本專案旨在解決資料中心伺服器散熱控制中「研發效率低落」與「能源損耗」的雙重難題。針對傳統開迴路控制（Open-loop）造成的過度設計，以及人工調校 PID 的高昂時間成本，我開發了一套**「自動化熱特徵識別系統」**。

不同於傳統工具僅能被動執行腳本，本系統引入了物理特性建模技術，針對 CPU（線性增長）與 Memory/Ethernet（反指數飽和）等元件建立專屬數學模型，進而能逆向推導並精準鎖定目標壓力環境。在數據分析方面，本系統創新設計了整合溫度、轉速、瓦數與時間頻率的 Grafana 四維熱力圖，並串接 AI 視覺模型 進行自動化圖表解讀。此方案成功將系統驗證流程由人工操作轉型為數據驅動（Data-Driven）的智慧化決策模式，大幅提升了測試的覆蓋率與風險識別效率。

本專案核心技術包含兩大突破：

  1. 物理特性預測建模： 針對 CPU（線性增長）與 Memory/Ethernet（反指數飽和）等元件的異質功耗特性，建立可解釋的數學模型。透過線性擬合與演算法逆向推導，實現對系統瓦數與壓力的精準控制。

  2. AI 驅動的四維視覺化： 創新設計了整合溫度、轉速、瓦數與時間頻率的 Grafana 四維熱力圖，並串接視覺 AI 模型進行自動化圖表解讀，即時識別潛在的散熱風險與效能瓶頸。 此系統成功將硬體驗證流程由被動執行轉型為主動的數據驅動（Data-Driven）決策模式。

📋 專案摘要 (Executive Summary)

該系統整合了 Golang 與 Python 自動化腳本，透過環境測試室（Chamber）自主建立伺服器的穩態熱特徵資料結構（Steady-state Thermal Profile），並透過獨創的參數關聯模型自動推導最佳化 PID 參數。此外，針對運算負載劇變（Load Dump）場景，引入了「非零積分重置（Non-zero Integral Reset）」機制。最終實現了研發流程的標準化，並顯著提升了伺服器的能效比（PUE）與元件可靠度。

🛑 產業背景與痛點 (Industry Context & Challenges)

在伺服器散熱領域，現行的主流作法面臨以下技術瓶頸：

1. 開迴路控制的過度設計 (Over-design in Open-loop Control)

傳統的「查表法（Lookup Table）」僅依賴溫度區間對應固定轉速。為了確保系統安全性，業界慣例是基於該機箱支援的最高階硬體配置 (Maximum Configuration) 與 最嚴苛環境條件 (Worst-case Scenario) 來設定單一散熱曲線。

  • 後果： 對於中低階配置的伺服器，風扇長期處於非必要的「過轉（Over-speeding）」狀態，導致嚴重的能源浪費與高頻噪音。

2. 傳統 PID 的人工調校瓶頸 (Manual Tuning Inefficiency)

即便採用閉迴路控制（Closed-loop PID），參數 ($K_p, K_i, K_d$) 的設定往往高度依賴資深工程師的經驗法則（Rule of Thumb）進行反覆試誤（Trial and Error）。

  • 後果： 缺乏標準化的系統識別（System Identification）流程，導致調校耗時數週，且無法精確適應不同伺服器個體間的微小硬體差異（Lack of Reproducibility）。

3. 積分飽和與系統不穩 (Integral Windup & Instability)

在負載瞬間卸除（Load Dump）的情境下，傳統 PID 容易因積分項累積過多誤差，導致風扇轉速驟降（Undershoot）甚至發生震盪（Oscillation），影響散熱穩定性。

🛠️ 技術解決方案 (Technical Solution)

本發明提出一種**「基於穩態熱特徵資料結構的自動化控制參數生成方法」**，將散熱控制從「經驗驅動」轉型為「數據驅動」。

■ 系統架構 (System Architecture)

我們建構了一套自動化測試迴路 (Hardware-in-the-Loop)，整合軟硬體資源：

  • 自動化控制單元 (Host Controller): 使用 Golang 編寫核心控制邏輯，利用其高併發特性處理多台待測機 (SUT) 的連線管理；底層指令封裝則結合 Shell Script 與 Python 進行數據清洗與圖表繪製。
  • 待測伺服器 (SUT): 透過 BMC 介面接收轉速指令並回傳感測器數據。
  • 環境測試室 (Chamber): 提供穩定的環境溫度變因。

■ 核心演算法流程 (Core Methodology)

1. 自動化熱特性掃描 (Automated Thermal Profiling)

於工程驗證階段 (EVT/DVT)，自動化腳本控制伺服器遍歷從空載 (Idle) 到滿載 (Full Load) 的複數個運算負載點 $L_i$。在每個負載點下，控制風扇轉速 $\omega$ 進行階梯式掃描。

當系統偵測到溫度變化率 $\frac{dT}{dt} \approx 0$ 時，判定進入熱平衡狀態 (Thermal Equilibrium)，並記錄該點的數據，建立描述該伺服器物理散熱極限的**「穩態熱特徵資料結構 (Thermal Characteristic Profile)」**。

2. 參數推導與模型化 (Parameter Derivation)

系統解析上述資料結構，計算系統增益 (System Gain) 與響應斜率，首先決定第一控制增益（比例項 $K_p$）。 接著，透過預設的參數關聯模型 (Parameter Correlation Model)，將積分 ($K_i$) 與微分 ($K_d$) 項視為 $K_p$ 的函數進行推導。

令 $\mathcal{M}$ 為基於熱時間常數與系統阻尼比所建立的轉換模型，則 PID 參數推導如下：

$$K_p = f(\text{Slope}{profile}, \text{Gain}{system})$$

$$K_i, K_d = \mathcal{M}(K_p)$$

這確保了三項參數具備物理意義上的強耦合性，而非隨機湊數，實現了閉迴路控制的穩定性。

3. 動態運行控制：非零重置機制 (Runtime Control with Non-zero Reset)

在 BMC 運行階段，針對 Load Dump 造成的溫度急降，我設計了特殊的積分權重管理模組。 當誤差 $e(t)$ 急劇變化時，積分項 $I_{term}$ 不會像傳統 Anti-windup 直接歸零，而是重置為一個動態計算的基準值 $I_{base}$：

$$I_{new} = \begin{cases} 0 & \text{Traditional Approach (Risky)} \ I_{base} & \text{Proposed Approach (Stable)} \end{cases}$$

其中 $I_{base} \neq 0$，確保風扇能平滑過渡至低負載所需的安全轉速，消除 Undershoot 風險。

📊 專案成效 (Impact & Benefits)

1. 研發效率與標準化 (Efficiency & Standardization)

  • 將原本耗時 數週 的人工調校流程，縮短為 數小時 的全自動化程序。
  • 實現了參數生成的「可重現性」，確保不同批次的伺服器皆能搭載最佳化的控制參數，大幅縮短產品上市時間 (Time-to-Market)。

2. 極大化熱餘裕與節能 (Energy Optimization & ESG)

  • 透過精準的 PID 溫度追隨，系統能自動維持物理上所需的最低風扇轉速，消除無效過冷。
  • 顯著降低資料中心能耗指標 (PUE) 與碳排放，符合綠色運算趨勢。

3. 提升硬體可靠度 (Reliability)

  • 平滑的轉速控制與「非零重置」機制，有效避免了風扇轉速劇烈震盪。
  • 減少了電子元件承受的熱循環應力 (Thermal Stress)，延長了風扇軸承與晶片封裝的使用壽命。

步驟流程圖 (Control Flow Diagram)

alt text

控制流程圖 (Process Flow Diagram)

alt text