Prediction Modeling of Registration Error in Roll-to-Roll Screen Printing

Yuchang Choi; Jongmo Kang; Yeongjin Kim; Anton Nailevich Gafurov; Taik-Min Lee; Dongho Oh

Prediction Modeling of Registration Error in Roll-to-Roll Screen Printing

Recommendations

Search

Questions

스크린 프린팅 인쇄 오차의 예측 모델링

Type: Proceeding

Author: Yuchang Choi (충남대학교) Jongmo Kang (충남대학교) Yeongjin Kim (충남대학교) Anton Nailevich Gafurov (과학기술연합대학원) Taik-Min Lee (한국기계연구원) Dongho Oh (충남대학교)

Journal: The Korean Society of Mechanical Engineers 대한기계학회 춘추학술대회 대한기계학회 2024년 학술대회

Published: 2024.11

Pages: 1,494 - 1,497 (4page)

Usage

📌

Topic

📖

Background

🔬

Method

🏆

Result

Prediction Modeling of Registration Error in Roll-to-Roll Screen Printing

Abstract· Keywords

Report Errors

As the demand for flexible electronic technologies rises, roll-to-roll screen printing has become essential for large-area, mass production, and economic efficiency(1). However, multilayer overlay printing precision is crucial for determining product performance. J. Jeong et al. used tension control to compensate for errors during printing(2), while H. K. Kang et al. applied a feedforward controller for cross-directional alignment correction(3). Despite these advancements, various factors collectively influence overlay printing precision. This study analyzes key factors affecting precision and proposes a model for predicting registration errors. Registration error, measured by CCD camera vision(4), was analyzed by adjusting printing conditions such as gap, printing pressure, printing speed, feeding speed, and tension control gain. Analysis of Variance (ANOVA) and Deep Neural Network (DNN) models identified squeegee pressure, speed, and screen mask-to-web gap as primary factors(5). The results show that registration errors can be calculated without actual printing.

#Roll-to-roll process #Screen printing #Overlay Printing #Registration error #ANOVA #DNN

Abstract
1. 서론
2. 이론 및 실험
3. 결론
참고문헌

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Frequently Viewed Together

Development of Ultra-precision Web Control and 3D Free-form Conformal Attached Process based on Ultra-thin Film

J. Jo , T. M. Lee , I. Y. Kim and others 4 한국정밀공학회 학술발표대회 논문집 2024 .11

Printed Electronics Process and Equipment Applied with Artificial Intelligence Technology

Taik-Min Lee , Anton Nailevich Gafu , ov and others 2 대한기계학회 춘추학술대회 2022 .11

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (0)

Recommendations

Frequently Viewed Together

Recently viewed articles

Comments(0)