Experimental Control of Thermal Processes to Increase the Availability and Reliability in Datacenters
Notice bibliographique
Résumé
Optimizing the thermal processes inside data centers in order to reduce the energy consumptions and lowering the environmental footprint was always a big challenge. Finding solutions to improve the current cooling system and reduce the energy inefficiency can be achieved with various approaches. The purpose of this work was to improve the thermal processes in the INCDTIM's data center by developing a smart cooling system that provides localized cooling when and where is needed. The readings of the temperature sensors will be stored in Cloud in order to use it for statistics and working patterns. Based on these patterns the temperature controls can be optimized. For this., experimental methods were used., implementing both., passive solutions (pipes., optimizations of the plenum) and active solutions (active grills for more efficient air control., remote control automation using PLC and Cloud based applications). First., we started from a 3D model of the data center., followed by the simulation of the actual thermal conditions in Ansys CFD (Computational Fluid Dynamics) software module. These simulations identified the problems., and the cold pockets and provided a tool to deliver a finite product that will significantly improve the cooling system. After this., a comparison was made with the improved thermal conditions in order to prove that the physical model matches the theoretical one. After that., the automation needs to be built in order to control the thermal processes. Connecting the PLC to a Cloud-based platform is the aim to optimize and control the thermal processes from the Cloud.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».