KR102672801B1 - A Method for Coating a Lens in Smart Way - Google Patents
A Method for Coating a Lens in Smart Way Download PDFInfo
- Publication number
- KR102672801B1 KR102672801B1 KR1020220163255A KR20220163255A KR102672801B1 KR 102672801 B1 KR102672801 B1 KR 102672801B1 KR 1020220163255 A KR1020220163255 A KR 1020220163255A KR 20220163255 A KR20220163255 A KR 20220163255A KR 102672801 B1 KR102672801 B1 KR 102672801B1
- Authority
- KR
- South Korea
- Prior art keywords
- coating
- lens
- data
- specifications
- smart
- Prior art date
Links
- 238000000576 coating method Methods 0.000 title claims abstract description 251
- 239000011248 coating agent Substances 0.000 title claims abstract description 209
- 238000000034 method Methods 0.000 title claims description 68
- 238000013473 artificial intelligence Methods 0.000 claims description 21
- 239000000758 substrate Substances 0.000 claims description 21
- 239000011247 coating layer Substances 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 239000011261 inert gas Substances 0.000 claims description 2
- 238000010884 ion-beam technique Methods 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 238000002347 injection Methods 0.000 claims 1
- 239000007924 injection Substances 0.000 claims 1
- 230000006870 function Effects 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
- 238000007666 vacuum forming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B1/00—Optical elements characterised by the material of which they are made; Optical coatings for optical elements
- G02B1/10—Optical coatings produced by application to, or surface treatment of, optical elements
- G02B1/14—Protective coatings, e.g. hard coatings
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
- C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
- C23C14/54—Controlling or regulating the coating process
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B3/00—Simple or compound lenses
-
- G—PHYSICS
- G02—OPTICS
- G02C—SPECTACLES; SUNGLASSES OR GOGGLES INSOFAR AS THEY HAVE THE SAME FEATURES AS SPECTACLES; CONTACT LENSES
- G02C7/00—Optical parts
- G02C7/02—Lenses; Lens systems ; Methods of designing lenses
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Chemical & Material Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Health & Medical Sciences (AREA)
- Materials Engineering (AREA)
- Mechanical Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
본 발명은 렌즈의 스마트 코팅 방법에 관한 것이다. 렌즈의 스마트 코팅 방법은 렌즈 코팅 데이터베이스가 준비되는 단계; 렌즈 코팅 사양이 결정되는 단계; 결정된 코팅 사양에 기초하여 렌즈 코팅 데이터베이스로부터 코팅 데이터가 생성되는 단계; 코팅 데이터에 의하여 코팅 조건이 설정되는 단계; 및 설정된 코팅 조건에 따라 렌즈가 코팅되는 단계를 포함한다.The present invention relates to a smart coating method for lenses. The smart coating method for lenses includes the steps of preparing a lens coating database; Determining lens coating specifications; Generating coating data from a lens coating database based on the determined coating specifications; Setting coating conditions based on coating data; and coating the lens according to set coating conditions.
Description
본 발명은 렌즈의 스마트 코팅 방법에 관한 것이고, 구체적으로 렌즈의 코팅 공정 과정의 자동 제어가 가능한 렌즈의 스마트 코팅 방법에 관한 것이다.The present invention relates to a smart coating method for a lens, and specifically to a smart coating method for a lens that allows automatic control of the lens coating process.
다양한 목적으로 렌즈 코팅이 이루어질 수 있고, 렌즈 코팅에 의하여 예를 들어 반사율의 조절, 내후성 향상, 내구성의 향상 또는 이와 유사한 렌즈 특성이 강화될 수 있다. 렌즈 코팅은 다수의 순차적인 공정 단계를 통하여 진행될 수 있고, 구체적으로 예열 공정, 코팅 약품 장착 공정, 진공 형성 공정, 히터 작동 공정, 코팅 진행 공정 및 냉각 공정을 통하여 렌즈가 코팅될 수 있다. 이와 같은 렌즈가 코팅되는 과정은 경험에 기초하여 수동으로 이루어지고 이에 의하여 코팅을 위하여 일정 수준의 숙련도가 요구된다. 그러므로 렌즈 코팅을 위한 전체 공정이 자동으로 이루어질 수 있는 방법이 만들어질 필요가 있다. 렌즈의 코팅과 관련하여 특허등록번호 10-1618721은 안경 렌즈 코팅 방법 및 그 안경 렌즈에 대하여 개시한다. 또한 국제공개번호 WO 2018/108432는 렌즈를 코팅하기 위한 장비, 렌즈를 코팅하기 위한 타켓의 용도 및 렌즈를 코팅하기 위한 방법에 대하여 개시한다. 그러나 선행기술은 렌즈의 코팅을 위한 공정이 자동으로 진행될 수 있도록 하는 방법에 대하여 개시하지 않는다.Lens coating can be performed for various purposes, and lens coating can, for example, control reflectance, improve weather resistance, improve durability, or enhance similar lens characteristics. Lens coating can be carried out through a number of sequential process steps, and specifically, the lens can be coated through a preheating process, a coating chemical installation process, a vacuum forming process, a heater operation process, a coating progress process, and a cooling process. The process of coating such lenses is done manually based on experience, and thus a certain level of skill is required for coating. Therefore, there is a need to create a method in which the entire process for lens coating can be performed automatically. Regarding coating of lenses, Patent Registration No. 10-1618721 discloses a method of coating spectacle lenses and the spectacle lenses. In addition, International Publication No. WO 2018/108432 discloses equipment for coating lenses, uses of targets for coating lenses, and methods for coating lenses. However, the prior art does not disclose a method for allowing the process for coating the lens to proceed automatically.
본 발명은 선행기술의 문제점을 해결하기 위한 것으로 아래와 같은 목적을 가진다.The present invention is intended to solve the problems of the prior art and has the following purposes.
본 발명의 목적은 렌즈의 코팅을 위한 공정이 미리 결정된 코팅 데이터에 기초하여 자동으로 진행될 수 있도록 하는 렌즈의 스마트 코팅 방법을 제공하는 것이다.The purpose of the present invention is to provide a smart coating method for lenses that allows the lens coating process to proceed automatically based on predetermined coating data.
본 발명의 적절한 실시 형태에 따르면, 렌즈의 스마트 코팅 방법은 렌즈 코팅 데이터베이스가 준비되는 단계; 렌즈 코팅 사양이 결정되는 단계; 결정된 코팅 사양에 기초하여 렌즈 코팅 데이터베이스로부터 코팅 데이터가 생성되는 단계; 코팅 데이터에 의하여 코팅 조건이 설정되는 단계; 및 설정된 코팅 조건에 따라 렌즈가 코팅되는 단계를 포함한다.According to a preferred embodiment of the present invention, a method for smart coating a lens includes the steps of preparing a lens coating database; Determining lens coating specifications; Generating coating data from a lens coating database based on the determined coating specifications; Setting coating conditions based on coating data; and coating the lens according to set coating conditions.
본 발명의 다른 적절한 실시 형태에 따르면, 코팅 데이터는 코팅 단계에 따른 매개변수의 매칭이 탐색되는 과정에서 인공지능 학습 알고리즘이 적용되어 생성된다.According to another suitable embodiment of the present invention, coating data is generated by applying an artificial intelligence learning algorithm in the process of searching for matching parameters according to the coating step.
본 발명의 또 다른 적절한 실시 형태에 따르면, 코팅 데이터는 다수 개의 렌즈 코팅 조건에 기초하여 결정된다.According to another suitable embodiment of the present invention, coating data is determined based on multiple lens coating conditions.
본 발명의 또 다른 적절한 실시 형태에 따르면, 렌즈가 코팅이 되기 전 가상 코팅 공정이 진행되고, 가상 코팅 공정은 인공지능 학습 알고리즘에 기초하여 진행된다.According to another suitable embodiment of the present invention, a virtual coating process is performed before the lens is coated, and the virtual coating process is performed based on an artificial intelligence learning algorithm.
본 발명에 따른 렌즈의 스마트 코팅 방법은 렌즈를 코팅하는 공정이 자동으로 진행되어 코팅 공정의 효율성이 향상되도록 한다. 또한 본 발명에 따른 스마트 코팅 방법은 코팅 데이터에 의하여 코팅이 진행되어 다수의 렌즈에 대하여 균일한 코팅이 가능하도록 한다. 또한 본 발명에 따른 코팅 방법은 인공지능 학습 알고리즘이 적용되어 다양한 코팅 장비에서 최적의 코팅이 가능하도록 한다. 본 발명에 따른 코팅 방법은 다양한 렌즈에 적용될 수 있고 이에 의하여 본 발명은 제한되지 않는다.The smart coating method for lenses according to the present invention allows the lens coating process to proceed automatically to improve the efficiency of the coating process. In addition, the smart coating method according to the present invention progresses coating based on coating data, enabling uniform coating on multiple lenses. In addition, the coating method according to the present invention applies an artificial intelligence learning algorithm to enable optimal coating in various coating equipment. The coating method according to the present invention can be applied to various lenses and the present invention is not limited thereby.
도 1은 본 발명에 따른 렌즈의 스마트 코팅 방법의 실시 예를 도시한 것이다.
도 2는 본 발명에 따른 코팅 방법의 적용을 위한 코팅 데이터의 생성 과정의 실시 예를 도시한 것이다.
도 3은 인공지능 학습 알고리즘이 적용되어 본 발명에 따른 코팅 방법의 적용을 위한 코팅 데이터가 생성되는 과정의 실시 예를 도시한 것이다.
도 4는 본 발명에 따른 코팅 방법에 의하여 코팅이 되는 과정의 실시 예를 도시한 것이다.Figure 1 shows an embodiment of a smart coating method for a lens according to the present invention.
Figure 2 shows an example of a process for generating coating data for application of the coating method according to the present invention.
Figure 3 shows an example of a process in which an artificial intelligence learning algorithm is applied to generate coating data for application of the coating method according to the present invention.
Figure 4 shows an example of a coating process using the coating method according to the present invention.
아래에서 본 발명은 첨부된 도면에 제시된 실시 예를 참조하여 상세하게 설명이 되지만 실시 예는 본 발명의 명확한 이해를 위한 것으로 본 발명은 이에 제한되지 않는다. 아래의 설명에서 서로 다른 도면에서 동일한 도면 부호를 가지는 구성요소는 유사한 기능을 가지므로 발명의 이해를 위하여 필요하지 않는다면 반복하여 설명이 되지 않으며 공지의 구성요소는 간략하게 설명이 되거나 생략이 되지만 본 발명의 실시 예에서 제외되는 것으로 이해되지 않아야 한다.Below, the present invention will be described in detail with reference to the embodiments shown in the attached drawings, but the examples are for a clear understanding of the present invention and the present invention is not limited thereto. In the description below, components having the same reference numerals in different drawings have similar functions, so unless necessary for understanding the invention, the description will not be repeated, and well-known components will be briefly described or omitted, but the present invention It should not be understood as being excluded from the embodiments.
도 1은 본 발명에 따른 렌즈의 스마트 코팅 방법의 실시 예를 도시한 것이다.Figure 1 shows an embodiment of a smart coating method for a lens according to the present invention.
도 1을 참조하면, 렌즈의 스마트 코팅 방법은 렌즈 코팅 데이터베이스가 준비되는 단계(P11); 렌즈 코팅 사양이 결정되는 단계(P12); 탐색된 코팅 사양에 기초하여 렌즈 코팅 데이터베이스로부터 코팅 데이터가 생성되는 단계(P13); 코팅 데이터에 의하여 코팅 조건이 설정되는 단계(P14); 및 설정된 코팅 조건에 따라 렌즈가 코팅되는 단계(P15)를 포함한다.Referring to Figure 1, the smart coating method for a lens includes preparing a lens coating database (P11); Step where lens coating specifications are determined (P12); A step (P13) in which coating data is generated from the lens coating database based on the searched coating specifications; Step of setting coating conditions according to coating data (P14); and a step (P15) in which the lens is coated according to set coating conditions.
렌즈 코팅 데이터베이스는 렌즈 코팅과 관련된 다양한 정보를 포함할 수 있고, 예를 들어 렌즈 기재의 종류, 렌즈 기재에 따른 코팅 소재, 코팅 두께에 따른 코팅 시간, 다양한 코팅 방법에 따른 진공 조건, 코팅 설비에 대한 정보 또는 이와 유사한 렌즈 코팅과 관련된 다양한 정보를 포함할 수 있다. 렌즈 코팅 데이터베이스는 저장된 정보로부터 렌즈 코팅을 위한 조건이 만들어질 수 있는 다양한 정보를 포함할 수 있다. 이와 같은 렌즈 코팅 데이터베이스가 미리 준비될 수 있다(P11). 렌즈 코팅 사양은 렌즈 기재에 따른 코팅 소재, 코팅 층의 두께, 코팅 경도, 반사율, 굴절률 또는 이와 유사한 형성되어야 하는 코팅 층의 물리적 특성 또는 광학적 특성을 포함할 수 있고, 이와 같은 렌즈 코팅 층의 사양은 렌즈의 종류 또는 용도에 따라 미리 결정될 수 있다(P12). 렌즈 코팅 사양이 결정되면(P12), 결정된 사양에 기초하여 렌즈 코팅 데이터베이스로부터 결정된 사양에 따른 정보가 탐색될 수 있다. 렌즈 코팅 데이터베이스로부터 렌즈 코팅 사양에 따른 다양한 정보가 탐색될 수 있고, 탐색된 정보에 기초하여 적어도 하나의 코팅 데이터가 생성될 수 있다(P13). 코팅 데이터는 렌즈 코팅 사양에 따른 렌즈 코팅을 위한 다양한 렌즈 코팅 정보를 포함할 수 있고, 코팅 데이터는 코팅 사양에 따른 렌즈 코팅을 위한 공정 단계, 각각의 공정 단계에서 공정 매개변수, 코팅에 소요되는 시간 및 코팅에 의한 물리적 특성 정보를 포함할 수 있다. 동일한 코팅 사양을 위하여 하나 또는 그 이상의 코팅 데이터가 생성될 수 있고, 코팅 데이터는 코팅 공정의 진행을 위한 기준이 될 수 있다. 코팅 데이터는 아래에서 설명되는 것처럼 인공지능 학습 알고리즘에 의하여 생성될 수 있고 그에 따라 최적의 코팅 데이터가 생성될 수 있다(P13). 코팅 데이터가 생성되면 그에 기초하여 코팅 조건이 설정될 수 있다(P14). 코팅 조건은 코팅 데이터에 기초하여 자동으로 설정될 수 있고, 설정된 코팅 조건에 따라 렌즈가 코팅이 될 수 있다(P15). 이와 같이 본 발명에 따른 코팅 방법은 렌즈의 코팅 과정이 코팅 데이터에 기초하여 진행되어 코팅 공정의 자동화가 가능하도록 한다. 이에 의하여 작업 숙련도에 관계없이 품질의 균일화가 가능하도록 한다.The lens coating database may include various information related to lens coating, for example, type of lens substrate, coating material according to lens substrate, coating time according to coating thickness, vacuum conditions according to various coating methods, and coating equipment. It may contain various information related to lens coating or similar information. The lens coating database may contain a variety of information for which conditions for lens coating can be created from the stored information. Such a lens coating database can be prepared in advance (P11). Lens coating specifications may include physical or optical properties of the coating layer to be formed, such as coating material according to the lens substrate, thickness of the coating layer, coating hardness, reflectance, refractive index, or similar, and the specifications of such lens coating layer are It can be determined in advance depending on the type or purpose of the lens (P12). When the lens coating specification is determined (P12), information according to the determined specification can be searched from the lens coating database based on the determined specification. Various information according to lens coating specifications can be searched from the lens coating database, and at least one coating data can be generated based on the searched information (P13). Coating data may include various lens coating information for lens coating according to lens coating specifications, and coating data may include process steps for lens coating according to coating specifications, process parameters at each process step, and time required for coating. and physical property information by coating. One or more coating data can be generated for the same coating specification, and the coating data can be a standard for progressing the coating process. Coating data can be generated by an artificial intelligence learning algorithm, as described below, and optimal coating data can be generated accordingly (P13). Once coating data is generated, coating conditions can be set based on it (P14). Coating conditions can be automatically set based on coating data, and the lens can be coated according to the set coating conditions (P15). In this way, the coating method according to the present invention enables automation of the coating process by proceeding with the lens coating process based on coating data. This makes it possible to equalize quality regardless of work skill level.
도 2는 본 발명에 따른 코팅 방법의 적용을 위한 코팅 데이터의 생성 과정의 실시 예를 도시한 것이다.Figure 2 shows an example of a process for generating coating data for application of the coating method according to the present invention.
도 2를 참조하면, 코팅 데이터의 생성을 위하여 진행되어야 하는 코팅 단계가 설정될 수 있다(P21). 코팅 단계는 예를 들어 렌즈 기재를 코팅 지그에 배치하는 단계; 코팅 챔버를 진공으로 만드는 단계; 코팅 지그를 코팅 챔버의 내부로 유도하는 단계; 코팅 챔버의 온도를 조절하는 단계; 코팅을 위한 각각의 코팅 액의 배출 압력을 조절하는 단계; 이온 빔 기기의 작동 수준을 설정하는 단계; 또는 불활성 기체의 주입 양을 조절하는 단계와 같은 코팅 과정의 다양한 단계를 포함할 수 있다. 코팅 단계는 시간의 경과에 따라 코팅이 진행되는 일련의 과정을 포함할 수 있고, 다양한 방법으로 코팅 단계가 설정될 수 있다(P21). 코팅 단계가 설정되면 각각의 단계에서 적어도 하나의 공정 매개변수가 설정될 수 있다(P22). 공정 매개변수는 각각의 공정 단계의 진행 과정에서 조절되어야 하는 인자가 될 수 있고, 공정 단계에 따라 다양한 인자가 설정될 수 있다. 공정 매개변수의 값을 조절하여 코팅 상태가 조절될 수 있고, 공정 매개변수에 의하여 코팅의 특성이 결정될 수 있다. 코팅 단계는 일련의 연속적인 과정으로 이루어져 있고, 서로 다른 단계는 서로 연관성을 가질 수 있다. 또한 각각의 단계에서 다수 개의 공정 매개변수가 설정될 수 있다. 이와 같은 서로 다른 단계의 공정 매개변수 또는 동일 단계의 서로 다른 매개변수가 서로 관련성을 가질 수 있고, 매개변수 사이의 상관성이 분석될 필요가 있다(P23). 매개변수 사이의 상관성이 분석된 이후 각각의 공정 단계에서 적절한 매개변수 값의 매칭이 탐색될 수 있다(P24). 매개변수의 매칭은 하나의 공정 단계에서 설정된 매개변수 또는 서로 관련성을 가지는 공정 단계에서 설정된 매개변수의 값이 상관성 분석 결과에 따라 적절하게 결정되는 것을 말한다. 매개변수의 매칭에 의하여 하나의 공정 단계에서 공정 매개변수 값이 결정되면 그에 기초하여 다음 단계의 공정 매개변수의 값이 적절하게 결정될 수 있다. 또는 하나의 공정 단계에서 하나의 매개변수의 값이 결정되면 다른 매개변수 값이 그에 기초하여 결정될 수 있다. 이와 같은 매개변수의 매칭 탐색 과정에서 가상 코팅 모델이 생성될 수 있고(P25), 인공지능 학습 알고리즘이 적용될 수 있다(P26). 가상 코팅 모델은 미리 생성된 가상 렌즈 기재에 다양한 매개변수 값을 변화시키면서 가상적으로 코팅되는 모델이 될 수 있고, 이와 같은 과정에서 인공지능 학습 알고리즘이 적용될 수 있다(P26). 인공지능 학습 알고리즘은 예를 들어 딥 러닝(deep running) 모델에 해당하는 RNN(Recurrent Neutral Networks) 또는 RNN의 하나에 해당하는 LSTM(Long Term Memory Model)과 같은 학습 알고리즘이 될 수 있지만 이에 제한되지 않는다. 인공지능 학습 알고리즘의 적용을 위하여 다양한 코팅 과정에 대한 공정 데이터가 준비될 수 있고, 공정 데이터로부터 코팅 과정에서 발생되는 다양한 오류 또는 공정 결함이 학습될 수 있다. 인공지능 학습 모듈의 적용은 각각의 매개변수에 대하여 이루어지거나, 공정 과정에 영향을 미치는 매개변수에 대하여 이루어질 수 있다. 다수의 가상 코팅 모델이 생성될 수 있고(P25), 각각의 가상 코팅 모델에 대하여 인공지능 학습 모듈이 적용될 수 있다(P26). 그리고 이와 같은 과정을 통하여 매개변수 매칭이 탐색되어 설정된 각각의 매개변수 값이 결정될 수 있다. 그리고 각각의 매개변수 값이 결정되면 그에 기초하여 코팅 데이터가 생성될 수 있다(P27). 이와 같은 방법으로 생성된 코팅 데이터는 단계적으로 진행되는 코팅 단계에 대한 정보, 각각의 코팅 단계에서 설정된 매개변수에 대한 정보 및 각각의 매개변수 값에 대한 정보를 포함할 수 있다. 코팅 데이터는 이와 같은 정보를 포함하고, 이에 의하여 코팅 공정에서 요구되는 매개변수 값이 자동으로 설정될 수 있고, 이에 기초하여 코팅 공정이 자동으로 진행될 수 있다. 코팅 데이터는 다양한 방법으로 만들어질 수 있다.Referring to FIG. 2, the coating step that must be performed to generate coating data can be set (P21). The coating step may include, for example, placing the lens substrate in a coating jig; Vacuuming the coating chamber; guiding the coating jig into the interior of the coating chamber; adjusting the temperature of the coating chamber; Adjusting the discharge pressure of each coating liquid for coating; setting the operating level of the ion beam device; Alternatively, it may include various steps in the coating process, such as controlling the amount of inert gas injected. The coating step may include a series of processes in which coating progresses over time, and the coating step can be set in various ways (P21). Once the coating steps are set, at least one process parameter can be set at each step (P22). Process parameters can be factors that must be adjusted during the progress of each process step, and various factors can be set depending on the process step. The coating state can be adjusted by adjusting the values of the process parameters, and the characteristics of the coating can be determined by the process parameters. The coating step consists of a series of sequential processes, and the different steps may be related to each other. Additionally, multiple process parameters can be set at each step. Process parameters of these different stages or different parameters of the same stage may be related to each other, and the correlation between parameters needs to be analyzed (P23). After the correlation between parameters is analyzed, matching appropriate parameter values can be searched for in each process step (P24). Parameter matching refers to the fact that the values of parameters set in one process step or parameters set in process steps that are related to each other are appropriately determined according to the results of correlation analysis. Once the process parameter value is determined in one process step by parameter matching, the value of the process parameter in the next step can be appropriately determined based on it. Alternatively, once the value of one parameter is determined in one process step, the value of another parameter may be determined based on it. In this parameter matching search process, a virtual coating model can be created (P25), and an artificial intelligence learning algorithm can be applied (P26). The virtual coating model can be a model in which a pre-generated virtual lens substrate is virtually coated by changing various parameter values, and an artificial intelligence learning algorithm can be applied in this process (P26). The artificial intelligence learning algorithm may be, but is not limited to, a learning algorithm such as, for example, RNN (Recurrent Neutral Networks), which is a deep running model, or LSTM (Long Term Memory Model), which is one of RNNs. . For the application of artificial intelligence learning algorithms, process data for various coating processes can be prepared, and various errors or process defects that occur during the coating process can be learned from the process data. Application of the artificial intelligence learning module can be made to each parameter or to parameters that affect the process process. Multiple virtual coating models can be created (P25), and an artificial intelligence learning module can be applied to each virtual coating model (P26). And through this process, parameter matching can be searched and the value of each set parameter can be determined. And once each parameter value is determined, coating data can be generated based on it (P27). Coating data generated in this way may include information about the coating steps that proceed step by step, information about the parameters set at each coating step, and information about the values of each parameter. Coating data includes such information, whereby parameter values required in the coating process can be automatically set, and the coating process can proceed automatically based on this. Coating data can be generated in a variety of ways.
도 3은 인공지능 학습 알고리즘이 적용되어 본 발명에 따른 코팅 방법의 적용을 위한 코팅 데이터가 생성되는 과정의 실시 예를 도시한 것이다.Figure 3 shows an example of a process in which an artificial intelligence learning algorithm is applied to generate coating data for application of the coating method according to the present invention.
도 3을 참조하면, 각각의 공정 단계에서 매개변수의 설정을 위하여 코팅 조건 모듈(31)에 의하여 코팅 조건이 선택될 수 있고, 코팅 조건 모듈(31)은 예를 들어 렌즈 기재, 코팅 소재, 예열 온도, 진공도, 코팅 온도, 코팅 시간, 전자 빔 출력, 냉각 온도 또는 이와 유사한 코팅 인자(31a 내지 31n)를 포함한다. 코팅 조건 모듈(31)에 의하여 코팅 인자가 결정되면서 기재/코팅 사양 결정 모듈(32)에 의하여 렌즈 기재 및 코팅 사양이 결정될 수 있다. 기재/코팅 사양은 미리 결정될 수 있고, 기재/코팅 사양 모듈(32)에 저장될 수 있다. 코팅 조건 모듈(31)에 의하여 선택된 각각의 코팅 인자(31a 내지 32n)를 기초로 매개변수가 결정될 수 있고, 매개변수 상관성 탐색 모듈(33)에 의하여 매개변수 사이의 상관성이 탐색될 수 있다. 매개변수 사이의 상관성이 탐색되면 코팅 조건 매칭 모듈(34)에 의하여 코팅 조건이 매칭이 될 수 있다. 코팅 조건 매칭 모듈(34)은 코팅 조건 모듈(31)에서 선택된 코팅 인자(31a 내지 31n)의 값을 탐색된 상관성에 기초하여 결정하는 기능을 가질 수 있다. 장비 조건 모듈(36)에 장비 사양, 기능 또는 이와 유사한 코팅 장비에 대한 정보가 저장될 수 있고, 장비 조건 모듈(36)에 저장된 정보가 코팅 조건 매칭 모듈(34)로 전송될 수 있다. 코팅 조건 매칭 모듈(34)은 매개변수의 상관성 탐색 결과, 장비 조건 및 코팅 인자(31a 내지 31n)에 기초하여 각각의 공정 단계에서 매개변수 값을 결정하여 코팅 조건을 매칭 시킬 수 있다. 매개변수 상관성 탐색 모듈(33) 및 코팅 조건 매칭 모듈(34)은 인공지능 알고리즘 모듈(35)과 연결될 수 있고, 매개변수 상관성 탐색 과정 및 코팅 조건의 매칭 과정에서 인공지능 알고리즘 모듈(35)에 의하여 인공지능 학습 알고리즘이 적용될 수 있다. 이와 같은 과정을 통하여 코팅 조건 매칭 모듈(34)에 의한 매칭 정보가 코팅 데이터 생성 모듈(37)로 전송되면 코팅 데이터 생성 모듈(37)에 의하여 코팅 데이터가 생성될 수 있다. 코팅 데이터는 위에서 설명된 것과 같은 정보를 포함할 수 있고, 코팅 데이터에 의하여 코팅 공정이 자동으로 진행될 수 있다. 코팅 데이터는 다양한 방법으로 생성될 수 있고 이에 의하여 본 발명은 제한되지 않는다.Referring to FIG. 3, coating conditions can be selected by the coating condition module 31 to set parameters in each process step, and the coating condition module 31 may, for example, select the lens substrate, coating material, and preheating. Temperature, vacuum degree, coating temperature, coating time, electron beam power, cooling temperature or similar coating factors 31a to 31n. While the coating factor is determined by the coating condition module 31, the lens substrate and coating specifications may be determined by the substrate/coating specification determination module 32. Substrate/coating specifications may be predetermined and stored in substrate/coating specifications module 32. Parameters may be determined based on each coating factor (31a to 32n) selected by the coating condition module 31, and correlations between parameters may be searched by the parameter correlation search module 33. Once the correlation between parameters is discovered, the coating conditions can be matched by the coating condition matching module 34. The coating condition matching module 34 may have a function of determining the values of the coating factors 31a to 31n selected in the coating condition module 31 based on the searched correlation. Information about equipment specifications, functions, or similar coating equipment may be stored in the equipment condition module 36, and the information stored in the equipment condition module 36 may be transmitted to the coating condition matching module 34. The coating condition matching module 34 can match coating conditions by determining parameter values at each process step based on the parameter correlation search results, equipment conditions, and coating factors 31a to 31n. The parameter correlation search module 33 and the coating condition matching module 34 can be connected to the artificial intelligence algorithm module 35, and are used by the artificial intelligence algorithm module 35 in the parameter correlation search process and coating condition matching process. Artificial intelligence learning algorithms can be applied. Through this process, when matching information by the coating condition matching module 34 is transmitted to the coating data generation module 37, coating data can be generated by the coating data generation module 37. The coating data may include information as described above, and the coating process may proceed automatically based on the coating data. Coating data can be generated in a variety of ways and the present invention is not limited thereby.
도 4는 본 발명에 따른 코팅 방법에 의하여 코팅이 되는 과정의 실시 예를 도시한 것이다.Figure 4 shows an example of a coating process using the coating method according to the present invention.
도 4를 참조하면, 인공지능 학습 알고리즘에 기초하여 렌즈가 코팅이 되는 단계는 렌즈 기재가 준비되는 단계(P41); 렌즈 용도에 기초하여 코팅 기재에 대한 코팅 사양이 결정되는 단계(P42); 코팅을 위한 코팅 매개변수 또는 코팅 인자가 설정되는 단계(P43); 설정된 코팅 매개변수 또는 코팅 인자에 기초하여 코팅 기재에 대하여 가상 코팅이 되는 단계(P44); 가상 코팅의 결과에 따라 코팅 데이터가 결정되는 단계(P45); 결정된 코팅 데이터에 따라 코팅 공정 단계가 설정되는 단계(P46); 및 코팅 챔버에서 렌즈 기재에 대한 코팅이 되는 단계(P47)를 포함한다. 렌즈 기재는 유리 기재 또는 합성수지 기재가 될 수 있고, 렌즈의 용도에 따라 결정될 수 있다. 렌즈 기재가 준비되면(P41), 코팅 사양이 결정될 수 있다(P42). 코팅 사양은 렌즈의 용도에 따라 결정될 수 있고, 코팅 사양이 결정되면(P42), 코팅 조건이 결정될 수 있다(P43). 코팅 조건은 코팅을 위한 매개변수 또는 코팅 인자를 포함할 수 있고, 렌즈 코팅에 대한 다양한 정보가 저장된 코팅 데이터베이스(41)를 탐색하여 설정될 수 있다. 이와 같은 코팅을 위한 매개변수 또는 코팅 인자가 설정되면, 매개변수 값이 결정될 필요가 있다. 매개변수 값은 가상 코팅 과정을 통하여 결정될 수 있고, 위에서 설명된 것처럼 매개변수 상관성 분석 과정 또는 매개변수 매칭 과정을 포함할 수 있다. 가상 코팅 과정을 통하여 매개변수 값 또는 코팅 인자 값이 결정되면 코팅 데이터가 결정될 수 있다(P45). 이와 같은 가상 코팅 과정 또는 코팅 데이터 결정 과정에서 인공지능 학습 알고리즘(42)이 적용될 수 있다. 인공지능 학습 알고리즘(42)의 적용에 의하여 코팅 데이터가 결정되면(P45), 코팅 데이터에 포함된 정보에 기초하여 코팅 공정 단계가 설정되면서 각각의 공정 단계에서 매개변수 값이 설정될 수 있다(P46). 공정 단계의 설정 과정에서 장비 상태 탐색 모듈(43)에 의하여 탐색된 장비 정보가 참조될 수 있다. 이와 같은 방법으로 코팅 공정 단계가 설정되면(P46), 이에 기초하여 자동으로 코팅 공정이 진행될 수 있다. 코팅은 다양한 공정을 통하여 진행될 수 있고 제시된 실시 예에 제한되지 않는다.Referring to Figure 4, the step of coating a lens based on an artificial intelligence learning algorithm includes preparing a lens substrate (P41); A step in which coating specifications for the coated substrate are determined based on the lens purpose (P42); A step in which coating parameters or coating factors for coating are set (P43); A step of virtual coating on the coated substrate based on the set coating parameters or coating factors (P44); A step in which coating data is determined according to the results of virtual coating (P45); Step (P46) where the coating process step is set according to the determined coating data; and a step of coating the lens substrate in the coating chamber (P47). The lens substrate may be a glass substrate or a synthetic resin substrate, and may be determined depending on the purpose of the lens. Once the lens substrate is prepared (P41), coating specifications can be determined (P42). Coating specifications can be determined depending on the purpose of the lens, and once the coating specifications are determined (P42), coating conditions can be determined (P43). Coating conditions may include parameters or coating factors for coating, and may be set by searching the coating database 41 in which various information about lens coating is stored. Once the parameters or coating factors for such a coating are set, the parameter values need to be determined. Parameter values may be determined through a virtual coating process and may include a parameter correlation analysis process or a parameter matching process as described above. When parameter values or coating factor values are determined through the virtual coating process, coating data can be determined (P45). An artificial intelligence learning algorithm (42) may be applied in this virtual coating process or coating data determination process. When the coating data is determined by applying the artificial intelligence learning algorithm 42 (P45), the coating process step is set based on the information contained in the coating data, and parameter values can be set at each process step (P46 ). During the process step setting process, equipment information searched by the equipment status search module 43 may be referenced. When the coating process step is set in this way (P46), the coating process can proceed automatically based on this. Coating may be carried out through various processes and is not limited to the presented embodiment.
위에서 본 발명은 제시된 실시 예를 참조하여 상세하게 설명이 되었지만 이 분야에서 통상의 지식을 가진 자는 제시된 실시 예를 참조하여 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다양한 변형 및 수정 발명을 만들 수 있을 것이다. 본 발명은 이와 같은 변형 및 수정 발명에 의하여 제한되지 않으며 다만 아래에 첨부된 청구범위에 의하여 제한된다.Although the present invention has been described in detail above with reference to the presented embodiments, those skilled in the art will be able to make various variations and modifications without departing from the technical spirit of the present invention by referring to the presented embodiments. . The present invention is not limited by such variations and modifications, but is limited by the claims appended below.
31: 코팅 조건 모듈 32: 기재/코팅 사양 결정 모듈
33: 상관성 탐색 모듈 34: 코팅 조건 매칭 모듈
35: 인공지능 알고리즘 36: 장비 조건 모듈31: Coating condition module 32: Substrate/coating specification determination module
33: Correlation search module 34: Coating condition matching module
35: Artificial intelligence algorithm 36: Equipment condition module
Claims (4)
렌즈 코팅 사양이 결정되는 단계;
결정된 코팅 사양에 기초하여 렌즈 코팅 데이터베이스로부터 코팅 데이터가 생성되는 단계;
코팅 데이터에 의하여 코팅 조건이 설정되는 단계; 및
설정된 코팅 조건에 따라 렌즈가 코팅되는 단계를 포함하고,
렌즈 코팅 사양은 렌즈 기재에 따른 코팅 소재, 코팅 층의 두께, 코팅 경도, 반사율 및 굴절률을 포함하고 렌즈의 종류 또는 용도에 따라 미리 결정되고,
코팅 데이터는 코팅 단계에 따른 공정 매개변수의 매칭이 탐색되는 과정에서 인공지능 학습 알고리즘이 적용되어 생성되고,
코팅 단계는 렌즈 기재를 코팅 지그에 배치하는 단계; 코팅 챔버를 진공으로 만드는 단계; 코팅 지그를 코팅 챔버의 내부로 유도하는 단계; 코팅 챔버의 온도를 조절하는 단계; 코팅을 위한 각각의 코팅 액의 배출 압력을 조절하는 단계; 이온 빔 기기의 작동 수준을 설정하는 단계; 및 불활성 기체의 주입 양을 조절하는 단계를 포함하고,
코팅 단계가 설정되면 각각의 단계에서 다수 개의 공정 매개변수가 설정되고, 서로 다른 단계의 공정 매개변수 또는 동일 단계의 서로 다른 공정 매개변수 사이의 상관성이 분석된 이후 각각의 공정 단계에서 적절한 매개변수 값의 매칭이 탐색되는 것을 특징으로 하는 렌즈의 스마트 코팅 방법.A lens coating database is prepared;
Determining lens coating specifications;
Generating coating data from a lens coating database based on the determined coating specifications;
Setting coating conditions based on coating data; and
Including a step of coating the lens according to set coating conditions,
Lens coating specifications include coating material according to the lens substrate, thickness of the coating layer, coating hardness, reflectance and refractive index, and are predetermined according to the type or use of the lens,
Coating data is generated by applying an artificial intelligence learning algorithm in the process of exploring the matching of process parameters according to the coating stage.
The coating step includes placing the lens substrate in a coating jig; Vacuuming the coating chamber; guiding the coating jig into the interior of the coating chamber; adjusting the temperature of the coating chamber; Adjusting the discharge pressure of each coating liquid for coating; setting the operating level of the ion beam device; and controlling the injection amount of inert gas,
When the coating stage is set, a number of process parameters are set at each stage, and the correlation between the process parameters of different stages or different process parameters of the same stage is analyzed, and then the appropriate parameter value at each process stage. A smart coating method for lenses, characterized in that matching is explored.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220163255A KR102672801B1 (en) | 2022-11-29 | 2022-11-29 | A Method for Coating a Lens in Smart Way |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220163255A KR102672801B1 (en) | 2022-11-29 | 2022-11-29 | A Method for Coating a Lens in Smart Way |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102672801B1 true KR102672801B1 (en) | 2024-06-05 |
Family
ID=91471012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220163255A KR102672801B1 (en) | 2022-11-29 | 2022-11-29 | A Method for Coating a Lens in Smart Way |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102672801B1 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101618721B1 (en) | 2014-12-16 | 2016-05-09 | (주) 한일진공 | Ophthalmic lens coating method and ophthalmic lens of the same |
| WO2018108432A1 (en) | 2016-12-14 | 2018-06-21 | Schneider Gmbh & Co. Kg | Device, method and use for the coating of lenses |
| WO2021123154A1 (en) * | 2019-12-19 | 2021-06-24 | Rodenstock Gmbh | Method for operating a coating system for producing layer systems |
| KR20210081632A (en) * | 2019-12-24 | 2021-07-02 | 한국화학연구원 | Artificial intelligence model system and method for property prediction by applying feature engineering algorithm of material composition-process |
| JP2021173644A (en) * | 2020-04-24 | 2021-11-01 | 東海光学株式会社 | Lens visual inspection device and machine learning device |
-
2022
- 2022-11-29 KR KR1020220163255A patent/KR102672801B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101618721B1 (en) | 2014-12-16 | 2016-05-09 | (주) 한일진공 | Ophthalmic lens coating method and ophthalmic lens of the same |
| WO2018108432A1 (en) | 2016-12-14 | 2018-06-21 | Schneider Gmbh & Co. Kg | Device, method and use for the coating of lenses |
| WO2021123154A1 (en) * | 2019-12-19 | 2021-06-24 | Rodenstock Gmbh | Method for operating a coating system for producing layer systems |
| KR20210081632A (en) * | 2019-12-24 | 2021-07-02 | 한국화학연구원 | Artificial intelligence model system and method for property prediction by applying feature engineering algorithm of material composition-process |
| JP2021173644A (en) * | 2020-04-24 | 2021-11-01 | 東海光学株式会社 | Lens visual inspection device and machine learning device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2495749C2 (en) | Method of forming ocular lens and lenses thus formed | |
| CN108170529A (en) | A kind of cloud data center load predicting method based on shot and long term memory network | |
| US20030171829A1 (en) | System and method for complex process optimization and control | |
| KR102672801B1 (en) | A Method for Coating a Lens in Smart Way | |
| KR20080106429A (en) | Ion gun system, vapor deposition apparatus and process for producing lens | |
| US11693394B2 (en) | Systems and methods for automated prediction of machining workflow in computer aided manufacturing | |
| CN109472057A (en) | Based on product processing quality prediction meanss and method across the implicit parameters memorizing of work step | |
| Stefanovic et al. | Stability and convergence in adaptive systems | |
| TW202246918A (en) | Hybrid physics/machine learning modeling of processes | |
| CN110163409A (en) | A kind of convolutional neural networks dispatching method applied to displacement Flow Shop | |
| CN108959787B (en) | Thermal deformation prediction method and system of macro-macro dual-drive system considering actual working conditions | |
| KR20210013971A (en) | Automatic learning tuning system of motor controller using PSO | |
| CN116510973B (en) | Normal-pressure glue filling machine and control system | |
| WO2021087053A1 (en) | Control system for adaptive control of a thermal processing system | |
| CN112394640A (en) | Parameter setting method and device, storage medium and parameter setting unit | |
| EP0907117A1 (en) | Nonlinear neural predictive control system | |
| CN115600512A (en) | Tool life prediction method based on distributed learning | |
| CN109696618A (en) | A kind of adjustment method of radio-frequency devices, device, equipment, storage medium and system | |
| KR20050036712A (en) | Neural network-based extension of global position timing | |
| Kwong et al. | An empirical approach to modelling fluid dispensing for electronic packaging | |
| Chng et al. | Orthogonal least-squares learning algorithm with local adaptation process for the radial basis function networks | |
| CN115326037B (en) | Automatic direction adjusting device and method for collimated light in three-dimensional space | |
| Sugihara | A case study on tuning of genetic algorithms by using performance evaluation based on experimental design | |
| CN109144436A (en) | Liquid level controlling method, device, computer equipment and storage medium | |
| CN111784286A (en) | Generation method of heat treatment process |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |