podczas gdy wspierające je systemy chłodzenia i elektryczne muszą nieustannie reagować na te zmiany.

Wyzwanie nie ogranicza się zatem do monitorowania pojedynczych agregatów chłodniczych, pomp, rozdzielnic czy systemów zasilania. Operatorzy muszą także rozumieć, jak praca urządzeń wpływa na cały obiekt.

Według Emersona platforma DeltaV zapewnia monitorowanie w czasie rzeczywistym i zarządzanie zmiennymi obciążeniami oraz optymalizacją chłodzenia.

Sterowanie może działać zarówno na poziomie urządzeń, jak i obiektu, umożliwiając dostosowanie pracy infrastruktury do zmian obciążeń cieplnych.

Staje się to coraz ważniejsze tam, gdzie wydajność chłodzenia, dystrybucja energii i zapotrzebowanie obliczeniowe nieustannie na siebie oddziałują.

Zmiana obciążenia obliczeniowego może wpływać na wytwarzanie ciepła. Warunki termiczne mogą oddziaływać na zapotrzebowanie na chłodzenie. Zapotrzebowanie na chłodzenie może z kolei zmieniać obciążenie elektryczne związane z pompami, wentylatorami i innymi urządzeniami pomocniczymi.

Zależności te sprawiają, że skoordynowana automatyzacja jest bardziej wartościowa niż niezależne systemy monitorowania, które zapewniają ograniczony kontekst operacyjny.

Od oddzielnych systemów do ujednoliconej architektury automatyzacji

Emerson opisuje platformę jako zintegrowaną architekturę automatyzacji, której celem jest ograniczenie nakładu pracy inżynieryjnej i uproszczenie integracji systemów.

Ta sama architektura ma również poprawić spójność podczas uruchamiania, eksploatacji i konserwacji.

Jest to znany cel w inżynierii rozproszonych systemów sterowania. Złożone obiekty stają się trudniejsze w obsłudze, gdy krytyczne informacje są rozproszone między niezależnymi aplikacjami o różnych strukturach inżynieryjnych i filozofiach działania.

Ujednolicona warstwa automatyzacji może zapewnić wspólne ramy operacyjne, bez konieczności traktowania przez operatorów każdego podsystemu jako odrębnego środowiska inżynieryjnego.

W przypadku zespołów centrów danych może to poprawić widoczność infrastruktury, która tradycyjnie była podzielona między obszary elektryczny, mechaniczny, chłodzenia i zarządzania obiektem.

Wartość nie wynika po prostu z centralizacji. Istotniejszą korzyścią jest kontekst.

Pojedynczy alarm może dostarczać niewiele informacji, gdy jest analizowany samodzielnie. Gdy powiązane warunki procesowe, stany urządzeń i powiązane zmienne są dostępne w tym samym środowisku operacyjnym, zespoły inżynieryjne mogą skuteczniej oceniać nieprawidłowe zachowanie.

To systemowe spojrzenie jest jednym z powodów, dla których rozproszone architektury automatyzacji pozostają kluczowe w wysoce wzajemnie powiązanych procesach przemysłowych.

Precyzyjne sterowanie staje się wymaganiem na poziomie obiektu

Jedną z głównych możliwości wskazanych przez firmę Emerson jest precyzyjne sterowanie.

Platforma zapewnia monitorowanie w czasie rzeczywistym, jednocześnie umożliwiając sterowanie zmiennymi obciążeniami i infrastrukturą chłodzenia. Emerson twierdzi, że system może reagować na zmieniające się warunki cieplne na poziomie urządzeń i obiektu.

To rozróżnienie ma znaczenie.

Sterowanie na poziomie urządzeń obejmuje poszczególne zasoby i lokalne wymagania operacyjne. Sterowanie na poziomie obiektu uwzględnia relacje między wieloma systemami oraz ogólne zapotrzebowanie infrastruktury.

W praktyce poziomy te powinny się wzajemnie uzupełniać.

Sterowanie lokalne musi pozostać stabilne i przewidywalne. Koordynacja wyższego poziomu może następnie wykorzystywać informacje operacyjne z wielu systemów do wspierania szerszych strategii optymalizacji.

Ta warstwowa architektura przypomina ugruntowaną praktykę automatyzacji procesów, w której sterowanie polowe, sterowanie jednostką i koordynacja nadrzędna pełnią różne funkcje w ramach tej samej hierarchii automatyzacji.

W centrach danych AI celem nie jest jedynie gromadzenie większej liczby pomiarów. Chodzi o przekształcenie danych infrastrukturalnych w skoordynowane decyzje operacyjne.

Wcześniejsze wykrywanie nieprawidłowych warunków

Niezawodność to kolejny obszar podkreślany przez firmę Emerson.

Firma twierdzi, że zintegrowane sterowanie i widoczność operacyjna mogą pomóc zespołom wcześniej identyfikować nieprawidłowe warunki.

Ma to znaczenie, ponieważ awarie infrastruktury rzadko występują w całkowitym odosobnieniu.

Problem mechaniczny może wpływać na warunki procesu w innym miejscu. Zmiany zachowania cieplnego mogą oddziaływać na zapotrzebowanie na chłodzenie. Zakłócenia elektryczne mogą zmieniać dostępność urządzeń lub ich stany pracy.

Gdy informacje pozostają podzielone między niezależne platformy, rozpoznanie tych zależności może wymagać od operatorów ręcznego skorelowania zdarzeń z kilku systemów.

Zintegrowana automatyka może ograniczyć tę fragmentację, prezentując powiązane informacje procesowe we wspólnym środowisku operacyjnym.

Wcześniejsze wykrycie nie eliminuje awarii urządzeń. Może jednak poprawić jakość i czas podejmowania decyzji operacyjnych, gdy zaczyna rozwijać się nieprawidłowe zachowanie.

Zasada ta od dawna ma znaczenie w energetyce, zakładach petrochemicznych i innych obiektach działających w trybie ciągłym. Centra danych AI coraz częściej muszą spełniać podobne oczekiwania dotyczące dostępności i koordynacji infrastruktury.

Spójność inżynieryjna może być równie ważna jak sprzęt

Emerson wskazuje również na standaryzowane projekty i wiedzę inżynieryjną jako elementy strategii platformy.

Firma twierdzi, że standaryzowane podejścia mogą ograniczyć ryzyko realizacji, skrócić harmonogramy projektów i wspierać bardziej przewidywalną realizację projektów.

Rozwiązuje to problem, który staje się coraz istotniejszy wraz ze skalowaniem obiektów.

Pojedyncze centrum danych może zawierać dużą liczbę podobnych jednostek urządzeń. Większe wdrożenia mogą powielać porównywalną infrastrukturę w wielu halach, budynkach lub lokalizacjach.

Bez standardów inżynieryjnych każda rozbudowa może wprowadzać odmienne struktury sterowania, konwencje nazewnictwa, filozofie alarmów i procedury rozruchowe.

Ta zmienność zwiększa złożoność inżynieryjną w całym cyklu życia obiektu.

Standaryzacja może natomiast zapewnić wielokrotnego użytku strategie sterowania i bardziej spójne metody eksploatacji.

Tworzy to również solidniejszą podstawę do rozruchu. Inżynierowie mogą weryfikować powtarzalne struktury funkcjonalne, zamiast traktować każdy podsystem jako zupełnie nowy problem integracyjny.

Ta sama zasada ma zastosowanie podczas konserwacji, ponieważ technicy obserwują bardziej spójne zachowanie systemu w powtarzalnych grupach urządzeń.

Technologie DCS i PLC DeltaV tworzą rdzeń automatyki

Platforma obejmuje rozproszony system sterowania DeltaV firmy Emerson oraz programowalne sterowniki logiczne DeltaV.

Emerson informuje, że sterowniki PLC mogą łączyć się z systemem DCS w celu obsługi sterowania procesem w całym systemie.

To połączenie jest szczególnie istotne w przypadku infrastruktury zawierającej zarówno zmienne procesowe ciągłe, jak i funkcje sterowania ukierunkowane na urządzenia.

Architektury DCS są tradycyjnie kojarzone ze skoordynowanym sterowaniem procesem, wizualizacją operatorską oraz kontekstem operacyjnym obejmującym cały zakład.

Sterowniki PLC są powszechnie stosowane do automatyzacji maszyn, urządzeń i sekwencji, w których istotne jest deterministyczne sterowanie lokalne.

Wykorzystanie tych technologii w skoordynowanej architekturze może ograniczyć niepotrzebne oddzielenie sterowania urządzeniami od nadzoru nad procesem wyższego poziomu.

Czytelnicy pracujący ze sprzętem sterowania firmy Emerson mogą również zapoznać się z kolekcją systemów Emerson DeltaV, aby zobaczyć przykłady komponentów stosowanych w środowiskach automatyki DeltaV.

Znaczenie dla centrów danych ma charakter architektoniczny, a nie wyłącznie produktowy. Obiekt może zawierać wiele sterowników, lecz wydajność systemu ostatecznie zależy od sposobu, w jaki sterowniki te wymieniają informacje i wspierają strategię eksploatacji.

Sztuczna inteligencja jest stosowana wewnątrz warstwy automatyki

Emerson twierdzi, że technologie DeltaV DCS i DeltaV PLC obejmują kontekstowe funkcje sztucznej inteligencji.

Według firmy możliwości te pozwalają centrom danych integrować modele optymalizacji AI ze środowiskiem automatyki.

Wprowadza to ważne rozróżnienie między sztuczną inteligencją wykorzystywaną do obsługi obciążeń obliczeniowych a sztuczną inteligencją służącą do ulepszania infrastruktury wspierającej te obciążenia.

Samo centrum danych może stać się problemem optymalizacyjnym.

Warunki pracy dostarczają ciągłych informacji o zachowaniu cieplnym, stanie urządzeń, zmienności obciążenia i wydajności systemu. Modele optymalizacyjne mogą wykorzystywać ten kontekst do wspierania lepiej poinformowanych strategii eksploatacji.

Sztuczna inteligencja nie eliminuje jednak potrzeby stosowania sprawdzonych rozwiązań inżynierii automatyki.

Podstawowy system sterowania nadal wymaga uporządkowanego oprzyrządowania, niezawodnej logiki sterowania, określonych limitów pracy oraz przewidywalnych reakcji na stany urządzeń.

Optymalizacja powinna zatem uzupełniać warstwę automatyki, a nie ją zastępować.

Rozróżnienie to będzie zyskiwać na znaczeniu w miarę przechodzenia przemysłowej sztucznej inteligencji od zastosowań analitycznych do środowisk operacyjnych.

Rozruch to kluczowy test integracji

Architektura automatyki centrum danych musi udowodnić swoją wartość, zanim rozpocznie się normalna eksploatacja.

Rozruch to etap, na którym integracja podsystemów, sekwencje sterowania i zależności operacyjne są weryfikowane względem oczekiwanego działania.

Ujednolicona architektura może zapewnić praktyczne korzyści na tym etapie, ponieważ inżynierowie mogą obserwować powiązane sygnały i stany urządzeń za pośrednictwem wspólnego środowiska sterowania.

Zamiast sprawdzać każdy podsystem bez szerszego kontekstu zespoły rozruchowe mogą oceniać wzajemne oddziaływania infrastruktury mechanicznej, cieplnej i elektrycznej.

Staje się to szczególnie przydatne, gdy działanie sterujące wywołuje skutki w innych miejscach obiektu.

Inżynierowie mogą sprawdzać, czy urządzenia uruchamiają się prawidłowo, czy warunki procesu reagują zgodnie z oczekiwaniami oraz czy alarmy dokładnie odzwierciedlają stany nieprawidłowe.

Standaryzacja prac inżynieryjnych sprawia również, że testy te można w bardziej powtarzalny sposób przeprowadzać w podobnych blokach infrastruktury.

W przypadku obiektów budowanych etapami powtarzalność może zmniejszyć nakład pracy inżynieryjnej związany z późniejszą rozbudową.

Eksploatacja w całym cyklu życia wykracza poza początkowe wdrożenie

Emerson wymienia ciągłe doskonalenie jako kolejny element swojego podejścia do automatyki centrów danych.

Firma opisuje powtarzalne modele eksploatacji i ciągłą inteligencję operacyjną, mające wspierać optymalizację w całym cyklu życia.

Jest to ważne, ponieważ uruchomienie stanowi dopiero początek eksploatacji obiektu.

Urządzenia się starzeją. Obciążenia obliczeniowe ulegają zmianom. Strategie eksploatacji ewoluują. Infrastruktura może być rozbudowywana lub rekonfigurowana.

Skuteczna architektura automatyki musi więc pozostać użyteczna także po początkowym przekazaniu projektu.

Historyczne informacje o pracy mogą pomóc zespołom inżynieryjnym porównywać bieżące zachowanie z wcześniejszymi warunkami. Powtarzające się wzorce mogą ujawnić możliwości dostosowania eksploatacji lub wskazać obszary wymagające analizy pod kątem konserwacji.

Spójna architektura systemu ułatwia również zarządzanie przyszłymi zmianami.

Gdy struktury sterowania są ustandaryzowane, inżynierowie mogą rozbudowywać system bez tworzenia niepotrzebnych różnic między istniejącymi a nowo uruchamianymi obszarami.

Ta perspektywa cyklu życia jest dobrze ugruntowana w całym obszarze systemów sterowania DCS, gdzie długoterminowa możliwość utrzymania jest często równie ważna jak początkowa instalacja.

Praktyczny model automatyki dla dużych centrów danych

Ogłoszenie firmy Emerson pokazuje również, że architektura sterowania centrum danych zaczyna coraz bardziej przypominać konwencjonalną automatykę procesową.

Praktyczne wdrożenie można rozpatrywać jako kilka połączonych ze sobą warstw funkcjonalnych.

Warstwa urządzeń obejmuje systemy fizyczne odpowiedzialne za chłodzenie, dystrybucję energii elektrycznej i działanie układów mechanicznych.

Sterowniki lokalne wykonują logikę na poziomie urządzeń i bezpośrednio reagują na warunki pracy.

Warstwa automatyki nadrzędnej agreguje informacje z tych sterowników i zapewnia widoczność na poziomie całego obiektu.

Operatorzy korzystają z tego środowiska, aby rozumieć stany systemu, alarmy i zależności między kluczowymi zmiennymi.

Funkcje optymalizacyjne mogą następnie działać ponad tymi warstwami sterowania lub równolegle do nich, wykorzystując kontekst operacyjny do poprawy wydajności obiektu.

Ten model zachowuje ważną zasadę inżynierii: optymalizacja nie powinna naruszać deterministycznych funkcji wymaganych do niezawodnego sterowania urządzeniami.

Kluczowe funkcje sterowania pozostają w ramach ustanowionych struktur automatyki, podczas gdy inteligencja wyższego poziomu wspiera szersze decyzje operacyjne.

Co inżynierowie powinni ocenić podczas wdrożenia

Ujednolicona platforma nie gwarantuje automatycznie pomyślnej integracji. Dyscyplina inżynieryjna pozostaje niezbędna.

Zespoły oceniające ten typ architektury powinny najpierw określić, które zmienne infrastruktury wymagają skoordynowanego wglądu.

Zakresy odpowiedzialności za sterowanie również powinny pozostać jasno przypisane. Sterowanie lokalnymi urządzeniami, koordynacja nadrzędna i funkcje optymalizacyjne powinny mieć odrębne role.

Projektowaniu alarmów należy poświęcić podobną uwagę.

Dodawanie kolejnych połączonych zasobów bez uporządkowanej filozofii alarmów może generować nadmiar informacji zamiast użytecznej świadomości sytuacyjnej.

Operatorzy potrzebują alarmów, które identyfikują istotne stany nieprawidłowe i zapewniają wystarczający kontekst do podjęcia działań.

Nazewnictwo systemów i hierarchia urządzeń powinny być również standaryzowane od samego początku.

Staje się to szczególnie ważne w obiektach zawierających powtarzalne grupy urządzeń lub realizowanych w wielu etapach wdrożenia.

Na koniec procedury rozruchu powinny weryfikować zachowanie systemów współdziałających, a nie tylko sprawdzać poszczególne sterowniki.

Celem integracji jest koordynacja. Testy powinny zatem potwierdzać, że obiekt działa prawidłowo jako całość.

Automatyka centrów danych zmierza w kierunku architektury sterowania przemysłowego

Emerson DeltaV Automation Platform for Data Centers pokazuje szerszą konwergencję między infrastrukturą cyfrową a automatyką przemysłową.

Nowoczesne obiekty AI obejmują coraz bardziej wzajemnie połączone systemy chłodzenia oraz systemy mechaniczne i elektryczne. Niezależne zarządzanie tymi systemami może ograniczać widoczność i utrudniać koordynację operacyjną.

Odpowiedzią firmy Emerson jest zastosowanie zintegrowanej architektury automatyki opartej na technologiach już kojarzonych z rozproszonym sterowaniem przemysłowym.

Firma kładzie nacisk na precyzyjne sterowanie, niezawodność, standaryzację prac inżynieryjnych i ciągłe doskonalenie, zamiast traktować automatykę jako prostą warstwę monitorowania.

Uwzględnienie technologii DeltaV DCS i PLC wzmacnia ten kierunek.

Dla inżynierów automatyki rozwój ten ma duże znaczenie, ponieważ rozszerza znane koncepcje sterowania na szybko rozwijający się sektor infrastruktury.

W przypadku operatorów centrów danych odzwierciedla to inny sposób podejścia do wydajności obiektu: systemy termiczne, mechaniczne i elektryczne stają się elementami jednego skoordynowanego środowiska operacyjnego.

W miarę jak infrastruktura obliczeniowa AI staje się większa i bardziej wymagająca, takie spojrzenie z perspektywy całego systemu może zyskiwać na znaczeniu.

Zostaw komentarz

Pamiętaj, że komentarze muszą zostać zatwierdzone przed ich opublikowaniem.