TFT-LCD行业液晶损失分析与降低研究

黎关超， 何 伟， 沈 水， 周 波， 林子锦，董 哲， 程怀宗， 杨 霁， 曾小强

(北京京东方显示技术有限公司，北京100176)

1 引 言

自从液晶显示器在20世纪70年代被发明之后，经过40多年飞速的发展，我国液晶面板产业每年总价值已接近千亿元[1]。随着行业的不断发展，各大面板厂商持续寻求生产环节的改善，力求最大化降低产品制程中的损失[2]，以期通过更高的经营利润在日趋激烈的竞争环境中占得先机[3]。产品制程中的损失，是指超出理论物料清单[4](Bill of Material，BOM)的部分，按照损耗的种类分为基板和物料两大块。本文主要对面板段损失金额最大(323万元/月)的物料-液晶的损失进行了探讨，通过大数据技术的应用收集了大量数据，分析出影响液晶损失的全部因子11项，并通过柏拉图对比筛选出最关键的4项，然后从配方(Recipe)优化、瓶底剩余改善、切线填充量减少、自动脱泡频率降低、测量频率降低等方面研究了液晶损失降低的方向，创建了一整套系统的降低物料损失的管控模式。

2 液晶损失分类

液晶(LC)是液晶面板生产过程中使用的重要原料之一，主要包括液晶采购、生产领料、投料、使用过程中的正常滴注及损耗、盘点回收等过程(图1)。在采购、领用、投料、盘点等环节基本不发生损耗，损失集中于使用及损耗过程中由于安装、检测、设备异常、瓶底剩余、过滤器和管道残留、报废等原因引起的未应用在合格基板上的损耗部分。

图1 液晶使用过程
Fig.1 Using process of liquid crystal

本文创新性地导入了大数据技术[5]，对液晶生产过程产生的大量半结构化文件-设备日志(Log)数据进行采集、清洗、加工，将半结构化数据转换为结构化数据，并聚焦液晶损失业务场景和分析需求，选取最优建模方法包括层次分析、因动分析、回归分析等方法分析提取特征值建立多维度分析模型，对数据充分挖掘，细分出11项液晶损失类型(表1)。

表1 液晶损失类型Tab.1 Type of liquid crystal loss

续 表

3 液晶损失要因筛选

如上所述，液晶损失类型聚集于11个类型。通过创新性的引入大数据技术，实现连续3个月的数据采集，将数据分类计算并与实际结果进行对比，对模型和算法进行优化迭代，最终实现液晶损失数据精准分析。然后将数据按照柏拉图(图2)对比筛选出最关键的4项。

图2 液晶损失因子的柏拉图Fig.2 Pareto of liquid crystal loss

4 液晶损失改善研究

根据上文柏拉图分析，影响液晶损失的主要因子为：瓶底剩余量、型号切换引起的过滤器填充量、定期自动空白吐出和定期测量。

4.1 瓶底剩余量改善

液晶瓶瓶底为凸底构造，瓶底剩余量在10 g时，液晶瓶凸底会露出液面(图3)，管路中会吸入空气，导致过滤器走空。为防止此风险，瓶底剩余量要保持10 g以上。

图3 液晶瓶瓶底构造Fig.3 Bottom structure of liquid crystal bottle

此外，一台液晶滴注设备有12～16瓶液晶分别安装在相应的滴头上；由于工艺液晶滴下图样设计特点，同一个基板的液晶由若干滴头共同滴下完成，但是各滴头的滴数可能存在差异(图4)，造成了各滴头消耗速度不一致，滴数多的滴头会先达到更换基准；为减少物料更换对嫁动的影响，在实际生产中同一设备的液晶是一起更换的，这样滴数少的滴头液晶瓶内剩余量较多产生额外的损失。

图4 55” G1液晶滴下图样Fig.4 LC drop pattern of 55” G1

4.1.1 瓶底剩余量改善-增设缓冲槽

原状态：液晶瓶底部有液面感知传感器，当传感器检出液面低下时发生报警；因液晶瓶截面积大，故残留液晶量较多。

本文创新性的变更液晶过滤器的构造，在液晶过滤器上增加缓冲槽，从而将传感器感知从截面积较大的液晶瓶液面变更至截面积较小的过滤器液面(图5)，更便于精确控制瓶底剩余量。

图5 缓冲槽增设Fig.5 Addition of buffer tank

另外，为确保瓶底剩余量按照管理基准执行，建立作业人员和稽核人员和作业人员双查的机制，通过表格化的记录管理监控和分析异常情况。

4.1.2 瓶底剩余量改善-配方优化

经过大数据分析，发现部分型号(如G1/JB/GN/PA等)各滴头消耗速度不一致，导致瓶底剩余液晶有较大的差距。以55”G1 B2 Panel为例：该面板由6个滴头共同滴下，改善前各滴头滴数在150～159，最大值与最小值差距高达9(6%)，在消耗速度最快的滴头(159滴)达到瓶底更换基准(20 g)时，消耗速度最慢的滴头(150滴)仍超过80 g，造成较多的浪费。

在液晶滴下图样(LC Pattern)[6]不变的情况下，通过图样重叠将滴数优化，以此降低滴头的滴数差异。相邻图样的矩形有公用边，液晶滴头之间的液晶点可以相互调整，H6少滴5点，其他滴头将少滴的位置补上，总滴数不变。改善后各滴头的滴数均为153～154(图6)，最大值与最小值差距缩小至1(0.6%)，消耗慢的滴头多损失量控制在5 g左右。

图6 配方优化Fig.6 Optimization of the recipe

4.2 型号切换引起的过滤器填充量改善

在型号切换过程中，设备需要进行过滤器填充动作来排出过滤器和管道中的空气，以防止管道内的气泡导致的精度不良风险。为了避免填充不足，作业人员填充往往将填充量设置较大的数值或者重复进行填充，且对所有的情况均使用默认参数，造成液晶大量浪费。改善前参数为：液晶填充30次， 泵排泡5次。

在改善过程中，本文根据不同的情况进行了测试改善：

(1)切线安装新泵

本过程由于将过滤器和泵重新进行了连接，作业过程中不可避免混入了空气，填充和脱泡次数过少时无法确认气体是否完全排出，次数过多会浪费液晶。

对液晶填充和泵排泡两因子分别按6水平(5/10/15/20/25/30)和5水平(1/2/3/4/5)进行一般全因子的DOE试验，观察测试结果。然后对选定模型进行回归分析和模型改进，得出回归方程和最优的参数设置，最后进行双比例检验，得出最合适的参数：液晶填充10次，泵排泡3次。

(2)切线只换瓶

由于泵未更换，所以无需进行吐出状态确认，只吐出1次即可。

同时，对过滤器按寿命进行管控，对泵进行目视检查，确保过滤器和泵的状态良好，减少备件异常导致的填充次数增加。

4.3 定期自动空白吐出改善

LC设备在运行过程中有一个周期性的空白吐出(也称Auto Degas，如图7所示)动作，目的是将泵内液晶全部排空，防止泵内气泡导致的精度不良风险。

图7 自动脱泡的动作图解Fig.7 Diagram of Auto Degas action

对Auto Degas频率(X)与Auto Degas本身产生的液晶损失(Y1)及出现精度不良后产生的液晶损失(Y2)进行实验测试，根据实验数据，绘制图像，验证相关性。

如图8所示，在有气密性管控的情况下，Auto Degas频率取1/100为最佳值。

图8 自动脱泡频率与损失的关系曲线Fig.8 Relation curve of Auto Degas frequency and loss

4.4 定期测量改善

液晶滴注设备在运行过程中，为减少品质风险、保证液晶滴下精度，需要定期测量校准，这个过程消耗的液晶与测量频率正相关。鉴于液晶滴注设备滴下精度较高的特点[7]，将测量频率适当的延长，同时兼顾精度异常后不良损失的影响，将测量频率由1次/10片延长至1次/15片，进行为期一个月的测试。如图9所示，10月为测试月份，精度不良的玻璃基板，较以往的月份无明显异常，11月量产导入。

图9 精度不良趋势Fig 9 Trend of precision

5 结 论

本文创新性地导入大数据技术，通过对生产数据进行采集、处理和分析，建立起一整套实时监控液晶损失的线上数据系统，通过大量的数据分析总结出影响液晶损失的主要影响因子，分别通过机理改善和实验设计等措施进行相应改善：

(1)瓶底剩余量，通过增设缓冲槽和配方优化，并建立双查机制，瓶底剩余量由35 g降低至21 g。

(2)型号切线引起的过滤器填充量，对只换瓶和安装新泵两种不同情况进行区别管理，并对液晶填充和泵排泡两个影响因子使用DOE的实验得出最佳的设备参数。

(3)空白定期自动吐出，对自动脱泡频率与Auto Degas本身产生的液晶损失及出现精度不良后产生的液晶损失进行试验，绘制曲线图像，得出最佳的空白吐出周期：1次/100 sh。

(4)定期测量，将测量频率适当的延长，同时兼顾精度异常后不良损失的影响，并进行一个月的测试后，最终确定测量频率1次/10片1次/15片。

通过建立大数据系统和对主要影响因子进行机理改善及实验设计的思路和方法，在半年的时间内实现液晶损失由12.73%降低至7.87%，降低4.86%，年收益达1 688万人民币左右，大力提高了企业的效益和竞争力。下一步工作将在巩固以上改善措施的基础上从瓶底改造、备件优化管理等方向上进一步研究和降低。