https://sarabic.ae/20261122/علماء-روس-يطورون-طريقة-للكشف-عن-أعطال-خفية-في-أنظمة-تبريد-مراكز-البيانات-1118905985.html
علماء روس يطورون طريقة للكشف عن أعطال خفية في أنظمة تبريد مراكز البيانات
علماء روس يطورون طريقة للكشف عن أعطال خفية في أنظمة تبريد مراكز البيانات
سبوتنيك عربي
طوّر علماء مدرسة الاقتصاد العليا الروسية نظامًا يعتمد على الذكاء الاصطناعي، قادرًا على رصد مؤشرات الإنذار المبكر لأعطال أنظمة التبريد من خلال فهم كيفية تفاعل... 22.11.2026, سبوتنيك عربي
2026-11-22T14:56+0000
2026-11-22T14:56+0000
2026-11-22T14:56+0000
مجتمع
علوم
روسيا
جامعات روسية
ذكاء اصطناعي
كشف
مبكر
https://cdn.img.sarabic.ae/img/102853/63/1028536368_0:0:3641:2048_1920x0_80_0_0_f831b2c4c82b45107f023634b222a5d5.jpg
تخيل مركز بيانات ضخماً يضم آلاف الخوادم التي تعالج المعلومات على مدار الساعة، وخلف هذه المعدات الحاسوبية، تعمل أنظمة تبريد قوية باستمرار لإزالة الحرارة والحفاظ على تشغيل الأجهزة بأمان.والآن، تخيّل حدوث تسرب طفيف في وسيط التبريد داخل أحد هذه الأنظمة.في البداية، لا يبدو أن هناك خطباً جسيماً؛ فدرجات الحرارة تظل ضمن النطاق المقبول، وقراءات الضغط تبدو طبيعية، ولا تنطلق أي إنذارات تقليدية. ومع ذلك، قد يبدأ النظام في استهلاك المزيد من الطاقة تدريجياً، بينما تتراجع كفاءته في التبريد.فكيف يمكن للمهندسين اكتشاف المشكلة قبل أن تصبح واضحة للعيان؟لماذا قد تغفل المستشعرات التقليدية عن المشكلات الناشئة؟تتكون أنظمة التبريد عادةً من عدة مكونات مترابطة، تشمل الضاغط، والمكثف، والمبخر، ووسيط التبريد الذي يدور داخل النظام، ويؤثر كل مكون على المكونات الأخرى، فعلى سبيل المثال، عند بدء تسرب وسيط التبريد، قد تكون التغيرات الناتجة في الضغط ودرجة الحرارة طفيفة للغاية، بحيث لا تكفي لإطلاق إنذار تقليدي. ومع ذلك، فإن طبيعة العلاقة بين القياسات المأخوذة من نقاط مختلفة في النظام قد تكون قد بدأت بالفعل في التغير.وعادةً ما تكتفي أنظمة المراقبة التقليدية بالتحقق مما إذا كانت القراءات الفردية تتجاوز حدوداً معينة محددة مسبقاً، أما النهج الجديد فيطرح تساؤلاً أكثر دقة وكشفاً: هل تتصرف جميع القياسات معاً كما ينبغي لها أن تكون؟ وللإجابة على هذا السؤال، استخدم الباحثون نوعاً من الذكاء الاصطناعي يُعرف بـ "الشبكات العصبية الرسومية" (Graph Neural Networks)، حيث يقوم هذا النموذج بتمثيل النظام كشبكة من العناصر المترابطة. في هذه الحالة، تعكس الروابط التصميم الهندسي الفعلي لمعدات التبريد.ماذا كشفت التجارب؟اختبر الباحثون طريقتهم باستخدام منشأة تجريبية لنظام تبريد صناعي، وقد راقب الإعداد التجريبي 12 قياساً فيزيائياً من المستشعرات، بالإضافة إلى أربعة متغيرات أخرى محسوبة، مع جمع البيانات كل دقيقة، ودرس الفريق أربع حالات لأعطال تتطور تدريجياً، مثل تسرب وسيط التبريد (غاز التبريد) وتلوث أسطح المبادلات الحرارية، وتم اختبار هذه الأعطال في ظل درجات حرارة وأحمال تشغيلية مختلفة، وذلك لتقييم مدى قدرة الذكاء الاصطناعي على التمييز بين المشكلات الحقيقية والتغيرات التشغيلية العادية.جاءت النتائج مشجعة، ففي إحدى حالات تسرب وسيط التبريد، حقق النظام مقياس "F1" (F1 score) بلغ 0.87. يوازن هذا المقياس بين جانبين مهمين: مدى نجاح النظام في اكتشاف المشكلات الفعلية، ومدى دقة الإنذارات في الإشارة إلى وجود مشكلة حقيقية، وفي حالة أخرى تتعلق بتلوث المبادل الحراري، تمكن النموذج من رصد الخلل المتطور بعد مرور 200 دقيقة تقريباً (أي ثلاث ساعات وعشرين دقيقة).هل يمكن للذكاء الاصطناعي جعل مراكز البيانات أكثر موثوقية؟تكتسب مراكز البيانات أهمية متزايدة مع توسع الحوسبة السحابية، والخدمات الرقمية، والذكاء الاصطناعي، ووفقاً للباحثين، يمكن أن تستهلك البنية التحتية للتبريد في هذه المراكز جزءاً كبيراً من إجمالي استهلاك الكهرباء، يتراوح بين 30% و50% في بعض المنشآت.وبالتالي، فإن الأعطال الصغيرة التي تظل دون اكتشاف قد تؤدي إلى زيادة تكاليف التشغيل، وذلك قبل وقت طويل من تسببها في تعطل المعدات بالكامل، وتكمن القيمة الحقيقية في التحول من نهج "انتظار إبلاغ المعدات عن وجود مشكلة خطيرة" إلى نهج "رصد التغيرات الطفيفة التي تشير إلى أن مشكلة ما بدأت تتشكل بالفعل".
https://sarabic.ae/20261120/لا-حاجة-للكهرباء-أو-تكييف-الهواء-تبريد-المباني-باستخدام-طلاء-يعكس-98-من-ضوء-الشمس-1118871881.html
https://sarabic.ae/20261120/باحثون-روس-يستخدمون-الكهرباء-لبناء-جزيئات-معقدة-1118873198.html
https://sarabic.ae/20261120/علماء-يبتكرون-نوعا-جديدا-من-الجلد-الاصطناعي-المتوهج-مخصص-للروبوتات-1118879713.html
سبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
2026
سبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
الأخبار
ar_EG
سبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
https://cdn.img.sarabic.ae/img/102853/63/1028536368_454:0:3185:2048_1920x0_80_0_0_8866bb662c0697262b271fc514ce982a.jpgسبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
علوم, روسيا, جامعات روسية, ذكاء اصطناعي, كشف, مبكر
علوم, روسيا, جامعات روسية, ذكاء اصطناعي, كشف, مبكر
علماء روس يطورون طريقة للكشف عن أعطال خفية في أنظمة تبريد مراكز البيانات
طوّر علماء مدرسة الاقتصاد العليا الروسية نظامًا يعتمد على الذكاء الاصطناعي، قادرًا على رصد مؤشرات الإنذار المبكر لأعطال أنظمة التبريد من خلال فهم كيفية تفاعل الأجزاء المختلفة داخل الآلة، وفي الاختبارات التجريبية، نجحت هذه الطريقة في الكشف عن تسربات تدريجية في وسيط التبريد ومشكلات في المبادلات الحرارية، مما يوفر وسيلة واعدة لتجنب أعطال مكلفة.
تخيل مركز بيانات ضخماً يضم آلاف الخوادم التي تعالج المعلومات على مدار الساعة، وخلف هذه المعدات الحاسوبية، تعمل أنظمة تبريد قوية باستمرار لإزالة الحرارة والحفاظ على تشغيل الأجهزة بأمان.
والآن، تخيّل حدوث تسرب طفيف في وسيط التبريد داخل أحد هذه الأنظمة.
في البداية، لا يبدو أن هناك خطباً جسيماً؛ فدرجات الحرارة تظل ضمن النطاق المقبول، وقراءات الضغط تبدو طبيعية، ولا تنطلق أي إنذارات تقليدية. ومع ذلك، قد يبدأ النظام في استهلاك المزيد من الطاقة تدريجياً، بينما تتراجع كفاءته في التبريد.
فكيف يمكن للمهندسين اكتشاف المشكلة قبل أن تصبح واضحة للعيان؟
قدّم باحثون من جامعة "إتش إس إي" (HSE) وجامعة الأورال الفيدرالية في روسيا حلاً واعداً: نظام ذكاء اصطناعي لا يكتفي بفحص قراءات المستشعرات بشكل منفرد، بل يحلل العلاقات الفيزيائية القائمة بينها، وقد نُشرت نتائج أبحاثهم في دورية "IEEE Transactions on Industry Applications" عام 2026، وهي نتائج قد تسهم في جعل مراكز البيانات أكثر موثوقية وأعلى كفاءة في استهلاك الطاقة.
لماذا قد تغفل المستشعرات التقليدية عن المشكلات الناشئة؟
تتكون أنظمة التبريد عادةً من عدة مكونات مترابطة، تشمل الضاغط، والمكثف، والمبخر، ووسيط التبريد الذي يدور داخل النظام، ويؤثر كل مكون على المكونات الأخرى، فعلى سبيل المثال، عند بدء تسرب وسيط التبريد، قد تكون التغيرات الناتجة في الضغط ودرجة الحرارة طفيفة للغاية، بحيث لا تكفي لإطلاق إنذار تقليدي. ومع ذلك، فإن طبيعة العلاقة بين القياسات المأخوذة من نقاط مختلفة في النظام قد تكون قد بدأت بالفعل في التغير.
وعادةً ما تكتفي أنظمة المراقبة التقليدية بالتحقق مما إذا كانت القراءات الفردية تتجاوز حدوداً معينة محددة مسبقاً، أما النهج الجديد فيطرح تساؤلاً أكثر دقة وكشفاً: هل تتصرف جميع القياسات معاً كما ينبغي لها أن تكون؟ وللإجابة على هذا السؤال، استخدم الباحثون نوعاً من الذكاء الاصطناعي يُعرف بـ "الشبكات العصبية الرسومية" (Graph Neural Networks)، حيث يقوم هذا النموذج بتمثيل النظام كشبكة من العناصر المترابطة. في هذه الحالة، تعكس الروابط التصميم الهندسي الفعلي لمعدات التبريد.
يتعلم الذكاء الاصطناعي كيف تتغير القياسات معاً في الظروف الطبيعية، ويتنبأ بالقيم التي ينبغي أن يسجلها كل مستشعر، وعندما تختلف القراءات الفعلية باستمرار عن هذه التوقعات، يحدد النظام وجود خلل محتمل، وهذا يتيح رصد السلوك غير الطبيعي حتى قبل أن تتجاوز القياسات الفردية حدود الإنذار المعتادة.
اختبر الباحثون طريقتهم باستخدام منشأة تجريبية لنظام تبريد صناعي، وقد راقب الإعداد التجريبي 12 قياساً فيزيائياً من المستشعرات، بالإضافة إلى أربعة متغيرات أخرى محسوبة، مع جمع البيانات كل دقيقة، ودرس الفريق أربع حالات لأعطال تتطور تدريجياً، مثل تسرب وسيط التبريد (غاز التبريد) وتلوث أسطح المبادلات الحرارية، وتم اختبار هذه الأعطال في ظل درجات حرارة وأحمال تشغيلية مختلفة، وذلك لتقييم مدى قدرة الذكاء الاصطناعي على التمييز بين المشكلات الحقيقية والتغيرات التشغيلية العادية.
جاءت النتائج مشجعة، ففي إحدى حالات تسرب وسيط التبريد، حقق النظام مقياس "F1" (F1 score) بلغ 0.87. يوازن هذا المقياس بين جانبين مهمين: مدى نجاح النظام في اكتشاف المشكلات الفعلية، ومدى دقة الإنذارات في الإشارة إلى وجود مشكلة حقيقية، وفي حالة أخرى تتعلق بتلوث المبادل الحراري، تمكن النموذج من رصد الخلل المتطور بعد مرور 200 دقيقة تقريباً (أي ثلاث ساعات وعشرين دقيقة).
كما قارن الباحثون بين نهج مختلفة للذكاء الاصطناعي؛ حيث تبين أن النماذج التي تأخذ في الاعتبار البنية الفيزيائية لنظام التبريد كانت مساوية -أو متفوقة- على النماذج التي تعتمد فقط على العلاقات الإحصائية بين قراءات المستشعرات، وقد استند التقييم المنشور إلى ظروف اختبار قياسية تضمن ألا تتجاوز نسبة الإنذارات الكاذبة 1%، وتُظهر هذه النتائج أن فهم كيفية ترابط مكونات المعدات يمكن أن يعزز القدرة على اكتشاف الأعطال الدقيقة.
هل يمكن للذكاء الاصطناعي جعل مراكز البيانات أكثر موثوقية؟
تكتسب مراكز البيانات أهمية متزايدة مع توسع الحوسبة السحابية، والخدمات الرقمية، والذكاء الاصطناعي، ووفقاً للباحثين، يمكن أن تستهلك البنية التحتية للتبريد في هذه المراكز جزءاً كبيراً من إجمالي استهلاك الكهرباء، يتراوح بين 30% و50% في بعض المنشآت.
وبالتالي، فإن الأعطال الصغيرة التي تظل دون اكتشاف قد تؤدي إلى زيادة تكاليف التشغيل، وذلك قبل وقت طويل من تسببها في تعطل المعدات بالكامل، وتكمن القيمة الحقيقية في التحول من نهج "انتظار إبلاغ المعدات عن وجود مشكلة خطيرة" إلى نهج "رصد التغيرات الطفيفة التي تشير إلى أن مشكلة ما بدأت تتشكل بالفعل".