液晶顯示面板金屬層的SPC管理

北京京東方顯示技術有限公司 王 丹 徐習亮 董 斌 包遠福 鮑子勝 黨亮英 王 超 蔡 婷

伴隨著4K、8K、低藍光等高端液晶顯示產品的問世，液晶顯示面板以其技術創新帶來的優秀性能仍舊占領市場主流。隨著高端產品的不斷增多和企業本身對TFT-LCD產品品質的不斷追求，產品特性的SPC趨勢管理勢在必行。本文講述了關于TFT-LCD產品的金屬層特性——膜厚特性RS的一種SPC管理方法，文章通過數據研究及分析為RS特性量身定做出一套方便實際應用的SPC管理方法。

1 TFT-LCD金屬層簡介

TFT（Thin Film Transistor）是薄膜晶體管的縮寫。TFT-LCD（薄膜晶體管液晶顯示器）是液晶顯示器的一種，這種液晶顯示器上的每一個像素都是由集成在底層的薄膜晶體管來驅動，從而帶動液晶偏轉可以呈現高速度高亮度高對比度的“真彩”畫面。TFT-LCD的主要特點是為每個像素配置一個半導體開關器件，因此TFT-LCD的金屬膜層對產品性能非常重要。金屬膜層有些可以充當電極、信號傳輸線，有些可以起到屏蔽電磁波、隔絕外部靜電的作用。例如某些產品缺少隔絕靜電的金屬層，產品會受靜電影響而影響顯示，如圖1所示的“手寫屏”。而作為電極和信號傳輸的金屬層如果出現異常則會導致LCD產品呈現出污漬不良或Mura不良等。

圖1 缺少靜電防護金屬層

TFT是在玻璃等基板上通過濺射、化學沉積工藝形成制造電路必需的各種膜，其金屬層采用磁控濺射工藝成膜。成膜過程中，氣體原子在電場作用下電離成氣體離子，氣體離子受電場作用運動轟擊靶材，引起靶原子遷移產生濺射，最終沉積至玻璃基板上形成金屬薄膜。磁控濺射是以磁場來改變電子的運動方向，并束縛和延長電子的運動軌跡，從而提高了電子對工作氣體的電離幾率和有效地利用了電子的能量。金屬層成膜原理如圖2所示。

圖2 金屬層成膜原理

2 RS的特性研究及改善

金屬層的膜厚是其關鍵特性，直接測量膜厚的方法是將需要測量的位置做成切片在顯微鏡下測量，這種破壞性測量方法顯然不能成為生產過程中的常規檢驗手段。因此，工廠使用四探針法對金屬層的方塊電阻RS進行測量，如圖3、圖4所示。探針1、4之間通電流，探針2、3間測電壓，根據公式R=U/I可以得到R；根據公式(假設膜厚為X)，則可以計算出膜厚X。由以上公式可得，方塊電阻R與電阻率成正比，與膜厚X成反比。因此，工廠測量金屬層時，若RS值偏大，代表膜厚偏薄；若RS值偏小，則代表膜厚偏厚。

圖3 RS測試原理

圖4 RS測試設備

磁控濺射是在未分割開的較大Glass基板上進行金屬成膜，又由于RS測試時探針會損壞局部膜層，因此RS測試點會避開顯示區而選取Panel間的Dummy區進行測量。以某款產品為例，這款產品某金屬層RS選取了25個測量點位，如圖5所示。按照傳統SPC理論需要對每個測試點分別做控制圖進行監控，這樣的話此款產品所有膜層加起來將會有上百個控制圖，對實際監控造成負擔和不便。另外，同一Glass的25個測量點并非完全獨立，因為Glass基板經過的工藝和設備相同，所以25個點具有同升同降的特點，因此對每一個測量點做單獨控制圖分別監控是不必要的。

圖5 RS測試點位

為了制定合適RS的SPC管理方案，我們需要對RS數據規律進行研究。首先我們需要在正常生產條件下生產的Dummy Glass上做密集點測試，如圖6所示，使測量位置均勻散布在Glass上，共設置了110個測量點。對測試結果做等值線圖分析，我們發現Glass最下邊的RS值偏低，即膜厚偏厚；換做使用箱線圖分析，同樣發現最后兩行RS偏低。

圖6 RS密集點測試點位

經調查，RS偏低位置恰好匹配生產設備上的某一磁鐵位置，此處RS偏低是由于磁場強度較大導致。因此我們對RS偏低相應位置的磁鐵進行了調整，增加磁鐵到靶材的距離來減弱局部磁場強度。調整后再次進行密集點測試，結果發現之前RS偏低的現象已經得到改善，RS面內3σ由改善前0.0145變為改善后0.0110，3σ減小約24%，RS均一性得到顯著提升，如圖7所示。

圖7 RS數據研究改善

3 RS的SPC管理方法及實際應用

根據以上密集點測試結果可以得出RS數據集中性與設備的磁場強度有很大關系。由于生產設備上下兩端的磁鐵數量多且呈梯形分布，此位置磁場強度較強因此膜厚偏大、RS偏小；而中間位置磁鐵數量較少且為豎向平行分布，此位置磁場強度較弱因此膜厚偏小、RS偏大，如圖8所示。通過單因子方差分析得出RS邊緣與中心位置數據確實存在明顯差異，如圖9所示，然而設備自身結構帶來的差異短期內無法消除，因此我們將Glass內的RS數據分成兩個區域：上下邊緣panel為Area1，中間兩排Panel為Area2，如圖10所示，并分別使用Xbar-S控制圖進行過程監控。

圖8 磁鐵分布示意圖

圖9 RS數據規律及單因子方差分析

圖10 RS分區方法

通過一段時間的生產過程監控，我們發現使用分區方法的控制圖可以捕捉到整體控制圖無法發現的問題，如圖11所示，Area1控制圖觸發了OOC報警，而整體控制圖未觸發OOC報警。因此分區控制圖不僅可以快速定位異常發生的區域并且對過程變異及波動更加敏感。生產過程中發現OOC報警后，我們使用六宮格方法進行問題調查及改善，如圖12所示。通過箱線圖分析發現異常品的均值偏小且組內數據較分散；找到異常的直接原因：通過數據等值線圖發現Area1的邊角位置RS偏大；繼續一步步確認根本原因發現為首片時邊緣位置電場設置過大。針對根本原因制定改善及預防對策——收嚴邊緣位置電場的spec，通過優化管控工藝參數提高了產品特性RS的穩定性。

圖11 RS 分區控制圖vs整體控制圖

圖12 RS改善六宮格

4 RS SPC管理改善心得

我們通過密集點測試→數據分布規律分析→數據集中性改善→數據分布與設備關聯性分析→數據分區管控共五個主要環節完成了RS的SPC Control Plan制定。在根據產品特性的數據特征制定相應SPC管理方法的整個流程中，數據集中性改善環節是必須考慮的步驟，因為如果可以消除數據集中性、使數據做到完全均一（或滿足要求的相對均一），將不需要進行分區管理；而針對設備/工藝等固有原因無法消除數據區域差異的情況，則需要進行合理分區及分區管理。

過于死板的硬套SPC理論會使SPC成為工廠的負擔；過于經驗化的SPC管理則無法及時預警過程變異導致大批量不合格品。只有合理的SPC管理方法才可以有效幫助我們發現過程波動、帶給我們改善和改進的機會。改善前RS數據分為多個群組且不符合標準的正態分布，我們通過合理分組的SPC抽樣原則、經歷了4次六宮格改善，RS異常報警明顯減少；特殊變異越來越少，數據越來越接近正態分布，如圖13所示，RS數據3σ由改善前0.0095變為改善后0.0076，數據收斂約20%。

圖13 RS整體數據分布

數字信息化的今天，大數據、人工智能、5G不斷興起，要想實現彎道超車，必須突破轉型。SPC管理變革不是值不值得做，而是必須做，正當其時去做。優秀的品質管理者應敢于研究、勇于突破，感謝優秀的Dell老師為我們指點迷津、幫助我們步入正軌。我們會更加堅定地開展SPC管理，守正創新，將全面SPC趨勢管理進行到底！