KR20070095437A - 자동 결함 복구 시스템 - Google Patents

자동 결함 복구 시스템 Download PDF

Info

Publication number
KR20070095437A
KR20070095437A KR1020077019110A KR20077019110A KR20070095437A KR 20070095437 A KR20070095437 A KR 20070095437A KR 1020077019110 A KR1020077019110 A KR 1020077019110A KR 20077019110 A KR20077019110 A KR 20077019110A KR 20070095437 A KR20070095437 A KR 20070095437A
Authority
KR
South Korea
Prior art keywords
defect
recovery
repair
detected
macro
Prior art date
Application number
KR1020077019110A
Other languages
English (en)
Other versions
KR101387785B1 (ko
Inventor
해리 갤라다
스티븐 반즈
라크쉬만 스리니바산
웨인 왕
Original Assignee
포톤 다이나믹스, 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 포톤 다이나믹스, 인코포레이티드 filed Critical 포톤 다이나믹스, 인코포레이티드
Publication of KR20070095437A publication Critical patent/KR20070095437A/ko
Application granted granted Critical
Publication of KR101387785B1 publication Critical patent/KR101387785B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
    • G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
    • G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour 
    • G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour  based on liquid crystals, e.g. single liquid crystal display cells
    • G02F1/1306—Details
    • G02F1/1309—Repairing; Testing
    • G—PHYSICS
    • G02—OPTICS
    • G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
    • G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
    • G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour 
    • G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour  based on liquid crystals, e.g. single liquid crystal display cells
    • G—PHYSICS
    • G02—OPTICS
    • G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
    • G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
    • G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour 
    • G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour  based on liquid crystals, e.g. single liquid crystal display cells
    • G02F1/133—Constructional arrangements; Operation of liquid crystal cells; Circuit arrangements
    • G02F1/136—Liquid crystal cells structurally associated with a semi-conducting layer or substrate, e.g. cells forming part of an integrated circuit
    • G02F1/1362—Active matrix addressed cells
    • G02F1/136259—Repairing; Defects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays
    • G—PHYSICS
    • G02—OPTICS
    • G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
    • G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
    • G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour 
    • G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour  based on liquid crystals, e.g. single liquid crystal display cells
    • G02F1/133—Constructional arrangements; Operation of liquid crystal cells; Circuit arrangements
    • G02F1/136—Liquid crystal cells structurally associated with a semi-conducting layer or substrate, e.g. cells forming part of an integrated circuit
    • G02F1/1362—Active matrix addressed cells
    • G02F1/136259—Repairing; Defects
    • G02F1/136263—Line defects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2330/00—Aspects of power supply; Aspects of display protection and defect management
    • G09G2330/08—Fault-tolerant or redundant circuits, or circuits in which repair of defects is prepared

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Nonlinear Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Mathematical Physics (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Liquid Crystal (AREA)
  • Devices For Indicating Variable Information By Combining Individual Elements (AREA)
  • Image Processing (AREA)

Abstract

평판 디스플레이(flat panel display; FPD) 기판의 복구 시스템은 자동 이미지 캡쳐 및 처리, 자동 결함 분류, 자동 복구 분류, 및 복구 매크로(지시) 생성 소프트웨어와 같은 다수의 동작을 수행한다. 결함 분류, 복구 분류, 및 복구 매크로 생성은 개방형 구조를 기초로 하고 다층(multi-tiered) 분류기의 사용을 통해 유스케이스(use-cases)를 몇 개라도 처리할 수 있으므로, 매우 다양한 디자인의 패널이 하나의 복구 툴 내에서 복구될 수 있다. 다층 분류기(예를 들어, 결함 분류기, 복구 분류기)는 개별화 기능과 함께 효율적인 의사 결정 복구 프로세스를 가능하게 한다. 다층 분류기는, 결함의 데이터베이스 및 관련 툴의 지원이라는 관점에서, 통계적 학습(온라인 & 배치) 및 동적 학습을 지원하기 위해 선택적으로 확장된다. 분류기 및 처방 규칙은, 결함 또는 복구의 필요성을 판단하면서 작동자에 의해 학습된 경험을 통합하여, 시간에 따라 자동으로 또는 반자동으로 향상된다.
평판 디스플레이, 결함, 복구, 자동화, 학습, 분류, 매크로

Description

자동 결함 복구 시스템 {AUTOMATIC DEFECT REPAIR SYSTEM}
[관련 출원의 상호 참조]
본 출원은, 미합중국 특허법 119(e) 하에서, 2005년 1월 21일자로 출원된 "자동 결함 복구 시스템"이라는 명칭의 미합중국 특허 출원 60/646,111호를 우선권 주장의 기초로 하며, 상기 출원의 모든 내용을 참조에 의해 본 명세서에 편입시킨다.
본 발명은 액정 디스플레이(LCD) 및 유기 발광 디바이스(organic light emitting devices; OLED)와 같은 관련 디스플레이 기술에 기초한 평판 디스플레이에 관한 것이며, 더 구체적으로는, 이러한 디스플레이 상에 형성된 컴포넌트의 검사에 관한 것이다.
액정(LC) 디스플레이를 제조하는 동안, 얇고 깨끗한 대형 유리판이 박막 트랜지스터(thin film transistor; TFT) 어레이(array)의 증착(deposition)을 위한 기판으로 사용된다. 보통, 수개의 독립적 TFT 어레이들이 하나의 유리 기판 내에 수용되고 이들은 종종 TFT 패널이라고 불린다. 또, 능동 매트릭스 LCD(active matrix LCD), 즉, AMLCD는 서브-픽셀(sub-fixel)마다 트랜지스터 또는 다이오드를 이용하는 부류의 디스플레이를 포괄하고, 이에 따라 TFT 디바이스를 포함하며, 이러한 유리 기판은 AMLCD 패널로 불리기도 한다. 평판 디스플레이는 또한 OLED 기술들 중 어느 하나를 사용하여 제조될 수 있고, 일반적으로는 유리 상에 제조되지만, 플라스틱 기판 상에 제조될 수도 있다.
각 스테이지에서 특정 물질(금속, 인듐 주석 산화물(indium tin oxide; ITO), 결정질 실리콘, 비정질 실리콘, 등)이 미리 정해진 패턴에 따라 이전에 놓인 기판의 최상부에 증착되는 경우, TFT 패턴 증착이 다수의 스테이지에서 수행된다. 일반적으로 각 스테이지는 증착, 마스킹(masking), 에칭, 박리(stripping), 등과 같은 여러 단계를 포함한다.
이러한 스테이지들의 각각과 각 스테이지 내의 다양한 단계들을 거치는 동안, 최종 LCD 제품에 영향을 미칠 수 있는 전기적 및/또는 광학적 성능에 영향을 미칠 수 있는 많은 제조 결함이 발생할 수 있다. 이러한 결함들은, 도 1에 도시된 바와 같이, ITO 112 내로의 금속 돌출 110, 금속 116 내로의 ITO 돌출 114, 소위 마우스 바이트(mouse bite) 118, 개회로(開回路) 120, 트랜지스터 124의 단락(short) 122, 및 외부 입자 126을 포함하지만, 이에 제한되지는 않는다. 다른 결함들은 에칭 위 또는 아래에서의 마스크 문제 등을 포함한다.
TFT 증착 프로세스들은 엄격히 제어되지만, 결함 발생은 피할 수 없다. 이는 제품 수율을 제한하고 제조 비용에 부정적 영향을 미친다. 일반적으로, TFT 어 레이는 중요한 증착 스테이지를 따라 하나 또는 다수의 자동 광학 검사(Automated Optical Inspection; AOI) 시스템(들)을 사용하여 검사되며, 최종 TFT 어레이를 시험하기 위하여 어레이 테스터 또는 어레이 체커(array checker; AC)라고도 불리는 광전(opto-electric) 검사 장치에 의하여 검사된다. 통상적으로 AOI 및 AC 시스템들은 결함 좌표를 제공한다; 이들은 결함들을 킬러(killer), 복구가능 또는 TFT 어레이 성능에 영향을 미치지 않는 결점(소위 프로세스 결함)으로 분류하기 위해 요구되는 고 해상도의 이미지를 제공하지 않는다. 상기 결함 좌표 정보는 어레이 구제기(array saver; AS)로도 불리는 TFT 어레이 복구 툴로 넘겨지고, 분류는 통상적으로 상기 TFT 어레이 복구 장치의 작동자에 의해 수동적으로 행해진다.
평판 하나 당 평균 결함 수는 TFT 어레이 제조사마다 그리고 제조 설비마다 다르다. 일반적으로, TFT 어레이 제조 라인 내의 결함 관찰(review) 및 복구 용량은 제7 세대 기판 하나 당 300 내지 400개의 결함을 처리한다. 일반적으로, 평판당 결함의 5 내지 10%는 복구를 요구하는 것으로 추측된다.
TFT 어레이는 일반적으로 매우 작기 때문에(서브-픽셀 크기는, 80×240μm에서 제7 세대 기판으로 만들어진 40인치 대형 LCD 텔레비전에 대해서는 216×648μm까지 될 수 있음), 상기 어레이 복구 툴은 상기 결함이 복구가능한지를 결정하기 위해 결함 관찰의 수행을 위한 현미경을 포함한다. 상기 망원경의 시야는 평판 크기(일반적으로 2.1×2.4m)에 비해 매우 작다(100×100μm 내지 2×2 mm 범위). 상기 현미경은 정밀 XY 스테이지에 설치되어 하나의 결함으로부터 다른 결함으로 신속히 이동될 수 있다. 상기 결함 좌표는 AOI 및 AC 검사 시스템에 의해 초기에 실 행된 검사로부터 알 수 있다. 결함 관찰 및 복구 중에, 상기 유리판은 진공 척(chuck)에 의해 상기 XY 스테이지 아래에 움직이지 않도록 유지된다. 상기 관찰 후에, 복구 가능한 결함은 일반적으로 레이저 트리밍(trimming) 또는 레이저 용접에 의해, 또는 일반적으로 화학 증착(chemical vapor deposition; CVD)을 사용하여 개방 라인(open line) 결함을 교락(橋絡 또는 브리징)함으로써 처리된다.
상기 일련의 일반적 이벤트들은 모든 어레이 복구 툴에 대해 전형적이다. 그러나, 결함의 수, 타입, 위치, 크기/정도가 패널마다 다르기 때문에, 합격(pass) 판단의 수단은 상기 결함 이미지를 캡쳐한 이후의 상기 툴의 거의 모든 단계에서 요구된다 - 예를 들어, 이미지가 방해물(nuisance)이 아닌 실제 결함인지, 어떤 종류의 결함이 발견되었는지, 특정 결함이 복구가 필요한지, 어떤 종류의 복구가 필요한지, 어떤 복구 파라미터가 필요한지, 복구되어야 할 다음 결함은 어느 것인지 등. 많은 복구 툴은, 결함을 식별하고, 분류하고, 복구하기 위해, 인간 작동자의 판단 및 개입과 툴 동작을 결합시킨다.
도 2 및 도 3은 두 개의 복구 예를 단면도로 도시한다. 금속 돌출 결함 110이 도 2a에 도시된다(평면도는 도 1 참조). 본 예에서, 상기 결함 110을 식별하고 분류한 후에, 복구 처방(recipe)이 생성되고 도 2b에 도시된 바와 같이 상기 돌출을 제거하기 위해 상기 처방이 실행된다. 도 3a 내지 3e는 금속 라인 32 및 34 사이의 개방 경로를 교정하기 위해 수행되는 복구 단계들을 나타낸다(도 1의 결함 120 참조). 본 예에서, 패시베이션 레이어(passivation layer) 38을 부수고("잽(zap)") 상기 금속 라인을 자르기 위해 레이저 36이 사용된다. 다음으로, 물질 을 증착하는 수단(이 경우, 화학 증착 가스 및 움직이는 레이저 에너지 소스)이 상기 금속 라인 32 및 34 상에 콘택트 전극 42 및 44를 생성하기 위해 도입된다. 이에 따라 상기 두 개의 금속 라인 32 및 34를 접속하기 위한 금속 라인 46이 형성된다. 두 예에서, 상기 툴의 복구 기능은 상기 결함 또는 복구되어야 할 결함 영역의 위치를 정확히 파악해야 하고, 상기 복구 프로세스는 특정 결함 타입에 대해 특정되어야 한다. 패널 제조 프로세스가 모두 동일하지는 않기 때문에, 파워, 스폿 크기, 가스 유동과 관련된 변수들 또는 물질 증착과 관련된 다른 변수 등이 패널 단위로 또는 패널 제품 단위로 조정될 필요가 있을 수 있다.
도 4에 도시된 바와 같이, 결함 이미지가 얻어지면(단계 402), 작동자가 상기 이미지를 관찰하고(단계 403), 잠재적인(potential) 결함을 방해물(실제 결함이 아님) 및 도 1에 도시된 것과 같은 개방, 단락, 등으로 분류하며, 복구가 필요한지를 결정한다(단계 404). 복구가 필요치 않으면, 상기 작동자는 상기 툴이 다음 결함으로 이동하도록 지시하고(단계 405) 이미지 캡쳐 및 결함 분류 프로세스가 반복된다. 상기 작동자는 복구가 필요하다고 결정하면, 필요한 복구의 종류를 결정하고(예를 들어, 절삭 혹은 접속(connection)), 상기 절삭 또는 접속을 위한 시작점과 종단점의 결정을 포함하는 기본적인 복구 기능(예를 들어 레이저 절삭)의 변수를 설정한다(단계 406). 상기 작동자는 장치에 상기 복구를 실행하도록 지시한다(단계 408). 상기 툴이 상기 결함을 복구하면(단계 410), 다음 결함으로 나아가(단계 412) 프로세스가 반복된다.
상기 작동자는 요구되는 복구 변수 및 일련의 지시(또는 처방)가 이전의 처 방과 동일하다고 결정할 수도 있고, 새로운 것을 생성하기 보다는 이미 저장된 처방의 사용을 선택할 수도 있다. 때때로, 하나의 판은 수많은, 서로 다른 종류의 결함을 갖고, 작동자는 상기 복구가 행해질 순서의 우선 수위를 결정한다. 예를 들어, 작동자는 일정한 제1 타입의 결함을 제일 먼저 복구하고 그 다음으로 제2 타입의 결함을 복구하도록 선택할 수 있다. 또는, 작동자는 공간적인 순서로 결함으로 복구하도록 선택할 수 있다(예를 들어, 좌측에서 우측, 패널의 전단에서 후단).
인간의 판단은 평판의 관찰/검출 및 복구의 거의 모든 단계에 적용될 수 있다. 패널 제조는 종종 비용의 최소화와 시간의 최적화를 모두 추구하고, 자동적으로 동작하는 복구 툴이 강하게 요구될 수 있다. 그러나, 앞서 시사한 바와 같이, 자동화된 툴은 적어도 인간과 같은 속도로, 인간과 같거나 더 나은 정도로 일관성있는 판단 결과를 제공해야 한다. 상기 패널 결함의 관찰 및 복구는 자동 툴의 개발에서 고려되어야 하는 몇 가지 문제를 제기한다. 우선, 일반적으로 광학 수단에 의존하는 검출은 패널 내에서 또는 일련의 패널에 걸쳐, 대비(contrast), 휘도(brightness), 색채, 및 다른 유사한 변수들에 있어서 그 품질이 가변적인 이미지들을 생성할 것이다. 그러한 가변성은 잠재적인 결함 이미지를 평가하는 동안 작동자에 의해 고려되어야 하고, 따라서 자동 평가를 위한 수단 또한 고안될 필요가 있다. 작동자는 일반적으로, 잠재적인 이미지가 실제 결함인지를 결정하는 것과 거의 같은 순간에 결함 타입을 인식하고 식별한다. 그러나, 이미지 품질의 가변성 때문에, 작동자는 일관성 없거나 모호하게 상기 결함을 잘못 식별하거나 또는 빈(bin)에 넣을 수 있다. 따라서, 자동화된 툴은 정확히 그리고 일관성있게 결함 을 걸러내는 문제를 해결해야 한다. 다른 문제는, 사용가능한 분류 데이터가 부족하거나 정확하지 않을 수 있는 공장 시동 시에 일어난다. 자동화된 툴은, 시간이 경과함에 따라 상기 툴에 의해 수집된 연습 예 및/또는 통계적인 데이터의 축적을 기초로 자기 자신의 분류 규칙 라이브러리를 구축하는 수단을 제공해야 한다. 마지막으로, 전체 생산 과정에 있어서, LCD 패널 제조사들은 작동자가 계속 주의를 기울일 것을 요구하지 않는 복구 툴을 선호할 것이다.
1994년 4월 어드밴스트 플랫 패널 디스플레이 테크놀로지(Advanced Flat Panel Display Technologies) Proc.SPIE Vol. 2174의 98 내지 106 페이지에 게재된 피터 에스. 프리드먼(Peter S. Friedman), 퀴우(Qiu) 등의 "AMLCD에 있어서 자동 복구"라는 제목의 논문은 자동 복구의 필요를 인식하고, 자동화를 가능케 하는 방법을 검토하였다. 그러나, 그 당시 LCD 패널 기술은 상대적으로 단순했고, 퀴우 등에 의해 제안된 구조 내에서의 의사 결정의 규칙은 상대적으로 작은 선택 사항 집합을 기초로 한 것이었다. 예를 들어, 단지 두 개의 결함 타입만이 인식되었다: 네 개의 하위 분류를 갖는 "개방(Open)" 또는 세 개의 하위 분류를 갖는 "단락(Short)". 또한, 단지 하나의 "단락" 복구 기능이 고려되는 반면, 세 개의 "개방" 복구 기능이 정의되었다.
상기 논문의 공개 이후, 컴퓨터 랩탑 스크린으로부터 컴퓨터 모니터, 텔레비전 스크린에 이르는 LCD 패널의 사용 증가에 따라 LCD 패널 제조의 복잡성이 증가해 왔다. 예를 들어, 더 많은 타입의 물질과 물질의 조합이 도입되었다; 이제 픽셀 설계는 크기와 모양의 다양성을 포함한다. 또한, 패널 제조자들은 다양한 레이 어 상에서 복구를 행하기를 원한다. 정확성을 증가시키고 작동자가 하나 이상의 툴을 감시할 수 있도록 하기 위해 어레이 복구 툴 프로세스 단계들의 자동화에 대한 요구가 계속 존재한다.
본 발명의 일 실시예에 의하면, 평판 디스플레이(flat panel display; FPD) 기판을 위한 복구 시스템은, 자동 이미지 캡쳐 및 처리, 자동 결함 분류, 자동 복구 분류, 및 복구 매크로(지시) 생성 소프트웨어와 같은 다수의 동작을 수행한다. 상기 시스템은 호환성있는 제어 구조를 기초로 하고, 관련된 그래픽 기능을 활용한 사용자 인터페이스(graphical user interface; GUI)를 포함한다.
결함 분류, 복구 분류, 및 복구 매크로 생성은 개방형 구조(open architecture)를 기초로 하고 다층 분류기(multi-tiered classifiers)의 사용을 통해 유스케이스(use-cases)를 몇 개든 처리할 수 있고, 이에 따라 다양한 디자인의 패널이 하나의 복구 툴 내에서 복구될 수 있다. 특히, 본 발명의 방법은, 자동 복구가 결함 분류에 달려있다는 점과, 예컨대, 결함 분류기, 복구 분류기인, 분류기의 다층 셋트는 개별화와 함께 효율적인 의사 결정 복구 프로세스를 가능케 한다는 점에 대한 인식을 포함한다.
본 발명은, 결함의 데이터베이스 및 관련 툴의 지원이라는 점에 있어서, 통계적인 학습(온라인 및 배치(batch))과 동적 학습을 포함하도록 상기 규칙-기반 분류기를 확장한다. 따라서, 상기 분류기 및 처방 규칙은 자동으로 또는 반자동으로 시간이 경과함에 따라 향상되고, 결함 또는 복구의 필요성을 판단하면서 작동자에 의해 학습된 경험을 통합한다. 이에 따라, 본 발명의 결함 복구 시스템은, 각 툴 마다 소비되는 작동 시간을 줄일 뿐 아니라 툴의 동작에 있어서 인간의 개입에 대한 허용 범위가 있어야 함을 인식한다.
도 1은 주기적인 트랜지스터 어레이의 패턴을 갖는 평평한 대형 매체의 일부분의 평면도에 있어서 다수의 비주기적인 결함을 도시한다.
도 2a 및 2b는 돌출 결함을 갖는 디바이스의 횡단면도를 복구 전후로 도시한다.
도 3a 내지 3e는 개회로 결함을 갖는 디바이스의 횡단면도를 복구 전후로 도시한다.
도 4는 종래 기술에서 알려진, 결함을 복구하기 위해 취해지는 단계들의 흐름도이다.
도 5는 본 발명의 예시적인 실시예와 관련된 어레이 복구 툴의 기능 블록도이다.
도 6은 본 발명의 일 실시예와 관련된, 결함을 복구하기 위해 취해지는 단계들의 흐름도이다.
도 7은 도 6의 흐름도와 결합된 도 5의 어레이 복구 툴의 자동화된 결함 복구 프로세서의 블록도이다.
도 8은, 본 발명의 예시적인 실시예와 관련된, 결함 추출기에 의해 수행되는 다양한 이미지 처리 및 처리 기능을 도시한다.
도 9는, 본 발명의 예시적인 실시예와 관련된, 도 8의 결함 추출기의 처리 블록에 의해 수행되는 다양한 기능을 도시한다.
도 10은, 본 발명의 예시적인 실시예와 관련된, 결함 분류기의 다양한 기능 블록들을 도시한다.
도 11은, 본 발명의 예시적인 실시예와 관련된, 복구 분류기의 다양한 기능 블록들을 도시한다.
도 12는, 본 발명의 예시적인 실시예와 관련된, 복구 매크로 생성기에 의해 수행되는 단계들의 흐름도이다.
도 13은, 본 발명의 예시적인 실시예와 관련된, 복구 실행과 관련된 다양한 단계들을 도시하는 흐름도이다.
도 14는, 본 발명의 예시적인 실시예와 관련된, 데이터 기초 저장소(data base repository)를 포함하는 자동 결함 복구 시퀀스의 블록도이다.
도 15는, 본 발명의 예시적인 실시예에 따라, 모든 결함이 우선 관찰되고, 다음으로, 복구될 것들이 한번에 완성되는 프로세스를 도시한다.
도 16은, 본 발명의 예시적인 실시예에 따라, 갱신된 AOI/AC 결함 목록 정보를 결함 분류기가 결함 목록 관리자로 리턴하는 과정의 개요를 도시한다.
도 17은, 본 발명의 예시적인 실시예와 관련된 자동 결함 복구 시퀀스를 동적 학습과 함께 도시한 블록도이다.
도 5는 본 발명의 예시적인 실시예와 관련된 LCD 어레이 복구 툴 500의 기능 블록도이다. 예시적인 어레이 복구 툴 500은, 부분적으로, 패널 핸들러 502, 시료(試料) LCD 패널(도시되지 않음)을 상기 툴의 내부로, 내부에서, 그리고 외부로 이동시키는 스테이지 504; 이미지를 캡쳐하는 이미징 광학 장치(imaging optics) 506; 결함 복구를 행하는 복구 하드웨어 508; 결함을 복구하기 위해 사용되는 상기 하드웨어를 제어하는 툴 제어기 510; 결함 이미지를 처리하는 이미지 프로세싱 컴퓨터 512 (IPPC), 및 자동 결함 복구(automatic defect repair; ADR) 프로세서 514를 포함하는 것으로 도시된다. 인간 작동자는 그래픽 기능을 활용한 사용자 인터페이스(GUI) 516을 통해 상기 툴을 제어한다. 일부 실시예에서, ADR 프로세서 514는 이미지 프로세싱 컴퓨터 512의 일부이거나 또는 그 내부에 배치될 수 있다. 또 다른 실시예에서, ADR 프로세서 514는 내장된 툴 제어 컴퓨터 510의 일부이거나 또는 그 내부에 배치될 수 있다. 또한, 툴 제어 컴퓨터 510은 내장된 컴퓨터일 수 있다.
이미징 광학 장치 506은 일반적으로, 적어도 하나의 배율을 갖는 현미경 및 이미지를 캡쳐하는 카메라 하드웨어를 포함한다. 복구 하드웨어 508은, 화학 증착(chemical vapor deposition; CVD) 하드웨어, 고체 또는 액체 분배 하드웨어, 잉크 젯 또는 다른 지정 물질의 증착 시스템과 같은 물질 분배 하드웨어 뿐만 아니라, 하나 또는 그 이상의 레이저, 관련 광학 장치를 포함할 수 있다.
일반적으로, AOI 또는 AC 툴을 사용하여 얻어진 결함 목록 520은 상기 작동자에 의해 어레이 복구 툴 500(본 명세서에서는 복구 툴 또는 툴이라고도 불림)에 입력되고, 공장 자동화 제어 시스템(도시되지 않음)에 의해 자동적으로 상기 복구 툴 500으로 이식된다. 각 결함의 이미지는 상기 이미징 광학 장치 506에 의해 수집되어 IPPC 512로 전달되며, 이미지 정보는 상기 AOI 또는 AC를 사용하여 얻어진 상기 결함의 특정 정보와 결합된다.
도 6은 본 발명의 일 실시예에 따라, 결함을 복구하기 위해 실행되는 단계들/프로세스들의 흐름도 600이다. AOI/AC를 사용하여 얻어진 상기 결함 목록 520은 툴 제어기 510에 배치된 결함 목록 관리자에 제공된다(단계 602). 스테이지 504는 목표물인 LCD 패널을 이동시켜, 그 다음의 결함을 결함 검출 및 복구를 위한 적절한 위치로 가져온다(단계 604). 다음으로, 초점이 맞춰지고 상기 결함의 이미지가 캡쳐된다(단계 606). ADR 프로세서 514는, 단계 606에서 캡쳐된 이미지를 처리하고 상기 결함 목록 관리자에 의해 제공된 특정 결함 런타임(run time) 정보를 사용하여 복구 매크로(이하 "처방(recipe)"이라고도 불림)를 생성한다.
목표물인 잠재적 결함이 복구 가능한 것으로 결정되고(단계 610), 확인(verify) 모드 상태이면(단계 612)(즉, 툴 500이 반자동 모드임), 상기 작동자는 복구를 속행할 것인지 아닌지의 선택권을 갖는다(단계 618). 상기 작동자가 상기 복구를 속행할 것을 선택한다면(단계 618), 툴 제어기 510은 상기 복구 처방을 실행한다(단계 626). 그 후, 결함 목록 관리자는 스테이지 504로 하여금 목표물인 LCD 패널을 이동시켜, 그 다음의 잠재적 결함을 관찰/복구를 위한 적절한 위치로 가져온다. 만약 상기 잠재적 목표 결함이 복구가능한 것으로 검출되는 한편(단계 610) 완전히 자동이라면(단계 612), 툴 제어기 510은 복구 처방 626을 실행한다. 다음으로, 그 다음의 잠재 결함에 초점이 맞춰진다. "확인 모드 중?"이라고 이름붙여진 판단 박스(decision box)(단계 612)가 만약 "예"이면 인간의 개입이 가능하게 되고(반자동), 만약 "아니오"이면 완전 자동이 된다. 예를 들어, 툴 제어기 510은 개입을 필요로 하지 않는 모든 결함을 처리하라는 지시를 받고, 특별한 주의를 요하는 결함들을 빈(bin)에 넣을 수 있다(즉 따로 챙겨둘 수 있다). 이 경우, 상기 툴 제어기는 가능한 많은 결함을 자동적으로 처리한 다음, 작동자가 나머지를 관찰하고 설정하도록 하기 위해 정지한다. 상기 툴을 반자동식으로 동작하도록 설정하면 작동자가 몇 개의 복구 기계를 동시에 통제할 수 있다.
잠재적 결함이 복구 가능하지 않은 것으로 판단되면(단계 610), 작동자가 상기 잠재적 결함을 관찰한다(단계 614). 만약 작동자가 잠재적 결함이 복구를 요구하며 실제 결함인 것으로, 예를 들어, 긍정 오류(false positive)가 아닌 것으로 판단하면(단계 620), 작동자는 상기 툴이 계속 동작하도록 지시한다(단계 618). 만약 작동자가 상기 잠재적 결함이 복구를 요구하지 않는 것으로 판단하면(단계 620), 작동자가 그 다음 결함을 선택하며(단계 616), 상기 결함 목록 관리자가 스테이지 504로 하여금 목표물인 LCD 패널을 이동하도록 하여 그 다음의 잠재적 결함을 관찰/복구를 위한 적절한 위치로 가져온다.
도 7은, ADR 프로세서 514의 다양한 기능 블록들을 도시한다. 본 발명의 일 실시예와 관련된, ADR 프로세서의 예시적인 실시예 514는, 부분적으로, 결함 추출 기 702, 자동 결함 분류기(ADC) 704, 자동 복구 분류기 706, 및 자동 복구 매크로 생성기 708을 포함하는 것으로 도시된다.
도 7에 도시된 바와 같이, 결함 추출기 702는 상기 캡쳐된 이미지 정보 720을 수신하고 이를 상기 결함 목록 관리자 602에 의해 관리되는 AOI/AC 결함 목록 520과 결합하여, 상기 ADC 704, 상기 복구 분류기 706, 및 상기 복구 매크로 생성기 708로 보내지는 결함 특성 목록 740을 생성한다. ADC 704는, 상기 결함 특성 목록 740을 사용하여, 그리고, 구축된 구역 정보 및 분류 규칙에 따라, 상기 결함들을 분류한다. 상기 결함 특성 목록 740 및 상기 생성된 결함 분류가 제공되면, 상기 복구 분류기 706은 상기 특정 결함 분류와 관련된 복구 분류 규칙을 검색하고 선택하며, 상기 복구 생성기를 위한 처리 절차를 생성한다. 상기 결함 특성 목록 및 상기 생성된 복구 처리 절차를 사용하여, 복구 매크로 생성기 708이 한 셋트의 매크로 템플릿(macro templates)에 따라 복구 매크로를 생성한다. 따라서, 결함 위치 및 이미지 정보를 가지고, 상기 ADR 프로세서는 한 셋트의 결함 분류 규칙, 복구 분류 규칙, 및 매크로 템플릿을 기초로 상기 복구 툴이 자동적으로 복구를 실행하도록 하기 위한 실행가능한 매크로를 생성한다.
도 5 및 도 7을 함께 참조하면, ADR 프로세서 514는 자신이 생성한 상기 복구 매크로를 툴 제어기 510에 보낸다. IPPC 512가 ADR 프로세서 514 및 툴 제어기 510과 동기화된 상태를 유지할 것을 보장하기 위해, 도 5의 예시적인 실시예에서, ADR 프로세서 514는 "done" 플래그를 생성한다.
일 실시예에 있어서(도시되지 않음), 상기 프로세스의 일 지점에서(도시되지 않음), 상기 ADR 프로세서는 작동자에게 도움을 청할 수 있다. 예를 들어, 만약 특정 결함에 대한 상기 결함 특성 목록이 관련된 분류 규칙을 갖지 않는다면, 작동자가 개입할 필요가 있을 수 있다. 작동자는 새로운 분류 규칙을 생성하거나, 또는 다음 결함으로 이동할 것을 선택할 수 있다. 만약 분류된 결함에 대해서 관련된 복구 분류 규칙이 발견되지 않으면 작동자가 개입할 것이 요구될 수 있다. 작동자는 새로운 복구 규칙을 생성할 수도 있고, 또는 다음 결함으로 이동할 것을 선택할 수도 있다.
상기와 같이, 본 발명의 일 국면에 의하면, 상기 ADR 프로세서는 검출 위치 및 이미지 정보를 이용하여, 결함 분류 규칙, 복구 분류 규칙(본 명세서에서는 복구 규칙으로도 불림), 및 매크로 템플릿의 셋트들을 기초로, 상기 툴이 자동으로 복구를 실행하도록 하는 실행가능한 매크로를 생성한다. 또한, 본 발명은 결함 분류 후에 복구 분류를 이용하고, 이로써 2층(two-tiered) 분류기를 제공한다. 추가적인 분류기 층이 구축될 수 있다. 다층 분류기의 사용은, 추가적인 유스케이스(use-cases)를 수용하기 위한 확장 및 적응 학습(adaptive learning)을 위한 개방적이고 호환성있는 구조를 구축한다. 다층 분류기는, 자동화 및, 결함 타입과 관련된 복구 규칙에 따라 한 셋트의 잠재적 결함을 빈에 저장된 결함으로 정리하여, 상기 툴이 실행할 매크로 지시를 생성하는데 필요한 효율적인 의사 결정 프로세스를 가능하게 한다. 본 발명의 상기 ADR 프로세서의 다양한 블록들이 이하 상세히 설명된다.
결함 검출 및 추출
ADR 프로세서 514는 상기 툴의 이미징 광학 장치에 의해 얻어진 이미지 데이터 및 수집된 AOI/AC 정보 520으로부터 결함 특성 목록을 생성한다. 도 8 및 9는 상기 결함 분류기 ADC 704, 복구 분류기 706, 및 복구 매크로 생성기 708에 전달되는 결함 특성 목록을 생성하는데 필요한 결함 추출, 즉, 선처리, 차이(difference) 연산, 로버스트 임계값 설정(robust thresholding), 조정(arbitration), 및 후처리의 단계를 도시한다.
결함 검출을 위한 공지의 방법 중 하나는, 결함이 있다고 의심되는 픽셀을, 다수의 셀 정렬 이미지들을 비교하거나 또는 동일한 이미지 내에서 셀들을 비교함으로써, 그 근방의 픽셀과 비교하는 것이다. 연산적으로, 상기 비교는, 다수의 이미지들 또는 서브-이미지들을 수직 방향으로 또는 수평 방향으로 "위치 변경 및 감산"함으로써 수행된다. 도 8은 두 가지 경우를 도시한다: (i) 다수의 셀 정렬 이미지(트리플릿, 즉, 세 개의 이미지) 802가 수집되고 처리된다. 그리고, (ii) 같은 이미지 804의 셀들이 비교된다(단일 이미지). 평판 구조는 반복적이기 때문에, 만약 단일 이미지가 적어도 세 개의 셀을 갖는다면, 각 방향으로 하나의 셀을 위치 변경함으로써 상기 결함 추출에 의해 처리될 수 있다. 세 개의 셀이 존재하지 않는다면, 하나(또는 정수인 N개)의 셀에서 얻어진 좌측 및 우측 이미지를 가지고 세 개의 이미지(트리플릿)를 얻을 필요가 있다. 검출을 위해 세 개 이상의 이미지들을 사용하는 것이 가능하다. 그러나, 오류 결함(false defects)을 제거하고 셀이 결함이 있는지를 결정하기 위한 조정(arbitration)을 사용하는데는 최소한 세 개가 필요하다.
도 8에 도시된 바와 같이, 단일 이미지의 경우에 있어서(804), 상기 결함 이미지는 좌측(808) 및 우측(810)으로 위치 변경되고 원래의 이미지와의 차이가 계산된다(DiffL, DiffR, 및 DiffC)(812). 상기 이미지 또는 트리플릿은 신호를 향상시키기 위해 평탄화 알고리즘 및/또는 다른 수단에 의해 먼저 선처리될 수 있다. 트리플릿의 경우(802), 각 이미지는 세 개의 다른 시점에서 세 개의 다른 위치로부터 얻어지기 때문에, 이들은 서로 다른 이미징 조건을 가질 수 있다. 서로 다른 이미징 조건은 색채에 있어서의 차이를 발생시킨다. 따라서, 트리플릿의 경우, 색채 차이가 결함에 대한 차이 연산에 있어서 잘못된 결과를 가져올 수 있기 때문에, 이러한 차이를 연산하기 전에 색채 보정을 수행할 필요가 있을 수 있다.
결함 검출의 중요한 측면은, 오류(방해물) 결함을 소수 검출하거나 검출하지 않으면서 실제 결함을 자동적으로 검출할 수 있는 것이다. 실제 시스템에서, 절대적으로 완벽하게 결함을 검출하고 오류 결함을 포함하지 않는 것은 불가능하다. 본 시스템은 임의의 수의 이미지가 비교되도록 함으로써 오류 결함을 최소화한다. 오류 결함을 더 줄이기 위해, 상기 차이 이미지들은 로버스트(robust) 통계법을 이용하여 임계값이 설정되고(단계 814), 다음으로 조정된다(단계 816). 다시 말해, 두 개의 인접한 차이 이미지들에서 발견되는 결함만이 실제 결함으로 간주된다.
조정된 이진화된(binarized) 이미지 816은 처리 블록 820으로 전달된다. 도 9는 본 발명의 일 실시예와 관련된, 상기 처리 블록 820에 의해 수행되는 다양한 기능들을 도시한다. 가까운 잠재적 결함들은 서로 통합되고("폐쇄")(단계 822), 특정 크기보다 작은 결함들은 무시된다(단계 824). 그 결과는 처리된 이진 결함 이미지 826이다. 마지막으로 상기 이진 결함 이미지 내의 각 결함의 결함 특성이 추출되어(단계 828), 결함 특성 목록이 생긴다(단계 830). 결함 특성 목록의 일 예가 아래에 도시된다. 이는, 예를 들어, 색채 정보를 포함하는 결함 관련 정보를 포함한다.
Area : 49
Centroid : [308 225]
BoundingBox : [304.5000 221.5000 7 7]
Subarrayldx : {1x2 cell}
MajorAxisLength : 8.0829
MinorAxisLength : 8.0829
Eccentricity : 0
Orientation : 0
ConvexHull : [9x2 double]
ConvexImage : [7X7 logical]
ConvexArea : 49
Image : [7x7 logical]
Filledlmage : [7x7 logical]
FilledArea : 49
EulerNumber : 1
Extrema : [8x2 double]
EquivDiameter : 7.8987
Solidity: 1
Extent : 1
PixelList : [49x2 double]
Perimeter : 24
.........PixelLoc : 0
ColorImage : [7x7x3 uint8]
Colorlnfo : [100 233 60]
도 10은, 결함의 위치(또는 영역 또는 구역) 정보를 요구하는 자동 결함 분류기 704의 다양한 기능 블록들을 도시한다. 상기 결함 목록 520(도 6)은 (포톤 다이나믹스TM의 어레이 체커(Array Checker)와 같은) 전기적 시험 또는 AOI(Automatic Optical Inspection) 장치로부터의 데이터를 포함한다. 그러한 결함 데이터는 일반적으로 결함 크기 및 상기 결함의 대략적인 위치를 포함하지만, 결함이 있다고 의심되는 픽셀의 LCD 패널에서의 행과 열 만을 포함할 수도 있다. 상기 AOI 또는 AC에 의해 제공된 상기 결함 픽셀의 정확한 위치는 한 픽셀 또는 두 픽셀만큼 떨져 있을 수 있다. 그러나, 상기 의심되는 픽셀을 둘러싸는 픽셀들의 주변에 걸친 정확한 로버스트 결함 검출은 정확한 결함 검출, 분류 및 복구에 필수적이다.
본 발명과 관련하여, 결함 위치가 정확히 결정되고, 결함 추출기 702, 결함 분류기 704, 복구 분류기 706 및 복구 매크로 생성기 708의 각각에 제공된다. 특히, 상기 픽셀의 어느 구역(부분)에 상기 결함이 위치하는지를 아는 것이 중요한데, 이는 뒤이은 결함의 정의에 영향을 줄 수 있기 때문이다. 예를 들어, 만약 상기 결함이 상기 픽셀의 TFT(트랜지스터) 구역에서 발견되면, 트랜지스터가 불량일 가능성이 매우 높다. 아래의 다른 섹션에서 설명되는 바와 같이, 적절한 복구 규칙은 "킬 픽셀(Kill Pixel)" 복구이다.
사용자가 쉽고 정확하게 구역을 설명할 수 있도록, 구역 에디터와 같은 그래픽 기능을 활용한 사용자 인터페이스가 채용될 수 있다. 일 실시예에서, 전반적인 툴 셋업 동작의 일부로서, 사용자는 소위 골드 픽셀(Gold Pixel)의 이미지 상에 폴리곤-드로잉(polygon-drwaing) 툴로 상기 구역의 외곽선을 그린다. 이 이미지는 후에 논의되는 매크로 템플릿 에디터에서 뿐만 아니라 구역화를 위해 사용된다. 사용자는 TFT, DATA, GATE, ITO, CHANNEL, VIA, COMMON과 같은 미리 정의된 구역 1004(도 10)로부터 선택할 수 있고, 서로 다른 LCD 픽셀 레이아웃의 고유한 설계 및 구조를 기초로 고유한 라벨을 갖는 새로운 구역을 생성할 수도 있다.
도 10에 도시된 바와 같이, 상기 AOI/AC에 의해 제공되는 의심되는 픽셀의 구역 정보 1002는, 미리 정의된 구역 1004, 및 미리 정의된 구역 목록을, 특정 또는 흥미있는 결함에 대한 가능성있는 구역 후보들로 정리하기 위하여 필터링된 구 역 1006과 결합된다. 이러한 골드 픽셀 구역 위치의 정리된 목록 1006은, 도 7에 도시된 바와 같이, 결함 분류 규칙, 상기 복구 분류 규칙 및 상기 복구 매크로 템플릿에 제공된다.
자동 결함 분류기
도 10은, 본 발명의 결함 분류기 704의 예시적인 실시예를 부분적으로 도시한다. 결함 분류기 704는 결함 이미지 정보 720, 구역 위치 정보 1006 및 결함 특성 목록 740을 수신하고, 분류를 위해 필요한 결함 특성을 연산한다(단계 1014). 도 7에도 도시된 바와 같이, 분류 규칙을 적용하면(단계 1016), 결함 분류기 704는 관찰 중인 결함에 대한 모든 매치(match)를 찾는다. 따라서, 결함 분류기 704는 결함 클래스 1018을 특정하는 분류된 결함의 정의를 생성하고, 이 정보를 복구 분류기 706으로 넘긴다.
상기 결함 분류기 704 내에서 단계 1014에서 연산된 결함 특성 목록은 그것이 수신하는 입력으로부터 발전된다. 연산 단계 1014 내의 하나의 액션은, 상기 정리된 한 셋트의 골드 픽셀 구역을 공간적으로 변형하고 이들을 얻어진 결함 이미지 상에 씌우는 것이다. 결함 검출이 수행되고, (만약 존재한다면) 어느 구역 및 어느 결함이 접촉하고 있거나 또는 거의 접촉하는지를 결정하기 위해 상기 결함이 상기 구역과 매치된다. 본 발명은 그 규칙이 조정될 수 있는 일련의 분류기들을 사용하기 때문에, 구역을 위한 다른 측정 기준이 쉽게 부가될 수 있다. 예를 들어, "완전히 구역 내에 포함되는 결함" 또는 5 마이크론(microns) 내의 결함과 같 은, 한 구역에 대해 상대적인 거리를 특정하는 규칙이 정의될 수 있다.
상기와 같이, 결함 분류기 704는 결함 특성 목록 740 및 상기 구역 위치 정보 1006을 수신하고, 특정 결함에 대한 특징 목록 1014를 생성하기 위해 이들을 결합한다. 그러한 목록의 일 예는 아래와 같다:
F DefectId=6
F Area=49
F Brightness=200
F Contrast = 0.5
F Color=100, 233, 60
F Size=0.96
F PixelLoc=0
F DefectType=None
F GateZone=l.00
F DataZone=0.00
F ltoZone=0.00
F TftZone=0.00
F ChannelZone=0.00
결함 분류기 704는 또한, 이하에서 유도된 특성이라고 불리는 새로운 논리 변수들을 생성한다. 그러한 유도된 특성들은 아래와 같다:
Tiny:= Area <= 2.5
Dark:= Contrast < -0.4
Xstor:= ChannelZone==0.0 || TftZone==0.0
예를 들어, 유도된 특성 Tiny는, 결함이 픽셀에 전기적 결함을 일으킬 만큼 크지 않다는 것을 나타낸다. 상기 유도된 특성은 또한 상기 결함 분류기에 의해 사용된 규칙을 용이하게 하고 단순화할 수 있다.
분류 규칙들은, 결함 타입(defect-type) 분류로의 결함의 할당을 지도한다. 분류 규칙의 세 가지 예가 이하 설명된다.
ActiveResidue : ItoZone ==0.0 && !Dark && Area > 10.0
Channel : DefectType == Pixel && ChannelZone==0.0 && !Tiny
GdShort : DefectType == Gds && Xstor
상기 콜론(:)의 좌측은 결함 타입을 나타내고, 우측은 특성과 배치의 작은 셋트에 기초한 규칙을 나타낸다. 예를 들어, 상기 특성 목록에 의해 나타내어진 결함은 동적 레지듀(Active Residue) 규칙을 만족시키는데, 이는 IToZone이 참(true)이고 유도된 특성 Dark는 참이 아니며, 상기 영역(area) 특성은 상기 규칙의 요구 조건인 10.0보다 크기 때문이다. 다시 말해, 동적 레지듀를 위한 모든 조건이 참이다. 채널(Channel) 규칙의 상기 예는 또한, 상기 결함 특성 목록에 정의된 특성 DefectType==Pixel 및 ChannelZone==0.0과 함께, 유도된 특성인 tiny를 포 함한다. 따라서, 채널 규칙의 조건은 만족되지 않는다. 이러한 예들은 복구 분류기 706에 의해 어떻게 의사 결정이 실행되는지를 보여준다.
결함 분류를 위한 규칙 기반 분류기의 사용은 시간이 지남에 따라 상기 분류기 규칙의 개선과 향상을 가능하게 한다. 예를 들어, 공장 개시시에는, 상기 분류기가 사용가능한 훈련 예와 통계적 데이터가 매우 적을 것이다. 공장 제조가 성숙함에 따라, 이들은 학습되고 개선되며 상기 분류 규칙에 부가되어야 한다. 본 발명은 도 7에 도시된 바와 같이 작동자에 의해 고안된, 새로운 또는 조정된 분류 규칙의 부가를 허용한다.
자동 복구 분류기
도 7 및 11에 도시된 바와 같이, 상기 분류된 결함들 1018과 상기 결함 특성 목록 740은 한 셋트의 복구 분류 규칙을 사용하여 복구 처리 절차 1202를 생성하는 상기 자동 결함 분류기 706으로 보내진다. 본 발명에 따라, 소위 복구 분류 규칙인 제2 셋트의 규칙이 필요한 복구 액션을 결정하기 위해 사용된다. 복구 분류 규칙의 몇 가지 예는 다음과 같다:
ChopData : GdShort && Xstor
KillPixel : ChopData || Channel
IsolateDataCommon : ActiveResidue
상기 콜론(:)의 좌측은 복구 식별자이고 우측은 위에서 설명한 결함 특성들 또는 유도된 특성들로부터의 결함 분류 및/또는 항목이다. 예를 들어, GDshort && Xstor 조건이 참이면, 상기 ChopData 복구 분류 규칙이 불러내질 것이다. 상기 결함 클래스 동적레지듀(ActiveResidue) 조건이 참이면, 상기 IsolateDataCommon 복구 분류 규칙이 불러내질 것이다.
결함 분류 규칙의 경우와 같이, 복구 분류 규칙의 셋트도 증가되고 개선된다. 예를 들어, 복구 분류 규칙을 위한 개선의 한가지 타입은, 결함 클래스 정확도보다 중요하며 이를 능가해야 하는, 복구 정확도이다. 일반적인 결함의 경우에 복구 액션을 결정하기 위해 텍스트 기반의 분류 규칙이 사용되지만, 예외적인 또는 바운더리-케이스(boundary-case) 결함을 위해 보다 복잡한 기계 학습 기술이 채용될 수 있다. 상기 결함 분류 규칙 및/또는 복구 분류 규칙은 수동으로 또는 자동으로 갱신될 수 있다.
자동 복구 매크로 생성기
AOI 또는 AC 툴에 의해 제공된 데이터 및 상기 흐름에서 현 시점의 복구 툴 자체로부터의 결함 이미지 데이터가, 자동 복구 매크로 생성기 708에 공급되는 관심있는 특정 결함을 위한 한 셋트의 복구 처리 절차로 압축되었다.
각 결함 복구에 대해, 하나의 매크로 템플릿이 존재한다. 이 관계는 성능을 향상시키기 위해 런타임에 일반적으로 파일 또는 메모리에 보유된다. 아래의 예에서, 좌측은 복구 분류 처리 절차이고 우측은 복구 매크로 템플릿 파일이다:
IsolateDataCommon CutDCMacro.tpl
ChopData CutDLMacro.tpl
KillPixel CutTFTO IMacro.tpl
도 12는 본 발명의 일 실시예와 관련된, 복구 매크로 생성기 708에 의해 수행되는 다양한 기능 단계들을 도시한다. 복구 클래스 1202 및 복구 템플릿 1204가, 관심있는 결함에 대한 복구 클래스/처리 절차를 지원하는 복구 템플릿 1206을 선택하기 위한 복구 템플릿 룩업(lookup) 테이블의 엔트리로서 사용된다. 만약 복구 템플릿이 발견되지 않으면(단계 1208), 상기 툴은 작동자에게 개입을 요청할 것이다(단계 1208). 만약 복구 템플릿이 발견되면(단계 1208), 상기 매크로 생성기에서의 다음 단계는 템플릿 타입을 결정하는 것이다. 이하에서는 고정 및 가변 템플릿만이 설명되지만, 어떠한 타입의 매크로 템플릿이든 지원된다. 고정 템플릿은 결함 위치 또는 크기 또는 다른 특질에 독립적이다, 예를 들어, 상기한 킬러픽셀 매크로 템플릿은 고정 템플릿이다. 이것은 "CutTFT01" 매크로가 실행될 것을 요구한다. 상기 "CutTFT01" 파일은 다음의 행들을 갖는다:
ZoneDefinitionFile : GoldZoneDefinitions.zdf
LaserRecipeFile : atp.rep
LaserConfigFile : laser.cfg
Fixed Line CutTFTOl 50X-IR 1014 188 1024 199
이 파일은 상기 툴로 하여금, 결함 위치와 관계없이 상기 템플릿에 의해 특 정된 고정 위치에서 레이저 절삭을 수행함으로써 상기 LCD 픽셀의 트랜지스터(TFT)를 동작하지 못하게 하도록 지시한다. 레이저 파라미터들은 제2행 및 제3행에 의해 정의되고, 여기서 콜론의 우측은 레이저 처방 및 상기 툴 제어기 510에 저장된 파일이다. 마지막 행은 광학 매크로 템플릿 타입, "가변(variable)", 레이저 절삭의 타입, 렌즈의 선택(50X 배율 및 IR 레이저) 및 절삭의 위치(1014, 188, 1024, 199)를 특정한다.
만약 결과적인 복구 템플릿이 고정 템플릿이면(단계 1210), 복구 매크로가 생성된다(단계 1216). 만약 결과적인 복구 템플릿이 고정 템플릿이 아니면, 본 실시예에서는 가변 템플릿인 것으로 간주된다(단계 1212). 가변 템플릿은, 예를 들어, 절삭의 크기 및 위치 또는 다른 복구가 픽셀 구역 및 특정 결함의 크기 및 위치에 의해 정의되어야 하는 템플릿으로서 정의된다. 따라서, 상기 결함 크기 및 위치가 상기 템플릿에 제공되어야 한다. 도 12에 도시된 바와 같이, 선택된 복구 템플릿 1206이 상기 결함 특성 목록 520 및 추가적인 결함 런타임 정보 730과 결합되어, 상기 특정의 결함 정보가 갱신될 수 있다(단계 1214). 그 후, 복구 매크로가 생성된다(단계 1216). 예를 들어, 상기 IsolateDataCommon 복구 템플릿은 가변 템플릿이고 그것의 CutDC 파일은 다음의 단계를 갖는다:
ZoneDefinitionFile : GoldZoneDefinitions.zdf
LaserRecipeFile : atp.rep
LaserConfigFile : laser.cfg
Variable Line CutDC 50X-IR 1011 97 182 92
Variable Line CutDC 50X-IR 208 58 1049 59
이 경우, 상기 CutDC, 또는 Cut Data Common 템플릿 파일은, 상기 결함의 크기 및 위치 정보에 의해 구체적으로 상세히 설명된 바와 같이, 상기 픽셀의 데이터 및 커먼(common) 구역 사이에서 절삭을 수행한다. 상기 고정 템플릿의 경우처럼 이 파일에서, 제2행 및 제3행은 상기 매크로의 레이저 처방 및 셋업 파일을 정의한다. 이 가변 파일에서, 마지막 두 행은 가변 템플릿과 위치 정보를 기술한다. 데이터 라인 및 커먼이 전기적으로 절연되는 것을 보장하기 위해, 안전성 한도가 일반적으로 상기 절삭의 길이에 부가된다.
ADR 프로세서의 마지막 기능은 매크로 템플릿과 복구 지시를 상기 툴이 실행할 특정 매크로 및 처방으로 번역하는 것이다. 상기 LCD 패널복구는 일반적으로 다중 빔 레이저 시스템에 의해 이루어진다. 상기 레이저는 소위 복구 매크로인 단순 명령의 목록을 수행하도록 지시되고, 상기 복구 매크로는 다음의 형태를 갖는다:
<LaserCutType>.<RecipeName>.rpixel.<Mag&Lens>{<StartLoc>;<EndPoint>;}
상기 레이저 절삭 타입의 제1 필드는 라인(Line), 블록(Block), 등이다. 제2 필드는 일반적으로 레이저 처방의 명칭이지만, 상기 결함이 자동적으로는 복구될 수 없고 인간의 개입을 요구한다는 것을 의미하는 "작동자"와 같은, 작동자에 대한 단순 명령일 수도 있다. 한편, CVD는, 이 결함이 복구를 위해 화학 증착 시스템으 로 보내지도록 지시한다. 제3 필드는 복구 방법이며, 이 경우 "픽셀 복구(repair pixel)"이다. 제4 필드는 렌즈 배율 및 레이저의 파장이다. 이 예에서 50X 렌즈를 갖는 IR(적외선) 레이저가 선택된다. 대괄호로 둘러싸인 제5 필드는, 레이저 절삭의 시작 및 종단 지점이다. 상기의 예를 계속하면, 상기 킬픽셀 매크로는 상기 템플릿으로부터 생성될 수 있고 이하와 같이 보여진다:
Point.CutTFTOl.rpixel.5OX-IR(200.2, 20.0; 202.7, 4.7;}
Point.CutTFTO1.rpixel.5OX-IR{210.2, 20.0; 212.7, 4.7;}
Line.CutTFTOl.rpixel.50X-IR{-360.6, 1.8; -324.452, 5.373;}
생성된 "Cut Data Common" 매크로는 다음과 같이 보일 수 있다:
Line.CutDC.rpixel.5OX-IR{-360.309, 1.834; -224.452, 5.373;}
매크로 템플릿으로부터 구축된 이러한 복구 매크로들은 복구 작동자에 의해 생성된 것들과 형태 및 기능에 있어서 동일하다. 상기 매크로 템플릿 파일들을 생성하는 매크로 템플릿 에디터는 그래픽 기능을 활용한 사용자 인터페이스를 통해 사용자가 상기 매크로 템플릿을 용이하게 생성하고 수정하도록 도울 수 있다.
도 7 및 13에 도시된 바와 같이, 상기 복구 매크로가 검색되면(단계 1302) 상기 결함이 복구 가능한 것으로 검출되고(단계 1304), 만약 확인 모드가 동작 중이면, 상기 복구 매크로가 작동자에게 디스플레이된다(단계 1310). 만약 상기 매크로의 절삭 위치 또는 다른 중요한 데이터가 만족스럽다면, 작동자는 상기 매크로 의 실행을 허용할 수 있다(단계 1312). 이 시점에서 상기 매크로는 선택된 결함을 복구하는데 필요한 모든 정보, 즉, 두 개의 분류기에 기초한 결함 및 복구 정보, 특정의 공간 정보, 및 특정의 복구 정보(예를 들어, 레이저 파워, 스폿 크기, 등)를 갖는다. 이러한 최종 매크로는 툴 제어기 510으로 리턴되고, 상기 복구의 실행이 개시된다. 만약 상기 매크로가 만족스럽지 않다면, 작동자는 최종 셋업 파라미터 및 복구의 실행이 완료되기 전에 매크로를 필요한 만큼 조정할 수 있다(단계 1314).
복구 실행은 툴 제어기 510에 의해 이행된다. 복구 확대도가 구축되고(단계 1322), 정렬 위치에서의 이미지가 얻어지고(단계 1324), 만약 필요하면 정렬이 수행되며(단계 1326), 복구 위치에 대한 오프셋(offset)이 일어나고(단계 1328), 레이저 파라미터들이 조정되며(단계 1330), 마지막으로 툴 제어기 510에 의해 복구가 실행된다. 상기 정렬 단계는, 만약 스테이지가 이동되지 않았다면, 필요하지 않을 수 있다.
도 14는 결함 인스턴스를 저장하기 위해 구성된 데이터베이스 기록 작성기 750을 포함하도록 도시된 점을 제외하면 도 7과 유사하다. 결함 추출기 720로부터 수신된 이미지 파일 명칭, 상기 결함 분류기 및 복구 분류기로부터의 결함 분류 규칙 및 복구 분류 규칙, 상기 복구 매크로 생성기로부터의 데이터 및 제어 정보, 및 상기 작동자에 의해 수동으로 생성된 분류 및 복구 정보를 포함해서, 몇 가지 타입의 정보가 데이터베이스에 저장된다. 상기 데이터베이스 기록 작성기는 새로운 또는 보정된 규칙의 저장소로서 작동할 수 있고, 상기 분류 규칙의 자동 또는 수동 갱신이 일어날 수 있다. 그러나, 상기한 바와 같이, 상기 규칙 기반 분류기는 데이터베이스를 요구함이 없이 자동화를 허용함을 이해할 수 있다.
상기 데이터베이스 기록 작성기에 저장된 상기 결함 인스턴스 또한 오프라인(배치 모드) 통계적 학습이 일어나도록 하고, 온라인 학습에서 역할을 할 수도 있다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는, 본 발명이 분류기의 혼합(윈도윙(windowing) & 인스턴스 기반 추론(reasoning)을 포함함)을 사용함으로써, 수기(手記)의 규칙들이 자주 사용되는 제조의 개시 단계로부터 제품 단계 및 기계 학습 규칙까지의 원활한 전이(transition)를 가능하게 한다는 것을 이해할 수 있다. 또한, 상기 데이터베이스 및 분류기 방법은, 상대적인 파퓰레이션(populationa) 및 컨셉 드리프트(concept drift)에 있어서의 급격한 변화를 포함해서, 프로세스 결함에 있어서의 변화에 대한 적응을 허용한다. 다른 컴포넌트들은 상기 시스템의 예외(anomaly) 검출기, SPC 경고, 및 적층된 결함 뷰(view)와 같은, 기본 구조에 영향을 주지 않고 부가될 수 있다.
도 17은 본 발명의 상기 자동화된 결함 복구 시스템이 적응 학습을 어떻게 수용하는지를 도시한다. 단계 1710은 상기 두 분류기(결함 분류기 및 복구 분류기)와 미리 정의된 구역 정보 및 매크로 템플릿의 갱신을 허용한다. 적응 또는 동적 학습은 몇 가지 형태를 취할 수 있는데, 예를 들어, (i) 상기 데이터베이스에 어느 이미지 샘플을 저장할지에 관한 선택, (ii) 전문가가 분류한 상기 훈련 예의 셋트를 확장하거나 확정하기 위해, 상기 작동자가 작성하도록 맡겨진 결함의 목록을 추가, 또는 (iii) 특히 ADC가 모순을 검출하는 경우에, 인간 판단의 일관성을 시험하기 위해, 작동자에게 저장된(stored) 이미지를 제시하는 것이다.
도 6 내지 14는 결함들이 한번에 하나씩 그리고 순차적으로 판단되고 복구되는 시스템 및 방법을 도시한다. 본 발명은 또한, 도 15에 도시된 바와 같이, 모든 결함이 우선 관찰된 후 필요한 복구가 모두 수행되는, 자동적으로 결함을 복구하는 또 다른 시퀀스를 제공한다. 도 15는 프로세스들이 자동 관찰 1520, 자동 복구 1540, 및 수동 분류 및 복구 1560으로 나누어질 수 있음을 나타낸다.
상기 관찰 프로세스 동안 반드시 모든 결함이 자동으로 분류될 필요는 없다. 특별한 주의를 요하는 결함들은 수동 분류 & 복구 기능 블록 1560으로 필터링된다. 이렇게 해서, 도 15의 시퀀스는 툴 사용을 위한 계층적 접근법을 도시한다. 즉, 자동으로 처리될 수 있는 모든 결함은 처리가 계속되는 한편(1520), 주의를 요하는 결함들은 나중에 작동자가 분류하고 복구 처방을 셋업하도록 별도로 분리되거나 빈에 저장된다(1560). 제조가 개시되면, 수동으로 처리되는 결함의 비율이 자동으로 복구되는 것에 비해 더 높을 수 있다. 그러나, 제조가 원숙해짐과 함께 분류기 및 복구 규칙 데이터베이스가 성장함에 따라서, 자동으로 처리되는 결함의 비율이 작동자에 의해 처리될 것이 요구되는 결함의 비율을 넘어서게 된다.
또한, 원숙한 제조 설비에서조차도, 도 15에 도시된 상기 계층적 시퀀스는 상기 툴에서 작동자가 보내는 시간을 최적화하도록 도울 수 있는데, 이는 작동자의 판단이 상기 결함 관찰 단계에서 가장 중요할 수 있기 때문이다. 어느 결함이 복구되어야 하는지의 식별이 완성되면, 작동자는 상기 툴에 자동으로 복구를 실행하도록 지시하고 다른 문제에 집중할 수 있다. 또한, 모든 결함을 관찰한 후에 복구 하는 이러한 대안적 시퀀스는, 예를 들어, 하나의 어레이 복구 툴이 결함 관찰을 위해 독점적으로 사용되고 다른 툴이 복구를 위해 독점적으로 사용되도록 한다. 일부 복구는, CVD와 같은, 특별한 장치에서 완성될 필요가 있을 수 있다. 따라서 본 발명은, 예를 들어, 하나의 툴 타입에 의해 관찰 기능이 수행되는 한편, 복구 기능은 다른 툴 타입 또는 상기 첫번째 타입과 다른 두 번째 타입의 툴에 의해 수행되는 것과 같은, 혼합 장치의 사용을 허용한다.
상기 관찰/복구 툴은 AOI 또는 테스터 AC 툴에 의해 플래그된(flagged) 결함을 효율적으로 검출하고 위치를 지정해야 하며, 이러한 검출의 반복은 재검출(re-detection)로도 알려져 있다. 상기 복구 툴에 의한 재검출은 결함 분류 및 더 정확한 위치 정보를 더 요구한다. 그러한 정보는, 원래 결함을 플래그했던, 결함 분류를 위한 자신의 수단을 가질 수 있는, 상기 AOI 또는 AC에 유용할 수 있다.
도 16 및 6을 참조하면, 몇몇 실시예와 관련하여, 상기 결함 목록 관리자 602에 의해 관리되는 원래의 AOI/AC 결함 목록을 갱신하기 위한 정보를 제공하기 위해 ADR 프로세서 514가 구성된다. 상기 갱신된 정보는 상기 결함 목록 관리자에 의해 저장될 수 있고 작동자에 의해(또는 공장 자동화 방법을 통해) 추출되어 상기 AOI 또는 AC 툴에 제공될 수 있다. 이러한 기능은 혼합된 툴 사이의 접속성 및 학습을 가능케 한다.
본 발명의 상기 실시예들은 설명을 위한 것이며 제한적인 것은 아니다. 다양한 대안과 등가물이 가능하다. 본원의 개시 내용으로부터 다른 부가, 삭제 또는 수정이 명백하며, 이들은 첨부된 청구범위의 범위 내에 속한다.

Claims (50)

  1. 자동으로 패널을 복구하는 방법에 있어서,
    상기 패널의 복수의 결함을 검출하는 단계;
    검출된 각각의 결함과 관련된 결함 특성 목록을 생성하는 단계;
    상기 검출된 결함의 각각을, 상기 결함의 관련 특성 목록에 따라, 그리고, 한 셋트의 결함 분류 규칙에 따라 분류하는 단계;
    분류된 각각의 결함과 관련된 결함 클래스를 생성하는 단계; 및
    검출된 각각의 결함에 대해서, 상기 결함의 관련 결함 클래스에 따라, 그리고, 한 셋트의 복구 분류 규칙에 따라, 복구 처리 절차를 생성하는 단계를 포함하는 자동 패널 복구 방법.
  2. 제1항에 있어서,
    상기 검출된 결함의 각각을, 상기 결함이 검출된 구역을 나타내는 정보에 따라 분류하는 단계를 더 포함하는 자동 패널 복구 방법.
  3. 제2항에 있어서,
    검출된 각각의 결함에 대한 복구 처리 절차를, 상기 결함의 관련 특성 목록 에 따라 생성하는 단계를 더 포함하는 자동 패널 복구 방법.
  4. 제3항에 있어서,
    검출된 각각의 결함에 대해서, 상기 결함의 관련 복구 처리 절차에 따라, 그리고, 적어도 하나의 매크로 템플릿에 따라, 복구 매크로를 생성하는 단계를 더 포함하는 자동 패널 복구 방법.
  5. 제4항에 있어서.
    검출된 각각의 결함과 관련된 상기 복구 매크로를, 상기 결함의 관련 특성 목록에 따라 생성하는 단계를 더 포함하는 자동 패널 복구 방법.
  6. 제5항에 있어서,
    각각의 결함에 대해서, 그와 관련된 상기 복구 매크로가 상기 결함이 복구가능한 것으로 판단하면, 복구 동작을 수행하는 단계를 더 포함하는 자동 패널 복구 방법.
  7. 제6항에 있어서,
    각각의 결함에 대해, 그와 관련된 상기 복구 매크로가 상기 결함이 복구가능한 것으로 판단하고, 인간인 작동자가 상기 복구를 확인하면, 복구 동작을 수행하는 단계를 더 포함하는 자동 패널 복구 방법.
  8. 제6항에 있어서,
    각각의 결함과 관련된 상기 복구 매크로는 상기 결함이 복구가능한 것으로 판단하고 인간인 작동자는 처음에 복구를 확인하지 않은 경우, 관찰을 위해 상기 인간 작동자에게 상기 결함을 보여주는 단계를 더 포함하는 자동 패널 복구 방법.
  9. 제8항에 있어서,
    각각의 결함과 관련된 상기 복구 매크로는 상기 결함이 복구가능한 것으로 판단하고 상기 인간 작동자는 처음에 복구를 확인하지 않은 경우, 상기 결함에 대해 복구가 필요한지를 상기 인간 작동자로 하여금 결정할 수 있도록 하는 단계를 더 포함하는 자동 패널 복구 방법.
  10. 제9항에 있어서,
    상기 인간 작동자로 하여금, 그에 의해 처음에 확인되지 않은 상기 결함의 복구를 진행할 것을 결정할 수 있도록 하는 단계를 더 포함하는 자동 패널 복구 방법.
  11. 제9항에 있어서,
    상기 인간 작동자로 하여금, 그에 의해 처음에 확인되지 않은 상기 결함의 복구를 진행하지 않을 것을 결정할 수 있도록 하는 단계; 및
    복구를 위해 다음 결함을 위치시키는 단계를 더 포함하는 자동 패널 복구 방법.
  12. 제9항에 있어서,
    상기 결함 분류 규칙을 갱신하는 단계를 더 포함하는 자동 패널 복구 방법.
  13. 제12항에 있어서,
    상기 복구 분류 규칙을 갱신하는 단계를 더 포함하는 자동 패널 복구 방법.
  14. 제18항에 있어서,
    상기 구역 정보를 갱신하는 단계를 더 포함하는 자동 패널 복구 방법.
  15. 제14항에 있어서,
    적어도 하나의 매크로 템플릿을 갱신하는 단계를 더 포함하는 자동 패널 복구 방법.
  16. 제15항에 있어서,
    상기 인간 작동자가 확인할 수 있는 결함 타입들을 갱신하는 단계를 더 포함하는 자동 패널 복구 방법.
  17. 제21항에 있어서,
    상기 인간 작동자의 판단에 있어서의 일관성을 시험하기 위해 결함의 저장된 이미지를 제공하는 단계를 더 포함하는 자동 패널 복구 방법.
  18. 패널 복구 장치에 있어서,
    검출된 각각의 결함과 관련된 결함 특성 목록을 생성하는 결함 추출기;
    상기 검출된 결함의 각각을, 상기 결함의 관련 특성 목록에 따라, 그리고, 한 셋트의 결함 분류 규칙에 따라 분류하는 결함 분류기 - 상기 결함 분류기는 또한 분류된 각각의 결함과 관련된 결함 클래스를 생성함 -; 및
    검출된 각각의 결함에 대해서, 상기 결함의 관련 결함 클래스에 따라, 그리고, 한 셋트의 복구 분류 규칙에 따라, 복구 처리 절차를 생성하는 복구 분류기를 포함하는 패널 복구 장치.
  19. 제18항에 있어서,
    상기 결함 분류기는 또한, 상기 검출된 결함의 각각을, 상기 결함이 검출된 구역을 나타내는 정보에 따라 분류하는 패널 복구 장치.
  20. 제19항에 있어서,
    상기 복구 분류기는 또한, 검출된 각각의 결함에 대한 복구 처리 절차를, 상기 결함의 관련 특성 목록에 따라 생성하는 패널 복구 장치.
  21. 제20항에 있어서,
    검출된 각각의 결함에 대해서, 상기 결함의 관련 복구 처리 절차에 따라, 그리고, 적어도 하나의 매크로 템플릿에 따라, 복구 매크로를 생성하는 복구 매크로 생성기를 더 포함하는 패널 복구 장치.
  22. 제21항에 있어서,
    상기 매크로 생성기는 또한, 검출된 각각의 결함에 대한 복구 매크로를, 상기 결함의 관련 특성 목록에 따라 생성하는 패널 복구 장치.
  23. 제22항에 있어서,
    검출된 각각의 결함과 관련된 복구 매크로를 수신하고 상기 결함이 복구가능한지를 결정하는 제어 회로; 및
    상기 결함이 복구가능한 것으로 결정되면, 복구 하드웨어로 하여금 상기 결함을 복구하게 하는 툴 제어기를 더 포함하는 패널 복구 장치.
  24. 제23항에 있어서,
    상기 제어 회로는 또한, 상기 결함이 복구가능한 것으로 결정되면, 인간 작동자로 하여금 복구를 확인할 수 있도록 하는 패널 복구 장치.
  25. 제23항에 있어서,
    상기 제어 회로는 또한, 인간 작동자가 처음에 복구를 확인하지 않은 경우, 상기 인간 작동자로 하여금 복구가능한 것으로 결정된 결함을 관찰할 수 있도록 하는 패널 복구 장치.
  26. 제23항에 있어서,
    상기 제어 회로는 또한, 결함이 복구가능한 것으로 결정되고 상기 인간 작동자가 처음에 복구를 확인하지 않은 경우, 상기 결함에 대해 복구가 필요한지를 상기 인간 작동자로 하여금 결정할 수 있도록 하는 패널 복구 장치.
  27. 제26항에 있어서,
    상기 제어 회로는 또한, 상기 인간 작동자로 하여금 그에 의해 처음에 확인되지 않은 결함의 복구를 진행할 것을 결정할 수 있도록 하는 패널 복구 장치.
  28. 제26항에 있어서,
    상기 제어 회로는 또한, 상기 인간 작동자로 하여금 그에 의해 처음에 확인되지 않는 결함의 복구를 진행하지 않을 것을 결정할 수 있도록 하는 패널 복구 장치.
  29. 제26항에 있어서,
    상기 결함 분류 규칙을 갱신하는 데이터베이스를 더 포함하는 패널 복구 장치.
  30. 제29항에 있어서,
    상기 데이터베이스는 또한, 상기 복구 분류 규칙을 갱신하는 패널 복구 장치.
  31. 제36항에 있어서,
    상기 데이터베이스는 또한, 상기 구역 정보를 갱신하는 패널 복구 장치.
  32. 제37항에 있어서,
    상기 데이터베이스는 또한, 적어도 하나의 매크로 템플릿을 갱신하는 패널 복구 장치.
  33. 제32항에 있어서,
    상기 데이터베이스는 또한, 상기 인간 작동자가 확인할 수 있는 결함 타입들을 갱신하는 패널 복구 장치.
  34. 제39항에 있어서,
    상기 데이터베이스는 또한, 상기 인간 작동자의 판단에 있어서의 일관성을 시험하기 위해 결함의 저장된 이미지를 제공하는 패널 복구 장치.
  35. 자동으로 패널을 복구하는 방법에 있어서,
    상기 패널의 복수의 결함을 검출하는 단계;
    상기 검출된 결함의 제1 분류를 수행하는 단계; 및
    상기 제1 분류된 결함의 제2 분류를 수행하는 단계를 포함하는 자동 패널 복구 방법.
  36. 제35항에 있어서,
    검출된 각각의 결함에 대해서 결합된 구역 데이터를 생성하기 위해, 검출된 각각의 결함과 관련된 제1 구역 데이터와 미리 정의된 제2 구역 데이터를 결합하는 단계;
    검출된 각각의 결함을 포함하는 픽셀과 관련된 필터링된 구역 데이터를 생성하기 위해 상기 검출된 결함과 관련된 상기 결합된 구역 데이터를 필터링하는 단계 - 상기 필터링된 구역 데이터는 복구가 행해질 위치를 정의함 - 를 더 포함하는 자동 패널 복구 방법.
  37. 제36항에 있어서,
    상기 제2 분류에 대한 복구 템플릿을 선택하는 단계를 더 포함하는 자동 패널 복구 방법.
  38. 제37항에 있어서,
    상기 복구 템플릿은 고정 템플릿인 자동 패널 복구 방법.
  39. 제37항에 있어서,
    상기 복구 템플릿은 가변 템플릿인 자동 패널 복구 방법.
  40. 제37항에 있어서,
    상기 복구 템플릿에 대한 복구 매크로를 생성하는 단계;
    복구 툴로 하여금 상기 생성된 복구 매크로에 따라 복구를 수행하도록 지시하는 단계를 더 포함하는 자동 패널 복구 방법.
  41. 패널 복구 장치에 있어서,
    결함을 추출하는 결함 추출기;
    검출된 각각의 결함에 대해 결함 클래스를 정의하는 결함 분류기; 및
    분류된 각각의 결함에 대해 복구 클래스를 정의하는 복구 분류기를 포함하는 패널 복구 장치.
  42. 제41항에 있어서,
    검출된 각각의 결함과 관련된 제1 구역 정보 및 미리 정의된 제2 구역 정보의 결합에 의해 정의된 구역 데이터를 필터링하고, 검출된 결함을 포함하는 각각의 픽셀과 관련된 필터링된 구역 데이터를 생성 - 상기 필터링된 구역 데이터는 복구가 행해져야 하는 위치를 정의함 - 하는 구역 필터를 더 포함하는 패널 복구 장치.
  43. 제42항에 있어서,
    상기 정의된 복구 클래스에 대한 복구 템플릿을 선택하는 매크로 생성기를 더 포함하는 패널 복구 장치.
  44. 제43항에 있어서,
    상기 복구 템플릿은 고정 템플릿인 패널 복구 장치.
  45. 제43항에 있어서,
    상기 복구 템플릿은 가변 템플릿인 패널 복구 장치.
  46. 제43항에 있어서,
    상기 생성된 복구 매크로에 대한 복구를 수행하는 복구 툴을 더 포함하는 패널 복구 장치.
  47. 패널 복구 방법에 있어서,
    제1의 자동화된 툴을 사용하여 패널의 복구 정보를 수집하는 단계; 및
    상기 제1의 자동화된 툴에 의해 수집된 상기 복구 정보를 사용하여 제2의 자동화된 툴에서 복구를 수행하는 단계를 포함하며,
    상기 결함 정보를 수집하는 단계는,
    검출된 각각의 결함과 관련된 결함 특성 목록을 생성하는 단계;
    검출된 각각의 결함을, 상기 결함의 관련 특성 목록에 따라, 그리고, 한 셋트의 결함 분류 규칙에 따라 분류하는 단계;
    분류된 각각의 결함과 관련된 결함 클래스를 생성하는 단계; 및
    검출된 각각의 결함에 대해서, 상기 결함의 관련 결함 클래스에 따라, 그리고, 한 셋트의 복구 분류 규칙에 따라, 복구 처리 절차를 생성하는 단계를 포함하는 패널 복구 방법.
  48. 패널 복구 장치에 있어서,
    상기 패널에 존재하는 결함의 좌표를 포함하는 결함 목록을 제공하는 결함 추출기; 및
    자동 결함 복구 프로세서를 포함하며,
    상기 자동 결함 복구 프로세서는,
    상기 결함 목록을 사용하여 검출된 각각의 결함에 대한 결함 클래스를 정의하는 결함 분류기;
    상기 결함 목록을 사용하여 분류된 각각의 결함에 대해 복구 클래스를 정의하는 복구 분류기를 포함하며,
    상기 자동 복구 프로세서는, 상기 결함 검출기로 하여금 상기 결함 목록을 갱신하도록 하기 위해 상기 결함 검출기에 정보를 제공하는 패널 복구 장치.
  49. 제48항에 있어서,
    상기 결함 검출기는 자동화된 광학 검사 시스템에 배치되는 패널 복구 장치.
  50. 제48항에 있어서,
    상기 결함 검출기는 어레이 테스터에 배치되는 패널 복구 장치.
KR1020077019110A 2005-01-21 2006-01-20 자동 결함 복구 시스템 KR101387785B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US64611105P 2005-01-21 2005-01-21
US60/646,111 2005-01-21
PCT/US2006/002058 WO2006078916A2 (en) 2005-01-21 2006-01-20 Automatic defect repair system

Publications (2)

Publication Number Publication Date
KR20070095437A true KR20070095437A (ko) 2007-09-28
KR101387785B1 KR101387785B1 (ko) 2014-04-25

Family

ID=36692929

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020077019110A KR101387785B1 (ko) 2005-01-21 2006-01-20 자동 결함 복구 시스템

Country Status (6)

Country Link
US (1) US7761182B2 (ko)
JP (1) JP2008529067A (ko)
KR (1) KR101387785B1 (ko)
CN (1) CN101536011B (ko)
TW (1) TWI447575B (ko)
WO (1) WO2006078916A2 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230060250A (ko) * 2021-10-27 2023-05-04 주식회사 코윈디에스티 인공지능(ai)을 이용한 잉크젯 방식의 디스플레이 패널에 대한 자동 결함 수리 방법

Families Citing this family (70)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7301133B2 (en) * 2005-01-21 2007-11-27 Photon Dynamics, Inc. Tracking auto focus system
TWI447575B (zh) 2005-01-21 2014-08-01 Photon Dynamics Inc 自動缺陷修復系統
JP4956984B2 (ja) * 2005-12-14 2012-06-20 ソニー株式会社 欠陥修正装置及び欠陥修正方法
JP2007189589A (ja) * 2006-01-16 2007-07-26 Sony Corp 情報処理装置および情報処理方法、学習装置および学習方法、並びにプログラム
US7786742B2 (en) 2006-05-31 2010-08-31 Applied Materials, Inc. Prober for electronic device testing on large area substrates
DE102006039356A1 (de) * 2006-08-22 2008-03-20 Robert Bosch Gmbh Verfahren zum Steuern eines Karosserierohbau-Laserschweißsystems und Karosserierohbau-Laserschweißsystem
JP4813322B2 (ja) * 2006-10-17 2011-11-09 シャープ株式会社 基板修復システム、基板修復方法、プログラム及びコンピュータ読み取り可能な記録媒体
JP4940941B2 (ja) * 2006-12-25 2012-05-30 ソニー株式会社 欠陥修正装置及び欠陥修正方法
JP4374552B2 (ja) * 2007-04-12 2009-12-02 ソニー株式会社 基板の製造方法および基板製造システム、並びに表示装置の製造方法
US8023766B1 (en) * 2007-04-30 2011-09-20 Hewlett-Packard Development Company, L.P. Method and system of processing an image containing undesirable pixels
JP5353179B2 (ja) * 2008-10-22 2013-11-27 ソニー株式会社 欠陥修正装置および欠陥修正方法
JP5158365B2 (ja) * 2008-11-14 2013-03-06 オムロン株式会社 基板の欠陥検査装置
US7979969B2 (en) * 2008-11-17 2011-07-19 Solopower, Inc. Method of detecting and passivating a defect in a solar cell
US9020943B2 (en) * 2009-01-07 2015-04-28 Oracle International Corporation Methods, systems, and computer program product for automatically categorizing defects
US8219514B2 (en) * 2009-01-07 2012-07-10 Oracle International Corporation Methods, systems, and computer program product for implementing expert assessment of a product
KR101286548B1 (ko) * 2009-03-31 2013-07-17 엘지디스플레이 주식회사 액정표시장치의 검사 시스템 및 방법
JP5640328B2 (ja) * 2009-05-20 2014-12-17 ソニー株式会社 欠陥修正装置及び欠陥修正方法
US10996258B2 (en) * 2009-11-30 2021-05-04 Ignis Innovation Inc. Defect detection and correction of pixel circuits for AMOLED displays
JP2013068645A (ja) * 2010-01-28 2013-04-18 Sharp Corp 表示装置の欠陥修正方法、表示装置およびその製造方法
US8315453B2 (en) * 2010-07-27 2012-11-20 Applied Materials Israel, Ltd. Defect classification with optimized purity
US8331650B2 (en) 2010-07-29 2012-12-11 Sharp Laboratories Of America, Inc. Methods, systems and apparatus for defect detection
US8995747B2 (en) 2010-07-29 2015-03-31 Sharp Laboratories Of America, Inc. Methods, systems and apparatus for defect detection and classification
US9053391B2 (en) 2011-04-12 2015-06-09 Sharp Laboratories Of America, Inc. Supervised and semi-supervised online boosting algorithm in machine learning framework
CN102829858B (zh) * 2011-06-15 2014-09-10 上海天马微电子有限公司 光传感器阵列面板的缺陷检测修复装置及其方法
CN102262663B (zh) * 2011-07-25 2013-01-02 中国科学院软件研究所 一种软件缺陷报告修复方法
US9092842B2 (en) 2011-08-04 2015-07-28 Sharp Laboratories Of America, Inc. System for defect detection and repair
US9715723B2 (en) 2012-04-19 2017-07-25 Applied Materials Israel Ltd Optimization of unknown defect rejection for automatic defect classification
US10043264B2 (en) 2012-04-19 2018-08-07 Applied Materials Israel Ltd. Integration of automatic and manual defect classification
JP2013257208A (ja) * 2012-06-12 2013-12-26 Sharp Corp 欠陥原因工程分析装置および欠陥原因工程分析方法
US8831333B2 (en) * 2012-06-13 2014-09-09 Nanya Technology Corporation Mask pattern analysis apparatus and method for analyzing mask pattern
US8995745B2 (en) * 2012-07-31 2015-03-31 Fei Company Sequencer for combining automated and manual-assistance jobs in a charged particle beam device
KR20200067917A (ko) 2013-02-18 2020-06-12 카티바, 인크. Oled 스택 필름의 품질 평가를 위한 시스템, 장치, 및 방법
US20140270347A1 (en) * 2013-03-13 2014-09-18 Sharp Laboratories Of America, Inc. Hierarchical image classification system
US10114368B2 (en) 2013-07-22 2018-10-30 Applied Materials Israel Ltd. Closed-loop automatic defect inspection and classification
CN103440654B (zh) * 2013-08-27 2016-08-10 南京大学 一种lcd异物缺陷检测方法
US10268927B2 (en) 2014-10-14 2019-04-23 Eigen Innovations Inc. System, apparatus and method for configuration of industrial vision control modules
US10650508B2 (en) 2014-12-03 2020-05-12 Kla-Tencor Corporation Automatic defect classification without sampling and feature selection
DE102015204800B3 (de) * 2015-03-17 2016-12-01 MTU Aero Engines AG Verfahren und Vorrichtung zur Qualitätsbeurteilung eines mittels eines additiven Herstellungsverfahrens hergestellten Bauteils
CN105161517B (zh) * 2015-08-14 2018-10-12 京东方科技集团股份有限公司 阵列基板的修复方法、修复装置和制备方法
DE102015119240B3 (de) * 2015-11-09 2017-03-30 ATENSOR Engineering and Technology Systems GmbH Automatisches detektieren und robotergestütztes bearbeiten von oberflächendefekten
KR102510003B1 (ko) * 2015-12-22 2023-03-13 엘지디스플레이 주식회사 유기 발광 표시 장치
US10217031B2 (en) 2016-10-13 2019-02-26 International Business Machines Corporation Identifying complimentary physical components to known physical components
US10580055B2 (en) 2016-10-13 2020-03-03 International Business Machines Corporation Identifying physical tools to manipulate physical components based on analyzing digital images of the physical components
US10578937B2 (en) * 2016-12-21 2020-03-03 HKC Corporation Limited Method and apparatus of repairing transistor
CN106814479B (zh) * 2017-01-11 2019-07-16 昆山国显光电有限公司 一种面板缺陷位置的偏移补偿方法、装置及系统
CN106950758B (zh) * 2017-03-03 2019-06-18 惠科股份有限公司 一种显示面板及其制程和显示装置
CN107093679A (zh) * 2017-04-28 2017-08-25 京东方科技集团股份有限公司 修复有机电致发光器件亮点的方法、有机电致发光器件及其制备方法及显示装置
CN107040725B (zh) * 2017-05-15 2021-04-30 惠科股份有限公司 一种图像获取装置的坐标校正方法及图像获取装置
CN107464236B (zh) * 2017-07-28 2020-05-05 武汉华星光电半导体显示技术有限公司 一种基于aoi的柔性显示基板缺陷判别方法
CN107886500A (zh) * 2017-10-13 2018-04-06 北京邮电大学 一种基于机器视觉和机器学习的产品生产监控方法及系统
TWI649659B (zh) 2017-10-27 2019-02-01 財團法人工業技術研究院 自動光學檢測影像分類方法、系統及含有該方法之電腦可讀取媒體
CN108196029A (zh) * 2018-03-02 2018-06-22 绵阳金泰机械设备制造有限公司 一种金属零件缺陷检测系统及修复方法
WO2019183153A1 (en) * 2018-03-21 2019-09-26 Kla-Tencor Corporation Training a machine learning model with synthetic images
TWI703514B (zh) * 2018-05-24 2020-09-01 牧德科技股份有限公司 人工智慧複檢系統及其方法
US10713769B2 (en) * 2018-06-05 2020-07-14 Kla-Tencor Corp. Active learning for defect classifier training
US11315231B2 (en) 2018-06-08 2022-04-26 Industrial Technology Research Institute Industrial image inspection method and system and computer readable recording medium
CN109118482B (zh) * 2018-08-07 2019-12-31 腾讯科技（深圳）有限公司 一种面板缺陷分析方法、装置及存储介质
JP2019003203A (ja) * 2018-08-10 2019-01-10 株式会社ニューフレアテクノロジー 検査方法および検査装置
JP7332144B2 (ja) * 2019-06-13 2023-08-23 株式会社ブイ・テクノロジー レーザ修正方法、レーザ修正装置
CN110961857B (zh) * 2019-11-07 2021-05-04 中广核工程有限公司 一种控制棒驱动机构密封焊缝唇边坡口再制方法及系统
CN111054638A (zh) * 2019-11-27 2020-04-24 奥特斯科技(重庆)有限公司 制造部件承载件的方法及在制造期间操控面板的设备
CN111337512B (zh) * 2020-05-22 2020-09-08 深圳新视智科技术有限公司 用于aoi缺陷检测的缺陷提取方法
DE102020120559A1 (de) 2020-08-04 2022-02-10 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Bearbeiten wenigstens eines Defekts einer Oberfläche eines Bauteils, insbesondere in einem Bereich wenigstens eines Oberflächenmerkmals
TWI737447B (zh) * 2020-08-13 2021-08-21 新加坡商鴻運科股份有限公司 影像處理方法、電子裝置和存儲介質
CN112827857A (zh) * 2020-12-30 2021-05-25 凌云光技术股份有限公司 一种基于aoi检测的人工重新判定装置、方法和系统
CN115147329A (zh) * 2021-03-29 2022-10-04 北京小米移动软件有限公司 一种柔性面板的修复方法、装置、设备及存储介质
TWI755312B (zh) * 2021-04-07 2022-02-11 佑昇雷射股份有限公司 智慧化視覺雷射切割專家系統及其操作流程
TWI816549B (zh) * 2022-09-14 2023-09-21 朝陽科技大學 自動化瑕疵檢測方法
CN115815134B (zh) * 2023-02-15 2023-05-02 泰州新源电工器材有限公司 基于视觉检测系统可修复表面缺陷的纸板分选设备
CN117876348B (zh) * 2024-01-16 2024-07-05 深圳市塞外科技有限公司 纸杯设计缺陷自动预检测方法与装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6205239B1 (en) * 1996-05-31 2001-03-20 Texas Instruments Incorporated System and method for circuit repair
JP4002655B2 (ja) 1998-01-06 2007-11-07 株式会社日立製作所 パターン検査方法およびその装置
US6476913B1 (en) * 1998-11-30 2002-11-05 Hitachi, Ltd. Inspection method, apparatus and system for circuit pattern
US6539106B1 (en) * 1999-01-08 2003-03-25 Applied Materials, Inc. Feature-based defect detection
JP4348979B2 (ja) * 2003-03-27 2009-10-21 東レ株式会社 リペア装置およびリペア方法
US7356175B2 (en) * 2003-09-25 2008-04-08 Columbia Forest Products, Inc. Identifying defects in decorative wood panels
US7394534B1 (en) * 2003-11-19 2008-07-01 Kla-Tencor Corporation Process excursion detection
US7084970B2 (en) * 2004-05-14 2006-08-01 Photon Dynamics, Inc. Inspection of TFT LCD panels using on-demand automated optical inspection sub-system
US7142992B1 (en) * 2004-09-30 2006-11-28 Kla-Tencor Technologies Corp. Flexible hybrid defect classification for semiconductor manufacturing
TWI447575B (zh) 2005-01-21 2014-08-01 Photon Dynamics Inc 自動缺陷修復系統

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230060250A (ko) * 2021-10-27 2023-05-04 주식회사 코윈디에스티 인공지능(ai)을 이용한 잉크젯 방식의 디스플레이 패널에 대한 자동 결함 수리 방법

Also Published As

Publication number Publication date
CN101536011A (zh) 2009-09-16
US20060226865A1 (en) 2006-10-12
US7761182B2 (en) 2010-07-20
CN101536011B (zh) 2013-01-09
JP2008529067A (ja) 2008-07-31
TWI447575B (zh) 2014-08-01
WO2006078916A2 (en) 2006-07-27
KR101387785B1 (ko) 2014-04-25
WO2006078916A3 (en) 2009-04-16
TW200632639A (en) 2006-09-16

Similar Documents

Publication Publication Date Title
KR101387785B1 (ko) 자동 결함 복구 시스템
JP5353179B2 (ja) 欠陥修正装置および欠陥修正方法
US7103505B2 (en) Defect analyzer
JP5081590B2 (ja) 欠陥観察分類方法及びその装置
JP4940941B2 (ja) 欠陥修正装置及び欠陥修正方法
US7937179B2 (en) Dynamic inline yield analysis and prediction of a defect limited yield using inline inspection defects
US8262427B2 (en) Defect correcting apparatus and defect correcting method
JP5110894B2 (ja) 欠陥修正装置、配線基板の製造方法、ディスプレイ装置の製造方法
WO2007123238A1 (ja) 不良原因設備特定システム
JP5114943B2 (ja) 欠陥修正装置及び欠陥修正方法
JP2907146B2 (ja) メモリｌｓｉの特定箇所探索方法および探索装置
TWI783368B (zh) 診斷系統
KR100359797B1 (ko) 평판형 표시장치의 양, 부 판정 방법
JP5640328B2 (ja) 欠陥修正装置及び欠陥修正方法
JP4940679B2 (ja) 欠陥修正手法の表示方法及び欠陥修正装置
WO2024036552A1 (en) Method for defect review measurement on a substrate, apparatus for imaging a substrate, and method of operating thereof
TW202422047A (zh) 用於對基板進行缺陷審查測量的方法、用於對基板進行成像的裝置和其操作方法
Qiu et al. Automatic repair in active-matrix liquid crystal display (AMLCD)

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
J201 Request for trial against refusal decision
AMND Amendment
B701 Decision to grant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180404

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190329

Year of fee payment: 6