Panduan Sensor Pemantauan Lingkungan Pusat Data AI

Pusat data AI menghasilkan kepadatan daya dan beban termal yang jauh lebih tinggi daripada banyak lingkungan komputasi tradisional. Seiring dengan semakin umumnya penggunaan kluster GPU, rak dengan kepadatan tinggi, dan pendinginan cair, pemantauan lingkungan juga perlu menjadi lebih detail.

Oleh karena itu, pemantauan pusat data AI bukan lagi hanya tentang menempatkan satu sensor suhu dan kelembaban di suatu tempat di dalam ruangan.

Tergantung pada arsitektur pendinginan, operator mungkin perlu memantau kondisi di saluran masuk rak, lorong panas dan dingin, peralatan pendingin, loop pendingin cairan, CDU, dan sistem pembuangan panas luar ruangan.

Gambaran Umum Sensor Pusat Data AI

Cara termudah untuk memahami pemantauan pusat data adalah dengan memisahkannya berdasarkan lokasi dan tujuan.

1. Sensor Suhu Saluran Masuk Rak

Suhu adalah salah satu parameter paling mendasar di pusat data, tetapi pertanyaan penting bukanlah sekadar:

Pertanyaan yang lebih bermanfaat adalah: Berapa suhu sebenarnya yang diterima peralatan TI pada saluran masuk udaranya?

Rak GPU dengan kepadatan tinggi dapat menciptakan kondisi termal lokal yang mungkin tidak terlihat dari satu sensor suhu ruangan.

Pedoman ASHRAE saat ini untuk efisiensi termal pusat data AI merekomendasikan pemantauan terperinci di saluran masuk rak daripada hanya mengandalkan sensor tingkat ruangan.

2. Sensor Kelembaban dan Titik Embun

Suhu saja tidak sepenuhnya menggambarkan kondisi udara. Kondisi kelembapan juga penting.

Kelembapan yang berlebihan dapat meningkatkan risiko kondensasi dan korosi, sementara kondisi yang sangat kering mungkin memerlukan pertimbangan risiko pelepasan muatan elektrostatik tergantung pada persyaratan peralatan.

Inilah mengapa pemantauan lingkungan pusat data umumnya mempertimbangkan:

Titik embun sangat berguna karena menggambarkan kandungan kelembapan udara yang sebenarnya secara lebih langsung daripada kelembapan relatif saja ketika suhu berubah.

3. Sensor Tekanan Diferensial untuk Lorong Panas dan Dingin

Banyak pusat data AI masih menggunakan pendinginan udara untuk setidaknya sebagian beban TI, bahkan ketika GPU berdaya tinggi menggunakan pendinginan cairan langsung.

Dalam lingkungan seperti ini, pengaturan aliran udara tetap penting.

Sensor tekanan diferensial dapat mengukur perbedaan tekanan antara lorong panas dan dingin serta membantu operator memahami apakah jalur penahanan dan aliran udara berfungsi sebagaimana mestinya.

4. Sensor Deteksi Kebocoran Cairan

Karena pendinginan cairan langsung mendekatkan cairan pendingin ke rak, server, dan peralatan komputasi bernilai tinggi, deteksi kebocoran menjadi semakin penting.

Pemantauan kebocoran dapat menggunakan berbagai teknologi, termasuk:

Dokumentasi NVIDIA untuk sistem rak skala besar berpendingin cairan, misalnya, menjelaskan deteksi kebocoran pada tingkat baki, rak, dan pusat data , termasuk tali sensor dan sensor titik di sekitar rak, pipa, dan CDU.

5. Deteksi Asap dan Api

Deteksi kebakaran biasanya tidak digambarkan sebagai sensor kualitas air atau termal, tetapi merupakan bagian penting dari sistem pemantauan lingkungan dan keselamatan keseluruhan pusat data.

Persyaratan proteksi kebakaran bergantung pada desain fasilitas, kode yang berlaku, sistem deteksi, dan peraturan setempat.

NFPA 75, misalnya, membahas perlindungan kebakaran untuk area peralatan teknologi informasi.

6. Pemantauan Kontaminan Partikulat dan Korosif

Kontaminasi udara dapat memengaruhi peralatan elektronik, terutama di lokasi yang terpapar polusi industri, gas korosif, debu, atau kontaminasi udara luar.

Tergantung pada lokasinya, pemantauan dapat mencakup partikel atau kontaminan korosif tertentu.

7. Apakah Pusat Data AI Membutuhkan Sensor Cuaca Luar Ruangan?

Tidak setiap pusat data AI membutuhkan stasiun cuaca lengkap.

Namun, data lingkungan luar menjadi penting ketika sistem pendingin bergantung pada kondisi sekitar.

Contohnya meliputi:

Dalam sistem ini, informasi suhu dan kelembapan luar ruangan dapat mendukung pemilihan dan pengendalian mode pendinginan.

Kecepatan angin, arah angin, curah hujan, atau pengukuran meteorologi lainnya juga dapat digunakan jika lokasi yang lebih luas, peralatan penolak panas, atau strategi pengelolaan fasilitas memerlukannya.

Perbedaan pentingnya adalah: stasiun cuaca otomatis sepenuhnya bukanlah persyaratan universal untuk setiap pusat data.

8. Sensor apa saja yang digunakan dalam sistem pendingin cair di pusat data AI?

Begitu pusat data AI beralih dari pendinginan udara ke pendinginan cairan langsung, kelompok sensor lain menjadi penting.

Perangkat ini lebih tepat disebut sebagai sensor proses pendinginan cairan daripada sensor lingkungan ruangan.

Parameter-parameter ini membantu menjawab pertanyaan-pertanyaan operasional praktis:

Sebagai contoh, model data BMS NVIDIA saat ini untuk infrastruktur AI berpendingin cairan mencakup suhu suplai cairan CDU, suhu balik, tekanan diferensial, laju aliran, dan tekanan sistem.

9. Apakah Pusat Data AI Berpendingin Cair Membutuhkan Pemantauan Kualitas Cairan Pendingin?

Kondisi cairan pendingin adalah lapisan pemantauan pendinginan cair lainnya.

Tujuannya berbeda dari memantau aliran, tekanan, atau suhu.

Aliran dan tekanan membantu menjelaskan bagaimana sistem pendingin beroperasi.

Pemantauan komposisi kimia cairan pendingin dapat membantu menjelaskan apakah cairan pendingin itu sendiri mengalami perubahan.

Daya konduksi

Konduktivitas listrik dapat membantu melacak perubahan kondisi ion terlarut dalam cairan pendingin berair.

Perubahan konduktivitas dapat menjadi alasan untuk penyelidikan lebih lanjut, terutama jika dibandingkan dengan spesifikasi cairan pendingin dan kondisi operasi normal sistem.

pH

pH dapat digunakan untuk memantau kondisi asam-basa cairan pendingin dan mengidentifikasi perubahan relatif terhadap rentang operasi yang diharapkan.

Sekali lagi, tidak ada target pH universal yang harus diterapkan pada setiap sistem pendingin cair.

Rentang yang dibutuhkan harus berasal dari spesifikasi cairan pendingin dan peralatan yang sebenarnya.

Bagaimana dengan Kekeruhan dan ORP?

Kekeruhan dapat memberikan indikasi tambahan mengenai kontaminasi tersuspensi dan kebersihan cairan pendingin.

ORP dapat memberikan informasi tentang lingkungan oksidasi-reduksi dalam aplikasi di mana parameter tersebut relevan.

Namun, baik turbiditas maupun ORP tidak dapat digambarkan sebagai persyaratan pemantauan universal untuk setiap pusat data AI.

Parameter cairan pendingin harus dipilih sesuai dengan spesifikasi fluida aktual, material yang bersentuhan dengan cairan, arsitektur pendinginan, dan strategi perawatan.

10. Apakah Pengawasan yang Lebih Banyak Selalu Lebih Baik?

Belum tentu.

Strategi yang lebih baik adalah memantau parameter yang tepat di lokasi yang tepat sesuai dengan risiko yang sedang dikelola.

11. Ke Mana Semua Data Sensor Itu Dikirim?

Sensor pusat data modern biasanya tidak beroperasi sebagai instrumen yang terisolasi.

Data mereka dapat diintegrasikan ke dalam pengontrol, PLC, Sistem Manajemen Gedung (BMS) atau platform Manajemen Infrastruktur Pusat Data (DCIM).

Kerangka kerja operasional pusat data AI ASHRAE saat ini merekomendasikan penggunaan data sensor waktu nyata untuk menetapkan tolok ukur operasional, mengidentifikasi penyimpangan, dan mendukung deteksi anomali serta pemeliharaan prediktif.

Bagaimana Sebaiknya Anda Memilih Sensor untuk Pusat Data AI?

Pertanyaan yang Sering Diajukan

Pemantauan Pusat Data AI Menjadi Lebih Berlapis

Pemantauan lingkungan pusat data tradisional seringkali terutama dikaitkan dengan suhu dan kelembapan.

Infrastruktur AI dengan kepadatan tinggi memperluas gambaran tersebut.

Pemantauan di sisi udara dapat mencakup:

suhu masuk rak, kelembapan, titik embun, dan tekanan diferensial lorong.

Pemantauan keselamatan dapat mencakup:

deteksi kebocoran cairan dan deteksi kebakaran.

Pemantauan pendinginan cairan dapat meliputi:

Parameter suhu suplai dan balik, aliran, tekanan, tekanan diferensial, dan kondisi pendingin.

Seiring semakin umumnya arsitektur pendinginan berbasis CDU dan pendinginan langsung ke chip, sensor semakin memberikan lebih dari sekadar satu pengukuran. Data yang dihasilkan dapat membantu operator menetapkan patokan operasional normal, mengidentifikasi penyimpangan, dan memahami bagaimana lingkungan pendinginan berubah seiring waktu.

Pemantauan Lingkungan dan Pendinginan Cairan dengan Sensor RIKA

RIKA SENSOR menyediakan solusi penginderaan untuk pemantauan lingkungan, pendinginan industri, dan aplikasi pendinginan cairan.

Untuk proyek pusat data AI, pemilihan sensor harus dimulai dengan tujuan pemantauan aktual, arsitektur sistem, rentang pengukuran, lokasi pemasangan, suhu dan tekanan operasi, formulasi pendingin, dan antarmuka komunikasi yang dibutuhkan.

Untuk pusat data berpendingin cairan, RIKA SENSOR dapat mendukung aplikasi pemantauan kondisi pendingin termasuk konduktivitas, pH, kekeruhan, dan pengukuran ORP spesifik proyek.