KR20230089583A - 소자 검사 방법 및 이를 수행하는 소자 검사 장치 - Google Patents
소자 검사 방법 및 이를 수행하는 소자 검사 장치 Download PDFInfo
- Publication number
- KR20230089583A KR20230089583A KR1020210177317A KR20210177317A KR20230089583A KR 20230089583 A KR20230089583 A KR 20230089583A KR 1020210177317 A KR1020210177317 A KR 1020210177317A KR 20210177317 A KR20210177317 A KR 20210177317A KR 20230089583 A KR20230089583 A KR 20230089583A
- Authority
- KR
- South Korea
- Prior art keywords
- repair cost
- learning
- image
- repair
- transfer
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 129
- 238000007689 inspection Methods 0.000 title claims abstract description 86
- 230000008439 repair process Effects 0.000 claims abstract description 265
- 238000012546 transfer Methods 0.000 claims abstract description 99
- 239000000758 substrate Substances 0.000 claims abstract description 50
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 29
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims description 52
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 18
- 239000000463 material Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 11
- 238000013518 transcription Methods 0.000 claims 2
- 230000035897 transcription Effects 0.000 claims 2
- 230000003287 optical effect Effects 0.000 description 16
- 230000005856 abnormality Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000002950 deficient Effects 0.000 description 8
- 239000004065 semiconductor Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 239000003985 ceramic capacitor Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G01N2021/8854—Grading and classifying of flaws
-
- 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
- G01N2021/8887—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 based on image processing techniques
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Finance (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
본 발명의 일실시예는 소자의 리페어 비용을 최소화할 수 있는 소자 검사 방법 및 이를 수행하는 소자 검사 장치를 제공한다. 여기서, 소자 검사 방법은 소자 전사 공정이 진행된 기판을 촬영하여 정상 작동할 소자 및 비정상 작동할 소자의 학습영상을 획득하는 단계; 학습영상을 인공지능 학습하는 단계; 제1시점에 획득되고 학습영상이 포함되지 않은 테스트 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하고, 소자를 리페어하는데 소요되는 제1총리페어 비용을 산출하는 단계; 그리고 제1시점보다 이후인 제2시점에 새로이 소자 전사 공정이 진행된 기판으로부터 획득되는 획득 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하는 단계를 포함하며, 학습단계는 판정단계에서의 판정에 따라 소자를 리페어하는데 소요되는 제2총리페어 비용이 제1총리페어 비용보다 작아지게 판정하도록 학습된다.
Description
본 발명은 소자 검사 방법 및 이를 수행하는 소자 검사 장치에 관한 것으로, 더욱 상세하게는 소자의 리페어 비용을 최소화할 수 있는 소자 검사 방법 및 이를 수행하는 소자 검사 장치에 관한 것이다.
일반적으로, 전자장치 내에는 적어도 하나의 인쇄회로기판이 구비되며, 이러한 인쇄회로기판 상에는 다양한 소자들이 실장되어 있다.
소자는 다양한 형상과 유형을 가질 수 있는데, 소자의 전형적인 예는 구동회로를 구비하는 바디 및 바디로부터 돌출된 다수의 터미널들을 포함하는 구성이다. 일반적으로, 소자의 터미널들은 바디의 내부에서 구동회로와 전기적으로 연결되고, 베이스 기판 상에 형성된 패드들과 솔더링(soldering)을 통해 전기적으로 연결된다.
최근의 반도체 소자는 저전압에서 고속 동작을 할 수 있는 방향으로 발전하고 있으며, 반도체 소자의 제조 공정은 집적도가 향상되는 방향으로 발전되고 있다. 따라서, 고도로 스케일링된 고집적 반도체 소자의 패턴들은 미세한 폭을 가지고 미세한 피치로 이격될 수 있다.
반도체 소자의 미세화에 따라, 반도체 소자의 불량 여부를 검사할 수 있는 검사 시스템에 관한 요구가 높아지고 있다.
특히, 리플로우 공정이 진행된 후에 검사를 통해 발견되는 불량 소자의 경우, 접합된 소자를 제거하고, 솔더를 다시 형성하고, 새로운 소자를 전사해야 하기 때문에, 리페어 공정에 소요되는 시간이 길고, 리페어 비용도 크게 증가할 수 있다.
상기와 같은 문제점을 해결하기 위하여, 본 발명이 이루고자 하는 기술적 과제는 소자의 리페어 비용을 최소화할 수 있는 소자 검사 방법 및 이를 수행하는 소자 검사 장치를 제공하는 것이다.
본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 달성하기 위하여, 본 발명의 일실시예는 소자 전사 공정이 진행된 기판을 촬영하여 정상 작동할 소자 및 비정상 작동할 소자의 학습영상을 획득하는 학습영상 획득단계; 상기 학습영상을 인공지능 학습하는 학습단계; 제1시점에 획득되고 상기 학습영상이 포함되지 않은 테스트 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하고, 소자를 리페어하는데 소요되는 제1총리페어 비용을 산출하는 산출단계; 그리고 상기 제1시점보다 이후인 제2시점에 새로이 소자 전사 공정이 진행된 기판으로부터 획득되는 획득 영상을 상기 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하는 판정단계를 포함하며, 상기 학습단계는 상기 판정단계에서의 판정에 따라 소자를 리페어하는데 소요되는 제2총리페어 비용이 상기 제1총리페어 비용보다 작아지게 판정하도록 학습되는 것을 특징으로 하는 소자 검사 방법을 제공한다.
본 발명의 실시예에 있어서, 상기 제1총리페어 비용 및 상기 제2총리페어 비용은 각각, 실제로는 비정상 작동할 소자를 정상 작동할 소자로 오판정하여 발생하는 제1위정상 리페어 비용과, 실제로는 정상 작동할 소자를 비정상 작동할 소자로 오판정하여 발생하는 제1위비정상 리페어 비용과, 실제로 비정상 작동할 소자를 비정상 작동할 소자로 판정하여 발생하는 제1정상 리페어 비용을 포함할 수 있다.
본 발명의 실시예에 있어서, 상기 학습단계는 정상 작동할 소자 및 비정상 작동할 소자로 구성되는 혼동 행렬(Confusion Matrix)을 생성하는 혼동 행렬 생성 단계와, 상기 혼동 행렬과, 상기 제1위정상 리페어 비용, 상기 제1위비정상 리페어 비용 및 상기 제1정상 리페어 비용을 포함하는 복수 개의 리페어 비용 함수를 생성하는 리페어 비용 함수 생성 단계를 가지고, 상기 제1총리페어 비용 및 상기 제2총리페어 비용은 상기 리페어 비용 함수의 총합일 수 있다.
본 발명의 실시예에 있어서, 상기 혼동 행렬은 상기 판정단계에서, 실제로는 정상 작동할 소자를 비정상 작동할 소자로 오판정하거나, 실제로는 비정상 작동할 소자를 정상 작동할 소자로 오판정하거나, 실제로 정상 작동할 소자를 정상 작동할 소자로 판정하거나, 실제로 비정상 작동할 소자를 비정상 작동할 소자로 판정하는 경우의 수를 나타낼 수 있다.
본 발명의 실시예에 있어서, 상기 리페어 비용 함수는 상기 제1위정상 리페어 비용, 상기 제1위비정상 리페어 비용 및 상기 제1정상 리페어 비용이 상기 혼동 행렬에 포함된 리페어 비용 행렬일 수 있다.
본 발명의 실시예에 있어서, 상기 학습단계는 상기 제2총리페어 비용 중 제1위정상 판정 수를 상기 제1총리페어 비용 중 제1위정상 판정 수보다 작게 판정하도록 학습할 수 있다.
본 발명의 실시예에 있어서, 상기 제1위정상 리페어 비용은 소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이후에 수행되고, 전사된 비정상 소자를 제거하고, 새로운 접속소재를 형성한 후, 상기 접속소재에 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
본 발명의 실시예에 있어서, 상기 제1위비정상 리페어 비용은 소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이전에 수행되고, 전사된 정상 소자를 제거하고, 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
본 발명의 실시예에 있어서, 상기 제1정상 리페어 비용은 소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이전에 수행되고, 전사된 비정상 소자를 제거하고, 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
본 발명의 실시예에 있어서, 상기 학습영상 획득단계에서는 소자가 비전사된 학습영상을 더 획득하고, 상기 산출단계에서는 소자 비전사를 더 판정하여, 상기 제1총리페어 비용이 소자가 비전사된 곳에 새로운 정상 소자를 전사하는데 소요되는 비용을 포함하도록 산출하고, 상기 판정단계에서는 소자 비전사를 더 판정하여, 상기 제2총리페어 비용이 소자가 비전사된 곳에 새로운 정상 소자를 전사하는데 소요되는 비용을 포함하도록 산출할 수 있다.
본 발명의 실시예에 있어서, 상기 제1총리페어 비용 및 상기 제2총리페어 비용은 각각, 실제로는 소자 비전사를 정상 작동할 소자로 오판정하여 발생하는 제2위정상 리페어 비용과, 실제로는 정상 작동할 소자를 소자 비전사로 오판정하여 발생하는 제1위비전사 리페어 비용과, 실제로는 비정상 작동할 소자를 소자 비전사로 오판정하여 발생하는 제2위비전사 리페어 비용과, 실제로는 소자 비전사를 비정상 작동할 소자로 오판정하여 발생하는 제2위비정상 판정 리페어 비용과, 실제로 소자 비전사를 소자 비전사로 판정하여 발생하는 제3정상 판정 리페어 비용을 더 포함할 수 있다.
본 발명의 실시예에 있어서, 상기 학습단계에서, 상기 혼동 행렬은 상기 소자 비전사를 더 포함하여 생성되고, 상기 리페어 비용 함수는 상기 제2위정상 리페어 비용, 상기 제1위비전사 리페어 비용, 상기 제2위비전사 리페어 비용, 상기 제2위비정상 리페어 비용 및 상기 제3정상 리페어 비용을 더 포함하도록 생성될 수 있다.
본 발명의 실시예에 있어서, 상기 학습단계는 상기 제2총리페어 비용 중 제2위정상 판정 수를 상기 제1총리페어 비용 중 제2위정상 판정 수보다 작게 판정하도록 학습될 수 있다.
본 발명의 실시예에 있어서, 상기 제2위정상 리페어 비용은 소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이후에 수행되고, 접속소재를 형성한 후, 상기 접속소재에 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
본 발명의 실시예에 있어서, 상기 제1위비전사 리페어 비용은 소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이전에 수행되고, 기존 정상 소자를 제거하고, 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
본 발명의 실시예에 있어서, 상기 제2위비전사 리페어 비용은 소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이전에 수행되고, 기존 비정상 소자를 제거하고, 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
본 발명의 실시예에 있어서, 상기 제2위비정상 리페어 비용 및 상기 제3정상 리페어 비용은 소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이전에 수행되고, 소자 비전사 부분에 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
본 발명의 실시예에 있어서, 상기 학습영상 획득단계는 기판에 전사된 각각의 소자에 대해 전류를 공급하지 않은 전류 오프 소자 영상과, 전류를 공급한 전류 온 소자 영상을 획득하고 짝을 지어 페어 영상을 획득하는 페어 영상 획득 단계와, 상기 각 페어 영상의 전류 오프 소자 영상 및 전류 온 소자 영상의 이미지 차분을 계산하는 차분 계산 단계와, 상기 이미지 차분이 미리 설정된 기준 차분을 초과하면 해당 페어 영상을 정상 작동할 소자의 학습영상으로 분류하고, 상기 이미지 차분이 상기 기준 차분 이하면 해당 페어 영상을 비정상 작동할 소자의 학습영상으로 분류하는 분류단계를 가질 수 있다.
본 발명의 실시예에 있어서, 상기 판정단계 이후에, 소자 전사 공정이 진행된 기판을 리플로우하고, 상기 기판에 전류를 공급하여 소자의 작동을 검사하는 검사단계를 더 포함하고, 상기 검사단계에서 비정상 작동하는 소자 검출 시, 상기 비정상 작동 소자에 전류를 공급하지 않은 전류 오프 소자 영상과, 전류를 공급한 전류 온 소자 영상을 추가로 획득하고 짝을 지어 추가 페어 영상을 획득하고, 상기 학습영상에 포함시킬 수 있다.
한편, 상기 기술적 과제를 달성하기 위하여, 본 발명의 일실시예는 소자 검사 방법을 수행하는 소자 검사 장치로서, 소자 전사 공정이 진행된 기판을 촬영하여 정상 작동할 소자 및 비정상 작동할 소자의 학습영상을 획득하는 학습영상 획득부; 상기 학습영상을 인공지능 학습하는 학습부; 제1시점에 획득되고 상기 학습영상이 포함되지 않은 테스트 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하고, 소자를 리페어하는데 소요되는 제1총리페어 비용을 산출하는 산출부; 그리고 상기 제1시점보다 이후인 제2시점에 새로이 소자 전사 공정이 진행된 기판으로부터 획득되는 획득 영상을 상기 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하는 판정부를 포함하며, 상기 학습부는, 소자를 리페어하는데 소요되는 제2총리페어 비용이 상기 제1총리페어 비용보다 작아지게 상기 판정부가 판정하도록 학습되는 것을 특징으로 하는 소자 검사 장치를 제공한다.
본 발명의 실시예에 따르면, 소자에 전류가 공급되지 않은 상태에서 획득되는 소자의 획득영상을 기초로, 해당 소자에 전류가 공급되었을 때 해당 소자가 정상 작동할지, 비정상 작동할지를 판정할 수 있게 된다. 즉, 소자에 전류가 공급되지 않은 상태에서도, 불량일 것으로 예측되는 소자를 찾을 수 있게 된다. 이렇게 되면, 리플로우 공정 후에 발생할 수 있는 리페어 공정이 최소화되도록 할 수 있기 때문에, 리페어에 소요되는 전체 비용이 절감될 수 있고, 전사 공정에 소요되는 전체 시간도 단축될 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 일실시예에 따른 소자 검사 방법을 나타낸 흐름도이다.
도 2는 본 발명의 일실시예에 따른 소자 검사 방법이 적용되는 소자 전사 공정을 설명하기 위한 예시도이다.
도 3은 본 발명의 일실시예에 따른 소자 검사 방법의 학습영상 획득단계를 나타낸 흐름도이다.
도 4는 본 발명의 일실시예에 따른 소자 검사 방법이 소자 검사 공정에 적용되는 예를 설명하기 위한 예시도이다.
도 5는 본 발명의 일실시예에 따른 소자 검사 방법의 학습영상 획득단계를 설명하기 위한 예시도이다.
도 6은 본 발명의 일실시예에 따른 소자 검사 방법의 학습단계를 나타낸 흐름도이다.
도 7은 본 발명의 일실시예에 따른 소자 검사 방법 중, 학습단계의 혼동 행렬 생성 단계를 설명하기 위한 예시도이다.
도 8은 본 발명의 일실시예에 따른 소자 검사 방법 중, 학습단계의 리페어 비용 함수 생성 단계를 설명하기 위한 예시도이다.
도 9는 본 발명의 일실시예에 따른 소자 검사 방법의 검사단계를 통해 학습영상을 보충하는 내용을 설명하기 위한 예시도이다.
도 10은 본 발명의 일실시예에 따른 소자 검사 방법을 수행하는 소자 검사 장치를 나타낸 구성도이다.
도 2는 본 발명의 일실시예에 따른 소자 검사 방법이 적용되는 소자 전사 공정을 설명하기 위한 예시도이다.
도 3은 본 발명의 일실시예에 따른 소자 검사 방법의 학습영상 획득단계를 나타낸 흐름도이다.
도 4는 본 발명의 일실시예에 따른 소자 검사 방법이 소자 검사 공정에 적용되는 예를 설명하기 위한 예시도이다.
도 5는 본 발명의 일실시예에 따른 소자 검사 방법의 학습영상 획득단계를 설명하기 위한 예시도이다.
도 6은 본 발명의 일실시예에 따른 소자 검사 방법의 학습단계를 나타낸 흐름도이다.
도 7은 본 발명의 일실시예에 따른 소자 검사 방법 중, 학습단계의 혼동 행렬 생성 단계를 설명하기 위한 예시도이다.
도 8은 본 발명의 일실시예에 따른 소자 검사 방법 중, 학습단계의 리페어 비용 함수 생성 단계를 설명하기 위한 예시도이다.
도 9는 본 발명의 일실시예에 따른 소자 검사 방법의 검사단계를 통해 학습영상을 보충하는 내용을 설명하기 위한 예시도이다.
도 10은 본 발명의 일실시예에 따른 소자 검사 방법을 수행하는 소자 검사 장치를 나타낸 구성도이다.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 소자 검사 방법을 나타낸 흐름도이다.
도 1에서 보는 바와 같이, 소자 검사 방법은 학습영상 획득단계(S110), 학습단계(S120), 산출단계(S130) 그리고 판정단계(S140)를 포함할 수 있다.
학습영상 획득단계(S110)는 소자 전사 공정이 진행된 기판을 촬영하여 정상 작동할 소자 및 비정상 작동할 소자의 학습영상을 획득하는 단계일 수 있다.
학습단계(S120)는 학습영상을 인공지능 학습하는 단계일 수 있다.
그리고, 산출단계(S130)는 제1시점에 획득되고 학습영상이 포함되지 않은 테스트 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하고, 소자를 리페어하는데 소요되는 제1총리페어 비용을 산출하는 단계일 수 있다.
판정단계(S140)는 제1시점보다 이후인 제2시점에 새로이 소자 전사 공정이 진행된 기판으로부터 획득되는 획득 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하는 단계일 수 있다.
학습단계(S120)는 판정단계(S140)에서의 판정에 따라 소자를 리페어하는데 소요되는 제2총리페어 비용이 제1총리페어 비용보다 작아지게 판정하도록 학습될 수 있으며, 이를 통해, 소자 검사 공정에 소요되는 리페어 비용이 최소화될 수 있다.
먼저, 본 발명에 따른 소자 검사 방법이 적용될 수 있는 일반적인 소자 검사 공정을 설명한다. 본 발명에서 소자는 엘이디(LED)와 같이 발광 소자에 한정되지 않고, 반도체 소자, 적층 세라믹 콘덴서(MLCC)와 같은 전자소자를 포함할 수 있으며, 이하에서는 편의상 소자가 LED 인 경우로 하여 설명한다.
도 2는 본 발명의 일실시예에 따른 소자 검사 방법이 적용되는 소자 전사 공정을 설명하기 위한 예시도이다.
도 2를 참조하여 일반적인 소자 전사 공정을 설명하면, 먼저 기판(210)에 다량의 소자(200)가 1차 전사된 후 자동광학장치(220)에 의한 자동광학검사(AOI: Automatic Optical Inspection) 공정(S1)이 진행될 수 있다(도 2의 (a)).
그리고, 자동광학검사 결과 불량으로 판정된 소자(201)를 리페어툴(230)을 이용하여 제거한 후, 새로운 소자(202)를 전사하게 되는 1차 리페어 공정(R1)을 거치게 된다(도 2의 (b) 및 (c) 참조).
1차 리페어 공정(R1)을 거친 후에는, 소자 전사 공정이 진행된 기판(210)을 리플로우 오븐(300)을 이용하여 리플로우하는 리플로우 공정(S2)이 진행되며(도 2의 (d) 참조), 기판(210)에 전압(310)을 인가한 상태에서 자동광학장치(220)를 이용하여 자동광학검사(S3)를 진행하게 된다(도 2의 (e)). 이 결과, 모든 소자에 이상이 없으면 공정은 종료된다(도 2의 (f)).
반면, 자동광학검사 결과 불량으로 판정된 소자(204)가 있으면, 리페어툴(230)을 이용하여 불량으로 판정된 소자(204)를 제거하고, 새로운 소자(205)를 전사하게 되는 2차 리페어 공정(R2)이 진행될 수 있다(도 2의 (g) 및 (h) 참조).
2차 리페어 공정(R2) 후에는 다시 리플로우 공정(S2)을 진행하게 되고, 이후, 자동광학검사(S3)를 진행하게 된다.
본 발명에 따른 소자 검사 방법은 기판(210)에 소자(200)가 1차 전사된 후 수행되는 자동광학검사 공정(S1)에 적용될 수 있다.
이하, 본 발명에 따른 소자 검사 방법에 대해서 좀 더 자세히 설명한다.
도 3은 본 발명의 일실시예에 따른 소자 검사 방법의 학습영상 획득단계를 나타낸 흐름도이고, 도 4는 본 발명의 일실시예에 따른 소자 검사 방법이 소자 검사 공정에 적용되는 예를 설명하기 위한 예시도이고, 도 5는 본 발명의 일실시예에 따른 소자 검사 방법의 학습영상 획득단계를 설명하기 위한 예시도이다.
도 1 내지 도 4에서 보는 바와 같이, 학습영상 획득단계(S110)는 페어 영상 획득 단계(S111), 차분 계산 단계(S112) 및 분류단계(S113)를 가질 수 있다.
페어 영상 획득 단계(S111)는 기판에 전사된 각각의 소자에 대해 전류를 공급하지 않은 전류 오프 소자 영상과, 전류를 공급한 전류 온 소자 영상을 획득하고 짝을 지어 페어 영상을 획득하는 단계일 수 있다.
즉, 페어 영상은 동일한 소자에 대해 전류를 공급하지 않은 상태에서의 영상과, 전류를 공급한 상태에서의 영상의 쌍일 수 있다. 페어 영상은 예를 들면 자동광학검사(AOI)로 획득될 수 있다.
차분 계산 단계(S112)는 각 페어 영상의 전류 오프 소자 영상 및 전류 온 소자 영상의 이미지 차분을 계산하는 단계일 수 있다.
도 5에서 보는 바와 같이, 소자(200)가 정상 작동하는 경우에는, 전류가 공급되지 않은 상태인 전류 오프 소자 영상(a-1)과 전류가 공급된 상태인 전류 온 소자 영상(a-2)의 페어 영상(10)은 명도 등의 차이가 크기 때문에, 이미지 차분(a-3)이 클 수 있다.
반면, 소자(201)가 비정상 작동하는 경우, 즉, 소자(201)가 불량이어서 전류가 공급되더라도 발광하지 못하는 경우에는, 전류가 공급되지 않은 상태인 전류 오프 소자 영상(b-1)과 전류가 공급된 상태인 전류 온 소자 영상(b-2)의 페어 영상(20)은 이미지 차분(b-3)이 작을 수 있다.
분류단계(S113)는 계산된 이미지 차분이 미리 설정된 기준 차분을 초과하면 해당 페어 영상을 정상 작동할 소자의 학습영상으로 분류하고, 계산된 이미지 차분이 기준 차분 이하면 해당 페어 영상을 비정상 작동할 소자의 학습영상으로 분류하는 단계일 수 있다.
기준 차분은 소자가 정상 작동하는 경우의 페어 영상들을 참고로 미리 획득된 차분의 평균값과, 소자가 비정상 작동하는 경우의 페어 영상들을 참고로 해서 미리 획득된 차분의 평균값을 기초로 적절하게 설정될 수 있다.
학습영상 획득단계(S110)에서 획득되는 영상(114)의 일부는 학습영상(115)으로 분류되고, 나머지는 테스트 영상(116)으로 분류될 수 있다. 학습영상(115)은 테스트 영상(116)보다 더 많은 비율로 분류될 수 있으며, 테스트 영상(116)에는 학습영상(115)이 불포함될 수 있다. 즉, 학습영상(115)으로 분류된 영상은 테스트 영상(116)이 될 수 없다.
테스트 영상(116)은 학습영상 획득단계(S110)에서 획득되는 영상(114)의 일부가 분류되어 얻어지는 것에 한정되지 않고, 실제 소자 전사 시설에서 획득되는 영상으로 얻어질 수도 있다. 즉, 테스트 영상(116)은 실제 소자 전사 시설이 가동되는 시점보다 이전 시점인 제1시점(T1)에서 획득될 수 있다.
학습영상(115) 및 테스트 영상(116)은 실제 소자 전사 시설에서 획득되는 것이 실제 발생할 수 있는 소자의 전사 형태가 반영된다는 점에서 바람직하지만, 반드시 이에 한정되는 것은 아니며, 인위적으로 다양한 소자 전사 형태를 만들고 이로부터 획득되는 영상이 사용될 수도 있다.
다음으로, 학습단계(S120)는 획득된 학습영상을 인공지능 학습하는 단계일 수 있다.
학습단계(S120)에서는, 정상 작동할 소자의 학습영상 및 비정상 작동할 소자의 학습영상을 인공지능 학습(123)함으로써, 어떠한 소자에 전류가 공급되면 해당 소자가 정상 작동할 소자일지 아닐지를 판단할 수 있도록 학습하게 된다.
인공지능 학습은 일반적인 기계 학습(Machine Learning)뿐만 아니라, 심층 기계학습(Deep Learning)을 포함할 수 있다.
산출단계(S130)는 인공지능 학습된 기준에 따라 테스트 영상(116)을 정상 작동할 소자 또는 비정상 작동할 소자로 판정(131)하고, 소자를 리페어하는데 소요되는 제1총리페어 비용(132)을 산출할 수 있다.
상세히, 도 6은 본 발명의 일실시예에 따른 소자 검사 방법의 학습단계를 나타낸 흐름도이고, 도 7은 본 발명의 일실시예에 따른 소자 검사 방법 중, 학습단계의 혼동 행렬 생성 단계를 설명하기 위한 예시도이고, 도 8은 본 발명의 일실시예에 따른 소자 검사 방법 중, 학습단계의 리페어 비용 함수 생성 단계를 설명하기 위한 예시도이다.
도 6 내지 도 8의 (a)에서 보는 바와 같이, 학습단계(S120)는 혼동 행렬 생성 단계(S121) 및 리페어 비용 함수 생성 단계(S122)를 가질 수 있다.
혼동 행렬 생성 단계(S121)는 정상 작동할 소자(Class-0) 및 비정상 작동할 소자(Class-1)로 구성되는 혼동 행렬(Confusion Matrix)을 생성하는 단계일 수 있다.
혼동 행렬은, 후술할 판정단계(S140)에서, 실제로는 정상 작동할 소자(Class-0)를 비정상 작동할 소자(Class-1)로 오판정하거나, 실제로는 비정상 작동할 소자(Class-1)를 정상 작동할 소자(Class-0)로 오판정하거나, 실제로 정상 작동할 소자(Class-0)를 정상 작동할 소자(Class-0)로 바르게 판정하거나, 실제로 비정상 작동할 소자(Class-1)를 비정상 작동할 소자(Class-1)로 바르게 판정하는 경우의 수를 나타내는 것일 수 있다.
혼동 행렬에서는 실제로는 비정상 작동할 소자(Class-1)를 정상 작동할 소자(Class-0)로 판정한 경우를 의미하는 제1위정상 판정(a10)과, 실제로는 정상 작동할 소자(Class-0)를 비정상 작동할 소자(Class-1)로 판정한 경우를 의미하는 제1위비정상 판정(a01)과, 실제로 비정상 작동할 소자(Class-1)를 비정상 작동할 소자(Class-1)로 판정하는 제1정상 판정(a11)과, 실제로 정상 작동할 소자(Class-0)를 정상 작동할 소자(Class-0)로 판정한 제2정상 판정(a00)의 빈도가 나타날 수 있다.
리페어 비용 함수 생성 단계(S122)는 혼동 행렬과, 제1위정상 리페어 비용, 제1위비정상 리페어 비용 및 제1정상 리페어 비용을 포함하는 복수 개의 리페어 비용 함수(C)를 생성하는 단계일 수 있다.
여기서, 제1위비정상 판정(a01), 제1위정상 판정(a10), 제1정상 판정(a11) 및 제2정상 판정(a00)시에 각각 소요되는 비용(t1, t2)은 미리 설정될 수 있다.
제1위비정상 리페어 비용은 실제로는 정상 작동할 소자(Class-0)를 비정상 작동할 소자(Class-1)로 제1위비정상 판정(a01)한 경우에 소자 리페어를 위해 발생되는 비용일 수 있다. 제1위비정상 리페어 비용은 제1위비정상 판정(a01)과 이로 인해 소자를 제거하고 새로운 소자를 전사하는데 소요되는 비용(t1)의 곱(t1×a01)일 수 있다.
제1위비정상 판정(a01)이 발생하면, 기판에 전사된 소자가 실제로는 정상 작동할 소자(Class-0)임에도 불구하고 제거된 후 새로운 정상 소자가 전사되어야 하는 리페어 공정을 거치게 된다. 따라서, 제1위비정상 판정에 따른 리페어 공정은 리플로우 공정 이전에 수행되는 1차 리페어 공정(R1)에서 진행될 수 있다.
그리고, 제1위정상 리페어 비용은 실제로는 비정상 작동할 소자(Class-1)를 정상 작동할 소자(Class-0)로 제1위정상 판정(a10)한 경우에 소자 리페어를 위해 발생되는 비용일 수 있다. 제1위정상 리페어 비용은 제1위정상 판정(a10)과 이로 인해 리플로우된 소자를 제거하고 새로운 접속소재를 형성한 후 새로운 소자를 전사하는데 소요되는 비용(t2)의 곱(t2×a10)일 수 있다.
도 2를 더 참조하면, 제1위정상 판정(a10)이 발생하면, 실제로는 비정상 작동할 소자(Class-1)가 리페어 되지 못한 상태에서 공정이 계속 진행되기 때문에, 리플로우 공정(S2)을 거치된다. 따라서, 제1위정상 판정에 따른 리페어 공정은 리플로우 공정 이후에 수행되는 2차 리페어 공정(R2)에서 수행될 수 있다. 이때에는 리플로우 공정을 거친 접속 소재에 접합된 불량 소자를 제거하고, 새로운 접속 소재를 기판에 다시 형성한 후, 새로운 정상 소자를 전사해야 한다. 따라서, 이때 소용되는 비용(t2)은 앞에 설명된 비용(t1)보다 크고, 결과적으로, 제1위정상 리페어 비용은 모든 리페어 비용 중에 가장 클 수 있다.
또한, 제1정상 리페어 비용은 실제로 비정상 작동할 소자(Class-1)를 비정상 작동할 소자(Class-1)로 제1정상 판정(a11)한 경우에 소자 리페어를 위해 발생되는 비용일 수 있다. 제1정상 리페어 비용은 제1정상 판정(a11)과 이로 인해 소자를 제거하고 새로운 소자를 전사하는데 소요되는 비용(t1)의 곱(t1×a11)일 수 있다.
제1정상 판정(a11)이 발생하면, 전사된 비정상 소자(Class-1)를 제거하고 새로운 정상 소자를 전사하는 리페어 공정을 거치게 된다. 따라서, 제1정상 리페어 비용은 1차 리페어 공정(R1)에서 진행될 수 있으며, 제1정상 리페어 비용은 제1정상 판정(a11)과 이로 인해 소요되는 비용(t1)의 곱(t1×a11)일 수 있으며, 제1위비정상 리페어 비용과 동일할 수 있다.
한편, 실제로 정상 작동할 소자(Class-0)를 정상 작동할 소자(Class-0)로 제2정상 판정(a00)한 경우에는 소자 리페어 비용은 발생하지 않게 된다.
리페어 비용 함수(C)는 제1위정상 리페어 비용, 제1위비정상 리페어 비용 및 제1정상 리페어 비용이 혼동 행렬에 포함된 리페어 비용 행렬일 수 있다(도 8의 (a) 참조).
그리고, 제1총리페어 비용은 리페어 비용 함수(C)의 총합일 수 있으며, 아래 식(1)로 표현될 수 있다.
이와 같이, 제1총리페어 비용은 제1위정상 리페어 비용과, 제1위비정상 리페어 비용과, 제1정상 리페어 비용을 포함할 수 있다.
다시, 도 1 및 도 4를 참조하면, 테스트 영상(116)의 결과는 관리자가 미리 알고 있을 수 있다. 따라서, 인공지능 학습 후 테스트 영상을 판정한 판정 정확도와, 이러한 판정에 따라 산출되는 제1총리페어 비용이 미리 설정된 요구 수준을 만족하지 못하게 되면(N), 파라미터 튜닝, 학습 영상 데이터의 선별 및 가공 등을 거쳐 인공지능 학습을 다시 수행한 후, 테스트 영상(116)을 판정(131)하고 제1총리페어 비용(132)을 산출하게 된다. 그리고, 판정 정확도 및 산출되는 제1총리페어 비용이 미리 설정된 요구 수준을 만족하게 되면(Y) 인공지능 학습된 기준은 실제 소자 전사 공정에 적용될 수 있다.
판정단계(S140)는 테스트 영상(116)이 획득되는 제1시점보다 이후인 제2시점에 새로이 소자 전사 공정이 진행된 기판으로부터 획득되는 획득 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하는 단계일 수 있다.
본 발명에 따른 소자 검사 방법은 실제 소자 전사 설비에서, 기판에 소자가 1차 전사(S11)된 후 기판에 전류가 공급되지 않은 상태에서 수행되는 자동광학검사 공정(S12)과 연계되어 적용될 수 있다(도 4 참조).
그리고, 실제 소자 전사 설비를 이용한 소자 전사 공정에서 획득되는 획득 영상에 대해, 앞에서 테스트 영상을 통해 수행되었던 것과 동일한 방법으로 획득 영상을 판정(141)하게 되며, 이러한 판정에 따라 제2총리페어 비용을 산출하게 된다. 따라서, 산출되는 제2총리페어 비용(142)도 제1위정상 리페어 비용과, 제1위비정상 리페어 비용과, 제1정상 리페어 비용을 포함하게 된다.
테스트 영상(116)은 소자 전사 설비를 가동하고 비교적 초기 시점에 얻어지는 영상을 포함할 수 있다. 따라서, 인공지능 학습 후 이러한 테스트 영상(116)을 통한 판정 정확도가 미리 설정된 요구 수준을 만족하고, 이에 따른 제1총리페어 비용이 산출되면, 이후, 같은 소자 전사 설비를 가동하여 획득되는 획득 영상을 판정하고, 이에 따라 소자를 리페어하는데 소요되는 제2총리페어 비용이 산출될 수 있다.
여기서, 학습단계(S120)는 판정단계(S140)에서의 판정에 따라 소자를 리페어하는데 소요되는 제2총리페어 비용(142)이 제1총리페어 비용(132)보다 작아지게 판정하도록 학습될 수 있다.
전술한 바와 같이, 리플로우 공정 후에는 접속 소재가 리플로우 되어 소자가 접속 소재에 견고하게 접합되기 때문에, 소자 리페어를 위해서는 접합된 소자를 제거하고, 새로운 접속 소재를 다시 형성한 후 새로운 소자를 전사해야 한다. 즉, 2차 리페어 공정에서는 리플로우된 소자를 제거해야 하기 때문에, 리플로우 되지 않은 소자를 제거하는 1차 리페어 공정에서보다 상대적으로 큰 비용이 발생하게 된다.
그런데, 학습단계(S120)에서 제2총리페어 비용(142)이 제1총리페어 비용(132)보다 작아지게 판정하도록 인공지능 학습되면, 이러한 인공지능 학습의 결과로 인해서, 리플로우 공정 전의 1차 리페어 공정(R1)에서 대부분 또는 전체의 소자 리페어가 이루어지게 되고 이에 따라, 2차 리페어 공정(R2)에서의 소자 리페어가 줄거나 수행되지 않을 수 있다. 이렇게 되면, 전체적인 리페어 소요 시간이 줄어들 수 있고, 소요 비용도 절감될 수 있다.
제2총리페어 비용(142)이 제1총리페어 비용(132)보다 작아지게 판정되도록 하기 위해, 학습단계(S120)에서는 제1위정상 판정, 제1위비정상 판정 및 제1정상 판정의 빈도수를 적절하게 조절하도록 학습될 수 있다.
특히, 학습단계(S120)는 제2총리페어 비용 중 제1위정상 판정 수를 제1총리페어 비용 중 제1위정상 판정 수보다 작게 판정하도록 학습될 수 있다.
예를 들면, 학습단계(S120)에서는 학습 영상을 수치값으로 변환하고, 변환된 수치값을 각각의 판단 기준값과 비교하여 제1위정상, 제1위비정상, 제1정상, 제2정상으로 판단할 수 있는데, 변환된 수치값과 제1위정상으로 판단하기 위한 판단 기준값의 오차 범위가 특정 범위 이내인 경우, 제1위정상을 제1정상으로 판정하도록 학습됨으로써, 제1위정상 판정 수를 줄일 수 있으며, 이를 통해 제2총리페어 비용이 제1총리페어 비용보다 작아지도록 할 수 있다.
제1정상 판정 및 제1위비정상 판정에 따른 소자 리페어는 1차 리페어 공정에서 수행될 수 있기 때문에, 리페어 공정이 상대적으로 더 간단하고, 비용도 적게 들며, 공정 시간도 더 단축될 수 있다. 따라서, 제1위정상 판단을 줄임에 따라 제1정상 판단이 증가하더라도 결과적으로는 전체 리페어 비용이 낮아질 수 있다.
이와 같은 편향적 판단을 하도록 유도하기 위해, 적절한 가중치 부여, 학습 영상 중 정상 작동 소자의 학습 영상과 비정상 작동 소자의 학습 영상의 비율 조정을 통한 불균형 비율(Imbalance Ratio) 조정 등의 데이터 가공이 수행된 후 학습단계(S120)가 진행될 수 있다.
본 발명에 따르면, 판정단계(S140)는 소자에 전류가 공급되지 않은 상태에서 획득되는 소자의 획득영상을 기초로도, 해당 소자에 전류가 공급되었을 때 해당 소자가 정상 작동할지, 비정상 작동할지를 판정할 수 있게 된다. 즉, 소자에 전류가 공급되지 않은 상태에서도, 불량일 것으로 예측되는 소자를 찾을 수 있게 된다. 이렇게 되면, 리플로우 공정 후에 발생할 수 있는 리페어 공정이 최소화되도록 할 수 있어, 리페어에 소요되는 전체 비용이 절감될 수 있고, 전사 공정에 소요되는 전체 시간도 단축될 수 있다.
도 9는 본 발명의 일실시예에 따른 소자 검사 방법의 검사단계를 통해 학습영상을 보충하는 내용을 설명하기 위한 예시도이다.
도 2, 도 4 및 도 9에서 보는 바와 같이, 소자 검사 방법은 검사단계(S150)를 더 포함할 수 있다. 검사단계(S150)는 판정단계(S140) 이후에, 소자 전사 공정이 진행된 기판을 리플로우하고, 기판에 전류를 공급하여 소자의 작동을 검사하는 단계일 수 있다.
검사단계(S150)는 기판(210)에 전압(310)을 인가한 상태에서 자동광학장치(220)를 이용하여 진행되는 자동광학검사(S3)일 수 있다.
인공지능 학습을 통해 판정(141)이 이루어지고, 이에 따라 1차 리페어 공정(R1)이 수행되었음에도 불구하고, 검사단계(S150)에서 비정상 작동하는 소자가 검출될 수 있다. 그러면, 검출된 비정상 작동 소자에 전류를 공급하지 않은 전류 오프 소자 영상과, 전류를 공급한 전류 온 소자 영상이 추가로 획득되고 짝을 지어 추가 페어 영상(151)이 획득될 수 있다. 이렇게 획득된 추가 페어 영상(151)은 학습영상에 포함시켜져 학습단계(S120)에서 학습영상으로 사용될 수 있다. 이에 따라, 비작동 소자의 학습영상이 보충되어 학습될 수 있으며, 이를 통해 더욱 정확한 판정이 가능하도록 도울 수 있다.
한편, 학습영상 획득단계(S110)에서는 소자가 비전사된 학습영상이 더 획득될 수 있다. 이하에서는 학습영상에 소자가 비전사된 학습영상이 더 포함됨에 따라 적용되는 내용 위주로 설명하며, 반복되는 내용은 가급적 설명을 생략한다.
전술한 바와 같이, 소자를 기판에 전사하는 공정에서, 기판(210)에 소자(200)가 1차 전사된 후 자동광학장치(220)에 의한 자동광학검사를 진행하게 되는데(도 2의 (a)), 이때, 자동광학검사 결과 소자가 전사되지 않은 빈 공간(211)이 검출될 수 있다. 이는 소자 전사가 실패한 경우로, 이때에는 새로운 소자(203)를 전사하게 된다(도 2의 (c) 참조).
소자 전사의 실패는 리플로우 공정 후에 진행되는 자동광학검사에서도 발견될 수 있으며, 이렇게 빈 공간(211)에는 2차 리페어 공정(R2) 중 새로운 소자(206)가 전사될 수 있다(도 2의 (g) 및 (h) 참조).
도 5에서 보는 바와 같이, 소자가 비전사인 경우, 즉, 소자가 전사되지 않은 경우에는, 전류가 공급되지 않는 상태의 영상(c-1)과 전류가 공급된 상태의 영상(c-2)의 페어 영상(30)은 이미지 차분(c-3)이 작거나, 없을 수 있다.
그러면, 도 1 및 도 3에서 보는 바와 같이, 분류단계(S113)는 계산된 이미지 차분이 미리 설정된 기준 차분 이하면 해당 페어 영상을 소자 비전사의 학습영상으로 더 분류할 수 있다. 기준 차분은 소자가 전사되지 않은 경우의 페어 영상들을 참고로 미리 획득된 차분의 평균값을 기초로 적절하게 설정될 수 있다.
그리고, 산출단계(S130)에서는 소자 비전사를 더 판정하여, 제1총리페어 비용이 소자가 비전사된 곳에 새로운 정상 소자를 전사하는데 소요되는 비용을 포함하도록 산출할 수 있다.
또한, 도 7 및 도 8의 (b)에서 보는 바와 같이, 학습단계(S120)에서, 혼동 행렬은 소자 비전사(Class-2)를 더 포함하여 생성될 수 있다.
소자 비전사의 경우가 더 포함되면, 제1총리페어 비용 및 제2총리페어 비용은 각각, 실제로는 소자 비전사(Class-2)를 정상 작동할 소자(Class-0)로 오판정하여 발생하는 제2위정상 리페어 비용(t3×a20)과, 실제로는 정상 작동할 소자(Class-0)를 소자 비전사(Class-2)로 오판정하여 발생하는 제1위비전사 리페어 비용(t1×a02)과, 실제로는 비정상 작동할 소자(Class-1)를 소자 비전사(Class-2)로 오판정하여 발생하는 제2위비전사 리페어 비용(t1×a12)과, 실제로는 소자 비전사(Class-2)를 비정상 작동할 소자(Class-1)로 오판정하여 발생하는 제2위비정상 판정 리페어 비용(t4×a21)과, 실제로 소자 비전사(Class-2)를 소자 비전사(Class-2)로 판정하여 발생하는 제3정상 판정 리페어 비용(t4×a22)을 더 포함할 수 있다.
여기서, 제1위비전사 판정(a02) 및 제2위비전사 판정(a12)의 경우에는 소자를 제거하고 새로운 소자를 전사하는 비용(t1)이 발생되고, 제2위정상 판정(a20)의 경우에는 접속 소재를 형성하고 새로운 소자를 전사하는 비용(t3)이 발생된다. 그리고, 제2위비정상 판정(a21) 및 제3정상 판정(a22)의 경우에는 소자를 전사하는 비용(t4)이 발생되며, 이 비용(t4)은 가장 작을 수 있다.
따라서, 제2위정상 리페어 비용은 리플로우 공정 이후에 수행되고, 접속소재를 형성한 후, 접속소재에 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
그리고, 제1위비전사 리페어 비용은 리플로우 공정 이전에 수행되고, 기존 정상 소자를 제거하고, 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
또한, 제2위비전사 리페어 비용은 리플로우 공정 이전에 수행되고, 기존 비정상 소자를 제거하고, 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
그리고, 제2위비정상 리페어 비용 및 제3정상 리페어 비용은 리플로우 공정 이전에 수행되고, 소자 비전사 부분에 새로운 정상 소자를 전사하는 리페어 비용일 수 있다.
리페어 비용 함수는 제2위정상 리페어 비용, 제1위비전사 리페어 비용, 제2위비전사 리페어 비용, 제2위비정상 리페어 비용 및 제3정상 리페어 비용을 더 포함하도록 생성될 수 있다.
판정단계(S140)에서는 소자 비전사(Class-2)를 더 판정하여, 제2총리페어 비용이 소자가 비전사된 곳에 새로운 정상 소자를 전사하는데 소요되는 비용을 포함하도록 산출할 수 있으며, 소자 비전사가 더 포함되는 경우에도 학습단계(S120)는 제2총리페어 비용 중 제2위정상 판정 수를 제1총리페어 비용 중 제2위정상 판정 수보다 작게 판정하도록 학습될 수 있다.
도 10은 본 발명의 일실시예에 따른 소자 검사 방법을 수행하는 소자 검사 장치를 나타낸 구성도이다.
도 10에서 보는 바와 같이, 소사 검사 장치는 학습영상 획득부(410), 학습부(420), 산출부(430) 그리고 판정부(440)를 포함할 수 있다.
학습영상 획득부(410)는 소자 전사 공정이 진행된 기판을 촬영하여 정상 작동할 소자 및 비정상 작동할 소자의 학습영상을 획득할 수 있다.
학습부(420)는 학습영상을 인공지능 학습할 수 있다.
산출부(430)는 제1시점에 획득되고 학습영상이 포함되지 않은 테스트 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하고, 소자를 리페어하는데 소요되는 제1총리페어 비용을 산출할 수 있다.
판정부(440)는 제1시점보다 이후인 제2시점에 새로이 소자 전사 공정이 진행된 기판으로부터 획득되는 획득 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정할 수 있다.
학습부(420)는, 소자를 리페어하는데 소요되는 제2총리페어 비용이 제1총리페어 비용보다 작아지게 판정부(440)가 판정하도록 학습될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 청구범위에 의하여 나타내어지며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
115: 학습영상
116: 테스트 영상
123: 인공지능 학습
131,141: 판정
132: 제1총리페어 비용
142: 제2총리페어 비용
151: 추가 페어 영상
R1: 1차 리페어 공정
R2: 2차 리페어 공정
116: 테스트 영상
123: 인공지능 학습
131,141: 판정
132: 제1총리페어 비용
142: 제2총리페어 비용
151: 추가 페어 영상
R1: 1차 리페어 공정
R2: 2차 리페어 공정
Claims (20)
- 소자 전사 공정이 진행된 기판을 촬영하여 정상 작동할 소자 및 비정상 작동할 소자의 학습영상을 획득하는 학습영상 획득단계;
상기 학습영상을 인공지능 학습하는 학습단계;
제1시점에 획득되고 상기 학습영상이 포함되지 않은 테스트 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하고, 소자를 리페어하는데 소요되는 제1총리페어 비용을 산출하는 산출단계; 그리고
상기 제1시점보다 이후인 제2시점에 새로이 소자 전사 공정이 진행된 기판으로부터 획득되는 획득 영상을 상기 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하는 판정단계를 포함하며,
상기 학습단계는 상기 판정단계에서의 판정에 따라 소자를 리페어하는데 소요되는 제2총리페어 비용이 상기 제1총리페어 비용보다 작아지게 판정하도록 학습되는 것을 특징으로 하는 소자 검사 방법. - 제1항에 있어서,
상기 제1총리페어 비용 및 상기 제2총리페어 비용은 각각,
실제로는 비정상 작동할 소자를 정상 작동할 소자로 오판정하여 발생하는 제1위정상 리페어 비용과, 실제로는 정상 작동할 소자를 비정상 작동할 소자로 오판정하여 발생하는 제1위비정상 리페어 비용과, 실제로 비정상 작동할 소자를 비정상 작동할 소자로 판정하여 발생하는 제1정상 리페어 비용을 포함하는 것을 특징으로 하는 소자 검사 방법. - 제2항에 있어서,
상기 학습단계는
정상 작동할 소자 및 비정상 작동할 소자로 구성되는 혼동 행렬(Confusion Matrix)을 생성하는 혼동 행렬 생성 단계와,
상기 혼동 행렬과, 상기 제1위정상 리페어 비용, 상기 제1위비정상 리페어 비용 및 상기 제1정상 리페어 비용을 포함하는 복수 개의 리페어 비용 함수를 생성하는 리페어 비용 함수 생성 단계를 가지고,
상기 제1총리페어 비용 및 상기 제2총리페어 비용은 상기 리페어 비용 함수의 총합인 것을 특징으로 하는 소자 검사 방법. - 제3항에 있어서,
상기 혼동 행렬은
상기 판정단계에서, 실제로는 정상 작동할 소자를 비정상 작동할 소자로 오판정하거나, 실제로는 비정상 작동할 소자를 정상 작동할 소자로 오판정하거나 , 실제로 정상 작동할 소자를 정상 작동할 소자로 판정하거나, 실제로 비정상 작동할 소자를 비정상 작동할 소자로 판정하는 경우의 수를 나타내는 것을 특징으로 하는 소자 검사 방법. - 제3항에 있어서,
상기 리페어 비용 함수는
상기 제1위정상 리페어 비용, 상기 제1위비정상 리페어 비용 및 상기 제1정상 리페어 비용이 상기 혼동 행렬에 포함된 리페어 비용 행렬인 것을 특징으로 하는 소자 검사 방법. - 제2항에 있어서,
상기 학습단계는
상기 제2총리페어 비용 중 제1위정상 판정 수를 상기 제1총리페어 비용 중 제1위정상 판정 수보다 작게 판정하도록 학습되는 것을 특징으로 하는 소자 검사 방법. - 제2항에 있어서,
상기 제1위정상 리페어 비용은
소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이후에 수행되고, 전사된 비정상 소자를 제거하고, 새로운 접속소재를 형성한 후, 상기 접속소재에 새로운 정상 소자를 전사하는 리페어 비용인 것을 특징으로 하는 소자 검사 방법. - 제2항에 있어서,
상기 제1위비정상 리페어 비용은
소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이전에 수행되고, 전사된 정상 소자를 제거하고, 새로운 정상 소자를 전사하는 리페어 비용인 것을 특징으로 하는 소자 검사 방법. - 제2항에 있어서,
상기 제1정상 리페어 비용은
소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이전에 수행되고, 전사된 비정상 소자를 제거하고, 새로운 정상 소자를 전사하는 리페어 비용인 것을 특징으로 하는 소자 검사 방법. - 제1항에 있어서,
상기 학습영상 획득단계에서는 소자가 비전사된 학습영상을 더 획득하고,
상기 산출단계에서는 소자 비전사를 더 판정하여, 상기 제1총리페어 비용이 소자가 비전사된 곳에 새로운 정상 소자를 전사하는데 소요되는 비용을 포함하도록 산출하고,
상기 판정단계에서는 소자 비전사를 더 판정하여, 상기 제2총리페어 비용이 소자가 비전사된 곳에 새로운 정상 소자를 전사하는데 소요되는 비용을 포함하도록 산출하는 것을 특징으로 하는 소자 검사 방법. - 제10항에 있어서,
상기 제1총리페어 비용 및 상기 제2총리페어 비용은 각각,
실제로는 소자 비전사를 정상 작동할 소자로 오판정하여 발생하는 제2위정상 리페어 비용과, 실제로는 정상 작동할 소자를 소자 비전사로 오판정하여 발생하는 제1위비전사 리페어 비용과, 실제로는 비정상 작동할 소자를 소자 비전사로 오판정하여 발생하는 제2위비전사 리페어 비용과, 실제로는 소자 비전사를 비정상 작동할 소자로 오판정하여 발생하는 제2위비정상 판정 리페어 비용과, 실제로 소자 비전사를 소자 비전사로 판정하여 발생하는 제3정상 판정 리페어 비용을 더 포함하는 것을 특징으로 하는 소자 검사 방법. - 제11항에 있어서,
상기 학습단계에서,
상기 혼동 행렬은 상기 소자 비전사를 더 포함하여 생성되고,
상기 리페어 비용 함수는 상기 제2위정상 리페어 비용, 상기 제1위비전사 리페어 비용, 상기 제2위비전사 리페어 비용, 상기 제2위비정상 리페어 비용 및 상기 제3정상 리페어 비용을 더 포함하도록 생성되는 것을 특징으로 하는 소자 검사 방법. - 제11항에 있어서,
상기 학습단계는
상기 제2총리페어 비용 중 제2위정상 판정 수를 상기 제1총리페어 비용 중 제2위정상 판정 수보다 작게 판정하도록 학습되는 것을 특징으로 하는 소자 검사 방법. - 제11항에 있어서,
상기 제2위정상 리페어 비용은
소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이후에 수행되고, 접속소재를 형성한 후, 상기 접속소재에 새로운 정상 소자를 전사하는 리페어 비용인 것을 특징으로 하는 소자 검사 방법. - 제11항에 있어서,
상기 제1위비전사 리페어 비용은
소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이전에 수행되고, 기존 정상 소자를 제거하고, 새로운 정상 소자를 전사하는 리페어 비용인 것을 특징으로 하는 소자 검사 방법. - 제11항에 있어서,
상기 제2위비전사 리페어 비용은
소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이전에 수행되고, 기존 비정상 소자를 제거하고, 새로운 정상 소자를 전사하는 리페어 비용인 것을 특징으로 하는 소자 검사 방법. - 제11항에 있어서,
상기 제2위비정상 리페어 비용 및 상기 제3정상 리페어 비용은
소자 전사 공정이 진행된 기판을 리플로우하는 리플로우 공정 이전에 수행되고, 소자 비전사 부분에 새로운 정상 소자를 전사하는 리페어 비용인 것을 특징으로 하는 소자 검사 방법. - 제1항에 있어서,
상기 학습영상 획득단계는
기판에 전사된 각각의 소자에 대해 전류를 공급하지 않은 전류 오프 소자 영상과, 전류를 공급한 전류 온 소자 영상을 획득하고 짝을 지어 페어 영상을 획득하는 페어 영상 획득 단계와,
상기 각 페어 영상의 전류 오프 소자 영상 및 전류 온 소자 영상의 이미지 차분을 계산하는 차분 계산 단계와,
상기 이미지 차분이 미리 설정된 기준 차분을 초과하면 해당 페어 영상을 정상 작동할 소자의 학습영상으로 분류하고, 상기 이미지 차분이 상기 기준 차분 이하면 해당 페어 영상을 비정상 작동할 소자의 학습영상으로 분류하는 분류단계를 가지는 것을 특징으로 하는 소자 검사 방법. - 제1항에 있어서,
상기 판정단계 이후에, 소자 전사 공정이 진행된 기판을 리플로우하고, 상기 기판에 전류를 공급하여 소자의 작동을 검사하는 검사단계를 더 포함하고,
상기 검사단계에서 비정상 작동하는 소자 검출 시, 상기 비정상 작동 소자에 전류를 공급하지 않은 전류 오프 소자 영상과, 전류를 공급한 전류 온 소자 영상을 추가로 획득하고 짝을 지어 추가 페어 영상을 획득하고, 상기 학습영상에 포함시키는 것을 특징으로 하는 소자 검사 방법. - 제1항 내지 제19항 중 어느 하나의 항에 기재된 소자 검사 방법을 수행하는 소자 검사 장치로서,
소자 전사 공정이 진행된 기판을 촬영하여 정상 작동할 소자 및 비정상 작동할 소자의 학습영상을 획득하는 학습영상 획득부;
상기 학습영상을 인공지능 학습하는 학습부;
제1시점에 획득되고 상기 학습영상이 포함되지 않은 테스트 영상을 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하고, 소자를 리페어하는데 소요되는 제1총리페어 비용을 산출하는 산출부; 그리고
상기 제1시점보다 이후인 제2시점에 새로이 소자 전사 공정이 진행된 기판으로부터 획득되는 획득 영상을 상기 인공지능 학습된 기준에 따라 정상 작동할 소자 또는 비정상 작동할 소자로 판정하는 판정부를 포함하며,
상기 학습부는, 소자를 리페어하는데 소요되는 제2총리페어 비용이 상기 제1총리페어 비용보다 작아지게 상기 판정부가 판정하도록 학습되는 것을 특징으로 하는 소자 검사 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210177317A KR20230089583A (ko) | 2021-12-13 | 2021-12-13 | 소자 검사 방법 및 이를 수행하는 소자 검사 장치 |
| PCT/KR2022/012371 WO2023113138A1 (ko) | 2021-12-13 | 2022-08-18 | 소자 검사 방법 및 이를 수행하는 소자 검사 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210177317A KR20230089583A (ko) | 2021-12-13 | 2021-12-13 | 소자 검사 방법 및 이를 수행하는 소자 검사 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230089583A true KR20230089583A (ko) | 2023-06-21 |
Family
ID=86774660
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210177317A KR20230089583A (ko) | 2021-12-13 | 2021-12-13 | 소자 검사 방법 및 이를 수행하는 소자 검사 장치 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20230089583A (ko) |
| WO (1) | WO2023113138A1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110088967A (ko) | 2010-01-29 | 2011-08-04 | 주식회사 고영테크놀러지 | 소자의 불량 검사방법 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3556931B2 (ja) * | 2001-09-25 | 2004-08-25 | 三菱重工業株式会社 | 最適保守計画決定システム |
| JP6954741B2 (ja) * | 2017-01-13 | 2021-10-27 | 株式会社ブロードリーフ | 損傷判断装置、並びにこれを用いた期間・スケジュール演算装置及び修理・補修費用演算装置。 |
| KR102109882B1 (ko) * | 2019-03-11 | 2020-05-12 | 사단법인 보험개발원 | 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템 및 방법 |
| KR102373787B1 (ko) * | 2020-01-30 | 2022-03-14 | 주식회사 이엠포커스 | 고장 예측 시스템의 고장 유형 빅데이터를 이용한 기계설비의 잠재적 고장 예측 방법 |
| CN111754456B (zh) * | 2020-05-15 | 2022-10-14 | 清华大学 | 基于深度学习的二维pcb外观缺陷实时自动检测技术 |
-
2021
- 2021-12-13 KR KR1020210177317A patent/KR20230089583A/ko not_active Application Discontinuation
-
2022
- 2022-08-18 WO PCT/KR2022/012371 patent/WO2023113138A1/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110088967A (ko) | 2010-01-29 | 2011-08-04 | 주식회사 고영테크놀러지 | 소자의 불량 검사방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023113138A1 (ko) | 2023-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1388738B1 (en) | Inspection data producing method and board inspection apparatus using the method | |
| US20150050418A1 (en) | Changing printing control parameters based on measured solder paste deposits in certain subareas of a printed circuit board | |
| US20110095776A1 (en) | Electronic component and inspection system | |
| KR20110040965A (ko) | 외관 검사 장치 | |
| KR102657751B1 (ko) | 학습모델을 이용한 기판 검사 방법 | |
| US20150066414A1 (en) | Automatic retest method for system-level ic test equipment and ic test equipment using same | |
| KR101026736B1 (ko) | 플렉시블 인쇄회로기판의 제조 방법 및 그의 검사 방법 | |
| KR20230089583A (ko) | 소자 검사 방법 및 이를 수행하는 소자 검사 장치 | |
| KR100609107B1 (ko) | 인쇄회로 기판의 패턴 검사장치 및 방법 | |
| WO2005062028A1 (ja) | 基板検査装置 | |
| US7551765B2 (en) | Electronic component detection system | |
| KR102450824B1 (ko) | 3차원 학습모델을 이용한 기판의 휨 검사 방법 | |
| KR102529354B1 (ko) | 학습 장치, 검사 장치, 학습 방법 및 검사 방법 | |
| KR102170352B1 (ko) | 인쇄회로기판의 홀 검사 장치 및 방법 | |
| JP2007017311A (ja) | 外観検査システム | |
| WO2008124392A1 (en) | 2d/3d inspection method and system | |
| JPH08110305A (ja) | 外観検査方法及び装置 | |
| JP4133509B2 (ja) | 光学的検査の誤った検出防止方法及びシステム | |
| JP5205224B2 (ja) | 部品実装状態検査装置 | |
| KR102668045B1 (ko) | 기판 검사 방법 | |
| KR20230132083A (ko) | 기판 검사 방법 | |
| KR20230064249A (ko) | 학습모델을 이용한 기판 검사 방법 | |
| KR101222788B1 (ko) | 딤플 검사 장치 및 검사 방법 | |
| US6639396B2 (en) | Detecting structure formed on a PCB to detect unavailability of the lines | |
| JP2002368412A (ja) | プリント配線板の検査方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |