KR20230031509A - 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치 - Google Patents
인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치 Download PDFInfo
- Publication number
- KR20230031509A KR20230031509A KR1020210113821A KR20210113821A KR20230031509A KR 20230031509 A KR20230031509 A KR 20230031509A KR 1020210113821 A KR1020210113821 A KR 1020210113821A KR 20210113821 A KR20210113821 A KR 20210113821A KR 20230031509 A KR20230031509 A KR 20230031509A
- Authority
- KR
- South Korea
- Prior art keywords
- artificial intelligence
- thin film
- substrate
- module
- optical inspection
- Prior art date
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 120
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 119
- 230000003287 optical effect Effects 0.000 title claims abstract description 109
- 238000001771 vacuum deposition Methods 0.000 title claims abstract description 34
- 239000000758 substrate Substances 0.000 claims abstract description 123
- 230000007547 defect Effects 0.000 claims abstract description 96
- 239000010409 thin film Substances 0.000 claims abstract description 95
- 238000000034 method Methods 0.000 claims abstract description 75
- 230000008569 process Effects 0.000 claims abstract description 66
- 238000000151 deposition Methods 0.000 claims abstract description 56
- 230000008021 deposition Effects 0.000 claims abstract description 51
- 238000000427 thin-film deposition Methods 0.000 claims abstract description 41
- 238000004804 winding Methods 0.000 claims abstract description 31
- 238000003745 diagnosis Methods 0.000 claims description 63
- 238000012545 processing Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 32
- 238000013135 deep learning Methods 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 22
- 238000013480 data collection Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 abstract description 16
- 238000004544 sputter deposition Methods 0.000 description 23
- 239000010408 film Substances 0.000 description 15
- 238000011109 contamination Methods 0.000 description 12
- 230000004888 barrier function Effects 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 9
- 238000013075 data extraction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000010884 ion-beam technique Methods 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 239000013077 target material Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000003647 oxidation Effects 0.000 description 3
- 238000007254 oxidation reaction Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 229910006404 SnO 2 Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229910052814 silicon oxide Inorganic materials 0.000 description 1
- 238000009751 slip forming Methods 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
- C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
- C23C14/54—Controlling or regulating the coating process
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
- C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
- C23C14/54—Controlling or regulating the coating process
- C23C14/542—Controlling the film thickness or evaporation rate
- C23C14/545—Controlling the film thickness or evaporation rate using measurement on deposited material
- C23C14/547—Controlling the film thickness or evaporation rate using measurement on deposited material using optical methods
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
- C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
- C23C14/56—Apparatus specially adapted for continuous coating; Arrangements for maintaining the vacuum, e.g. vacuum locks
- C23C14/562—Apparatus specially adapted for continuous coating; Arrangements for maintaining the vacuum, e.g. vacuum locks for coating elongated substrates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Organic Chemistry (AREA)
- Materials Engineering (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Metallurgy (AREA)
- Mechanical Engineering (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Textile Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
본 발명은 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 관한 것으로, 특히 박막 증착 공정이 진행되는 진공 챔버 내에 인공지능 기반 광학 검사 모듈을 구비하여 기판 상에 증착된 박막에 대한 다양한 측정과 인공지능에 기반한 결함 진단을 박막 증착 공정 이후 바로 연속해서 실시간으로 수행할 수 있도록 구성함으로써, 기판에 대한 박막 증착 및 검사를 위한 시간, 노력 및 비용을 최소화하여 생산성을 향상시킬 수 있고, 기판의 오염 가능성을 감소시킬 수 있으며, 인공지능에 기반한 결함 진단에 의해 신속하고 정확한 박막 결함 진단을 수행할 수 있도록 하는 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 관한 것이다.
본 발명인 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치를 이루는 구성수단은, 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 있어서, 기판을 풀어주는 언와인딩 롤러; 상기 언와인딩 롤러로부터 텐션이 유지된 상태로 전달되는 기판의 일면이 노출되도록 이동시키되, 상기 기판의 일면에 대해 박막 증착 공정을 수행하는 증착 모듈; 상기 증착 모듈로부터 텐션이 유지된 상태로 이동되는 기판의 박막에 대해 광학 검사를 수행하고 인공지능을 적용하여 박막에 대한 결함을 진단하는 인공지능 기반 광학 검사 모듈; 상기 인공지능 기반 광학 검사 모듈로부터 텐션이 유지된 상태로 전달되는 기판을 되감는 와인딩 롤러를 포함하여 구성되는 것을 특징으로 한다.
본 발명인 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치를 이루는 구성수단은, 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 있어서, 기판을 풀어주는 언와인딩 롤러; 상기 언와인딩 롤러로부터 텐션이 유지된 상태로 전달되는 기판의 일면이 노출되도록 이동시키되, 상기 기판의 일면에 대해 박막 증착 공정을 수행하는 증착 모듈; 상기 증착 모듈로부터 텐션이 유지된 상태로 이동되는 기판의 박막에 대해 광학 검사를 수행하고 인공지능을 적용하여 박막에 대한 결함을 진단하는 인공지능 기반 광학 검사 모듈; 상기 인공지능 기반 광학 검사 모듈로부터 텐션이 유지된 상태로 전달되는 기판을 되감는 와인딩 롤러를 포함하여 구성되는 것을 특징으로 한다.
Description
본 발명은 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 관한 것으로, 특히 박막 증착 공정이 진행되는 진공 챔버 내에 인공지능 기반 광학 검사 모듈을 구비하여 기판 상에 증착된 박막에 대한 다양한 측정과 인공지능에 기반한 결함 진단을 박막 증착 공정 이후 바로 연속해서 실시간으로 수행할 수 있도록 구성함으로써, 기판에 대한 박막 증착 및 검사를 위한 시간, 노력 및 비용을 최소화하여 생산성을 향상시킬 수 있고, 기판의 오염 가능성을 감소시킬 수 있으며, 인공지능에 기반한 결함 진단에 의해 신속하고 정확한 박막 결함 진단을 수행할 수 있도록 하는 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 관한 것이다.
일반적으로 플렉시블 디스플레이의 액정 디스플레이, 유기 EL 디스플레이, E-ink 등에서 액정을 싸고 있는 기판은 유연성이 좋은 고분자 박막 필름을 사용하고 있다.
이와 같은 고분자 박막 필름에는 롤투롤(rool-to roll) 진공 증착 장치에 의해 ITO, ZnO, SnO2, In2O3, Nb2O5, SiOx 등으로 이루어진 투명 도전막 또는 기능성 코팅층 등이 형성될 수 있다.
일반적으로 플렉시블 디스플레이는 액정 디스플레이, 유기 EL 디스플레이, E-ink 등에서 액정을 싸고 있는 유리기판을 플렉시블 필름으로 대체하여 접고 펼 수 있는 유연성을 부여한 것으로서, 가볍고 충격에 강할 뿐 아니라, 휘거나 굽힐 수 있어 다양한 형태로 제작이 가능하므로 근래에 그 연구가 활발히 이루어지고 있다.
이러한 플렉서블 기술 분야에서는, 박막을 형성하기 위한 장비로 롤투롤 공정이 가능한 진공 증착 장치에 대한 요구가 높은 것이 사실이다.
이러한 진공 증착 장비를 롤투롤로 제조하려는 노력이 있어 왔다. 대한민국 등록특허 10-1273771호(이하, "선행기술문헌1"이라 함)는 필름 형태의 피증착물을 연속적으로 성막할 수 있는 롤투롤 스퍼터링 시스템을 제안하고 있다.
이와 같은 롤투롤 스퍼터링 시스템을 통해 필름에 박막을 증착한 후에는 상기 박막에 대한 다양한 측정, 테스트가 수행되어야 한다. 종래에는 필름에 대한 박막 증착 공정과 별개로 필름 상의 박막에 대한 테스트, 측정을 수행하는 검사 공정을 추가적으로 진행하였다. 결과적으로 필름 상에 박막 증착 공정과 필름 상에 증착된 박막에 대한 다양한 측정, 테스트를 수행하는 검사 공정이 별개의 장치에서 수행되고, 이로 인하여 필요 이상의 시간, 노력 및 비용이 소요되는 문제점이 발생한다.
또한, 상기 필름 상에 박막을 증착한 후, 별도의 검사 장치를 통해 필름 상의 박막에 대한 다양한 측정, 테스트를 수행하게 되면, 이동 및 시간의 경과에 따라, 필름 상의 박막에 산화가 발생할 수 있고 오염 가능성이 높아지는 문제점을 발생시킨다.
또한, 대한민국 공개특허 제10-2013-0125900호(이하, "선행기술문헌2"라 함)는 플렉시블 인쇄회로기판 유닛들이 연속적으로 형성된 필름 또는 테이프 형태의 검사대상물 외관을 광학적인 방식을 이용하여 자동 검사하는 자동 광학 검사 시스템을 제안하고 있다.
그러나, 선행기술문헌2는 역시 필름 상에 박막을 증착하는 박막 증착 공정과 별개로 별도의 장치를 이용하여 진행되는 것이기 때문에, 필름에 대한 박막 증착 및 검사 공정을 위한 시간, 노력 및 비용이 필요 이상 소요될 수밖에 없다. 또한, 선행기술문헌2에서의 광학 검사는 비젼 검사를 기본으로 하기 때문에, 필름 상의 박막에 대한 단순한 불량 여부만을 검출할 수 있을 뿐, 박막 두께 측정이 어렵고 결과적으로 박막 두께 편차를 분석할 수 없으며, 광학 밀도 분포 역시 분석할 수 없는 문제점을 가진다.
또한, 종래의 박막에 대한 광학 검사 방법은 박막 증착 공정이 진행되는 진공 챔버 내에 인공지능 기반 광학 검사 모듈을 구비하여 기판 상에 증착된 박막에 대한 다양한 측정과 인공지능에 기반한 결함 진단을 박막 증착 공정 이후 바로 연속해서 실시간으로 수행할 수 있는 구성 및 방법을 채택 적용하지 않기 때문에, 인공지능에 기반한 결함 진단에 의해 신속하고 정확한 박막 결함 진단을 수행할 수 없는 단점을 가진다.
본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위하여 창안된 것으로, 박막 증착 공정이 진행되는 진공 챔버 내에 인공지능 기반 광학 검사 모듈을 구비하여 기판 상에 증착된 박막에 대한 다양한 측정과 인공지능에 기반한 결함 진단을 박막 증착 공정 이후 바로 연속해서 실시간으로 수행할 수 있도록 구성함으로써, 기판에 대한 박막 증착 및 검사를 위한 시간, 노력 및 비용을 최소화하여 생산성을 향상시킬 수 있고, 기판의 오염 가능성을 감소시킬 수 있으며, 인공지능에 기반한 결함 진단에 의해 신속하고 정확한 박막 결함 진단을 수행할 수 있도록 하는 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치를 제공하는 것을 그 목적으로 한다.
상기와 같은 기술적 과제를 해결하기 위하여 제안된 본 발명인 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치를 이루는 구성수단은, 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 있어서, 기판을 풀어주는 언와인딩 롤러; 상기 언와인딩 롤러로부터 텐션이 유지된 상태로 전달되는 기판의 일면이 노출되도록 이동시키되, 상기 기판의 일면에 대해 박막 증착 공정을 수행하는 증착 모듈; 상기 증착 모듈로부터 텐션이 유지된 상태로 이동되는 기판의 박막에 대해 광학 검사를 수행하고 인공지능을 적용하여 박막에 대한 결함을 진단하는 인공지능 기반 광학 검사 모듈; 상기 인공지능 기반 광학 검사 모듈로부터 텐션이 유지된 상태로 전달되는 기판을 되감는 와인딩 롤러를 포함하여 구성되는 것을 특징으로 한다.
여기서, 상기 인공지능 기반 광학 검사 모듈은 상기 이동되는 기판에 광을 조사하는 광원 센서 모듈과, 상기 기판을 투과한 광을 입력받아 수광 데이터를 출력하는 수광 센서 모듈 및 상기 수광 데이터를 수집, 처리하고 인공지능 딥러닝 학습을 통해 박막에 대한 결함 발생 유무 및 결함 유형을 포함한 결함 진단 결과를 산출하는 인공지능 모듈을 포함하여 구성되는 것을 특징으로 한다.
여기서, 상기 인공지능 모듈은, 상기 수광 데이터를 수집하여 전처리를 수행하는 데이터 수집 및 전처리 수단; 상기 전처리된 수광 데이터로부터 특징 정보를 추출하고 추출된 특징 정보를 통해 결함 유형에 대응하는 복수의 패턴 정보를 생성하여 트레이닝 데이터를 추출하거나 상기 전처리된 수광 데이터로부터 특징 정보를 추출하고 추출된 특징 정보를 진단 대상데이터로 변환하는 자동 특징 추출 및 처리 수단; 상기 트레이닝 데이터를 입력받아 딥러닝 학습을 통해 결함 진단을 위한 모델링 데이터를 생성하고, 상기 모델링 데이터에 상기 진단 대상데이터를 적용하여 박막의 결함을 진단하는 결함 진단 수단을 포함하여 구성되는 것을 특징으로 한다.
여기서, 상기 특징 정보는 상기 박막의 광학 밀도와 두께 중 적어도 하나인 것을 특징으로 한다.
상기와 같은 과제 및 해결수단을 가지는 본 발명인 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 의하면, 박막 증착 공정이 진행되는 진공 챔버 내에 인공지능 기반 광학 검사 모듈을 구비하여 기판 상에 증착된 박막에 대한 다양한 측정과 인공지능에 기반한 결함 진단을 박막 증착 공정 이후 바로 연속해서 실시간으로 수행할 수 있도록 구성하기 때문에, 기판에 대한 박막 증착 및 검사를 위한 시간, 노력 및 비용을 최소화하여 생산성을 향상시킬 수 있고, 기판의 오염 가능성을 감소시킬 수 있으며, 특히 인공지능에 기반한 결함 진단에 의해 신속하고 정확한 박막 결함 진단을 수행할 수 있도록 하는 장점이 발생된다.
도 1은 본 발명의 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치의 개략적인 단면 구성도이다.
도 2는 본 발명의 다른 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치의 개략적인 단면 구성도이다.
도 3은 본 발명의 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치를 구성하는 인공지능 기반 광학 검사 모듈에 구비되는 인공지능 모듈의 구성 블록도이다.
도 4는 도 3에서 적용한 인공지능 모듈을 구성하는 트레이닝 데이터 추출부의 구성도이다.
도 2는 본 발명의 다른 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치의 개략적인 단면 구성도이다.
도 3은 본 발명의 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치를 구성하는 인공지능 기반 광학 검사 모듈에 구비되는 인공지능 모듈의 구성 블록도이다.
도 4는 도 3에서 적용한 인공지능 모듈을 구성하는 트레이닝 데이터 추출부의 구성도이다.
이하, 첨부된 도면을 참조하여 상기와 같은 과제, 해결수단 및 효과를 가지는 본 발명인 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 관한 바람직한 실시예를 상세하게 설명한다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.
도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
도 1은 본 발명의 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치의 개략적인 단면 구성도이고, 도 2는 본 발명의 다른 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치의 개략적인 단면 구성도이고, 도 3은 본 발명의 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치를 구성하는 인공지능 기반 광학 검사 모듈에 구비되는 인공지능 모듈의 구성 블록도이며, 도 4는 도 3에서 적용한 인공지능 모듈을 구성하는 트레이닝 데이터 추출부의 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치(100)는 언와인딩 롤러(10), 증착 모듈(30), 인공지능 기반 광학 검사 모듈(50), 와인딩 롤러(70) 및 텐션/가이드 롤러(90)를 포함하여 구성된다.
상기 언와인딩 롤러(10)는 상기 와인딩 롤러(70)와 사이에서 상호 간의 회전 운동에 의해 기판(s), 구체적으로 필름 등의 플렉시블 기판(s)을 풀거나 또는 되감는 동작을 수행한다. 구체적으로 상기 언와인딩 롤러(10)는 상기 플렉시블 기판(s)을 풀어주는 동작을 수행하고, 상기 와인딩 롤러(70)는 후술하겠지만, 상기 인공지능 기반 광학 검사 모듈(50)로부터 텐션이 유지된 상태로 전달되는 기판(s)을 되감는 동작을 수행한다.
상기 언와인딩 롤러(10)와 와인딩 롤러(70)는 상호 연동하여 필름형 피증착물, 즉 플렉시블 기판(s)을 감거나 풀어줌으로써 기판(s)의 증착 영역에 해당하는 증착 모듈(30)과 기판 상의 박막에 대한 검사, 테스트, 측정, 진단 등의 영역에 해당하는 인공지능 기반 광학 검사 모듈(50)을 따라 이송시킨다. 상기 언와인딩 롤러(10)에 감겨있는 상기 기판(s)은 복수의 텐션/가이드 롤러(90)를 통해 텐션이 유지되고 가이드되면서 상기 증착 모듈(30)과 인공지능 기반 광학 검사 모듈(50)을 통과하여 상기 와인딩 롤러(70)에 되감긴다.
상기 언와인딩 롤러(10)와 와인딩 롤러(70) 중 적어도 한쪽에는 이송되는 플렉시블 기판(s)의 장력을 검출하기 위한 로드 셀(미도시)이 설치될 수 있다. 상기 플렉시블 기판(s)에 일정 크기 이상의 장력이 가해지면 상기 플렉시블 기판(s)이 파손될 수 있으므로, 로드 셀(미도시)은 상기 플렉시블 기판(s)의 장력을 모니터링하여 이를 방지한다. 즉, 로드 셀은 상기 플렉시블 기판(s)이 받는 장력이 일정 크기 이상이 되면 상기 플렉시블 기판(s)이 한계 장력 이하로 이송될 수 있도록 상기 언와인딩 롤러(10)와 와인딩 롤러(70)의 속도를 조절할 수 있는 신호를 제공한다.
상기 언와인딩 롤러(10)와 와인딩 롤러(70)의 회전 방향은 가변될 수 있다. 즉, 언와인딩 롤러(10)에서 풀려 와인딩 롤러(70)로 감기면서 박막이 증착되는 상기 플렉시블 기판(s)에 다시 박막 증착 공정을 수행할 필요가 있는 경우, 언와인딩 롤러(10) 및 와인딩 롤러(70)의 회전 방향이 바뀌어 와인딩 롤러(70)에 감긴 플렉시블 기판(s)이 풀리면서 언와인딩 롤러(10)에 감길 수 있다.
이 경우, 상기 인공지능 기반 광학 검사 모듈(50)은 언와인딩 롤러(10)와 증착 모듈(30) 사이에 배치될 수 있다. 즉, 본 발명에 따른 인공지능 기반 광학 검사 모듈(50)은 도 1 및 도 2에서 증착 모듈(30)과 와인딩 모듈(70) 사이에 배치되는 것으로 예시하고 있지만, 경우에 따라서는 상기 언와인딩 롤러(10)와 상기 증착 모듈(30) 사이 및 상기 증착 모듈(30)과 상기 와인딩 롤러(70) 사이 중, 적어도 하나의 위치에 배치되는 것이 바람직하다.
상기 언와인딩 롤러(10)에서 풀려서 이동되는 상기 플렉시블 기판은 상기 증착 모듈(30)로 이송되면서 박막 증착 공정을 수행받는다. 상기 언와인딩 롤러(10)에서 전달되는 상기 플렉시블 기판(s)은 텐션이 유지된 상태로 가이드되면서 상기 증착 모듈(30)로 이송되고, 상기 증착 모듈(30)을 통과하면서 일면이 노출된 상태를 유지하고, 상기 노출된 기판의 일면에 대해 스퍼터링 공정 등의 박막 증착 공정을 수행받아 박막이 증착된다.
즉, 상기 증착 모듈(30)은 상기 언와인딩 롤러(10)로부터 텐션이 유지된 상태로 전달되는 기판(s)의 일면이 노출되도록 이동시키되, 상기 기판(s)의 일면에 대해 스퍼터링 공정 등의 박막 증착 공정을 수행하는 동작을 수행한다.
상기 기판(s)의 일면은 전면 또는 후면이 될 수 있다. 상기 기판의 일면이 전면인 경우에는 상기 기판의 타면은 후면에 해당하고, 상기 기판의 일면이 후면인 경우에는 상기 기판의 타면은 전면에 해당된다.
상기 증착 모듈(30)을 통과하는 상기 기판(s)은 일면이 노출된 상태로 이동하기 때문에, 상기 기판의 타면은 후술할 드럼(31) 또는 드럼 대용 롤러(33)에 접촉된 상태로 이송되고, 기판의 일면은 후술할 적어도 하나의 타겟(35)과 마주보면서 노출된 상태로 이송된다. 따라서, 상기 기판(s)의 일면은 상기 증착 모듈(30)을 통과하면서 일면에 스퍼터링 공정 등의 박막 증착 공정을 수행받아 박막이 형성될 수 있다.
상기 증착 모듈(30)에서 일면에 대해 스퍼터링 공정 등의 박막 증착 공정을 수행받은 후 이동되는 상기 플렉시블 기판(s)은 상기 인공지능 기반 광학 검사 모듈(50)로 이송되면서 연속적으로 광학 검사 공정을 수행받는다. 상기 증착 모듈(30)에서 이동되는 상기 플렉시블 기판(s)은 텐션이 유지된 상태로 가이드되면서 상기 인공지능 기반 광학 검사 모듈(50)로 이송되고, 상기 인공지능 기반 광학 검사 모듈(50)은 상기 기판의 박막에 대해 다양한 테스트, 측정, 검사, 진단을 위한 광학 검사를 수행한다.
즉, 상기 인공지능 기반 광학 검사 모듈(50)은 상기 증착 모듈(30)로부터 텐션이 유지된 상태로 이동되는 기판(s)의 박막에 대해 다양한, 테스트, 측정, 검사, 진단을 위한 광학 검사를 수행한다. 결과적으로, 상기 플렉시블 기판(s)은 상기 증착 모듈(30)과 상기 인공지능 기반 광학 검사 모듈(50)을 통과하면서 연속적으로 박막 증착 공정과 박막 검사 공정을 수행받을 수 있다. 특히, 상기 플렉시블 기판(s)의 박막에 대한 광학 검사는 진공 상태의 진공 챔버(1) 내에서 진행되기 때문에, 기판의 박막에 대한 산화 및 오염 발생을 미연에 방지할 수 있다.
상기 인공지능 기반 광학 검사 모듈(50)은 진공 상태를 유지할 수 있는 진공 챔버(1) 내에 배치되고, 기밀이 유지된 상태에서 상기 이동되는 기판, 구체적으로 기판의 박막에 대해 다양한 테스트, 측정, 검사, 진단을 수행하기 위한 광학 검사를 수행한다.
좀 더 구체적으로, 상기 인공지능 기반 광학 검사 모듈(50)은 상기 증착 모듈(30)로부터 텐션이 유지된 상태로 이동되는 기판(s)의 박막에 대해 광학 검사를 수행하고 더 나아가 인공지능을 적용하여 박막에 대한 결함을 진단하는 동작을 수행한다. 즉, 본 발명에 따른 상기 인공지능 기반 광학 검사 모듈(50)은 광학 검사를 수행하고 진단하되, 인공지능에 기반한 박막 결함 진단 동작을 수행한다.
상기 본 발명에 따른 인공지능 기반 광학 검사 모듈(50)은 광원 센서 모듈(51)과 수광 센서 모듈(53)을 포함하고, 인공지능을 적용하여 박막에 대한 다양한 진단을 수행하는 인공지능 모듈(200)을 더 포함하여 구성된다. 여기서, 상기 광원 센서 모듈(51)과 수광 센서 모듈(53)은 반드시 상기 진공 챔버(1) 내에 배치되고, 상기 인공지능 모듈(200)은 상기 진공 챔버(1) 내에 배치될 수도 있고, 경우에 따라서 상기 진공 챔버(1)의 외부에 배치될 수도 있다. 상기 인공지능 모듈(200)이 상기 진공 챔버(1)의 외부에 배치되는 경우, 상기 인공지능 모듈(200)은 상기 수광 센서 모듈(53)과 유선 또는 무선을 통해 연결되어 상기 수광 센서 모듈(53)로부터 수광 데이터를 전달받을 수 있돌고 데이터 통신을 수행한다.
상기 인공지능 기반 광학 검사 모듈(50)은 상기 이동되는 기판(s)에 광을 조사하는 광원 센서 모듈(51)과, 상기 기판(s)을 투과한 광을 입력받아 수광 데이터를 출력하는 수광 센서 모듈(53) 및 상기 수광 데이터를 수집, 처리하고 인공지능 딥러닝 학습을 통해 박막에 대한 결함 발생 유무 및 결함 유형을 포함한 결함 진단 결과를 산출하는 인공지능 모듈(200)을 포함하여 구성된다.
상기 광원 센서 모듈(51)은 이동되는 기판의 박막을 스캔하면서 박막을 향하여 레이저 광을 조사하는 동작을 수행한다. 구체적으로, 상기 광원 센서 모듈(51)은 상기 이동되는 기판(s)의 상부에 배치되어 상기 기판(s)의 박막에 대해 스캔광을 조사한다.
상기 광원 센서 모듈(51)에 대응하여 상기 이동되는 기판의 하부에는 상기 수광 센서 모듈(53)이 배치된다. 상기 수광 센서 모듈(53)은 기본적으로 상기 광원 센서 모듈(51)로부터 조사되어 상기 박막이 형성된 기판을 투과한 광을 입력받아 감지하고, 감지 데이터에 해당하는 수광 데이터를 출력하는 동작을 수행한다. 상기 수광 센서 모듈(53)에서 출력되는 수광 데이터는 상기 인공지능 모듈(200)에 전송되고, 상기 인공지능 모듈(200)은 상기 기판(s)을 투과한 광을 감지하여 획득되는 상기 수광 데이터를 입력받아 특징 정보 즉, 박막의 광학 밀도와 두께 중 적어도 하나를 추출하여 박막의 결함 진단 결과를 산출하는 동작을 수행한다.
상기 인공지능 모듈(200)은 상기 수광 데이터를 수집, 처리하고 인공지능 딥러닝 학습을 통해 박막에 대한 결함 발생 유무 및 결함 유형을 포함한 결함 진단 결과를 산출하는 동작을 수행한다. 좀 더 구체적으로, 상기 인공지능 모듈(200)은 인공지능을 적용하여 상기 수광 센서 모듈(53)에 의해 감지된 광과 상기 광원 센서 모듈(51)에서 조사된 광의 세기 등을 이용하여 상기 박막에 관련된 다양한 측정, 테스트, 검사, 진단을 수행할 수 있다.
상기 인공지능 모듈(200)을 포함하는 상기 인공지능 기반 광학 검사 모듈(50)을 통과하면서 광학 검사 공정을 수행받은 플렉시블 기판(s)은 상기 와인딩 롤러(70)에 되감긴다. 역시 상기 인공지능 기반 광학 검사 모듈(50)로부터 전달되는 상기 플렉시블 기판(s)은 텐션이 유지된 상태로 상기 와인딩 롤러(70)에 되감긴다. 즉, 상기 와인딩 롤러(70)는 상기 인공지능 기반 광학 검사 모듈(50)로부터 텐션이 유지된 상태로 전달되는 기판을 되감는 동작을 수행한다.
상기 언와이딩 롤러(10)에서 상기 와인딩 롤러(70)까지 이동하는 상기 플렉시블 기판(s)은 주름지지 않고 텐션이 유지된 상태로 이송될 필요가 있고, 옆으로 이탈되지 않도록 가이드되어 이송될 필요가 있다. 이를 위하여 상기 언와인딩 롤러(10)와 상기 증착 모듈(30) 사이, 상기 증착 모듈(30)과 상기 인공지능 기반 광학 검사 모듈(50) 사이 및 상기 광학 섬사 모듈(50)과 상기 와인딩 모듈(70) 사이에는 이송되는 기판이 텐션을 유지할 수 있도록 함과 동시에 가이드될 수 있도록 하는 복수의 텐션/가이드 롤러(90)가 각각 배치된다.
즉, 상기 복수의 텐션/가이드 롤러(90)는 상기 언와이딩 롤러(10)와 상기 증착 모듈(30) 사이, 상기 증착 모듈(30)과 상기 인공지능 기반 광학 검사 모듈(50) 사이 및 상기 인공지능 기반 광학 검사 모듈(50)과 상기 와인딩 롤러(70) 사이에 배치되어 이동되는 기판(s)이 텐션을 유지할 수 있도록 하고 가이드될 수 있도록 하는 동작을 수행한다.
상기 각각의 텐션/가이드 롤러(90)는 텐션 유지 동작과 가이드 동작을 모두 수행할 수 있도록 구성될 수도 있고, 텐션 유지 동작만 또는 가이드 동작만을 수행할 수 있도록 구성될 수도 있다.
이상에서 설명한 본 발명인 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치(100)에 의하면, 박막 증착 공정이 진행되는 진공 챔버(1) 내에 인공지능 기반 광학 검사 모듈(50)을 구비하여 기판 상에 증착된 박막에 대한 다양한 측정을 박막 증착 공정 이후 바로 연속해서 실시간으로 수행할 수 있도록 구성하기 때문에, 기판에 대한 박막 증착 및 검사를 위한 시간, 노력 및 비용을 최소화하여 생산성을 향상시킬 수 있고, 기판의 오염 가능성을 감소시킬 수 있도록 하는 장점이 발생된다. 즉, 기판의 박막에 대한 검사가 박막 증착 공정과 별도의 공정, 시점 및 공간에서 진행되면, 파티클 또는 오염에 노출된 가능성이 크고 생산성이 떨어지는 반면, 본 발명은 진공 챔버(1) 내에서 일련의 연속된 공정으로 기판에 대한 박막 증착 공정과 박막 검사 공정을 수행할 수 있기 때문에, 오염 노출 가능성을 최소화할 수 있고 생산성을 향상시킬 수 있다.
상기 증착 모듈(30)은 상기 이동되는 플렉시블 기판(s)에 대해 다양한 증착 방법을 통해 박막을 증착하는 동작을 수행한다. 본 발명에서는 스퍼터링 방법에 의해 박막 증착이 수행되는 것을 예시하고 있다. 또한, 스퍼터링 방법은 다양한 구성을 통해 수행될 수 있는데, 본 발명에서는 드럼(31) 또는 드럼 대용 롤러(33)와 적어도 하나의 타겟(35)을 통해 구성되는 것을 예시하고 있다.
구체적으로, 도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치(100)에 적용되는 상기 증착 모듈(30)은 상기 기판(s)의 타면과 접촉된 상태로 일방향(도 1에서는 시계 반대 방향으로 예시하고 있음)으로 회전하는 드럼(31) 및 상기 드럼(31)을 따라 이동하는 상기 기판(s)의 일면에 대하여 스퍼터링을 수행하는 적어도 하나의 타겟(35)을 포함하여 구성된다.
상기 드럼(31)은 상기 언와인딩 롤러(10)로부터 텐션이 유지된 상태로 전달되는 기판(s)의 타면과 접촉된 상태로 상기 기판을 일방향으로 회전하면서 이송되도록 한다. 따라서, 상기 기판의 일면은 상기 적어도 하나의 타겟(35)과 마주본 상태로 노출될 수 있고, 이로 인하여 상기 기판(s)은 이송되면서 상기 적어도 하나의 타겟(35)에 의하여 일면에 대해 박막 스퍼터링 공정을 수행받을 수 있다.
상기 적어도 하나의 타겟(35)은 상기 드럼(31)의 측부와 하부를 따라 상기 드럼(31)과 소정 간격 이격된 상태로 배치되되, 상호 소정 간격 이격 배치되어 상기 드럼(31)을 따라 이동하는 상기 기판(s)의 일면에 대해 스퍼터링 박막을 증착시킨다. 결국, 상기 증착 모듈(30)을 통과하는 기판(s)은 일면에 소정의 박막층들이 증착될 수 있다.
한편, 도 1에 도시된 바와 같이, 상기 증착 모듈(30)은 상기 적어도 하나의 타겟(35)을 상호 공간적으로 분리하기 위하여 인접하는 타겟(35)들 사이에 각각 배치 형성되는 격벽(37)을 더 포함하여 구성될 수 있다.
상기 격벽(37)은 상기 적어도 하나의 타겟(35) 각각에 의해 스퍼터링된 타겟 물질이 다른 타겟(35)(특히 인접하는 타겟)으로 날아가는 것을 방지하기 위하여 채택 적용한다. 상기 격벽(37)이 채택 적용됨으로써, 각각의 타겟(35)에 의해 스퍼터링된 타겟 물질이 인접하는 다른 타겟(35)에 날아가는 것을 방지할 수 있고, 이를 통해 인접하는 다른 타겟(35)의 오염을 방지하여 증착 품질을 유지할 수 있다.
한편, 증착 모듈(30)이 적어도 하나의 타겟을 포함하는데, 이를 통하여 기판(s)에 원하는 두께의 박막을 증착할 수 있고, 더 나아가 서로 다른 물질을 다층으로 증착할 수도 있다.
상기 증착 모듈(30)에 의한 스퍼터링 공정 등의 박막 증착 공정은 진공 상태를 유지하는 진공 챔버(1) 내에서 수행된다. 또한, 상기 인공지능 기반 광학 검사 모듈(50)에 의한 광학 검사 역시 동일한 진공 챔버(1) 내에서 수행되고, 언와인딩 롤러(10)와 와인딩 롤러(70) 역시 동일한 진공 챔버(1) 내에 배치된다. 결국, 상기 언와인딩 롤러(10), 증착 모듈(30), 인공지능 기반 광학 검사 모듈(50) 및 와인딩 모듈(70)은 하나의 진공 챔버(1) 내에 배치되는 것이 바람직하다. 다만, 하나의 동일한 진공 챔버(1) 내에 배치되는 상기 언와인딩 롤러(10), 증착 모듈(30), 인공지능 기반 광학 검사 모듈(50) 및 와인딩 모듈(70)의 배치 구조는 도 1 및 도 2에 한정하지 않고 다양하게 가변될 수 있다.
이와 같이, 상기 언와인딩 롤러(10), 증착 모듈(30), 인공지능 기반 광학 검사 모듈(50) 및 와인딩 모듈(70)은 하나의 동일한 진공 챔버(1) 내에서 다양한 배치 구조로 배치되는 것을 원칙으로 하지만, 도 1 및 도 2에 도시된 바와 같이, 경우에 따라서는 별도의 진공 챔버(1) 내에 개별적으로 배치될 수도 있다.
이와 같은 경우, 상기 증착 모듈(30)에 의한 스퍼터링 공정 등의 박막 증착 공정은 진공 상태를 유지하는 챔버, 구체적으로 프로세스 챔버 내에서 수행되는 것이 바람직하다. 따라서, 인접 배치되는 상기 언와인딩 롤러(10)와 상기 인공지능 기반 광학 검사 모듈(50) 역시 각각 진공 상태를 유지할 수 있는 언와인딩 챔버와 검사 챔버 내에 배치되어 동작하는 것이 바람직하다. 또한, 상기 와인딩 롤러(70) 역시 진공 상태를 유지할 수 있는 와인딩 챔버 내에 배치되어 동작하는 것이 바람직하다. 특히, 상기 인공지능 기반 광학 검사 모듈(50)은 박막의 산화를 방지하고, 박막이 오염되는 것을 방지하며, 특히 광학 검사의 정밀도를 보장하기 위하여 기밀을 유지함과 동시에 진공 상태를 유지할 수 있는 검사 챔버 내에 배치되는 것이 바람직하다.
즉, 상기 언와인딩 롤러(10)는 언와인딩 챔버 내에 배치되어 동작하고, 상기 증착 모듈(30)은 프로세스 챔버 내에 배치되어 동작하고, 상기 인공지능 기반 광학 검사 모듈(50)은 검사 챔버 내에 배치되어 동작하며, 상기 와인딩 롤러(70)는 와인딩 챔버 내에 배치되어 동작한다. 그리고, 상호 인접하는 상기 챔버들은 인접하는 경계면에 상기 기판(s)이 통과될 수 있는 슬릿이 형성되지만, 상기 각각의 챔버들은 전체적으로 진공 상태가 유지될 수 있도록 동작된다.
한편, 상기 기판(s)은 스퍼터링 공정 등의 박막 증착 공정을 수행받기 전에 전처리 공정을 수행받을 수 있다. 상기 전처리 공정은 이온빔 처리 등을 포함한다. 상기 이온빔 처리는 상기 기판의 표면을 클리닝함과 동시에 표면처리를 통해 스퍼터링 공정에서 박막 증착의 효율이 향상될 수 있도록 한다. 이와 같은 이온빔 처리는 상기 타겟(35)에 의한 스퍼터링이 시작되기 이전에 수행되는 것이 바람직하다. 따라서, 상기 이온빔 처리를 위한 이온빔 처리 모듈은 상기 타겟(35)보다 앞서 배치(가장 왼쪽에 배치되는 타겟(35)의 왼쪽에 배치)되는 것이 바람직하다.
한편, 경우에 따라서, 상기 증착 모듈(30)에 채택 적용한 드럼(31) 대신에, 구조적으로 간단하고 설치 및 교체가 더 용이한 적어도 하나의 롤러, 구체적으로 적어도 하나의 드럼 대용 롤러(33)로 대체하여 채택 적용할 수 있다.
구체적으로, 도 2에 도시된 바와 같이, 본 발명의 다른 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치(100)는 도 1을 참조하여 상술한 본 발명의 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치(100)와 대부분 구성이 동일하지만, 단지 상기 증착 모듈(30)의 드럼(31) 대신에 드럼 대용 롤러(33)가 채택 적용되는 점만 상이하다. 따라서, 이하에서는 도 1과 상이한 부분만 구체적으로 설명하고 나머지 부분은 생략한다. 다만, 생략된 부분은 도 1을 참조하여 설명한 부분과 동일하게 적용된다.
도 2에 도시된 바와 같이, 본 발명의 다른 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치(100)에 적용되는 상기 증착 모듈(30)은 상기 기판(s)의 타면과 접촉된 상태로 일방향(도 2에서는 시계 반대 방향을 예시하고 있음)으로 회전하되, 상호 이격 배치되는 적어도 하나의 드럼 대용 롤러(33)와, 적어도 하나의 드럼 대용 롤러(33)를 따라 이동하는 상기 기판의 일면에 대하여 스퍼터링을 수행하는 적어도 하나의 타겟(35) 및 상기 적어도 하나의 타겟(35)을 상호 공간적으로 분리하기 위하여 인접하는 타겟(35)들 사이에 각각 배치 형성되는 격벽(37)을 포함하여 구성되고, 상기 적어도 하나의 드럼 대용 롤러(33) 각각은 상기 격벽(37)에 대응하는 위치에 배치 형성되도록 구성된다.
상기 적어도 하나의 드럼 대용 롤러(33)는 상기 언와인딩 롤러(10)로부터 텐션이 유지된 상태로 전달되는 기판(s)의 타면과 접촉된 상태로 상기 기판이 일방향으로 회전하면서 이송되도록 한다. 상기 적어도 하나의 드럼 대용 롤러(33)는 상호 소정 간격 이격 배치되되, 전체적으로 반원 또는 타원 형태가 되도록 배치된다. 따라서, 상기 기판의 일면은 상기 적어도 하나의 타겟(35)과 마주본 상태로 노출될 수 있고, 이로 인하여 상기 기판(s)은 이송되면서 상기 적어도 하나의 타겟(35)에 의하여 일면에 대해 박막 스퍼터링 공정을 수행받을 수 있다.
상기 적어도 하나의 타겟(35)은 상기 적어도 하나의 드럼 대용 롤러(33)군의 측부와 하부를 따라 상기 적어도 하나의 드럼 대용 롤러(33)와 소정 간격 이격된 상태로 배치되되, 상호 소정 간격 이격 배치되어 상기 적어도 하나의 드럼 대용 롤러(33)를 따라 이동하는 상기 기판(s)의 일면에 대해 스퍼터링 박막을 증착시킨다. 결국, 상기 증착 모듈(30)을 통과하는 기판(s)은 일면에 소정의 박막층들이 증착될 수 있다.
한편, 도 2에 도시된 바와 같이, 상기 증착 모듈(30)은 상기 적어도 하나의 타겟(35)을 상호 공간적으로 분리하기 위하여 인접하는 타겟(35)들 사이에 각각 배치 형성되는 격벽(37)을 포함하여 구성된다.
상기 격벽(37)은 상기 적어도 하나의 타겟(35) 각각에 의해 스퍼터링된 타겟 물질이 다른 타겟(35)(특히 인접하는 스퍼터)으로 날아가는 것을 방지하기 위하여 채택 적용한다. 상기 격벽(37)이 채택 적용됨으로써, 각각의 타겟(35)에 의해 스퍼터링된 타겟 물질이 인접하는 다른 타겟(35)에 날아가는 것을 방지할 수 있고, 이를 통해 인접하는 다른 타겟(35)의 오염을 방지하여 증착 품질을 유지할 수 있다.
한편, 상기 적어도 하나의 드럼 대용 롤러(33)를 따라 이송되는 플렉시블 기판(s)은 대면하고 있는 상기 타겟(35)과 곡면이 아닌 평면으로 대면하는 것이 증착 품질을 위해 바람직하다. 이를 위해, 상기 적어도 하나의 드럼 대용 롤러(33) 각각은 상기 격벽(37)에 대응하는 위치에 배치 형성된다.
구체적으로, 상기 각각의 드럼 대용 롤러(33)는 상기 각각의 격벽(37)과 대응 배치되되, 상기 대응 배치되는 상기 격벽(37)을 연장하는 경우 상기 대응하는 격벽(37)의 상측면(기판(s) 또는 대응하는 드럼 대용 롤러(33)와 대향하는 모서리에 해당하는 측면)과 일치하여 만나는 위치에 배치되거나, 상기 대응하는 격벽(37)의 상부면 또는 하부면에 접해서 위치할 수 있도록 배치된다. 결과적으로, 인접하는 격벽(37)들 사이에 위치하는 상기 플렉시블 기판은 인접하는 드럼 대용 롤러(33)에 의해 팽팽한 상태를 유지할 수 있고, 이로 인하여 각 타겟(35)과 대면하는 상기 플렉시블 기판(s)은 평평한 상태를 유지할 수 있기 때문에 기판의 일면에 대한 박막 증착 품질을 향상시킬 수 있다.
이하에서는 상기 인공지능 기반 광학 검사 모듈(50)에 구비되는 상기 인공지능 모듈(200)에 대한 구체적인 구성 및 동작에 대해 상세하게 설명한다.
상기 인공지능 모듈(200)은 상기 수광 센서 모듈(53)로부터 전송되는 상기 수광 데이터를 수집, 처리하고 인공지능 딥러닝 학습을 통해 박막에 대한 결함 발생 유무 및 결함 유형을 포함한 결함 진단 결과를 산출하는 동작을 수행한다.
도 3에 도시된 바와 같이, 본 발명의 실시예에 따른 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치(100)를 구성하는 상기 인공지능 기반 광학 검사 모듈(50)에 구비되는 상기 인공지능 모듈(200)은 데이터 수집 및 전처리 수단(110), 자동 특징 추출 및 처리 수단(130) 및 결함 진단 수단(150)을 포함하여 구성된다.
상기 데이터 수집 및 전처리 수단(110)은 박막이 증착된 기판을 통과하여 상기 수광 센서 모듈(53)에 의해 감지되어 획득되는 수광 데이터를 수집하여 전처리를 수행하는 동작을 수행한다. 즉, 상기 데이터 수집 및 전처리 수단(110)은 상기 수광 센서 모듈(53)로부터 전송되는 박막에 관한 수광 데이터를 입력받아 수집하고 결함 식별에 필요한 유효한 정보들을 추출하기 위한 데이터를 형성하기 위하여 전처리를 수행한다.
이를 위하여, 상기 데이터 수집 및 전처리 수단(110)은 세부적으로 수광 데이터 수집부(111)와 수광 데이터 전처리부(113)로 구성된다. 상기 수광 데이터 수집부(111)와 수광 데이터 전처리부(113)로 구성되는 상기 데이터 수집 및 전처리 수단(110)은 수광 데이터에 대한 영역들을 형성한 후, 수광 데이터의 처리대상 영역을 추출하는 동작을 수행한다. 여기서 추출된 수광 데이터의 처리대상 영역은 특징 정보를 추출하기 위하여 상기 자동 특징 추출 및 처리 수단(130)으로 입력된다.
상기 수광 데이터 수집부(111)는 상기 수광 센서 모듈(53)로부터 전송되는 수광 데이터를 연속적으로 수집한다. 상기 수광 데이터 수집부(111)에 의하여 수집된 수광 데이터는 상기 수광 데이터 전처리부(113)에 전달되어 전처리된다.
상기 수광 데이터 전처리부(113)는 수광 데이터에 대하여 일정한 처리를 수행하여 자동 특징 추출 및 처리 수단(130)에서 데이터 처리될 수 있는 형태의 데이터, 즉 수광 데이터의 처리대상 영역 데이터를 추출하는 동작을 수행한다. 상기 수광 데이터 전처리부(113)는 상기 수광 데이터 수집부(111)에 의해 수집된 수광 데이터의 전부를 상기 자동 특징 추출 및 처리 수단(130)으로 전송하는 것이 아니라, 결함의 가능성이 있는 영역에 관련된 데이터만을 상기 자동 특징 추출 및 처리 수단(130)에 전달되도록 하여 상기 자동 특징 추출 및 처리 수단(130)의 동작 및 처리의 부담을 최소화시킬 수 있다.
상기 데이터 수집 및 전처리 수단(110)은 결함 진단에 필요한 유효한 정보들을 추출하기 위한 데이터 전처리 프로세스이고, 필터링과 이상 데이터 제거 등의 기술을 적용할 수 있다.
이와 같은 구성상 특징을 갖는 데이터 수집 및 전처리 수단(110)을 통해 전처리된 수광 데이터, 즉 수광 데이터의 처리대상 영역 데이터는 상기 자동 특징 추출 및 처리 수단(130)로 입력되어 처리된다. 상기 자동 특징 추출 및 처리 수단(130)은 상기 전처리된 수광 데이터로부터 특징 정보를 추출하고, 이를 이용하여 딥러닝 학습을 위한 트레이닝 데이터를 생성하거나 또는 박막의 결함을 진단하기 위한 데이터, 즉 진단 대상데이터를 생성하는 동작을 수행한다.
즉, 본 발명에 적용되는 상기 자동 특징 추출 및 처리 수단(130)은 상기 전처리된 수광 데이터로부터 특징 정보를 추출하고 추출된 특징 정보를 통해 결함 유형에 대응하는 복수의 패턴 정보를 생성하여 트레이닝 데이터를 추출하거나 상기 전처리된 수광 데이터로부터 특징 정보를 추출하고 추출된 특징 정보를 진단 대상데이터로 변환하는 동작을 수행한다.
상기 전처리된 수광 데이터는 상기 수광 데이터 전처리부(113)를 통해 전처리된 수광 데이터의 처리대상 영역 데이터에 해당되고, 이 전처리된 수광 데이터로부터 추출되는 특징 정보는 상기 박막의 광학 밀도와 두께 중 적어도 하나인 것이 바람직하다. 즉, 상기 특징 정보는 수광 데이터의 처리대상 영역 데이터를 통해 추출될 수 있는 박막의 광학 밀도와 두께 중 적어도 하나에 관한 정보이다. 즉, 본 발명에 적용되는 특징 정보는 수광 데이터에 대한 처리 대상 영역 데이터, 구체적으로 상기 수광 데이터 전처리부(13)에 의하여 전처리되어 생성된 처리대상 영역 데이터를 통해 추출될 수 있는 박막의 광학 밀도와 두께 중 적어도 하나에 관한 정보이다.
상기 수광 데이터에 관한 특징 정보는 딥러닝 학습을 위한 트레이닝 데이터를 추출하기 위하여 이용될 수도 있고, 박막의 결함을 진단하기 위한 진단 대상 데이터를 생성하기 위하여 이용될 수도 있다. 즉, 상기 자동 특징 추출 및 처리 수단(130)은 특징 정보를 추출한 후 이를 이용하여 트레이닝 데이터를 생성하거나 진단 대상데이터를 생성한다. 여기서 상기 트레이닝 데이터는 결함 유형에 관련된 기본 패턴 정보를 이용하여 동일한 결함 유형으로 정의되는 다양한 새로운 신규 패턴 정보를 자동 생성함으로써 추출된다
이와 같은 동작을 수행하는 상기 자동 특징 추출 및 처리 수단(130)은 특징 정보 추출부(131), 처리 유형 판단부(133), 트레이닝 데이터 추출부(135) 및 데이터 변환부(137)를 포함하여 구성된다.
상기 특징 정보 추출부(131)는 상기 수광 데이터의 처리대상 영역 데이터로부터 특징 정보에 해당하는 박막의 광학 밀도와 두께 중 적어도 하나에 관한 정보를 추출하는 동작을 수행한다. 상기 특징 정보 추출부(131)에서 추출된 특징 정보는 딥러닝 학습을 통해 진단을 위한 모델링 데이터를 생성하기 위한 특징 정보일 수도 있고, 이미 생성된 모델링 데이터에 적용하여 박막의 결함을 진단하기 위하여 실시간으로 입력된 수광 데이터의 처리대상 영역 데이터에 관한 특징 정보일 수도 있다.
이와 같이, 상기 특징 정보는 두 가지 유형으로 처리될 수 있다. 즉, 상기 특징 정보는 트레이닝 데이터를 생성하기 위하여 처리될 수도 있고, 진단 대상 데이터를 생성하기 위하여 처리될 수도 있다. 이와 같은 처리 유형을 판단하고 결정하기 위하여 처리 유형 판단부(133)를 포함한다. 상기 처리 유형 판단부(133)는 상기 추출된 특징 정보를 이용하여 트레이닝 데이터를 생성할 것인지 또는 진단 대상데이터를 생성할 것인지 판단하는 동작을 수행한다.
상기 처리 유형 판단부(133)는 관리자 등의 조작 또는 제어에 따라 트레이닝 데이터를 생성할 것인지 또는 진단 대상데이터를 생성할 것인지 판단할 수 있다. 예를 들어, 딥러닝 학습을 통하여 진단 모델링 데이터를 구축하고자 할 때에, 관리자는 상기 처리 유형 판단부(133)가 트레이닝 데이터를 생성하는 것으로 판단하도록 사전 세팅한다. 그러면, 상기 처리 유형 판단부(133)는 상기 특징 정보를 통해 트레이닝 데이터가 생성될 수 있도록 상기 트레이닝 데이터 추출부(135)로 입력되도록 한다. 반면, 실제 박막의 결함을 실시간으로 진단하고자 할 때에, 관리자는 상기 처리 유형 판단부(133)가 진단 대상데이터를 생성하는 것으로 판단하도록 사전 세팅한다. 그러면, 상기 처리 유형 판단부(133)는 상기 특징 정보를 통해 진단 대상데이터가 생성될 수 있도록 상기 데이터 변환부(137)로 입력되도록 한다.
물론, 상기 처리 유형 판단부(133)는 사전에 박막의 각 결함 유형(핀 홀, 얼룩, 스크래치 등)별로 기본 패턴 정보를 저장 관리할 수 있다. 이 경우, 상기 처리 유형 판단부(133)는 실제 박막의 결함을 실시간으로 진단하는 과정에서도, 실시간으로 입력되는 특징 정보가 상기 저장 관리되는 특정 결함 유형에 관련된 기본 패턴 정보와 동일 또는 동일성 범위 내에 있다고 판단되면, 상기 특징 정보가 상기 데이터 변환부(137)로 입력되도록 함과 동시에 새로운 트레이닝 데이터가 추출될 수 있도록 상기 트레이닝 데이터 추출부(135)로도 입력되도록 한다.
이상에서 설명한 바와 같이, 상기 특징 정보가 상기 트레이닝 데이터 추출부(135)로 입력되면, 상기 트레이닝 데이터 추출부(135)는 결함 유형에 대응하는 복수의 패턴 정보들을 생성하여 트레이닝 데이터를 추출하는 동작을 수행한다. 즉, 상기 트레이닝 데이터 추출부(135)는 상기 추출된 특징 정보를 이용하여 결함 유형에 대응하는 복수의 패턴 정보를 생성하는 동작을 수행한다. 상기 결함 유형은 관리자에 의하여 사전에 세팅될 수 있다. 따라서, 상기 트레이닝 데이터 추출부(135)는 입력되는 특징 정보가 특정 결함 유형에 대응하는 기본 패턴 정보인 것으로 인지할 수 있고, 상기 기본 패턴 정보를 이용하여 동일한 특정 결함 유형에 해당하는 다양한 복수의 신규 패턴 정보를 자동으로 생성하는 동작을 수행한다.
이와 같은 동작을 수행하기 위하여, 상기 트레이닝 데이터 추출부(135)는 도 4에 도시된 바와 같이, 기본 패턴 정보 분류기(141), 신규 형상 생성기(143) 및 신규 패턴정보 생성기(145)를 포함하여 구성된다.
상기 기본 패턴정보 분류기(141)는 상기 특징 정보가 특정 결함 유형에 대응하는 기본 패턴 정보인 것으로 분류한다. 상기 기본 패턴 정보 분류기(141)는 딥러닝 학습을 통하여 진단 모델링 데이터를 구축하고자 할 때에 관리자에 의하여 사전에 설정된 특정 결함 유형에 상기 입력되는 특징 정보를 기본 패턴 정보로 대응하여 분류하거나 또는 상기 입력되는 특징 정보가 사전에 저장 관리하고 있는 특정 결함 유형에 대응하는 기본 패턴 정보와 동일하거나 또는 동일성 범위에 있다고 판단될 때에 상기 사전에 저장 관리되는 특정 결함 유형에 대응하여 상기 기본 패턴 정보를 분류한다.
상기 기본 패턴정보에 해당하는 특징 정보는 상기 박막의 광학 밀도와 두께 중 적어도 하나에 관한 정보를 포함한다. 이 중, 상기 기본 패턴 정보에 포함되는 상기 박막의 광학 밀도와 두께 중 적어도 하나에 관한 정보가 상기 신규 특징 생성기(143)로 입력된다. 그러면, 상기 신규 특징 생성기(143)는 상기 기본 패턴 정보에 포함되는 특징 정보를 이용하여 다양한 복수의 신규 특징을 생성한다. 구체적으로, 상기 신규 특징 생성기(143)는 상기 기본 패턴 정보에 포함되는 특정 정보를 사전에 설정된 변경 또는 가공 규칙에 따라 처리하여 복수의 신규 특징 정보들을 생성한다.
상기 생성된 복수의 신규 특징 정보들은 상기 신규 패턴 정보 생성기(145)로 전달된다. 그러면, 상기 신규 패턴 정보 생성기(145)는 각각의 신규 특징 정보들을 이용하여 상기 특정 결함 유형에 해당하는 복수의 신규 패턴 정보들을 생성하여 추출한다.
한편, 상기 추출된 특징 정보가 상기 데이터 변환부(137)로 입력되면, 상기 데이터 변환부(137)는 상기 추출된 특징 정보를 이용하여 결함 진단 수단(150)에서 실제 박막의 결함 진단을 수행할 수 있도록 진단 대상데이터를 생성하는 동작을 수행한다. 즉, 상기 데이터 변환부(137)는 상기 추출된 특징 정보를 이용하여 상기 결함 진단 수단(150)에서 박막의 결함을 진단하기 위하여 적용할 진단 대상데이터를 생성하는 동작을 수행한다.
구체적으로, 상기 데이터 변환부(137)는 상기 추출된 특징 정보를 상기 결함 진단 수단(150)에서 적용하는 딥러닝 기반 결함 진단 모델에서 요구하는 데이터 형태로 변환하는 동작을 수행한다. 예를 들어, 상기 결함 진단 수단(150)에서 적용하는 딥러닝 기법이 패턴 정보 또는 이미지 정보를 이용하여 학습하고 결함 유형을 추출하는 동작을 수행한다면, 상기 데이터 변환부(137)는 상기 추출된 특징 정보를 패턴 정보 또는 이미지 정보로 변환하는 동작을 수행한다. 상기 데이터 변환부(137)에서 변환 처리된 데이터는 진단 대상 데이터로서 상기 결함 진단 수단(150)으로 입력된다.
이상에서 설명한 상기 트레이닝 데이터와 상기 진단 대상 데이터는 상기 결함 진단 수단(150)로 입력된다. 상기 결함 진단 수단(150)은 딥러닝을 통해 학습하고, 학습에 의하여 구축된 모델링 데이터를 통해 박막의 결함을 진단하는 동작을 수행한다.
이를 위하여, 상기 결함 진단 수단(150)은 딥러닝 학습부(151)와 결함 진단부(153)를 포함하여 구성된다.
상기 딥러닝 학습부(151)는 상기 트레이닝 데이터 추출부(135)에서 생성하여 입력되는 트레이닝 데이터를 이용하여 딥러닝 학습을 수행하고, 학습을 통하여 박막의 결함을 진단할 수 있는 모델링 데이터를 생성하여 저장 관리한다. 상기 딥러닝 학습부(151)는 신규 트레이닝 데이터가 입력될 때마다 해당 신규 트레이닝 데이터만을 딥러닝 학습하여 모델링 데이터를 업데이트할 수 있다.
상기 결함 진단부(153)는 실제 박막의 결함을 실시간으로 진단하는 과정에서 입력되는 진단 대상데이터를 상기 딥러닝 학습부(151)에 의하여 구축된 모델링 데이터에 반영하여 박막의 결함을 진단하는 동작을 수행한다. 즉, 상기 결함 진단부(153)는 상기 데이터 변환부(137)로부터 실시간으로 입력되는 진단 대상데이터를 상기 진단을 위해 구축된 모델링 데이터에 적용하여 박막의 결함 유무, 결함 유형과 심각도 등을 진단하는 동작을 수행한다.
딥러닝 알고리즘은 Deep Belief Network (DBN), Recurrent Neural Network (RNN) 등 다양하게 존재한다. 본 발명에서는 결함 식별을 위한 딥러닝 알고리즘으로서 합성곱 신경망인 Convolutional Neural Network(CNN)를 적용한다. 합성곱 신경망은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. 특히 합성곱 신경망은 영상 및 음성 분야에서 좋은 성능을 보이고 있으며, 피드포워드 (Feedforward) 인공신경망 기법들보다 쉽게 훈련되는 편이고, 매개변수의 수가 타 인공신경망에 비해 적은 편이며, 결함 특징을 추출하는 부분 또한 학습된다는 점에서 본 발명에 적합하여 채택 적용한다.
상술한 본 발명인 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 의하면, 박막 증착 공정이 진행되는 진공 챔버 내에 인공지능 기반 광학 검사 모듈을 구비하여 기판 상에 증착된 박막에 대한 다양한 측정과 인공지능에 기반한 결함 진단을 박막 증착 공정 이후 바로 연속해서 실시간으로 수행할 수 있도록 구성하기 때문에, 기판에 대한 박막 증착 및 검사를 위한 시간, 노력 및 비용을 최소화하여 생산성을 향상시킬 수 있고, 기판의 오염 가능성을 감소시킬 수 있으며, 특히 인공지능에 기반한 결함 진단에 의해 신속하고 정확한 박막 결함 진단을 수행할 수 있도록 하는 장점이 발생된다.
이상에서 본 발명에 따른 실시예들이 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 특허청구범위에 의해서 정해져야 할 것이다.
1 : 진공 챔버
10 : 언와인딩 롤러
30 : 증착 모듈 31 : 드럼
33 : 드럼 대용 롤러 35 : 타겟
37 : 격벽 50 : 인공지능 기반 광학 검사 모듈
51 : 광원 센서 모듈 53 : 수광 센서 모듈
70 : 와인딩 롤러 90 : 텐션/가이드 롤러
100 : 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치
110 : 데이터 수집 및 전처리 수단 111 : 수광 데이터 수집부
113 : 수광 데이터 전처리부
130 : 자동 특징 추출 및 처리 수단 131 : 특징 정보 추출부
133 : 처리 유형 판단부 135 : 트레이닝 데이터 추출부
137 : 데이터 변환부 141 : 기본 패턴정보 분류기
143 : 신규 특징 생성기 145 : 신규 패턴정보 생성기
150 : 결함 진단 수단 151 : 딥러닝 학습부
153 : 결함 진단부
200 : 인공지능 모듈
30 : 증착 모듈 31 : 드럼
33 : 드럼 대용 롤러 35 : 타겟
37 : 격벽 50 : 인공지능 기반 광학 검사 모듈
51 : 광원 센서 모듈 53 : 수광 센서 모듈
70 : 와인딩 롤러 90 : 텐션/가이드 롤러
100 : 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치
110 : 데이터 수집 및 전처리 수단 111 : 수광 데이터 수집부
113 : 수광 데이터 전처리부
130 : 자동 특징 추출 및 처리 수단 131 : 특징 정보 추출부
133 : 처리 유형 판단부 135 : 트레이닝 데이터 추출부
137 : 데이터 변환부 141 : 기본 패턴정보 분류기
143 : 신규 특징 생성기 145 : 신규 패턴정보 생성기
150 : 결함 진단 수단 151 : 딥러닝 학습부
153 : 결함 진단부
200 : 인공지능 모듈
Claims (4)
- 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치에 있어서,
기판을 풀어주는 언와인딩 롤러;
상기 언와인딩 롤러로부터 텐션이 유지된 상태로 전달되는 기판의 일면이 노출되도록 이동시키되, 상기 기판의 일면에 대해 박막 증착 공정을 수행하는 증착 모듈;
상기 증착 모듈로부터 텐션이 유지된 상태로 이동되는 기판의 박막에 대해 광학 검사를 수행하고 인공지능을 적용하여 박막에 대한 결함을 진단하는 인공지능 기반 광학 검사 모듈;
상기 인공지능 기반 광학 검사 모듈로부터 텐션이 유지된 상태로 전달되는 기판을 되감는 와인딩 롤러를 포함하여 구성되는 것을 특징으로 하는 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치.
- 청구항 1에 있어서,
상기 인공지능 기반 광학 검사 모듈은 상기 이동되는 기판에 광을 조사하는 광원 센서 모듈과, 상기 기판을 투과한 광을 입력받아 수광 데이터를 출력하는 수광 센서 모듈 및 상기 수광 데이터를 수집, 처리하고 인공지능 딥러닝 학습을 통해 박막에 대한 결함 발생 유무 및 결함 유형을 포함한 결함 진단 결과를 산출하는 인공지능 모듈을 포함하여 구성되는 것을 특징으로 하는 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치.
- 청구항 2에 있어서,
상기 인공지능 모듈은, 상기 수광 데이터를 수집하여 전처리를 수행하는 데이터 수집 및 전처리 수단;
상기 전처리된 수광 데이터로부터 특징 정보를 추출하고 추출된 특징 정보를 통해 결함 유형에 대응하는 복수의 패턴 정보를 생성하여 트레이닝 데이터를 추출하거나 상기 전처리된 수광 데이터로부터 특징 정보를 추출하고 추출된 특징 정보를 진단 대상데이터로 변환하는 자동 특징 추출 및 처리 수단;
상기 트레이닝 데이터를 입력받아 딥러닝 학습을 통해 결함 진단을 위한 모델링 데이터를 생성하고, 상기 모델링 데이터에 상기 진단 대상데이터를 적용하여 박막의 결함을 진단하는 결함 진단 수단을 포함하여 구성되는 것을 특징으로 하는 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치.
- 청구항 3에 있어서,
상기 특징 정보는 상기 박막의 광학 밀도와 두께 중 적어도 하나인 것을 특징으로 하는 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210113821A KR20230031509A (ko) | 2021-08-27 | 2021-08-27 | 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210113821A KR20230031509A (ko) | 2021-08-27 | 2021-08-27 | 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230031509A true KR20230031509A (ko) | 2023-03-07 |
Family
ID=85512602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210113821A KR20230031509A (ko) | 2021-08-27 | 2021-08-27 | 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230031509A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230077585A1 (en) * | 2021-09-15 | 2023-03-16 | TE Connectivity Services Gmbh | Method and apparatus for flattening and imaging a printed thin film product |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110012182A (ko) | 2009-07-30 | 2011-02-09 | 지 . 텍 (주) | 연속 스퍼터링을 구현하는 롤투롤 스퍼터 장치 및 연속 스퍼터링 방법 |
| KR20130125900A (ko) | 2012-05-10 | 2013-11-20 | 삼성코닝정밀소재 주식회사 | 롤투롤 스퍼터링 장치 |
-
2021
- 2021-08-27 KR KR1020210113821A patent/KR20230031509A/ko not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110012182A (ko) | 2009-07-30 | 2011-02-09 | 지 . 텍 (주) | 연속 스퍼터링을 구현하는 롤투롤 스퍼터 장치 및 연속 스퍼터링 방법 |
| KR20130125900A (ko) | 2012-05-10 | 2013-11-20 | 삼성코닝정밀소재 주식회사 | 롤투롤 스퍼터링 장치 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230077585A1 (en) * | 2021-09-15 | 2023-03-16 | TE Connectivity Services Gmbh | Method and apparatus for flattening and imaging a printed thin film product |
| US11867639B2 (en) * | 2021-09-15 | 2024-01-09 | Te Connectivity Solutions Gmbh | Method and apparatus for flattening and imaging a printed thin film product |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5696591A (en) | Apparatus and method for detecting longitudinally oriented flaws in a moving web | |
| JP5688428B2 (ja) | 視覚検査システム装置および方法 | |
| TWI801347B (zh) | 基板處理裝置及基板處理方法 | |
| US7805173B2 (en) | Tape manufacturing system | |
| KR20230031509A (ko) | 인공지능 기반 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치 | |
| JP6542211B2 (ja) | 少なくとも部分的に透明な硬脆材料または破砕性材料から成るテープロールにおける欠陥を検出する方法および装置ならびにその使用 | |
| KR20110015679A (ko) | 웨브 검사 교정 시스템 및 관련 방법 | |
| JPH01235837A (ja) | ウエブ材料を分析する方法及び装置 | |
| CN103890828B (zh) | 卷动式测试设备及卷动式测试柔性基板的方法 | |
| US10811652B2 (en) | Defect inspection device | |
| EP3914903A1 (en) | System for in-line inspection of seal integrity | |
| JP2019521254A (ja) | 処理システム、フレキシブル基板を処理するための方法、及び堆積装置 | |
| JP7151469B2 (ja) | シート欠陥検査装置 | |
| US20230169642A1 (en) | Inspecting Sheet Goods Using Deep Learning | |
| KR20220057710A (ko) | 광학 검사 모듈이 구비된 롤투롤 진공 증착 장치 | |
| JP2011523701A (ja) | 基板の品質検査装置及びその検査方法 | |
| KR20220057711A (ko) | 광학 검사 모듈을 이용한 롤투롤 진공 증착 모니터링 시스템 | |
| JP2914098B2 (ja) | 蒸着フィルムの測定、制御方法、装置および製造方法 | |
| KR20230031510A (ko) | 광학 검사 모듈을 이용한 롤투롤 진공 증착의 인공지능 기반 모니터링 시스템 | |
| JP4705277B2 (ja) | 塗油量分布測定装置及び塗油量分布測定方法 | |
| JP4202707B2 (ja) | 周期欠陥発生箇所の特定方法および検査システム | |
| JP2011085468A (ja) | シート状物の欠陥検査方法 | |
| US20230186454A1 (en) | Machine vision system for inspecting quality of various non-woven materials | |
| CA2481674C (en) | Method for determining the scale of an observation area | |
| WO2023219488A1 (en) | A system for performing vision inspection on preinstalled photovoltaic modules |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal |