Predictive maintenance i datacentret: År med datarens var frustrerende

Illustration: Big Stock
Schneider Electric måtte skifte strategi, da de ikke kunne få nok kunder til at give data til at træne machine learning-modeller.

I 2016 forsvandt strømmen til et amerikansk flyselskabs datacentre, samtidig med at den kritiske UPS (Uninterruptible Power Supply) fejlede. I fem timer kunne ingen tjekke ind, flyve, printe billetter, og det endte med at koste selskabet 150 millioner dollars.

Drift af datacentre er et pragteksempel på et domæne, hvor predictive maintenance kan gøre en kæmpe forskel. Her er prisen for et nedbrud langt højere end prisen på reservedele, der udskiftes, mens de – reelt – stadig fungerer.

Og et datacenter må aldrig gå ned, understreger Kim Povlsen, der er Vice President for IT Digital Services & Software i Schneider Electric. Her har man i de sidste tre år arbejdet på en intelligent løsning, der skal advare om nedbrud, før de sker. Og selvom et datacenter er et lukket miljø, er det ikke helt ligetil.

»Alle taler om machine learning, og det lyder ofte som en magisk teknologi, man bare implementerer,« indleder Kim Povlsen.

»Vores erfaring er, at det kræver rigtig meget arbejde at lave machine learning. Først når du har use cases, domæneviden og data, kan du rent faktisk begynde at gøre noget.«

Hos Schneider Electric var man ikke i tvivl om, at de krævende datacentre udgjorde en god use case for teknologien. Og med års erfaring med drift af infrastruktur sad selskabet også på en stor del domæneviden fra projektets start.

Data var straks et andet bæst, fortæller Kim Povlsen.

»Vi har været i gang i tre år med et stort hold, og vi vidste præcis, hvilke problemer vi ville løse, men vi måtte bruge det første halvandet år på at rense data. Det har været super frustrerende,« siger han og tilføjer:

»Det har været vores største læring.«

Celcius eller Fahrenheit

Den første udfordring består i at indhente data i et format, så man kan arbejde med det, forklarer Kim Povlsen.

»Når du begynder at hive data ind fra en masse assets ude i felten, er der faktisk ikke noget, der fortæller dig, hvad den data betyder. Du ved ikke nødvendigvis, om du måler temperatur eller ampere. Og du ved ikke, om temperaturen er målt i fahrenheit eller celsius.«

Schneider Electric har 15 års erfaring med on premises monitoreringssoftware til datacentre og ligger derfor inde med et bibliotek med drivere til 20.000 enheder. I de pågældende datasheets kan man aflæse, hvilken data de forskellige enheder spytter ud, men arbejdet med at gå tilbage i biblioteket og undersøge det, er enormt, påpeger Kim Povlsen.

Herefter kommer den egentlige datarens, så data har et format, som algoritmerne kan bruge.

Denne artikel stammer oprindeligt fra vores PRO-site, DataTech, hvor du kan læse meget mere om, hvordan Schneider Electric overtalte deres kunder til at dele deres data, hvordan algoritmer kunne forudsige, hvor det ville gå galt, og hvordan projektet arbejder sig hen mod prescriptive analytics.

Du kan få tre ugers prøveabonnement lige her.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Kommentarer (0)
Log ind eller Opret konto for at kommentere
Pressemeddelelser

Welcome to the Cloud Integration Enablement Day (Bring your own laptop)

On this track, we will give you the chance to become a "Cloud First" data integration specialist.
15. nov 2017

Silicom i Søborg har fået stærk vind i sejlene…

Silicom Denmark arbejder med cutting-edge teknologier og er helt fremme hvad angår FPGA teknologien, som har eksisteret i over 20 år.
22. sep 2017

Conference: How AI and Machine Learning can accelerate your business growth

Can Artificial Intelligence (AI) and Machine Learning bring actual value to your business? Will it supercharge growth? How do other businesses leverage AI and Machine Learning?
13. sep 2017
Jobfinder Logo
Job fra Jobfinder