JP2008529067A - 自動欠陥修復システム - Google Patents

Abstract

フラットパネルディスプレイ（ＦＰＤ）に対する修復システムは、自動画像キャプチャおよび処理、自動欠陥分類、自動修復分類、ならびに修復マクロ（指示）生成ソフトウェアのような多数の動作を実施する。欠陥分類、修復分類、および修復マクロ生成は、オープンアーキテクチャに基づいており、多段分類器の利用を通していずれの利用ケースにおいても解決でき、それ故に、パネル設計の広い多様性が、単一修復ツール内で修復されてもよい。例えば、欠陥分類器、修復分類器である分類器の多段組は、カスタマイズのための能力とともに効率的な意思決定修復処理を可能とする。多段分類器は、欠陥および関連するツールのサポートデータベースに関連して、統計学習（オンラインおよびバッチ処理の両方）および能動的学習を援助することに任意に拡大される。分類器および手法ルールは、欠陥判断または修復ニーズと同時にオペレータによって学習される訓練を組み込むことで、時間が経つごとに自動的または半自動的に改良されてもよい。
【選択図】図７

Description

本出願は、「自動欠陥修復装置」と名付けられる出願番号２００５年１月２１日に出願の第６０／６４６，１１１号から、特許法１１９（ｅ）によって優先権を主張し、その内容は全てを参照することにより本願に組み込まれる。

本発明は、例えば液晶ディスプレイ（ＬＣＤ）および有機発光デバイス（ＯＬＥＤ）のような他の関連するディスプレイ技術に基づくフラットパネルディスプレイに関し、さらには、特にそのようなディスプレイ上に形成された部品の検査に関する。

ＬＣディスプレイの製造の間、薄いガラスの大きく透明なプレートは、薄膜トランジスタ（ＴＦＴ）アレイの堆積のために基板として利用される。たいてい、いくつかの独立したＴＦＴアレイは、内部に一のガラス基板を含み、しばしばＴＦＴパネルと呼ばれている。あるいは、アクティブマトリックス型ＬＣＤまたはＡＭＬＣＤは、全てのサブピクセルにおいてトランジスタまたはダイオードを利用しているディスプレイの類を含み、それ故に、ＴＦＴデバイスを含み、そのようなガラス基板もＡＭＬＣＤパネルと呼んでもよい。フラットパネルディスプレイも、いずれのＯＬＥＤ技術を利用して組み立てられてもよく、通常ガラス上に組み立てられるが、プラスチック基板上に組み立てられてもよい。

ＴＦＴパターン堆積は、各ステージの多数のステージで実行され、特別な物質（例えば、金属、インジウムスズ酸化物（ＩＴＯ）、結晶シリコン、アモルファスシリコン）は、予め定められたパターンに適応するように以前の層（またはガラス）の最上部に堆積させられる。それぞれのステージは、通常、例えば成長、マスキング、エッチング、ストリッピングのような複数のステージを含む。

これらのステージのそれぞれ、およびそれぞれのステージ内のさまざまな段階の間、多数の製品欠陥が起る可能性があり、最終的なＬＣＤ製品の電気的および／または光学性能に影響を与える可能性がある。そのような欠陥は、図１に見られるように、ＩＴＯ１１２内への金属突起１１０、金属１１６内へのＩＴＯ突起１１４、いわゆるねずみ噛み１１８、開回路１２０、トランジスタ１２４内のショート１２２、および異物１２６を含むが、これに限定されるものではない。他の欠陥はマスク問題、オーバーおよびアンダーエッチングなどを含む。

ＴＦＴ堆積プロセスはしっかりと制御されるにもかかわらず、欠陥発生は防ぎきれない。これは、製品歩留まりを限定し、製品コストに悪い効果をもたらす。一般的に、ＴＦＴアレイは、一または複数の自動光学的検査システムを利用して、重大な堆積ステージの次および光電気検査機械によって検査され、アレイテスタまたはアレイチェッカ（ＡＣ）と言われるものも、最終的なＴＦＴアレイをテストする。一般に、ＡＯＩおよびＡＣシステムは欠陥座標を提供するが、それらは、キラー、修復可能またはＴＦＴアレイパフォーマンスに影響しないただの欠陥（いわゆるプロセス欠陥）として欠陥を分類するにように要求される高解像度画像を提供することができない。欠陥座標情報は、ＴＦＴアレイ修復ツール、アレイセーバ（ＡＳ）といわれるものにも渡され、上記の分類は、通常、ＴＦＴアレイ修復機械オペレータによって手動で実行される。

プレートごとの平均的な欠陥の数は、ＴＦＴアレイ製造者ごとに、また、製造工場ごとに変わる可能性もある。通常、欠陥再確認およびＴＦＴアレイ組み立てライン内の修復能力は、第７世代プレート毎に３００から４００の欠陥を処理する大きさを有する。通常、プレート毎の欠陥の５から１０％は修復が必要と推測される。

ＴＦＴアレイの特徴は、通常とても小さい（サブピクセルサイズは、第７世代プレートから製造された４０インチの大きさのＬＣＤテレビにおいて、８０×２４０μｍから２１６×６４８μｍまでの大きさであってよい）ので、アレイ修復ツールは、欠陥が修復可能かどうかを決定する欠陥再確認を実施するマイクロスコープを含む。マイクロスコープ視野は、プレートサイズ（通常２．１×２．４ｍ）に対して、小さい（１００×１００μｍから２×２ｍｍに及ぶ）。マイクロスコープは、一の欠陥から他にまで送ることができるように、精密ＸＹステージに含まれている。欠陥座標は、ＡＯＩおよびＡＣ検査システムによって早期に実施される検査から知ることができる。ガラスプレートは、欠陥再確認および修復の間、真空チャックを利用するＸＹステージ下で固定されたままになる。再確認の後、修復可能な欠陥は、通常、レーザトリミング、レーザ溶接、または化学蒸着（ＣＶＤ）技術を通常利用するオープンライン欠陥ブリッジングを利用して処理される。

上記一連の一般事象は、全てのアレイ修復ツールの典型例である。しかしながら、欠陥の数、タイプ、位置、大きさ／程度はパネルからパネルまでよく変化するので、判断を下す手段は、欠陥画像のキャプチャの次のツールステップのほぼ全てにおいて要求され、例えば、画像が妨害よりもむしろ真の欠陥であるかどうか、どのような種類の欠陥が発見されたか、個々の欠陥に修復が必要か否か、どのような修復の種類が必要か、どのような修復パラメータが必要か、どれが修復される次の欠陥であるか、その他であってもよい。多数の修復ツールは、人間オペレータ判断ならびに特定、分類、およびそのような欠陥をその後修復するための介入とツール動作を結合する。

図２および図３は、クロスセクションにおける欠陥修復の二つの例を示す。金属突起欠陥１１０を、図２Ａ（平面図図１を参照）に示す。この例において、欠陥１１０を特定および分類した後に、修復手法が生成され、次に図２Ｂに示されたように、突起の除去が実施される。図３Ａから図３Ｅは、金属線３２および３４の間のオープンパスを修復するために実施される修復ステップを示す（図１における欠陥１２０）。本例において、レーザ３６は保護層３８を貫いて破る（"ザップ"）こと、および金属線に切り込むことに利用される。その後、物質成長手法（この場合、化学蒸着ガスおよびレーザエネルギー源の移動）が、金属線３２および３４上にコンタクト電極４２および４４を生成することに導入される。その後、金属線４６は、二つの金属線３２および３４を接続するために形成される。互いの例において、ツールの修復機能は、欠陥または修復される欠陥範囲の突起に正確に位置していなければならず、修復処理は、特別な欠陥タイプにより特定されなければならない。全てのパネル組立て処理は同一でないため、電力に対するパラメータ、スポットサイズ、ガス流量または他の物質堆積パラメータその他は、パネル毎、またはパネル製品基準に調整される必要がある場合がある。

図４に示したように、欠陥画像が撮影されると４０２、オペレータは画像を再確認し４０３、潜在的欠陥を妨害および、図１に示したようにオープン、ショート、およびその他のような欠陥分類に分類し、修復が必要か否かを決定する４０４。修復が必要で無い場合、オペレータは、次の欠陥へ移動することをツールに指示し４０５、画像をキャプチャするための処理および欠陥分類が繰り返される。オペレータが修復を必要と決定した場合、次に、彼または彼女が、必要な修復の種類（例えば、切断または仮定接続）を決定し、切断または接続のためのスタート位置および終了位置の決定を含む、基本修復機能（レーザカットのような）パラメータを設定する４０６。次に、オペレータは修復を実施することを機械に指示する４０８。次に、ツールは、欠陥を修復し４１０、次に、次の欠陥へと進み４１２、処理を繰り返す。

オペレータは、以前の手法と同じ修復に必要なパラメータおよびシーケンス指示（または手法）を決定し、新しい手法を生成するよりもむしろ蓄積された手法を利用するための選択をしてもよい。時々、単一プレートは、大多数および異なる種類の欠陥を有し、オペレータは、修復が実施における命令の優先順位を決める。例えば、オペレータは、特定の第１タイプの第１修復欠陥に選択しても良く、その後に第２タイプの欠陥、その他が続く。または、オペレータは、空間的なシーケンス（例えば、右から左、パネルの前部から後部）において欠陥を修復することを選択しても良い。

人間の判断は、現在のところ、再確認／検出およびフラットパネルの修復のほぼ全てのステップで適用されてもよい。パネル製作者は、最小コストおよび最小時間の両方をたいてい模索しており、修復ツール動作の自動化は、人気があるかもしれない。しかしながら、上述したように、自動化されたツールは、少なくとも人間と同様に速く等しいまたはより良く一致する判断結果を提供しなければならない。パネル欠陥の再確認および修復は、自動ツールの開発に考慮されるべきいくつかの難問を提案している。第１に、光学的手法に通常依る、検出は、その品質がコントラスト、明るさ、色、および他の類似するパラメータにおいて、パネルの中で、または一連のパネルを超えて、変化しても良い画像を作り出す。そのような変化量は、潜在的欠陥画像の評価の間、オペレータによって考慮されるに至らしめられ、従って、自動評価のための手法が、考案されることも必要となる。オペレータは、潜在的画像が実際に欠陥であるか否かを決定するのとだいたい同じ瞬間に、欠陥タイプを通常見分け、また評価する。しかしながら、画像品質のばらつきが原因で、オペレータは、欠陥タイプを間違って識別するか、または一貫性無くまたはあいまいなまま捨てる可能性がある。従って、自動化されたツールは、正確におよび一貫して欠陥を捨てるという難問を解決しなければならない。さらなる困難は、工場開始時に起り、その時、利用可能な分類データは乏しいかまたは不正確かもしれない。従って、自動化ツールは、訓練例の蓄積および／またはツールによって長い間収集された統計データに基づく分類ルールの独自ライブラリを構築するための手法を提供する。最終的に、フル稼働した時点で、ＬＣＤパネル製造者は、オペレータによる全時間の注意が要求されない修復ツールを好むであろう。

１９９４年４月、「ＡＭＬＣＤの自動修復」、会報ＳＰＩＥ第２１７４巻、９８−１０６頁、先進フラットパネルディスプレイ技術、ピーターＳ．フリードマン、キユーその他と名付けられる論文において、自動修復の必要性が認められ、自動化可能な方法が分析されている。しかしながら、ＬＣＤパネル技術は、当時、比較的単純であり、Ｑｉｕその他によって提案されたアーキテクチャの中の意思決定ルールは、比較的小さなオプションの設定に基づいている。例えば、ただ２つの欠陥タイプ"オープン"または"ショート"が、４つの"オープン"のサブクラスと、３つの"ショート"のサブクラスとともに認められている。さらには、"ショート"修復機能が一つだけ考慮されているにもかかわらず、３つの"オープン"修復機能が定義されている。

上述の刊行物に続いて、ＬＣＤパネル製造は、テレビスクリーンにコンピュータラップトップスクリーンからコンピュータモニタまでの範囲へのＬＣＤパネルに関する利用ケースの増加とともに、複雑に成長している。例えば、さらなる物質タイプおよび物質の組み合わせが取り込まれており、ピクセル設計は、現在、サイズおよび形の多様性を含む。加えて、パネル製造者は、多様性あるレイヤ上の修復を望んでいる。必要性は、精度を増すように、およびオペレータに二つ以上のツールを監視することができるように、アレイ修復ツール処理ステップの自動化に対し、続いて存在している。

本発明の一の実施形態に従うと、フラットパネルディスプレイ（ＦＰＤ）基板に対する修復システムは、自動画像キャプチャおよび処理、自動欠陥分類、自動修復分類、および修復マクロ（指示）生成ソフトウェアのような、多数の動作を実施する。システムは、フレキシブル制御アーキテクチャに基づき、関連したグラフィカルユーザインターフェース（ＧＵＩ）を含む。

欠陥分類、修復分類、および修復マクロ生成は、オープンアーキテクチャに基づき、多段分類器の利用を通してあらゆる利用ケースを解決でき、それ故に、パネル設計の広い多様性が、単一修復ツール内で修復されてもよい。特に、本発明の方法は、自動修復が欠陥分類に頼る、および分類器の多層設定、例えば欠陥分類器、修復分類器、カスタマイズに対する機能とともに効果的な意思決定修復処理を可能にする認識を含む。

欠陥および構成されたツールのサポートデータベースとの関連で、本発明は、統計に基づく学習（オンラインおよびバッチ処理の両方）および能動的学習を含むルールに基づく分類を拡張するように適合される。従って、オペレータによる欠陥または修復の必要の判断と同時に学んだ教えを組み込んで、分類器および手法ルールは、時間が経つと自動的または半自動的に向上できる。それに応じて、本発明の欠陥修復システムは、ツールごとに経るオペレータの時間量を削減するように適合され、ツール動作における人間の介入に対する自由度がなければならいことも認めている。

図５は、本発明の一の典型的な実施形態に従い、ＬＣＤアレイ修復ツール５００の機能ブロック図である。典型的なアレイ修復トール５００は、一部に、パネルハンドラ５０２、サンプルＬＣＤパネル（図示しない）をツールの内部におよび外部に移動するステージ５０４、画像をキャプチャする画像光学系５０６、欠陥修復を実施する修復ハードウェア５０８、欠陥を修復することに利用されるハードウェアを制御するように適合されるツールコントローラ５１０、欠陥画像を処理する画像処理コンピュータ５１２（ＩＰＰＣ）、および自動欠陥修復（ＡＤＲ）プロセッサ５１４として示される。人間オペレータは、グラフィカルユーザインターフェース５１６（ＧＵＩ）を通してツールを制御する。いくつかの実施形態において、ＡＤＲプロセッサ５１４は、画像処理コンピュータ５１２の一部または中に配置されてもよい。まだより別の実施形態において、ＡＤＲプロセッサ５１４は、ツール制御コンピュータ５１０の一部または、埋め込まれて配置されてもよい。さらに、ツール制御コンピュータ５１０が組込型コンピュータであってもよい。

画像光学系５０６は、画像をキャプチャする少なくとも一の拡大のマイクロスコープおよびカメラハードウェアを通常含む。修復ハードウェア５０８は、化学蒸着（ＣＶＤ）ハードウェア、固体または液体分配ハードウェア、インクジェット、または他の有向物質堆積システムのような、物質分配ハードウェアに加えて、光学に関連する一つまたはそれ以上のレーザを含んでも良い。

通常、ＡＯＩまたはＡＣツールを利用して得られる欠陥リスト５２０は、オペレータまたは工場自動制御システム（図示しない）によって自動的に修復ツール５００へ移植されることにより、アレイ修復ツール５００（代わりに、修復ツールまたはツールと言う）内に入力される。それぞれの欠陥の画像は、画像光学系５０６によって収集されるとともに、ＩＰＰＣ５１２に送られ、そこで画像情報は、ＡＯＩまたはＡＣを利用して得られた欠陥個々の情報と結合される。

図６は、本発明の一の典型的な実施形態に従い、欠陥を修復することを実施するステップ／処理のフローチャート６００である。ＡＯＩ／ＡＣを利用することで得られた欠陥リスト５２０は、ツールコントローラ５１０で配置される欠陥リストマネージャ６０２に供給される。ステージ５０４は、欠陥を再検出および修復するために次の欠陥を位置６０４へと運ぶように目的のＬＣＤパネルを移動する。次に、フォーカスが得られ、欠陥の画像がキャプチャされる６０６。ＡＤＲプロセッサ５１４は、ステップ６０６および欠陥リストマネージャによって供給された個々の欠陥ランタイム情報が修復マクロを生成する間にキャプチャされた画像を処理する（また、以下においても手法といわれる）。

目的の潜在的欠陥が修復可能と決定された場合６１０、およびさらに、確認モードがオンであると決定された場合６１２（すなわち、ツール５００が半自動モードにある）、オペレータは、修復について進行するか否かの選択を提供される６１８。オペレータは、修復について進行する選択をする場合６１８、その後、ツールコントローラ５１０は、修復手法を実行する６２６。その後、欠陥リストマネージャは、次の潜在的欠陥を再確認／修復のための位置の中に運ぶように、目的のＬＣＤパネルを移動させることをステージ５０４に起こす。全自動６１２の間に、潜在的目的欠陥が、修復可能６１０として検出された場合、その後、ツールコントローラ５１０は、修復手法６２６を実施する。その後、次の潜在的欠陥は、焦点に持ってこられる。"確認モードがオン？"と表示されている決定ボックス６１２は、"はい"または全自動が"いいえ"の場合、人間の介入（半自動）を可能にする。例えば、ツールコントローラ５１０が介入を必要とせず、特別な注意が必要な欠陥を捨てて（または除外して）全ての欠陥処理が指示されてもよい。この場合、ツールコントローラは、多数の欠陥を可能な限り自動的に処理し、その後、再確認および残りの設定をオペレータに許すために停止する。この半自動方法において実行するためにツールを設定することは、オペレータに、いくつかの修復機械を同時に監視することを可能とする。

潜在的欠陥が修復不可能と決定された場合６１０、オペレータは、潜在的欠陥を再確認する６１４。潜在的欠陥が修復を必要とするおよび真の欠陥と、オペレータが決定した場合６２０、例えば、偽陽性でない場合、オペレータは、その後、前に移動するようにツールに指示する６１８。潜在的欠陥が修復を必要しないと、オペレータが決定した場合６２０、欠陥リストマネージャが、再確認／修復のための位置に次の潜在的欠陥を持ち込むように目的のＬＣＤパネルを移動させることをステージ５０４に起こした後、オペレータが次の欠陥を選択する６１６。

図７は、ＡＤＲプロセッサ５１４の様々な機能ブロックを示す。本発明の一の実施形態に従い、ＡＤＲプロセッサの代表的な例５１４は、一部に、欠陥エクストラクタ７０２、自動欠陥分類器（ＡＤＣ）７０４、自動修復分類器７０６、および自動修復マクロ生成器７０８を含むように示される。

図７に見られるように、欠陥エクストラクタ７０２は、欠陥特性リスト７４０を生成するための欠陥リストマネージャ６０２によって管理されたＡＯＩ／ＡＣ欠陥リスト５２０とともに、キャプチャ画像情報７２０を受信し、結合し、その後ＡＤＣ７０４、修復分類器７０６、および修復マクロ生成器７０８に送られる。ＡＤＣ７０４は、確立された領域情報および分類ルールに従い、欠陥特性リスト７４０を利用する欠陥を分類するように適合される。欠陥特性リスト７４０および生成され分類された欠陥の提供により、修復分類器７０６は個々の欠陥分類に関する修復分類ルールを検索および選択し、修復生成器に対する手法を生成する。欠陥特性リストおよび生成された修復手法を利用することにより、修復マクロ生成器７０８は、一連のマクロテンプレートに従って修復マクロを生成する。従って、欠陥位置および画像情報により、ＡＤＲプロセッサは、欠陥分類ルール、修復分類ルール、および自動的に修復を実施するための修復ツールの組み合わせに対する一連のマクロテンプレートに基づいて、実施可能なマクロを生成する。

図５から図７を並行して参照すると、ＡＤＲプロセッサ５１４は、それが生成する修復マクロをツールコントローラ５１０へ送る。ＩＰＰＣがＡＤＲプロセッサ５１４およびツールコントローラ５１０の同期したままとするのを確実にするために、図５の典型的な実施形態において、ＡＤＲプロセッサ５１４は、"済"フラッグを生成する。

一の実施形態（図示しない）において、処理（図示しない）におけるいかなるポイントにおいても、ＡＤＲプロセッサは、支援のためにオペレータに注意を与えてよい。例えば、個々の欠陥に対する欠陥特性リストが関連する分類ルールを有していない場合、オペレータは、介入することを必要としてもよい。オペレータは、新たな分類ルールを生成する、または次の欠陥に進むことを選択することができる。関連する修復分類ルールが分類された欠陥に対して発見できなかった場合、オペレータは、介入することを必要としてもよい。再度、オペレータは新たな修復ルールを生成する、または次の欠陥に進むことを選択することができる。

上述したように、本発明の一面に従い、欠陥位置および画像情報により、ＡＤＲプロセッサは、欠陥分類ルール、修復分類ルール（代わりにここでは修復ルールと言う）、および自動的に修復を実施するためのツールの組み合わせに対する一連のマクロテンプレートに基づいて実行可能なマクロを生成できる。さらには、本発明は、２段分類器を提供するような、修復分類が後に続く欠陥分類を利用する。分類器の付加的段階が確立されてもよい。多段分類器の利用は、付加的利用ケースへの展開に対する、および適応学習に対するオープンおよびフレキシブルなアーキテクチャを設定する。多段分類器は、自動化に必要な効率的な意思決定プロセスを実現する。それによって、一連の潜在的な欠陥を欠陥タイプの修復ルールと関係するタイプごとに廃棄された欠陥にまで減らし、その後、実行するツールへのマクロ命令を生成する。本発明のＡＤＲプロセッサの様々なブロックは以下に全てを述べる。

欠陥検出および抽出

ＡＤＲプロセッサ５１４は、ツールの光学画像によって得られた画像データおよび選択されたＡＯＩ／ＡＣ情報５２０から欠陥特性リストを生成するように適合される。図８および９は、欠陥分類器ＡＤＣ７０４、修復分類器７０６および修復マクロ生成器７０８に届けられた欠陥特性リストを生成することを要求された、欠陥抽出、すなわち前処理、違い計算、ロバスト閾値化、調整、およびポスト処理のステップを示す。

欠陥検出に対する良く知られる方法は、欠陥の疑いがあるピクセルとその近隣とを、複数のセル調整済画像を比較することよるか、同一画像の中のセルを比較することによって、比較する。アルゴリズム的に、比較は、複数の画像またはサブ画像を垂直か水平に"移動するおよび減算する"ことにより成し遂げられる。図８は、２つのケースを示し、（ｉ）複数のセル調整済画像（トリプレット）８０２は、収集され、処理され、（ｉｉ）同一画像８０４のセルは、比較される（単一画像）。フラットパネル構造は繰り返しなので、単一画像がある少なくとも３つのセルを有する場合、それぞれの方向で一のセルを移動することにより、欠陥エクストラクタによって処理されることができる。三つのセルが無い場合、その後、１つ（または整数Ｎ）離れてあるセルを得る左および右の画像とともに、３つの画像が取り込まれること（トリプレット）を必要とする。検出するために３つ以上の画像を利用することもできる。しかしながら、３は擬似欠陥を取り除くこと、およびどちらのセルが欠陥品であるかを決定する調整に利用するのに最低必要であってもよい。

図８に示されるように、単一画像ケース８０４に対して、欠陥画像は、左８０８および右８１０に移動させられ、およびその後、原型からの違いが計算される（違いＬ、違いＲ、および違いＣ）８１２。画像または画像トリプレットは、アルゴリズムのスムージングおよび／または、信号を強化する他の手法によって最初に予備的処理される。トリプレットケース８０２に対して、それぞれの画像は、３つの異なる時間における３つの異なるスポットから取り込まれるため、それらは３つの異なる状態を有していても良い。異なる画像状態は、色において違いを生じさせるかもしれない。従って、トリプレットケースに対し、色の違いは、欠陥に対する違い計算において間違った結果を生じるかもしれないため、それ故に、違いを計算する前に色補正を実施する必要があるかもしれない。

欠陥検出について大切な態様は、擬似（妨害）欠陥の少ないまたは無い検出をする上に、実際の欠陥を自動的に検出することができる点にある。いかなる実際のシステムにおいても、絶対的に完全な欠陥検出を有し、擬似欠陥を有しないことは不可能である。本システムは、任意の数の画像を比較することを許容することにより、擬似欠陥を最小にしている。さらに擬似欠陥を減らすために、異なる画像は、その後、ロバスト統計方法を利用して閾値化され８１４、その後調整され８１６、それにより、２つの隣接する異なる画像において発見された欠陥だけが真の欠陥と考えられる。

調整された二値化画像８１６は、処理ブロック８２０に届けられる。図９は、本発明のひとつの実施形態に従い、処理ブロック８２０によって実施された様々な機能を示す。隣接する潜在的欠陥は、一緒に（"閉じる"）結合され８２２、およびその後、個々のサイズよりも小さい欠陥は、取り除かれる８２４。結果は、処理済二値欠陥画像８２６である。最終的に、二値欠陥画像の中でそれぞれの欠陥に対する欠陥特性は、抽出され８２８、欠陥特性リスト８３０をもたらす。欠陥特性リストの例を以下に示す。それは、例えば、色情報を含む、欠陥関連情報を含む。

図１０は、欠陥に対して位置（または範囲または領域）情報を要求する自動欠陥分類器７０４の様々な機能ブロックを示す。欠陥リスト５２０（図６）は、電気テスト（Ｐｈｏｔｏｎ Ｄｙｎａｍｉｃ'ｓ^ＴＭ Ａｒｒａｙ Ｃｈｅｃｋｅｒのような）、またはＡＯＩ（自動光学検査）機械からのデータを含む。そのような欠陥データは、欠陥サイズおよび欠陥の概算の位置を通常含むが、疑わしい欠陥ピクセルのＬＣＤパネルにおける列および段のみを含んでも良い。ＡＯＩまたはＡＣによって提供される欠陥ピクセルの正確な位置は、１または２ピクセル離れていてもよい。しかしながら、疑わしいピクセルに囲まれているピクセルの近隣を越える精密な、ロバスト欠陥の検出は、正確な欠陥検出、分類および修復にとって必須である。

本発明に従い、欠陥の位置は、精密に決定され、それぞれの欠陥エクストラクタ７０２、欠陥分類器７０４、修復分類器７０６および修復マクロ生成器７０８に提供される。特に、これは、次の修復定義ができるようにすることに影響を与える可能性があるので、ピクセルのどの領域（部分）に欠陥が位置しているかを知ることが大切である。例えば、欠陥がピクセルのＴＦＴ（トランジスタ）領域内に発見された場合、トランジスタが不良である可能性が高い。他の断面において下で例示されているように、その時の適した修復ルールは、"ＫｉｌｌＰｉｘｅｌ"修復であってもよい。

容易に、および精密に領域の詳細を入力することでユーザを助けるために、領域エディタのようなグラフィカルユーザインターフェースが使用されてもよい。ひとつの実施形態において、動作を設定する全体的なツールの一部として、ユーザは、ゴールドピクセルと呼ばれる画像上にポリゴン描画ツールを利用して領域の外縁を描く。この画像は、後述するマクロテンプレートエディタと同様にゾーニングに利用される。ユーザは、ＴＦＴ、ＤＡＴＡ、ＧＡＴＥ、ＩＴＯ、ＣＨＡＮＮＥＬ，ＶＩＡ，ＣＯＭＭＯＮのような予め定義された領域１００４（図１０）から選択してもよく、またはユーザは、固有のデザインおよび異なるＬＣＤピクセル配置の構造に基づいて、それら自身が固有のラベルを有する新たな領域を生成しても良い。

図１０に示すように、ＡＯＩ／ＡＣによって提供された欠陥ピクセルの領域情報１００２は、予め定義された領域１００４と結合してもよく、関心ある特別な欠陥に対して実施可能な領域対象まで予め定義された領域リストを減らすフィルタをされてもよい１００６。図７に示すように、ゴールドピクセル領域位置１００６のこの削減されたリストは、その後、欠陥分類ルール、修復分類ルール、および修復マクロテンプレートへと提供される。

自動欠陥分類器

図１０は、本発明の欠陥分類器７０４のひとつの典型的な実施形態の一つを示す。欠陥分類器７０４は、欠陥画像情報７２０、領域位置情報１００６、および欠陥特性リスト７４０を受け取り、分類に必要な欠陥特性１０１４を計算する。図７にも示すように、分類ルール１０１６を適用するために、欠陥分類器７０４は、再確認下で欠陥に対して全て適合するものを探し出す。その後、欠陥分類器７０４は、欠陥等級１０１８が特定する分類された欠陥の定義を生成し、修復分類器７０６にこの情報を渡す。

欠陥分類器７０４内で、ステップ１０１４において計算された欠陥特性リストは、それが受信する入力から展開される。計算のステップ１０１４内のひとつの働きは、減少されたゴールドピクセル領域の組み合わせを空間的に変換し、その時、得られた欠陥画像に対してそれをかぶせる。欠陥検出は実施され、欠陥は、どちらの（もしあれば）領域および欠陥が接しているかまたは近くに接しているかを決定するために領域に適合される。本発明は、そのルールを調整してもよい一連の分類器を利用するので、岬領域に対する他の評価指標は容易に追加できる。例えば、"完全に領域内にある欠陥"または、５ミクロン内の欠陥のような、領域に関連する距離を特定するルールが定義されても良い。

上述したように、欠陥分類器７０４は、欠陥特性リスト７４０および領域位置情報１００６を受け取ること、および個々の欠陥に対して特性のリスト１０１４を生成するようにそれらを結合するように適合される。そのようなリストの例を以下に示す。

欠陥分類器７０４は、さらに派生特性と言われる、新たな論理的変数を生成するように適合される。そのような派生特性の例を以下に示す。

例えば、欠陥がピクセルにおいて電気的欠陥の原因となるほどに十分大きくない欠陥を、派生特性Ｔｉｎｙは示す。派生特性は、さらに欠陥分類器によって利用されるルールを容易かつ簡単にすることができる。

分類ルールは、欠陥の配置を欠陥タイプ分類内へ導く。分類ルールの３つの例を以下に示す。

コロンの左手側は、欠陥タイプを示し、コロンの右手側は、小さな一連の特性および事前配置に基づくルールを示す。例えば、ＩＴｏＺｏｎｅが真、導き出された特性Ｄａｒｋが真でない、およびＡｒｅａ特性が１０．０のルールの要求よりも大きいので、上述の特性リストによって示される欠陥は、活性残渣ルールを満足する。換言すれば、活性残渣に対する全ての状態は真であってもよい。Ｃｈａｎｎｅｌルールの例は、導き出された特性、極小、上述した欠陥特性リストで定義された特性ＤｅｆｅｃｔＴｙｐｅ＝＝ＰｉｘｅｌおよびＣｈａｎｎｅｌ Ｚｏｎｅ＝＝０．０も含む。従って、Ｃｈａｎｎｅｌルールの状態は合っていない。これらの例は、どのように意思決定が修復分類器７０６によって実行されればよいかを示す。

欠陥分類のためのルールに基づく分類器の利用は、時間と共に、セットされた分類ルールの進歩および強化を可能にしている。例えば、工場新規事業において、おそらく、分類器に対していくつかの訓練例または統計データを利用できる。これらは、学ばれ、工場製造が熟成するように分類ルールに展開および追加される。本発明は、図７に示すように、オペレータによって考案された新規または適応する分類ルールの追加を可能にする。

自動修復分類器

図７および図１１に示すように、分類された欠陥１０１８および欠陥特性リスト７４０は、修復分類ルールの組み合わせを利用して修復手順１２０２を生成する自動修復分類器７０６に送られる。本発明に従い、第２のルールの組み合わせ、すなわち修復分類ルールは、必要な修復動作を決定することに利用される。修復分類ルールのいくつかの例を以下に示す。

コロンの左側は、修復識別子であり、右側は、欠陥分類および／または欠陥特性からの事項または上述した導き出された特性リストである。例えば、ＣｈｏｐＤａｔａ修復分類ルールは、ＧｄＳｈｏｒｔ ＆＆ Ｘｓｔｏｒ 状態が真である場合に呼び出されるとする。ＩｓｏｌａｔｅＤａｔａＣｏｍｍｏｎ修復分類ルールは、欠陥等級ＡｃｔｉｖｅＲｅｓｉｄｕｅ状態が真である場合に呼び出されるとする。

欠陥分類ルールの場合のように、修復分類ルールの組み合わせも、増やされまたは改良されてもよい。例えば、修復分類ルールに対する改良のひとつの種類は、新化すべきであり、欠陥等級精度よりもさらに重要な修復精度である。テキストベースの欠陥分類ルールは、通常欠陥の場合における修復動作を決定することに利用されるが、変則のまたは境界ケースの欠陥に対してさらに高性能な機械学習技術が利用されても良い。欠陥分類ルールおよび／または修復分類ルールは、手動または自動で更新されてよい。

自動修復マクロ生成器

ＡＯＩまたはＡＣツールによって提供されたデータおよび流れのこの位置における修復ツール自身からの欠陥画像データは、自動修復マクロ生成器７０８に提供される重要な特別な欠陥に対する一連の修復手法が考慮される。

ひとつのマクロテンプレートがそれぞれの欠陥修復に対して存在する。この関係は、性能を改善するランタイムにおいて、ファイル内またはメモリ内で一般的に維持される。以下の例において、左側は、修復分類手法であり、右側は修復マクロテンプレートファイルである。

図１２は、本発明のひとつの実施例に従い、修復マクロ生成器７０８によって実施される様々な機能ステップを示す。修復等級１２０２および修復テンプレート１２０４は、重要な欠陥に対する修復等級／手法をサポートする修復テンプレート１２０６を選択する修復テンプレートルックアップテーブルにおける入力として利用される。修復テンプレートが発見されなかった場合１２０８、ツールは、介入することをオペレータに尋ねてもよい１２０８。修復テンプレートが発見された場合１２０８、マクロ生成器における次のステップは、テンプレートタイプを決定することになる。以下の説明においては、固定および可変マクロテンプレートだけが記載されているが、マクロテンプレートのいかなる種類もサポートされる。確定テンプレートは、欠陥位置または大きさ、および他の特性から独立している。例えば、上述したＫｉｌｌＰｉｘｅｌマクロテンプレートは、確定テンプレートである。"ＣｕｔＴＦＴ０１"マクロが実行されることを要求する。"ＣｕｔＴＦＴ０１"ファイルは、以下のような行を有する。

このファイルは、欠陥位置から独立して、テンプレートによって特定された固定位置におけるレーザ切断を実施することにより、ＬＣＤピクセルのトランジスタ（ＴＦＴ）を無効にすることをツールに指示する。レーザパラメータは、第２および第３行によって定義され、コロンの右手側は、レーザ手法およびツールコントローラ５１０において保存されたファイルである。最終行は、光学マクロテンプレート種類、"可変"、レーザ切断の種類、レンズの選択（５０Ｘ拡大およびＩＲレーザ）、および切断の位置（１０１４、１８８、１０２４、１９９）を特定する。

修復結果テンプレートが、確定テンプレートの場合１２１０、その時、修復マクロが生成される１２１６。修復結果テンプレートが確定テンプレートでない場合、その時、この典型的な実施形態においては、可変テンプレート１２１２として考慮される。例えば、切断または他の修復がピクセル領域および特定された欠陥のサイズおよび位置によって定義されなければならないように、可変テンプレートは、サイズおよび位置づけのひとつとして定義される。従って、欠陥サイズおよび位置はテンプレートに提供されなければならない。図１２に示すように、選択された修復テンプレート１２０６は、特定欠陥情報が更新できるように１２１４、欠陥特性リスト５２０および付加的欠陥ランタイム情報７３０と結合される。その後、修復マクロが生成される１２１６。例えば、ＩｓｏｌａｔｅＤａｔａＣｏｍｍｏｎ修復テンプレートは、可変テンプレートであり、そのＣｕｔＤＣファイルは次のステップを有する。

この場合、欠陥の大きさおよび位置情報によって具体的に詳述されるように、ＣｕｔＤＣまたはＣｕｔＤａｔａＣｏｍｍｏｎテンプレートファイルは、データとピクセルの共有領域との間の切断を実施する。確定テンプレートケースにあるようなこのファイルにおいて、第２および第３行はマクロレーザ手法および設定ファイルを定義する。この可変ファイルにおいて、最後の２行は、可変テンプレート自身および位置情報を述べている。データラインおよび共通データが、電気的に絶縁されることを保障するために、安全性の限界は通常、切断の長さに加えられる。

ＡＤＲプロセッサにおける最終的な機能は、マクロテンプレートおよび修復指示を、実行するツールのための特定のマクロおよび手法に翻訳することである。ＬＣＤパネル修復は、マルチビームレーザシステムによって通常行われる。レーザは、形式の修復マクロと呼ばれる、単一コマンドのリストを実施する指示がなされる。

第１フィールドは、Ｌｉｎｅ、Ｂｌｏｃｋ、その他のレーザカットのタイプである。第２フィールドは、通常、レーザ手法名であるが、欠陥が自動的に修復できず、人間の介入を要求する意味の"Ｏｐｅｒａｔｏｒ"のようにオペレータに対する単一指示もできる。この欠陥が修復のために化学蒸着システムに送られることを、他方のＣＶＤは指示する。第３フィールドは、修復方法であり、この場合"ピクセル修復"である。第４フィールドは、レーザのレンズの倍率および波長である。これらの例において、ＩＲ（赤外線の）レーザが５０Ｘレンズを利用して選択されている。第５フィールドは、渦巻状のブレースに入れられる、レーザ切断の開始および終了ポイントである。上述した例を続けるため、Ｋｉｌｌ Ｐｉｘｅｌマクロが、上述したテンプレートから生成されてもよく、以下に示すように現れる。

生成された"Ｃｕｔ Ｄａｔａ Ｃｏｍｍｏｎ"マクロは次のように見えてもよい。

マクロテンプレートから構築された修復マクロは、形式上、および修復オペレータによって生成されるものとしての機能が同一である。マクロテンプレートファイルを生成するためのマクロテンプレートエディタは、グラフィカルユーザインターフェースを通して、ユーザに、マクロテンプレートを容易に生成および修復することを補助する。

図７から図１３に示したように、修復マクロが読み出され１３０２、欠陥が修復可能として検出された時点で１３０４、確認モードがオンである場合、修復マクロがオペレータ１３１０に対して表示される。マクロの切断位置または他のキーデータが満足である場合、オペレータは、実行１３１２のためのマクロを承認することができる。このポイントにおけるマクロは、選択された欠陥を修復するために要求された全ての情報、すなわち、２つの分類器、特定の空間情報、および特定の修復情報、例えば、レーザパワー、スポットサイズ等に基づく欠陥および修復情報を有する。この最終マクロは、その後、修復の実行を開始するためにツールコントローラ５１０へ返される。マクロが満足していないとみなされた場合、オペレータは、最終設定パラメータおよび修復の実行の完成と共に処理が行われる前に必要に応じて１３１４調整してもよい。

修復実行はツールコントローラ５１０によって実行される。修復倍率が確立され１３２２、アラインメント位置における画像が得られ１３２４、要求があればアラインメントが実施され１３２６、修復位置の補正が呼び出され１３２８、レーザパラメータが調整され１３３０、最後に修復がツールコントローラ５１０によって実行される。アラインメントステップは、ステージが移動していない場合には必要としなくともよい。

図１４は、欠陥インスタンスを蓄積するために設定されたデータベース記録生成器７５０も含むように示された点を除いて、図７に類似している。欠陥エクストラクタ７０２から受け取った画像ファイル名、欠陥分類器および修復分類器からの欠陥分類ルールおよび修復分類ルール、修復マクロ生成器からのデータおよび制御情報、およびオペレータによって手動で生成された分類および修復情報を含む、情報のいくつかのタイプが、データベースに蓄積されている。データベース記録生成器は、新たなまたは補正されたルールを収納する場所として作動してもよく、分類ルールの自動かまたは手動更新が起っても良い。しかしながら、ルールに基づく分類器はデータベースの要求されることがない自動化を可能にさせることは、上述したように理解される。

データベース記録生成器に蓄積された欠陥事例も、オフライン（バッチ処理モード）統計学習を生じることが可能であり、オンライン学習の役割を果たしてもよい。本発明は、分類器の混合（いくつかのウィンドウェイングおよび事例に基づく推論）を利用することによって、手書きルールがよく利用される場合の組立てにおけるツールの開始フェイズから製造フェイズおよび機械学習ルールへと、円滑な移行を可能にすることは、当業者にとって理解できる。さらには、データベースおよび分類方法は、母集団および概念傾向に関連するラジカル変化を含む、手順欠陥における変化に適応することを可能にする。他のコンポーネントは、異常検出器、ＳＰＣ警告、および積み重なった欠陥図のように、基本構造に影響を与えることなく、システムに追加されることも可能である。

図１７は、本発明の自動化された欠陥修復システムが、どのように適応学習に適応するかを示す。ステップ１７１０は、２つの分類器（欠陥分類器および修復分類器）および、予め定義された領域情報およびマクロテンプレートを更新することを可能にする。適応または能動的学習は、いくつかの形式をとってもよく、例えば、（ｉ）どの画像サンプルをデータベースに保存するか選択すること、（ｉｉ）専門家のラベルがついた訓練例の組みを展開するまたは確認するように、オペレータに延期された欠陥のリストを追加すること、または（ｉｉｉ）特に、ＡＤＣが矛盾を検出した場合に、人間の判断の整合性についてテストするために蓄積された画像をオペレータに突き合わせることをしてもよい。

図６から１４は、欠陥が判断され、一つずつ、連続的に修復されるシステムおよび方法を示す。図１５に示すように、全ての欠陥が最初に再確認され、その後全ての要求された修復が実施されることに従い、本発明も、自動的に欠陥を修復するための代わりの順序を提供する。手順は、自動再確認１５２０、自動修復１５４０、ならびに手動分類および修復１５６０に分類されることができることを、図１５は示す。

再確認処理の間、全ての欠陥が、必ずしも自動的に分類されるわけではない。特別な注意を要求するそれらは、従って、手動分類および修復機能ブロック１５６０により除去される。従って、図１５における手順は、ツール利用における階層的アプローチを示し、すなわち、自動的に処理されることができる全ての欠陥は前方１５２０へ進み、その上、それらの要求する注意は、後の１５６０における分類および修復手法を設定するオペレータに対して、取り除かれ、または捨てられる。製造開始時において、手動で処理される欠陥のパーセンテージは、自動的に修復されるものと比較すると高いかもしれない。しかしながら、分類器および修復ルールデータベースは製品熟練度とともに成長し、自動的に処理される欠陥のパーセンテージは、オペレータによって処理される必要がある欠陥のパーセンテージを支配するはずである。

さらには、成熟した製造工場であっても、オペレータ判断が最も重要であるかもしれないため、欠陥再確認ステップにおいて、図１５において示される階層的手順は、ツールにおいてオペレータによって費やされる時間を最適化することを助けるかもしれない。一度、修復される欠陥の識別が完了されると、その後、オペレータは、自動的に欠陥を修復することをツールに指示し、オペレータは他の事項に注意を払うことに自由になれる。さらには、この代わりの、次に全てを修復する、全ての欠陥を確認する手順は、例えば、一のアレイ修復ツールを、欠陥再確認に対して排他的に利用させることおよび他のツールを修復に対して排他的に利用させることを可能にする。いくつかの修復は、ＣＶＤのような専門的な機械上で完了させる必要があるかもしれない。本発明は、従って、機械の混合の場合における利用を可能としており、たとえば、修復機能が他のツールタイプまたは第１タイプの第２ツールによって実施される間、一のツールタイプによって実施される再確認機能がある。

再確認／修復ツールは、ＡＯＩまたはＡＣツールテスタによって注意が与えられた欠陥を、効果的に検出および探さねばならず、検出のこの繰り返しも、再検出として知られている。修復ツールによる再検出は欠陥分類およびさらに正確な位置情報をさらに要求する。そのような情報は、欠陥をもともと注意するＡＯＩまたはＡＣツールに便利であってもよく、欠陥分類に対するそれら自身の手法を有していてもよい。

いくつかの実施形態に従う、図１６および図６によれば、ＡＤＲプロセッサ５１４は、欠陥リストマネージャ６０２によって管理された独自のＡＯＩ／ＡＣ欠陥リストの更新に情報が提供されるように設定される。更新された情報は、欠陥リストマネージャによって蓄積され、オペレータ（または工場自動方法を通して）によって抽出され、およびＡＯＩまたはＡＣツールに提供される。この能力はツールの混合の間での連続性および学習を可能にする。

本発明の上述された実施例は、実例であるがそれに限定されない。様々な変わりおよび同等物が可能である。他の付加は、引くことまたは改善は、本願の開示の図において明確にされており、付加請求項の範囲の中に落とすことを目的としている。

周期トランジスタアレイにおける、大フラットパターン媒体の一部の平面図における複数の非周期的欠陥を示す。 修復前後の突出欠陥を有するデバイスの断面図を示す。 修復前後の開回路欠陥を有するデバイスの断面図を示す。 従来知られた、欠陥を修復するために実施されるステップのフローチャートである。 本発明の一の典型的な実施形態に従い、アレイ修復ツールの機能ブロック図である。 本発明の一の実施形態に従い、欠陥を修復するために実施されるステップのフローチャートである。 図６のフローチャートと結合された図５のアレイ修復ツールの自動欠陥修復プロセッサにおけるブロック図である。 本発明の一の典型的な実施形態に従い、様々な画像処理および欠陥エクストラクタによって実施される機能処理を示す。 本発明の一の典型的な実施形態に従い、図８の欠陥エクストラクタの処理ブロックにより実施される様々な機能を示す。 本発明の一の典型的な実施形態に従い、欠陥分類器の様々な機能ブロックを示す。 本発明の一の典型的な実施形態に従い、修復分類器の様々な機能ブロック図を示す。 本発明の一の典型的な実施形態に従い、修復マクロ生成器によって実施されるステップのフローチャートである。 本発明の一の典型的な実施形態に従い、修復の実行に関する様々なステップを示すフローチャートである。 本発明の一の典型的な実施形態に従い、データベース保存場所を含む、自動欠陥修復シーケンスのブロック図である。 本発明の一の典型的な実施形態に従い、全ての欠陥が一度再確認され、その後、修復されるそれら全てがすぐに完結される処理をしめす。 本発明の一の典型的な実施形態に従い、欠陥分類器が、欠陥リストマネージャへ更新されたＡＯＩ／ＡＣ欠陥リスト情報を戻す概略図を示す。 本発明の一の典型的な実施形態に従い、能動的学習をともなう自動欠陥修復シークエンスのブロック図である。

Claims (50)

1. 一のパネルを自動的に修復する方法であって、
   前記パネル上の複数の欠陥を検出する工程と、
   検出された欠陥のそれぞれに関連する一の欠陥特性リストを生成する工程と、
   前記欠陥の関連する特性リストに従って、さらに一連の欠陥分類ルールに従って前記検出された欠陥のそれぞれを分類する工程と、
   分類された欠陥のそれぞれに関連する一の欠陥等級を生成する工程と、
   前記欠陥の関連する欠陥等級に従い、さらに一連の修復分類ルールに従って、前記検出された欠陥のそれぞれに対して一の修復手順を生成する工程と
   を含む方法。
2. 前記欠陥が検出された一の領域を反映する情報にさらに従って、前記検出された欠陥のそれぞれを分類する工程をさらに含む請求項１に記載の方法。
3. 前記欠陥の関連する特性リストにさらに従って、検出された欠陥のそれぞれに対して一の修復手順を生成する工程をさらに含む請求項２に記載の方法。
4. 前記欠陥の関連する修復手順に従い、さらに少なくとも一のマクロテンプレートに従って、検出された欠陥のそれぞれに対して一の修復マクロを生成する工程をさらに含む請求項３に記載の方法。
5. 前記欠陥の関連する特性リストにさらに従って、前記検出された欠陥のそれぞれに関連する前記修復マクロを生成する工程をさらに含む請求項４に記載の方法。
6. 関連する前記修復マクロが前記欠陥を修復できるとみなす場合、欠陥のそれぞれに一の修復動作を実施する工程をさらに含む請求項５に記載の方法。
7. 関連する前記修復マクロが前記欠陥を修復できるとみなす場合、および一人の人間オペレータが前記修復を確認する場合、欠陥のそれぞれに一の修復動作を実施する工程をさらに含む請求項６に記載の方法。
8. 関連する前記修復マクロがその欠陥を修復できるとみなし、一人の人間オペレータが前記修復を初期確認しない場合、検査のために前記人間オペレータにそれぞれの欠陥を提示する工程をさらに含む請求項６に記載の方法。
9. その欠陥に関連する前記修復マクロが欠陥を修復できるとみなし、前記人間オペレータが一の修復を初期確認しない場合、欠陥それぞれに対して前記修復が必要かどうかを前記人間オペレータに決定できるようにする工程をさらに含む請求項８に記載の方法。
10. 前記人間オペレータによって初期確認されていない前記欠陥の一の修復を開始することを前記人間オペレータに決定できるようにする工程をさらに含む請求項９に記載の方法。
11. 前記人間オペレータによって初期確認がされていない前記欠陥の修復を放棄することを前記人間オペレータにできるようにする工程と、
    一の次の欠陥を修復するために位置合わせする工程とをさらに含む請求項９に記載の方法。
12. 前記欠陥分類ルールを更新する工程をさらに含む請求項９に記載の方法。
13. 前記修復分類ルールを更新する工程をさらに含む請求項１２に記載の方法。
14. 前記領域情報を更新する工程をさらに含む請求項１８に記載の方法。
15. 前記少なくとも一のマクロテンプレートを更新する工程をさらに含む請求項１４に記載の方法。
16. 前記人間オペレータが確認できるように、複数の欠陥タイプを更新する工程をさらに含む請求項１５に記載の方法。
17. 前記人間オペレータの判断における整合性テストをするために、欠陥の一の蓄積画像を提供する工程をさらに含む請求項２１に記載の方法。
18. パネルを修復するように適合された装置であって、
    検出された欠陥のそれぞれに関連する一の欠陥特性リストを生成するように適合される一の欠陥エクストラクタと、
    前記欠陥の関連する特性リストに従い、さらに一連の欠陥分類ルールに従って前記検出された欠陥のそれぞれを分類し、さらに分類された欠陥のそれぞれに関連する一の欠陥等級を生成するように適合される一の欠陥分類器と、
    前記欠陥の関連する欠陥等級に従い、さらに一連の修復分類ルールに従って、前記検出された欠陥のそれぞれに対する一の修復手順を生成するように適合される一の修復分類器と
    を備える装置。
19. 前記欠陥分類器はさらに、前記欠陥が検出された一の領域を反映する情報に従って、前記検出された欠陥のそれぞれを分類する請求項１８に記載の装置。
20. 前記修復分類器はさらに、前記欠陥の関連する特性リストに従って、前記検出された欠陥のそれぞれに関連する一の修復手続を生成する請求項１９に記載の装置。
21. 前記欠陥の関連する修復手順に従い、さらに少なくとも一のマクロテンプレートに従って、検出された欠陥のそれぞれに対して一の修復マクロを生成するように適合される一の修復マクロ生成器をさらに備える請求項２０に記載の装置。
22. 前記マクロ生成器はさらに、前記欠陥の関連する特性リストに従って、検出された欠陥のそれぞれに対する一の修復マクロを生成する請求項２１に記載の装置。
23. 検出された欠陥のそれぞれに関連する一の修復マクロを受け取り、前記欠陥が修復できるかどうかを決定するように適合される制御回路と、
    前記欠陥が修復できると決定された場合に、前記欠陥を修復するための一の修復ハードウェアをもたらすように適合される一のツールコントローラとをさらに備える請求項２２に記載の装置。
24. 前記制御回路はさらに、一の欠陥が修復できると決定された場合に、一人の人間オペレータが前記欠陥の修復を確認できるようにする請求項２３に記載の装置。
25. 前記制御回路はさらに、一人の人間オペレータが一の修復を初期確認しない場合、修復できると決定された一の欠陥を前記人間オペレータが再調査できるようにする請求項２３に記載の装置。
26. 前記制御回路はさらに、一の修復が修復できると決定された一の欠陥に対して必要とされているかどうか、および前記人間オペレータが前記修復を初期確認しないかどうかを前記人間オペレータが決定できるようにする請求項２３に記載の装置。
27. 前記制御回路はさらに、前記人間オペレータによって初期確認がされていない前記欠陥の一の修復を開始することを前記人間オペレータが決定できるようにする請求項２６に記載の装置。
28. 前記制御回路はさらに、前記人間オペレータによって初期確認がされていない前記欠陥の修復を前記人間オペレータが放棄できるようにする請求項２６に記載の装置。
29. 前記欠陥分類ルールを更新するように適合される一のデータベースをさらに備える請求項２６に記載の装置。
30. 前記データベースはさらに、前記修復分類ルールを更新する請求項２９に記載の装置。
31. 前記データベースはさらに、前記領域情報を更新する請求項３０に記載の装置。
32. 前記データベースはさらに、少なくとも一の前記マクロテンプレートを更新する請求項３１に記載の装置。
33. 前記データベースはさらに、前記人間オペレータが確認できるように、複数の欠陥タイプを更新する請求項３２に記載の装置。
34. 前記データベースはさらに、前記人間オペレータの判断における無矛盾性テストをするために、一の欠陥の一の蓄積画像を提供する請求項３３に記載の装置。
35. 一のパネルを自動的に修復する方法であって、
    前記パネル上の複数の欠陥を検出する工程と、
    前記検出された複数の欠陥の一の第１分類を実施する工程と、
    前記第１分類された欠陥の一の第２分類を実施する工程とを含む方法。
36. 検出された欠陥のそれぞれに対して一の結合領域データを生成するために、検出された欠陥のそれぞれに関連する一の第１領域データと一の第２所定領域データとを結合する工程と、
    前記検出された欠陥を含む一のピクセルに関連する一のフィルタされた領域データを生成するために、検出された欠陥のそれぞれに関連する前記結合された領域データをフィルタリングする工程と
    をさらに含み、
    前記フィルタされた領域データは、一の修復がなされる一の位置を定義する請求項３５に記載の方法。
37. 前記第２分類に対応する一の修復テンプレートを選択する工程をさらに含む請求項３６に記載の方法。
38. 前記修復テンプレートは一の確定テンプレートである請求項３７に記載の方法。
39. 前記修復テンプレートは一の可変テンプレートである請求項３７に記載の方法。
40. 前記修復テンプレートに対応する一の修復マクロを生成する工程と、
    前記生成された修復マクロに従って、一の修復を実施するように一の修復ツールに指示する工程とをさらに含む請求項３７に記載の方法。
41. 一のパネルを修復するように適合された一の装置であって、
    複数の欠陥を検出するように適合された一の欠陥検出器と、
    検出された欠陥のそれぞれに対して一の欠陥等級を定義するように適合された一の欠陥分類器と、
    それぞれの分類された欠陥に対して一の修復等級を定義するように適合された一の修復分類器と
    を備える装置。
42. 検出された欠陥のそれぞれに関連する一の第１領域情報および一の第２所定領域情報の一の結合によって定義された領域データをフィルタリングするとともに、それに応じて一の検出された欠陥を含むそれぞれのピクセルに関連する一のフィルタリングされた領域データを生成するように適合された一の領域フィルタを備え、
    前記フィルタリングされた領域データは、一の修復がなされる一の位置を定義する請求項４１に記載の装置。
43. 前記定義された修復等級に対応する一の修復テンプレートを選択するように適合された一のマクロ生成器をさらに備える請求項４２に記載の装置。
44. 前記修復テンプレートは、一の固定テンプレートである請求項４３に記載の装置。
45. 前記修復テンプレートは、一の可変テンプレートである請求項４３に記載の装置。
46. 前記生成された修復マクロに対応する一の修復を実施するように適合された一の修復ツールをさらに備える請求項４３に記載の装置。
47. 一の第１自動化ツールを利用して一のパネルの修復情報を収集する工程を有し、
    欠陥情報の前記収集工程は、
    検出された欠陥のそれぞれに関連する一の欠陥特性リストを生成する工程と、
    前記欠陥の関連する特性リストに従い、さらに一連の欠陥分類ルールに従って、前記複数の検出された欠陥のそれぞれを分類する工程と、
    分類された欠陥のそれぞれに関連する一の欠陥等級を生成する工程と、
    前記欠陥の関連する欠陥等級に従い、さらに一連の修復分類ルールに従って、検出された欠陥のそれぞれに対する一の修復手順を生成する工程と、
    前記第１自動化ツールによって収集された前記修復情報を利用して一の第２自動化ツール上で一の修復を実施する工程とを含む方法。
48. 一のパネルを修復するように適合された装置であって、
    前記パネル上に存在する複数の欠陥の複数の組み合わせを含む一の欠陥リストを提供するように適合された一の欠陥検出器を備え、
    一の自動欠陥修復プロセッサは、
    前記欠陥リストを利用して検出された欠陥のそれぞれに対する一の欠陥等級を定義するように適合された一の欠陥分類器と、
    前記欠陥リストを利用して分類された欠陥のそれぞれに対して一の修復クラスを定義するように適合された一の修復分類器とを有し、
    前記自動修復プロセッサは、前記欠陥検出器が前記欠陥リストを更新することができるように、前記欠陥検出器に情報を提供する装置。
49. 前記欠陥検出器は、一の自動光学検査システム内に配置される請求項４８に記載の装置。
50. 前記欠陥検出器は、一のアレイ検査器内に配置される請求項４８に記載の装置。

Images