[첨단 헬로티]
인공지능을 이용한 Display 검사 솔루션
프리미엄 핸드폰 및 고해상도 TV시장이 커지면서 OLED 패널에 대한 수요가 급속도로 증가하고 있다.
이러한 수요를 충족시킬만한 고품질의 OLED 패널 제조를 위해 가장 중요한 것은 패널에 존재하는 비정형 및 미세 불량까지 잡아내는 높은 검사 정확도다. 그러나, 비정형 불량 및 육안검사가 불가능한 수준의 미세 불량의 경우 기존 방식으로는 검출 불가능하며 이는 곧 패널의 품질 저하로 이어지게 된다.
라온피플의 AIDi(Artificial Intelligence Display Inspection)는 AI를 이용하여 빠르고 정확하게 검사할 수 있도록 설계된 인공지능 기반의 OLED Display 검사 솔루션으로, 기존 Rule Base 방식으로는 검출 불가능하거나 육안검사에 의존해야만 했던 정형화되지 않은 Mura, Dot, Bit 불량도 검사 가능하다.
라온피플에서 개발한 AIDi(Artificial Intelligence Display Inspection)의 특징과 주요 기술에 대하여 알아본다.
Laon People AIDi 소개
LaonPeople AIDi 솔루션은 다음과 같이 요약해 볼 수 있다.
첫째, AI(인공지능)을 이용하여 Mura 검사 성능 극대화
둘째, AI Trainer를 이용한 트레이닝 데이터를 적용하여 확장성 있는 Mura 검사 지원
셋째, 저조도, 고해상도 50M 카메라를 이용한 Sub-Pixel 검사
넷째, 고화소 모바일 LCD/OLED 패널 검사(Full HD, QHD)
다섯째, 검사 Process 통합으로 자동 검사 솔루션 확장 지원
여섯째, 육안 검사 대비 높은 정확도 및 Tact Time 2배 감소
일곱째, 편차 없는 품질 기준 적용으로 균일한 검사 지원
여덟째, OLED 보정을 통한 OLED 수율 향상
OLED 패널 검사의 문제점을 AIDi(AI 검사 + 고화소 50M 카메라)로 해결할 수 있다
LCD/OLED 제조 공정의 복잡도 증가 및 OLED Panel이 고해상도화됨에 따라 기존 검사 방식으로는 완벽한 검사가 불가능하다.
[문제점]
[AIDi를 통한 문제점 해결]
Laon People AIDi 주요 기능
1. AI를 이용한 학습 및 검사
AIDi는 비정형 Mura, Bit, Dot 불량을 검사하기 위하여 저조도에 강인한 50Mega 이상의 고해상도 카메라로 촬영한 이미지를 Mura Training Image Generator 및 AIDi Trainer, AIDi Calssifier에 적용하여 검사 시 사용할 Training Data를 제작한다. Training Data를 사용하여 OLED 패널 검사를 진행하여 양품/불량 판정 및 불량 종류를 구분할 수 있다.
2.육안 검사 대비 높은 Performance
50M 이상의 고해상도 카메라를 이용하여 육안으로 보이지 않는 미세 불량 이미지를 취득하여 정밀 검사를 진행한다.
Sub-Pixel Level의 미세 얼룩 이미지를 AI를 이용하여 검사하며 미세 불량을 검출한다. OLED Sub-Pixel 구조에 따라 각 Red, Green, Blue별 Pixel 값을 추출하여 검사를 진행한다.
육안 검사 대비 검사 시간 2배 이상 단축 가능하다.
Multi-GPU 및 Muti-Thread를 이용하여 빠른 검사를 통해서 짧은 Tact Time을 구현한다. 검사 편차 문제를 해결한다.
정밀한 Pixel Extraction 값을 이용하여 정확한 JND Value를 계산하여 안정된 검사를 한다.
3. Demura Process 지원
Demura Process 적용을 통한 생산 수율을 향상시킨다.
Laon People AIDi 솔루션 도입 효과
Laon People AIDi 솔루션 도입으로 검사 역량 강화를 통한 수율 증가 및 비용 최소화할 수 있다. 4가지로 정리해보면, 첫째, 안정적인 수율 관리이 가능하다. 정밀한 검사 및 짧은 검사 시간 실현으로 생산 수율이 증가되며 AI 검사를 통한 검사 수율 예측이 가능하여 안정적인 수율 관리 및 인력 관리가 가능하다.
둘째, 양산 적용 비용 최소화할 수 있다. Mura Image Generator, AIDi Trainer, 추가 Training Update, AIDi Classifier 등 기능을 활용하여 양산 적용 시간의 최소화를 통한 비용 최소화 시켜준다.
셋째, 품질 기준 표준화가 가능해진다. 정량화된 검사 Spec 적용을 통해 비정형 Mura 및 Bit, Dot 검사에 대한 작업자별 품질 편차 문제 해결, 품질 기준 표준화에 따른 품질 향상 및 제품 신뢰도가 개선된다.
넷째, 효율적인 공정 관리를 할 수 있다. 검사 결과 데이터를 이용한 불량 유형 분석을 통해 Lot별 발생하는 불량 요소에 대한 개선을 통해 효율적인 공정 관리가 가능하다.
라온피플
