KR102672081B1 - 인-라인 태양 전지 생산 공장용 광전자 태양 전지 테스트 시스템 및 광전자 태양 전지 테스트 시스템을 사용하여 태양 전지의 인-라인 생산을 최적화하는 방법 - Google Patents
인-라인 태양 전지 생산 공장용 광전자 태양 전지 테스트 시스템 및 광전자 태양 전지 테스트 시스템을 사용하여 태양 전지의 인-라인 생산을 최적화하는 방법 Download PDFInfo
- Publication number
- KR102672081B1 KR102672081B1 KR1020217005851A KR20217005851A KR102672081B1 KR 102672081 B1 KR102672081 B1 KR 102672081B1 KR 1020217005851 A KR1020217005851 A KR 1020217005851A KR 20217005851 A KR20217005851 A KR 20217005851A KR 102672081 B1 KR102672081 B1 KR 102672081B1
- Authority
- KR
- South Korea
- Prior art keywords
- production
- solar cell
- measurement
- line
- test
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 233
- 238000012360 testing method Methods 0.000 title claims abstract description 133
- 230000005693 optoelectronics Effects 0.000 title claims abstract description 38
- 238000005259 measurement Methods 0.000 claims abstract description 213
- 238000000034 method Methods 0.000 claims abstract description 116
- 238000012545 processing Methods 0.000 claims abstract description 93
- 238000011156 evaluation Methods 0.000 claims abstract description 71
- 238000007619 statistical method Methods 0.000 claims abstract description 57
- 238000009795 derivation Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims description 81
- 238000004891 communication Methods 0.000 claims description 20
- 230000002596 correlated effect Effects 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 239000000758 substrate Substances 0.000 claims description 7
- 238000005401 electroluminescence Methods 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 235000012431 wafers Nutrition 0.000 description 15
- 230000007547 defect Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 7
- 238000003672 processing method Methods 0.000 description 6
- 241001417501 Lobotidae Species 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000001934 delay Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000002161 passivation Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000001465 metallisation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000007858 starting material Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 101001073212 Arabidopsis thaliana Peroxidase 33 Proteins 0.000 description 1
- 101001123325 Homo sapiens Peroxisome proliferator-activated receptor gamma coactivator 1-beta Proteins 0.000 description 1
- 102100028961 Peroxisome proliferator-activated receptor gamma coactivator 1-beta Human genes 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000013590 bulk material Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000002800 charge carrier Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000009474 immediate action Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 150000004767 nitrides Chemical class 0.000 description 1
- 238000005424 photoluminescence Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
- H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
Landscapes
- Photovoltaic Devices (AREA)
Abstract
본 발명은 인-라인 태양 전지 생산 공장용 광전자 태양 전지 테스트 시스템에 관련된 것으로, 태양 전지 테스트 시스템은: 태양 전지의 인-라인 측정을 위한 노출 및 측정 장치(10) 및 노출 및 측정 장치(10)와 결합된 제어 및 평가 유닛(20)을 포함하며, 노출 및 측정 장치(10)는 태양 전지(SC)에 대한 테스트 측정 데이터를 생성하기 위한 적어도 하나의 테스트 측정(TM)을 수행하도록 설계되고 구성된다. 본 발명에 따르면, 제어 및 평가 장치(20)는 인-라인으로 생산된 복수의 태양 전지(SC)에서 노출 및 측정 장치(10)에 의해 수행된 동일한 테스트 측정(TM)의 테스트 측정 데이터를 사용하여 통계 분석(200)을 수행하고, 서로 다른 테스트 측정(TM)의 테스트 측정 데이터에 대한 통계 분석(200)을 서로 연관시키고, 및/또는 테스트 측정 데이터(TMstat)의 통계 분석을 생산 측정 데이터(PMstat)의 통계 분석과 연관시키고, 및/또는 테스트 측정 데이터(TMstat)의 통계 분석 및/또는 생산 측정 데이터(PMstat)의 통계 분석을 생산 입력 데이터(PED)와 연관시키도록 구성되거나 설계되며, 상관 관계 결과(201)를 생성하고, 유도 규칙(202)에 기초하여 상관 결과(201)로부터, 태양 전지의 인-라인 생산에 관련된 적어도 하나의 개인 그룹(PG1, PG2, PGn)에 할당되는 적어도 하나의 처리 제안(203) 및/또는 적어도 하나의 처리 지시(204)를 도출하기 위해, 제어 및 평가 유닛(20)은 적어도 하나의 처리 제안(203) 및/또는 적어도 하나의 처리 지시(204)를 적어도 하나의 할당된 상기 개인 그룹(PG1, PG2, PGn)에 전달한다. 또한, 본 발명은 이러한 유형의 태양 전지 테스트 시스템을 사용하여 인-라인 태양 전지 생산 공장을 통해 태양 전지의 생산을 최적화하는 방법에 관한 것이다.
Description
본 발명은 청구항 1의 사전 특성화 조항에 따른 인-라인 태양 전지 생산 공장을 위한 광전자 태양 전지 테스트 시스템에 관한 것이다. 또한, 본 발명은 이 광전자 태양 전지 테스트 시스템을 사용하여 태양 전지의 인-라인 생산을 최적화하는 방법에 관한 것이다.
광전자 태양 전지 테스트 시스템은 기술 용어로 "플래셔(flasher)"라고 하는 시스템을 포함하며, 시스템은 노출 및 측정 장치를 갖는다. 이 노출 및 측정 장치는 제어 및 평가 장치에 결합되고, 일반적으로 생산된 태양 전지의 품질 측정을 위해 인-라인 생산 공장의 단부에 위치한다. 이 시스템은 예를 들어 DE112012006365T5에서 개시되었다.
노출 및 측정 장치는, 테스트 측정 데이터를 생성하기 위하여 태양 전지에서 적어도 하나의 테스트 측정을 수행하도록 구성되고 적용되며, 테스트 측정은 하기로 구성된 그룹으로부터 선택된다:
- 태양 전지에서 국부적 단락을 확인하기 위해, 역방향으로 통전된 태양 전지의 적외선 이미지 측정,
- 태양 전지의 적어도 하나의 전류-전압 특성 곡선을 측정하기 위해, 노출 스펙트럼, 특히 시뮬레이션된 태양 스펙트럼을 사용한 플래시 노출,
- 태양 전지의 스펙트럼 분해 전류 특성 곡선을 측정하거나 및/또는 태양 전지의 준 외부 양자 효율을 측정하기 위해, 스펙트럼으로 차별화된 다수의 플래시 노출,
- 특히 태양 전지 물질에서 미세 균열을 결정하기 위해서 및/또는 전극 구조 중단 및/또는 전극 구조와 기판 사이의 접촉 문제를 결정하기 위해서 및/또는 전기적으로 비활성 영역 및/또는 국부적 단락을 결정하기 위해, 태양 전지의 전계 발광 측정,
- 태양 전지의 직렬 저항을 계산하기 위해, 명 특성(bright characteristic) 곡선 측정 및 태양 전지의 암 특성(dark characteristic) 곡선 측정, 및
- 금속 전극 구조의 품질을 결정하기 위해, 전극 핑거를 포함하는 태양 전지의 전극 구조의 저항 측정.
스펙트럼적으로 차별화된 플래시 노출에 의해, 태양 전지의 준 외부 양자 효율이 얻어진다. 청색 스펙트럼 범위의 플래시 노출의 경우, 웨이퍼 태양 전지의 측정 결과에서 불충분은 질화막 또는 에미터의 문제를 의미한다. 적색 스펙트럼 범위의 플래시 노출의 경우, 웨이퍼의 불량한 벌크 재료 또는 불량한 후면 패시베이션층의 품질이 식별될 수 있다.
전계 발광 측정에 의해 확인된 전극 구조와 기판 사이의 중단 및/또는 접촉 문제는 태양 전지의 구조 설계에 따라 전면과 후면 모두에서 발생할 수 있다. 손상되거나 품질이 낮은 기판 재료에 의해 전기적으로 비활성 영역이 웨이퍼 태양 전지에서 발생한다. p-n 접합의 국부적인 단락은, 예를 들어 태양 전지의 가장자리에서 소위 에치 래퍼라운드(etch wraparound)에 의해 단락되는 p-n 접합에 의해 웨이퍼 태양 전지에서 발생할 수 있다.
다수의 순차 공정 장치로 구성된 태양 전지 인-라인 생산 공장을 따라, 생산 작업을 모니터링하거나 문서화하는 기존의 다른 공정 측정 장치가 있다. 웨이퍼 기반 태양 전지 생산의 경우, 이들은 특히 웨이퍼 저항, 웨이퍼 두께, 웨이퍼 중량, 웨이퍼 총 두께 변화(total thickness variation: TTV), 습식 화학 에칭 제거, 습식 화학 성분, 웨이퍼의 소수 전하 캐리어 수명, 확산층의 전도도 및 균질성, 반사 방지층 및/또는 패시베이션층의 층 두께 및 굴절률, 반사 방지층 및/또는 패시베이션층의 균질성, 단면 에칭 단계에서 에치 래퍼어라운드, 금속화 페이스트의 도포량 및 위치, 페이스트의 인쇄 이미지 오류 등을 기록하기 위한 공정 측정 장치를 포함한다. 생산 측정의 도움으로, 이 공정 측정 장치는 생산 측정 데이터를 결정하고 일반적으로 저장한다. 선택적으로, 알람은 정의된 설정 값에서 생산 측정 데이터의 과도한 편차 이벤트에서 촉발된다. 공정 장치에서 각각 발생하는 공정 방법의 파라미터를 나타내는 생산 측정 데이터는, 추가 생산 측정의 도움으로 생성된다. 이는 특히 온도, 압력, 처리 시간 등의 시간적 및/또는 공간적 프로파일과 관련된 데이터이다. 생산 측정 데이터는, 부분적으로 제조된 태양 전지에 대한 생산 측정이거나 공정 장치에서 발생하는 공정 방법의 파라미터 생산 측정에 의해 공정 장치들에서 생성된다.
추가 활동 외에도, 인-라인 태양 전지 생산 공장의 직원은, 시간이 생기면 생산 측정 데이터로부터 얻은 이 특성 값을 관찰할 수 있고 관찰해야 하며, 지식과 능력에 따라 필요한 경우 프로세스 장치의 각 처리 방법에 대한 수정을 수행하거나 추가 조치를 위해 다른 직원에게 이상을 보고한다. 일반적으로, 비교적 큰 문제가 발생하더라도, 책임 있는 기술 직원이 도착하여 오류 추적을 시작할 때까지 인-라인 생산이 축소 없이 계속된다. 기술 직원이 도착하기까지 몇 시간이 걸릴 수 있다. 인-라인 생산 공장의 공정 장치에서 작업중인 생산 직원이 문제를 알아차리지 못하거나 문제가 전달되지 않으면 더욱 악화된다. 이는 교육이 부족하거나 직원이 다양한 이유로 확인된 문제를 보고 할 동기가 없기 때문일 수 있다. 비슷하게, 생산 직원에 대한 병렬 작업이 너무 많을 수 있으므로, 주관적으로 생각하는 가장 큰 문제가 있는 프로세스 장치의 장비가 우선적으로 처리된다. 예를 들어, 이러한 시나리오에서, 유사하게 매우 관련성이 높은 문제는 다음 교대조 변경 보고까지 고도로 숙련된 기술 직원의 관심을 끌지 않는 것이다. 인-라인 태양 전지 생산은 통상적으로 24시간 내내 진행되기 때문에, 이미 밤에 발생한 많은 문제의 해결은, 더 높은 수준의 기술 인력이 도착한 후, 아침까지도 시작되지 않는 경우가 많다.
인-라인 생산 공장의 공정 장치에서 근무하는 생산 직원은 일반적으로 교육 수준이 상대적으로 낮으므로 공정 및/또는 태양 전지에 대한 심층적인 이해가 없다. 또한, 많은 현장에서, 이 생산 직원의 연간 최대 이직률이 최대 50%이다. 이에 따라, 이것은 태양 전지 생산이 다양한 태양 전지 파라미터에 다양한 영향이 미치는 매우 복잡한 여러 학문에 걸친 프로세스라는 사실과 상충된다. 이러한 태양 전지 파라미터는 서로 영향을 미치기 때문에 특정 효과를 향상시키거나 보상할 수 있으므로, 생산 최적화를 위한 결함 추적이 더욱 어려워진다. 따라서, 공정 편차의 실제 원인은 종종 생산 직원이 추적하기가 매우 어렵다. 더욱이 특히 웨이퍼 태양 전지 구조는 점점 더 복잡해지고(passivated emitter and rear cell(PERC), interdigitated back contact(IBC), heterojunction with intrinsic thin layer(HIT)), 결과적으로 공정 편차에 더욱 민감하게 반응하므로, 효율성과 광 유발 열화(photo-induced degradation, PID) 또는 광 및 고온 유발 열화(light and high temperature induced degradation, LeTID)에 대한 민감성에 영향을 준다.
인-라인 생산 공장이 최적으로 가동되지 않으면, 태양 전지의 품질 및/또는 효율성 손실이 발생한다. 효율성을 특히 높이려면 모든 공정 장치와 공정을 최적으로 조정해야 하므로, 많은 측정 기술과 고도로 훈련된 많은 직원이 있어야만 가능하다. 둘 다 비싸다. 전지의 시간 지연과 함께 발생하는 많은 측정 결과의 해석 오류는 가능성이 높고 흔하다. 현재 전 세계의 어떤 인-라인 생산 공장도 오랜 기간 동안 진정으로 최적으로 운영되지 않을 가능성이 높다.
태양 전지의 생산 공정이 끝날 때마다 전지 파라미터/특성이 측정되고 문서화된다. 이것은 주로 소위 플래셔에서 수행되지만, 예를 들어 부분적으로 제조된 태양 전지 표면의 2차원 전계 발광 또는 광 루미네선스 또는 적외선 이미지를 결정하는 공정 측정 장치에서도 수행된다. 또한, 품질 문제의 가능한 원인을 보다 쉽게 추적할 수 있도록 이러한 공정 측정 장치는 추세를 나타낼 수 있다. 그러나 종종 생산 직원은 결과의 편차를 올바르게 해석해야 하는 현재 생산 수정(기판 요소, 예를 들면 웨이퍼,의 다른 재료 배치(batch), 텍스처 에칭을 위한 습식 벤치가 리필됨, 등)에 대한 노하우 및/또는 시간 및/또는 지식이 부족하다. 기술 직원에게 문의할 필요가 있어, 시간이 지연되어 품질(효율)이 떨어지거나 생산량이 감소한다(생산이 중단되는 경우).
기술직원은 학제 간 교육을 받거나 현재 전체 생산 프로세스의 모든 관련 기술 문제 영역을 다루는 여러 사람으로 구성되어야 한다. 실제 지식수준에 따라, 발생한 문제가 최적으로 해결되지 않거나, 문제를 해결하려는 사람에 따라, 다른 해결방법이 제안된다. 라인은 실제원인이 추적될 때까지 최적으로 실행되지 않는다.
특히, 기술 인력이 즉시 배치되지 않을 경우, 성능 손실로 인해 영향을 받는 태양 전지 생산 규모가 상당하다. 종종, 기술 직원이 거의 없거나 여러 문제를 동시에 해결해야 한다. 이 문제는 병렬로 작동하는 복수의 부분 라인이 동시에 문제를 일으키는 경우 더욱 악화된다. 그러면 여러 부분 라인이 더 이상 최적으로 작동되지 않는다.
생산 비용을 절약하기 위해, 유지 보수 간격을 최대한 길게 선택해야 한다. 이것으로부터 개별 프로세스 장치의 더 이상 용납할 수 없는 성능 손실이 따라오고, 따라서, 전체 인-라인 생산 공장 경력 붕괴를 초래한다. 중단의 경우, 원인은 분명하다. 성능 손실의 경우, 먼저 원인이 되는 프로세스 장치에 배치해야 한다. 성능 손실은 평소보다 훨씬 일찍 발생하거나 여러 다른 원인 또는 원인 조합이 있을 수 있다. 그러면 할당이 어려워진다. 원인을 추적하는 동안 인-라인 생산 공장이 최적으로 실행되지 않는다.
또한, 인-라인 생산 공장이 실제로 완벽하게 조정되었지만, 예를 들면, 품질이 낮은 저렴한 출발 물질을 사용하거나 공정 파라미터를 재구성함으로써, 성능 손실이 어느 정도 의도적으로 유발되지만 예를 들어, 의사 소통이 불충분하기 때문에 생산 직원에게 알려지지 않았다. 이러한 경우, 관찰된 성능 손실이 잘못 해석되고 생산 직원이 잘못된 결론을 도출하고 활동 범위 내외에서 프로세스 파라미터를 조정할 수 있다. 이것은 성능을 더욱 저하시킬 수 있다. 그러나, 최종 생산된 태양 전지가 전지 테스트 장치의 플래셔에서 측정될 때, 이러한 추가 장애는 개입 장소에 따라, 상당한 시간 지연(인-라인 생산 실행에 몇 시간이 걸릴 수 있음)으로만 관찰된다. 이는 더 이상 최적으로 처리되지 않은 열등한 태양 전지의 상당 부분을 수반한다.
인-라인 태양 전지 생산 공장은 일반적으로 다음과 같이 구성된다: 인-라인 생산 공장을 감독하기 위해 일반적으로 다음과 같은 개인 그룹이 사용된다:
- 교대 근무로 24시간 가동되는 공정 장치를 관리하면서, 사소한 공정 중단(예를 들어, 파손된 웨이퍼 제거)을 즉시 해결하고, 유지 보수 작업 형태로 유지를 수행하지만, 공정 장치의 상대적으로 주요한 중단의 이벤트 시, 처리 장치가 불이행할 때까지 이러한 중단들을 해결하는 생산 직원,
- 공정 장치의 작업을 관리하고 유지를 위해 생산 직원을 구성하는 교대 감독 직원,
- 개별 공정 단계에 대한 전문 지식이 있지만 현장에 영구적으로 있지 않으며(예를 들면, 심야 또는 야간 근무), 상대적으로 적은 인원으로 구성되며 공정 장치가 중단되는 경우 기술 지식을 지원하는 기술 직원, 및
- 생산에 대한 완전한 개요와 책임을 가진 생산 감독 직원.
따라서, 생산된 태양 전지를 테스트하기 위해 종래 기술로부터 공지된 시스템은 개별 공정 장치의 처리 방법의 결함이 식별되지 않거나 불충분하거나 부적절하게 식별되거나 추가적으로 시간 지연 문제가 있다.
따라서, 본 발명의 목적은 인-라인 생산 공장의 개별 공정에서보다 신뢰성 있고 신속한 결함 식별을 가능하게 하는 인-라인 태양 전지 생산 공장용 광전자 태양 전지 테스트 시스템 및 대책을 제공하여, 공정 결함을 보다 빠르고 안정적으로 초기에 해결할 수 있다.
이 목적은 청구항 1의 특징을 갖는 광전자 태양 전지 테스트 시스템 및 이러한 광전자 태양 전지 테스트 시스템을 사용하여 태양 전지의 인-라인 생산을 최적화하기 위한 청구항 10의 특징을 갖는 방법에 의해 달성된다.
본 발명의 목적은 또한 전술한 광전자 태양 전지 테스트 시스템을 사용하여 인-라인 태양 전지 생산 공장을 통해 태양 전지 생산을 최적화하는 방법에 의해 달성된다. 인-라인 태양 전지 생산 공장은, 위에서 설명한 바와 같이, 생산 측정 데이터를 생성하기 위해 생산 측정을 수행하기 위한 공정 측정 장치를 갖는 다수의 공정 장치로 구성된다.
본 발명에 따르면, 제어 및 평가 유닛(20)이,
인-라인으로 생산된 복수의 태양 전지에 대해 노출 및 측정 장치를 통해 수행된 동일한 테스트 측정의 테스트 측정 데이터로 통계 분석을 수행하도록, 및
- 서로 다른 테스트 측정의 테스트 측정 데이터에 대한 통계적 분석을 서로 연관시키도록 및/또는
- 테스트 측정 데이터의 통계 분석을 생산 측정 데이터의 통계 분석과 연관시키도록 및/또는
- 테스트 측정 데이터의 통계 분석 및/또는 생산 측정 데이터의 통계 분석을 생산 입력 데이터와 연관시키도록 적용되고 구성되는데,
상관 관계 결과를 생성하고 태양 전지의 인-라인 생산에 관련된 적어도 하나의 개인 그룹에 할당된 적어도 하나의 처리 제안 및/또는 적어도 하나의 처리 지시를 도출하기 위해, 도출된 규칙의 도움으로 상관 관계 결과로부터, 제어 및 평가 유닛은 적어도 하나의 처리 제안 및/또는 적어도 하나의 처리 지시를 적어도 하나의 할당된 개인 그룹에 전송하는 통신 장치를 포함한다. 경고 및 어드바이스는 내용 공식에 따라 제안을 처리하거나 지시를 처리하는 것으로 간주된다. 예를 들어, 경고 어드바이스는 주의력 향상을 위한 제안이나 지시를 의미하며, 이는 경고 어드바이스의 내용에 의해 더 자세히 설명된다.
바람직하게는, 태양 전지의 인-라인 생산을 최적화하는 방법은
- 다른 테스트 측정의 테스트 측정 데이터에 대한 통계적 분석이 서로 연관 및/또는
- 테스트 측정의 테스트 측정 데이터에 대한 통계적 분석이 생산 측정 데이터의 통계적 분석과 연관 및/또는
- 테스트 측정 데이터의 통계 분석이 생산 입력 데이터와 상관 및/또는
- 생산 측정 데이터의 통계 분석이 생산 입력 데이터와 상관된 점에서 개선되며,
상관 관계 결과를 생성하고, 유도 규칙의 도움으로 태양 전지의 인-라인 생산에 관련된 적어도 하나의 개인 그룹에 할당된 적어도 하나의 처리 제안 및/또는 적어도 하나의 처리 지시를 도출하기 위해, 적어도 하나의 처리 제안 및/또는 적어도 하나의 처리 지시는 적어도 하나의 할당 된 개인 그룹으로 전송된다. 전체 데이터 공간에서 다양한 데이터 그룹들 서로의 상관 관계 및 그로 인한 이미지로부터, 인-라인 생산 시퀀스에서 부분적으로 제조된 태양 전지가 아직 테스트 측정으로 진행되지 않았더라도, 성능 손실의 임박함을 이미 예측할 수 있다. 이러한 방식으로 이러한 성능 손실을 더 일찍 대응할 수 있다.
인-라인 생산 공장의 개별 공정에서보다 신뢰성 있고 신속한 결함 식별을 가능하게 하는 인-라인 태양 전지 생산 공장용 광전자 태양 전지 테스트 시스템 및 대책을 제공하여, 공정 결함을 보다 빠르고 안정적으로 초기에 해결할 수 있다.
전체 데이터 공간에서 다양한 데이터 그룹들 서로의 상관 관계 및 그로 인한 이미지로부터, 인-라인 생산 시퀀스에서 부분적으로 제조된 태양 전지가 아직 테스트 측정으로 진행되지 않았더라도, 성능 손실의 임박함을 이미 예측할 수 있다. 이러한 방식으로 이러한 성능 손실을 더 일찍 대응할 수 있다.
도 1은 개략적인 표현으로, 인-라인 태양 전지 생산 공장에 통합된 광전자 태양 전지 테스트 시스템의 예시적인 실시예를 보여준다.
도 2는 특히 도 1에 나타낸 광전자 태양 전지 테스트 시스템을 사용하여 인-라인 태양 전지 생산 공장을 통해 태양 전지 생산을 최적화하는 방법의 예시적인 실시예를 보여준다.
도 2는 특히 도 1에 나타낸 광전자 태양 전지 테스트 시스템을 사용하여 인-라인 태양 전지 생산 공장을 통해 태양 전지 생산을 최적화하는 방법의 예시적인 실시예를 보여준다.
본 발명에 따르면, 제어 및 평가 유닛(20)이,
인-라인으로 생산된 복수의 태양 전지에 대해 노출 및 측정 장치를 통해 수행된 동일한 테스트 측정의 테스트 측정 데이터로 통계 분석을 수행하도록, 및
- 서로 다른 테스트 측정의 테스트 측정 데이터에 대한 통계적 분석을 서로 연관시키도록 및/또는
- 테스트 측정 데이터의 통계 분석을 생산 측정 데이터의 통계 분석과 연관시키도록 및/또는
- 테스트 측정 데이터의 통계 분석 및/또는 생산 측정 데이터의 통계 분석을 생산 입력 데이터와 연관시키도록 적용되고 구성되는데,
상관 관계 결과를 생성하고 태양 전지의 인-라인 생산에 관련된 적어도 하나의 개인 그룹에 할당된 적어도 하나의 처리 제안 및/또는 적어도 하나의 처리 지시를 도출하기 위해, 도출된 규칙의 도움으로 상관 관계 결과로부터, 제어 및 평가 유닛은 적어도 하나의 처리 제안 및/또는 적어도 하나의 처리 지시를 적어도 하나의 할당된 개인 그룹에 전송하는 통신 장치를 포함한다. 경고 및 어드바이스는 내용 공식에 따라 제안을 처리하거나 지시를 처리하는 것으로 간주된다. 예를 들어, 경고 어드바이스는 주의력 향상을 위한 제안이나 지시를 의미하며, 이는 경고 어드바이스의 내용에 의해 더 자세히 설명된다.
최종적으로 생산된 태양 전지에 대한 플래셔의 노출 및 측정 장치를 통해 수행되는 테스트 측정을 명확하게 구분하기 위해, 생산 측정 및 그에 따른 생산 측정 데이터는, 인-라인 생산 공장의 공정 장치들에서 개별 공정 단계들 후 또는 중 일종의 부분적으로 제조된 태양 전지에서 얻은 측정 데이터이다. 태양 전지용 인-라인 생산 공장은 일련의 이러한 공정 장치로 구성된다. 이들 공정 장치 각각은 적어도 하나의 공정 측정 장치를 포함할 수 있다. 이러한 공정 측정 장치를 통해 아직 완성되지 않은 태양 전지, 즉 부분적으로 제조된 태양 전지만 대해 공정 측정이 수행하고, 이러한 방식으로 생산 측정 데이터를 얻는다. 추가로 또는 대안으로서, 공정 측정 장치는 부분적으로 제조된 태양 전지에 대한 측정이 아니라 각 공정 장치에서 발생하는 처리 방법에 대한 측정에 의해 획득되는 생산 측정 데이터를 획득하도록 구성될 수도 있다. 이는 부분적으로 제조된 태양 전지가 각 공정 장치에서 적용되는 각 공정 방법의 공정 파라미터를 의미한다.
그러므로, 이 특허 출원의 용어에서, 테스트 측정 데이터를 생성하기 위해 최종적으로 생산된 태양 전지에 대해 수행된 테스트 측정은, 생산 측정 데이터를 생성하기 위하여, 부분적으로 제조된 태양 전지에 대해 수행되거나 또는 다음의 부분 제조 단계의 각 처리 방법에서 수행된 생산 측정과는 구별된다. 또한 생산 입력 데이터라는 용어도 사용된다. 예를 들어, 생산 입력 데이터는 인-라인 생산 공정에 반도체 웨이퍼 형태로 처음 도입된 기판 요소의 재료 파라미터다. 기판 요소에서, 부분적으로 제조되고 최종적으로 생산되는 태양 전지는 공정 장치의 순서에 따라 인-라인 생산 공정에서 생산된다. 또한, 생산 입력 데이터는, 공정 장치에서 발생하는 처리 방법에 대한 인-라인 생산 순서를 따라 각 공정 장치에서 사용되는 소모품의 재료 속성일 수 있다. 예를 들어, 표면을 청소하거나 제거하기 위한 액체, 얇은 층을 증착하기 위한 가스, 또는 금속화를 형성하기 위한 금속 페이스트가 있다.
이 광전자 태양 전지 테스트 시스템의 도움으로, 태양 전지 테스트 시스템은 테스트 측정 데이터, 생산 측정 데이터, 및 생산 입력 데이터를 일반적으로 기록, 표현, 및 문서화될 뿐만 아니라, 처리 제안 또는 처리 지시로 구성된 독립적인 대상 메시지를 생성한다. 이러한 처리 제안 또는 처리 지시는 각 내용에 따라 할당된 개인 그룹에 전달된다. 관련 개인 그룹은 생산 직원, 교대 감독 직원, 기술 직원, 및 생산 감독 직원과 같은 개인 그룹 중 적어도 하나이다.
처리 제안 또는 처리 지시에는 직접 초기 수행되거나 관련 개인 그룹 자체가 추가 파라미터를 확인한 후에 수행되는 작업이 포함될 수 있다. 처리 제안 및/또는 처리 지시를 관련 개인 그룹에 할당하는 것은 해당 인-라인 생산 공장에 특정한 정보 또는 책임 계층에 의해 결정된다. 통신은 통신 매체 및 통신 시간의 상황에 맞는 선택을 통해 서로 다른 할당된 개인 그룹에 대해 수행된다.
테스트 시스템은, 전체 데이터를 포함하는 테스트 측정 데이터, 생산 측정 데이터 및 생산 입력 데이터의 형태로 많은 특성 값의 완전 또는 부분 자동 분석을 허용한다. 이러한 생산 데이터는 인-라인 생산 공장에서 얻지 못하더라도, 생산된 태양 전지와 관련이 있다. 특히, 인-라인 생산 공장에서 처리되는 출발 물질과 사용된 소모품의 특성 값이다.
태양 전지 테스트 시스템을 통해 결정된 생산된 태양 전지의 각 성능 손실은, 전체 데이터 공간에서 분석된 전체 데이터의 관점에서 명확한 "지문"을 가지고 있다. 각각의 특정 "지문"의 발달 및 전체 데이터 공간에서 이러한 복수의 "지문"의 중첩은 전체 데이터를 평가함으로써 검출된다. 평가의 일부로서, 테스트 측정 데이터, 생산 측정 데이터, 및 생산 입력 데이터의 통계적 분석은 바람직하게는 상관 관계가 있다. 적어도 하나의 이미징 테스트 및/또는 생산 측정 방법의 데이터에 대한 통계적 분석을 비이미징 테스트 및/또는 생산 측정 방법과 연관시키는 것이 특히 유리한다.
이 테스트 시스템을 사용하면, 생산 편차의 명확성 및 그로 인한 성능 손실은, 생산 직원이 테스트 측정 및/또는 생산 측정 결과를 다시 보고 눈에 띄는 데이터로 실제로 발견한 다음 올바르게 해석할 때에 따라 더 이상 좌우되지 않는다. 지연의 추가 원인은, 기술 직원이 구체적으로 라운드를 수행하는 장소와 시기 또는 성능 손실과 관련하여 생산 직원이 기술 직원에게 다음 정기보고를 해야 하는 시기인, 인적 요인으로 구성된다. 테스트 시스템은 관찰된 편차를 즉시 표시하고 생성된 메시지를 통해 조치를 제안하거나 지시한다. 즉, 테스트 시스템은, 특정 검사 또는 측정이 필요할 때 라인 직원에게 직접 지시를 제공 및/또는 기술 직원이 일상적으로 또는 요청에 따라 도착할 때까지 일시적으로 생산 직원의 안내를 이어 받는다. 알람을 구성하고 문서화한 메시지를 사용하면, 생산 직원에 속한 직원은, 결함이 매우 드물게 발생하기 때문에 아무것도 알아 차리지 못했거나 이를 구현할 생각이 없다는 변명을 하기가 어려울 수 있다. 테스트 시스템에서 생성된 메시지를 통해, 성능 결함에 대응하는 즉각적인 처리가 시작되고, 이는 장기간의 고장시간(downtime)을 방지함으로써 상당한 생산 비용 절감으로 이어진다.
또한, 새로 추가될 유도 규칙(derivation rule)은 바로 사용할 수 있으며 교육을 통해 라인 직원에게 먼저 설명 할 필요가 없다.
바람직하게는, 광전자 태양 전지 테스트 시스템은 통신 장치가 다음과 같은 방식으로 적용되고 구성되는 것을 특징으로 한다:
- 노광 및 측정 장치에 배열된 디스플레이 장치 및/또는
- 제어 및 평가 유닛에 배열된 디스플레이 장치 및/또는
- 인-라인 태양 전지 생산 공장의 공정 장치에 배열된 디스플레이 장치 및/또는
-모바일 디지털 단말기
적어도 하나의 처리 제안 및/또는 적어도 하나의 처리 지시를 적어도 하나의 할당된 개인 그룹에 전달한다. 처리 제안 및 처리 지시의 전달에 사용되는 매체의 선택은 상황에 따라 이 경우에서 수행된다. 다수의 개인 그룹이 할당된 경우, 통신은 동일하거나 다른 통신 매체로 수행될 수 있다.
광전자 태양 전지 테스트 시스템은 유리하게 개선되어, 통신 장치는 적어도 하나의 파생된 처리 제안 및/또는 적어도 하나의 파생된 처리 지시의 기능으로써 적어도 하나의 구체적인 할당된 개인 그룹을 선택하는 방식으로 적용되고 구성된다.
처리 제안 및 처리 지시는 매우 다른 방식으로 전달될 수 있다. 예를 들어, 작업중인 생산 직원에게 자동으로 전송될 수 있다. 처리 제안 및 처리 지시 형태의 표시는, 특정 표시등, 특정 경보음, 텍스트 형식의 디스플레이 표시, 또는 이들의 조합으로 전달될 수 있다. 공정 결함의 특성과 심각도에 따라, 메시징은 더 큰 범위의 개인에게 할당된 개인 그룹에 수행될 수 있다. 이 경우, 통신 매체 및 메시징 내용이 다를 수 있다. 예를 들어 사소한 공정 편차는 디스플레이에 "주의"로만 표시되며 이 공정 장치를 담당하는 생산 직원을 위한 교육 기능이 없다. 예를 들어, 주요 공정 결함은 특수 경보음을 통해 전달될 수 있으며, 해당 구성 인터페이스에서 인지되어야 하며, 처리 지시의 형태로 생산 직원에게 기결정된 조치를 촉구한다. 이 경우, 교대 감독 직원에게 보고가 있다. 매우 심각한 경우에는, 생산 감독 직원만 확인해야 하는 생산 중단 요구 사항이 발생할 수 있다. 이 작업은 온라인에서 원격으로 수행할 수도 있다.
심각한 경우에는, 시스템이 생산 직원을 지시할 권한이 있을 수 있으며 일반적으로 처리 제안이 있다. 심각도에 따라, 이를 승인하고 확인해야 한다. 이것이 발생하지 않으면, 메시징이 동일한 또는 다른 방식으로 대체 할당된 개인 그룹에 수행된다. 메시지의 관련성에 따라, 기술 직원 및/또는 계층적으로 상위에 있는 사람들에게 이에 적합한 디지털 단말기와 텍스트/음성 메시지를 통한 통신을 통해 직접 알릴 수 있다. 관련성은 예를 들어 임계 값을 초과하는 것과 관련이 있을 수 있거나 승인되지 않은 생산 직원에 대한 보고로 인해 발생할 수 있다. 메시징 방식은, 예를 들어 처리 제안을 처리 지시로 변경함으로써, 프로세스 결함의 지속 기간이 증가함에 따라 더 높은 관련성 수준으로 확대될 수 있다.
유리하게는, 광전자 태양 전지 테스트 시스템은 제어 및 평가 유닛이 하기의 것들을 하도록 조정되고 구성되는 것을 특징으로 한다:
- 생산 측정 장치의 수신된 생산 측정 값을 통해 생산 측정 데이터의 통계 분석을 수행, 및/또는
- 생산 측정 장치에서부터 생산 측정 데이터의 생산 측정 장치에서 생성된 통계 분석을 수신. 통계 분석은 통상적인 평균 및 분산 분석을 포함한다. 테스트 측정 및 생산 측정을 지속적으로 수행하기 위해, 제어 및 평가 유닛에 의해 중앙에서 수행되거나 해당 평가가 이미 해당 구성된 생산 측정 장치에 의해 수행되며, 이후에 통계 평가 결과를 제어 및 평가 유닛으로 전송한다.
바람직하게, 유도 규칙은 제어 및 평가 유닛의 디지털 메모리에 저장된다. 사용할 수 있는 유도 규칙은 사용 가능한 테스트 측정 및 생산 측정에 의존한다. 활성화 가능한 유도 규칙은 기술 직원이 선택한다.
특히 바람직하게는, 유도 규칙은 디지털 인터페이스를 통해 수정될 수 있는 방식으로 제어 및 평가 유닛의 디지털 메모리에 저장된다. 이러한 개선은 처리 제안 및/또는 처리 지시의 형태로 생성되는 새로운 추가 유도 규칙 및 메시지는 기술 직원에 의해 프로그램밍될 수 있다는 이점이 있다. 마찬가지로, 기술 직원은 서로 다른 상관 시나리오에서 전체 데이터를 사용하여 시스템을 경험적으로 관찰하여 추가 유도 규칙 및 메시지를 결정할 수 있다.
광전자 태양 전지 테스트 시스템의 유리한 개선에 따르면, 노출 및 측정 장치의 디스플레이 장치 및/또는 제어 및 평가 유닛의 디스플레이 장치 및/또는 공정 장치 및/또는 모바일 디지털의 디스플레이 장치 단말기는, 적어도 하나의 구체적으로 할당된 개인 그룹에 의해 생성된 수신 확인 신호를 수신하도록 구성되고 적용된다. 이러한 수신 확인 신호는 처리 제안 및/또는 처리 지시의 형태로 메시지를 통신하는 경우에 요청된다. 요청된 수신 확인 신호가 도착하지 않으면 요청이 반복된다. 메시지의 관련성 수준에 따라, 수신 확인 신호가 여전히 도착하지 않으면, 추가 개인 그룹이 할당되고 통보될 수 있다.
바람직하게는, 광전자 태양 전지 테스트 시스템은, 노출 및 측정 장치의 디스플레이 장치 및 / 또는 제어 및 평가 유닛의 디스플레이 장치 및 / 또는 프로세스 장치의 디스플레이 장치 및 / 또는 모바일 디지털 단말기 중 적어도 하나가 평가 신호를 받도록 구성되고 적용되는데, 평가 신호는 적어도 하나의 할당된 개인 그룹에서 제어 및 평가 유닛에서 생성된 처리 제안 및/또는 제어 및 평가 유닛에서 생성된 처리 지시가 할당된 개인 그룹의 관점에서 적절한지 여부를 통신한다. 이러한 평가 신호는 바람직하게는 기술 직원의 부분에서 평가되며 이후에 사용되는 유도 규칙을 확인하고 필요한 경우 조정하거나 폐기하는데 사용된다.
대안으로서, 데이터의 통계적 분석과 유도 규칙의 적용과의 상관 후에 생성된 처리 제안 및/또는 처리 지시의 형태로 메시지를 간단히 저장하는 것도 마찬가지로 가능하다. 이어서, 기술 직원이 메시지의 적합성을 체크하고 확인하거나 거부할 수 있다. 이 피드백의 도움으로, 유도 규칙이 수동으로 조정되어 최적화된다.
평가 신호를 사용하여 상술한 광전자 태양 전지 테스트 시스템의 한 가지 바람직한 개선에서, 제어 및 평가 유닛은, 생성된 처리 제안 및 처리 지시와 그에 대한 응답으로 획득된 평가 신호 사이의 통계 분석을 수행하고, 이러한 통계 분석을 기반으로 사용중인 유도 규칙을 확인하고 조정하도록 적용되고 구성된다. 이 변형에서, 자가 학습 시스템은 제공하기 위해, 상술한 기술 직원의 평가 작업이 대부분 또는 전체적으로 자동화된다. 이를 위해, 인공 지능을 가진 시스템을 예를 들어 신경망에 의해 사용되고 훈련될 수 있다.
본 발명의 목적은 또한 전술한 광전자 태양 전지 테스트 시스템을 사용하여 인-라인 태양 전지 생산 공장을 통해 태양 전지 생산을 최적화하는 방법에 의해 달성된다. 인-라인 태양 전지 생산 공장은, 위에서 설명한 바와 같이, 생산 측정 데이터를 생성하기 위해 생산 측정을 수행하기 위한 공정 측정 장치를 갖는 다수의 공정 장치로 구성된다.
바람직하게는, 태양 전지의 인-라인 생산을 최적화하는 방법은
- 다른 테스트 측정의 테스트 측정 데이터에 대한 통계적 분석이 서로 연관 및/또는
- 테스트 측정의 테스트 측정 데이터에 대한 통계적 분석이 생산 측정 데이터의 통계적 분석과 연관 및/또는
- 테스트 측정 데이터의 통계 분석이 생산 입력 데이터와 상관 및/또는
- 생산 측정 데이터의 통계 분석이 생산 입력 데이터와 상관된 점에서 개선되며,
상관 관계 결과를 생성하고, 유도 규칙의 도움으로 태양 전지의 인-라인 생산에 관련된 적어도 하나의 개인 그룹에 할당된 적어도 하나의 처리 제안 및/또는 적어도 하나의 처리 지시를 도출하기 위해, 적어도 하나의 처리 제안 및/또는 적어도 하나의 처리 지시는 적어도 하나의 할당 된 개인 그룹으로 전송된다. 전체 데이터 공간에서 다양한 데이터 그룹들 서로의 상관 관계 및 그로 인한 이미지로부터, 인-라인 생산 시퀀스에서 부분적으로 제조된 태양 전지가 아직 테스트 측정으로 진행되지 않았더라도, 성능 손실의 임박함을 이미 예측할 수 있다. 이러한 방식으로 이러한 성능 손실을 더 일찍 대응할 수 있다.
바람직하게는, 태양 전지의 인-라인 생산을 최적화하는 방법은, 광전자 태양 전지 테스트 시스템의 유도 규칙이 최적화된 품질의 태양 전지의 생산을 목적으로 피드백 시스템에 의해 확인되고 적용된다는 점에서 개선되며, 피드백 시스템은 태양 전지의 인-라인 생산과 관련된 적어도 한 사람 그룹에 의해 피드백 정보를 제공받는다. 특히 바람직하게는, 기술 직원은 관계에 대한 포괄적인 지식과 생산공장에서 경험적으로 얻은 경력을 바탕으로 이 작업에 할당된다. 완전수동 최적화 또는 부분자동 최적화를 수행할 수 있다. 부분적으로 자동화된 최적화의 경우, 시스템은 기술직원이 확인, 조정 또는 폐기하는 유도 규칙의 특정 수정을 이미 제안한다. 이 경우, 인공 지능을 가진 시스템이, 예를 들면 신경망에 의해 사용되고 훈련된다.
태양전지의 인-라인 생산을 최적화하는 방법의 또다른 유리한 변형에 따르면, 유도규칙은 자동화된 최적화 프로그램에 의해 확인되고 적용된다. 책임있는 기술 직원은 여전히 확인되고 조정된 유도규칙의 타당성 모니터링에 사용될 수 있다.
태양 전지의 인-라인 생산을 최적화하기 위한 방법의 바람직한 개선은, 승인 시간이 경과된 후 할당된 개인 그룹 측에서 응답이 없는 처리 지시 및/또는 처리 지시를 더 눈에 띄거나 더 높은 관련성 레벨 및/또는 다른 개인 그룹에 전달한다. 이러한 방식으로, 테스트 시스템에서 생성된 메시지에 대한 즉각적인 응답이 보장된다. 따라서, 인-라인 생산 공장에서 생산된 태양 전지의 성능 손실이 임박했거나 이미 시작된 경우, 초기 대응을 위한 응답 시간에서, 의도하지 않은 메시지 간과 또는 메시지의 고의적 무시가 발생할 가능성이 줄어든다.
유리하게는, 태양 전지의 인-라인 생산을 최적화하기 위한 방법이 개선되어, 마모 징후 및/또는 공정 장치의 유지 보수 요구 사항을 나타내는 데이터 패턴이 생성된 상관 결과로부터 결정된다. 테스트 측정 및 생산 측정의 전체 데이터 공간을 다차원적으로 고려할 때, 프로세스 장치에 대한 마모 징후 및 유지 관리 요구 사항이 조기에 눈에 띄게 표시되어, 필요 시 신속하게 대응하기 위한 유지 보수를 위한 해당 조치 또는 교체할 마모 부품을 이미 준비할 수 있기 때문에 장기간 생산 다운타임으로 생산 중단을 피할 수 있다. 그러므로, 이러한 방식으로 인-라인 생산 공장의 가동 중단 시간이 더욱 줄어들고 생산 비용이 절감된다.
본 발명의 추가 양태는, 테스트 시스템과 첨부된 도면으로 이러한 테스트 시스템을 이용하여, 인-라인 생산을 최적화하는 방법의 예시적인 실시예의 도움으로 설명될 수 있다:
도 1은 개략적인 표현으로, 인-라인 태양 전지 생산 공장에 통합된 광전자 태양 전지 테스트 시스템의 예시적인 실시예를 보여준다.
도 2는 특히 도 1에 나타낸 광전자 태양 전지 테스트 시스템을 사용하여 인-라인 태양 전지 생산 공장을 통해 태양 전지 생산을 최적화하는 방법의 예시적인 실시예를 보여준다.
여기에서, 인-라인 태양 전지 생산 공장은 다수의 공정 장치들(PE1, PE2, Pen)의 선형 배열로 개략적이고 예시적으로 도시된다. 이러한 인-라인 생산 공장에서, 예를 들어, 태양 전지(SC)는 반도체 웨이퍼를 기반으로 생산될 수 있다. 최종적으로 생산된 태양 전지(SC)는 그들의 품질 파라미터를 결정하기 위해 노출 및 측정 장치(10)에 의해 측정된다. 노출 및 측정 장치(10)는 광전자 태양 전지 테스트 시스템의 일부이며, 이는 기술 용어로 "플래셔(flasher)"로도 지칭된다. 품질 파라미터를 결정하기 위해, 일반적으로 테스트 측정 데이터(TM)를 생성하기 위해 일련의 테스트 측정이 수행된다.
각각의 태양 전지(SC)로부터 결정된 테스트 측정 데이터(TM)는 테스트 시스템에 할당된 제어 및 평가 유닛(20)에 공급된다. 또한 이 제어 및 평가 유닛(20)은 할당된 적어도 하나의 생산 측정 장치(PM1, PM2, PMn)에 장착된 각 공정 장치(PE1, PE2, PEn)로부터 생산 측정 데이터(PM)를 수신한다. 생산 측정 장치(PM1, PM2, PMn) 각각은 각각 특정 생산 측정 데이터(PM)를 생성한다. 이들 생산 측정 데이터(PM)는 차례로 테스트 시스템의 제어 및 평가 유닛(20)에 공급된다.
이 경우, 각 생산 측정 장치(PM1, PM2, PMn)에서 생성된 생산 측정 데이터(PM)에 대한 어느 정도의 평가는 생산 측정 장치(PM1, PM2, PMn) 부분에서 이미 수행될 수 있다. 그리고, 생산 측정 장치(PM1, PM2, PMn)는 생산 측정 데이터(PM)를 생성할 뿐만 아니라 자체 평가 유닛을 통해 추가로 처리하도록 구성된다. 이는 또한, 생산 측정 데이터(PM)로 이어지지만, 이미 완전히 또는 부분적으로 처리된 형태로 제어 및 평가 유닛(20)에 공급된다. 공정 측정 데이터(PM)의 전체 또는 부분 처리 동안, 공정 측정 데이터(PMstat)의 통계 분석이 생성된다. 예를 들어, 여기에는 시간 평균 및/또는 분산 분석 값의 형성이 포함된다. 그러나, 생산 측정 장치(PM1, PM2, PMn)의 해당 평가 유닛이 부족한 경우, 이러한 분석은 마찬가지로 광전자 태양 전지 테스트 시스템의 제어 및 평가 유닛(20)에서 중앙에서 수행될 수 있다. 제어 및 평가 유닛(20)은 구조적으로 노출 및 측정 장치(10)에 밀접하게 결합될 수 있다. 또한, 이 기능이 테스트 측정 데이터(TM)가 생성되는 장소로부터 분리되어 공간적으로 발생하는 것이 타당할 수 있다. 테스트 측정 데이터(TM)가 제어 및 평가 유닛(20)에 공급되는 것을 확인하기만 하면 된다.
생산 측정 데이터(PM)는 공정 장치(PE1, PE2, PEn)의 영역에서 다양한 측정에 의해 생성될 수 있다. 특히, 이는 각각의 공정 장치(PE1, PE2, PEn)에서 부분적으로 처리된 태양 전지(SC)에 대한 측정이다. 대안으로서 또는 추가적으로, 공정 장치의 생산 측정 장치(PM1, PM2, PMn)는 또한 각각의 공정 장치(PE1, PE2, PEn)에서 발생하는 공정 파라미터의 형태로 생산 측정 데이터(PM)를 생성한다. 품질 보증을 위해, 어떤 경우에도 측정을 통해 이러한 공정 파라미터를 모니터링해야 한다. 이 정도로, 광전자 태양 전지 테스트 시스템의 모든 실시예의 생산 측정 장치(PM1, PM2, PMn)는 하나 또는 다른 변형의 많은 유형의 생산 측정 데이터를 생성하고 제공하는 방식으로 구성되고 적용된다.
추가 데이터 흐름으로서, 소위 생산 입력 데이터(PED)가 제어 및 평가 유닛(20)에 공급된다. 이들은 태양 전지를 형성하기 위해 추가로 처리되도록 사용된 원료의 재료 파라미터 및 각각의 공정 장치(PE1, PE2, PE)의 개별 공정 방법에 사용된 소모품의 재료 파라미터이다.
제어 및 평가 유닛(20)이 이용할 수 있는 전체 데이터 공간에서, 후자는 통계 분석을 수행하고 이들을 서로 연관시킨다. 데이터의 분석 및/또는 상관에서, 유도 규칙의 도움으로 처리 제안 또는 처리 지시가 생성된다. 이 방법은 도 2와 관련하여 아래에서 더 상세히 설명될 것이다. 이러한 처리 제안 또는 처리 지시는 테스트 시스템에 속하는 통신 장치(21)를 통해 처리 장치(PE1, PE, PEn)의 디스플레이 장치(PD1, PD2, PDn)로 전송된다. 추가로 또는 대안으로서, 처리 제안 또는 처리 지시는 또한 제어 및 평가 유닛(20)에 속하는 디스플레이 장치(22) 또는 노광 및 측정 장치(10)에 속하는 디스플레이 장치(12)에 표시될 수 있다.
특히, 공정 장치(PD1, PD2, PDn)의 디스플레이 장치를 통해 인-라인 태양 전지 생산 공장을 따라, 처리 제안 또는 처리 지시는 다양한 개인 그룹(PG1, PG2, PGn)의 주목을 받는다. 처리 장치(PD1, PD2, PDn)의 디스플레이 장치에 추가로 또는 대안으로서, 처리 지시는 통신 장치(21)를 통해 무선으로 각각 할당된 개인 그룹(PG1, PG2, PGn)의 모바일 단말(M1, M2, Mn)으로 전송될 수도 있다.
제어 및 평가 유닛(20)은 유도 규칙이 저장되는 디지털 메모리(23)를 더 포함한다. 이 실시예에서, 제어 및 평가 유닛(20)의 디지털 인터페이스(24)가 추가로 제공되며, 이에 의해 유도 규칙은 연결될 기기에 의한 수정될 수 있다.
도 2는 특히 도 1에 나타낸 광전자 태양 전지 테스트 시스템을 사용하여 인-라인 태양 전지 생산 공장을 통해 태양 전지의 생산을 최적화하는 방법의 예시적인 실시예를 보여준다. 이 방법은 태양 전지 테스트 시스템의 제어 및 평가 유닛(20)에서 기능적으로 수행된다. 이를 위해, TMstat라고 불리는 태양 전지 테스트 시스템의 노광 및 측정 장치(10)에서 제공하는 테스트 측정 데이터(TM)의 통계 분석이 제어 및 평가 유닛(20)에서 수행된다. 또한, 이러한 통계 분석은 생산 측정 장치(PM1, PM2, PMn)의 일부에서 생성된 생산 측정 데이터(PM)를 가지고 수행될 수 있다. 상술한 바와 같이, 생산 측정 장치(PM1, PM2, PMn)는 각 공정 장치(PE1, PE2, PEn)에서 발생하는 처리 방법의 범위에서 측정을 수행하고, 얻어진 측정 값을 생산 측정 데이터(PM)로서 제공한다. 생산 측정 데이터(PMstat)의 통계적 분석은 생산 측정 장치(PM1, PM2, PMn)의 대응하는 평가 유닛 및/또는 태양 전지 테스트 시스템의 제어 및 평가 유닛(20)에 의해 이미 생성될 수 있다. 따라서, 테스트 측정 데이터(TMstat)의 통계 분석, 생산 측정 데이터(PMstat)의 통계 분석, 및 상술한 생산 입력 데이터(PED)가 있다. 이러한 데이터로부터, 상관 분석(201)은 상관 결과를 생성하기 위해 제어 및 평가 유닛(20) 내에서 수행된다. 이러한 상관 결과는 유도 규칙(202)을 사용하여 추가 방법 단계에서 처리된다. 그 결과, 유도 규칙(202)의 적용은 적어도 하나의 처리 제안(203) 및/또는 적어도 하나의 처리 지시(204)를 전달하고, 및/또는 추가 테스트 측정을 전달하고, 테스트 측정 데이터(TMstat)의 통계 분석, 생산 측정 데이터(PMstat) 및 생산 입력 데이터(PED)의 통계 분석에서 선택된 추가 테스트 측정 데이터(TM) 또는 생산 측정 데이터(PM) 또는 적어도 하나의 추가 상관은 상관 결과(201)에 대한 유도 규칙(202)의 새로운 적용이 발생하기 전에 요청된다. 생성된 처리 제안(203) 및 처리 지시(204)는, 제어 및 평가 유닛(20)의 통신 장치(21)를 통해 인-라인 태양 전지 생산 공장 내의 다양한 작업 영역에서 작업중인 다양한 개인 그룹(PG1, PG2, PGn)에 전송된다. 이들 개인 그룹(PG1, PG2, PGn)은 바람직하게는 처리 제안(203) 및/또는 처리 지시(204)가 공지되었음을 확인하는 수신 확인 신호(EQ1, EQ2, EQ)를 생성한다. 바람직하게는, 이전에 수신된 처리 제안(203) 및 처리 지시(204)와 관련된 평가 신호 또한 다양한 개인 그룹(PG1, PG2, PGn)의 일부에서 생성된다. 이러한 방식으로, 일종의 피드백 루프에 의해, 제어 및 평가 유닛(20)은 수신된 처리 제안(203) 및/또는 처리 지시(204)가 다양한 개인 그룹(PG1, PG2, PGn)의 일부에서 적절하게 분류되었는지 및 어느 정도인지를 인식하도록 의도된다. 이 피드백 루프는 제어 및 평가 유닛(20)에 자가 학습 기능을 갖추기 위해 사용될 수 있다.
10: 노출 및 측정 장치 12: 노출 및 측정 장치의 디스플레이 장치
20: 제어 및 평가 유닛
200: 테스트 측정 데이터 및 생산 측정 데이터의 통계 분석
201: 테스트 측정 데이터의 통계 분석 및/또는 생산 측정 데이터 및/또는 생산 입력 데이터의 통계 분석의 상관 관계에서 얻은 상관 관계 결과
202: 상관 관계 결과에 파생 규칙 적용
203: 처리 제안 204: 처리 지시
205: 피드백 시스템 21: 통신 장치
22: 제어 및 평가 유닛의 디스플레이 장치
23: 제어 및 평가 유닛의 디지털 메모리
24: 제어 및 평가 유닛의 디지털 인터페이스
PE1, PE2, Pen: 인-라인 태양 전지 생산 공장의 공정 장치
PM1, PM2, PMn: 공정 장치의 생산 측정 장치
PD1, PD2, PDn: 공정 장치의 디스플레이 장치
TM: 테스트 측정 데이터
TMstat: 테스트 측정 데이터의 통계 분석
PM: 생산 측정 데이터 PMstat: 생산 측정 데이터의 통계 분석 PED: 생산 입력 데이터 PG1, PG2, PGn: 할당된 개인 그룹
M1, M2, Mn: 할당된 개인 그룹의 모바일 단말기
EQ1, EQ2, EQn: 개인 그룹에 의해 생성된 수신 확인 신호
F1, F2, Fn: 개인 그룹이 전달하는 평가 신호
SC: 태양 전지
20: 제어 및 평가 유닛
200: 테스트 측정 데이터 및 생산 측정 데이터의 통계 분석
201: 테스트 측정 데이터의 통계 분석 및/또는 생산 측정 데이터 및/또는 생산 입력 데이터의 통계 분석의 상관 관계에서 얻은 상관 관계 결과
202: 상관 관계 결과에 파생 규칙 적용
203: 처리 제안 204: 처리 지시
205: 피드백 시스템 21: 통신 장치
22: 제어 및 평가 유닛의 디스플레이 장치
23: 제어 및 평가 유닛의 디지털 메모리
24: 제어 및 평가 유닛의 디지털 인터페이스
PE1, PE2, Pen: 인-라인 태양 전지 생산 공장의 공정 장치
PM1, PM2, PMn: 공정 장치의 생산 측정 장치
PD1, PD2, PDn: 공정 장치의 디스플레이 장치
TM: 테스트 측정 데이터
TMstat: 테스트 측정 데이터의 통계 분석
PM: 생산 측정 데이터 PMstat: 생산 측정 데이터의 통계 분석 PED: 생산 입력 데이터 PG1, PG2, PGn: 할당된 개인 그룹
M1, M2, Mn: 할당된 개인 그룹의 모바일 단말기
EQ1, EQ2, EQn: 개인 그룹에 의해 생성된 수신 확인 신호
F1, F2, Fn: 개인 그룹이 전달하는 평가 신호
SC: 태양 전지
Claims (15)
- - 태양 전지의 인-라인 측정을 위한 노출 및 측정 장치(10), 및
- 상기 노출 및 측정 장치(10)에 결합된 제어 및 평가 유닛(20)을 포함하되,
상기 노출 및 측정 장치(10)는 테스트 측정 데이터를 생성하기 위한 태양 전지(SC)에 대한 적어도 하나의 테스트 측정(TM)을 수행하도록 구성되고 적용되며,
상기 테스트 측정(TM)은 하기의 그룹으로부터 선택되며:
- 상기 태양 전지의 국부적 단락을 확인하기 위해 역방향으로 통전된 태양 전지의 적외선 이미지 측정,
- 상기 태양 전지의 적어도 하나의 전류-전압 특성 곡선을 측정하기 위해 노출 스펙트럼으로 플래시 노출,
- 상기 태양 전지의 스펙트럼 분해 전류 특성 곡선을 측정하기 위해 및/또는 상기 태양 전지의 준 외부 양자 효율을 측정하기 위해 스펙트럼으로 차별화된 다수의 플래시 노출,
- 상기 태양 전지 재료의 미세 균열을 확인하기 위해 및/또는 전극 구조 중단 및/또는 전극 구조와 기판 사이의 접촉 문제를 확인하기 위해 및/또는 전기적으로 비활성 영역 및/또는 국부적 단락을 확인하기 위해 상기 태양 전지의 전계 발광 측정,
- 상기 태양 전지의 직렬 저항을 계산하기 위해, 상기 태양 전지의 명 특성(bright characteristic) 곡선과 암 특성(dark characteristic) 곡선을 측정,
- 상기 금속 전극 구조의 품질을 결정하기 위해 전극 핑거를 포함하는 상기 전극 구조의 저항 측정,
상기 제어 및 평가 유닛(20)은 동일한 테스트 측정(TM)의 테스트 측정 데이터로 통계 분석(200)을 수행하고, 인-라인 생산된 복수의 태양 전지(SC)에 대해 노출 및 측정 장치(10)를 통해 하기를 수행하며, 및
- 서로 다른 테스트 측정(TM)의 상기 테스트 측정 데이터(TMstat)의 상기 통계적 분석(200)을 서로 연관, 및/또는
- 상기 테스트 측정 데이터(TMstat)의 통계 분석을 생산 입력 데이터(PED)와 연관,
상관 관계 결과(201)를 생성하고, 상기 태양 전지의 상기 인-라인 생산에 관련된 적어도 하나의 개인 그룹(PG1, PG2, PGn)에 할당되는 적어도 하나의 처리 제안(203) 및/또는 적어도 하나의 처리 지시(204)를 도출하기 위해, 유도 규칙(202)의 도움으로 상기 상관 결과(201)로부터, 상기 제어 및 평가 유닛(20)은 상기 적어도 하나의 처리 제안(203) 및/또는 적어도 하나의 처리 지시(204)를 적어도 하나의 할당된 상기 개인 그룹(PG1, PG2, PGn)에 전달하는 것을 특징으로 하는 인-라인 태양 전지 생산 공장용 광전자 태양 전지 테스트 시스템. - 제 1 항에 있어서, 통신 장치(21)는 하기 방식으로 적용되고 구성되고,
- 상기 노광 및 측정 장치(10)에 배치된 디스플레이 장치(12) 및/또는
- 상기 제어 및 평가 유닛(20)에 배치된 디스플레이 장치(22) 및/또는
- 상기 인-라인 태양 전지 생산 공장의 공정 장치(PE1, PE2, PEn)에 배치된 디스플레이 장치(PD1, PD2, PDn) 및/또는
- 모바일 디지털 단말기(M1, M2, Mn)
상기 적어도 하나의 처리 제안(203) 및/또는 상기 적어도 하나의 처리 지시(204)를 상기 적어도 하나의 할당된 개인 그룹(PG1, PG2, PGn)에 전달하는 것을 특징으로 하는 광전자 태양 전지 테스트 시스템. - 제 2 항에 있어서, 상기 통신 장치(21)는, 상기 통신 장치(21)가 적어도 하나의 할당된 처리 제안 (203) 및 / 또는 적어도 하나의 할당된 처리 지시 (204)의 함수로서 적어도 하나의 특별히 할당된 개인 그룹 (PG1, PG2, PGn)을 선택하는 방식으로 적용되고 구성되는 것을 특징으로 하는 광전자 태양 전지 테스트 시스템.
- 제 2 항에 있어서, 상기 제어 및 평가 유닛(20)은
- 생산 측정 장치(PM1, PM2, PMn) 및/또는 수신된 생산 측정 값(PM)을 통해 생산 측정 데이터(PMstat)의 통계 분석을 수행하도록, 및/또는
- 상기 생산 측정 장치(PM1, PM2, PMn)로부터 상기 생산 측정 데이터(PMstat)의 상기 생산 측정 장치(PM1, PM2, PMn)에서 생성된 상기 통계 분석을 수신하도록 적용되고 구성되는 것을 특징으로 하는 광전자 태양 전지 테스트 시스템. - 제 4 항에 있어서, 상기 유도 규칙(202)은 상기 제어 및 평가 유닛(20)의 디지털 메모리(23)에 저장되는 것을 특징으로 하는 광전자 태양 전지 테스트 시스템.
- 제 5 항에 있어서, 상기 유도 규칙(202)은 디지털 인터페이스(24)를 통해 수정될 수 있는 방식으로 상기 제어 및 평가 유닛(20)의 상기 디지털 메모리(23)에 저장되는 것을 특징으로 하는 광전자 태양 전지 테스트 시스템.
- 제 6 항에 있어서, 상기 노출 및 측정 장치(10)의 디스플레이 장치(12) 및/또는 상기 제어 및 평가 유닛(20)의 디스플레이 장치(22) 및/또는 상기 처리 장치(PE1, PE2, PEn)의 디스플레이 장치(PD1, PD2, PDn), 및/또는 상기 모바일 디지털 단말기(M1, M2, Mn)는 적어도 하나의 특별히 할당된 개인 그룹(PG1, PG2, PGn)에 의해 생성된 수신 확인 신호(EQ1, EQ2, EQn)를 수신하도록 구성되고 적용되는 것을 특징으로 하는 광전자 태양 전지 테스트 시스템.
- 제 2 항에 있어서, 상기 노출 및 측정 장치(10)의 디스플레이 장치(12) 및/또는 상기 제어 및 평가 유닛(20)의 디스플레이 장치(22) 및/또는 상기 처리 장치(PE1, PE2, PEn)의 디스플레이 장치(PD1, PD2, PDn), 및/또는 상기 모바일 디지털 단말기(M1, M2, Mn) 중 적어도 하나는 평가 신호(PG1, PG2, PGn)를 수신하도록 구성되고 적용되며, 상기 평가 신호(PG1, PG2, PGn)는 상기 적어도 하나의 할당된 개인 그룹(PG1, PG2, PGn)의 일부와 상기 제어 및 평가 유닛(20)에 의해 생성된 처리 제안(203) 및/또는 상기 제어 및 평가 유닛(20)에 의해 생성된 처리 지시(204)가 상기 할당된 개인 그룹(PG1, PG2, PGn)에 적절한지를 통신하는 것을 특징으로 하는 광전자 태양 전지 테스트 시스템.
- 제 8 항에 있어서, 상기 제어 및 평가 유닛(20)은 생성된 처리 제안(203)과 처리 지시(204) 및 이에 대한 응답으로 획득한 상기 평가 신호(F1, F2, Fn) 사이의 통계분석을 수행하고, 상기 통계분석을 기반으로 상기 유도 규칙(202) 확인하고 적용하도록 적용되고 구성되는 것을 특징으로 하는 광전자 태양 전지 테스트 시스템.
- 제 1 항 내지 제 9 항 중 어느 한 항에 따른 광전자 태양 전지 테스트 시스템을 사용하여 인-라인 태양 전지 생산 공장을 통해 태양 전지 생산을 최적화하는 방법으로서, 상기 인-라인 태양 전지 생산 공장은 생산 측정 데이터(PMstat)를 생성하기 위한 공정 측정 장치(PM1, PM2, PMn)를 갖는 다수의 공정 장치(PE1, PE2, PEn)로 구성된 태양 전지의 인-라인 생산 최적화 방법.
- 제 10 항에 있어서,
- 다른 테스트 측정의 상기 테스트 측정 데이터(TMstat)에 대한 상기 통계적 분석이 서로 상관되고, 및/또는
- 테스트 측정의 상기 테스트 측정 데이터(TMstat)의 상기 통계적 분석은 생산 측정의 상기 생산 측정 데이터(PMstat)의 통계적 분석과 상관되고, 및/또는
- 상기 테스트 측정 데이터(TMstat)의 상기 통계적 분석은 생산 입력 데이터(PED)와 상관되고, 및/또는
상기 생산 측정 데이터(PMstat)의 상기 통계 분석은 생산 입력 데이터(PED)와 상관되고,
상관 관계 결과(201)를 생성하고 상기 태양 전지의 상기 인-라인 생산에 관련된 적어도 하나의 개인 그룹(PG1, PG2, PGn)에 할당되는 적어도 하나의 처리 제안(203) 및/또는 적어도 하나의 처리 지시(204)를 도출하기 위해, 유도 규칙(202)의 도움으로 상기 상관 결과(201)로부터, 상기 제어 및 평가 유닛(20)은 상기 적어도 하나의 처리 제안(203) 및/또는 적어도 하나의 처리 지시(204)를 적어도 하나의 할당된 상기 개인 그룹(PG1, PG2, PGn)에 전달하는 것을 특징으로 하는 태양 전지의 인-라인 생산 최적화 방법. - 제 11 항에 있어서, 상기 광전자 태양 전지 테스트 시스템의 상기 유도 규칙(202)이 최적화된 품질의 태양 전지를 생산할 목적으로 하는 피드백 시스템에 의해 확인되고 적용되며, 상기 피드백 시스템(205)은 상기 태양 전지의 인-라인 생산에 관여하는 적어도 하나의 개인 그룹(PG1, PG2, PGn)에 의해 피드백 정보(F1, F2, Fn)를 제공받는 것을 특징으로 하는 태양 전지의 인-라인 생산 최적화 방법.
- 제 12 항에 있어서, 상기 유도 규칙(202)이 자동화된 최적화 프로그램에 의해 확인되고 적용되는 것을 특징으로 하는 태양 전지의 인-라인 생산 최적화 방법.
- 제 13 항에 있어서, 승인 시간이 경과한 후 상기 할당된 개인 그룹(PG1, PG2, PGn)에서 응답이 없는 처리 제안(203) 및/또는 처리 지시(204)는 더 높은 주목도 또는 더 높은 관련성 레벨로 전달되고 및/또는 추가 개인 그룹(PG1, PG2, PGn)으로 전달되는 것을 특징으로 하는 태양 전지의 인-라인 생산 최적화 방법.
- 제 14 항에 있어서, 공정 장치(PE1, PE2, PEn)의 마모 징후 및/또는 유지 보수 요구 사항을 나타내는 데이터 패턴은 상기 생성된 상관 관계 결과(201)로부터 결정되는 것을 특징으로 하는 태양 전지의 인-라인 생산 최적화 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102018119171.5A DE102018119171A1 (de) | 2018-08-07 | 2018-08-07 | Optoelektronisches Solarzellen-Testsystem für eine inline-Solarzellen-Produktionsanlage und Verfahren zum Optimieren der inline-Produktion von Solarzellen unter Einsatz eines solchen optoelektronischen Solarzellen-Testsystems |
| DE102018119171.5 | 2018-08-07 | ||
| PCT/DE2019/100718 WO2020030232A1 (de) | 2018-08-07 | 2019-08-07 | Optoelektronisches solarzellen-testsystem für eine inline-solarzellen- produktionsanlage und verfahren zum optimieren der inline-produktion von solarzellen unter einsatz eines solchen optoelektronischen solarzellen-testsystems |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210041001A KR20210041001A (ko) | 2021-04-14 |
| KR102672081B1 true KR102672081B1 (ko) | 2024-06-05 |
Family
ID=68051565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217005851A KR102672081B1 (ko) | 2018-08-07 | 2019-08-07 | 인-라인 태양 전지 생산 공장용 광전자 태양 전지 테스트 시스템 및 광전자 태양 전지 테스트 시스템을 사용하여 태양 전지의 인-라인 생산을 최적화하는 방법 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US11374534B2 (ko) |
| EP (1) | EP3834283B1 (ko) |
| KR (1) | KR102672081B1 (ko) |
| CN (1) | CN112567627B (ko) |
| AU (1) | AU2019320328B2 (ko) |
| DE (1) | DE102018119171A1 (ko) |
| WO (1) | WO2020030232A1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210051963A (ko) * | 2019-10-31 | 2021-05-10 | 엘지전자 주식회사 | 서버 |
| CN114967423A (zh) * | 2022-05-09 | 2022-08-30 | 电子科技大学 | 燃料电池测试系统的复合控温方法 |
| CN115808605B (zh) * | 2022-12-09 | 2023-07-04 | 苏师大半导体材料与设备研究院(邳州)有限公司 | 一种半导体材料制备用质量检测装置 |
| DE102023104920A1 (de) * | 2023-02-28 | 2024-08-29 | Institut Für Solarenergieforschung Gmbh | Vorrichtung und verfahren zum multispektralen bestimmen von spektraler bestrahlungsstärkeempfindlichkeit und spannungsabhängigem stromverhalten von photovoltaikeinheiten |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012515984A (ja) * | 2009-01-23 | 2012-07-12 | エムケーエス インストゥルメンツ，インコーポレイティド | 多変量モデルによる製造工程の制御 |
| KR101325356B1 (ko) * | 2012-05-31 | 2013-11-08 | 광운대학교 산학협력단 | 태양전지 품질 측정 방법 및 장치 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100242954B1 (ko) * | 1997-03-31 | 2000-02-01 | 윤종용 | 반도체 제조용 설비의 관리방법 |
| CN101408572A (zh) * | 2007-10-11 | 2009-04-15 | 台达电子工业股份有限公司 | 基板光学检测方法及装置 |
| US8301409B2 (en) * | 2009-12-23 | 2012-10-30 | General Electric Company | Photon imaging system for detecting defects in photovoltaic devices, and method thereof |
| US8849438B2 (en) * | 2010-11-19 | 2014-09-30 | Applied Materials, Inc. | Factory level process and final product performance control system |
| US9645180B1 (en) * | 2011-07-25 | 2017-05-09 | Clean Power Research, L.L.C. | System and method for estimating photovoltaic energy generation for use in photovoltaic fleet operation with the aid of a digital computer |
| CN102645443A (zh) * | 2012-03-28 | 2012-08-22 | 中国科学院上海微系统与信息技术研究所 | 一种光伏探测材料缺陷与器件性能关联性的系统表征方法 |
| EP2850441B1 (en) | 2012-05-14 | 2018-01-03 | Tuv Rheinland (Shanghai) Co., Ltd. | Photovoltaic element evaluation method, measurement system configuration and process for using a measurement system configuration |
| JP2014228517A (ja) * | 2013-05-27 | 2014-12-08 | 国立大学法人 奈良先端科学技術大学院大学 | 太陽電池モジュールの評価方法及びその利用 |
| US9341580B2 (en) * | 2014-06-27 | 2016-05-17 | Applied Materials, Inc. | Linear inspection system |
| US9970863B2 (en) * | 2015-02-22 | 2018-05-15 | Kla-Tencor Corporation | Optical metrology with reduced focus error sensitivity |
| CN104796082A (zh) * | 2015-04-22 | 2015-07-22 | 中国科学院广州能源研究所 | 一种光伏发电系统在线故障诊断系统及方法 |
| CN105281665A (zh) * | 2015-09-29 | 2016-01-27 | 中国电子科技集团公司第四十一研究所 | 一种便携式太阳能电池缺陷检测装置及方法 |
| CN105915179A (zh) * | 2016-04-12 | 2016-08-31 | 哈尔滨工业大学 | 一种晶圆及太阳能电池的光致载流子辐射锁相成像检测方法与系统 |
| CN105789082B (zh) * | 2016-05-18 | 2018-04-06 | 上海柏凌电子科技有限公司 | 一种硅片隐裂检测系统 |
| CN106301222B (zh) * | 2016-10-12 | 2018-05-01 | 河海大学常州校区 | 一种基于el图像分析电池片局部暗电流的方法 |
| CN107014819A (zh) * | 2017-06-09 | 2017-08-04 | 杭州电子科技大学 | 一种太阳能电池板表面缺陷检测系统和方法 |
-
2018
- 2018-08-07 DE DE102018119171.5A patent/DE102018119171A1/de not_active Withdrawn
-
2019
- 2019-08-07 US US17/266,469 patent/US11374534B2/en active Active
- 2019-08-07 EP EP19773341.3A patent/EP3834283B1/de active Active
- 2019-08-07 CN CN201980052605.6A patent/CN112567627B/zh active Active
- 2019-08-07 AU AU2019320328A patent/AU2019320328B2/en active Active
- 2019-08-07 KR KR1020217005851A patent/KR102672081B1/ko active IP Right Grant
- 2019-08-07 WO PCT/DE2019/100718 patent/WO2020030232A1/de unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012515984A (ja) * | 2009-01-23 | 2012-07-12 | エムケーエス インストゥルメンツ，インコーポレイティド | 多変量モデルによる製造工程の制御 |
| KR101325356B1 (ko) * | 2012-05-31 | 2013-11-08 | 광운대학교 산학협력단 | 태양전지 품질 측정 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| US11374534B2 (en) | 2022-06-28 |
| EP3834283C0 (de) | 2023-10-18 |
| US20210305938A1 (en) | 2021-09-30 |
| EP3834283A1 (de) | 2021-06-16 |
| AU2019320328A1 (en) | 2021-02-25 |
| KR20210041001A (ko) | 2021-04-14 |
| CN112567627B (zh) | 2024-06-25 |
| EP3834283B1 (de) | 2023-10-18 |
| CN112567627A (zh) | 2021-03-26 |
| DE102018119171A1 (de) | 2020-02-13 |
| AU2019320328B2 (en) | 2022-09-29 |
| WO2020030232A1 (de) | 2020-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102672081B1 (ko) | 인-라인 태양 전지 생산 공장용 광전자 태양 전지 테스트 시스템 및 광전자 태양 전지 테스트 시스템을 사용하여 태양 전지의 인-라인 생산을 최적화하는 방법 | |
| US11721195B2 (en) | Augmented industrial management | |
| CN104551372B (zh) | 用于对焊接点的质量进行监控和调节的方法 | |
| US20120136470A1 (en) | Process for improving the production of photovoltaic products | |
| US8849438B2 (en) | Factory level process and final product performance control system | |
| KR102636470B1 (ko) | 학습 완료 모델의 생성 방법, 학습 완료 모델, 표면 결함 검출 방법, 강재의 제조 방법, 합부 판정 방법, 등급 판정 방법, 표면 결함 판정 프로그램, 합부 판정 프로그램, 판정 시스템 및, 강재의 제조 설비 | |
| US8335582B2 (en) | Software application to analyze event log and chart tool fail rate as function of chamber and recipe | |
| KR20170130823A (ko) | 중소.중견기업에 최적화된 내장된 i.o.t기술을 응용한 첨단제품 제조 자동화 라인의 설비고장과 품질불량의 가시적 예지 시스템 | |
| KR20190062739A (ko) | 복수의 센서를 활용하여 제조 공정상의 장비 고장을 예지하는 데이터 분석 방법, 알고리즘 및 장치 | |
| CN110837717B (zh) | 一种基于Map图的玻璃面板多元缺陷根因分析方法 | |
| WO2020033934A3 (en) | Smart flow cytometers with self monitoring and self validation | |
| CN109976289A (zh) | 生产线kpi监测方法、装置、电子设备及可读介质 | |
| CN108780312A (zh) | 用于使用路径追踪针对装配线的根本原因分析的方法和系统 | |
| CN115580972A (zh) | 一种智能舞台灯光秀的自动化控制系统及其控制方法 | |
| CN115145505A (zh) | 印刷设备的数据智能化采集与处理方法、系统及介质 | |
| JP2022508398A (ja) | 金属加工装置におけるノズルの状態又はタイプの特定 | |
| CN110399926B (zh) | 一种路灯故障诊断方法及装置 | |
| CN116840240A (zh) | 电源分配器视觉检测系统 | |
| CN104503235B (zh) | 基于改进bp神经网络的电厂设备的状态监测方法 | |
| US20230376024A1 (en) | Device and Method for Identifying Anomalies in an Industrial System for Implementing a Production Process | |
| CN104914676A (zh) | 网板曝光机监控系统 | |
| CN103871921A (zh) | 一种基于服务器的晶圆缺陷监测分析方法 | |
| JP6950727B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 | |
| CN117642707A (zh) | 数据处理方法及装置、数据显示方法及装置、设备和介质 | |
| US20190236508A1 (en) | Kpi spotlight for manufacturing process |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |