關(guān)于DOE方法在TFT-LCD Mura設(shè)備檢出率提升的應(yīng)用

北京京東方顯示技術(shù)有限公司 蔡 婷 王立夫 王 超

當(dāng)前TFT-LCD事業(yè)飛速發(fā)展，產(chǎn)品質(zhì)量作為企業(yè)的靈魂，關(guān)乎企業(yè)的核心競爭力。本文以8.5G TFT產(chǎn)線為例，將DOE方法應(yīng)用在產(chǎn)品質(zhì)量檢測設(shè)備的參數(shù)優(yōu)化實(shí)驗(yàn)設(shè)計(jì)中，希望對企業(yè)生產(chǎn)提供有力幫助。

Mura一詞源于日本，在平板顯示領(lǐng)域中，已將Mura作為用來表示顯示器一種典型顯示缺陷的一個(gè)專業(yè)術(shù)語。當(dāng)前TFT-LCD各企業(yè)中，通常將Mura檢測設(shè)備用于宏觀不良的檢查及判定。Mura檢查設(shè)備在使用過程中，參數(shù)設(shè)置為核心應(yīng)用環(huán)節(jié)，本文通過應(yīng)用DOE實(shí)驗(yàn)設(shè)計(jì)方法，將Mura檢測設(shè)備參數(shù)調(diào)整至最佳生產(chǎn)狀態(tài)。

1 Mura設(shè)備的基本工作原理

Mura設(shè)備主要負(fù)責(zé)基板宏觀品質(zhì)的在線監(jiān)控，Mura機(jī)通過CCD及光源的組合對Glass進(jìn)行拍照，生成灰度圖像，操作員通過觀察此灰度圖像進(jìn)行缺陷的在線監(jiān)控，詳見圖1所示。Mura檢查機(jī)通過檢測光源在PR膠上膜面的平整度的檢查，由檢查區(qū)CCD采集圖像數(shù)據(jù)傳輸至PC進(jìn)行處理和缺陷分析，區(qū)分出Mura區(qū)與非Mura區(qū)，最終形成圖像。

圖1 Mura機(jī)示意圖

2 實(shí)驗(yàn)設(shè)計(jì)階段

2.1 響應(yīng)變量確定

本文提及的Mura檢查機(jī)通過邊緣強(qiáng)度與亮度差這兩個(gè)光學(xué)參數(shù)衡量Mura的程度，數(shù)值可直接在檢查機(jī)上讀取。確定Y1為亮度差，Y2為邊緣強(qiáng)度。如表1所示。

表1 響應(yīng)變量確定表

2.2 因子水平選定

因子分別為X1高斯濾鏡、X2中位值濾鏡、X3一次微分，其中高斯濾波以及中位值濾波，常應(yīng)用于圖像處理的減噪過程，高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。

2.3 試驗(yàn)安排生成

挑因子定水平，明確Y后，結(jié)合實(shí)際可實(shí)施程度，選擇全因子設(shè)計(jì)實(shí)驗(yàn)進(jìn)行試驗(yàn)，使用Minitab軟件生成試驗(yàn)方案——?jiǎng)?chuàng)建因子設(shè)計(jì)如圖2所示。

圖2 創(chuàng)建因子設(shè)計(jì)

2.4 分析結(jié)果

根據(jù)實(shí)驗(yàn)生成的Split，將相應(yīng)的參數(shù)輸入設(shè)備進(jìn)行測試，并進(jìn)行數(shù)據(jù)收集。在正常量產(chǎn)條件下實(shí)驗(yàn)實(shí)施如表2所示。

表2 正常量產(chǎn)條件下實(shí)驗(yàn)實(shí)施表

2.5 數(shù)據(jù)分析

經(jīng)過使用Minitab軟件進(jìn)行結(jié)果的分析，顯示對于Y1（亮度差）：中位值濾鏡*一次微分、中位值濾鏡、一次微分作用顯著，同時(shí)標(biāo)準(zhǔn)化效應(yīng)正態(tài)圖模型無失擬、說明未漏掉重要因子，如圖3所示。

圖3 亮度差因子回歸分析

顯示對于Y2（邊緣強(qiáng)度）結(jié)果分析如下：中位值濾鏡、一次微分、中位值濾鏡*一次微分作用顯著，同時(shí)標(biāo)準(zhǔn)化效應(yīng)正態(tài)圖模型無失擬、說明未漏掉重要因子，如圖4所示。

圖4 邊緣強(qiáng)度因子回歸分析

殘差圖診斷分析：根據(jù)響應(yīng)變量、各因子的殘差圖，判斷模型有彎曲，如圖5所示。

圖5 殘差圖診斷分析

表3 縮減模型與原模型比較表

實(shí)驗(yàn)階段性小結(jié)：模型有不顯著項(xiàng)，需進(jìn)一步優(yōu)化模型，進(jìn)行模型縮減試驗(yàn)設(shè)計(jì)。

2.6 縮減模型

使用Minitab軟件進(jìn)行結(jié)果分析優(yōu)化的操作步驟，根據(jù)第一次分析結(jié)果去掉不顯著項(xiàng)，對模型進(jìn)行優(yōu)化，提升模型擬合效果，如圖6所示。

圖6 結(jié)果分析優(yōu)化

2.7 縮減模型與原模型比較

最終得出縮減后回歸模型：

亮度差=26.48-4.969中位值濾鏡+0.287一次微分+0.3875中位值濾鏡*一次微分

邊緣強(qiáng)度=23.49-4.928中位值濾鏡+0.422一次微分+0.441中位值濾鏡*一次微分

通過響應(yīng)優(yōu)化器得出最優(yōu)參數(shù)：最優(yōu)參數(shù)：中位值濾鏡1，一次微分9，如圖7所示。

圖7 響應(yīng)優(yōu)化器圖

2.8 結(jié)果驗(yàn)證

經(jīng)過選取量產(chǎn)參數(shù)設(shè)定值與DOE優(yōu)化參數(shù)分別對400sh Glass進(jìn)行對比，所有缺陷檢出率平均提升24.42%。

DOE方法以統(tǒng)計(jì)學(xué)為依托，能夠大大減少實(shí)驗(yàn)次數(shù)同時(shí)確保科學(xué)性，從而提高工作效率，DOE為實(shí)際問題解決提供各種各樣方法，如田口設(shè)計(jì)、均勻設(shè)計(jì)、回歸設(shè)計(jì)等，缺陷檢出是缺陷判定的基礎(chǔ)，本項(xiàng)目是實(shí)現(xiàn)宏觀檢測自動(dòng)化有益嘗試。