Data Science Challenge

— English part below —

Energiewende!

Vorhersage von Leistungsdaten im Kontext der Halbleiterproduktion.

Die aktuelle Energiepolitik und die damit verbundenen Energieziele Deutschlands (Senkung des CO2-Ausstoß bis 2050 um 95% unter das Niveau von 1990), nehmen Großverbraucher in die Pflicht, ihren Energieverbrauch stetig zu optimieren. Halbleiterhersteller gehören mit einem Energieverbrauch von rund 1,5 TWh pro Jahr (maßgeblich Strom und Erdgas) zu den energieintensiven Unternehmen.

Um auf den Stromverbrauch positiv einwirken zu können, benötigen betroffene Unternehmen neben der Erkenntnis, wie viel Strom, durch welche Verbraucher, in welchen Bereichen genutzt wird, Kenntnisse hinsichtlich der Einflussfaktoren, wie z.B. den Einfluß spezifischer Produktionsparameter oder Komponenten, wie Pumpen unterschiedlicher Effizienzklassen, auf den Verbrauch.

Durch die Komplexität der Verbraucherstruktur, eine schlechte Datenlage bezüglich des Energieverbrauchs sowie ständige Änderungen an den Prozessparametern einzelner Fertigungsanlagen ist es nicht möglich ein vollständiges formales Modell zu erstellen. Dennoch werden nach heutigem Stand schon einfache Modelle erstellt, die aus historischen Energieverbrauchsdaten den Leistungsbedarf für die Zukunft vorhersagen. Jedoch sind diese Modelle begrenzt in ihrer Genauigkeit und Skalierbarkeit bzgl. der Datenmenge sowie ihrer Erklärbarkeit.

Um die Modellierung so genau wie möglich zu gestalten, sind zwei Komponenten notwendig. Zum einen, welcher Energieverbrauch tatsächlich entstanden ist und zum anderen, welche Werkstücke (WIP=Work in Progress) auf einer Anlage prozessiert wurden. Wie in einer Küche haben Halbleiteranlagen dabei verschiedenen Stationen. Zum einen gibt es Backöfen oder Induktionsherde, die einen hohen Energieverbrauch haben. Es gibt aber auch Roboter (wie der Koch), die das Material innerhalb der Anlage oder der Küche einfach nur hin und her bewegen. Ein solcher Roboter verbraucht nicht so viel Energie wie z.B. eine Plasmakammer (der Backofen) oder ein Lithografie-Prozess, der mit einem hochenergetischen Laser arbeitet. Der Energieverbrauch für einen Backofen oder Herd ist zudem abhängig vom Rezept. So verbraucht ein Truthahn bei 120°C Umluft, der 9 Stunden im Ofen ist, wesentlich mehr Energie, als ein Fischstäbchen was bei 220°C Ober- und Unterhitze nur 12,5 Minuten im Backofen braucht. Das Gleiche gilt im übertragenen Sinne auch für Fertigungsanlagen, die für verschiedene Endprodukte verschiedene Rezepte nutzen. Der bereitgestellte Datensatz beinhaltet dafür nicht nur die Zeiten auf der jeweiligen Station sondern auch Rezeptnamen, die einen Prozess auf der Anlage beschreiben.

Aufgabenstellung

Der vorgegebene Trainingsdatensatz beinhaltet Leistungsdaten einzelner Messeinrichtungen an der Anlage für ein Jahr sowie den dazugehörigen WIP. Die Leistungsdaten werden unabhängig von den Anlagen gemessen und stehen entsprechend in einer anderen zeitlichen Auflösung zur Verfügung. Zuerst müssen die Leistungsdaten mit dem korrekten WIP verbunden werden. Auf Basis der kombinierten Daten soll ein Modell (oder ein Ensemble) erstellt werden, welches für gegebene WIP-Profile die Leistungsdaten für alle Anlagen vorhersagt.

Die Bewertung erfolgt in zwei Phasen. In der ersten, öffentlichen Phase findet die Bewertung ausschließlich auf Basis eines Leaderboards statt. Dazu wird nur die Genauigkeit des Modells bewertet. Auf der Grundlage eines Testdatensatzes soll die benötigte Leistung vorhergesagt werden. Der Testdatensatz besteht aus den WIP-Daten, die zeitlich gesehen nach dem Trainingsdatensatz anfallen. Außerdem enthalten sind einzelne Anlagen, die den gleichen Typ wie Anlagen im Trainingsdatensatz haben, jedoch selbst nicht im Trainingsdatensatz vorkommen.

Die TOP 5 Teams zum Zeitpunkt des Leaderboard Freezes werden auf Basis einer schriftlichen Ausarbeitung durch eine Fachjury in den Punkten Erklärbarkeit und Anwendbarkeit des Modells in der Praxis bewertet.

Liste der Spalten und deren Bedeutung

Alle Daten liegen in Folgenden Strukturen vor:

• Zeilen sind mit “\n” abgeschlossen

• Dezimalzahlen werden mit “.” (in Worten PUNKT) getrennt

• Felder werden mit ; abgetrennt.

• String sind NICHT gequotet

• Die Zeitstempel der beiden Daten sind in der gleichen Zeitzone

Prediction of energy data in the context of semiconductor production

The current energy policy and the related energy goals of Germany (reduction of CO2 emissions by 95% below 1990 levels by 2050) require large consumers to continuously optimize their energy consumption. With an energy consumption of about 1.5 TWh per year (mainly electricity and natural gas), semiconductor manufacturers are among the most energy-intensive companies.

In order to be able to have a positive influence on the power consumption, affected companies need knowledge about the influencing factors on the consumption, such as the influence of specific production parameters or components, for example, pumps of different efficiency classes. Additionally, knowledge about how much power is used is needed, by which consumers and in which areas.

Due to the complexity of the plant structure, a poor data situation regarding energy consumption, as well as constant changes in the process parameters of individual production plants, it is not possible to create a complete formal model. Nevertheless, simple models are already being created at the present state of the art, which predict the power consumption for the future from historical energy data. However, these models are limited in their accuracy and scalability regarding the amount of data as well as their explainability.

To make the modeling as accurate as possible, two components are necessary. On the one hand, the actual energy consumption and on the other hand, which workpieces (WIP=Work in Progress) were processed on a system. Like in a kitchen, semiconductor systems have different stations. There are ovens or induction stoves, which have a high energy consumption. But there are also robots (=cook) that simply move the material back and forth within the system or the kitchen. Such a robot does not consume as much energy as, for example, a plasma chamber (the oven) or a lithography process that uses a high-energy laser. The energy consumption for an oven or stove also depends on the recipe. A turkey, for example, which is in the oven for 9 hours at 120°C, consumes much more energy than fish sticks, which take only 12.5 minutes in the oven at 220°C. The same applies in a figurative sense to production plants that use different recipes for different products. The data set provided contains not only the times at the respective station but also recipe information describing a process on the system.

Task

The specified training data set contains power consumption data of individual measuring devices for a system over one year as well as the corresponding WIP. The performance data are measured independently of the equipment and are available in a different temporal resolution. First, the performance data must be linked to the correct WIP. Based on the combined data, a model (or ensemble of models) is to be created which predicts the energy consumption data for all plants for the given WIP profiles.

The evaluation is done in two phases. In the first public phase, the evaluation takes place exclusively based on a leaderboard. Only the accuracy of the model is evaluated. Given a test data set the required energy should be predicted. The test dataset consists of WIP data which was collected after the training dataset. The test data set also includes individual tools that are of the same type as the tools in the training data set but are not in the training data set itself.

The TOP 5 teams at the time of the leaderboard freeze are evaluated by a jury of experts, based on a written elaboration, in the points of explainability and applicability of the model in practice.

List of columns and their explanation

All data has the following structure:

• Lines end with “\n”

• The decimal delimiter is “.” (POINT)

• The field separator is “;”

• Strings are NOT quoted

• All timestamps are in the same time zone