高世代線TFT-LCD面板對盒精度的提升

汪 棟，袁劍峰，吳洪江，劉 正，齊鵬煜，陳維濤

(北京京東方顯示技術有限公司，北京 100176)

1 引 言

對盒精度(Ass'y margin, AI)表征的是TFT-LCD產品成盒制程(Cell)完成后陣列(Array)與彩膜(CF)相對位置偏移量。對于TFT-LCD產品，AI是控制產品光學性能、漏光不良與開口率的關鍵參數。優秀的AI性能，可以有效降低CF黑矩陣(BM)的關鍵尺寸，從而降低產品的遮光面積[1]，提高產品的開口率。

隨著產品玻璃減薄化、尺寸小型化以及高PPI與高開口率產品的市場需求越來越大[2-3]，產品AI要求日趨嚴格，如何提高AI性能成為高世代TFT-LCD面板生產線(G8.5及以上)產品轉型與升級的關鍵。

2 對盒精度現狀與問題點

隨著產品玻璃減薄化、尺寸小型化以及高PPI與高開口率產品的市場需求越來越大，G8.5生產線產品種類日趨豐富，主要包括產品尺寸177.8～2 794 mm(7～110 in)，玻璃厚度0.7 mm/0.5 mm，邊框窄/寬(對應產品在對盒制程中玻璃翻轉是/否)；不同類型的產品顯示完全不同的AI性能，如圖1和表1所示。玻璃厚度0.5 mm產品明顯差于0.7 mm產品，AI±5.5 μm達標的產品比例分別為20%與83%；窄邊框產品差于寬邊框產品，AI±5.5 μm達標的產品比例分別為13%與87%。隨著產品尺寸減小，AI呈變差趨勢，177.8 mm(7 in)呈現最差的AI結果，其AI極值為14.2 μm，AI±5.5 μm達標率僅為71.8%。

圖1 TFT-LCD產品AI示意圖Fig.1 AI diagram of TFT-LCD

表1 不同類型TFT-LCD產品AI結果Tab.1 AI results of different type of TFT-LCD

AI性能變差會導致CF的BM無法有效遮擋陣列的信號線(Data)、柵極(Gate)、開關(TFT)等，導致產品光學對比度下降，進一步導致像素漏光不良，如圖2所示。產品像素漏光不良表現為暗態下滿屏網格狀發亮細線，且同一產品在不同區域嚴重程度不同[4-6]，此不良源于TFT-LCD產品較差的Gate向AI性能，導致陣列與CF相對位置存在偏差，CF的BM無法起到有效的遮光作用，從而形成等間距的信號線向發亮細線。

(a)玻璃AI-面板AI(a)玻璃 AI-panel AI

(b)玻璃AI-面板對比度(b)玻璃 AI-panel contrast ratio

(b)面板像素漏光示意圖(b)Diagram of panel pixel light leakage 圖2 TFT-LCD產品AI與對比度/像素漏光不良關聯性 Fig.2 Relation between contrast ratio, pixel light leakage and AI of TFT-LCD

3 對盒精度影響因素分析

以177.8 mm(7 in)產品為例，如圖3所示，玻璃上不同位置呈現出不同的AI結果，位置1#→2#→4#→3#呈現依次變差趨勢；結合對盒制程，分析顯示2#與4# AI主要受VAS(真空對盒，Vacuum Assembly System，簡稱VAS)影響，3# AI主要受VAS-AI 偏移結果影響(“VAS完成 ～ AI測量”工藝段的AI偏移量)。

依托上述177.8 mm(7 in)產品AI分析結果，進行其他AI異常產品分析，如表2所示，對于不需要對盒翻轉制程的產品，AI主要受VAS影響；對于需要對盒翻轉制程的產品，AI主要受VAS-AI 偏移與VAS影響，其中以VAS-AI 偏移為主。

因此，影響 AI性能的2大核心因素為VAS與VAS-AI 偏移。

圖3 TFT-LCD產品AI影響因素Fig.3 AI influence factors of TFT-LCD

表2 TFT-LCD產品AI影響因素Tab.2 AI influence factors of TFT-LCD

續 表

3.1 VAS影響因素分析

以812.8 mm(32 in)產品為例，如表3所示，VAS結果主要受VAS設備精度與陣列/CF TP(Total Pitch)匹配性能影響，其中VAS設備精度基本可以對應既定的VAS規格，主要因素為陣列/CF TP匹配性能；隨著陣列/CF TP匹配性變差，VAS結果變差。

表3 812.8 mm(32 in) 產品VAS與陣列/CF TP關聯性Tab.3 Relation between VAS and 陣列/CF TP of 812.8 mm(32 in)

3.2 VAS-AI 偏移影響因素分析

以G8.5生產線產品VAS-AI 偏移性能為例，如表4/5及圖4所示，不同產品類型、不同對盒設備制作的產品呈現出不同的VAS-AI 偏移結果，分析結論如下：

圖4 TFT-LCD產品VAS-AI 偏移結果與產品尺寸關聯性Fig.4 Relation between VAS-AI shift and product size

(1)以177.8 mm(7 in)產品為例，對盒制程需要翻轉的產品呈現較差的VAS-AI 偏移結果，對盒翻轉制程是導致VAS-AI 偏移的根本原因；

(2)使用相同的對盒設備，隨著產品尺寸的降低，VAS-AI 偏移結果呈變差趨勢；當產品尺寸>355.6 mm(14 in)時，VAS-AI 偏移較好；產品尺寸為≤355.6 mm(14 in)時，VAS-AI 偏移較差；其中177.8 mm(7 in)產品呈現最差的VAS-AI 偏移結果，±3.0 μm達標率僅為68%，極值為11.3 μm；

(3)不同的對盒設備，VAS-AI 偏移存在玻璃位置差異性，對盒 PH4設備主要發生在3#，而對盒 PH1設備主要發生在1#與2#；

4 改善方法、結果與流程

依托G8.5生產線產品AI分析，其影響因素包括VAS與VAS-AI 偏移；實現AI改善，需要通過改善VAS與VAS-AI 偏移。

4.1 VAS性能改善

VAS性能表征對盒工藝過程中陣列/CF相對位置偏移量，此時整體成盒工藝尚未完成，陣列/CF玻璃尚未翻轉，封框膠(Sealant)尚未固化，因此VAS性能受陣列/CF TP匹配性影響較大；隨著陣列/CF TP匹配性變差，VAS結果變差，如表4所示。

表4 TFT-LCD產品VAS-AI 偏移結果Tab.4 VAS-AI shift result of TFT-LCD

表5 TFT-LCD產品VAS-AI 偏移結果與對盒設備關聯性Tab.5 Relation between VAS-AI shift and 對盒 EQP

因此，VAS結果改善主要通過陣列/CF TP匹配性改善。

由于CF TP主要受掩膜板(Mask)、玻璃材質、曝光溫度與光線等因素的影響，TP調整余量很小[7]；而陣列TP通過調整曝光設備單個棱鏡的旋轉角度/平移步進而具備較大的調整余量；因此改善陣列/CF TP匹配性能，需要在保持CF TP形狀規則與穩定的同時，改善陣列TP的形狀與極值，實現陣列/CF TP匹配性提升，達到改善VAS的目的。

(a)改善前(a)Before improvement

(b)改善后(b)After improvement圖5 812.8 mm(32 in)產品陣列TP改善前(a)后(b)示意圖Fig.5 Before(a) and after(b) improved array TP of 812.8 mm(32 in)

以812.8 mm(32 in)產品為例，如圖5所示，陣列TP改善前，TP呈現非規則形狀，玻璃短邊方向“內凹”，長邊方向“外凸”，源于陣列工藝制程中的PVX膜質應力。陣列TP改善后，TP呈現標準的規則形狀，TP極值由4.5 μm降低至2.5 μm。依托陣列TP改善，提升陣列/CF TP匹配性，有效改善VAS性能，進而改善AI性能。如圖6所示，AI±5.5 μm達標率由80%改善至100%，AI極值由7.7 μm降低至4.1 μm。

圖6 812.8 mm(32 in)產品陣列TP改善前后對應的AI結果Fig.6 AI result before and after improved array TP map of 812.8 mm(32 in)

改善陣列TP，常見方法為TP補正功能，一般分為“線性補正”與“非線性補正”；“線性補正”可以實現陣列TP的等比例擴大/縮小，但是無法改善TP的非規則形狀；“非線性補正”通過曝光設備對應玻璃不同位置處的單個棱鏡的旋轉角度/平移步進調整，改善玻璃不同位置處的陣列像素關鍵位置偏移程度，達到陣列TP的形狀規則化與TP極值的降低[8]。

因此，通過“陣列TP非線性補正”改善，實現陣列TP的形狀規則化與極值降低，提升陣列/CF TP匹配性能，實現VAS性能改善。

VAS-AI 偏移性能表征對盒工藝過程中“VAS完成 ～ AI測量”工藝段的AI偏移量，此時對盒整體成盒工藝已經完成，陣列/CF玻璃已經完成翻轉與封框膠固化，因此VAS-AI 偏移性能受陣列/CF TP 匹配性影響較小，主要來源于對盒翻轉制程，如表4所示。

因此VAS-AI 偏移改善主要通過加強陣列/CF玻璃在對盒翻轉制程中的相對位置固定性能。

本文嘗試從對盒翻轉設備(Turn Over，簡稱T/O)優化、T/O工藝優化、封框膠材料優化、輔助 封框膠設計優化這4個方面進行，具體的改善方法及對應結果如表6所示。

4.2.1 對盒 T/O設備優化

通過在T/O設備周邊加設夾具裝置，保證陣列與CF玻璃水平方向穩定性[9-10]；在T/O設備上下加設垂直方向Pin，保證玻璃在對盒翻轉制程中的穩定性；由于T/O設備改造會對量產產生48 h的Capa影響，此方案暫未推進。

4.2.2 T/O工藝優化

通過T/O翻轉速度降低50%、以及T/O設備前后機械手臂搬送速度降低50%，改善陣列/CF玻璃在對盒翻轉制程中的穩定性，但是無法達成改善效果。

4.2.3 封框膠材料優化

比較不同粘結強度的封框膠，改善陣列/CF玻璃在對盒翻轉制程中的穩定性與對盒盒中應力釋放程度，但是無法達成改善效果。

4.2.4 輔助 封框膠設計優化

由于VAS-AI 偏移主要發生在玻璃的截角邊緣，不同的對盒設備，VAS-AI 偏移存在玻璃位置差異性，對盒 PH4設備主要發生在3#，而對盒PH1設備主要發生在1#與2#，如表5所示；為了改善陣列/CF玻璃在對盒翻轉制程中的穩定性，需要提高玻璃截角處的輔助 封框膠粘結強度。本文通過輔助 封框膠設計優化，如表6所示，部分方案對VAS-AI 偏移結果產生明顯的改善效果。

以177.8 mm(7 in)產品為例，如圖7所示，通過輔助 封框膠設計優化，有效改善VAS-AI 偏移結果，VAS-AI 偏移平均值由7.9 μm降低至1.9 μm。

(a)改善前(a)Before improvement

(b)改善后(b)After improvement圖7 177.8 mm(7 in)產品VAS-AI 偏移改善前后示意圖Fig.7 VAS-AI shift diagram before and after improvement of 177.8 mm(7 in)product

表6 高世代線VAS-AI 偏移改善方案及結果匯總Tab.6 VAS-AI shift improvement method and result of high-generation lines’s TFT-LCD product

續 表

4.3 整體改善

通過G8.5生產線VAS與VAS-AI 偏移改善，可以改善不同產品類型/不同對盒設備的產品AI結果；對于對盒無需翻轉制程的產品，通過VAS改善即可完成AI改善；對于對盒需要翻轉制程的產品，首先需要改善VAS-AI 偏移結果，其次確認是否需要同步改善VAS結果。

以177.8 mm(7 in)產品(需要對盒翻轉制程)為例，如圖8所示，通過VAS-AI 偏移與VAS的同步改善，產品VAS結果從4.2/4.5 μm降低至1.1/0.4 μm，VAS-AI 偏移結果從7.9 μm降低至1.9 μm，AI±5.5 μm達標率逐步提升，從71.8%改善至100%，AI極值由14.2 μm改善至5.2 μm。

通過177.8 mm(7 in)產品AI改善方法借鑒，實現G8.5生產線典型產品的AI結果逐步提升，如表7所示。

圖8 177.8 mm(7 in)產品AI改善趨勢Fig.8 AI improvement trend of 177.8 mm(7 in)

表7 高世代線TFT-LCD產品AI改善方法匯總Tab.7 Summary of AI improvement method of high-generation lines’s TFT-LCD product

5 對盒精度分析與改善標準流程

通過177.8 mm(7 in)等典型產品的AI影響因素分析/分解、對策檢討及改善，本文建立了大世代面板生產線對盒精度分析方法、對策檢討及改善的標準流程，為后續大世代面板生產線AI性能提升借鑒建立技術儲備。

6 結 論

本文依托G8.5生產線產品AI分析，提出VAS與VAS-AI 偏移為影響AI的兩大核心要素；VAS改善主要通過陣列/CF TP map匹配性能改善，通過“陣列TP非線性補正”與“CF TP穩定性改善”實現；VAS-AI 偏移改善主要通過輔助 封框膠設計優化，從而加強陣列/CF玻璃在對盒翻轉制程中的相對位置固定性能。

通過VAS與VAS-AI 偏移同步改善，突破G8.5生產線產品AI±7.5 μm極限性能指標，達成±5.5 μm性能，177.8 mm(7 in)產品AI極值由14.2 μm降低至5.2 μm，實現G8.5生產線對盒精度達到G6及以下生產線的極限水平；在解決MNT產品按壓 Mura與TPC產品像素漏光的同時，對產品開口率的貢獻也隨著產品PPI的升高而增加，PPI 300+產品的開口率余量提高14.8%，有效提升了B4小尺寸高PPI產品核心競爭力、收益性和產品群組合。

另外，本文建立大世代面板生產線對盒精度分析方法、對策檢討及改善標準流程，形成新產品陣列TP非線性補正和輔助封框膠設計基準，為后續大世代線對盒精度提升借鑒建立技術儲備。