Tecnología | Noticias | 20 NOV 2019

HPE integra operaciones de IA para mejorar la eficiencia energética en los centros de datos

El proyecto, que HPE realizará junto a Laboratorio Nacional de Energía Renovable (NREL) del Departamento de Energía de los Estados Unidos, utilizará software de código abierto y bibliotecas de Machine Learning para desarrollar algoritmos, como TensorFlow, NumPy y Sci-kit.
hpe centro de datos
Redacción

HPE ha anunciado una nueva colaboración con el Laboratorio Nacional de Energía Renovable (NREL) del Departamento de Energía de los Estados Unidos con quien va a desarrollar tecnologías de Inteligencia Artificial y Machine Learning que automaticen y mejoren la eficiencia operativa, incluyendo la mejora en la disponibilidad y el uso de la energía en centros de datos en la era de la exaescala.

Se trata de un proyecto que es parte de una colaboración de tres años que introduce la monitorización y el análisis predictivo a los sistemas de energía y refrigeración en el Centro de Datos de supercomputación (HPC) del Energy Systems Integration Facility (ESIF) del NREL.

Ambas entidades están utilizando datos recopilados durante los últimos cinco años, que provienen de los sensores de las supercomputadoras del NREL, Peregrine y Eagle, para entrenar modelos de detección de anomalías que puedan predecir y prevenir problemas antes de que ocurran.  

"Creemos que el camino que estamos haciendo  para desarrollar y probar mejoras en las operaciones basándonos en IA con NREL, uno de nuestros socios más duraderos e innovadores, permitirá a la industria construir y mantener centros de datos de supercomputación más inteligentes y eficientes a medida que continúan aumentando su potencia y rendimiento" ha declarado Mike Vildibill, vicepresidente del Grupo de Tecnologías Avanzadas de HPE. 

El proyecto utilizará software de código abierto y bibliotecas de Machine Learning para desarrollar algoritmos, como TensorFlow, NumPy y Sci-kit. El proyecto se centrará en las siguientes áreas clave:

  • Monitorización: recopilar y procesar grandes volúmenes de telemetría de TI y servicios asociados.
  • Análisis: se utilizará Machine Learning para analizar los datos y obtención mejoras operativas.
  • Control: se aplicarán algoritmos para que las máquinas puedan resolver problemas de forma autónoma, así como automatizar de forma inteligente las tareas repetitivas y realizar el mantenimiento predictivo tanto en el departamento de TI como en el centro de datos.
  • Operaciones del centro de datos: AI Ops evolucionará para convertirse en una herramienta de validación para la integración continua (CI) y la implementación continua (CD) de las funciones básicas de TI que abarcan las modernas instalaciones de los centros de datos.

Los primeros resultados obtenidos con los modelos predictivios han permitido identificar con éxito sucesos que previamente ocurrieron en el centro de datos del NREL, demostrando su utilidad y las mejoras a realizar en los data centers. 



Comentar
Para comentar, es necesario iniciar sesión
Se muestran 0 comentarios