CN106096736B - 基于FP-Tree序列模式挖掘的故障诊断与估价的平台 - Google Patents
基于FP-Tree序列模式挖掘的故障诊断与估价的平台 Download PDFInfo
- Publication number
- CN106096736B CN106096736B CN201610364731.3A CN201610364731A CN106096736B CN 106096736 B CN106096736 B CN 106096736B CN 201610364731 A CN201610364731 A CN 201610364731A CN 106096736 B CN106096736 B CN 106096736B
- Authority
- CN
- China
- Prior art keywords
- module
- tree
- spare part
- frequent
- items
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Fuzzy Systems (AREA)
- Strategic Management (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
基于FP‑Tree序列模式挖掘的故障诊断与估价的平台,包括对应关系模块、拓扑搜索模块和解决方案模块;所述对应关系模块,根据事务数据库,通过FP‑Tree算法创建故障码和更换备件对应关系的频繁项集;所述拓扑搜索模块,利用备件位置和故障所在的ECU位置之间的拓扑关系,进行拓扑搜索,遴选频繁项集;所述解决方案模块,由备件与维修工项构建的对应关系,获得故障码对应备件和维修工项的完整解决方案。本发明的诊断与估价平台通过频繁项集算法FP‑Tree和序列模式挖掘寻找对应关系。采用两算法融合使用,适用于除了单一故障还有多故障并行解决的可能性,远程估算车辆的故障码判断需要维修的备件和工项,提供完整解决方案,为车辆的维修提供参考和借鉴。
Description
技术领域
本发明涉及故障诊断领域,尤其涉及通过FP-Tree序列模式挖掘关联算法,探索故障码与备件及工项的关联关系,更具体说是基于FP-Tree序列模式挖掘的故障诊断与估价的平台。
背景技术
现有技术中,汽车维修工人通过读取车辆诊断仪生成的诊断报告中故障码来掌握故障情况,通过服务手册或结合维修经验确认导致该故障情况的故障发生部位,提供维修方案,即故障码和更换备件的粗略关系,再经服务顾问给出工项开单。因此,目前的车辆故障诊断方法冗杂耗时,汽车维修工人对于设备故障基本凭借经验判断,并且给出备件号、备件名称及备件价位,主观性强,缺乏统一标准。特别是对于多种车辆故障并行的情况,更增大了处理难度,费时费力。
发明内容
本发明为解决现有技术的不足,提供了一种基于FP-Tree序列模式挖掘的故障诊断与估价的平台。该平台通过将车辆诊断仪生成的诊断报告中ECU故障码和对应车辆的维修记录进行关联,利用挖掘关联规则的频繁项集算法FP-Tree,寻找故障码和更换备件的粗略关系。再进一步通过故障码和更换备件间的建立拓扑关系,通过序列模式挖掘,获知准确度高的故障码和更换备件的对应关系。同理,探索备件与维修工项之间的对应关系,获得故障码对应备件和工项的完整解决方案。
本发明的技术方案如下:基于FP-Tree序列模式挖掘的故障诊断与估价的平台,包括对应关系模块、拓扑搜索模块和解决方案模块;
所述对应关系模块,根据事务数据库,通过FP-Tree算法创建故障码和更换备件对应关系的频繁项集;
所述拓扑搜索模块,利用备件位置和故障所在的ECU位置之间的拓扑关系,进行拓扑搜索,遴选频繁项集;
所述解决方案模块,由备件与维修工项构建的对应关系,获得故障码对应备件和维修工项的完整解决方案。
优选地,所述对应关系模块包括事务数据库模块及应用模块,所述事务数据库模块输入事务数据库和最小支持度阈值minσ,扫描事务数据库,删除频数小于最小支持度的项目,得到全部频繁项集F1;所述应用模块把事务数据库中的每一条记录按照F1中的频繁项按其支持度降序排列生成FP-Tree,从FP-Tree中找到所有的频繁模式。
优选地,所述拓扑搜索模块包括分类模块及标识模块;所述分类模块根据备件码的构造规则将备件进行分类;所述标识模块将备件和故障所在的ECU位置构建的拓扑关系进行标识,得到备件和ECU位置的对应关系。所述的备件分别按照附件、娱乐信息,发动机,燃油、排气、空调,变速箱,前轴、转向装置,后轴,车轮、制动器,踏板机构,车身,电子设备进行0~9分类。
优选地,所述的解决方案模块包括备件—维修工项的数据库模块及备件—维修工项FP-Tree模块;所述备件—维修工项的数据库模块扫描备件与维修工项的数据库,获得备件与维修工项的频繁项集F2;对F2中的频繁项按其支持度降序排列得到L’;所述备件—维修工项FP-Tree模块通过创建FP-Tree的根节点,以“null”标记,再次数据库,把数据库中的每一条记录按照L’中的顺序排列,生成FP-Tree;从FP-Tree中找到所有的频繁模式,构建备件与维修工项的对应关系。
更优选地,所述的FP-Tree的构造算法如下:按照F1(或F2)中的频繁项按其支持度降序排列生成频繁项表为[p|P],其中p是第一个频繁项,而P是剩余的频繁项的列表,调用insert_tree([p|P],T),insert_tree([p|P],T)过程执行情况如下:如果T有子节点N使N.item_name=p.item_name,则N的计数增加1;否则创建一个新节点N,将其计数设置为1,链接到它的父节点T,并且通过node_link将其链接到具有相同名称item_name的节点;如果P非空,递归调用insert_tree(P,N)。
进一步地,对于FP-Tree是单枝的情况,直接输出整条路径上所有节点的组合+postModel。
与现有技术相比,本发明的有益效果是:本发明的诊断与估价的平台通过频繁项集算法FP-Tree和序列模式挖掘寻找对应关系。采用两算法融合使用,提供了能基于大数据,获知准确度高的故障码和更换备件的对应关系,适用于除了单一故障还有多故障并行解决的可能性,远程估算车辆的故障码判断需要维修的备件和工项,提供完整解决方案,为车辆的维修提供参考和借鉴。
附图说明
图1为本发明实施例1插入第一条故障码和备件对应关系的FP-Tree结构示意图;
图2为本发明实施例1插入第二条故障码和备件对应关系的FP-Tree结构示意图;
图3为本发明实施例1插入第三条故障码和备件对应关系的FP-Tree结构示意图;
图4为本发明实施例1生成的故障码和备件对应关系的FP-Tree结构示意图;
图5为本发明备件位置和车辆故障所在的ECU位置之间的拓扑关系图。
具体实施方式
下面结合附图,通过实施例对本发明作进一步详细说明。以下实施例对本发明只是描述性的,不是限定性的,不能以此限定本发明的保护范围。
本实施例中基于FP-Tree序列模式挖掘的故障诊断与估价的平台包括对应关系模块、拓扑搜索模块和解决方案模块;
实施例1
对应关系模块包括事务数据库模块及应用模块,根据事务数据库,利用FP-Tree,紧缩的数据结构来存储查找频繁项集,挖掘关联规则,根据置信度、支持度等提取出故障和备件的可能项集,即:
输入:事务数据库D(故障码和更换备件的连接关系)和最小支持度阈值minσ;
输出:事务数据库D所对应的FP-tree。
1、扫描故障码—备件事务数据库D,获得故障码—备件事务数据库D中所包含的全部频繁项集F1,及它们各自的支持度。对F1中的频繁项按其支持度降序排序得到L。
事务数据库如下,每一行代表一次故障码和更换备件的可能关系:
故障A,故障B,备件C,备件D |
故障B,故障E,备件D,备件F |
故障B,备件C,备件D |
故障A,故障B,备件C,故障E,备件D,备件F |
故障A,备件C,备件F |
故障B,备件C,备件F |
故障A,备件C,备件D |
故障A,故障B,备件C,备件G,备件D |
故障A,故障B,备件F |
故障A,故障B,备件G,备件D |
目的:找出一种总是相伴出现的组合,比如故障B和备件D总一起出现,则[故障B,备件D]是一条频繁模式。通过FP-Tree得到一部分粗略的关系,然后通过拓扑搜索细化,剔除不满足拓扑关系的组合。
(1)扫描数据库,每项按频数递减排序,并删除频数小于最小支持度MinSup的项目。
故障A:7
故障B:8
备件C:7
备件D:7
备件F:5
*本次扫描{Minsup=3}
则故障B、备件C、备件D、故障A、备件F为频繁1项集,计为F1。
(2)对于每一条故障码和更换备件的可能关系,按照F1中的顺序重新排序。
故障B,备件D,备件C,故障A |
故障B,备件D,备件F |
故障B,备件D,备件C |
故障B,备件D,备件C,故障A,备件F |
备件C,故障A,备件F |
故障B,故障A,备件F |
故障B,备件C,备件F |
备件D,备件C,故障A |
故障B,备件D,备件C,故障A |
故障B,备件D,故障A |
2、应用模块:把事务数据库中的每一条记录按照F1中的频繁项按其支持度降序排列生成FP-Tree,从FP-Tree中找到所有的频繁模式。
创建FP-tree的根节点T,以“null”标记,再次扫描事务数据库D,对于事务数据库D中每个事务,将其中的频繁项选出并按L中的次序排序。设排序后的频繁项表为[p|P],其中p是第一个频繁项,而P是剩余的频繁项。调用insert_tree([p|P],T)。insert_tree([p|P],T)过程执行情况如下:如果T有子节点N使N.item_name=p.item_name,则N的计数增加1;否则创建一个新节点N,将其计数设置为1,链接到它的父节点T,并且通过node_link将其链接到具有相同item_name的节点。如果P非空,递归地调用insert_tree(P,N)。FP-tree是一个高度压缩的结构,它存储了用于挖掘频繁项集的全部信息。对于FP-Tree已经是单枝的情况,就没有必要再递归调用FPGrowth了,直接输出整条路径上所有节点的各种组合+postModel即可。
(1)把1.(2)步骤中得到的各条记录插入到FP-Tree中。初始后缀模式为空,最终生成FP-Tree如图1~4所示。图4中最左边的一侧叫做表头项,树中相同名称的节点要链接起来,链表的第一个元素就是表头项里的元素。如果FP-Tree为空(只含一个虚的root节点),则FP-Growth函数返回。此时输出表头项的每一项+postModel,支持度为表头项中对应项的计数。
(2)表头项中的每一项(我们拿“故障A:7”为例),对于各项都执行以下①到⑤的操作:
①从FP-Tree中找到所有的“故障A”节点,向上遍历它的祖先节点,得到4条路径:
备件D:6,故障B:8,故障A:1 |
备件D:6,故障B:8,备件C:4,故障A:3 |
故障B:8,故障A:1 |
备件C:2,故障A:2 |
②对于每一条路径上的节点,其count都设置为故障A的count
备件D:1,故障B:1,故障A:1 |
备件D:3,故障B:3,备件C:3,故障A:3 |
故障B:1,故障A:1 |
备件C:2,故障A:2 |
③因为每一项末尾都是故障A,可以把故障A去掉,得到条件模式基(ConditionalPattern Base,CPB),此时的后缀模式是:(故障A)。
备件D:1,故障B:1 |
备件D:3,故障B:3,备件C:3 |
故障B:1 |
备件C:2 |
④把上面的结果当作原始的事务数据库,返回到第3步,递归迭代运行。
⑤最终得到的频繁项集为(去除只有备件或者只有故障的关系集)
频次 | 频繁项集 |
6 | 故障B,备件D |
5 | 故障A,备件D |
5 | 故障A,备件C |
5 | 故障B,备件C |
4 | 故障B,备件F |
4 | 故障B,备件C,备件D |
3 | 故障A,备件F |
3 | 故障A,故障B,备件C |
3 | 故障A,故障B,备件C,备件D |
3 | 故障A,故障B,备件D |
3 | 故障A,备件C,备件D |
实施例2
拓扑搜索模块包括分类模块及标识模块;所述分类模块根据备件码的构造规则将备件进行分类;
根据备件码的构造规则,进行备件分类,具体如下:
1(发动机):发动机总成、缸体、缸盖、活塞、连杆、连接部件、发动机托架、支架急紧固件,燃油喷射如进气管、空气流量计等;
2(燃油、排气、空调冷却):燃油箱、排气管、空调制冷系统等;
3(变速箱):变速箱总成及内部部件;
4(前轴、转向装置):前轮驱动差速器、转向系统(转向机)、前减震器等;
5(后轴):后轴、后轮驱动差速器,后减震器,如后桥、后轮轴承等;
6(车轮、制动器):车轮、车轮装饰盖、刹车系统;
7(踏板机构):手脚制动系统;
8(车身):车身及装饰件,空调壳体,前后保险杠,如车身总成、空调通风系统等;
9(电子设备):电器,如发动机、起动机、控制器、灯具、线束等;
0(附件、信息娱乐):附件(千斤顶,天线,收音机,发动机底护板)及油漆材料等。
对关联算法得出的故障和备件(项目)的可能项集进行进一步收缩,利用车辆构造,限制备件位置和车辆故障所在的ECU位置之间的拓扑关系,在有限范围内遴选频繁项集。所述标识模块将备件和故障所在的ECU位置构建的拓扑关系进行标识,得到备件和ECU位置的对应关系。采用FP-Free频繁项集算法构建备件与维修项目(工项)之间的对应关系,从而获得故障码对应备件和工项的完整解决方案。
2、备件分类号码对应车辆ECU名称拓扑关系
3、备件号码分类对应工项代码拓扑关系
实施例3
解决方案模块包括备件—维修工项的数据库模块及备件—维修工项FP-Tree模块;
扫描备件—维修工项的数据库模块获得备件与维修工项的频繁项集F2;对F2中的频繁项按其支持度降序排列得到L’;所述备件—维修工项FP-Tree模块通过创建FP-Tree的根节点,以“null”标记,再次数据库,把数据库中的每一条记录按照L’中的顺序排列,生成FP-Tree;从FP-Tree中找到所有的频繁模式,构建备件与维修工项的对应关系。
通过上述方法结合找到故障与备件的对应关系,获得故障码对应备件和工项的完整解决方案。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.基于FP-Tree序列模式挖掘的故障诊断与估价的平台,其特征在于,包括对应关系模块、拓扑搜索模块和解决方案模块;
所述对应关系模块,根据事务数据库,通过FP-Tree算法创建故障码和更换备件对应关系的频繁项集;所述对应关系模块包括事务数据库模块及应用模块,所述事务数据库模块输入事务数据库和最小支持度阈值minσ,扫描事务数据库,删除频数小于最小支持度的项目,得到全部频繁项集F1;所述应用模块把事务数据库中的每一条记录按照F1中的频繁项按其支持度降序排列生成FP-Tree,从FP-Tree中找到所有的频繁模式;
所述拓扑搜索模块,利用备件位置和故障所在的ECU位置之间的拓扑关系,进行拓扑搜索,遴选频繁项集;所述拓扑搜索模块包括分类模块及标识模块;所述分类模块根据备件码的构造规则将备件进行分类;所述标识模块将备件和故障所在的ECU位置构建的拓扑关系进行标识,得到备件和ECU位置的对应关系;
所述解决方案模块,由备件与维修工项构建的对应关系,获得故障码对应备件和维修工项的完整解决方案;所述的解决方案模块包括备件—维修工项的数据库模块及备件—维修工项FP-Tree模块;所述备件—维修工项的数据库模块扫描备件与维修工项的数据库,获得备件与维修工项的频繁项集F2;对F2中的频繁项按其支持度降序排列得到L’;所述备件—维修工项FP-Tree模块通过创建FP-Tree的根节点,以“null”标记,再次扫描数据库,把数据库中的每一条记录按照L’中的顺序排列,生成FP-Tree;从FP-Tree中找到所有的频繁模式,构建备件与维修工项的对应关系。
2.根据权利要求1所述的基于FP-Tree序列模式挖掘的故障诊断与估价的平台,其特征在于,所述的FP-Tree的构造算法如下:
按照F1或F2中的频繁项按其支持度降序排列生成频繁项表为[p|P],其中p是第一个频繁项,而P是剩余的频繁项的列表,调用insert_tree([p|P],T),insert_tree([p|P],T)过程执行情况如下:如果T有子节点N使N.item_name=p.item_name,则N的计数增加1;否则创建一个新节点N,将其计数设置为1,链接到它的父节点T,并且通过node_link将其链接到具有相同名称item_name的节点;如果P非空,递归调用insert_tree(P,N)。
3.根据权利要求2所述的基于FP-Tree序列模式挖掘的故障诊断与估价的平台,其特征在于,对于FP-Tree是单枝的情况,直接输出整条路径上所有节点的组合+postModel。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610364731.3A CN106096736B (zh) | 2016-05-27 | 2016-05-27 | 基于FP-Tree序列模式挖掘的故障诊断与估价的平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610364731.3A CN106096736B (zh) | 2016-05-27 | 2016-05-27 | 基于FP-Tree序列模式挖掘的故障诊断与估价的平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106096736A CN106096736A (zh) | 2016-11-09 |
CN106096736B true CN106096736B (zh) | 2020-03-24 |
Family
ID=57229482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610364731.3A Active CN106096736B (zh) | 2016-05-27 | 2016-05-27 | 基于FP-Tree序列模式挖掘的故障诊断与估价的平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106096736B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291068B (zh) * | 2017-07-28 | 2021-08-10 | 深圳市元征科技股份有限公司 | 车辆诊断方法和车辆诊断设备 |
CN107480072B (zh) * | 2017-08-22 | 2020-07-10 | 中南大学 | 基于关联模式的透明计算服务端缓存优化方法及系统 |
CN108710692A (zh) * | 2018-05-22 | 2018-10-26 | 北京经纬恒润科技有限公司 | 一种汽车零部件生产线测试系统及方法 |
CN110837504A (zh) * | 2019-11-04 | 2020-02-25 | 中国南方电网有限责任公司超高压输电公司昆明局 | 一种工控系统异常系统事件识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799606A (zh) * | 2011-05-24 | 2012-11-28 | 通用汽车环球科技运作有限责任公司 | 用于根本原因分析的结构相关性与交叉功能相关性的结合 |
CN105117771A (zh) * | 2015-07-28 | 2015-12-02 | 北京理工大学 | 一种基于关联规则有向无环图的农机故障识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5159368B2 (ja) * | 2008-02-29 | 2013-03-06 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 変化分析システム、方法及びプログラム |
-
2016
- 2016-05-27 CN CN201610364731.3A patent/CN106096736B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799606A (zh) * | 2011-05-24 | 2012-11-28 | 通用汽车环球科技运作有限责任公司 | 用于根本原因分析的结构相关性与交叉功能相关性的结合 |
CN105117771A (zh) * | 2015-07-28 | 2015-12-02 | 北京理工大学 | 一种基于关联规则有向无环图的农机故障识别方法 |
Non-Patent Citations (1)
Title |
---|
基于FP-Tree的最大频繁项目集挖掘及更新算法;宋余庆 等;《软件学报》;20031231;第14卷(第9期);1586-1589 * |
Also Published As
Publication number | Publication date |
---|---|
CN106096736A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106056222B (zh) | 基于FP-Tree序列模式挖掘的故障诊断与估价的方法 | |
CN106056221B (zh) | 基于FP-Tree序列模式挖掘和故障码分类的车辆远程诊断与备件检索的方法 | |
CN106096736B (zh) | 基于FP-Tree序列模式挖掘的故障诊断与估价的平台 | |
CN106066642B (zh) | 基于FP-Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法 | |
CN107085768B (zh) | 一种用于评价汽车使用可靠性的方法 | |
US7092937B2 (en) | Vehicle diagnostic knowledge delivery | |
CN108351995A (zh) | 用于提供车辆维修提示的方法和系统 | |
CN110399644B (zh) | 车辆试验模型建立方法、装置、设备和存储介质 | |
CN108628290B (zh) | 汽车线束图的生成方法及装置 | |
EP1611539A1 (en) | Vehicle diagnostic record mapping | |
CN108038551A (zh) | 工时数据确定方法、设备及存储介质 | |
US20050022152A1 (en) | White body modeing and virtual evaluation system for mechanical assemblies | |
CN110855532A (zh) | 车载网关测试方法、装置、设备及存储介质 | |
CN101582098B (zh) | 产生车辆部件的计算机模型的配置约束的方法和系统 | |
Kibira et al. | Generic simulation of automotive assembly for interoperability testing | |
CN113988637A (zh) | 一种汽车工艺辅助开发方法 | |
CN112036473B (zh) | 一种基于高风险交通行为数据库的交通事故风险评估方法 | |
Becker et al. | A method for system interface reduction using N2 charts | |
US20070220482A1 (en) | Dynamic program module generation for manipulating vehicle frame | |
CN110765177A (zh) | 一种基于粗糙集理论的航空发动机故障规则生成方法 | |
CN110610389A (zh) | 一种目标标准的确定方法及装置 | |
Felgenhauer et al. | Derivation, analysis and comparison of geometric requirements for various vehicle drivetrains using dimensional chains | |
CN116090093A (zh) | 基于整车标准结构模板生成顶层结构及完整性校验方法 | |
US20230169474A1 (en) | Vehicle parts information processing device, vehicle parts information processing method, and storage medium | |
Mahatthanapiwat | Flexible searching for graph aggregation hierarchy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |