محاكاة مصنع مدعوم بالذكاء الاصطناعي: تحقق من أنظمة الطاقة والتبريد قبل الإنشاء

تقلل المحاكاة من الفجوة بين التصميم والتشغيل من خلال تمكين الفرق من اختبار سيناريوهات التشغيل قبل بدء الإنشاء. لا يقتصر دور نموذج مصنع مدعوم بالذكاء الاصطناعي الفعال على مجرد عرض غرفة ثلاثية الأبعاد فحسب؛ بل إنه يربط بين الهندسة والخصائص الهندسية وبيانات التشغيل الحالية أو السابقة، ما يتيح للفرق اختبار التوزيع وسلوك الطاقة وتدفق الهواء وقدرة التبريد والقيود الهيكلية وتأثير أحمال العمل قبل أن تصبح التغييرات المادية مكلفة.

هذا الأمر مهم لأن مصانع الذكاء الاصطناعيتعمل بالقرب من حدود البنية التحتية، حيث يمكن أن تؤدي افتراضات التصميم الصغيرة إلى تقليل إنتاج الوحدات القابلة للاستخدام، أو تعطيل الطاقة أو قدرة التبريد، أو فرض هوامش تشغيل متحفظة. وتكمن القيمة العملية في اختبار سيناريوهات "تشبه التشغيل الفعلي" في مرحلة التصميم: تحريك الأرفف واستبدال مسرعات الجيل التالي وزيادة كثافة الطاقة واختيار وحدات توزيع الطاقة (CDU) المختلفة وتغييرات الدائرة الأولية وافتراضات أبراج التبريد الثابتة الحرارة ومواصفات أحمال عمل الذكاء الاصطناعي.

تُعد الأدوات المنفصلة فعالة في تحليل النقاط، لكنها تفشل عندما تحتاج عدة جهات إلى رؤية مشتركة لنفس المنشأة والأصول وحالة التشغيل. يتطلب تصميم المصانع المدعومة بالذكاء الاصطناعي استخدام ديناميات السوائل الحسابية (CFD)، ومحاكاة الطاقة، والوثائق الهندسية، ونماذج الأصول، وقياسات تكنولوجيا المعلومات عن بُعد، وقياسات تكنولوجيا التشغيل عن بُعد، وسجلات التشغيل، وذلك لمواءمتها مع المعدات المادية.

في غياب طبقة تكامل مشتركة، تقوم كل أداة بإنشاء نافذة عرض خاصة بها، وقواعد تسمية، ونموذج بيانات، ما يجبر الفرق على مطابقة الأصول يدويًا. توفر OpenUSD طبقة توحيد قياسية لربط الهندسة ثلاثية الأبعاد بمصادر بيانات متعددة وبرامج حل.انضمت كل من شنايدر إلكتريك، وAVEVA، وETAP إلى تحالف OpenUSDلدعم قابلية التشغيل البيني للبرمجيات، والمحاكاة الصناعية، والتصميم التعاوني، وأنظمة البنية التحتية للذكاء الاصطناعي.

يعتمد إخراج الوحدات على ما يحدث داخل مكدس الحوسبة، لذا يحتاج النموذج إلى رؤية تتجاوز مستوى الرف. يساعد استغلال وحدة المعالجة المركزية (CPU) واستغلال الذاكرة واستغلال وحدة معالجة الرسومات (GPU) وسلوك الشبكة ونشاط القرص وحالة حمل العمل على ربط سلوك تكنولوجيا المعلومات (IT) بالآثار المترتبة على تكنولوجيا التشغيل (OT)، مثل استهلاك الطاقة وتبديد الحرارة ومتطلبات التدفق والمخاطر الحرارية.

إن التجريد على مستوى الرف يفشل في إظهار ما إذا كان حمل عمل محدد، أو عقدة، أو سلوك مكوّن هو الذي يقود حالة البنية التحتية. ولهذا السبب يجب أن تجمع محاكاة مصنع مدعوم بالذكاء الاصطناعي بين بيانات تكنولوجيا المعلومات (IT) وبيانات تكنولوجيا التشغيل (OT): فالمنشأة لا تُنتج قيمة بمجرد إبقاء الغرف باردة؛ بل تُنتج القيمة عبر تمكين رفوف الحوسبة المكلفة من العمل بأعلى استغلال آمن. إن أعمال التصميم المرجعية لشركة شنايدر إلكتريك وNVIDIA تربط بشكل صريح تصميم مصنع الذكاء الاصطناعي بنقاط تشغيل مثل MaxP وMaxQ، حيث يتيح MaxQ إنتاج المزيد من الوحدات لكل واط عندما تتطلب قيود الطاقة أداءً حوسبيًا مُحسّنًا.

يمكن لمحاكاة ديناميات السوائل الحسابية اختبار تدفق الهواء ودرجة الحرارة والسرعة والضغط وسلوك التبريد مقارنةً بالسيناريو الأساسي والسيناريو الافتراضي. حالة الاستخدام العملية واضحة: ابدأ بشرط أساسي لغرفة البيانات، ثم طبّق حمل عمل أثقل للذكاء الاصطناعي أو انقل الحمل الحراري من موقع رف إلى آخر، وقم بتصور ما إذا كان تدفق الهواء البارد وسعة التبريد واستراتيجية الاحتواء لا تزال قادرة على تحمل هذا الحمل. في البيئات المبردة بالهواء أو المختلطة، لا يتطلب سيناريو "ماذا لو" دائمًا إعادة توصيل كاملة  أو إعادة تركيب الأنابيب؛ يمكن للنموذج تغيير ملف تبديد الكيلوواط واختبار السلوك الحراري الناتج.

يمكن لمحاكاة الطاقة أن تحدد مدى تأثير أي عطل أو حالة صيانة على السعة التشغيلية لنظام تكنولوجيا المعلومات. ومن الأمثلة العملية على ذلك تعطل لوحة الطاقة عن بُعد إلى جانب دخول عنصر ثانٍ في وضع الصيانة. يمكن للمحاكاة أن توضح ما إذا كانت المنشأة لا تزال تحافظ على مستوى التكرار المطلوب، ومقدار الطاقة الحاسوبية التي يجب الحد منها للحفاظ على نمط N+1.

يمكن أن تُفيد هذه المخرجات قواعد جدولة أحمال العمل، أو حدود الطاقة، أو تخفيضات التردد قبل بدء العمليات. تدعم قدرة التوأم الرقمي الكهربائي لـ ETAP تصميم ومحاكاة الأنظمة الكهربائية المتقدمة، وتحليل سيناريوهات "ماذا لو" الديناميكية، وتتبع أداء البنية التحتية الكهربائية في الوقت الفعلي، وتحسين كفاءة الطاقة، والصيانة التنبئية، وتخطيط البنية التحتية بناءً على استخدام الطاقة.

يمكن للمحاكاة تقييم تأثير استبدال جيل من وحدات معالجة الرسومات (GPU) بآخر من خلال اختبار الآثار المترتبة على ذلك من حيث استهلاك الطاقة والتبريد والبُنى قبل الشراء أو الإنشاء. ومن الأمثلة العملية على ذلك اختيار رف في النموذج واختبار منصة مستقبلية ذات كثافة أعلى ووزن أكبر، لفهم ما إذا كانت الأرضية، وأحجام الأنابيب، ودائرة التبريد، والبنية التحتية الكهربائية قادرة على تحمل هذا التغيير.

وهذا أمر مهم لأن المصانع المدعومة بالذكاء الاصطناعي تتطور بوتيرة أسرع من المنشآت التقليدية، وقد تؤدي منصات الأرفف من الجيل الجديد إلى تغييرات في الوزن، وتبديد الحرارة، وأحجام الأنابيب، ومتطلبات التدفق، وكثافة الطاقة.

أصبحت المحاكاة متطلبًا عمليًا للمصانع المدعومة بالذكاء الاصطناعي، لأن تكلفة الافتراضات المتحفظة أو أخطاء التصميم كبيرة للغاية. إذا كان من غير الممكن تشغيل رف عالي القيمة إلا بنسبة 90٪ بسبب عدم ثقة فريق المرفق في قدرات التبريد أو الطاقة أو هوامش التكرار، فإن المشغّل يتخلى عن سعة الوحدات في أغلى أصل داخل المبنى.

تتطلب المصانع المدعومة بالذكاء الاصطناعي المحاكاة لأن تصميم المنشأة، وسلوك حمل العمل، واقتصاديات الاستغلال مترابطة بشكل وثيق. تساعد محاكاة الطاقة باستخدام ETAP، وديناميات السوائل الحسابية، والقياس عن بُعد في الوقت الفعلي، وسيناريوهات "ماذا لو" المرئية المشغلين على اختبار الظروف التي تحدد ما إذا كان بإمكان مصانع مدعومة بالذكاء الاصطناعي العمل بأمان في أقصى حدود قدراتها. كما أن التوائم الرقمية المبنية على OpenUSD تعالج مشكلة البيانات والأدوات المعزولة من خلال تمكين التفكير على مستوى النظام عبر التصميم والإنشاء والتشغيل.