Com o rápido desenvolvimento da inteligência artificial e da computação de alto desempenho, a tecnologia de refrigeração líquida por placa fria tem se tornado gradativamente uma das principais soluções técnicas para atender às demandas de dissipação térmica dos sistemas de refrigeração de centros de dados de alta densidade. Este artigo apresenta os mecanismos de indução, os impactos e as regras de evolução acoplada das falhas típicas nos sistemas de refrigeração líquida por placa fria de centros de dados; resume os princípios e características das técnicas de detecção direta e das técnicas de diagnóstico de falhas baseadas em dados operacionais, e examina os problemas-chave existentes na aplicação prática dessas técnicas em sistemas de refrigeração líquida por placa fria; com base na experiência de diagnóstico na área de HVAC, sintetiza métodos direcionados de melhoria para os problemas existentes, como aprendizado semi-supervisionado, aprendizado com pequenas amostras, aumento de dados e fusão de física e dados. Pesquisas futuras nesta área podem focar na fusão de múltiplos algoritmos, mitigação de problemas de desequilíbrio de dados, aumento da interpretabilidade dos modelos e resistência a interferências, visando melhorar a precisão, confiabilidade e aplicabilidade na engenharia do reconhecimento de falhas. Este artigo oferece uma revisão e síntese das pesquisas relacionadas, que podem servir de referência para estudos teóricos e aplicações de engenharia no diagnóstico de falhas em sistemas de refrigeração líquida por placa fria.

centro de dados; refrigeração líquida por placa fria; detecção direta; diagnóstico de falhas; aprendizado de máquina