案例研究:机械系统在数据中心建设的关键因素

简介:

当行业厂商致力于建设大规模数据中心以满足数据的需求时,毫不夸张地说,用于构建大型数据中心的机械系统庞大复杂。而Goliath数据中心工作现场的材料中,其中包括18000英尺的钢制焊接HVAC管道,30,000根钢管。工作人员将这些设计,建筑,以及物流挑战相结合,积极地完成计划,而机械施工团队可能面临几乎无法抗拒的挑战。

鉴于这些因素,对于企业级数据中心成功的机械系统扩展,其关键因素是什么?在人们的经验中,包括几个成功的数据中心扩展安全(例如最近在弗吉尼亚州建设的空间为291,000平方英尺的数据中心设施),以下有五个关键因素:

1.打好基础。

2.预测后勤障碍。

3.制定战略计划。

4.利用最新技术进行预先计划,协调机械系统的设计和布局。

5.最大化预制,以加快在现场安装系统组件。

Goliath数据中心包括240,000平方英尺的高架空间,容纳四个独立的计算机房的环境,以及HVAC系统提供冗余备份。

运行开始

在紧凑的建设时间表上,大型数据中心机械系统建设取得成功的第一个关键因素是让建筑项目团队尽量以最快速度实施,从而使设计,规划和协调技术能够以最高效的时间并具有成本效益的方式完成。

对于Goliath数据中心建设项目,计划授权五个月(2016年1月22日至2016年6月22日)从功能系统的预建设到完成。建设团队在合同签订后的第二天就开始协调和项目文件。由Shapiro&Duncan公司与分包商提供的所有工作人员和其他资源必须构建一个24/7的工作时间表,包括制造和操作。

一旦规划要求建立,另一个最佳做法是加快批准任何需要现场工程师清除的设备。而启动审批流程越快越好。

跨越物流障碍

数据中心建设的工作现场的物流和协调对于工作人员来说,往往是一个挑战。当涉及建筑面积并不宽裕的大型数据中心时,其物流可能是一个更大的障碍。解决方案必须包括有效分阶段的设备交付,以确保有足够的空间放置材料,使系统组件彼此配合,而混凝土,结构钢,以及其他行业需要的设备和物资不要混杂在一起。这种方法意味着在规划和实施现场物流时必须遵循一个关键路径。

在Goliath数据中心项目中,设备存储和临时的空间非常紧张。因此,预制管道组件和专用设备的所有交付都经过总承包商和现场工程师的仔细预先计划和协调,以避免在卸载材料时出现拥堵,延误,以及安全问题。在大多数情况下,机械设备和管道的交付在晚上和周末进行,通常避开恶劣天气期间进行。

计划指南

数据中心项目的机械解决方案的战略规划必须首先开发信息请求(RFI)和其他设计文件。必须根据特定的站点要求和约束配置这些文档。

然后,项目经理必须利用他们的关键和创造性思维技能,制定正确的战略实施计划。对于Goliath数据中心项目,Shapiro&Duncan的项目管理团队迅速实施了一个战略计划,组织人员以建筑模块方法处理该项目。这种方法对于促进大约18,000英尺的焊接钢和直径为10英寸至3寸的铜质冷却水管道的协调,设计,制造,交付,以及部署是必要的。

除了1800英尺的管道以外,企业级数据中心机械解决方案还包括什么?以下是Goliath数据中心项目已安装设备的完整清单:

·25组屋顶安装553冷吨的风冷式冷水机组

·20个带有变频驱动器的50-HP喷油泵

·6015吨计算机室空气处理机

·16个加湿器

·3个包装的屋顶空气处理装置

·47个可变风量箱

·两个冷冻水风机盘管单元

·水处理系统

·用于脱水和冷凝物去除的水泵系统

·泄漏检测系统

·防冻保护系统

·自动温度控制系统

·定制螺旋管道系统,为办公室和走廊空间提供服务

·定制管道覆盖(绝缘)和管道绝缘系统

·卫生设备,用于办公室,休息室和门禁

·自来水,卫生和雨水的管道系统

由于数据中心建设计划紧张,只有一次性完工的时间,没有时间进行返工,这种约束不仅适用于机械系统,而且适用于其他行业所做的工作,其中包括混凝土,电气,木工,石膏板等工作。为了确保所有的工作第一次完成,必须事先检查,以确保质量不会受到影响。

采用最新技术进行故障排除

当涉及到协调数据中心机械系统的设计和布局时,采用先进的技术是必不可少的。借助先进的计算机辅助设计(CAD)软件,项目设计人员可以创建建筑物的物理和功能特性的数字表示,并将协调过程提高到一个新效率和新水平。

例如,在Goliath数据中心项目上,Shapiro&Duncan公司建筑信息管理/虚拟设计协调(BIM/VDC)系统在与其他行业结合进行机械和管道设计故障时进行了测试。针对具体工作的项目文件进行了双重调整,以便向BIM/VDC团队提供所需的产品信息。随着BIM/VDC过程的各个部分的完成以及所有行业的批准,协调图被转交给Shapiro&Duncan的采购团队和位于Md的Landover的51,000平方英尺的制造厂。

在面临风险的情况下,数据中心项目团队的所有人将会更加细致的思考,为了达到系统的最有效的配置,需要预先加工,以减少现场接头的数量。通过采用全面的方法来规划和协调所有建筑元素,因为它们适用于已安装的系统,正确的技术工具可以从各个角度查看冲突检测,并从施工过程中消除风险元素。

例如,数据中心地板位于安装在三英尺高基座的阵列上。这种高架地板在协调时非常重要,因为的BIM/VDC系统必须对地板下面的两到三英尺空腔进行建模,以确保机械组件在这个紧凑的空间中适当地安装。

Shapiro&Duncan的协调解决方案延伸到管道组件之外,包括计算机室空气处理(CRAH)单元的布局和布局,对应于共享有限空间的物流。此外,在放置屋顶钢垫料和20个风冷式冷却器之前,需要进行复杂的协调,以便在未完成的屋顶上分段和放置管道,泵和相关设备。

预制最大化

在构建数据中心机械解决方案时,预制可以确保快速安装设备并按计划进行的安全或中断组件。面对Goliath数据中心项目的安装挑战,人们面临的关键问题是,能够预制最小化现场装配时间有多长?事实证明,在该项目需要的30,000英寸焊缝钢管中,制造车间内预先完成了25,000英寸。

在合同签署之后大约一周的时间,Goliath数据中心项目的管道系统开始每天24小时生产,以便他们可以及时完工,并装载在平板拖车上运送到工作现场。这其中包括供应管线和回流管线的管道组件,包括管道支撑,绝缘插入件,阀门,配件,专用设备,泵和空气分离器,截面长达40英尺长,预制,编号,卡车装载,总承包商时间表。以这种方式交付超过60辆拖车运载这些管道。而管道和设备交付是分阶段进行的,以便这些材料进入建筑物,并迅速地加快焊接连接以及测试,并实施管道系统的保温层工作。

此外,预制的管道/泵组件被部署安装在屋顶上,使得钢垫料可以竖立在管道上方。然后将管道提升以连接到钢构件的下侧。这种方法消除了在竖立之后需要处理钢构件下面的大型泵和管道的需要,节省工作时间,并消除损坏屋顶的可能性。

安全:永无后顾之忧

如果没有为工作现场定制的全面安全计划,那么这个项目所有由技术驱动的规划,协调和预制都可能由于不必要的伤害和时间的浪费而受到影响。有效的安全计划必须包括挖掘安全,坠落保护,重物的索具/处理,以及提供保护装置(如焊接屏障)。此外,安全通常是培训和设备测试的功能。例如,焊工应该经过认证,其设备应该处于最佳状态。

自上而下的成功

俗话说,成功或失败从顶端开始。为了确保在大规模数据中心解决方案的建设上取得成功,总承包商必须通过鼓励所有团队成员之间开放和不受阻碍的交流和对话,为良好的沟通树立榜样。本着这种精神,团队成员可以一起工作,同时满足团队成员的个人需求。

与项目沟通有关的最佳实践包括召开主要参与者的日常会议,这有助于维持行业的产品购买入以及全面的调试计划,一旦该设备准备好,系统组件就可以按部就班地进行。这样做有助于避免不可预见的调度阻塞。

本文转自d1net(转载)

相关文章
|
7月前
|
机器学习/深度学习 存储 数据采集
利用机器学习优化数据中心冷却系统
【4月更文挑战第26天】 在数据中心管理和运营中,冷却系统的能效是关键成本因素之一。随着能源价格的上涨和对环境可持续性的关注增加,开发智能、高效的冷却策略显得尤为重要。本文将探讨如何应用机器学习(ML)技术来优化数据中心的冷却系统。通过收集和分析温度、湿度、服务器负载等多维数据,我们构建了预测模型来动态调整冷却需求,实现节能并保持最佳的操作条件。实验结果表明,使用ML优化后的冷却系统能够在不牺牲性能的前提下显著降低能耗。
|
7月前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心冷却系统
在数据中心运营成本中,冷却系统的能源消耗占据了显著比例。随着数据中心规模不断扩大,传统的冷却管理方法逐渐显得不足以应对复杂多变的热负荷。本文提出了一种基于机器学习的方法,旨在优化数据中心的冷却系统性能。通过收集历史运行数据和实时环境参数,构建预测模型来动态调整冷却策略,实现能源消耗与散热效率之间的最佳平衡。实验结果表明,该方法可以有效降低能耗,并保持数据中心内环境的稳定性。
47 1
|
7月前
|
机器学习/深度学习 传感器 算法
利用机器学习优化数据中心冷却系统
【2月更文挑战第15天】 在数据中心运营效率的众多挑战中,冷却系统的优化是一个关键因素。本文将探讨如何应用机器学习技术来改善数据中心的冷却性能,减少能源消耗,并提高整体的可持续性。通过分析历史温度数据、服务器负载以及环境参数,构建预测模型来动态调整冷却需求,实现智能化管理。本研究展示了一种创新方法,不仅提升了数据中心运行效率,也为其他工业冷却系统提供了可借鉴的解决方案。
60 1
|
7月前
|
机器学习/深度学习 存储 算法
利用机器学习优化数据中心冷却系统
【2月更文挑战第23天】 在数据中心的运营成本中,冷却系统占据了一大块。传统的冷却管理通常依赖于简单的规则或手动调整,无法适应复杂多变的热负荷和环境条件。本文提出了一种基于机器学习的方法来动态优化数据中心的冷却系统。我们设计了一个预测模型来估计未来的热负荷,并结合实时数据,通过优化算法调整冷却设备的工作状态,以降低能源消耗并保持适宜的运行温度。实验结果表明,该方法能够有效减少能耗,同时保证数据中心的冷却效率。
46 0
|
25天前
|
运维 监控 中间件
数据中心运维监控系统产品价值与优势
华汇数据运维监控系统面向IT基础架构及IT支撑平台的监控和运维管理,包含监测、分析、展现和告警。监控范围涵盖了网络设备、主机系统、数据库、中间件和应用软件等。
44 4
|
7月前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心冷却系统
【5月更文挑战第20天】 在数据中心运营成本中,冷却系统占据了一大块。随着能源价格的上涨和环境保护意识的增强,如何降低数据中心的能耗成为行业关注的重点。本文通过引入机器学习技术来优化数据中心冷却系统,旨在减少不必要的能源消耗,同时保持适宜的操作温度。通过收集历史温度数据、服务器负载信息以及外部气象条件,构建了一个预测模型,该模型能够实时调整冷却策略,实现动态节能。实验结果表明,与传统冷却系统相比,应用机器学习优化后的系统在不影响性能的前提下,能够节约高达20%的能源消耗。
|
7月前
|
机器学习/深度学习 存储 传感器
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】 在数据中心的运行中,冷却系统的能效对整体运营成本有着显著的影响。随着人工智能技术的进步,特别是机器学习(ML)的发展,出现了新的机会来优化数据中心的能源使用效率。本文将探讨如何通过机器学习模型预测数据中心的热负荷,并据此动态调整冷却策略,以实现能耗最小化。我们将介绍所采用的数据集、预处理方法、模型选择、训练过程以及最终实施的策略。结果表明,基于机器学习的预测系统能够有效降低数据中心的能源消耗,并为可持续运营提供支持。
|
7月前
|
机器学习/深度学习 监控 算法
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】在数据中心的运营成本中,冷却系统占据了相当一部分。为了提高能效和降低成本,本文提出了一种基于机器学习的方法来优化数据中心的冷却系统。通过对大量历史数据的分析和挖掘,我们设计了一个预测模型,用于实时监控和调整数据中心的温度。实验结果表明,该方法可以有效降低能耗,提高数据中心的运行效率。
|
7月前
|
机器学习/深度学习 数据采集 存储
提升数据中心能效:采用机器学习优化冷却系统
【5月更文挑战第28天】在数据中心的运营成本中,冷却系统的能源消耗占据了显著比例。随着能源价格的不断上涨和可持续发展的需求日益增长,如何降低这一开支成为业界关注的焦点。本文将探讨利用机器学习技术对数据中心冷却系统进行优化的方法。通过分析历史数据和实时监控,机器学习模型能够预测冷却需求并动态调整系统设置,以实现最佳的能效比。这种方法不仅能减少能源消耗,还能提高系统的可靠性和稳定性。