高世代线TFT-LCD面板对盒精度的提升

汪 栋，袁剑峰，吴洪江，刘 正，齐鹏煜，陈维涛

(北京京东方显示技术有限公司，北京 100176)

1 引 言

对盒精度(Ass'y margin, AI)表征的是TFT-LCD产品成盒制程(Cell)完成后阵列(Array)与彩膜(CF)相对位置偏移量。对于TFT-LCD产品，AI是控制产品光学性能、漏光不良与开口率的关键参数。优秀的AI性能，可以有效降低CF黑矩阵(BM)的关键尺寸，从而降低产品的遮光面积[1]，提高产品的开口率。

随着产品玻璃减薄化、尺寸小型化以及高PPI与高开口率产品的市场需求越来越大[2-3]，产品AI要求日趋严格，如何提高AI性能成为高世代TFT-LCD面板生产线(G8.5及以上)产品转型与升级的关键。

2 对盒精度现状与问题点

随着产品玻璃减薄化、尺寸小型化以及高PPI与高开口率产品的市场需求越来越大，G8.5生产线产品种类日趋丰富，主要包括产品尺寸177.8～2 794 mm(7～110 in)，玻璃厚度0.7 mm/0.5 mm，边框窄/宽(对应产品在对盒制程中玻璃翻转是/否)；不同类型的产品显示完全不同的AI性能，如图1和表1所示。玻璃厚度0.5 mm产品明显差于0.7 mm产品，AI±5.5 μm达标的产品比例分别为20%与83%；窄边框产品差于宽边框产品，AI±5.5 μm达标的产品比例分别为13%与87%。随着产品尺寸减小，AI呈变差趋势，177.8 mm(7 in)呈现最差的AI结果，其AI极值为14.2 μm，AI±5.5 μm达标率仅为71.8%。

图1 TFT-LCD产品AI示意图Fig.1 AI diagram of TFT-LCD

表1 不同类型TFT-LCD产品AI结果Tab.1 AI results of different type of TFT-LCD

AI性能变差会导致CF的BM无法有效遮挡阵列的信号线(Data)、栅极(Gate)、开关(TFT)等，导致产品光学对比度下降，进一步导致像素漏光不良，如图2所示。产品像素漏光不良表现为暗态下满屏网格状发亮细线，且同一产品在不同区域严重程度不同[4-6]，此不良源于TFT-LCD产品较差的Gate向AI性能，导致阵列与CF相对位置存在偏差，CF的BM无法起到有效的遮光作用，从而形成等间距的信号线向发亮细线。

(a)玻璃AI-面板AI(a)玻璃 AI-panel AI

(b)玻璃AI-面板对比度(b)玻璃 AI-panel contrast ratio

(b)面板像素漏光示意图(b)Diagram of panel pixel light leakage 图2 TFT-LCD产品AI与对比度/像素漏光不良关联性 Fig.2 Relation between contrast ratio, pixel light leakage and AI of TFT-LCD

3 对盒精度影响因素分析

以177.8 mm(7 in)产品为例，如图3所示，玻璃上不同位置呈现出不同的AI结果，位置1#→2#→4#→3#呈现依次变差趋势；结合对盒制程，分析显示2#与4# AI主要受VAS(真空对盒，Vacuum Assembly System，简称VAS)影响，3# AI主要受VAS-AI 偏移结果影响(“VAS完成 ～ AI测量”工艺段的AI偏移量)。

依托上述177.8 mm(7 in)产品AI分析结果，进行其他AI异常产品分析，如表2所示，对于不需要对盒翻转制程的产品，AI主要受VAS影响；对于需要对盒翻转制程的产品，AI主要受VAS-AI 偏移与VAS影响，其中以VAS-AI 偏移为主。

因此，影响 AI性能的2大核心因素为VAS与VAS-AI 偏移。

图3 TFT-LCD产品AI影响因素Fig.3 AI influence factors of TFT-LCD

表2 TFT-LCD产品AI影响因素Tab.2 AI influence factors of TFT-LCD

续 表

3.1 VAS影响因素分析

以812.8 mm(32 in)产品为例，如表3所示，VAS结果主要受VAS设备精度与阵列/CF TP(Total Pitch)匹配性能影响，其中VAS设备精度基本可以对应既定的VAS规格，主要因素为阵列/CF TP匹配性能；随着阵列/CF TP匹配性变差，VAS结果变差。

表3 812.8 mm(32 in) 产品VAS与阵列/CF TP关联性Tab.3 Relation between VAS and 阵列/CF TP of 812.8 mm(32 in)

3.2 VAS-AI 偏移影响因素分析

以G8.5生产线产品VAS-AI 偏移性能为例，如表4/5及图4所示，不同产品类型、不同对盒设备制作的产品呈现出不同的VAS-AI 偏移结果，分析结论如下：

图4 TFT-LCD产品VAS-AI 偏移结果与产品尺寸关联性Fig.4 Relation between VAS-AI shift and product size

(1)以177.8 mm(7 in)产品为例，对盒制程需要翻转的产品呈现较差的VAS-AI 偏移结果，对盒翻转制程是导致VAS-AI 偏移的根本原因；

(2)使用相同的对盒设备，随着产品尺寸的降低，VAS-AI 偏移结果呈变差趋势；当产品尺寸>355.6 mm(14 in)时，VAS-AI 偏移较好；产品尺寸为≤355.6 mm(14 in)时，VAS-AI 偏移较差；其中177.8 mm(7 in)产品呈现最差的VAS-AI 偏移结果，±3.0 μm达标率仅为68%，极值为11.3 μm；

(3)不同的对盒设备，VAS-AI 偏移存在玻璃位置差异性，对盒 PH4设备主要发生在3#，而对盒 PH1设备主要发生在1#与2#；

4 改善方法、结果与流程

依托G8.5生产线产品AI分析，其影响因素包括VAS与VAS-AI 偏移；实现AI改善，需要通过改善VAS与VAS-AI 偏移。

4.1 VAS性能改善

VAS性能表征对盒工艺过程中阵列/CF相对位置偏移量，此时整体成盒工艺尚未完成，阵列/CF玻璃尚未翻转，封框胶(Sealant)尚未固化，因此VAS性能受阵列/CF TP匹配性影响较大；随着阵列/CF TP匹配性变差，VAS结果变差，如表4所示。

表4 TFT-LCD产品VAS-AI 偏移结果Tab.4 VAS-AI shift result of TFT-LCD

表5 TFT-LCD产品VAS-AI 偏移结果与对盒设备关联性Tab.5 Relation between VAS-AI shift and 对盒 EQP

因此，VAS结果改善主要通过阵列/CF TP匹配性改善。

由于CF TP主要受掩膜板(Mask)、玻璃材质、曝光温度与光线等因素的影响，TP调整余量很小[7]；而阵列TP通过调整曝光设备单个棱镜的旋转角度/平移步进而具备较大的调整余量；因此改善阵列/CF TP匹配性能，需要在保持CF TP形状规则与稳定的同时，改善阵列TP的形状与极值，实现阵列/CF TP匹配性提升，达到改善VAS的目的。

(a)改善前(a)Before improvement

(b)改善后(b)After improvement图5 812.8 mm(32 in)产品阵列TP改善前(a)后(b)示意图Fig.5 Before(a) and after(b) improved array TP of 812.8 mm(32 in)

以812.8 mm(32 in)产品为例，如图5所示，阵列TP改善前，TP呈现非规则形状，玻璃短边方向“内凹”，长边方向“外凸”，源于阵列工艺制程中的PVX膜质应力。阵列TP改善后，TP呈现标准的规则形状，TP极值由4.5 μm降低至2.5 μm。依托阵列TP改善，提升阵列/CF TP匹配性，有效改善VAS性能，进而改善AI性能。如图6所示，AI±5.5 μm达标率由80%改善至100%，AI极值由7.7 μm降低至4.1 μm。

图6 812.8 mm(32 in)产品阵列TP改善前后对应的AI结果Fig.6 AI result before and after improved array TP map of 812.8 mm(32 in)

改善阵列TP，常见方法为TP补正功能，一般分为“线性补正”与“非线性补正”；“线性补正”可以实现阵列TP的等比例扩大/缩小，但是无法改善TP的非规则形状；“非线性补正”通过曝光设备对应玻璃不同位置处的单个棱镜的旋转角度/平移步进调整，改善玻璃不同位置处的阵列像素关键位置偏移程度，达到阵列TP的形状规则化与TP极值的降低[8]。

因此，通过“阵列TP非线性补正”改善，实现阵列TP的形状规则化与极值降低，提升阵列/CF TP匹配性能，实现VAS性能改善。

VAS-AI 偏移性能表征对盒工艺过程中“VAS完成 ～ AI测量”工艺段的AI偏移量，此时对盒整体成盒工艺已经完成，阵列/CF玻璃已经完成翻转与封框胶固化，因此VAS-AI 偏移性能受阵列/CF TP 匹配性影响较小，主要来源于对盒翻转制程，如表4所示。

因此VAS-AI 偏移改善主要通过加强阵列/CF玻璃在对盒翻转制程中的相对位置固定性能。

本文尝试从对盒翻转设备(Turn Over，简称T/O)优化、T/O工艺优化、封框胶材料优化、辅助 封框胶设计优化这4个方面进行，具体的改善方法及对应结果如表6所示。

4.2.1 对盒 T/O设备优化

通过在T/O设备周边加设夹具装置，保证阵列与CF玻璃水平方向稳定性[9-10]；在T/O设备上下加设垂直方向Pin，保证玻璃在对盒翻转制程中的稳定性；由于T/O设备改造会对量产产生48 h的Capa影响，此方案暂未推进。

4.2.2 T/O工艺优化

通过T/O翻转速度降低50%、以及T/O设备前后机械手臂搬送速度降低50%，改善阵列/CF玻璃在对盒翻转制程中的稳定性，但是无法达成改善效果。

4.2.3 封框胶材料优化

比较不同粘结强度的封框胶，改善阵列/CF玻璃在对盒翻转制程中的稳定性与对盒盒中应力释放程度，但是无法达成改善效果。

4.2.4 辅助 封框胶设计优化

由于VAS-AI 偏移主要发生在玻璃的截角边缘，不同的对盒设备，VAS-AI 偏移存在玻璃位置差异性，对盒 PH4设备主要发生在3#，而对盒PH1设备主要发生在1#与2#，如表5所示；为了改善阵列/CF玻璃在对盒翻转制程中的稳定性，需要提高玻璃截角处的辅助 封框胶粘结强度。本文通过辅助 封框胶设计优化，如表6所示，部分方案对VAS-AI 偏移结果产生明显的改善效果。

以177.8 mm(7 in)产品为例，如图7所示，通过辅助 封框胶设计优化，有效改善VAS-AI 偏移结果，VAS-AI 偏移平均值由7.9 μm降低至1.9 μm。

(a)改善前(a)Before improvement

(b)改善后(b)After improvement图7 177.8 mm(7 in)产品VAS-AI 偏移改善前后示意图Fig.7 VAS-AI shift diagram before and after improvement of 177.8 mm(7 in)product

表6 高世代线VAS-AI 偏移改善方案及结果汇总Tab.6 VAS-AI shift improvement method and result of high-generation lines’s TFT-LCD product

续 表

4.3 整体改善

通过G8.5生产线VAS与VAS-AI 偏移改善，可以改善不同产品类型/不同对盒设备的产品AI结果；对于对盒无需翻转制程的产品，通过VAS改善即可完成AI改善；对于对盒需要翻转制程的产品，首先需要改善VAS-AI 偏移结果，其次确认是否需要同步改善VAS结果。

以177.8 mm(7 in)产品(需要对盒翻转制程)为例，如图8所示，通过VAS-AI 偏移与VAS的同步改善，产品VAS结果从4.2/4.5 μm降低至1.1/0.4 μm，VAS-AI 偏移结果从7.9 μm降低至1.9 μm，AI±5.5 μm达标率逐步提升，从71.8%改善至100%，AI极值由14.2 μm改善至5.2 μm。

通过177.8 mm(7 in)产品AI改善方法借鉴，实现G8.5生产线典型产品的AI结果逐步提升，如表7所示。

图8 177.8 mm(7 in)产品AI改善趋势Fig.8 AI improvement trend of 177.8 mm(7 in)

表7 高世代线TFT-LCD产品AI改善方法汇总Tab.7 Summary of AI improvement method of high-generation lines’s TFT-LCD product

5 对盒精度分析与改善标准流程

通过177.8 mm(7 in)等典型产品的AI影响因素分析/分解、对策检讨及改善，本文建立了大世代面板生产线对盒精度分析方法、对策检讨及改善的标准流程，为后续大世代面板生产线AI性能提升借鉴建立技术储备。

6 结 论

本文依托G8.5生产线产品AI分析，提出VAS与VAS-AI 偏移为影响AI的两大核心要素；VAS改善主要通过阵列/CF TP map匹配性能改善，通过“阵列TP非线性补正”与“CF TP稳定性改善”实现；VAS-AI 偏移改善主要通过辅助 封框胶设计优化，从而加强阵列/CF玻璃在对盒翻转制程中的相对位置固定性能。

通过VAS与VAS-AI 偏移同步改善，突破G8.5生产线产品AI±7.5 μm极限性能指标，达成±5.5 μm性能，177.8 mm(7 in)产品AI极值由14.2 μm降低至5.2 μm，实现G8.5生产线对盒精度达到G6及以下生产线的极限水平；在解决MNT产品按压 Mura与TPC产品像素漏光的同时，对产品开口率的贡献也随着产品PPI的升高而增加，PPI 300+产品的开口率余量提高14.8%，有效提升了B4小尺寸高PPI产品核心竞争力、收益性和产品群组合。

另外，本文建立大世代面板生产线对盒精度分析方法、对策检讨及改善标准流程，形成新产品阵列TP非线性补正和辅助封框胶设计基准，为后续大世代线对盒精度提升借鉴建立技术储备。