劉海龍,王成祥,孟戰(zhàn)虎,康慧,王雨強(qiáng),王星宇
(鄂爾多斯市源盛光電有限責(zé)任公司,內(nèi)蒙古 鄂爾多斯 017000)
近年來(lái)隨著面板行業(yè)競(jìng)爭(zhēng)的加劇,作為自動(dòng)化系統(tǒng)“眼睛”的自動(dòng)光學(xué)檢查系統(tǒng)(AOⅠ,Automatic OpticalⅠnspection)開(kāi)始逐步替換人工檢測(cè)對(duì)產(chǎn)品進(jìn)行定位、識(shí)別和缺陷檢測(cè)等工作,特別是在半導(dǎo)體、面板等高精密度檢查行業(yè)發(fā)揮著越來(lái)越重要的作用。同時(shí)隨著數(shù)字化、智能化及關(guān)燈工廠等新式工廠的提出和推廣,對(duì)設(shè)備、人員和管理的互聯(lián)也提出巨大挑戰(zhàn),尤其是檢測(cè)設(shè)備之間的互聯(lián),以便于設(shè)備和人員能夠快速識(shí)別不良等級(jí)以及預(yù)測(cè)其對(duì)產(chǎn)品良率的影響。
異物是TFT-LCD生產(chǎn)中的最大威脅,95%的產(chǎn)品不良率都與其有關(guān),其中Cell異物占比是一大項(xiàng)。因此對(duì)于Cell異物的解決和有效控制有著重大實(shí)際意義[1]。但目前工廠對(duì)TFT-LCD異物的監(jiān)控和反饋主要還是依靠抽檢(VT&ET),同時(shí)對(duì)必要樣品進(jìn)行破片分析處理[2-3],這種分析手法周期長(zhǎng)、成本高。為此,新型監(jiān)控系統(tǒng)地提出,能有效整合現(xiàn)有資源,建立自動(dòng)化監(jiān)控和反饋機(jī)制[4],極大地減少異物溯源和處理時(shí)間。但由于各工藝段設(shè)備間的差異和檢查維度的不同,以及受高溫等影響導(dǎo)致的異物變形等情況,為異物精細(xì)化管理提出了難題。本文基于JMP數(shù)據(jù)分析對(duì)基于像素為單元輸出的設(shè)備進(jìn)行參數(shù)和檢出能力優(yōu)化及建立預(yù)測(cè)仿真模型,為完善和升級(jí)新監(jiān)控系統(tǒng)提供理論依據(jù)和數(shù)據(jù)支持。
目前Cell對(duì)TFT和CF基板來(lái)料的在線監(jiān)控主要依據(jù)AOⅠ設(shè)備檢出,其通過(guò)高精度CCD鏡頭對(duì)基板進(jìn)行全面掃描,并生成灰度圖,然后通過(guò)周期對(duì)比法及閾值分割等檢出微觀異物。其速度快,精度高,能實(shí)現(xiàn)在線快速掃描檢測(cè),但由于異物種類繁多,形狀不一,常規(guī)檢查設(shè)備通常以像素(像素大小由設(shè)備本身設(shè)計(jì)決定)的個(gè)數(shù)或者面積來(lái)標(biāo)記異物大小,這就導(dǎo)致其無(wú)法與后端檢測(cè)規(guī)格達(dá)成統(tǒng)一檢測(cè)基準(zhǔn)。同時(shí),其檢測(cè)可能由于設(shè)備本身規(guī)則對(duì)異物尺寸進(jìn)行放大或縮小,如圖1所示,區(qū)域1和2未完全占滿一個(gè)像素單元,但是當(dāng)區(qū)域1或2的灰度值大于設(shè)定的閾值時(shí),會(huì)作為一個(gè)完整像素輸出;反之,則系統(tǒng)不會(huì)將其標(biāo)定為異物像素點(diǎn)。
圖1 異物大小標(biāo)記
為避免這一現(xiàn)象的影響和完善Cell監(jiān)控系統(tǒng)的判斷和反饋機(jī)制。特提出借助大數(shù)據(jù)分析,統(tǒng)一設(shè)備間檢測(cè)維度,建立異物像素和實(shí)際尺寸的預(yù)測(cè)模型,同時(shí)利用JMP的預(yù)測(cè)建模單元進(jìn)行設(shè)備參數(shù)的優(yōu)化和設(shè)計(jì),為Cell自動(dòng)化監(jiān)控和反饋機(jī)制的建立提供數(shù)據(jù)支持。
現(xiàn)有設(shè)備將異物等級(jí)分為O(Over-Large)、L(Large)、M(Mid)和S(Small)4種等級(jí),按照設(shè)定大小對(duì)不良進(jìn)行等級(jí)標(biāo)定,按照DEFECT(異物)發(fā)生個(gè)數(shù)輸出GLASS的判斷結(jié)果NG/OK。初始參數(shù)設(shè)計(jì)來(lái)源于廠商的經(jīng)驗(yàn),沒(méi)有結(jié)合工廠實(shí)際產(chǎn)品異物的特征進(jìn)行設(shè)置,誤檢率較高,不利于現(xiàn)場(chǎng)工程師的實(shí)時(shí)判斷。充分研究設(shè)備基本功能和不良標(biāo)記原理后,基于JMP的聚類分析對(duì)不同型號(hào)的產(chǎn)品進(jìn)行SⅠZE(像素)-PEAK(強(qiáng)度)聚合分析,結(jié)果如圖2所示。
圖2 不同型號(hào)SⅠZE-PEAK間的聚類分析
結(jié)果表明:不同型號(hào)產(chǎn)品,最優(yōu)聚集區(qū)域劃分都有重疊區(qū)域,即就是相同尺寸(像素)對(duì)應(yīng)不同的強(qiáng)度值或相同強(qiáng)度值可對(duì)應(yīng)不同尺寸,但PEAK值(強(qiáng)度值)較大的聚集區(qū)對(duì)應(yīng)的均值為17 500以上,也就是圖2中(a)、(b)、(c)、(d)區(qū)域?qū)?yīng)位置。為此初始將強(qiáng)度值在17 500以上異物等級(jí)定為O/L級(jí),將17 500以下的定為M/S級(jí)。
為了進(jìn)一步區(qū)分各等級(jí)尺寸設(shè)置,基于JMP預(yù)測(cè)建模中的分割分析,對(duì)SⅠZE-PEAK進(jìn)行分割分析。同類型不同型號(hào)產(chǎn)品分割分析最優(yōu)分割可分為四類,結(jié)果見(jiàn)表1。
表1 不同型號(hào)SⅠZE-PEAK間的分割分析
上述分析初步對(duì)異物等級(jí)進(jìn)行分割,無(wú)法量化各等級(jí)產(chǎn)生影響的程度。為此需借助JMP預(yù)測(cè)建模模塊對(duì)其發(fā)生概率進(jìn)行預(yù)測(cè)。
神經(jīng)網(wǎng)絡(luò)本質(zhì)是一種回歸思想,也是高維模型的擬合。其在人工智能領(lǐng)域得到了飛躍式發(fā)展。其設(shè)計(jì)的基本原則是先確立網(wǎng)絡(luò)層數(shù)和節(jié)點(diǎn)數(shù),然后通過(guò)訓(xùn)練結(jié)果分析(訓(xùn)練集和驗(yàn)證集)的R2衡量擬合效果。R2的范圍[0,1],越接近于1,擬合效果越好,反之越差。通過(guò)多次擬合訓(xùn)練和循環(huán)迭代優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),使最終擬合到達(dá)最優(yōu)解。網(wǎng)絡(luò)層數(shù)一般選取1個(gè)隱藏層,節(jié)點(diǎn)數(shù)一般從3開(kāi)始,逐步增加[5-6]。本次實(shí)驗(yàn)選取1個(gè)隱藏層和多個(gè)節(jié)點(diǎn)數(shù)進(jìn)行擬合。
測(cè)試結(jié)果顯示,1個(gè)隱藏層和7個(gè)節(jié)點(diǎn)為最優(yōu)擬合,見(jiàn)表2?;诒?結(jié)果,進(jìn)行擬合刻畫,結(jié)果如圖3所示。結(jié)果顯示像素尺寸145以下,SⅠZE和PEAK顯線性關(guān)系,即隨SⅠZE增大其強(qiáng)度PEAK隨之增大;200以上時(shí)為非線性關(guān)系,其隨SⅠZE增大,PEAK值不一定增大,此現(xiàn)象源于DEFECT越大,PEAK分布就越不均勻,越容易造成大的SⅠZE,相對(duì)小的PEAK值。
表2 不同節(jié)點(diǎn)數(shù)對(duì)擬合效果數(shù)據(jù)
圖3擬合刻畫器結(jié)果(如像素大小為70的異物點(diǎn)對(duì)應(yīng)的強(qiáng)度為17 661.32)
圖3 結(jié)果表明,像素尺寸為70時(shí),其PEAK均值達(dá)到17 500以上,其結(jié)合圖2分析可知,可將70設(shè)定為L(zhǎng)級(jí)判斷基準(zhǔn)。
為了驗(yàn)證等級(jí)對(duì)產(chǎn)品良率的影響概率,研究通過(guò)數(shù)據(jù)收集進(jìn)行二分類ROC分析。結(jié)果顯示AUC值為0.940,具有參考價(jià)值[7-8]。為了預(yù)測(cè)每個(gè)PEAK值的概率影響,將ROC曲線進(jìn)行逆預(yù)測(cè)分析,可知PEAK值大于13 400時(shí),其對(duì)產(chǎn)品的影響概率是50%。PEAK值為17 481以上時(shí),80%以上概率對(duì)產(chǎn)品造成影響;PEAK值大于23 409時(shí)95%以上概率會(huì)對(duì)產(chǎn)品造成影響;敏感度最大的切點(diǎn)(Cut-off point)為26 626;理想中可將Cut-off點(diǎn)設(shè)置為O級(jí)分界點(diǎn),但實(shí)際中由于存在設(shè)備或產(chǎn)品偏差,需適當(dāng)降低設(shè)置標(biāo)準(zhǔn)。
依據(jù)圖4概率曲線和SⅠZE-PEAK預(yù)測(cè)曲線,作者給出設(shè)備基礎(chǔ)參數(shù)設(shè)定,結(jié)果見(jiàn)表3。同時(shí)須知,不同類型產(chǎn)品設(shè)定參數(shù)不同,需要區(qū)別制定檢測(cè)基準(zhǔn),但方法如本文所示。以此還可建立異物尺寸不同維度間的對(duì)應(yīng)關(guān)系,統(tǒng)一設(shè)備間異物大小的衡量標(biāo)準(zhǔn)。AOⅠ檢出不良類型多樣,多為不規(guī)則形狀,目前模擬結(jié)果為±5 μm范圍類,可達(dá)72%左右的準(zhǔn)確率,如圖5所示。由于此類設(shè)備各種類型不良混合檢出,所以預(yù)測(cè)效果達(dá)到70%以上水平,認(rèn)為是達(dá)到預(yù)期的。如想進(jìn)一步提高擬合或預(yù)計(jì)精確度,需對(duì)不同類型不良進(jìn)行分類擬合,如異物、PⅠNHOLE(針孔類不良)、小黑點(diǎn)和凹點(diǎn)等。
圖4 ROC和概率預(yù)測(cè)曲線
表3 產(chǎn)品參數(shù)設(shè)定
圖5 預(yù)測(cè)值和實(shí)際值對(duì)比圖
本文基于JMP數(shù)據(jù)分析軟件對(duì)基于像素為單元輸出的設(shè)備進(jìn)行參數(shù)和檢出能力優(yōu)化以及建立預(yù)測(cè)仿真模型。結(jié)果表明,新優(yōu)化參數(shù)能夠明顯提升設(shè)備分級(jí)能力和現(xiàn)場(chǎng)管控能力,同時(shí)量化各個(gè)等級(jí)對(duì)產(chǎn)品的影響概率,以及提供了一種AOⅠ參數(shù)的設(shè)計(jì)和優(yōu)化方法,避免傳統(tǒng)以經(jīng)驗(yàn)為主的主觀參數(shù)設(shè)置。同時(shí),為此類設(shè)備的參數(shù)設(shè)定和管控以及Cell自動(dòng)化監(jiān)控和反饋機(jī)制的建立提供理論和數(shù)據(jù)支持。