Центр обработки данных по профилактическому техническому обслуживанию: как автономный мониторинг влияет на время безотказной работы

Переход от реактивного к прогнозному техническому обслуживанию

Центры обработки данных всегда работали по принципу избыточности. Вы устанавливаете N+1 охлаждающих агрегатов, двойные источники питания и резервные генераторы, надеясь, что в случае выхода чего-либо из строя его дублер без каких-либо сбоев возьмет на себя его функции. Но избыточность обходится дорого и не предотвращает сбоев — она лишь маскирует их. Профилактическое техническое обслуживание центр обработки данных Эти стратегии переворачивают эту логику с ног на голову: вместо того чтобы ждать, пока компонент выйдет из строя, вы постоянно отслеживаете его состояние и устраняете неполадки ещё до того, как он успеет выйти из строя.

Эта идея не нова. Анализ вибрации вращающегося оборудования применяется уже несколько десятилетий, а тепловизионная диагностика на протяжении многих лет является неотъемлемой частью электротехнических осмотров. Изменились стоимость и масштабы применения датчиков, а также появились технологии машинного обучения, способные интерпретировать все эти данные. Теперь можно оснастить датчиками всё предприятие — не только чиллеры, но и вентиляторы, насосы, модули ИБП и даже соединения шинопроводов — и с помощью программного обеспечения определять, какое из устройств выходит за пределы допустимых значений.

Для менеджера по эксплуатации здания это очень важно. Это означает меньше экстренных вызовов в 2 часа ночи, более длительный срок службы оборудования и более четкое представление о том, что на самом деле происходит в ваших помещениях. И дело не только в том, что о Идея заключается не в том, чтобы избежать простоев, а в том, чтобы эксплуатировать завод в режиме, максимально приближенном к его оптимальной эффективности, что напрямую влияет на PUE.

Как на самом деле выглядит автономный мониторинг

Автономный мониторинг — это не отдельный продукт. Это интеллектуальный уровень, который дополняет вашу существующую инфраструктуру. На практике он обычно состоит из трёх компонентов: датчиков, конвейера данных и аналитического движка.

Датчики — это самая простая часть. Температура, влажность, давление, вибрация, ток, напряжение — все эти датчики недороги и их легко установить практически на любое оборудование. Сложнее всего собрать эти данные в одном месте и разобраться в них. Именно здесь на помощь приходит аналитический движок. Он учится распознавать 'нормальное' состояние каждого объекта, а затем сигнализирует об отклонениях, прежде чем они приведут к сбоям.

Некоторые системы идут ещё дальше и замыкают цикл. Если вентилятор охлаждающего устройства потребляет больше тока, чем обычно, система может автоматически увеличить скорость вращения резервного вентилятора для компенсации, а затем уведомить технического специалиста, чтобы тот запланировал замену подшипника. В этом и заключается разница между мониторингом (который сообщает о наличии неисправности) и автономным управлением (которое принимает меры для её устранения).

Откуда берутся данные

Чтобы начать работу, вам не нужно демонтировать имеющееся оборудование. Большинство современных источников бесперебойного питания (ИБП) и CRAC/Устройства CRAH уже оснащены встроенными датчиками и поддерживают такие протоколы связи, как Modbus или SNMP. Проблема заключается в том, что они зачастую «говорят» на разных языках, а их данные хранятся изолированно в отдельных системах управления зданием. Автономная платформа мониторинга объединяет все эти данные в единую модель данных.

Еще одним источником являются периферийные устройства. Небольшие датчики Интернета вещей (IoT) можно установить на старое оборудование, что позволяет отслеживать такие параметры, как натяжение ремня вентилятора или давление хладагента в блоке прямого расширения (DX). Стоимость одного датчика снизилась настолько, что зачастую оборудовать старое оборудование датчиками обходится дешевле, чем заменить его.

Почему профилактическое техническое обслуживание имеет важное значение для показателя PUE и времени безотказной работы

Экономическое обоснование стратегий прогнозного технического обслуживания центров обработки данных обычно начинается с показателя безотказной работы, но аспект эффективности не менее важен. Хладильная установка, из которой утекает хладагент, будет потреблять больше электроэнергии для обеспечения того же уровня охлаждения. Засоренный фильтр в кондиционере CRAC снижает расход воздуха, в результате чего вентиляторы вынуждены вращаться быстрее. Обе эти проблемы отражаются в показателе PUE в виде потерь энергии.

Если вы вовремя обнаружите эти проблемы, то не только предотвратите сбой в работе, но и будете ежедневно экономить электроэнергию до тех пор, пока проблема не будет устранена. На объекте мощностью 1 МВт повышение эффективности охлаждения на 5% может привести к экономии в десятки тысяч долларов в год, в зависимости от местных тарифов на электроэнергию.

Кроме того, нельзя забывать о человеческом факторе. Квалифицированных технических специалистов найти сложно, и они тратят много времени на плановые проверки. Автономный мониторинг позволяет им сосредоточиться на объектах, которые действительно требуют внимания, а не бродить по производству с инфракрасной камерой в надежде что-нибудь обнаружить. Это более эффективное использование потенциала вашей команды, а удержать сотрудников гораздо проще, когда они занимаются интересной работой, а не выполняют однообразные проверки.

Как начать работу без капитального ремонта вашего объекта

Чтобы воспользоваться преимуществами профилактического технического обслуживания, не обязательно строить новый центр обработки данных. На самом деле, именно модернизация существующих объектов зачастую обеспечивает наибольшую окупаемость инвестиций, поскольку именно там находится устаревшее оборудование. Вот практический план действий:

1. Начните с пилотного проекта на самом важном или наиболее подверженном сбоям объекте. Для большинства предприятий это холодильная установка или система бесперебойного питания.
2. Установите датчики на этом объекте и подключите их к платформе мониторинга. Многие поставщики предлагают облачные информационные панели, для работы которых не требуются локальные серверы.
3. Установите базовые пороговые значения на основе технических характеристик производителя и ваших собственных исторических данных. Дайте системе поработать в течение нескольких недель, чтобы она выработала нормальные рабочие диапазоны.
4. Обучите свою команду реагировать на оповещения. Заранее определите, кому будут отправляться уведомления для каждого уровня серьезности, а также какова схема эскалации.
5. Проанализируйте результаты по итогам квартала. Оцените, сколько оповещений оказались верными, сколько было ложных срабатываний и удалось ли выявить какие-либо реальные проблемы до того, как они привели к простоям.

Одно важное замечание: не пытайтесь охватить всё сразу. Система, которая отслеживает всё и выдает предупреждения при каждом малейшем отклонении, просто создаст лишний шум, и ваша команда начнёт игнорировать её. Начните с малого, докажите ценность системы, а затем расширяйте её.

Роль искусственного интеллекта и машинного обучения в системах будущего

'Технология будущего' в данном контексте — это машинное обучение. Ранние системы прогнозирования использовали фиксированные пороговые значения: если вибрация превышает X, отправлять предупреждение. Это работает, но приводит к большому количеству ложных срабатываний, поскольку оборудование в реальных условиях не ведет себя так, как указано в технических характеристиках. Вентилятор с небольшим дисбалансом может вибрировать сильнее, чем предусмотрено спецификацией, но при этом нормально работать в течение многих лет.

Модели машинного обучения, в свою очередь, запоминают характерные особенности каждого объекта. Они способны отличить незначительное изменение условий эксплуатации от реальной неисправности. Со временем они все лучше прогнозируют оставшийся срок службы, что позволяет планировать техническое обслуживание в заранее выделенные периоды, а не реагировать на аварийные ситуации.

Именно в этом направлении отрасль . По мере того как всё больше центров обработки данных внедряют эти системы, модели совершенствуются, а стоимость технологии продолжает снижаться. Это не научная фантастика — эти технологии уже сегодня используются на производственных объектах.

На что следует обратить внимание при выборе решения для профилактического технического обслуживания

Если вы занимаетесь оценкой поставщиков, вот несколько моментов, на которые стоит обратить внимание:

• Совместима ли она с вашей существующей системой управления зданием (BMS) и протоколами оборудования? Ведь вам не хочется заменять всю систему управления целиком.
• Может ли она работать как с новыми, так и с устаревшими активами? Ваш новейший блок CRAC и ваш 15-летний чиллер должны отображаться на одной панели управления.
• Насколько точны оповещения? Попросите предоставить примеры из практики или предложить пробный период. Система, которая зря поднимает панику, хуже, чем отсутствие системы вообще.
• Является ли аналитический движок объяснимым? Вам важно знать, почему он выделяет что-то, а не просто то, что он это выделяет.
• Предлагает ли поставщик поддержку в области аналитики, или вам придется справляться самостоятельно? Некоторые поставщики предоставляют услуги удаленного мониторинга, что может стать хорошим вариантом, если у вас нет специалистов по обработке данных.

Также стоит проверить, предназначено ли собственное оборудование поставщика для подключения к этим системам. Это одна из причин, по которой стоит рассмотреть возможность сотрудничества с таким поставщиком, как VERHI. Наше прецизионное охлаждение Кроме того, наши энергетические решения оснащены средствами мониторинга, которые можно интегрировать в вашу существующую инфраструктуру, и мы поможем вам разработать стратегию профилактического технического обслуживания, адаптированную именно к вашему объекту, а не по готовому шаблону.

Итог

Стратегии профилактического технического обслуживания центров обработки данных становятся неотъемлемой частью управления современными объектами. Они не исключают необходимости резервирования — для критически важных нагрузок по-прежнему требуется конфигурация N+1 — но снижают вероятность того, что это резервирование придется проверять на практике. Кроме того, они предоставляют данные, необходимые для принятия более обоснованных решений о том, когда следует ремонтировать, заменять или модернизировать оборудование.

Эта технология достаточно зрелая, поэтому риск связан скорее с внедрением, чем с ее возможностями. Начните с малого, извлекайте уроки из данных и постепенно расширяйте масштабы. Ваша эксплуатационная команда будет вам благодарна, как и показатель PUE.