基于DOE方法的Mura檢查機檢出率提升研究與應用

北京京東方顯示技術有限公司 盛大德 王立夫 龐華山 武占英 毛繼禹

一、Mura檢查機結構及工作原理

Mura一詞源于日本，在平板顯示領域中，已將Mura作為用來表示顯示器一種典型顯示缺陷的一個專業(yè)術語[2]。Mura檢查機（結構圖見圖1）檢出原理為通過檢測光源在PR膠上膜面的平整度的檢查，由檢查區(qū)CCD采集圖像數(shù)據(jù)傳輸至PC進行處理和缺陷分析，區(qū)分出Mura區(qū)與非Mura區(qū)，最終形成圖像（見圖2）。檢查光源根據(jù)Photo各工藝區(qū)分使用反射或透射，光源參數(shù)的合理正確設置成為確保Mura檢查機檢出率的關鍵因素。

圖1 Mura機結構

圖2 Mura圖像

二、DOE項目試驗階段

1.確定響應變量Y為Photo BM 檢出率

響應變量Y名稱度量單位數(shù)據(jù)類型（連續(xù)or離散） 當前水平 目標水平 特性（望大、望小、望目）BM Mura檢出率 - 連續(xù) 60% 90% 望大

2.影響因素X確定為RGB三種光源

3.使用Minitab軟件生成試驗方案，采用全因子實驗，通過實驗，錄入檢出率Y：

4.試驗生成，結果解讀

模型整體：P=0.002＜0.05，總體有效；

模型彎曲：P=0.405＞0.05，不存在彎曲；

判定標準：

（檢查方差分析表中的總效果，看模型項對應的P值，p＞0.05，則模型無效）

（檢查方差分析表中的彎曲項， P值應大于0.05，說明無彎曲項）

（檢查方差分析表中的失擬現(xiàn)象， P值應大于0.05，說明無失擬）

標準差估計值：S=0.015；

（S值不宜看其絕對大小，多用于模型比較，具有較小S值的模型較好）

多元全相關系數(shù)：R-sq=99.50%；

調整多元全相關系數(shù)：R-sq(調整)=98.01%；

（與多元全相關系數(shù)相差大，存在改進空間）

預測多元全相關系數(shù)：R-sq（預測）= 58.04%；

（預測值與調整值相差大，預測能力差）

（多元全相關系數(shù)R-sq和修正的多元全相關系數(shù)R-sq(adj)均越接近于1越好， 兩者之差越小越好）

R、G 、B 、R*G為顯著因子，其他均為非顯著因子；

判定標準：（查看各系數(shù)對應的p值，＞ 0.05，表明不顯著，≤0.05，說明顯著。）

判斷標準：Minitab繪制直線以表明如果效應為零時點所落的預期位置；因此距離越遠，因子影響越顯著。由上圖可知。

①R、G、B、R*G顯著影響因子；其他為非顯著影響因子；

②根據(jù)正態(tài)分布情況以及散點圖需優(yōu)化模型，剔除非顯著因子。

5.模型縮減再次實驗，剔除非顯著因子

S 0.015 0.011 ↑0.01 R-sq 99.50% 99.47% ↓0.03%R-sq（adj） 98.01% 99.11% ↑1.1%R-sq（預測） 58.04% 98.96% ↑40.92%

1.縮減模型的S值較之前上升0.01；理論上S值應該越小越好；

2.縮減模型的R-Sq下降0.03%；

3.R-Sq(adj)上升1.1%；

理論上R-Sq和R-Sq(adj)兩個值應該越大且越接近“1”為好；

4.縮減模型的R-Sq(預測)較之前上升40.92%，模型預測的準確度有所上升；

5.綜上所述，縮減模型的總體效果比縮減前的效果更好。

判斷標準：Minitab繪制直線以表明如果效應為零時點所落的預期位置；因此距離越遠，因子影響越顯著。由上圖可知。

①R、G、B、R*G顯著影響因子；其他為非顯著影響因子；

②根據(jù)正態(tài)分布情況以及散點圖需優(yōu)化模型，剔除非顯著因子；

結論：模型無明顯異常；可進行下一步實驗；

6.通過響應優(yōu)化器結果解讀，發(fā)現(xiàn)當R變小，G，B增大情況下檢出率最高，并找到最優(yōu)參數(shù)組合：R 0.0 G200 B200情況下時，檢出率=94.45%

7.驗證試驗參數(shù)，實驗成功

選擇最優(yōu)參數(shù)組合（R 0.0 G200 B200）

檢測基板231張（含限度樣本73張+缺陷基板40張+ok基板118張）進行測試，缺陷檢出率96.5%，為確保實驗準確性，通過Macro設備進行逐一最終確認。結論實驗達到預期效果。

[1]倪計民,杜倩穎,周英杰,劉疆,楊挺然.DoE在高壓共軌柴油機優(yōu)化設計中的應用[J].內燃機學報,2009,27(03):231-236.

[2]嚴成宸.TFT-LCD的Mura缺陷檢測技術研究[D].合肥工業(yè)大學,2017.