En la actualidad, prácticamente en cualquier industria la Inteligencia Artificial (A.I., por sus siglas en inglés) y el Internet de las cosas (I.o.T., también por sus siglas en inglés), están redefiniendo cómo se operan y administran los negocios.
Los datacenters en particular están experimentando una transformación, y es que realmente no tienen opción. Gartner Group predice que para 2020, 30% de los datacenters que no implementen estos controles y tecnologías, serán operacional y económicamente inviables.
En particular, en lo referente a los datacenters, la eficiencia energética es clave, así como los datos obtenidos por sensores I.o.T. para analizar un número muy grande de factores que afectan el consumo energético, incluyendo cosas como el ajuste de temperatura, rangos de flujo y desempeño de equipos. Con esto no solo se identifican fuentes de ineficiencia energética, sino que se pueden hacer ajustes automáticos o manuales para reducir el consumo energético.
En la actualidad la energía consume el 10%, en promedio, del presupuesto de un datacenter y Gartner predice que esto se incrementará al 15% para el 2021. Utilizando analíticos de datos, como los que proveemos en Tecno Buildings, las compañías pueden reducir los costos de energía utilizada para enfriamiento, hasta en un 30%.
Otra de las áreas donde el I.o.T. y A.I. son clave en los datacenters, para la reducción de fallas e inactividad de los sistemas. Los sensores inteligentes y herramientas de A.I., como los sistemas predictivos de Tecno Buildings, pueden detectar y predecir fallas, rastreando los niveles de consumo eléctrico y monitoreo del desempeño de los servidores, congestión en las redes, entre otros factores. El A.I. puede inclusive implementar estrategias para ayudar al datacenter a recuperarse y llegar a la causa raíz de un problema rápidamente.
Antes de que el A.I. fuera introducido en el mercado, varios equipos de aire acondicionado como chillers, torres de enfriamiento y bombas de agua, eran controladas por un BMS para asegurar una operación regular. Sin embargo, los sistemas de enfriamiento con estas configuraciones, ya no son eficientes energéticamente, ni operan en su máxima eficiencia.
Nuestro sistema de A.I. incorpora el aprendizaje profundo (deep learning) para crear un modelo predictivo P.U.E. (power usage effectiveness). Los algoritmos de optimización ayudan a establecer los parámetros ideales, los cuales son transmitidos a los sistemas de control. En nuestra experiencia, el implementar mecanismos de IA puede reducir el factor P.U.E. en un 8% o más.
En los ámbitos de seguridad y confiabilidad, antes de la introducción del A.I., las fallas eran detectadas hasta que algún componente del sistema falla; sin embargo, al recolectar datos de las fuentes de poder y de los sistemas de distribución, los sistemas de A.I. pueden predecir de manera muy efectiva las fallas en equipos, dispositivos y componentes, alertando al equipo de operaciones y mantenimiento, antes de que ocurran las fallas u otorgar información relevante para apoyar la toma de decisiones.
Los sistemas que implementamos en Tecno Buildings, están conformados y respaldados por la mejor tecnología disponible en el mercado, con componentes construidos por nuestros ingenieros y equipos de desarrollo internos, para proveer mecanismos de monitoreo que predicen, aíslan y permiten la recuperación de fallas de forma efectiva y oportuna. Nuestro objetivo es empoderar a las áreas de operaciones, para realizar mantenimiento predictivo de sistemas antes de que las fallas ocurran.
¿Cómo Funciona?
Cada determinado lapso de tiempo, por lo regular de 15 minutos, nuestros sistemas obtienen una lectura de miles de sensores a lo largo de un datacenter, la cual es enviada a la nube para su almacenamiento y análisis. Lo importante de nuestro sistema es que es capaz no solo de capturar, si no de interrelacionar los datos para obtener un significado de los mismos. La acumulación de datos históricos, hacen que los sistemas “aprendan” cada vez más de la operación de los equipos y su comportamiento.
Los sistemas de A.I. son capaces de identificar acciones concretas, las cuales se encuentran ya capturadas y descritas mediante explicaciones concretas, específicas, dentro de la base de datos. Estas acciones también están filtradas con base en su nivel de criticidad, y un grupo de monitoreo hace revisiones adicionales para verificar que los hallazgos estén priorizados de forma correcta. Es muy importante que los hallazgos de alta criticidad sean detectados y atendidos de forma oportuna, por las áreas y personal relevante.
No es extraño encontrar que, al inicio de la operación del sistema, los operadores que utilizan el sistema encuentren nuevas prácticas mayormente efectivas de monitorear y mantener el datacenter.
