特許ウォッチ

公開番号2024056368
公報種別公開特許公報(A)
公開日2024-04-23
出願番号2022163191
出願日2022-10-11
発明の名称製造システム
出願人株式会社カネカ
代理人個人
主分類H05B 33/10 20060101AFI20240416BHJP(他に分類されない電気技術)
要約【課題】本発明は、従来に比べて高精度な学習モデルを作成でき、一定の水準の品質をもつ有機EL装置をコンスタントに製造できる製造システムを提供する。
【解決手段】製造過程パラメータで有機EL装置を製造する製造部と、有機EL装置の品質パラメータを測定する測定部と、過去の有機EL装置の製造過程パラメータと直前に測定された品質パラメータを含む第1データと過去の有機EL装置の直後に測定された品質パラメータを含む第2データを用いて学習モデルを作成する機械学習部と、学習モデルに基づいて品質パラメータが所定の範囲に収まる製造過程パラメータを推定する推定部と、製造過程パラメータに反映する調整部を有し、品質パラメータは、電圧、輝度、色空間、及び演色評価数に関するパラメータを含み、第1データは発光機能層の各層の材料及び組成に関するパラメータを含まない構成とする。
【選択図】図2
特許請求の範囲【請求項１】
基材上に、第１電極層、複数の層が積層された発光機能層、及び第２電極層が積層された有機ＥＬ装置を連続的に製造可能な製造システムであって、
機械学習部と、製造部と、測定部と、推定部と、調整部を有し、前記製造部において製造過程パラメータを調整して有機ＥＬ装置を製造し、前記測定部で製造された有機ＥＬ装置の品質パラメータを測定するものであり、
前記機械学習部は、過去の有機ＥＬ装置の製造過程パラメータ及び前記過去の有機ＥＬ装置の製造過程パラメータの設定の際の直前に前記測定部で測定された有機ＥＬ装置の品質パラメータを含む第１データと、前記過去の有機ＥＬ装置の製造過程パラメータの設定の直後に測定された品質パラメータを含む第２データとのデータセットを教師データとして、学習モデルを作成可能であり、
前記推定部は、前記学習モデルに基づいて、前記製造部で製造する有機ＥＬ装置の品質パラメータが所定の範囲に収まる製造過程パラメータを推定可能であり、
前記調整部は、前記推定部が推定した製造過程パラメータを前記製造部における製造過程パラメータに反映可能であり、
前記品質パラメータには、電圧、輝度、色空間、及び演色評価数に関するパラメータを含んでおり、前記第１データには、前記発光機能層の各層の材料及び組成に関するパラメータを含まない、製造システム。
続きを表示（約 1,900 文字）【請求項２】
前記調整部は、推定した製造過程パラメータを前記製造部における製造過程パラメータに反映した場合に、反映した製造過程パラメータによって製造された有機ＥＬ装置が品質パラメータを測定されるまでの間において、前記反映した製造過程パラメータをそのまま使用する、請求項１に記載の製造システム。
【請求項３】
前記機械学習部は、製造部で有機ＥＬ装置が製造されるごとに機械学習し、前記学習モデルを再構築可能であり、
前記機械学習部は、前記調整部が推定した製造過程パラメータを前記製造部における製造過程パラメータに反映した場合に、反映した製造過程パラメータによって製造された有機ＥＬ装置の一つ前に前記測定部で測定された有機ＥＬ装置の品質パラメータで学習モデルを再構築しない、請求項１に記載の製造システム。
【請求項４】
前記製造部は、前記複数の層のうち少なくとも一つの層を製膜する製膜部と、前記製膜部で製膜された仕掛有機ＥＬ装置を面方向に複数に分割して前記有機ＥＬ装置を形成する分割部を有し、
前記製膜部は、面方向における製膜位置によって厚み分布が生じるものであり、
前記有機ＥＬ装置の品質パラメータは、前記仕掛有機ＥＬ装置における分割位置に応じて設定された補正係数を反映して算出される、請求項１に記載の製造システム。
【請求項５】
基材上に、第１電極層、複数の層が積層された発光機能層、及び第２電極層が積層された有機ＥＬ装置を連続的に製造可能な製造システムであって、
機械学習部と、製造部と、測定部と、推定部と、調整部を有し、前記製造部において製造過程パラメータを調整して有機ＥＬ装置を製造し、前記測定部で製造された有機ＥＬ装置の品質パラメータを測定するものであり、
前記機械学習部は、過去の有機ＥＬ装置の製造過程パラメータ及び前記過去の有機ＥＬ装置の製造過程パラメータの設定の際の直前に前記測定部で測定された有機ＥＬ装置の品質パラメータを含む第１データと、前記過去の有機ＥＬ装置の製造過程パラメータの設定の直後に測定された品質パラメータを含む第２データとのデータセットを教師データとして、学習モデルを作成可能であり、
前記推定部は、前記学習モデルに基づいて、前記製造部で製造する有機ＥＬ装置の品質パラメータが所定の範囲に収まる製造過程パラメータを推定可能であり、
前記調整部は、前記推定部が推定した製造過程パラメータを前記製造部における製造過程パラメータに反映可能であり、
前記調整部は、推定した製造過程パラメータを前記製造部における製造過程パラメータに反映した場合に、反映した製造過程パラメータによって製造された有機ＥＬ装置が品質パラメータを測定されるまでの間において、前記反映した製造過程パラメータをそのまま使用する、製造システム。
【請求項６】
基材上に、第１電極層、複数の層が積層された発光機能層、及び第２電極層が積層された有機ＥＬ装置を連続的に製造可能な製造システムであって、
機械学習部と、製造部と、測定部と、推定部と、調整部を有し、前記製造部において製造過程パラメータを調整して有機ＥＬ装置を製造し、前記測定部で製造された有機ＥＬ装置の品質パラメータを測定するものであり、
前記機械学習部は、過去の有機ＥＬ装置の製造過程パラメータ及び前記過去の有機ＥＬ装置の製造過程パラメータの設定の際の直前に前記測定部で測定された有機ＥＬ装置の品質パラメータを含む第１データと、前記過去の有機ＥＬ装置の製造過程パラメータの設定の直後に測定された品質パラメータを含む第２データとのデータセットを教師データとして、学習モデルを作成可能であり、
前記推定部は、前記学習モデルに基づいて、前記製造部で製造する有機ＥＬ装置の品質パラメータが所定の範囲に収まる製造過程パラメータを推定可能であり、
前記調整部は、前記推定部が推定した製造過程パラメータを前記製造部における製造過程パラメータに反映可能であり、
前記製造部は、前記複数の層のうち少なくとも一つの層を製膜する製膜部と、前記製膜部で製膜された仕掛有機ＥＬ装置を面方向に複数に分割して前記有機ＥＬ装置を形成する分割部を有し、
前記製膜部は、面方向における製膜位置によって厚み分布が生じるものであり、
前記有機ＥＬ装置の品質パラメータは、前記仕掛有機ＥＬ装置における分割位置に応じて設定された補正係数を反映して算出される、製造システム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、有機ＥＬ装置を連続的に製造可能な製造システムに関する。
続きを表示（約 3,000 文字）【背景技術】
【０００２】
従来から、有機ＥＬ装置は、薄くて軽く、面状発光することから、照明分野において主に白色光源として注目されている。
有機ＥＬ装置は、白色光を得る手段として、装置内で複数色の発光層を積層させ、各発光層による発光色を混色させている。
例えば、特許文献１の有機ＥＬパネル（有機ＥＬ装置）は、基材上に透光性陽極層、発光機能層、及び反射性陰極層が積層されたものであり、この発光機能層は、透光性陽極層から順に、青色発光層を有する青色蛍光ユニットと、ホールと電子を同時に発生させる接続層と、緑赤燐光発光層を有した緑赤燐光ユニットが積層されて形成されている。
そして、特許文献１の有機ＥＬパネルは、透光性陽極層と反射性陰極層の間で電圧を印加することで、青色発光ユニットの青色発光層で発光する青色発光と、緑赤発光ユニットの赤緑発光層で発光する赤緑色発光が合わさって基材側から白色光として取り出される。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－０６８６０３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ところで、近年、人工知能の発展に伴い、製造時における各種設定パラメータと製造した製品特性の関係から機械学習して学習モデルを作成し、当該学習モデルを用いることで、製造時における各種設定パラメータから製品特性を推定することが可能となってきている。
また、高精度の学習モデルを作成できれば、学習モデルを逆解析することで製品特性から当該製品特性が得られる製造時における各種設定パラメータを計算によって算出できると考えられる。
【０００５】
そこで、本発明は、従来に比べて高精度な学習モデルを作成でき、一定の水準の品質を有する有機ＥＬ装置をコンスタントに製造できる製造システムを提供することを課題とする。
【課題を解決するための手段】
【０００６】
上記した課題を解決するために、本発明者は、有機ＥＬ装置において高精度の学習モデルを作成する方法について検討した。
有機ＥＬ装置において学習モデルを作成する場合、上記したように構成する各発光ユニットが発光層の他に、正孔注入層や、正孔輸送層、電子輸送層、電子注入層などの発光層での発光を促進する層が複数層形成されていることが多く、これらの材料や組成等のパラメータに加えてこれらの厚みや材質、製膜条件を製造過程パラメータとして導入すると、製造時における説明変数として使用する製造過程パラメータの数が１０００を超えてしまう。そのため、膨大な量の計算が必要となり、学習モデルの作成に時間がかかる問題がある。
また、作成した学習モデルで逆解析を行う場合、製造過程パラメータの数が膨大になると、逆解析によって求める変数の数が多くなってしまい、解が収束せず、正確な解析ができない問題がある。
さらに、学習モデルの作成に時間がかかると、製造時において学習モデルの精度が落ちた場合に、製造途中で学習モデルを再構築できない問題がある。
【０００７】
そこで、本発明者は、有機ＥＬ装置の学習モデルの作成の際に説明変数として使用される製造過程パラメータの数を減らすべく、製造過程パラメータの多くを占める有機ＥＬ装置の材料等のパラメータに代替できる代替パラメータを模索したところ、材料や組成に関するパラメータは、同じ製造ラインで同じ条件で製造した過去の有機ＥＬ装置の電圧、輝度、色空間、及び演色評価数に関するパラメータに大きく関連することを発見した。
そして、この発見を元に、材料や組成に関するパラメータを用いずに過去の有機ＥＬ装置の電圧、輝度、色空間、及び演色評価数に関するパラメータを用いて学習モデルを作成したところ、材料や組成に関するパラメータを用いずとも、高精度の学習モデルを作成でき、学習モデルの計算量が大きく削減できることを見出した。
【０００８】
本発明の一つの様相は、基材上に、第１電極層、複数の層が積層された発光機能層、及び第２電極層が積層された有機ＥＬ装置を連続的に製造可能な製造システムであって、機械学習部と、製造部と、測定部と、推定部と、調整部を有し、前記製造部において製造過程パラメータを調整して有機ＥＬ装置を製造し、前記測定部で製造された有機ＥＬ装置の品質パラメータを測定するものであり、前記機械学習部は、過去の有機ＥＬ装置の製造過程パラメータ及び前記過去の有機ＥＬ装置の製造過程パラメータの設定の際の直前に前記測定部で測定された有機ＥＬ装置の品質パラメータを含む第１データと、前記過去の有機ＥＬ装置の製造過程パラメータの設定の直後に測定された品質パラメータを含む第２データとのデータセットを教師データとして、学習モデルを作成可能であり、前記推定部は、前記学習モデルに基づいて、前記製造部で製造する有機ＥＬ装置の品質パラメータが所定の範囲に収まる製造過程パラメータを推定可能であり、前記調整部は、前記推定部が推定した製造過程パラメータを前記製造部における製造過程パラメータに反映可能であり、前記品質パラメータには、電圧、輝度、色空間、及び演色評価数に関するパラメータを含んでおり、前記第１データには、前記発光機能層の各層の材料及び組成に関するパラメータを含まない、製造システムである。
【０００９】
本様相によれば、第１データとして過去の有機ＥＬ装置の製造過程パラメータの設定の際の直前に測定部で測定された有機ＥＬ装置の品質パラメータを含むので、従来に比べて高精度の学習モデルを作成できる。
本様相によれば、第１データに発光機能層の各層の材料及び組成に関するパラメータを含まないので、学習モデルを生成する際の計算量を大きく削減でき、従来に比べて学習モデルの生成時間を短縮できる。
本様相によれば、第１データの過去の有機ＥＬ装置の製造過程パラメータの設定の際の直前に測定部で測定された有機ＥＬ装置の品質パラメータとして電圧、輝度、色空間、及び演色評価数に関するパラメータを含んでいるので、高精度の学習モデルを作成できる。また、当該学習モデルに基づいて、有機ＥＬ装置の品質パラメータが所定の範囲に収まる製造過程パラメータを推定し、製造部における製造過程パラメータに反映することで、一定の水準の品質を有する有機ＥＬ装置をコンスタントに製造できる。
【００１０】
ところで、調整部は、推定した製造過程パラメータを製造部における製造過程パラメータに反映すると、反映した製造過程パラメータを用いて製造部で有機ＥＬ装置が製造され、測定部で品質パラメータを測定されるまでの間、製造過程パラメータの変動が測定部での品質パラメータの測定結果に反映されない。すなわち、製造過程パラメータが反映されてから、その品質パラメータが測定されるまで時間差があり、製造過程パラメータを変動させてから品質パラメータに反映されるまでの間に再度製造過程パラメータを変動させると、品質パラメータが所定の範囲から大きく外れるまで判断できない問題がある。
（【００１１】以降は省略されています）

関連特許