2TFT-LCD生产数据的基于统计过程控制图表的ICA方法.pptVIP

TFT-LCD生产中基于监视的利用独立组成分析 USING INDEPENDENT COMPONENT ANALYSIS BASED PROCESS MONITORING IN TFT-LCD MANUFACTURING 摘要 大面积平板显示设备（FPD）已经被广泛应用与PC的显示器和电视机。为了提高LCD的生产率，过程控制在LCD生产中是非常重要的任务。在本文中，我们提出一个基于独立组成分析的控制图表去监控TFT-LCD生产过程的变化。这个方法能够有效地用于监控LCD过程参数，叫做Total Pitch（TP）。TP是一个参数，是利用来控制TFT-LCD生产过程中的队列错误。TP变换可能产生严重的错误，例如MURA（brightness unevenness of a panel）和LCD面板上的小点。自从收集的数据可能包含小噪声和不同源信号时，ICA是第一个应用于独力源信号的。经验告诉我们真实测量TP数据控制显示了这个方法能很有效的发现这些变换。 1绪论 平板显示设备在显示领域最近越来越重要。为了保证质量和提高LCD平板的生产率，TFT-LCD生产过程中的控制已经成为一个非常重要的任务 过程控制的前身是度量。统计过程控制（SPC）利用度量的数据去监视过程和寻找最大的改变。最重要的通用SPC工具包含测绘好解释控制图表，例如Shewhart or Cumulative SUM(CUSUM)。Shewhart控制最大的缺点是它只用过程信息中包含最后划分点和忽略了先前的信息。因此，它对大的改变非常敏感。指数权重活动平均数（EWMA）利用先前观测值。EWMA控制图表能够被用来发现入侵情况。 独立组成分析（ICA）是新出现的统计的方法用于隔离独立组成信号。它不需要他们各自先前的知识，但是利用通用信息。它假设每个m度量变换是由线性成分n给出，n=m。收集的数据可能是一个噪声矩阵和不同的源信号，ICA是第一个使用于隔离混合数据的。矩阵X和独立组成数据矩阵S的关系是： X=AS （1） 这里，A是未知矩阵，叫做混合矩阵。ICA最基本的问题是估计S或者估计A，从度量好的数据矩阵X中。ICA的典型问题是计算一个独立矩阵W因为重构数据的成分矩阵Y，是Y=WX。 在LCD生产过程中，垂直数据和大门传导线被描绘在玻璃板底层。许多数据都被在LCD生产过程中被测量，其中一个重要的数据就是TP。TP是一个参数，这个参数是用来监视TFT-LCD过程的变化的。测量的数据被用来确定队列错误，这些错误在CF层和TFT层之间。图1显示了TFT-LCD过程基于ODF（One Drop Fill）技术。ODF过程由CF和TFT过程组成，但是他们之间不同的是他们产生的缺陷一个是叫做assembly shift和move-mura。 图1b-c显示了在最终产品中的缺陷。如果在TFT面板上有缺陷，我们看见白色的或者黑色的小点。MURA边缘并不容易被检测到，但是人类的眼睛可能定义MURA和背景之间的等级。Assembly shift会造成面板的沙质显示。为了监控TP过程的参数，TFT-LCD生产商一般用X射线和R控制图表。然而，X射线和R控制图表不能发现TP中间变换。因此，LCD生产商可能会错过TP数据在生产过程中的数据判断。这个失误可能会在生产过程中产生巨大的损失。 2TFT-LCD生产数据的基于统计过程控制图表的ICA方法 2.1ICA： 给出的输入数据X是N*M大小，M=N，我们按行分解N。Xi表示分解的行，i=1，2，。。。。。。输入信号可以被表示为矩阵X=[X1,X2,…..Xn]T 。等式1给出了ICA的基本模型，矩阵X能被表示为： ICA的目标是找到一个N*N的矩阵W，例如： 2.2ICs过程控制的工具 现在有一些可以执行ICA的算法，一般的，ICs都是通过矩阵W获得增值信号X，例如Y=WX。混合矩阵W由学习算法决定。算法的目标是ICs的最大化统计。非高斯的ICs由下列等式给出: H是随机向量y的商，定义如下： 平均电负荷量由下面的公式给出： 这里v是一个高斯变量。G是非等函数。 ICA统计过程控制有下面几个步骤： 集中和漂白输入的过程数据X 计算最小矩阵W和组成矩阵Y=[yi] 利用X射线和R控制图表监控ICs。 在执行这些步骤之前，新的测量数据的方法被用队列来记录增长。因此，新X的大小将会是：N*（M+1）。然后它就被转变成矩阵W的独立组成部分。如果一个或者多个ICs是在上层控制的外面的话，那么这个过程就变得不可控制。 3TFT-LCD控制的基于ICA方法 这个部分写的是基于ICA的统计学方法控制TP测量的数据。TP测量的数据从台湾的生产商那里得到。TP是下线获得的。测量TP的频率是每隔一打玻璃检测一块。玻璃的测量是在LCD过程中不同的3个步