CN101251921A - 信用评估多代理系统及其方法 - Google Patents
信用评估多代理系统及其方法 Download PDFInfo
- Publication number
- CN101251921A CN101251921A CNA2008100889782A CN200810088978A CN101251921A CN 101251921 A CN101251921 A CN 101251921A CN A2008100889782 A CNA2008100889782 A CN A2008100889782A CN 200810088978 A CN200810088978 A CN 200810088978A CN 101251921 A CN101251921 A CN 101251921A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- assessment
- credit
- proxy
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种信用评估多代理系统，其包括评估辅助代理模块、任务分配代理模块、知识采集代理模块、题库管理代理模块和评估模型支持代理模块，评估时，通过评估辅助代理模块提交客户征信报告，且初步分析通过，任务分配代理模块根据客户资料和评估人员属性进行理性分组，同时，发送客户征信报告中的信息给评估模型支持代理模块，该模块结合任务分配代理模块传送的评估任务的信息对评估模型进行选择，以对客户进行评估工作。上述代理模块个体之间为采用FIPA ACL消息通信，且按照基于FIPA协议模板的分组协议和评估控制协议交互从而完成评估任务，并最终获得客户的信用评估值，该系统提高了客户信用评估的准确度，极具实用价值。
Description
技术领域
本发明涉及一种评估系统，特别是涉及一种基于多代理系统技术下的信用评估系统以及方法。
背景技术
20世纪60年代，当西方国家面临信用危机的时候，大多数企业是通过与专业信用管理顾问机构合作，并且在企业内部设立信用管理部门，建立起系统、完善的信用管理机制，使得在保持企业竞争力的前提下促使信用风险得以顺利解决。随着全球贸易量的激增，交易范围的延伸，企业对信用风险规避意识的增强，越来越多的企业开始重视信用管理。
目前，中国企业在信用评估国家和社会服务欠缺的情况下，面临着前所未有的信用风险。首先，交易全球化导致企业需要和那些极少甚至没有历史信用记录的交易对象打交道，这就带来了由于评估知识缺乏导致的风险；其次，随着现代科学技术和管理方法在企业中的应用，越来越多的企业间建立了战略联盟，企业处于一条紧密相连的经济链上，如果其中某一个环节出了问题，就会影响到整个经济链上的其他企业，一家企业的破产，常常会像“多米诺骨牌”一样，牵扯到整个经济链上的企业，由于企业间的高度依存性所导致的“交易对手风险”成为现代增长最快的信用风险；最后，随着现代金融理论、贸易理论等等的发展，在商品交易中，各种新的交易方式、交易平台、信用交易所涉及的大量信用工具、信用衍生工具前所未有的丰富，现代企业间的交易处于全球巨大的、多层次的立体空间内，信用风险的复杂性日益增加，风险发生的概率也急剧加大。
然而，信用管理的核心问题在于信用评估。现实环境中的企业信用评估问题是一类典型的强知识依赖、不良结构的决策问题。首先，强知识依赖表现在评估过程中，个体解决问题的能力依赖于个体内在相关知识的丰富程度，而群体意见融合则建立在知识高度共享的基础之上；其次，信用评估牵涉的信息是不良结构的，表现为信息通常来自多个不同的信息源，它们具有可变化、不完整、不精确、含糊和矛盾的特性；第三，信用评估与人的动机、心理类型、直觉、经验、经历背景都有密切关系，也就是说评估行为中蕴含着人的可能不理智因素；第四，由于信用评估的以上特点，要求企业内部信用评估的计算机支持系统能够处理各种知识和信息，具有半自治、动态可配置的系统结构，在人机关系上具有主动服务特性，同时还具有一定智能性，而传统的计算机信息管理系统、决策支持系统、人工智能系统均无法同时满足这些要求。
国际学术界和企业界对信用评估问题的研究由来已久，研究主要内容是评估模型的设计，即如何利用客户信息以合理评级，目前已经发展出了包括统计方法和非统计方法两大类十几种评估方法。国内对于信用评估的研究提出的方法主要包括：林成德等提出的基于神经网络的专家系统的评级方法，张云起等提出的模糊聚类方法，姜明辉等提出的Logistic回归与线性回归的组合模型，王新生等提出的基于粗集的案例推理方法，肖文兵等提出的基于支持向量机的评估模型。上述研究者希望找到企业信息和评估模型之间的普遍关系，而另外一部分研究者，则专注于专门领域的信用评估指标和系统的研究，如李领芳等对陕西企业特点进行分析之后提出了对于当地企业的一种评级方法，周晖等对电力行业客户所设计的专用信用评估指标体系及信息系统。
上述研究，虽然提供了很多有价值的评估模型，但是普遍存在以下几个问题：1)评估模型通常关注财务及相关指标性数据，而忽视了评估中牵涉到的非数字型或隐式知识。财务数据虽然是表示一个企业的关键数据，但很多时候财务数据并不能真实反映一个企业的信用等级情况，评估模型关注财务数据，更主要是因为财务数据的形式比较利于进行计算；2)单纯关注评估客体信息，忽视评估主体信息的问题。如评估者的知识背景、性格倾向等属性。这个问题同第一个问题是密切相关的，由于评估模型是基本基于财务数据计算得到评估结果，于是当客户了解了评估模型的计算方法之后，可能通过修改财务数据从而获得有利于自己的评估结果，另一方面，单纯关注客体信息，则无视了评估者的经验作用，在目前社会现状下，对于评估结果会产生很大的消极影响。
发明内容
基于上述问题，本发明的一目的在于提供一种基于多代理技术基础上建立起的主观和客观结合利用的理性的信用评估系统。
为了实现上述目的，本发明采用了下述技术方案：
本发明所述信用评估多代理系统(Rational Credit EvaluationMulti-Agent System，简称RCEMAS)将信用评估活动中的主要参与者利用代理概念进行封装建模，并通过代理交互活动控制组织评估过程。该理性信用评估多代理系统包括评估辅助代理模块、任务分配代理模块、知识采集代理模块、题库管理代理模块和评估模型支持代理模块，其中，所述评估辅助代理模块每一个评估者进入系统评估的唯一通道，用以负责记录评估者在一项任务评估过程中的全部行为和辅助决策；所述任务分配代理模块用于根据评估目标的特性进行任务招标，运行理性分组算法和充分讨论引导从而构建动态共享评估团队；所述知识采集代理模块为根据评估目标且通过互联网和知识库进行自动知识获取；所述题库管理代理模块为协同评估辅助代理模块t协作完成评估师的多种测试，负责维护、发送心理和业务测试题；所述模型支持代理为用以选择评估所需要的模型，并且维护和管理模型库；且上述每个代理个体之间为采用FIPAACL消息通信，并且按照基于FIPA(Foundation for Intelligent Physical Agents)协议模板的分组协议和评估控制协议交互从而完成评估任务。
本发明所述系统可在一种评估方法、评估模型失效时，能够及时的修正、改变，且能够利用历史数据检验系统进行返回测试，以及运用各种不同类型反馈测试工具对数据及评估系统进行检验、修正；并且在本系统中，评估人员个体和群体不再独立于系统之外，而是成为信用评估系统中一个可观测的实体。
此外，本发明之另一目的还在于提供一种信用评估多代理方法，且该方法包括以下步骤：
A、提交客户征信报告；
B、系统进行初步分析，结合本地规则库判断和发往状态监控子系统联网判断是否为信用级别有过不良历史记录的公司，同时，对参与的评估人员进行资质测试；
C、如果初步分析通过，则任务分配代理模块根据客户资料和评估人员经测试后获取的属性进行理性分组，同时，将客户征信报告中的信息发送给模型支持代理；
D、评估模型支持代理根据任务分配代理模块传送的评估任务相关信息，于模型库中已有的计算模型中进行选择，且对待评估客户进行初步的自动评估工作，并将该初步的自动评估结果发送给评估辅助代理模块；
E、评估人员开始第一轮评估，直接对待评估客户进行打分，并进入匿名讨论；
F、评估人员开始第二轮评估，再次对待评估客户进行打分；
G、对两轮评估的分数进行加权平均并获得最终得分，最终获得客户的信用评估值。
其中，在B步骤后还包括如果初步分析不通过，即待评估客户为信用级别有过不良历史记录的公司，退出理性信用评估多代理系统；以及在D步骤的同时还包括对比较陌生的待评估客户通过知识库和互联网进行知识获取。
通过本发明所述的系统以及方法，可实现一种有利于评估人员进行理性评估的和谐人机环境，其通过评估人员、信用评估模型和代理智能辅助构成和谐的评估环境，从而去提高企业信用评估的准确度，有效的避免目前行业中借贷过程易出现的各种问题，为管理企业资产、打击职务犯罪和腐败提供了重要的技术手段。
附图说明
图1为本发明所述信用评估多代理系统的功能模块图；
图2为本发明所述评估模型代理模块的工作流程图；
图3为本发明所述信用评估多代理系统的流程图。
具体实施方式
下面结合附图以及具体实施例来对本发明所述理性信用评估多代理系统作进一步的详细说明。
本发明所述信用评估多代理系统将信用评估活动中的主要参与者利用代理概念进行封装建模，并通过代理交互活动控制组织评估过程。
所述信用评估多代理系统为基于多代理(Agent)技术支持下的主观和客观信息结合利用的一种信用评估系统，参阅图1中所示，该所述信用评估多代理系统(Rational Credit Evaluation Multi-AgentSystem，简称RCEMAS)包括评估辅助代理模块20、任务分配代理模块23、知识采集代理模块24、题库管理代理模块21和评估模型支持代理模块22，且上述代理模块个体之间为采用FIPA ACL消息通信，并且按照基于FIPA协议模板的分组协议和评估控制协议交互从而完成评估任务。
其中，所述评估辅助代理模块20为评估人员进入系统评估的唯一通道，其用以负责记录评估人员在一项任务评估过程中的全部行为和决策，且其充当了人与本发明所述理性信用评估多代理系统之间的桥梁作用。又，该评估辅助代理模块20中可包含多个经任务分配代理模块23通过理性分组而出的评估辅助代理集合，且每个集合中每一个评估辅助代理为对应一个评估人员，实际评估中，每个评估辅助代理忠实记录评估人员的工作环境和工作状态，在评估过程中通过对历史以及现场数据库的动态监测分析，让评估人员充分认知当前的工作情景和自身工作状态；本系统根据该评估辅助代理去发现评估人员在评估过程中的异常现象，给予评估人员相应的帮助和建议，防止评估人员因情绪、疏忽以及其他的非常规因素而导致决策失误，从而使得评估人员在评估任务中趋向理性。
另外，通过该评估辅助代理模块20在本发明所述系统中充当的人机界面的角色，因此取代了传统的人机界面，使得评估人员和群体不再独立于系统之外，而是成为评估系统中可观测的实体。
所述任务分配代理模块23包括理性分组单元和评估过程控制单元，且该任务分配代理模块23为用于根据评估目标的特性进行任务招标，运行理性分组算法和充分讨论引导，进而构建动态共享评估团队，也就是构建出参与评估的评估辅助代理。
此外，在上述任务分配代理模块23中之理性分组单元的理性分组功能为由理性评估分组算法来实现，且该算法的输入是评估者的性格和业务特征数据，该特征数据为由评估辅助代理模块20通过心理和业务测试采集得到，以及待评估对象的陌生程度、地域、业务领域、交易额的大小和交易期限等相关信息，而算法的输出为一个参与该次评估的评估辅助代理的集合，其中，且对集合中每一个评估辅助代理发送任务分配信息。
上述理性分组算法具体如下：
输入：R，C，R＝{ri，i ∈N∧(l＜i＜n)}表示全体评估人员的集合，ri是评估师的特征向量，C＝{ck，k∈N∧(l＜k＜m)}表示全体被评判客户的集合。
输出：评估群体集合R* C。
该计算步骤如下：
(1)计算评估师相似度，输出一个赋权图GR；
(2)调用近似划分过程(GR，m)。
步骤(1)的具体过程：
a.对每个分量xi，l≤i≤l，依据该特征分量对评估的影响情况指定权因子ωi，满足 且ωi≥0。
b.针对不同的特征属性设计distt(m，j)函数的具体形式；例如对于年龄属性，可取欧式距离distage(m，j)＝(xage，m-xage，j)2。
步骤(2)则采用的是局部交换近似算法。
再参阅图1，所述知识采集代理模块24为根据评估目标且通过互联网1和知识库进行自动知识获取，其为一种进行知识搜索、录入的工具，且该获取的待评估客户的知识可以包括新闻信息、法律信息、专家经验、网络信息、该待评估客户已申请项目的实际结果信息。又，该知识采集代理模块24也可在实际应用中提供给使用者根据知识信息的不同种类对应的输入功能和查询功能，且在该模块内部，其对信用评估的相关知识采用本体知识库存储，并且为了保持本发明所述系统的开放性，该知识库可采用W3C的OWL标准本体格式设计。
所述题库管理代理模块21为协同评估辅助代理模块20协作完成评估师的多种测试，负责维护、发送心理和业务测试题，其中，实际应用过程中，该模块内部可采用关系数据库存储试题和答案，且待接收到请求出题信息之后自动根据测试类别随机生成试卷对象，然后由评估辅助代理模块20远程调用该试卷进而完成对评估辅助代理的资质测试，并将存储该测试结果。
所述评估模型支持代理模块22为用以根据任务分配代理模块23发送的关于评估任务的消息从而去选择评估所需要的模型，且结合图2中所示，即，该评估模型支持模块22根据任务分配代理模块23发送的业务信息(步骤200)，从而获知模型的选择参数，譬如地域、行业、业务量等参数，进而自该评估模型支持代理模块22的模型库中已有的模型中选择相应的评估模型(步骤201)，然后根据获取的评估模型进行相应的计算，并将计算后的客观信用评估值发送给对应此次评估业务的评估辅助代理(步骤202)。
另外，该上述评估模型支持代理模块22还负责本发明所述理性信用评估多代理系统中模型库的维护和管理，即对模型库中模型进行补充、修正以及校验。上述用于评估的评估模型为针对所评估的对象建立起来的一系列因素及其打分标准，其最后结果是用量化的数值来体现所评估对象的信用风险，在这里，该所述评估模型为采用数学方法描述而建立起来的影响信用质量因素指标和风险之间的一种函数关系。
通过上述代理模块，且基于多代理技术的基础上，本发明所述信用评估多代理系统具有动态性，既能够对现行的客户和潜在的客户进行信用评估，也能够随着实际业务的拓展，不断的在运行中按照需要升级以及适应新业务、新客户新风险的要求，且当一种评估方法、评估模型失效时，能够及时的修正、改变；具有可检验、可观测性、可控制性，即其能够利用历史数据检验系统进行返回测试，以及运用各种不同类型反馈测试工具对数据及评估系统进行检验、修正。
本发明中所述的各个代理模块以及具体的代理均可独立开发和进行测试。
本发明所述的信用评估多代理方法为基于所述信用评估多代理系统下实现，且参照图3中所示，该方法包括：评估时，客户进入系统，且通过评估辅助代理模块20提交客户征信报告(步骤300)；系统根据该征信报告进行初步分析，且其为结合本地规则库判断和发往状态监控子系统联网判断，该待评估客户是否为信用级别有过不良历史记录的公司(步骤301)，同时，评估人员进入系统，此时对该评估人员进行资质测试，并将该测试结果记录在评估辅助代理模块20中(步骤303)；如果系统对待评估客户的初步分析没有通过，则退出本评估系统(步骤302)；如果初步分析通过，则任务分配代理模块23根据客户资料和评估人员经测试后获取的属性进行理性分组(步骤304)，同时，系统将客户征信报告中的信息发送给评估模型支持代理模块22(步骤305)；模型支持代理根据任务分配代理模块23传送的评估任务的相关信息，通过对模型库中已有的计算模型进行选择，并对待评估客户进行初步的自动评估工作，与此同时，将该初步的自动评估结果发送给评估辅助代理模块20中的对应的评估辅助代理(步骤307)；在执行步骤304、步骤305和步骤306的同时，如果待评估客户为一陌生的客户，则通过知识采集代理模块24通过互联网1和知识库进行客户相关信息的获取(步骤306)；最后，在完成上述系列步骤后，评估人员开始第一轮评估，直接对待评估客户进行打分，并进入匿名讨论(步骤308)；评估人员开始第二轮评估，再次对待评估客户进行打分(步骤309)；评估辅助代理对两轮评估的分数进行加权平均并获得最终得分，最终获得客户的信用评估值(步骤310)。
通过本发明所述的系统以及方法，可实现一种有利于评估人员进行理性评估的和谐人机环境，其通过评估人员、信用评估模型和代理智能辅助构成和谐的评估环境，从而去提高企业信用评估的准确度，有效的避免目前行业中借贷过程易出现的各种问题，为管理企业资产、打击职务犯罪和腐败提供了重要的技术手段。
Claims (9)
1. 一种信用评估多代理系统，其特征在于，该系统包括：
评估辅助代理模块，其为每一个评估人员进入系统评估的唯一通道，用以负责记录评估人员在一项任务评估过程中的全部行为和辅助决策；
任务分配代理模块，其用以根据评估目标的特性进行任务招标，运行理性分组算法和充分讨论引导从而构建动态共享评估团队，且该任务分配代理包括运用理性评估分组算法对评估人员进行分组的理性分组单元和对评估过程进行控制的评估控制单元；
题库管理代理模块，用以协同上述评估辅助代理模块完成评估人员的多种测试，负责维护试题数据库以及发送心理、业务测试题；以及
模型支持代理模块，用以根据上述任务分配代理模块发送的评估任务消息去选择评估所需要的模型且进行初步评估，并且还用以维护和管理模型库；
其中，上述各个代理模块个体之间为采用FIPAACL消息通信，且按照基于FIPA协议模板的分组协议和评估控制协议交互从而完成评估任务。
2. 如权利要求1所述信用评估多代理系统，其特征在于，还包括知识采集代理模块，且该知识采集代理模块为用以根据评估目标通过网络进行知识的自动获取。
3. 如权利要求1所述信用评估多代理系统，其特征在于，所述理性信用评估多代理系统采用内核-插件式系统结构。
4. 如权利要求1所述信用评估多代理系统，其特征在于，所述理性评估分组算法的输入是评估人员的性格和业务水平数据以及待评估客户的陌生程度、地域、业务领域、交易额以及交易期限相关信息，其输出为一个参与该次评估的评估辅助代理的集合。
5. 如权利要求1所述信用评估多代理系统，其特征在于，所述评估模型支持代理模块中包括存储有已知评估模型的模型库。
6. 如权利要求1所述信用评估多代理系统，其特征在于，所述知识采集代理模块中包含存储用于信用评估的知识的OWL格式知识库。
7. 一种信用评估多代理的方法，其特征在于，该方法包括以下步骤：
A、提交被评估客户的征信报告；
B、系统进行初步分析，即结合本地规则库判断和发往状态监控子系统联网判断是否为信用级别有过不良历史记录的公司，同时，对参与的评估人员进行资质测试；
C、如果系统初步分析通过，即信用级别不是有过不良历史记录的公司，则任务分配代理根据客户资料和评估人员经测试后获取的属性进行理性分组，同时，将客户征信报告中的信息发送给评估模型支持代理；
D、评估模型支持代理根据任务分配代理发送的评估任务的消息，且通过模型库中已有的计算模型进行初步的自动评估工作，并将该初步的自动评估结果发送给对应的评估辅助代理；
E、评估人员开始第一轮评估，直接对待评估客户进行打分，并进入匿名讨论；
F、评估人员开始第二轮评估，再次对待评估客户进行打分；
G、对两轮评估的分数进行加权平均并获得最终得分，最终获得待评估客户的信用评级。
8. 如权利要求7所述的信用评估多代理方法，其特诊在于，还包括，在B步骤后还包括如果初步分析不通过，即待评估客户为信用级别有过不良历史记录的公司，则退出该理性信用评估多代理系统。
9. 如权利要求7所述的信用评估多代理方法，其特诊在于，还包括，在D步骤的同时还包括对比较陌生的待评估客户通过知识库和互联网进行客户相关信息的获取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2008100889782A CN101251921A (zh) | 2008-04-10 | 2008-04-10 | 信用评估多代理系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2008100889782A CN101251921A (zh) | 2008-04-10 | 2008-04-10 | 信用评估多代理系统及其方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101251921A true CN101251921A (zh) | 2008-08-27 |
Family
ID=39955300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2008100889782A Pending CN101251921A (zh) | 2008-04-10 | 2008-04-10 | 信用评估多代理系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101251921A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663650A (zh) * | 2012-03-14 | 2012-09-12 | 钟文清 | 一种企业信用风险分析系统及其使用方法 |
| CN112308703A (zh) * | 2020-11-02 | 2021-02-02 | 创新奇智(重庆)科技有限公司 | 用户分群方法、装置、设备及存储介质 |
-
2008
- 2008-04-10 CN CNA2008100889782A patent/CN101251921A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663650A (zh) * | 2012-03-14 | 2012-09-12 | 钟文清 | 一种企业信用风险分析系统及其使用方法 |
| CN112308703A (zh) * | 2020-11-02 | 2021-02-02 | 创新奇智(重庆)科技有限公司 | 用户分群方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kumar et al. | A framework for assessing social acceptability of industry 4.0 technologies for the development of digital manufacturing | |
| Tserng et al. | A study of ontology-based risk management framework of construction projects through project life cycle | |
| Hossain et al. | Belief‐rule‐based expert systems for evaluation of e‐government: a case study | |
| Caserio et al. | Enterprise resource planning and business intelligence systems for information quality | |
| Patil et al. | Modelling performance measurement barriers of humanitarian supply chain | |
| Amoozad Mahdiraji et al. | Business process transformation in financial market: A hybrid BPM‐ELECTRE TRI for redesigning a securities company in the Iranian stock market | |
| Karbassi Yazdi et al. | A decision-support approach under uncertainty for evaluating reverse logistics capabilities of healthcare providers in Iran | |
| Polyakova et al. | Data-driven HR Analytics in a Quality Management System. | |
| Kabak et al. | Cumulative belief degrees approach for analyzing the competitiveness of the automotive industry | |
| Azadnia et al. | A comprehensive performance measurement framework for business incubation centres: Empirical evidence in an Irish context | |
| Cannavacciuolo et al. | Knowledge elicitation and mapping in the design of a decision support system for the evaluation of suppliers’ competencies | |
| CN101251921A (zh) | 信用评估多代理系统及其方法 | |
| Afsarmanesh et al. | VBE management system | |
| Miller | A conceptual framework for interdisciplinary decision support project success | |
| Moutinho et al. | Strategic diagnostics and management decision making: a hybrid knowledge‐based approach | |
| Min et al. | Motivators and Inhibitors for Business Analytics Adoption from the Cross-Cultural Perspectives: A Data Mining Approach | |
| Arnovick et al. | Design and evaluation of information systems | |
| Al-Nimer | The effect of implementing business intelligence on the quality of decision making In the telecommunication sector in Jordan | |
| Tuten | A Model for the Evaluation of IS/IT investments | |
| Panda et al. | Survival and sustenance strategy of primary agricultural cooperative credit societies in India: a fuzzy interpretive structural modelling approach | |
| Cichy | An Explainable Machine Learning Approach for Automated Data Quality Assessment and Improvement Processes | |
| Maritim | Project Management Information Systems and Decision-making in a Multi-project Environment | |
| Van Niekerk | A Study of the data mining of meeting minutes of construction projects | |
| Kwok et al. | Design of a generic customer relationship strategy management system | |
| Pen et al. | Evaluating the Configurations of Data Value Chain Elements for Information-Intensive Services in the Insurance Industry: An fsQCA Approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Open date: 20080827 |