A-3： AI・ML（機械学習）を活用したデータセンター運営の高度化｜Track A：テクノロジートレンド｜atlax Forum 2021 Online 開催レポート｜atlax/アトラックス

セッション A-3：
AI・ML（機械学習）を活用した
データセンター運営の高度化

～ atlax Forum 2021 Online - 開催レポート～

- 2022/04/22

[登壇者]　株式会社野村総合研究所　DCサービス開発室　水野学

24時間365日、データセンターのシステム停止は、社会インフラの一部として決して許されません。NRIは、全国 5カ所に自社データセンターを有し、専門技術者が信頼性の高い運営を担っています。

2021年12月8日に、株式会社野村総合研究所（NRI）が開催した atlax Forum 2021 Online「Track A：テクノロジートレンド」のセッション「A-3： AI・ML（機械学習）を活用したデータセンター運営の高度化」では、環境負荷ゼロ（カーボンニュートラルの実現）、事故ゼロ（安全安心な運営の継続や将来的に予測される技術者不足の対策）といった、今日のデータセンターが直面している喫緊の課題解決を目指し、「AI・MLを活用した運営の高度化」に取り組む自社の事例について、DCサービス開発室の水野学がご紹介しました。

セッション「A-3： AI・ML（機械学習）を活用したデータセンター運営の高度化」の様子

- セッション「A-3： AI・ML（機械学習）を活用したデータセンター運営の高度化」の様子。

UPS の異常予兆検出で早期故障発見と管理者の助けに

システムを脅威から守るため、データセンターには防災・防犯対策完備のスペース、非常用発電装置と UPS（無停電電源装置）、冷却機能が完備されています。なかでも UPS 設備は、停電などの不測の事態に、「蓄電池から電源を作り出しコンピュータへの給電を継続」する安定電源の要です。現在も主流とされる鉛蓄電池は、温度環境の影響で劣化が進む性質から、コンピュータ室並みに厳しく温湿度管理し、メーカー推奨の周期で定期点検を行います。点検の合間にも異常が発生して、緊急交換で対応するケースもありえます。安全上好ましくない緊急交換を避けるべく、NRIでは「AI・ML を活用した異常の予兆検知」に取り組んでいます。

過去の点検結果をデータ分析し、異常予兆を検出する仕組みを作るまでの流れ

- 過去の点検結果をデータ分析し、異常予兆を検出する仕組みを作るまでの流れ。

「実際に過去の点検データを分析すると、近い将来に異常が発生する蓄電池には傾向がありました。蓄電池のデータ推移を監視して変動をとらえれば、正常／異常の判定ができると仮説を立て、異常予兆を検出する機械学習モデルを組み立てました。日々の定期点検結果を機械学習モデルに教師データとして組み込むことで、現在は実用レベルに近づいています」と、水野は手応えを語りました。データセンターの万全を期すために、今後も定期点検をなくすことは不可能であるものの、「管理者の早い意思決定を助けるレベル」に到達。設備故障の未然防止とヒューマンエラーの削減に成果を現しています。

カーボンニュートラルなデータセンターへ

地球温暖化を背景に、企業のカーボンニュートラルに対する意識が高まってきました。これは、二酸化炭素をはじめ温室効果ガスの排出量を削減するとともに、森林などによる吸収量を差し引き、実質的に温室効果ガスをゼロにして、「脱炭素社会の実現」を早急に目指していくことを示唆します。電力を消費して情報処理を行うデータセンターにおいて、エネルギー使用量の低減は重要課題です。

NRIでは、電力削減活動にも AI・ML 技術を活用しています。具体的には「コンピュータ室用の空調機の運転設定を最適化」する取り組みです。実際の環境では安全を冒せないため、強化学習の手法をとり、気流シミュレーションの結果データを教師データにして、コンピュータ室を模擬する機械学習モデルを作りました。その模擬コンピュータ室を使って、消費電力が少なく、かつ環境を維持できる空調機設定を導き出して、最適化します。検証の結果、空調機の風量を平均 15％、電力を 30 ～ 40％削減すると確認できました。

本アプローチは実地での検証も済み、現在ほかのエリアにも適用を拡大中です。AI・ML 技術を活用した運営の高度化が、データセンターにとって究極の目標である「事故ゼロ・環境負荷ゼロ」に限りなく近づくために、継続的な後押しとなることが期待されます。