关于液晶玻璃基板的切割研究

来源 :2016光电子玻璃及材料技术交流研讨会 | 被引量 : 0次 | 上传用户:woshixiaomihu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
液晶玻璃基板切割通常使用刀轮划线切割方法,这种机械切割方法是当前液晶玻璃基板生产中普遍使用的一种.由于其存在较大的残余应力,且极易产生断片、边缘碎屑等不良现象,因此,为了提高切割质量,有必要对切割刀轮角度、切割深度、切割断面等进行管理.在正常生产中,应抑制水平裂纹产生.垂直裂纹长度控制在玻璃板厚度的10%。在生产中,切割不同厚度的玻璃基板,选择不同的角度的切割刀轮,玻璃厚度0.7mm,切割刀轮的角度120°-125°。玻璃厚度0.5mm,切割刀轮的角度110°-115°,玻璃厚度0.4mm,切割刀轮的角度100°-105°。
其他文献
湖泊富营养化与内源释放有密切的关系,降低湖泊因水动力作用引起的底泥再悬浮可大幅度减少湖泊内源污染物的释放.使用数值方法模拟水流在遇到阻碍后的流速变化,分析比较了不同规格的土工格室对湖泊流速的降低情况.结果表明:水流经过土工格室后,湖底的流速有较大程度下降;土工格室上方区域流速随格室高度增加而加快,土工格室后方底层区域流速大小随着土工格室高度的增高而降低,土工格室能将其后方大部分区域内的流速降低到"
本文通过对配合料氧化指数、熔窑气氛、锡槽保护气组成等浮法玻璃生产主要工序工艺参数不同时,玻璃颜色变化的对应关系,总结出了控制玻璃中铁离子价态——提高玻璃中Fe3+比例、降低Fe2+比例,从而减少铁对玻璃的着色效应,提高玻璃"白度"的经验和参数.
本文研究玻璃基板生产过程中由于玻璃析晶温度较高1150℃,而成型温度在1068℃-1200℃与析晶温度相近,在成型过程中易产生析晶结石,从而对生产有较大影响.通过优化玻璃原料中碱金属和碱土金属元素含量及调整Si/A1比例,从而有效降低玻璃析晶温度由1150℃→1070℃.玻璃析晶的降低时生产稳定性得到有效提升.
根据现有设备情况,挖掘现场设备潜在功能,设计窑炉冷却风恒温恒压控制系统.其中,窑炉冷却风恒温控制设计采取独立于现有窑炉设备设计,冷却风恒压控制设计采取依附于现有窑炉设备设计;通过本设计实现了窑炉冷却风恒温恒压控制,提高了窑炉工艺控制稳定性.
TFT-LCD玻璃生产生的气泡将严重影响玻璃的外观质量和性能.本文分析了TFT-LCD玻璃生产气泡来源及其种类,测试了澄清不良泡和空气卷入气泡的气体种类、含量,分析其特征,提出了消除气泡缺陷的测试判定与分区控制的思路.当产线气泡缺陷异常升高或波动时,首先分析气泡缺陷对应产生区域工艺条件变化,同时留样分析气泡类型特征,根据气泡缺陷类型特征与对应区域工艺稳定性做对比,若两者情况符合,则锁定区域并进行减
本文主要探讨的是在带有流液洞的熔炉中熔化、生产钠-钙玻璃化妆品瓶时产生条纹缺陷的原因和处理方案.分析了玻璃条纹形成的原因,介绍了直接升温放料法、压缩空气吹扫法、搅拌桨法、电极放料法等措施消除条纹的效果.结合生产实际,着重介绍了采用硅线石砖、电熔锆刚玉砖、电熔氧化铝砖和烧结氧化铝砖作为料槽耐火材料对条纹形成的影响.
针对液晶玻璃基板包装过程中更换包装架后,包装架定位系统偏差及包装架本身有一定的差异性引起的玻璃装载偏移问题,基于PLC和工业机器人设计了一套自动纠偏系统.利用人机交互界面将玻璃在A型架上的实际偏移量进行输入,通过PLC和机器人之间的信号传递及运算,将偏移量发送给机器人控制模块,通过包装机器人自身的动作调整,从而实现消除装载偏移问题.
本文通过对现有平板玻璃生产中擦伤现状的调查,运用六西格玛工具策划找到关键因子的排查方法,阐述了6σ工具在解决生产过程产品质量问题的应用.对分析对象从形状、尺寸等特征上进行规范性描述,定义清晰,便于后续分析。运用MINITAL工具软件,对测量数据进行分析,对评估一致性进行了判断,证明检测方法有效,运用Cause & Effect Matrix因果矩阵、FEMA等方法分析出引起缺陷的关键因子。在测量阶
本文结合近年来智能手机显示屏幕的发展趋势,超薄化,窄边框,高Bending(抗弯曲强度)等新一代的技术要求,介绍用于加工智能手机显示屏幕玻璃的超微齿钻石刀轮.研究了刀轮刃口角度,刀轮齿深度一致性,切割压力对Bending值的影响.探讨影响智能手机显示屏幕Bending关键因子及刀轮的选型参考.
本文对TK6920重型数控落地铣镗床试验数据采集、热关键点选取和热误差建模进行研究。热误差测试结果表明,机床主轴X,Y,Z方向受热产生最大热误差分别为24.6μm,142.1μm、378.57μm,热误差敏感方向为Y和Z,主轴Z向伸长最显著,X方向对机床加工精度的影响最小。分别采用两组测试数据进行热误差建模与预测,对比分析灰色神经网络与多元线性回归建模方法,得出模型预测精度分别为83.19%,78