AI tehase simuleerimine
AI tehase simulatsioon võimaldab organisatsioonidel testida ja valideerida toite- ja jahutusprojekte enne millegi ehitamist, tagades süsteemide õige suuruse, paigutuse ja koordineerimise. See aitab vältida kulukaid ümbertöid ja taristuga seotud piiranguid.
AI-põhiste digitaalsete kaksikutega saavad meeskonnad varakult – enne ehituse algust – hinnata elektrilist mahtuvust, termilist käitumist, õhuvoolu ja juhtimisstrateegiaid. Simulatsioonide abilsaavad organisatsioonid kontrollida taristu turvalisust, optimeerida selle suurust ja luua andmetelpõhinevaid tõendeid sidusrühmade ja juhtkonna heakskiidu saamiseks.
Tehase projekteerimise simuleerimine AI abil on parem kui probleemide parandamine pärast arhitektuuri lõplikku valmimist, kuna see aitab vähendada võimalikke viivitusi ning alandada täienduste ja parandustega seotud kulusid.
See lähenemisviis koondab AVEVA digitaalse kaksiku ja teabe haldamise võimalused süsteemi tasandil integratsioonikihina, kasutades OpenUSD-d, et võimaldada mitme valdkonna koostalitlusvõimet projekteerimise, inseneritöö ja käitamise vahel. Selles keskkonnas modelleeribETAP elektriline digitaalne kaksikvõrgust püstakuni ulatuvat elektrienergia käitumist ja rikkeolukordi, NVIDIA Omniverse pakub reaalajas visualiseerimist ja koostööl põhinevat simulatsiooni ning EcoStruxure™ IT Design CFDpakub täpset õhuvoolu ja soojusanalüüsi.
AI tehase digitaalse kaksiku elutsükkel
Tänu OpenUSD andmekeskuse simulatsioonile on olemas üks usaldusväärne teabeallikas mehaaniliste, elektriliste ja IT-juhtimissüsteemide joondamiseks.
AI tehased on sageli hädas ebaselge võimsuse, segatud õhu- ja vedelikjahutuse strateegiate, üksteisest lahutatud meeskondade töövoogude ja aeglaste ülevaadetega, mis põhjustavad viivitusi ja kulukaid ümbertöid.
Toite stabiilsus ja ohutus
Kuna AI-klastrid tarbivad väga erinevaid võimsusi, on need ebastabiilsed. ETAP-i ja Omniverse’i simulatsioonid võimaldavad meeskondadel enne ehitamist ohutult testida rikete, kaitseseadmete ja lülitusskenaariume, et vähendada riske.Simulatsioon hägustab piire projekteerimise ja käitamise vahel, võimaldades meeskondadel läbi mängida käitamisstsenaariume juba enne ehitustööde algust. Kasulik AI tehase mudel ei piirdu pelgalt 3D ruumi renderdamisega; see ühendab omavahel geomeetria, tehnilised omadused ning reaalajas või varasemate tööde andmed, nii et meeskonnad saavad testida seadmete paigutust, toite tarbimist, õhuvoolu, jahutusvõimsust, konstruktsioonilisi piiranguid ja töökoormuse mõju enne, kui füüsiliste muudatuste tegemine muutub kulukaks.
See on oluline, kuna AI tehased töötavad taristu piiride äärel, kus isegi väikesed projekteerimise eeldused võivad vähendada kasutuselevõetavate pääsmete toodangut, raisata energiat või jahutusvõimsust või sundida rakendama konservatiivseid kasumimarginaale. Praktiline väärtus tuleneb sellest, et juba projekteerimisetapis katsetatakse nn „töötamisega sarnaseid“ stsenaariume: seadmestiku ümberpaigutamine, järgmise põlvkonna kiirendite vahetamine, suurem võimsustihedus, erinevad CDU valikud, peamise ahela muudatused, temperatuurimuutusteta toimuvad jahutustorni eeldused ja AI töökoormuse profiilid.
Eraldi tööriistad sobivad küll üksikute punktide analüüsimiseks, kuid need ei toimi enam, kui mitmel kasutajaprofiilil on vaja ühist ülevaadet samast rajatisest, varadest ja töötingimustest. Tehase projekteerimiseks AI abil on vaja CFD arvutusi, võimsussimulatsioone, tehnilist dokumentatsiooni, seadmemudeleid, IT-telemeetriat, OT-telemeetriat ja käitamisajalugu, et need vastaksid tegelikele seadmetele.
Ilma ühise integratsioonikihita loob iga tööriist oma vaateakna, nimetamiskonventsiooni ja andmemudeli, mis sunnib meeskondi varasid käsitsi ühildama. OpenUSD pakub standardiseerimiskihte 3D-geomeetria ühendamiseks mitmete andmeallikate ja lahendajatega. Schneider Electric, AVEVA ja ETAP on ühinenud OpenUSD-liiduga OpenUSD , et toetada tarkvara koostalitlusvõimet, tööstuslikku simulatsiooni, koostööl põhinevat projekteerimist ja AI taristuid.
Pääsmete väljund sõltub sellest, mis toimub arvutuspinu sees, seega peab mudelil olema ülevaade ka püstaku tasandist allpool toimuvast. CPU kasutus, mälu kasutus, GPU kasutus, võrgu käitumine, ketta aktiivsus ja töökoormuse olek aitavad ühendada IT-käitumist OT-tagajärgedega, nagu energiatarve, soojuse tagasilükkamine, voolunõuded ja termiline risk.
Püstaku tasandi abstraktsioon ei võta arvesse, kas taristu seisundit mõjutab konkreetne töökoormus, sõlm või komponendi käitumine. Seetõttu peab AI tehase simulatsioon ühendama IT- ja OT-andmeid: rajatis ei loo väärtust ruumide jahutamisega, vaid selle väärtus seisneb selles, et kallid arvutuspüstakud saavad töötada kõrgeimal ohutul koormusastmel. Schneider Electricu ja NVIDIA näidisprojekt seob AI-tehase disaini selgesõnaliselt selliste tööpunktidega nagu MaxP ja MaxQ, kusjuures MaxQ võimaldab rohkem tokeneid vati kohta, kui võimsuspiirangud pääsmeid optimeeritud arvutusvõimsust.
CFD simulatsiooni abil saab testida õhuvoolu, temperatuuri, kiirust, rõhku ja jahutuse käitumist nii baaskomplektis- kui ka hüpoteetiliste stsenaariumide puhul. Praktiline kasutusjuhtum on lihtne: alustage alusväärtuseks määratud tingimustest, rakendage suuremat AI töökoormust või viige termiline koormus ühest püstaku asukohast teise ja visualiseerige, kas külm õhuvool, jahutusvõimsus ja ohjeldamisstrateegia toetavad endiselt koormust. Õhkjahutusega või hübriidkeskkondades ei nõua „mis-kui“ stsenaariumi rakendamine alati täielikku kaablite või torustiku vahetamist; mudel võib muuta kilovattide hajumisprofiili ja testida sellest tulenevat soojuslikku käitumist.
Võimsuse simulatsiooniga saab kvantifitseerida, kuidas rike või hooldustingimus mõjutab kasutatavat IT-võimsust. Praktiline stsenaarium on rikkis kaugtoitepaneel koos teise elemendiga, mis läheb hooldusrežiimi. Simulatsioon näitab, kas rajatis säilitab endiselt vajaliku koondamispositsiooni ja kui palju IT-võimsust tuleb piirata N+1 käitumise säilitamiseks.
Selle tulemuse põhjal saab enne tööde alustamist määrata töökoormuse planeerimise reeglid, võimsuse piirangud või sageduse alandamised. ETAP-i elektrilise digitaalse kaksiku võimekus toetab täiustatud elektrisüsteemi projekteerimist ja simulatsiooni, dünaamilist „mis-kui“ stsenaariumi analüüsi, reaalajas elektritaristu jõudluse jälgimist, energiatõhususe optimeerimist, ennustavat hooldust ja energiatarbimisel põhinevat taristu planeerimist.
Simulatsioon saab hinnata ühe GPU-põlvkonna teisega asendamise mõju, testides enne hanget või ehitamist võimsust, jahutust ja konstruktsioonilisi tagajärg. Praktiline näide on mudelis püstaku valimine ja tulevase suurema tihedusega, raskema platvormi testimisega, et mõista, kas põrand, torude suurus, jahutuskontuur ja elektriinfrastruktuur toetavad muutust.
See on oluline, kuna AI tehased uuenevad kiiremini kui traditsioonilised rajatised ning järgmise põlvkonna püstaku platvormid võivad muuta kaalu, soojuse ärajuhtimist, torude läbimõõtu, voolunõudeid ja võimsustihedust.
Simulatsioon on muutumas AI tehastele praktiliseks vajaduseks, sest konservatiivsete eelduste või projekteerimisvigade hind on liiga kõrge. Kui kallihinnalist püstakut saab kasutada vaid 90% võimsusega, kuna hoone haldustiimil puudub kindlus jahutuse, toitevarustuse või varundusvarude osas, loobub operaator hoones kõige väärtuslikuma vara võimsusest.
AI tehased vajavad simulatsiooni, kuna rajatise projekteerimine, töökoormuse käitumine ja kasutamine on tihedalt seotud. ETAP-i võimsuse simulatsioon, CFD, reaalajas telemeetria ja visuaalsed stsenaariumid aitavad käitajatel testida tingimusi, mis määravad, kas AI-tehas suudab ohutult töötada piirvõimsuse lähedal.OpenUSD põhised digitaalsed kaksikud lahendavad veelgi enam andmete ja tööriistade eraldamist probleemi, võimaldades süsteemitasandi järelduste tegemist projekteerimise, ehitamise ja käitamise vallas.
AI-toega digitaalsete kaksikute mastaapsemaks muutmine OpenUSD abil
Lubatute loendis selgitatakse, miks Schneider Electric toetab OpenUSD-d ja NVIDIA Omniverse’i tehisintellekti toetavate digitaalsete kaksikute rakendamisel kogu andmekeskuse elutsükli jooksul.
Võrgust kiibini, kiibist jahutini – skaleeritava AI saavutamiseks.
Kontrollitud AI andmekeskuste võrdlusmustrid (ANSI/IEC) + valikujuhend.
800 V alalisvoolu arhitektuurid, püstaku tasandil toide ja töökindlad jaotusseadmed.
Otse kiibile, immersioon- ja hübriidjahutus suure tihedusega AI-ga töökoormuste jaoks.
Modulaarsed kapslid ja tühja ruumi mooduli (valmistumise aeg).
DCIM, planeerimine/modelleerimine, häirete haldamine, OT küberturvalisus.
Vajate abi?
Tootevalija
Leidke kiiresti ja lihtsalt oma rakenduste jaoks sobivad tooted ning tarvikud.
Hinnapakkumise hankimine
Sisestage veebipäring ja ekspert võtab teiega ühendust.
Edasimüüjad
Leidke oma asukohas lähim Schneider Electricu edasimüüja.
Abikeskus
Leidke kõik oma vajadustele vastavad tugiressursid.