WO2021005907A1 - レーザ修正方法、レーザ修正装置 - Google Patents

レーザ修正方法、レーザ修正装置 Download PDF

Info

Publication number
WO2021005907A1
WO2021005907A1 PCT/JP2020/020969 JP2020020969W WO2021005907A1 WO 2021005907 A1 WO2021005907 A1 WO 2021005907A1 JP 2020020969 W JP2020020969 W JP 2020020969W WO 2021005907 A1 WO2021005907 A1 WO 2021005907A1
Authority
WO
WIPO (PCT)
Prior art keywords
laser
correction
layer structure
image
defective portion
Prior art date
Application number
PCT/JP2020/020969
Other languages
English (en)
French (fr)
Inventor
水村　通伸
Original Assignee
株式会社ブイ・テクノロジー
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 株式会社ブイ・テクノロジー filed Critical 株式会社ブイ・テクノロジー
Priority to US17/625,579 priority Critical patent/US20220281029A1/en
Priority to CN202080050119.3A priority patent/CN114096368A/zh
Priority to KR1020227000138A priority patent/KR20220024409A/ko
Publication of WO2021005907A1 publication Critical patent/WO2021005907A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/03—Observing, e.g. monitoring, the workpiece
    • B23K26/032—Observing, e.g. monitoring, the workpiece using optical means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/03—Observing, e.g. monitoring, the workpiece
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/06—Shaping the laser beam, e.g. by masks or multi-focusing
    • B23K26/064—Shaping the laser beam, e.g. by masks or multi-focusing by means of optical elements, e.g. lenses, mirrors or prisms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/08—Devices involving relative movement between laser beam and workpiece
    • B23K26/082—Scanning systems, i.e. devices involving movement of the laser beam relative to the laser head
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/36—Removing material
    • B23K26/362—Laser etching
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/36—Removing material
    • B23K26/40—Removing material taking account of the properties of the material involved
    • B23K26/402—Removing material taking account of the properties of the material involved involving non-metallic material, e.g. isolators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/50—Working by transmitting the laser beam through or within the workpiece
    • B23K26/53—Working by transmitting the laser beam through or within the workpiece for modifying or reforming the material inside the workpiece, e.g. for producing break initiation cracks
    • 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
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K3/00—Apparatus or processes for manufacturing printed circuits
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K3/00—Apparatus or processes for manufacturing printed circuits
    • H05K3/02—Apparatus or processes for manufacturing printed circuits in which the conductive material is applied to the surface of the insulating support and is thereafter removed from such areas of the surface which are not intended for current conducting or shielding
    • H05K3/08—Apparatus or processes for manufacturing printed circuits in which the conductive material is applied to the surface of the insulating support and is thereafter removed from such areas of the surface which are not intended for current conducting or shielding the conductive material being removed by electric discharge, e.g. by spark erosion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K2101/00—Articles made by soldering, welding or cutting
    • B23K2101/36—Electric or electronic devices
    • B23K2101/42—Printed circuits
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K2103/00—Materials to be soldered, welded or cut
    • B23K2103/16—Composite materials, e.g. fibre reinforced
    • B23K2103/166—Multilayered materials
    • B23K2103/172—Multilayered materials wherein at least one of the layers is non-metallic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23P—METAL-WORKING NOT OTHERWISE PROVIDED FOR; COMBINED OPERATIONS; UNIVERSAL MACHINE TOOLS
    • B23P6/00—Restoring or reconditioning objects

Definitions

  • the present invention relates to a laser correction method and a laser correction device.
  • Laser repair is performed after the inspection process in the manufacturing process such as FPD (Flat Panel Display), and is applied to the multi-layer film substrate such as TFT (Thin Film Transistor) to the defective part identified in the inspection process.
  • a laser beam is irradiated to perform correction processing. This laser correction is usually performed manually by a highly skilled operator because the shape of the defective portion to be machined differs for each defective portion and it is necessary to change the machining conditions for each defective portion. There is.
  • the defect portion is detected by collating the defect image obtained by photographing the inspection target portion with the reference image without the defect, and the detected defect is irradiated with the laser beam based on the input instruction content.
  • the processing position and processing range are specified (see, for example, Patent Document 1 below).
  • laser correction When laser correction is performed manually on a multilayer substrate, it is required to process only the defective part without damaging the peripheral layer or the underlying layer of the defective part.
  • the operator recognizes the defective part identified in the inspection process and the layer structure around it, determines the minimum necessary processing range from his own experience, and processes based on the recognized layer structure information. Work while appropriately selecting the conditions (laser processing recipe). Therefore, it is inevitable that the work takes a long time, and the skill of the operator affects the correction quality.
  • the surface layer to be processed is a metal layer
  • the reflected light on the surface often does not include the information of the lower layer, so even if the underlying layer structure is different, processing is performed under the same processing conditions.
  • the processing method is different depending on the difference in the base layer, and the processing is likely to be insufficient or excessive.
  • the present invention has been proposed to deal with such a situation.
  • This is a laser correction method in which a laser irradiation range is set for a defective portion of a multilayer film substrate, and the defective portion is irradiated with laser light under the set laser processing conditions to perform correction processing, and is around the laser beam irradiation position.
  • a region is specified, the peripheral region is divided into a plurality of division regions for each common reflected light information, and the laser light irradiation position is determined based on the arrangement pattern of the division region located around the laser light irradiation position.
  • a laser correction method characterized in that a layer structure is inferred and laser processing conditions for irradiating laser light are set based on the inferred layer structure.
  • the defect portion of the multilayer film substrate is provided with a correction processing portion in which a laser irradiation range is set and the defect portion is irradiated with laser light under the set laser processing conditions to perform correction processing, and the correction processing portion is a laser.
  • the peripheral region of the light irradiation position is specified, the peripheral region is divided into a plurality of division regions for each common reflected light information, and the division region located around the laser light irradiation position is used as the basis for the arrangement pattern of the division region.
  • a laser correction device characterized in that the layer structure of a laser beam irradiation position is estimated and the laser processing conditions of the laser beam to be irradiated are set based on the estimated layer structure.
  • the explanatory view which showed the structural example of the apparatus (laser correction apparatus) for executing a laser correction method.
  • Explanatory drawing which showed the structural example and function of the spectrum spectroscopic camera.
  • Explanatory drawing explaining the method of analogizing the layer structure ((a) shows the division region which divided the spectroscopic image for each reflected light information, and (b) shows the region of the layer structure inferred from the arrangement pattern of the division region. There is.).
  • Explanatory drawing explaining the process of a laser correction method Explanatory drawing which showed the example of the periodic pattern of the surface of a multilayer film substrate.
  • Explanatory drawing explaining the defect shape identification process Explanatory drawing explaining the laser processing condition set for each division area.
  • Explanatory diagram showing the relationship between the training data of the neural network and the input / output.
  • Explanatory drawing explaining laser scanning in a correction processing process Explanatory drawing which showed the operation flow of the laser control part in a correction processing process.
  • the laser correction method targets a multilayer film substrate such as a TFT (Thin Film Transistor) and irradiates the surface of the multilayer film substrate with laser light to correct the defective portion.
  • a multilayer film substrate such as a TFT (Thin Film Transistor)
  • FIG. 1 shows an example of a device (laser correction device) for executing the laser correction method according to the embodiment of the present invention.
  • the laser correction device 1 includes a correction processing unit 1A that irradiates the surface of the multilayer film substrate 100 placed on the stage S moving on a horizontal plane with laser light L, and the correction processing unit 1A is an image acquisition unit 2.
  • a laser irradiation unit 3, a spectrum spectroscopic camera 4, a laser control unit 5, and the like are provided.
  • the image acquisition unit 2 includes, for example, a microscope 20, a white light source 21, an imaging camera 26, etc., and acquires a surface image of the multilayer film substrate 100 via the microscope 20, and the multilayer film substrate 100 has a defect portion. In that case, an image of the defective part is acquired.
  • White epi-illumination is applied from the white light source 21 to the surface of the multilayer film substrate 100 via the mirror 22, the half mirror 23, and the lens system 24, and the light reflected on the surface of the multilayer film substrate 100 is the lens system 24 and the half mirror.
  • An image is formed on the imaging surface of the imaging camera 26 via the 23 and the half mirror 25.
  • the image captured by the image pickup camera 26 is appropriately subjected to image processing by the image processing unit 27, and is displayed on the display device 28 as an enlarged image having an appropriate magnification.
  • the laser irradiation unit 3 includes, for example, a laser light source 30, a laser scanner 32, and the like, and irradiates the surface of the multilayer film substrate 100 with the laser light L through the microscope 20.
  • the laser light emitted from the laser light source 30 is incident on the microscope 20 via the laser scanner 32 including the mirror 31 and the galvano mirrors 32A and 32B, and irradiates the surface of the multilayer film substrate 100 through the optical system in the microscope 20. Will be done.
  • the spectrum spectroscopic camera 4 acquires a spectroscopic image as reflected light information on the surface of the multilayer film substrate 100.
  • White epi-illumination coaxial with the microscope 20 emitted from the white light source 21 is applied to the surface of the multilayer film substrate 100, and the reflected light from the surface is reflected by a mirror 29 inserted into the optical axis of the microscope 20 for spectral spectroscopy. It is incident on the camera 4.
  • the spectral spectroscopic camera 4 disperses the reflected light from the surface of the multilayer film substrate 100 and acquires spectral spectral data for each pixel of the spectral image.
  • spectral spectrum data as reflected light information obtained from a defective portion image by using the spectral spectroscopic camera 4
  • the present invention is not limited to this, and the reflected light information obtained from the defective portion image is not limited to this. It may be chromaticity data for each pixel.
  • the optical axis of the laser beam L in the microscope 20, the optical axis in the microscope 20 of the image acquisition unit 2, and the optical axis in the microscope 20 of the spectrum spectroscopic camera 4 are coaxial.
  • the irradiation position of the laser beam L can always be set in the monitor screen of the display device 28, and the monitor image of the display device 28 and the spectral image of the spectral spectroscopic camera 4 can be made into a coaxial image. ..
  • the spectrum spectroscopic camera 4 includes, for example, a lens 40, a slit 41, a spectroscope 42, and a two-dimensional sensor 43, and is provided with a line spectroscopic method for one line in the X direction on the surface M to be measured.
  • the reflected light is separated in the direction perpendicular to it, and the two-dimensional sensor 43 detects the spatial information in the X direction and its spectral data. Then, by scanning the reflected light for one line at any time in the Y direction, one spectral spectroscopic data is obtained for each pixel (Xn, Yn) with a resolution of the two-dimensional sensor 43 in the XY directions.
  • the laser control unit 5 sets a laser irradiation range on the surface of the multilayer film substrate 100 including the defective portion, and controls to irradiate the defective portion with the laser beam under the set laser processing conditions.
  • the laser control unit 5 is controlled according to the settings of the trained neural network 50.
  • Spectral spectrum data for each pixel of the spectroscopic image acquired by the spectroscopic camera 4 is input to the neural network 50 as reflected light information, and the neural network 50 is based on the input spectroscopic spectrum data and pixels of the spectroscopic image.
  • the laser processing conditions of the laser beam to irradiate the defective portion are set for each.
  • the neural network 50 infers the layer structure of the multilayer film substrate 100 from the spectral spectrum data which is the reflected light information in order to set the laser processing conditions.
  • the concept of layer structure analogy performed by the neural network 50 will be described with reference to FIG.
  • FIG. 3A shows a spectroscopic image acquired from a region around the set laser beam irradiation position (optical axis position of the microscope 20).
  • This spectroscopic image has spectroscopic spectrum data (reflected light information) for each pixel, specifies a peripheral region of the laser beam irradiation position, and a plurality of divided regions I to each for the common spectroscopic spectral data in the peripheral region.
  • spectroscopic spectrum data reflected light information
  • compartmentalized regions I, III, VI, and VII have similar spectral spectra, it can be understood that the regions are patterns of the same layer, and the compartmentalized regions IV and V are the compartmentalized regions I and III. Since it is a different similar spectroscopic spectrum different from, VI, and VII, it can be understood that the region is a homolayer pattern different from the compartmentalized regions I, III, VI, and VII.
  • the division region II has a similar spectral spectrum in the entire region, but when this layer is a metal layer to be processed, the reflected light on the surface of the metal layer does not include the information of the underlying layer. Therefore, even if there is a region having a different layer structure of the underlying layer in that region, the same spectral spectrum will be obtained over the entire region. Therefore, if different laser processing conditions are to be set for regions where the underlying layers are different, it is necessary to analogize the layer structure at the laser irradiation position in the segmented region II.
  • the two divided regions for example, the divided region I and the divided region III
  • the two divided regions recognized as having the same layer pattern.
  • the division region for example, division region II
  • the same layer pattern also exists between the two division regions described above, and another layer pattern is present on the same layer pattern. It is inferred that the layer patterns are laminated.
  • one layer of the division regions I, III, VI, and VII spreads uniformly under the layer of the division region II and the layer of the division regions IV and V. It is an exposed area of the layer, and the layers of the division area IV and the division area V are laminated on the layer to form a layer connecting the division area IV to the division area V, and the layers are divided so as to cross over the layer. It can be inferred that the layer of region II is formed.
  • the neural network 50 specifies the peripheral region of the laser beam irradiation position in order to automatically and highly accurately estimate the layer structure, and shares the specified peripheral region based on the input spectroscopic spectrum data.
  • Each spectral spectrum (reflected light information) to be divided is divided into a plurality of divided regions, and the layer structure of the laser irradiation position is inferred based on the arrangement pattern of the divided regions located around the laser irradiation position. Then, the laser processing conditions of the laser beam to be irradiated are set based on the inferred layer structure.
  • the neural network 50 uses a laser as shown in FIG. 3B.
  • Multiple (8) segmented regions are estimated around the light irradiation position, and the compartmentalized region II, which can be recognized as only one segmented region by the spectral spectrum data (reflected light information), is divided into a plurality of regions with different layer structures of the underlying layer. Divide into and grasp. As a result, in the example shown in FIGS.
  • the layer structure of the laser irradiation position has a metal layer exposed in the division region II on the uppermost layer, and the division region is below the metal layer. It can be inferred that the structure is a multi-layer structure in which there are layers exposed in IV and V, and layers exposed in division regions I, III, VI, and VII below the layers.
  • this laser correction method is performed after the inspection step S1, and includes a defect position identification step S2, a defect shape identification step S3, and a correction processing step S4.
  • the multilayer film substrate 100 to be modified has a two-dimensional periodic pattern having a periodic pitch Px in the X direction and a periodic pitch Py in the Y direction orthogonal to the periodic pitch Px. This periodic pattern corresponds to one display pixel when the multilayer film substrate 100 is an FPD TFT substrate.
  • the position of the defect portion is specified from the result of the inspection step S1 performed prior to the correction step.
  • the enlarged image acquired by the image acquisition unit 2 is set to a low magnification, an image including a plurality of periodic patterns is acquired, and the image processing unit 27 processes the image to be described above.
  • the periodic pitch (Px, Py) the position of the periodic pattern in which the defective portion exists is specified.
  • the optical axis of the microscope 20 is aligned with the specified position, the magnifying magnification is increased so that the shape of the defective portion can be monitored, and a magnified image in which the defective portion is centered is obtained.
  • the shape of the defect portion is specified by the enlarged image in which the defect portion is centered.
  • the image processing unit 27 specifies the shape of the defective portion by comparing the periodic pattern image including the defective portion with the periodic pattern image not including the defective portion.
  • a neural network can also be used to specify the shape of this defective part. Specifically, as shown in FIG. 6, a periodic pattern image (enlarged image in which the defect portion is centered) Gd including the defect portion is input to the trained machine learning model 50A in the neural network, and this machine learning model Based on the output of 50A, the image processing unit 27 identifies the shape Fd of the defective portion from the periodic pattern image Gs including the defective portion.
  • the periodic pattern does not mean that all the periodic patterns are formed in the same shape, and includes the shape error of the pattern. Therefore, it is difficult to accurately identify the shape of the defective portion only by a simple image comparison.
  • the trained machine learning model 50A of the neural network By using the trained machine learning model 50A of the neural network, the accuracy of shape identification of the defective portion can be improved.
  • the machine learning model 50A a large number of periodic pattern images Gs acquired by using the test substrate of the multilayer film substrate 100 to be modified are used as learning data.
  • the laser control unit 5 sets the laser irradiation range so that the shape of the defect portion specified by the image processing unit 27 is included.
  • the laser irradiation range is the scanning range of the laser scanner 32, and when the shape Fd of the defective portion is separated into a plurality of locations, the scanning range is set so as to include all of them.
  • the spectral spectrum data for each pixel of the defect portion image acquired by the spectral spectroscopic camera 4 is input to the neural network 50, and the neural network 50 is used for each laser irradiation position within the set laser irradiation range.
  • the above-mentioned layer structure is inferred, a plurality of compartments (division regions A, B, C) corresponding to the difference in the layer structure are specified, and laser processing is performed for each of the compartments.
  • Set the conditions laser processing recipes 1 to 3).
  • the defect portion image of the shape Fd is divided into division regions A to C having different layer structures, and processing condition 1 is set for the division region A of a certain layer structure. Machining condition 2 is set for the division region B of another layer structure, and processing condition 3 is set for the division region C of a different layer structure.
  • the neural network 60 for layer structure analogy which estimates the layer structure based on the partitioned region, has an input layer 61, an intermediate layer 62, and an output layer 63, and has a laser.
  • the division area data divided for each irradiation position is input, and the layer structure of the laser irradiation position is output.
  • the above-mentioned neural network 50 sets the laser processing conditions of the laser light to be irradiated at the laser irradiation position based on the analogy result of the neural network 60 for layer structure analogy estimation.
  • the training data for machine learning the neural network 60 for layer structure analogy is the division area data in which the actual measurement data of the test substrate having the same multilayer film structure as the multilayer film substrate 100 to be modified is partitioned. And, it is the correct answer data which converted the actual layer structure for each division area into data. These division area data and correct answer data are measured in advance for each periodic pattern (display pixel) of a large number of test boards.
  • the laser scanner 32 performs raster scanning within the laser irradiation range (scanning range), and the scanning position of the horizontal scanning is within the shape Fd of the defective portion. Only when it is positioned, the output of the laser beam is turned on as shown by the thick line, and processing is performed under the processing conditions set in advance for each pixel of the laser irradiation position. When the scanning position is outside the defective portion, the output of the laser beam is turned off (or low) as shown by the broken line.
  • FIG. 10 describes the operation of the laser control unit 5 in the correction processing step S4.
  • a laser irradiation range is set for the defective portion (S41), and further, laser machining conditions are set for each set division region (S42). ).
  • the laser irradiation range in the shape Fd of the defective portion is divided in advance for each laser machining condition.
  • the defect portion is extracted after estimating the layer film structure of the multilayer film substrate 100 to be corrected, and only the defect portion is removed under appropriate processing conditions. It can be laser processed. In addition, such correction processing can be performed automatically. As a result, the work efficiency can be improved as compared with the manual work of the operator, and a certain correction quality can be obtained without being affected by the skill of the operator. Further, in order to automate laser correction, even if there is a difference in the layer film structure of the underlying layer of the layer to be processed, processing conditions are set for each difference in the layer structure of the underlying layer, and the peripheral layer of the defective portion is set. Only the defective part can be properly corrected without damaging the underlying layer or the underlying layer.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Plasma & Fusion (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Manufacturing & Machinery (AREA)
  • General Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Laser Beam Processing (AREA)
  • Manufacturing Of Printed Circuit Boards (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

下地層の違いや膜厚にばらつきがある場合であっても、良質な修正を行うことができるようにする。レーザ修正方法は、多層膜基板の欠陥部に対してレーザ照射範囲を設定し、設定されたレーザ加工条件で前記欠陥部にレーザ光を照射して修正加工を行うに際して、レーザ光照射位置の周辺領域を特定し、特定した周辺領域を共通する反射光情報毎に複数の区分領域に区画し、レーザ光照射位置の周囲に位置する区分領域の配置パターンに基づいて、レーザ光照射位置の層構造を類推し、類推した層構造に基づいて、照射するレーザ光のレーザ加工条件を設定する。

Description

レーザ修正方法、レーザ修正装置
　本発明は、レーザ修正方法、レーザ修正装置に関するものである。
　レーザ修正（laser repair）は、ＦＰＤ（Flat Panel Display）などの製造工程において、検査工程後に行われ、ＴＦＴ（Thin Film Transistor）などの多層膜基板を対象に、検査工程で特定された欠陥部に対してレーザ光を照射して修正加工を行うものである。このレーザ修正は、加工対象の欠陥部形状が欠陥部毎に異なることや、欠陥部毎に加工条件などを変更する必要があることから、通常、高いスキルを有するオペレータのマニュアル操作で行われている。
　これに対して、画像処理技術を用いて、修正工程の一部を自動化することが提案されている。従来技術では、検査対象箇所を撮影した欠陥画像と欠陥の無い参照画像とを照合して欠陥部を検出し、入力される指示内容に基づいて、検出された欠陥に対してレーザ光が照射される加工位置及び加工範囲を指定することなどが行われている（例えば、下記特許文献１参照）。
特開２００８－１８８６３８号公報
　多層膜基板を対象にして、レーザ修正をマニュアル操作で行う場合、欠陥部の周辺層や下地層にダメージを与えること無く、欠陥部のみを加工することが求められる。オペレータは、検査工程で特定された欠陥部とその周辺の層構造を認識しており、自身の経験から必要最小限の加工範囲を定めて、認識している層構造の情報に基づいて、加工条件（レーザ加工レシピ）を適宜選択しながら作業を行う。このため、作業が長時間になることは避けられず、また、オペレータのスキルが修正品質に影響することになる。
　また、従来技術のように、画像処理技術を用いて修正工程の一部を自動化する場合には、表面の２次元画像のみでは欠陥部及びその周辺の層構造の情報が得られないため、下地層の違いや層厚のばらつきがある場合にも一定の加工条件で加工処理が行われることになる。このため、加工不足や過剰な加工が進んで、修正に失敗したり、良質な修正を行うことができなかったりする問題が生じる。
　特に、加工対象の表面層が金属層の場合には、表面の反射光がその下層の情報を含まないことが多いので、下地の層構造が異なる場合にも同じ加工条件で加工を行ってしまい、下地層の違いによって加工のされ方に違いが生じ、加工不足や過剰な加工になり易い問題があった。
　本発明は、このような事情に対処するために提案されたものである。すなわち、レーザ修正の自動化を可能にして、作業効率の改善を図り、オペレータのスキルに影響されること無く一定の修正品質が得られるようにすること、反射光の情報のみで下地層の違いを把握できない場合であっても、下地層の違いを正確に類推して良質な修正を行うことができるようにすること、などが本発明の課題である。
　このような課題を解決するために、本発明は、以下の構成を具備するものである。
　多層膜基板の欠陥部に対してレーザ照射範囲を設定し、設定されたレーザ加工条件で前記欠陥部にレーザ光を照射して修正加工を行うレーザ修正方法であって、レーザ光照射位置の周辺領域を特定し、前記周辺領域を共通する反射光情報毎に複数の区分領域に区画し、前記レーザ光照射位置の周囲に位置する前記区分領域の配置パターンに基づいて、前記レーザ光照射位置の層構造を類推し、類推した層構造に基づいて、照射するレーザ光のレーザ加工条件を設定することを特徴とするレーザ修正方法。
　多層膜基板の欠陥部に対してレーザ照射範囲を設定し、設定されたレーザ加工条件で前記欠陥部にレーザ光を照射して修正加工を行う修正加工部を備え、前記修正加工部は、レーザ光照射位置の周辺領域を特定し、前記周辺領域を共通する反射光情報毎に複数の区分領域に区画し、前記レーザ光照射位置の周囲に位置する前記区分領域の配置パターンに基づいて、前記レーザ光照射位置の層構造を類推し、類推した層構造に基づいて、照射するレーザ光のレーザ加工条件を設定することを特徴とするレーザ修正装置。
レーザ修正方法を実行するための装置（レーザ修正装置）の構成例を示した説明図。 スペクトル分光カメラの構成例と機能を示した説明図。 層構造の類推方法を説明する説明図（（ａ）が分光画像を反射光情報毎に区画した区分領域を示し、（ｂ）が区分領域の配置パターンから類推された層構造の領域を示している。）。 レーザ修正方法の工程を説明する説明図。 多層膜基板表面の周期パターンの例を示した説明図。 欠陥形状特定工程を説明する説明図。 区分領域毎に設定されるレーザ加工条件を説明する説明図。 ニューラルネットワークの訓練データと入出力の関係を示した説明図。 修正加工工程におけるレーザ走査を説明する説明図。 修正加工工程でのレーザ制御部の動作フローを示した説明図。
　以下、図面を参照して本発明の実施形態を説明する。以下の説明で、異なる図における同一符号は同一機能の部位を示しており、各図における重複説明は適宜省略する。
　本発明の実施形態に係るレーザ修正方法は、ＴＦＴ（Thin Film Transistor）などの多層膜基板を対象にして、その表面にレーザ光を照射して欠陥部を修正加工するものである。
　図１は、本発明の実施形態に係るレーザ修正方法を実行するための装置（レーザ修正装置）の一例を示している。レーザ修正装置１は、水平面上を移動するステージＳ上に載置した多層膜基板１００の表面にレーザ光Ｌを照射する修正加工部１Ａを備えており、修正加工部１Ａは、画像取得部２、レーザ照射部３、スペクトル分光カメラ４、レーザ制御部５等を具備している。
　画像取得部２は、例えば、顕微鏡２０、白色光源２１、撮像カメラ２６などを備え、顕微鏡２０を介して多層膜基板１００の表面画像を取得するものであり、多層膜基板１００に欠陥部が有る場合には欠陥部画像を取得する。白色光源２１からミラー２２とハーフミラー２３とレンズ系２４を介して多層膜基板１００の表面に白色落射光が照射され、多層膜基板１００の表面で反射された光が、レンズ系２４とハーフミラー２３とハーフミラー２５を介して撮像カメラ２６の撮像面に結像する。撮像カメラ２６で撮像された画像は、画像処理部２７にて適宜の画像処理がなされて、適宜倍率の拡大画像として表示装置２８に表示される。
　レーザ照射部３は、例えば、レーザ光源３０、レーザスキャナ３２などを備え、顕微鏡２０を通して、多層膜基板１００の表面にレーザ光Ｌを照射するものである。レーザ光源３０から出射されたレーザ光が、ミラー３１とガルバノミラー３２Ａ，３２Ｂからなるレーザスキャナ３２を介して顕微鏡２０に入射され、顕微鏡２０内の光学系を通って多層膜基板１００の表面に照射される。
　スペクトル分光カメラ４は、多層膜基板１００表面の反射光情報として、分光画像を取得するものである。白色光源２１から出射された顕微鏡２０と同軸の白色落射光が多層膜基板１００の表面に照射され、その表面からの反射光を顕微鏡２０の光軸に挿入されるミラー２９で反射してスペクトル分光カメラ４に入射する。スペクトル分光カメラ４は、多層膜基板１００の表面からの反射光を分光して分光画像のピクセル毎の分光スペクトルデータを取得する。ここでは、スペクトル分光カメラ４を用いて、欠陥部画像から得る反射光情報として、分光スペクトルデータを取得する例を示しているが、これに限らず、欠陥部画像から得る反射光情報としては、ピクセル毎の色度データなどであってもよい。
　ここで、顕微鏡２０内でのレーザ光Ｌの光軸と、画像取得部２の顕微鏡２０内の光軸と、スペクトル分光カメラ４の顕微鏡２０内の光軸は、同軸になっている。これにより、表示装置２８のモニタ画面内に、常にレーザ光Ｌの照射位置を設定することができ、また、表示装置２８のモニタ画像とスペクトル分光カメラ４の分光画像を同軸画像にすることができる。
　スペクトル分光カメラ４は、例えば、図２に示すように、レンズ４０、スリット４１、分光器４２、２次元センサ４３を備えており、ライン分光方式によって被測定面ＭにおけるＸ方向の１ライン分の反射光をそれと垂直方向に分光し、２次元センサ４３にて、Ｘ方向の空間情報とその分光データを検出するものである。そして、１ライン分の反射光をＹ方向に随時走査することで、２次元センサ４３のＸ－Ｙ方向の分解能１ピクセル（Ｘｎ，Ｙｎ）毎に一つの分光スペトルデータを得る。
　レーザ制御部５は、多層膜基板１００の欠陥部を含む表面にレーザ照射範囲を設定し、設定されたレーザ加工条件で欠陥部にレーザ光を照射するための制御を行う。レーザ制御部５は、学習済みのニューラルネットワーク５０の設定に応じて制御される。ニューラルネットワーク５０には、反射光情報として、スペクトル分光カメラ４が取得した分光画像のピクセル毎の分光スペクトルデータが入力され、ニューラルネットワーク５０は、入力された分光スペクトルデータに基づいて、分光画像のピクセル毎に欠陥部に照射するレーザ光のレーザ加工条件を設定する。
　ニューラルネットワーク５０は、レーザ加工条件を設定するために、反射光情報である分光スペクトルデータから、多層膜基板１００の層構造の類推を行っている。図３によって、ニューラルネットワーク５０が行っている層構造類推の考え方を説明する。
　図３（ａ）は、設定されたレーザ光照射位置（顕微鏡２０の光軸位置）周辺領域から取得される分光画像を示している。この分光画像は、ピクセル毎に分光スペクトルデータ（反射光情報）を有しており、レーザ光照射位置の周辺領域を特定し、その周辺領域を共通する分光スペクトルデータ毎に複数の区分領域Ｉ～VIIに区画することで、多層膜のパターンを反射光情報の違いによって把握することができる。図示の例では、区分領域Ｉ，III，VI，VIIが同類の分光スペクトルであることから、その領域が同層のパターンであることが把握でき、区分領域IV，Vが、区分領域Ｉ，III，VI，VIIとは異なる別の同類分光スペクトルであることから、その領域が、区分領域Ｉ，III，VI，VIIとは別の同層パターンであることが把握できる。
　これに対して、区分領域IIは、その領域全体で同類の分光スペクトルになるが、この層が加工対象の金属層である場合には、金属層表面の反射光が下地層の情報を含まないため、その領域内に下地層の層構造が異なる領域があったとしても、全域で同じ分光スペクトルになってしまう。このため、下地層が異なる領域に対して異なるレーザ加工条件を設定しようとすると、区分領域IIにおけるレーザ照射位置において層構造の類推が必要になる。
　ここで、反射光情報から図３（ａ）に示すような区分領域が得られた場合に、同層パターンであると認識される２つの区分領域（例えば、区分領域Ｉと区分領域III）の間に他の層パターンであると認識される区分領域（例えば、区分領域II）が存在する場合に、前述した２つの区分領域の間にも同層パターンが存在して、その上に他の層パターンが積層されていると類推する。
　具体的に、図３（ａ）に示した例では、区分領域Ｉ，III，VI，VIIの層が、区分領域IIの層と区分領域IV，Vの層の下に一様に広がる一つの層の露出領域であり、その上に区分領域IVと区分領域Vの層が積層されて、区分領域IVから区分領域Vに繋がる層を形成しており、その層の上にクロスするように区分領域IIの層が形成されているということを類推することができる。
　ニューラルネットワーク５０は、このような層構造の類推を自動且つ高い精度で行うために、レーザ光の照射位置の周辺領域を特定し、入力された分光スペクトルデータに基づいて、特定した周辺領域を共通する分光スペクトル（反射光情報）毎に複数の区分領域に区画し、レーザ照射位置の周囲に位置する区分領域の配置パターンに基づいて、レーザ照射位置の層構造を類推している。そして、類推した層構造に基づいて、照射するレーザ光のレーザ加工条件を設定している。
　例えば、ニューラルネットワーク５０は、入力された分光スペクトルデータに基づいて、図３（ａ）に示すような区分領域の配置パターンが得られた場合には、図３（ｂ）に示すように、レーザ光照射位置の周囲に複数（８つ）の区分領域を推定し、分光スペクトルデータ（反射光情報）では一つの区分領域としか認識できない区分領域IIを、下地層の層構造が異なる複数の領域に分割して把握する。これにより、図３（ａ），（ｂ）に示す例では、ニューラルネットワーク５０は、レーザ照射位置の層構造を、区分領域IIにて露出する金属層が最上層にあり、その下に区分領域IV，Vにて露出する層があり、更にその下に区分領域Ｉ，III，VI，VIIにて露出する層が存在する多層構造であると類推することができる。
　以下に、このような層構造の類推を行うレーザ修正方法の具体例を説明する。図４に示すように、このレーザ修正方法は、検査工程Ｓ１の後に行われ、欠陥位置特定工程Ｓ２、欠陥形状特定工程Ｓ３、修正加工工程Ｓ４を有している。修正対象の多層膜基板１００は、図５に示すように、Ｘ方向の周期ピッチＰｘとこれに直交するＹ方向の周期ピッチＰｙを備えた２次元的な周期パターンを有している。この周期パターンは、多層膜基板１００がＦＰＤのＴＦＴ基板である場合には、一つの表示画素に対応している。
　欠陥位置特定工程Ｓ２では、修正工程に先立って行われる検査工程Ｓ１の結果から欠陥部の位置を特定する。その際には、画像取得部２で取得される拡大画像を低倍率に設定して、複数の周期パターンを含む画像を取得し、これを画像処理部２７にて画像処理することで、前述した周期ピッチ（Ｐｘ，Ｐｙ）を特定した後、欠陥部が存在する周期パターンの位置を特定する。そして、特定された位置に顕微鏡２０の光軸を合わせて、欠陥部の形状がモニタリングできるように拡大倍率を高め、欠陥部がセンタリングされた拡大画像を得る。
　欠陥形状特定工程Ｓ３では、欠陥部がセンタリングされた拡大画像によって、欠陥部の形状を特定する。その際には、画像処理部２７が、欠陥部を含む周期パターン画像を、欠陥部を含まない周期パターン画像と比較することで、欠陥部の形状が特定される。
　この欠陥部の形状特定においても、ニューラルネットワークを用いることができる。具体的には、図６に示すように、欠陥部を含む周期パターン画像（欠陥部がセンタリングされた拡大画像）Ｇｄをニューラルネットワークにおける学習済みの機械学習モデル５０Ａに入力して、この機械学習モデル５０Ａの出力に基づいて、画像処理部２７が欠陥部を含む周期パターン画像Ｇｓ内から欠陥部の形状Ｆｄを特定する。
　周期パターンは、全ての周期パターンが同一形状に形成されている訳では無く、パターンの形状誤差を含んでいる。このため、単純な画像比較のみでは、欠陥部の形状を正確に特定することが難しい。ニューラルネットワークの学習済み機械学習モデル５０Ａを用いることで、欠陥部の形状特定の精度を高めることができる。機械学習モデル５０Ａは、修正対象の多層膜基板１００のテスト基板を用いて取得した多数の周期パターン画像Ｇｓが学習データになる。
　修正加工工程Ｓ４では、先ず、画像処理部２７にて特定された欠陥部の形状が含まれるように、図７に示すように、レーザ制御部５が、レーザ照射範囲を設定する。レーザ照射範囲は、レーザスキャナ３２の走査範囲であり、欠陥部の形状Ｆｄが複数箇所に分離して存在する場合には、これらの全てを含むように、走査範囲が設定される。
　修正加工工程Ｓ４では、スペクトル分光カメラ４によって取得される欠陥部画像のピクセル毎の分光スペクトルデータが、ニューラルネットワーク５０に入力され、ニューラルネットワーク５０は、設定されたレーザ照射範囲内のレーザ照射位置毎に、区画した区分領域に基づいて、前述した層構造の類推を行い、層構造の違いに対応した複数の区分領域（区分領域Ａ，Ｂ，Ｃ）を特定し、その区分領域毎にレーザ加工条件（レーザ加工レシピ１～３）を設定する。
　図７に示した例では、形状Ｆｄの欠陥部画像内を、層構造が異なる区分領域Ａ～Ｃに区画しており、ある層構造の区分領域Ａに対しては加工条件１が設定され、他の層構造の区分領域Ｂに対しては加工条件２が設定され、更に異なる層構造の区分領域Ｃに対しては加工条件３が設定されている。
　区画された区分領域に基づいて、層構造の類推を行う層構造類推用のニューラルネットワーク６０は、図８に示すように、入力層６１と中間層６２と出力層６３を有しており、レーザ照射位置毎に区画された区分領域データが入力され、レーザ照射位置の層構造が出力される。そして、前述したニューラルネットワーク５０は、層構造類推用のニューラルネットワーク６０の類推結果に基づいて、レーザ照射位置にて照射するレーザ光のレーザ加工条件を設定する。
　層構造類推用のニューラルネットワーク６０を機械学習させるための訓練データは、図８に示すように、修正対象の多層膜基板１００と同じ多層膜構造を有するテスト基板の実測データを区画した区分領域データと、区分領域毎の実際の層構造をデータ化した正解データである。これらの区分領域データと正解データは、多数のテスト基板の周期パターン（表示画素）毎に予め実測されている。
　修正加工工程Ｓ４における修正の実行は、図９に示すように、レーザスキャナ３２によってレーザ照射範囲（走査範囲）内でのラスター走査が行われ、横走査の走査位置が欠陥部の形状Ｆｄ内に位置する場合にのみ、太線で図示しているようにレーザ光の出力がＯＮになり、レーザ照射位置のピクセル毎に予め設定されている加工条件での加工がなされる。走査位置が欠陥部の外に有る場合には、破線で図示しているように、レーザ光の出力がＯＦＦ（又は低く）になる。
　図１０にて、修正加工工程Ｓ４でのレーザ制御部５の動作を説明する。動作が開始（Ｓ４０）されると、図７に示すように、欠陥部に対してレーザ照射範囲が設定され（Ｓ４１）、更に、設定された区分領域毎にレーザ加工条件が設定される（Ｓ４２）。この設定で、図７に示すように、欠陥部の形状Ｆｄ内のレーザ照射範囲がレーザ加工条件毎に予め区分される。
　その後、レーザ走査が開始されると（Ｓ４３）、走査位置（レーザ光の照射位置）が欠陥部内か否かの判断がなされ（Ｓ４４）、走査位置が欠陥部の外の場合には（Ｓ４４：ＮＯ）、レーザ光はＯＦＦになり（Ｓ４５）、走査位置が欠陥部内に有ると（Ｓ４４：ＹＥＳ）、レーザ光はＯＮになる（Ｓ４６）。この際のレーザ光は、予め設定されているレーザ加工条件で照射される。このようなレーザ走査（Ｓ４３）は、終点検知がなされるまで（Ｓ４７：ＮＯ）継続される。そして、欠陥部の修正加工が終了して、終点検知がなされた場合には（Ｓ４７：ＹＥＳ）、レーザ制御部５の動作を終了する（Ｓ４８）。
　このようなレーザ修正装置１を用いたレーザ修正方法によると、修正対象となる多層膜基板１００の層膜構造を類推した上で、欠陥部を抽出して、適正な加工条件で欠陥部のみをレーザ加工することができる。また、このような修正加工を自動で行うことができる。これにより、オペレータのマニュアル作業に比べて作業効率を改善することができると共に、オペレータのスキルに影響されること無く、一定の修正品質を得ることができる。また、レーザ修正を自動化する上で、加工対象層の下地層の層膜構造に違いある場合であっても、下地層の層構造の違い毎に加工条件を設定して、欠陥部の周辺層や下地層にダメージを与えること無く、欠陥部のみを適正に修正加工することができる。
　以上、本発明の実施の形態について図面を参照して詳述してきたが、具体的な構成はこれらの実施の形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計の変更等があっても本発明に含まれる。また、上述の各実施の形態は、その目的及び構成等に特に矛盾や問題がない限り、互いの技術を流用して組み合わせることが可能である。
１：レーザ修正装置，１Ａ：修正加工部，
２：画像取得部，２０：顕微鏡，２１：白色光源，
２２，２９，３１：ミラー，２３，２５：ハーフミラー，２４：レンズ系，
２６：撮像カメラ，２７：画像処理部，２８：表示装置，
３：レーザ照射部，３０：レーザ光源，
３２：レーザスキャナ，３２Ａ，３２Ｂ：ガルバノミラー，
４：スペクトル分光カメラ，
４０：レンズ，４１：スリット，４２：分光器，４３：２次元センサ，
５：レーザ制御部，５０，６０：ニューラルネットワーク，
５０Ａ：機械学習モデル，
６１：入力層，６２：中間層，６３：出力層，１００：多層膜基板，
Ｓ：ステージ，Ｌ：レーザ光

Claims (8)

  1. 　多層膜基板の欠陥部に対してレーザ照射範囲を設定し、設定されたレーザ加工条件で前記欠陥部にレーザ光を照射して修正加工を行うレーザ修正方法であって、
    　レーザ光照射位置の周辺領域を特定し、
    　前記周辺領域を共通する反射光情報毎に複数の区分領域に区画し、
    　前記レーザ光照射位置の周囲に位置する前記区分領域の配置パターンに基づいて、前記レーザ光照射位置の層構造を類推し、
    　類推した層構造に基づいて、照射するレーザ光のレーザ加工条件を設定することを特徴とするレーザ修正方法。
  2. 　前記反射光情報は、欠陥部画像のピクセル毎に取得された分光スペクトルデータであることを特徴とする請求項１記載のレーザ修正方法。
  3. 　前記レーザ加工条件は、前記欠陥部画像におけるピクセル毎に設定されることを特徴とする請求項２記載のレーザ修正方法。
  4. 　前記層構造の類推は、学習済みのニューラルネットワークによって行われ、
    　前記ニューラルネットワークは、修正対象の多層膜基板と同じ多層膜構造を有するテスト基板の実測データを区画した区分領域データと、該区分領域毎の実際の層構造をデータ化した正解データを訓練データとして機械学習されていることを特徴とする請求項１～３のいずれか１項記載のレーザ修正方法。
  5. 　前記多層膜基板は、２次元的な周期パターンを有しており、
    　修正工程に先立って行われる検査工程の結果から前記欠陥部の位置を特定し、
    　前記欠陥部を含む周期パターン画像を、前記欠陥部を含まない周期パターン画像と比較して、前記欠陥部の形状を特定し、
    　特定された前記欠陥部の形状が含まれるように前記レーザ照射範囲を設定することを特徴とする請求項１～４のいずれか１項記載のレーザ修正方法。
  6. 　多層膜基板の欠陥部に対してレーザ照射範囲を設定し、設定されたレーザ加工条件で前記欠陥部にレーザ光を照射して修正加工を行う修正加工部を備え、
    　前記修正加工部は、
    　レーザ光照射位置の周辺領域を特定し、
    　前記周辺領域を共通する反射光情報毎に複数の区分領域に区画し、
    　前記レーザ光照射位置の周囲に位置する前記区分領域の配置パターンに基づいて、前記レーザ光照射位置の層構造を類推し、
    　類推した層構造に基づいて、照射するレーザ光のレーザ加工条件を設定することを特徴とするレーザ修正装置。
  7. 　前記修正加工部は、
    　顕微鏡を介して欠陥部画像を取得する画像取得部と、
    　前記顕微鏡を通して、前記欠陥部にレーザ光を照射するレーザ照射部と、
    　前記顕微鏡と同軸の白色落射光を前記多層膜基板に照射して、前記多層膜基板からの反射光を分光してピクセル毎の分光スペクトルデータを取得するスペクトル分光カメラと、
    　前記レーザ加工条件を設定するレーザ制御部とを備え、
    　前記レーザ制御部は、
    　前記分光スペクトルデータを前記反射光情報として、前記欠陥部画像におけるピクセル毎に前記レーザ加工条件を設定することを特徴とする請求項６記載のレーザ修正装置。
  8. 　前記修正加工部は、
    　前記層構造の類推を行う学習済みのニューラルネットワークを備え、
    　前記ニューラルネットワークは、修正対象の多層膜基板と同じ多層膜構造を有するテスト基板の実測データを区画した区分領域データと、該区分領域毎の実際の層構造をデータ化した正解データを訓練データとして機械学習されていることを特徴とする請求項６又は７記載のレーザ修正装置。
PCT/JP2020/020969 2019-07-11 2020-05-27 レーザ修正方法、レーザ修正装置 WO2021005907A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/625,579 US20220281029A1 (en) 2019-07-11 2020-05-27 Laser repair method and laser repair device
CN202080050119.3A CN114096368A (zh) 2019-07-11 2020-05-27 激光修复方法、激光修复装置
KR1020227000138A KR20220024409A (ko) 2019-07-11 2020-05-27 레이저 수정 방법, 레이저 수정 장치

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019129341A JP7178710B2 (ja) 2019-07-11 2019-07-11 レーザ修正方法、レーザ修正装置
JP2019-129341 2019-07-11

Publications (1)

Publication Number Publication Date
WO2021005907A1 true WO2021005907A1 (ja) 2021-01-14

Family

ID=74115191

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/020969 WO2021005907A1 (ja) 2019-07-11 2020-05-27 レーザ修正方法、レーザ修正装置

Country Status (6)

Country Link
US (1) US20220281029A1 (ja)
JP (1) JP7178710B2 (ja)
KR (1) KR20220024409A (ja)
CN (1) CN114096368A (ja)
TW (1) TW202128330A (ja)
WO (1) WO2021005907A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022168157A1 (ja) * 2021-02-02 2022-08-11 国立大学法人九州大学 機械学習方法、レーザアニールシステム、及びレーザアニール方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114938579B (zh) * 2022-05-06 2024-04-26 深圳市百柔新材料技术有限公司 一种采用导电浆料进行线路修补的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10235490A (ja) * 1996-12-24 1998-09-08 Kawasaki Steel Corp 電気溶接機の溶接状態の評価方法および装置
JP2005217161A (ja) * 2004-01-29 2005-08-11 Toshiba Corp 構造検査方法、パターン形成方法、プロセス条件決定方法、及び半導体装置の製造方法
JP2007520874A (ja) * 2004-03-04 2007-07-26 シャープ株式会社 半導体装置の製造方法および半導体検査装置
JP2008085279A (ja) * 2006-09-26 2008-04-10 Samsung Sdi Co Ltd 多結晶シリコン基板の結晶化度測定方法、これを利用した有機発光表示装置の製造方法及び有機発光表示装置
JP2008188638A (ja) * 2007-02-05 2008-08-21 Sony Corp 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
JP2016528496A (ja) * 2013-08-02 2016-09-15 ベリフード， リミテッドＶｅｒｉｆｏｏｄ， Ｌｔｄ． 分光器システムおよび方法、分光分析デバイスおよび方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2968442B2 (ja) * 1994-09-26 1999-10-25 川崎重工業株式会社 溶接欠陥の評価システム
JP2008281580A (ja) * 2008-06-26 2008-11-20 Olympus Corp 欠陥分類装置
JP5331421B2 (ja) * 2008-09-12 2013-10-30 オリンパス株式会社 レーザリペア装置およびレーザリペア方法
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
CN102845132B (zh) * 2011-04-12 2015-12-16 株式会社日本有机雷特显示器 有机el元件的制造方法和激光焦点位置设定方法
JP2013091068A (ja) * 2011-10-24 2013-05-16 Olympus Corp リペア装置、およびリペア方法
CN109300116A (zh) * 2018-09-03 2019-02-01 广东工业大学 基于机器学习的激光焊接在线缺陷识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10235490A (ja) * 1996-12-24 1998-09-08 Kawasaki Steel Corp 電気溶接機の溶接状態の評価方法および装置
JP2005217161A (ja) * 2004-01-29 2005-08-11 Toshiba Corp 構造検査方法、パターン形成方法、プロセス条件決定方法、及び半導体装置の製造方法
JP2007520874A (ja) * 2004-03-04 2007-07-26 シャープ株式会社 半導体装置の製造方法および半導体検査装置
JP2008085279A (ja) * 2006-09-26 2008-04-10 Samsung Sdi Co Ltd 多結晶シリコン基板の結晶化度測定方法、これを利用した有機発光表示装置の製造方法及び有機発光表示装置
JP2008188638A (ja) * 2007-02-05 2008-08-21 Sony Corp 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
JP2016528496A (ja) * 2013-08-02 2016-09-15 ベリフード， リミテッドＶｅｒｉｆｏｏｄ， Ｌｔｄ． 分光器システムおよび方法、分光分析デバイスおよび方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022168157A1 (ja) * 2021-02-02 2022-08-11 国立大学法人九州大学 機械学習方法、レーザアニールシステム、及びレーザアニール方法

Also Published As

Publication number Publication date
CN114096368A (zh) 2022-02-25
JP7178710B2 (ja) 2022-11-28
JP2021013945A (ja) 2021-02-12
TW202128330A (zh) 2021-08-01
KR20220024409A (ko) 2022-03-03
US20220281029A1 (en) 2022-09-08

Similar Documents

Publication Publication Date Title
KR100780998B1 (ko) 패턴 수정 장치 및 표시 장치의 제조 방법
WO2021005907A1 (ja) レーザ修正方法、レーザ修正装置
WO2021033417A1 (ja) 欠陥部認識装置及び欠陥部認識方法
WO2021161646A1 (ja) 欠陥検出装置、欠陥検出方法、欠陥修正装置
JP5114943B2 (ja) 欠陥修正装置及び欠陥修正方法
WO2018198991A1 (ja) 画像検査装置、生産システム、画像検査方法、プログラム及び記憶媒体
WO2020184024A1 (ja) レーザリペア方法、レーザリペア装置
WO2020250685A1 (ja) レーザ修正方法、レーザ修正装置
JP2017005252A (ja) レーザー結晶化設備に起因するムラを定量化するシステム及びレーザー結晶化設備に起因するムラを定量化する方法
US7873241B2 (en) Method for superimposing optical information in a scanning microscope
JP2019207114A (ja) ダル仕上げ材表面の良否判定方法及び良否判定装置
TWI639059B (zh) 描繪裝置、基板處理系統及描繪方法
WO2020250686A1 (ja) レーザ修正方法、レーザ修正装置
WO2020209004A1 (ja) レーザリペア方法、レーザリペア装置
JP7310617B2 (ja) アライメントマーク検出装置およびアライメントマーク検出方法
WO2022044307A1 (ja) アライメント装置及びアライメント方法
JP2007334213A (ja) パターン欠陥修正装置およびパターン欠陥修正方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20836824

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20227000138

Country of ref document: KR

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 20836824

Country of ref document: EP

Kind code of ref document: A1