An Empirical Study on Fault Detection and Root Cause Analysis of Indium Tin Oxide Electrodes by Processing S-parameter Patterns

要約

オプトエレクトロニクスの分野では、酸化インジウムスズ (ITO) 電極がディスプレイ、センサー、太陽電池などのさまざまな用途で重要な役割を果たしています。
ITO 電極の効果的な故障診断と根本原因分析は、デバイスの性能と信頼性を確保するために不可欠です。
しかし、透明 ITO 電極を使用した従来の目視検査は困難であり、既存の故障診断方法では欠陥の根本原因を特定するのに限界があり、多くの場合、破壊的評価や二次材料の特性評価技術が必要になります。
本研究では、散乱パラメータ (S パラメータ) パターンを使用し、早期検出、高い診断精度、ノイズ耐性を備えた根本原因分析を伴う故障診断手法を提案します。
ITO電極のさまざまな欠陥状態に応じて、包括的なSパラメータパターンデータベースが取得されます。
次に、多層パーセプトロン (MLP)、畳み込みニューラル ネットワーク (CNN)、トランスフォーマーなどの深層学習 (DL) アプローチを使用して、欠陥の原因と重大度を同時に分析します。
特に、t 分布確率的近傍埋め込み (t-SNE) 次元削減を通じて確認されたように、学習アルゴリズムへの入力として S パラメーターのさまざまなチャネルを組み合わせることで、付加的なノイズ レベルでの診断パフォーマンスが大幅に向上できることが実証されています。
Sパラメータパターンの視覚化。

要約(オリジナル)

In the field of optoelectronics, indium tin oxide (ITO) electrodes play a crucial role in various applications, such as displays, sensors, and solar cells. Effective fault diagnosis and root cause analysis of the ITO electrodes are essential to ensure the performance and reliability of the devices. However, traditional visual inspection is challenging with transparent ITO electrodes, and existing fault diagnosis methods have limitations in determining the root causes of the defects, often requiring destructive evaluations and secondary material characterization techniques. In this study, a fault diagnosis method with root cause analysis is proposed using scattering parameter (S-parameter) patterns, offering early detection, high diagnostic accuracy, and noise robustness. A comprehensive S-parameter pattern database is obtained according to various defect states of the ITO electrodes. Deep learning (DL) approaches, including multilayer perceptron (MLP), convolutional neural network (CNN), and transformer, are then used to simultaneously analyze the cause and severity of defects. Notably, it is demonstrated that the diagnostic performance under additive noise levels can be significantly enhanced by combining different channels of the S-parameters as input to the learning algorithms, as confirmed through the t-distributed stochastic neighbor embedding (t-SNE) dimension reduction visualization of the S-parameter patterns.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google