| 1 |
1
컴퓨팅 디바이스에 의해 수행되며, 용액 코팅 장치에 의해 수행되는 용액의 코팅 형상을 예측하는 방법으로서,학습 코팅 조건에서 상기 용액 코팅 장치에 의해 용액이 대상 기판에 코팅되는 과정에서 나타나는 코팅 형상을 지표하는 학습 코팅 형상 파라미터를 미리 정의된 코팅 형상 함수에 피팅(fitting)하여 도출된, 용액의 코팅 거동을 지표하는 학습 코팅 거동 파라미터와, 상기 학습 코팅 조건을 지표하는 학습 코팅 조건 파라미터를 획득하는 단계;상기 획득된 학습 코팅 조건 파라미터 및 학습 코팅 거동 파라미터를 기반으로, 상기 용액 코팅 장치에 의한 용액의 코팅 시 그 코팅 조건 및 코팅 거동 간의 관계가 정의된 신경망 모델을 학습시키는 단계;대상 코팅 조건을 지표하는 대상 코팅 조건 파라미터를 상기 학습된 신경망 모델에 적용하여, 상기 대상 코팅 조건 파라미터에 대응되는 대상 코팅 거동 파라미터를 도출하는 단계; 및상기 대상 코팅 조건 파라미터 및 상기 대상 코팅 거동 파라미터를 상기 코팅 형상 함수에 대입하여, 상기 대상 코팅 조건에서 상기 용액 코팅 장치에 의한 용액의 코팅 결과 형성될 것으로 예측되는 코팅 형상을 지표하는 코팅 형상 파라미터를 도출하는 단계;를 포함하는 것을 특징으로 하는 용액 코팅 형상 예측 방법
|
| 2 |
2
제1항에 있어서,상기 학습 코팅 조건 파라미터 및 상기 대상 코팅 조건 파라미터는 상기 대상 기판에 토출되는 용액의 토출 유량 파라미터를 포함하고,상기 학습 코팅 거동 파라미터 및 상기 대상 코팅 거동 파라미터는 상기 대상 기판에 코팅되는 용액의 두께 파라미터를 포함하며,상기 코팅 형상 파라미터는 상기 대상 기판에 코팅되는 용액의 너비 파라미터를 포함하는 것을 특징으로 하는 용액 코팅 형상 예측 방법
|
| 3 |
3
제2항에 있어서,상기 획득하는 단계는,상기 학습 코팅 조건 파라미터와, 상기 학습 코팅 조건에서 상기 용액 코팅 장치에 의해 용액이 대상 기판에 코팅되는 과정에서 실측된 학습 코팅 형상 파라미터를 상기 코팅 형상 함수에 피팅하여 상기 학습 코팅 거동 파라미터로서 용액의 두께 파라미터와 코팅 비드의 단면적 파라미터를 획득하는 것을 특징으로 하는 용액 코팅 형상 예측 방법
|
| 4 |
4
제3항에 있어서,상기 학습시키는 단계는,상기 학습 코팅 조건 파라미터 및 상기 학습 코팅 거동 파라미터를 기반으로 상기 신경망 모델을 학습시키되, 학습되는 신경망 모델에 상기 학습 코팅 조건 파라미터를 적용하여 도출되는 코팅 거동 파라미터와 상기 학습 코팅 거동 파라미터 간의 오차가 최소화되는 방식으로 상기 신경망 모델에 대한 학습을 반복 수행하는 것을 특징으로 하는 용액 코팅 형상 예측 방법
|
| 5 |
5
제2항에 있어서,상기 대상 코팅 조건은 제1 내지 제N 코팅 조건을 포함하고, 상기 대상 코팅 조건 파라미터는 상기 제1 내지 제N 코팅 조건을 각각 지표하는 제1 내지 제N 조건 파라미터를 포함하며(N은 2 이상의 자연수),상기 대상 코팅 거동 파라미터를 도출하는 단계는,상기 제1 내지 제N 조건 파라미터를 상기 학습된 신경망 모델에 적용하여, 상기 대상 코팅 거동 파라미터로서 제1 내지 제N 거동 파라미터를 각각 도출하고,상기 코팅 형상 파라미터를 도출하는 단계는,상기 제1 내지 제N 조건 파라미터와 상기 제1 내지 제N 거동 파라미터를 상기 코팅 형상 함수에 피팅하여, 상기 제1 내지 제N 코팅 조건에서 상기 용액 코팅 장치에 의한 용액의 코팅 결과 형성될 것으로 예측되는 각각의 코팅 형상을 각각 지표하는 제1 내지 제N 형상 파라미터를 상기 코팅 형상 파라미터로서 도출하는 것을 특징으로 하는 용액 코팅 형상 예측 방법
|
| 6 |
6
제5항에 있어서,상기 제1 내지 제N 형상 파라미터를, 상기 용액 코팅 장치에 의한 용액의 코팅 시 목표되는 타겟 코팅 형상을 지표하는 타겟 코팅 형상 파라미터와 비교하는 방식을 통해, 용액이 상기 타겟 코팅 형상에 따라 대상 기판에 코팅되도록 하기 위한 최적 코팅 조건 파라미터를 결정하는 단계;를 더 포함하는 것을 특징으로 하는 용액 코팅 형상 예측 방법
|
| 7 |
7
제6항에 있어서,상기 최적 코팅 조건 파라미터를 결정하는 단계는,상기 제1 내지 제N 형상 파라미터 각각에 대하여, 상기 타겟 코팅 형상 파라미터와의 차이를 통해 상기 타겟 코팅 형상에 대한 코팅 과부족 영역의 면적을 산출하고, 산출된 면적이 최소인 제M 형상 파라미터에 대응되는 제M 조건 파라미터를 상기 최적 코팅 조건 파라미터로 결정하는 것을 특징으로 하는 용액 코팅 형상 예측 방법(M은 1 이상 N 이하의 자연수)
|
| 8 |
8
프로세서(processor); 및상기 프로세서를 통해 실행되며, 용액 코팅 장치에 의해 수행되는 용액의 코팅 형상을 예측하기 위한 적어도 하나의 명령이 저장된 메모리;를 포함하고,상기 프로세서를 통해 실행되는 상기 적어도 하나의 명령은,학습 코팅 조건에서 상기 용액 코팅 장치에 의해 용액이 대상 기판에 코팅되는 과정에서 나타나는 코팅 형상을 지표하는 학습 코팅 형상 파라미터를 미리 정의된 코팅 형상 함수에 피팅(fitting)하여 도출된, 용액의 코팅 거동을 지표하는 학습 코팅 거동 파라미터와, 상기 학습 코팅 조건을 지표하는 학습 코팅 조건 파라미터를 획득하도록 하는 제1 명령,상기 제1 명령에 따라 획득된 학습 코팅 조건 파라미터 및 학습 코팅 거동 파라미터를 기반으로, 상기 용액 코팅 장치에 의한 용액의 코팅 시 그 코팅 조건 및 코팅 거동 간의 관계가 정의된 신경망 모델을 학습시키도록 하는 제2 명령,대상 코팅 조건을 지표하는 대상 코팅 조건 파라미터를 상기 학습된 신경망 모델에 적용하여, 상기 대상 코팅 조건 파라미터에 대응되는 대상 코팅 거동 파라미터를 도출하도록 하는 제3 명령, 및상기 대상 코팅 조건 파라미터 및 상기 대상 코팅 거동 파라미터를 상기 코팅 형상 함수에 대입하여, 상기 대상 코팅 조건에서 상기 용액 코팅 장치에 의한 용액의 코팅 결과 형성될 것으로 예측되는 코팅 형상을 지표하는 코팅 형상 파라미터를 도출하도록 하는 제4 명령을 포함하는 것을 특징으로 하는, 용액 코팅 형상 예측 장치
|
| 9 |
9
제8항에 있어서,상기 학습 코팅 조건 파라미터 및 상기 대상 코팅 조건 파라미터는 상기 대상 기판에 토출되는 용액의 토출 유량 파라미터를 포함하고,상기 학습 코팅 거동 파라미터 및 상기 대상 코팅 거동 파라미터는 상기 대상 기판에 코팅되는 용액의 두께 파라미터를 포함하며,상기 코팅 형상 파라미터는 상기 대상 기판에 코팅되는 용액의 너비 파라미터를 포함하는 것을 특징으로 하는 용액 코팅 형상 예측 장치
|
| 10 |
10
제9항에 있어서,상기 프로세서는, 상기 제1 명령 실행 시,상기 학습 코팅 조건 파라미터와, 상기 학습 코팅 조건에서 상기 용액 코팅 장치에 의해 용액이 대상 기판에 코팅되는 과정에서 실측된 학습 코팅 형상 파라미터를 상기 코팅 형상 함수에 피팅하여 상기 학습 코팅 거동 파라미터로서 용액의 두께 파라미터와 코팅 비드의 단면적 파라미터를 획득하는 것을 특징으로 하는 용액 코팅 형상 예측 장치
|
| 11 |
11
제10항에 있어서,상기 프로세서는, 상기 제2 명령 실행 시,상기 학습 코팅 조건 파라미터 및 상기 학습 코팅 거동 파라미터를 기반으로 상기 신경망 모델을 학습시키되, 학습되는 신경망 모델에 상기 학습 코팅 조건 파라미터를 적용하여 도출되는 코팅 거동 파라미터와 상기 학습 코팅 거동 파라미터 간의 오차가 최소화되는 방식으로 상기 신경망 모델에 대한 학습을 반복 수행하는 것을 특징으로 하는 용액 코팅 형상 예측 장치
|
| 12 |
12
제9항에 있어서,상기 대상 코팅 조건은 제1 내지 제N 코팅 조건을 포함하고, 상기 대상 코팅 조건 파라미터는 상기 제1 내지 제N 코팅 조건을 각각 지표하는 제1 내지 제N 조건 파라미터를 포함하며(N은 2 이상의 자연수),상기 프로세서는, 상기 제3 명령 실행 시,상기 제1 내지 제N 조건 파라미터를 상기 학습된 신경망 모델에 적용하여, 상기 대상 코팅 거동 파라미터로서 제1 내지 제N 거동 파라미터를 각각 도출하고,상기 프로세서는, 상기 제4 명령 실행 시,상기 제1 내지 제N 조건 파라미터와 상기 제1 내지 제N 거동 파라미터를 상기 코팅 형상 함수에 대입하여, 상기 제1 내지 제N 코팅 조건에서 상기 용액 코팅 장치에 의한 용액의 코팅 결과 형성될 것으로 예측되는 각각의 코팅 형상을 각각 지표하는 제1 내지 제N 형상 파라미터를 상기 코팅 형상 파라미터로서 도출하는 것을 특징으로 하는 용액 코팅 형상 예측 장치
|
| 13 |
13
제12항에 있어서,상기 프로세서를 통해 실행되는 상기 적어도 하나의 명령은,상기 제1 내지 제N 형상 파라미터를, 상기 용액 코팅 장치에 의한 용액의 코팅 시 목표되는 타겟 코팅 형상을 지표하는 타겟 코팅 형상 파라미터와 비교하는 방식을 통해, 용액이 상기 타겟 코팅 형상에 따라 대상 기판에 코팅되도록 하기 위한 최적 코팅 조건 파라미터를 결정하도록 하는 제5 명령을 더 포함하는 것을 특징으로 하는, 용액 코팅 형상 예측 장치
|
| 14 |
14
제13항에 있어서,상기 프로세서는, 상기 제5 명령 실행 시,상기 제1 내지 제N 형상 파라미터 각각에 대하여, 상기 타겟 코팅 형상 파라미터와의 차이를 통해 상기 타겟 코팅 형상에 대한 코팅 과부족 영역의 면적을 산출하고, 산출된 면적이 최소인 제M 형상 파라미터에 대응되는 제M 조건 파라미터를 상기 최적 코팅 조건 파라미터로 결정하는 것을 특징으로 하는 용액 코팅 형상 예측 장치(M은 1 이상 N 이하의 자연수)
|
| 15 |
15
하드웨어와 결합되어, 용액 코팅 장치에 의해 수행되는 용액의 코팅 형상을 예측하기 위한 단계들을 실행시키기 위해 컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램으로서, 상기 단계들은,학습 코팅 조건에서 상기 용액 코팅 장치에 의해 용액이 대상 기판에 코팅되는 과정에서 나타나는 코팅 형상을 지표하는 학습 코팅 형상 파라미터를 미리 정의된 코팅 형상 함수에 피팅(fitting)하여 도출된, 용액의 코팅 거동을 지표하는 학습 코팅 거동 파라미터와, 상기 학습 코팅 조건을 지표하는 학습 코팅 조건 파라미터를 획득하는 단계;상기 획득된 학습 코팅 조건 파라미터 및 학습 코팅 거동 파라미터를 기반으로, 상기 용액 코팅 장치에 의한 용액의 코팅 시 그 코팅 조건 및 코팅 거동 간의 관계가 정의된 신경망 모델을 학습시키는 단계;대상 코팅 조건을 지표하는 대상 코팅 조건 파라미터를 상기 학습된 신경망 모델에 적용하여, 상기 대상 코팅 조건 파라미터에 대응되는 대상 코팅 거동 파라미터를 도출하는 단계; 및상기 대상 코팅 조건 파라미터 및 상기 대상 코팅 거동 파라미터를 상기 코팅 형상 함수에 대입하여, 상기 대상 코팅 조건에서 상기 용액 코팅 장치에 의한 용액의 코팅 결과 형성될 것으로 예측되는 코팅 형상을 지표하는 코팅 형상 파라미터를 도출하는 단계;를 포함하는 것을 특징으로 하는, 컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램
|
