Schneider AVEVA Immersive Twin aiuta le fabbriche IA a ottenere più calcolo per watt

L'analisi del raffreddamento, dell'alimentazione e dei processi richiede spesso l'uso di risolutori specializzati. Inoltre, il trasferimento dei dati tra strumenti distinti complica il passaggio di consegne. I team ingegneristici potrebbero inoltre disporre di risolutori su cui fanno già affidamento. Schneider Electric EcoStruxure IT Design CFD, ad esempio, modella il flusso d'aria all'interno della sala dati ed estendere l'analisi al di fuori dell'edificio richiede capacità aggiuntive.

L'Immersive Twin di AVEVA funge da trait d'union tra questi strumenti. Mantiene un'ontologia, ovvero una mappa che collega le apparecchiature nella scena OpenUSD ai risolutori ingegneristici e ai dati di misurazione, e combina tali informazioni nel gemello. Dal punto di vista della progettazione, la soluzione si basa su flussi di lavoro e strumenti ingegneristici esistenti, integrandosi con soluzioni di authoring come AVEVA Unified Engineering per generare la scena OpenUSD. L'ontologia e il modello di dati possono essere definiti e tracciati come una singola fonte di verità all'interno della soluzione o gestiti tramite connessioni a sistemi esterni come AVEVA Asset Information Management. 

Dal punto di vista della simulazione, la soluzione si collega a Schneider Electric EcoStruxure IT Design CFD, ETAP per la simulazione energetica e AVEVA Process Simulation. L'architettura è inoltre progettata per supportare risolutori di terze parti selezionati dal cliente. La connettività dei dati può essere estesa in modo simile: grazie a NVIDIA DSX Exchange™, i team possono integrare una vasta gamma di fonti di dati e quindi archiviarle, selezionarle e allinearle in sistemi come AVEVA PI.

L'applicazione viene renderizzata su GPU NVIDIA RTX e trasmessa in streaming a un browser web utilizzando la capacità di streaming WebRTC di Omniverse. Può essere distribuito e scalato on-premise o sull'infrastruttura cloud con le GPU NVIDIA RTX™.

Per accelerare lo sviluppo, mantenendo la qualità, AVEVA ha abbinato la codifica basata sull'IA a un'architettura OpenUSD modulare, CI/CD, revisioni del codice e test automatizzati. Secondo l'azienda, NVIDIA Omniverse DSX Blueprint ha permesso l'accelerazione necessaria per affrontare un nuovo mercato. Il team ha utilizzato strumenti IA per creare scaffold del codice di integrazione Omniverse e generare i casi di test iniziali. Lo stesso approccio ha aiutato il team a identificare alcuni dei calcoli più pesanti del viewport e a scaricarli sulla GPU. AVEVA riferisce che queste modifiche hanno migliorato significativamente la reattività del viewport e le prestazioni complessive. Secondo AVEVA, inoltre l'IA ha aiutato il team a trasformare il feedback dei clienti in prototipi rapidi e cicli di convalida veloci. AVEVA è passata dal workshop iniziale a un prototipo funzionante in quattro settimane.

In soli sei mesi, un team AVEVA Tiger ha consegnato il primo MVP Immersive Twin end-to-end. Esso combina la composizione delle scene OpenUSD, un hub di integrazione e orchestrazione estensibile e sei integrazioni rappresentative di risolutori e fonti di dati. Utilizzando le pratiche di High Velocity Engineering, tra cui lo sviluppo basato sull'IA, il team ha trasformato rapidamente una visione ambiziosa in una soluzione integrata funzionante e ha stabilito le basi architettoniche per l'adozione a livello aziendale, con tracciabilità, estensibilità e un percorso chiaro verso la produzione.

Ogni fabbrica IA opera all'interno di un livello energetico prestabilito. Un design di raffreddamento inefficiente può sottrarre energia al calcolo IA, limitando l'utilizzo delle GPU e l'efficienza complessiva. La sfida è ridurre la potenza di raffreddamento senza spingere le apparecchiature oltre i propri target di temperatura.

AVEVA ha risolto questo problema grazie a un ottimizzatore di raffreddamento integrato nella propria applicazione di digital twin sviluppata con NVIDIA Omniverse e OpenUSD. L'applicazione utilizza l'SDK Omniverse Kit per l'interfaccia 3D. Lavorando dal layout attuale della data hall, l'ottimizzatore mantiene costante il carico IT e regola la temperatura del refrigerante nelle CDU nella simulazione. I team ingegneristici possono così vedere come le temperature rispondono ai target in una vista animata, esaminare dashboard dettagliate e applicare la stessa analisi agli scenari di addestramento, inferenza e carico di lavoro a picchi.

L'ottimizzatore è progettato per aiutare a identificare le impostazioni di raffreddamento che riducono la potenza necessaria per il fan wall e la CDU, soddisfacendo i target di temperatura, rendendo potenzialmente disponibile più energia per i carichi di lavoro IA all'interno dello stesso budget energetico della struttura.

Quando le apparecchiature IT cambiano, mutano anche le esigenze dell'infrastruttura di raffreddamento, rendendo la configurazione delle apparecchiature un'altra componente importante del flusso di lavoro ingegneristico.