獲得薄膜光穿透率製程參數方法

专利摘要:
一種獲得薄膜光穿透率製程參數方法，包含一資料庫建立步驟、一訓練步驟、一求解步驟，及一驗證步驟。該資料庫建立步驟是將多筆鍍膜控制參數群組與光穿透率的資料分成訓練資料與測試資料。該訓練步驟是將該訓練資料輸入一類神經網路，並建立每一鍍膜控制參數與光穿透率的對應關係。該求解步驟是將該測試資料中的光穿透率輸入經訓練步驟後的該類神經網路，搜尋出相對應鍍膜控制參數的數值。該驗證步驟是比較該等搜尋出的數值與鍍膜控制參數實際值的誤差。之後即能快速搜尋出在不同光穿透率的需求下所需輸入鍍膜控制參數的運算值。
公开号:TW201310180A
申请号:TW100130315
申请日:2011-08-24
公开日:2013-03-01
发明作者:Rui-Chu Huang；Du-Zhou Huang；ren-bin Yang
申请人:Univ Ishou；
IPC主号:G06N3-00

专利说明:
獲得薄膜光穿透率製程參數方法
本發明是有關於一種製程參數調整方法，特別是指一種獲得薄膜光穿透率製程參數方法。
現在愈來愈多智慧型手機、平板電腦使用觸控面板做為輸入的介面，而觸控面板在製造的過程中，必需要在觸控面板的最外層貼上一層飾膜，目前飾膜均是使用蒸鍍機來製作，工程師只要將蒸鍍過程所需之鍍膜控制參數設定完成，蒸鍍機即可執行蒸鍍作業並自行監視與控制直至蒸鍍完成，一般是以飾膜的光穿透率作為光學特性的判斷標準，然而因產品類別之光學特性與要求功能取向不同，對於該飾膜的光穿透率的要求也會跟著變動，而不同光穿透率的飾膜在製造上使用的鍍膜控制參數也會不同。
但是在製造上相關的鍍膜控制參數相當多，如石英片參數、機台轉速、基板位置、氧化鉻膜厚度、三氣化二鉻膜厚度、鍍膜速度、鍍膜氣壓、鍍膜溫度...等，目前多數的公司只能採取經驗法則來處理，憑藉經驗豐富的鍍膜工程師來取決於鍍膜控制參數的設定，在不斷的試鍍後才能得到產品所要的光穿透率，而且每更換一次產品都要重新試鍍、量測，因此造成時間及原物料的浪費，生產效率差，同時，也相對必需依賴長時間的訓練才能成為經驗豐富的人員，所以人員養成時間長，不易培植新人。
因此，本發明之目的，即在提供一種可快速的得出鍍膜控制參數的獲得薄膜光穿透率製程參數方法。
於是，本發明獲得薄膜光穿透率製程參數方法，包含一資料庫建立步驟、一訓練步驟、一求解步驟，及一驗證步驟。
該資料庫建立步驟是將多筆鍍膜控制參數群組與光穿透率的資料建立一資料庫，該等鍍膜控制參數群組分別具有多數鍍膜控制參數，並將該資料庫的資料一部分定義為訓練資料，另一部分定義為測試資料。
該訓練步驟是將該訓練資料輸入一類神經網路，並藉由該類神經網路建立每一鍍膜控制參數與光穿透率的對應關係。
該求解步驟是將該測試資料中的光穿透率輸入經訓練步驟後的該類神經網路，由該類神經網路搜尋出相對應鍍膜控制參數的數值，定義由該類神經網路搜尋出該等鍍膜控制參數的數值為運算值。該驗證步驟是比較該等運算值與該測試資料中鍍膜控制參數實際值的誤差。
本發明之功效在於：藉由該驗證步驟確認該運算值與資料庫中的實際值的誤差，可得知該類神經網路的可靠性，如此，能由該求解步驟快速搜尋出在不同光穿透率的需求下，相對應之鍍膜控制參數的運算值，並依該運算值進行實際的鍍膜，所以能減少試鍍的次數、原物料的消耗、花費時間。
有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之一個較佳實施例的詳細說明中，將可清楚的呈現。
參閱圖1，為本發明獲得薄膜光穿透率製程參數方法之較佳實施例，包含一資料庫建立步驟21、一訓練步驟22、一求解步驟23、一驗證步驟24、一重要參數判斷步驟3，及一應用步驟4。
該資料庫建立步驟21是將多筆鍍膜控制參數群組與光穿透率的資料建立一資料庫，該等鍍膜控制參數群組分別具有多數鍍膜控制參數，並將該資料庫的資料一部分定義為訓練資料，另一部分定義為測試資料。該訓練步驟22是將該訓練資料輸入一類神經網路，並藉由該類神經網路建立每一鍍膜控制參數與光穿透率的對應關係。
該求解步驟23是將該測試資料中的光穿透率輸入經訓練步驟後的該類神經網路，由該類神經網路搜尋出相對應鍍膜控制參數的數值，定義由該類神經網路搜尋出該等鍍膜控制參數的數值為運算值。
該驗證步驟24是比較該等運算值與該測試資料中鍍膜控制參數實際值的誤差，在本實施例中是使用平均絕對值百分比誤差，並設定該差距必須不大於3%，若是大於3%則再調整該類神經網路的建模，重新進行該訓練步驟22、求解步驟23、驗證步驟24，直到該驗證步驟24中的差距是不大於3%，此時表示該類神經網路已具有可靠性。
接著可進行該重要參數判斷步驟3，其中，該重要參數判斷步驟3包括一訓練次步驟32、一求解次步驟33，及一驗證次步驟34，該訓練次步驟32是將訓練資料內其中一鍍膜控制參數不輸入該類神經網路，再次藉由該類神經網路建立缺少一鍍膜控制參數與光穿透率的對應關係，而該求解次步驟33是將該測試資料中的光穿透率輸入該類神經網路，由該類神經網路搜尋出相對應缺少一鍍膜控制參數後鍍膜控制參數的數值，定義由該類神經網路搜尋出該等鍍膜控制參數的數值為次運算值，該驗證次步驟34是將該次運算值比對該測試資料中鍍膜控制參數的實際值，用於判斷缺少的鍍膜控制參數對於該求解次步驟運算的誤差。若差距大表示缺少的參數會影響到運算結果的準確性，因此不可忽略，若差距小則表示缺少的參數對運算結果的影響不大，可忽略不算。
藉由不斷重覆該重要參數判斷步驟3，藉此可以找到資料中對於運算時重要的鍍膜控制參數與不重要的鍍膜控制參數，藉此能進一步排除資料庫中不需要的參數，幫助簡化該類神經網路的運算時間。
接下來可進行該應用步驟4，利用一需求光穿透率的目標值輸入經該重要參數判斷步驟3後的類神經網路，並依該類神經網路由求解步驟23搜尋出各重要的鍍膜控制參數的運算值，再用該運算值去進行實際鍍膜的製程，由此可減少試鍍的時間、次數，加快生產的速度。
本發明將就以下圖表作進一步說明，但應瞭解的是，該實施例僅為說明之用，而不應被解釋為本發明實施之限制。
在本實施例中，使用鍍膜控制參數群組的具有以下鍍膜控制參數：石英片參數、產品類別、基板片數、轉速、基板位置、氧化鉻膜厚度，及光穿透率。
分別將上述資料建立該資料庫，並將該資料庫中的資料隨機選取出該等訓練資料，並經該訓練步驟22分別輸入該類神經網路，再由求解步驟23輸入該測試資料並得到該運算值，最後由該驗證步驟24比較該運算值與測試資料實際值後比對的平均絕對誤差(mean-absolute error,MAE)與平均絶對值百分比誤差(mean absolute percentage error,MAPE)，在本實施例中，上述步驟共進行四次，取得較為平均的平均絕對誤差與平均絶對值百分比誤差，誤差的結果如表2所示，在平均絶對值百分比誤差是大約在2%，符合需求。

之後再由重要參數判斷步驟3，逐次少輸入其中一鍍膜控制參數參數，重新訓練、求解，驗證，在表3是少輸入機台轉速此一鍍膜控制參數的驗證結果，由表3由可看出誤差均上升，表示機台轉速對於光穿透率是重要的鍍膜參數，而在表4中是少輸入石英片參數的驗證結果，對於誤差的影響較小，因此表示石英片參數在製造上對於光穿透率的影響不大。由此進行多次比對重要參數步驟3後，可知道在機台轉速、氧化鉻膜厚度、三氣化二鉻膜厚度對於製造上是不可獲缺的參數。
接下來可進行該應用步驟4，利用一需求光穿透率的目標值輸入經由該比對重要參數步驟3後的類神經網路，並依該類神經網路由求解步驟23搜尋出各重要參數的運算值，再用該等運算值去進行實際鍍膜，由此可減少試鍍的時間、次數，加快生產的速度。

綜上所述，本發明獲得薄膜光穿透率製程參數方法，藉由訓練該類神經網路的建立鍍膜控制參數與光穿透率的關係後，能夠快速地將光穿透率的目標值經由類神經網路搜尋出對應的鍍膜控制參數，減少依賴操作人員的經驗、及試鍍的次數，進而能加速生產的速度，與縮短產品的週期，故確實能達成本發明之目的。
惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。
21．．．資料庫建立步驟
22．．．訓練步驟
23．．．求解步驟
24．．．驗證步驟
3．．．重要參數判斷步驟
32．．．訓練次步驟
33．．．求解次步驟
34．．．驗證次步驟
4．．．應用步驟
圖1是一流程圖，說明本發明獲得薄膜光穿透率製程參數方法的較佳實施例。
21．．．資料庫建立步驟
22．．．訓練步驟
23．．．求解步驟
24．．．驗證步驟
3．．．重要參數判斷步驟
32．．．訓練次步驟
33．．．求解次步驟
34．．．驗證次步驟
4．．．應用步驟

权利要求:
Claims (5)
[1] 一種獲得薄膜光穿透率製程參數方法，包含：一資料庫建立步驟，將多筆鍍膜控制參數群組與多筆相對應該等鍍膜控制參數群組之光穿透率的資料建立一資料庫，該等鍍膜控制參數群組分別具有多數鍍膜控制參數，並將該資料庫的資料一部分定義為訓練資料，另一部分定義為測試資料；一訓練步驟，將該訓練資料輸入一類神經網路，並藉由該類神經網路建立每一鍍膜控制參數與光穿透率的對應關係；一求解步驟，將該測試資料中的光穿透率輸入經訓練步驟後的該類神經網路，由該類神經網路搜尋出相對應鍍膜控制參數的數值，定義由該類神經網路搜尋出該等鍍膜控制參數的數值為運算值；及一驗證步驟，比較該等運算值與該測試資料中鍍膜控制參數實際值的誤差。
[2] 根據申請專利範圍第1項所述之獲得薄膜光穿透率製程參數方法，還包含至少一重要參數判斷步驟，其中，該重要參數判斷步驟包括一訓練次步驟、一求解次步驟，及一驗證次步驟，而該訓練次步驟是將訓練資料內其中一鍍膜控制參數不輸入該類神經網路，再次藉由該類神經網路建立缺少一鍍膜控制參數與光穿透率的對應關係，而該求解次步驟是將該測試資料中的光穿透率輸入該類神經網路，由該類神經網路搜尋出相對應缺少一鍍膜控制參數的數值，定義由該類神經網路搜尋出該等鍍膜控制參數的數值為次運算值，而該驗證次步驟是將該次運算值比對該測試資料中鍍膜控制參數實際值，用於判斷缺少的鍍膜控制參數對於該求解次步驟運算的誤差，若差距大表示缺少的鍍膜控制參數會影響到運算結果的準確性，是重要的鍍膜控制參數，若差距小則表示缺少的鍍膜控制參數對運算結果的影響不大，可忽略不算。
[3] 根據申請專利範圍第1或2項所述之獲得薄膜光穿透率製程參數方法，其中，所述鍍膜控制參數是選自下列任二項或任二項以上之組合，石英片參數、機台轉速、基板位置、氧化鉻膜厚度、三氣化二鉻膜厚度、鍍膜速度、鍍膜氣壓、鍍膜溫度。
[4] 根據申請專利範圍第1項所述之獲得薄膜光穿透率製程參數方法，其中，該驗證步驟中比對運算值與測試資料中參數實際值的平均絕對值百分比誤差需不大於3%。
[5] 根據申請專利範圍第2項所述之獲得薄膜光穿透率製程參數方法，還包含一應用步驟，利用一需求光穿透率的目標值輸入經該重要參數判斷步驟後的該類神經網路，並依類神經網路求解搜尋出各鍍膜控制參數的運算值去實際鍍膜。

类似技术:

---

公开号 | 公开日 | 专利标题

---

CN105468907B|2018-05-11|一种加速退化数据有效性检验及模型选择方法

---

TWI438590B|2014-05-21|Method for obtaining film light transmittance process parameters

---

JP2016224947A|2016-12-28|サンプリングレート決定機構付きの測定サンプル抽出方法及びそのコンピュータプログラム製品

---

TW200523701A|2005-07-16|System and method for using first-principles simulation to control a semiconductor manufacturing process

---

KR102003961B1|2019-07-25|수율 손실의 근원 파악 시스템 및 방법

---

CN105868164B|2019-01-01|一种基于有监督的线性动态系统模型的软测量建模方法

---

CN105424190A|2016-03-23|产品外观的灰度检测方法

---

CN108415393A|2018-08-17|一种砷化镓产品质量一致性控制方法及系统

---

CN107340758B|2019-04-26|一种面向多工序制造过程的工艺可靠性评估及控制方法

---

Tripicchio et al.2020|Welding defect detection: coping with artifacts in the production line

---

JP2004227184A|2004-08-12|品質データ管理方法およびその装置

---

CN108399284A|2018-08-14|一种基于偏差约减的大数据交易模型分析与修复方法

---

CN111931340A|2020-11-13|一种公差管理系统及管理方法

---

Zhang et al.2015|Composite error prediction of multistage machining processes based on error transfer mechanism

---

CN110378035A|2019-10-25|一种基于深度学习的加氢裂化软测量建模方法

---

Liu et al.2013|Mission reliability modeling of manufacturing processes and system

---

CN109543267A|2019-03-29|基于图像处理的工艺品表面喷涂仿真与优化方法

---

CN104777610B|2017-03-15|一种利用分小组方式查找红外截止膜制作偏差原因的方法

---

Larionov et al.2018|Development of a Computer Program to Predict the Expected Parameters of the Accuracy of the Future Product Manufactured by Rapid Prototyping Technology

---

Yu et al.2014|Offline prediction of process windows for robust injection molding

---

CN106096082A|2016-11-09|一种基于数据分块及并行处理的碰撞检测方法

---

TWI734059B|2021-07-21|動態預測模型建立方法、電子裝置及使用者介面

---

TWI736999B|2021-08-21|資料分析裝置、資料分析方法以及與其相關的品質提升系統

---

US20210142198A1|2021-05-13|System For Detecting Data Drift In Machine-Learning Process Monitoring

---

CN107391847B|2021-01-19|一种基于测量的虚拟配模方法

同族专利:

---

公开号 | 公开日

---

TWI438590B|2014-05-21|

---

US20130085972A1|2013-04-04|

引用文献:

---

公开号 | 申请日 | 公开日 | 申请人 | 专利标题

---

CN103324085A|2013-06-09|2013-09-25|中国科学院自动化研究所|基于监督式强化学习的最优控制方法|

---

AU2013388966B2|2013-05-07|2017-06-01|Halliburton Energy Services, Inc.|Optical sensor optimization and system implementation with simplified layer structure|

---

CN106447029B|2016-09-05|2018-09-28|郑州航空工业管理学院|基于bp神经网络的防眩玻璃化学侵蚀工艺参数优化方法|

法律状态:

优先权:

---

申请号 | 申请日 | 专利标题

---

TW100130315A|TWI438590B|2011-08-24|2011-08-24|Method for obtaining film light transmittance process parameters|TW100130315A| TWI438590B|2011-08-24|2011-08-24|Method for obtaining film light transmittance process parameters|

---

US13/687,192| US20130085972A1|2011-05-24|2012-11-28|Method for acquiring process parameters for a film with a target transmittance|