基于DOE方法的Mura检查机检出率提升研究与应用

北京京东方显示技术有限公司 盛大德 王立夫 庞华山 武占英 毛继禹

一、Mura检查机结构及工作原理

Mura一词源于日本，在平板显示领域中，已将Mura作为用来表示显示器一种典型显示缺陷的一个专业术语[2]。Mura检查机（结构图见图1）检出原理为通过检测光源在PR胶上膜面的平整度的检查，由检查区CCD采集图像数据传输至PC进行处理和缺陷分析，区分出Mura区与非Mura区，最终形成图像（见图2）。检查光源根据Photo各工艺区分使用反射或透射，光源参数的合理正确设置成为确保Mura检查机检出率的关键因素。

图1 Mura机结构

图2 Mura图像

二、DOE项目试验阶段

1.确定响应变量Y为Photo BM 检出率

响应变量Y名称度量单位数据类型（连续or离散） 当前水平 目标水平 特性（望大、望小、望目）BM Mura检出率 - 连续 60% 90% 望大

2.影响因素X确定为RGB三种光源

3.使用Minitab软件生成试验方案，采用全因子实验，通过实验，录入检出率Y：

4.试验生成，结果解读

模型整体：P=0.002＜0.05，总体有效；

模型弯曲：P=0.405＞0.05，不存在弯曲；

判定标准：

（检查方差分析表中的总效果，看模型项对应的P值，p＞0.05，则模型无效）

（检查方差分析表中的弯曲项， P值应大于0.05，说明无弯曲项）

（检查方差分析表中的失拟现象， P值应大于0.05，说明无失拟）

标准差估计值：S=0.015；

（S值不宜看其绝对大小，多用于模型比较，具有较小S值的模型较好）

多元全相关系数：R-sq=99.50%；

调整多元全相关系数：R-sq(调整)=98.01%；

（与多元全相关系数相差大，存在改进空间）

预测多元全相关系数：R-sq（预测）= 58.04%；

（预测值与调整值相差大，预测能力差）

（多元全相关系数R-sq和修正的多元全相关系数R-sq(adj)均越接近于1越好， 两者之差越小越好）

R、G 、B 、R*G为显著因子，其他均为非显著因子；

判定标准：（查看各系数对应的p值，＞ 0.05，表明不显著，≤0.05，说明显著。）

判断标准：Minitab绘制直线以表明如果效应为零时点所落的预期位置；因此距离越远，因子影响越显著。由上图可知。

①R、G、B、R*G显著影响因子；其他为非显著影响因子；

②根据正态分布情况以及散点图需优化模型，剔除非显著因子。

5.模型缩减再次实验，剔除非显著因子

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（预测） 58.04% 98.96% ↑40.92%

1.缩减模型的S值较之前上升0.01；理论上S值应该越小越好；

2.缩减模型的R-Sq下降0.03%；

3.R-Sq(adj)上升1.1%；

理论上R-Sq和R-Sq(adj)两个值应该越大且越接近“1”为好；

4.缩减模型的R-Sq(预测)较之前上升40.92%，模型预测的准确度有所上升；

5.综上所述，缩减模型的总体效果比缩减前的效果更好。

判断标准：Minitab绘制直线以表明如果效应为零时点所落的预期位置；因此距离越远，因子影响越显著。由上图可知。

①R、G、B、R*G显著影响因子；其他为非显著影响因子；

②根据正态分布情况以及散点图需优化模型，剔除非显著因子；

结论：模型无明显异常；可进行下一步实验；

6.通过响应优化器结果解读，发现当R变小，G，B增大情况下检出率最高，并找到最优参数组合：R 0.0 G200 B200情况下时，检出率=94.45%

7.验证试验参数，实验成功

选择最优参数组合（R 0.0 G200 B200）

检测基板231张（含限度样本73张+缺陷基板40张+ok基板118张）进行测试，缺陷检出率96.5%，为确保实验准确性，通过Macro设备进行逐一最终确认。结论实验达到预期效果。

[1]倪计民,杜倩颖,周英杰,刘疆,杨挺然.DoE在高压共轨柴油机优化设计中的应用[J].内燃机学报,2009,27(03):231-236.

[2]严成宸.TFT-LCD的Mura缺陷检测技术研究[D].合肥工业大学,2017.