CN109359151B - 一种船体分段物流大数据可视化平台 - Google Patents
一种船体分段物流大数据可视化平台 Download PDFInfo
- Publication number
- CN109359151B CN109359151B CN201811269563.5A CN201811269563A CN109359151B CN 109359151 B CN109359151 B CN 109359151B CN 201811269563 A CN201811269563 A CN 201811269563A CN 109359151 B CN109359151 B CN 109359151B
- Authority
- CN
- China
- Prior art keywords
- data
- logistics
- ship body
- subsection
- server
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种船体分段物流大数据可视化平台，该平台包括船体分段物流数据中心服务器端、船体分段物流数据采集端、分段物流数据可视化端。该船体分段物流可视化大数据平台，首先通过船体分段物流数据中心服务器端为该平台的数据处理中心，用于对数据的存储、分析与挖掘；所述船体分段物流数据采集端为该平台数据的输入端，用于对生产现场物流数据的采集；所述分段物流数据可视化端是将数据中心的数据以图文的形式展示，用于船厂生产管理人员掌握船厂物流分布、资源使用等信息，能够实时掌控船舶建造厂区的全部分段物流信息以及搬运平板车的使用状态，提高船体分段物流的管理效率。
Description
技术领域
本发明涉及船舶行业物流平台技术领域，具体为一种船体分段物流大数据可视化平台。
背景技术
船体分段物流是指在船舶建造过程中，根据船体分段在船厂各作业区域的流动规律，应用大数据分析原理和方法，对船体分段物流活动进行计划、组织、协调、控制和监测，使各项作业活动实现最优管理，以降低船体分段搬运成本，提高船体分段物流效率和经济效益。
通常一条大型船舶建造涉及的船体分段数量多达200个至300个，特别是多条船同时进行建造时，船厂涉及的船体分段数更多，在内外场制造、预舾装、涂装及总组等作业区来回周转的次数随之增加。除此之外，由于大型船舶建造周期长，船厂作业场地紧张以及实际作业安排临时调整等原因，导致船体分段搬运使用的平板车无序和无规划，造成船体分段位置信息、状态信息、作业去向等无法实时跟踪与有效管理，成为企业降本增效的绊脚石之一，因此，面对船舶建造过程中船体分段搬运存在的无效次数，需要建立一种船体分段物流大数据可视化平台解决该问题，为船厂船体分段在堆场区域的放置以及搬运路径提供决策支持。
发明内容
本发明提供一种船体分段物流大数据可视化平台，解决现有船体分段搬运过程存在多次无效搬运问题。
为了解决上述技术问题，本发明提供了如下的技术方案：
本发明提供一种船体分段物流大数据可视化平台，其特征在于，该平台包括船体分段物流数据中心服务器端、船体分段物流数据采集端、分段物流数据可视化端；
所述船体分段物流数据中心服务器端为该平台的数据处理中心，用于对数据的集中管理，具备数据存储、分析与挖掘，所述船体分段物流数据中心服务器包括数据存储服务器、数据清洗服务器、数据挖掘服务器、Web访问服务器；
数据存储服务器采用分布式的、面向列的Hbase数据库，Hbase数据库是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase可搭建大规模结构化存储集群，可满足船舶制造场景下数据无序性、离散性以及不确定性的需求，实现船体分段物流数据的存储；
数据清洗服务器采用MapReduce进行数据处理，消除数据库中的冗余数据，保证用于计算数据的准确性；MapReduce是一种面向大规模数据处理的并行计算模型和方法，它是一个基于集群的高性能并行计算平台、一个并行计算与运行软件框架，是一个并行程序设计模型与方法，
数据挖掘服务器采用分类、估计、预测、关联、聚类、图像处理的人工智能算法进行数据潜在的规律进行分析；
Web访问服务器采用B/S架构，B/S结构是一种网络架构模式，B/S结构为浏览器/服务器模式结构，这种模式统一了客户端，将系统功能实现的核心部分集中到服务器上，简化了系统的开发、维护和使用，将数据分析结果传输到可视化端，供企业部分进行访问与决策；
所述船体分段物流数据采集端为该平台数据的输入端，用于对生产现场物流数据的采集；采用GPS全球系统定位器、电子标签、智能传感器等方式对船体分段的位置、分段信息、作业人员、平板车信息、船体分段堆放区域等信息进行获取，ETL技术为抽取-转换-加载三位一体式，作为构件数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去，利用ETL技术将制造现场的实时数据传输到数据中心，并进行存储，共数据存储中心进行分析决策；
所述分段物流数据可视化端是将船体分段物流数据中心服务器端计算、分析、预测、检索查询的结果，采用Fine BI帆软可视化软件以图文的形式在移动端、集控中心、现场看板进行展示，用于船厂生产管理人员掌握船厂物流分布、资源使用等信息，包括移动端、集控中心、现场看板。
其中所述船体分段物流数据采集端将采集的数据传输至所述船体分段物流数据中心服务器端，经由所述船体分段物流数据中心服务器端整理分析后，并显示在所述分段物流数据可视化端。
作为本发明的一种优选方案，所述船体分段物流数据采集端的采集信息方式包括RFID标签识别方式、传感器采集方式、GPS定位方式、高清摄像头结合人工分析结合确定方式；RFID为无线射频识别，GPS为全球定位系统；
具体操作步骤为：
S1：从船体分段物流数据中心服务器端中检索物流数据模型，并装载到船体分段物流数据采集端的数据采集列表中；
S2：根据步骤S1中提取的物流数据模型，首先通过GPS定位方式对船体进行定位，确定船体分段物流链路的位置；
S3：通过步骤S2中船体分段物流链路的位置，并结合RFID标签识别方式、传感器采集方式、高清摄像头和人工确定方式调整物流数据模型中想用的参数，布局或是重置虚拟物流数据模型；
S4：将根据步骤S3中重新调整后的物流数据模型，重新导入船体分段物流数据中心服务器端以便于下次调用；
S5：将可视化计算、分析、预测、检索查询的结果送入分段物流数据可视化端，进行时空一体化显示。
作为本发明的一种优选方案，所述船体分段物流数据采集端的采集信息包括但不限于分段搬运始发地、目的地、船号、时间、操作人员、平板车号、经由场地、堆放时间信息。
作为本发明的一种优选方案，所述船体分段物流数据采集端与船体分段物流数据中心服务器端之间的传输方式包括但不限于TCP/IP协议传输、光纤传输、WIFI无线保真传输、4G移动通信技术传输；TCP/IP为传输控制协议/因特网互联协议。
本发明所达到的有益效果是：该船体分段物流可视化大数据平台，首先通过船体分段物流数据中心服务器端为该平台的数据处理中心，用于对数据的存储、分析与挖掘；所述船体分段物流数据采集端为该平台数据的输入端，用于对生产现场物流数据的采集；所述分段物流数据可视化端是将数据中心的数据以图文的形式展示，用于船厂生产管理人员掌握船厂物流分布、资源使用等信息，能够实时掌控船舶建造厂区的全部分段物流信息以及搬运平板车的使用状态，提高船体分段物流的管理效率。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
在附图中：
图1为本发明系统框图。
图2为本发明船体分段物流大数据可视化运行逻辑。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例：如图1-2所示，本发明提供一种船体分段物流大数据可视化平台，其特征在于，该平台包括船体分段物流数据中心服务器端、船体分段物流数据采集端、分段物流数据可视化端；
所述船体分段物流数据中心服务器端为该平台的数据处理中心，用于对数据的集中管理，具备数据存储、分析与挖掘，所述船体分段物流数据中心服务器包括数据存储服务器、数据清洗服务器、数据挖掘服务器、Web访问服务器；
数据存储服务器采用分布式的、面向列的Hbase数据库，Hbase数据库是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase可搭建大规模结构化存储集群，可满足船舶制造场景下数据无序性、离散性以及不确定性的需求，实现船体分段物流数据的存储；
数据清洗服务器采用MapReduce进行数据处理，消除数据库中的冗余数据，保证用于计算数据的准确性；MapReduce是一种面向大规模数据处理的并行计算模型和方法，它是一个基于集群的高性能并行计算平台、一个并行计算与运行软件框架，是一个并行程序设计模型与方法，
数据挖掘服务器采用分类、估计、预测、关联、聚类、图像处理的人工智能算法进行数据潜在的规律进行分析；
Web访问服务器采用B/S架构，B/S结构是一种网络架构模式，B/S结构为浏览器/服务器模式结构，这种模式统一了客户端，将系统功能实现的核心部分集中到服务器上，简化了系统的开发、维护和使用，将数据分析结果传输到可视化端，供企业部分进行访问与决策；
所述船体分段物流数据采集端为该平台数据的输入端，用于对生产现场物流数据的采集；采用GPS全球系统定位器、电子标签、智能传感器等方式对船体分段的位置、分段信息、作业人员、平板车信息、船体分段堆放区域等信息进行获取，ETL技术为抽取-转换-加载三位一体式，作为构件数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去，利用ETL技术将制造现场的实时数据传输到数据中心，并进行存储，共数据存储中心进行分析决策；
所述分段物流数据可视化端是将船体分段物流数据中心服务器端计算、分析、预测、检索查询的结果，采用Fine BI帆软可视化软件以图文的形式在移动端、集控中心、现场看板进行展示，用于船厂生产管理人员掌握船厂物流分布、资源使用等信息，包括移动端、集控中心、现场看板。
其中所述船体分段物流数据采集端将采集的数据传输至所述船体分段物流数据中心服务器端，经由所述船体分段物流数据中心服务器端整理分析后，并显示在所述分段物流数据可视化端。
所述船体分段物流数据采集端的采集信息方式包括RFID标签识别方式、传感器采集方式、GPS定位方式、高清摄像头结合人工分析结合确定方式；RFID为无线射频识别，GPS为全球定位系统；
具体操作步骤为：
S1：从船体分段物流数据中心服务器端中检索物流数据模型，并装载到船体分段物流数据采集端的数据采集列表中；
S2：根据步骤S1中提取的物流数据模型，首先通过GPS定位方式对船体进行定位，确定船体分段物流链路的位置；
S3：通过步骤S2中船体分段物流链路的位置，并结合RFID标签识别方式、传感器采集方式、高清摄像头和人工确定方式调整物流数据模型中想用的参数，布局或是重置虚拟物流数据模型；
S4：将根据步骤S3中重新调整后的物流数据模型，重新导入船体分段物流数据中心服务器端以便于下次调用；
S5：将可视化计算、分析、预测、检索查询的结果送入分段物流数据可视化端，进行时空一体化显示。
所述船体分段物流数据采集端的采集信息包括但不限于分段搬运始发地、目的地、船号、时间、操作人员、平板车号、经由场地、堆放时间信息。
根据权利要求1所述的一种船体分段物流大数据可视化平台，其特征在于，所述船体分段物流数据采集端与船体分段物流数据中心服务器端之间的传输方式包括但不限于TCP/IP协议传输、光纤传输、WIFI无线保真传输、4G移动通信技术传输；TCP/IP为传输控制协议/因特网互联协议。
其中船体分段物流数据采集端由若干采集端体构成，采集信息包括分段搬运始发地、目的地、船号、时间、操作人员、平板车号、经由场地、堆放时间等信息，采集手段包括RFID标签识别方式、传感器采集方式、GPS定位方式、高清摄像头结合人工确定等方式，作为前端的数据集成终端，主要为后期的服务器数据处理中心提供数据采集信息。
船体分段物流数据中心服务器端为数据处理中心，与船体分段物流数据采集端连接，主要包括数据存储、数据清洗、数据挖掘、Web访问等服务器。主要用于对数据的存储、分析与挖掘。
上述的服务器端和采集端之间主要通过RFID标签识别、传感器采集、GPS定位、高清摄像头结合人工确定等方式进行连接和数据的传递。
最后通过分段物流数据可视化端将数据中心的数据以图文的形式在移动端、集控中心、现场看板进行展示，用于船厂生产管理人员掌握船厂物流分布、资源使用。
最后应说明的是：以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种船体分段物流大数据可视化平台，其特征在于，该平台包括船体分段物流数据中心服务器端、船体分段物流数据采集端、分段物流数据可视化端；
所述船体分段物流数据中心服务器端为该平台的数据处理中心，用于对数据的集中管理，具备数据存储、分析与挖掘，所述船体分段物流数据中心服务器包括数据存储服务器、数据清洗服务器、数据挖掘服务器、Web访问服务器；
数据存储服务器采用分布式的、面向列的Hbase数据库，Hbase数据库是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase可搭建大规模结构化存储集群，可满足船舶制造场景下数据无序性、离散性以及不确定性的需求，实现船体分段物流数据的存储；
数据清洗服务器采用MapReduce进行数据处理，消除数据库中的冗余数据，保证用于计算数据的准确性；MapReduce是一种面向大规模数据处理的并行计算模型和方法，它是一个基于集群的高性能并行计算平台、一个并行计算与运行软件框架，是一个并行程序设计模型与方法，
数据挖掘服务器采用分类、估计、预测、关联、聚类、图像处理的人工智能算法进行数据潜在的规律进行分析；
Web访问服务器采用B/S架构，B/S结构是一种网络架构模式，B/S结构为浏览器/服务器模式结构，这种模式统一了客户端，将系统功能实现的核心部分集中到服务器上，简化了系统的开发、维护和使用，将数据分析结果传输到可视化端，供企业部分进行访问与决策；
所述船体分段物流数据采集端为该平台数据的输入端，用于对生产现场物流数据的采集；采用GPS全球系统定位器、电子标签、智能传感器等方式对船体分段的位置、分段信息、作业人员、平板车信息、船体分段堆放区域等信息进行获取，ETL技术为抽取-转换-加载三位一体式，作为构件数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去，利用ETL技术将制造现场的实时数据传输到数据中心，并进行存储，共数据存储中心进行分析决策；
所述分段物流数据可视化端是将船体分段物流数据中心服务器端计算、分析、预测、检索查询的结果，采用Fine BI帆软可视化软件以图文的形式在移动端、集控中心、现场看板进行展示，用于船厂生产管理人员掌握船厂物流分布、资源使用等信息，包括移动端、集控中心、现场看板；
其中所述船体分段物流数据采集端将采集的数据传输至所述船体分段物流数据中心服务器端，经由所述船体分段物流数据中心服务器端整理分析后，并显示在所述分段物流数据可视化端。
2.根据权利要求1所述的一种船体分段物流大数据可视化平台，其特征在于，所述船体分段物流数据采集端的采集信息方式包括RFID标签识别方式、传感器采集方式、GPS定位方式、高清摄像头结合人工分析结合确定方式；RFID为无线射频识别，GPS为全球定位系统；
具体操作步骤为：
S1：从船体分段物流数据中心服务器端中检索物流数据模型，并装载到船体分段物流数据采集端的数据采集列表中；
S2：根据步骤S1中提取的物流数据模型，首先通过GPS定位方式对船体进行定位，确定船体分段物流链路的位置；
S3：通过步骤S2中船体分段物流链路的位置，并结合RFID标签识别方式、传感器采集方式、高清摄像头和人工确定方式调整物流数据模型中想用的参数，布局或是重置虚拟物流数据模型；
S4：将根据步骤S3中重新调整后的物流数据模型，重新导入船体分段物流数据中心服务器端以便于下次调用；
S5：将可视化计算、分析、预测、检索查询的结果送入分段物流数据可视化端，进行时空一体化显示。
3.根据权利要求2所述的一种船体分段物流大数据可视化平台，其特征在于，所述船体分段物流数据采集端的采集信息包括但不限于分段搬运始发地、目的地、船号、时间、操作人员、平板车号、经由场地、堆放时间信息。
4.根据权利要求1所述的一种船体分段物流大数据可视化平台，其特征在于，所述船体分段物流数据采集端与船体分段物流数据中心服务器端之间的传输方式包括但不限于TCP/IP协议传输、光纤传输、WIFI无线保真传输、4G移动通信技术传输；TCP/IP为传输控制协议/因特网互联协议。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811269563.5A CN109359151B (zh) | 2018-10-29 | 2018-10-29 | 一种船体分段物流大数据可视化平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811269563.5A CN109359151B (zh) | 2018-10-29 | 2018-10-29 | 一种船体分段物流大数据可视化平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109359151A CN109359151A (zh) | 2019-02-19 |
| CN109359151B true CN109359151B (zh) | 2023-02-10 |
Family
ID=65347182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811269563.5A Active CN109359151B (zh) | 2018-10-29 | 2018-10-29 | 一种船体分段物流大数据可视化平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109359151B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047112B (zh) * | 2019-12-27 | 2020-11-06 | 沈阳体育学院 | 一种计算机物联网数据处理系统 |
| CN111818404B (zh) * | 2020-06-13 | 2022-03-08 | 东南大学 | 一种无源光网络用户端反射信号离散化链路状态判别方法 |
| CN113592167A (zh) * | 2021-07-23 | 2021-11-02 | 清华大学 | 一种被阻挡分段的预测方法 |
| CN116347348A (zh) * | 2022-12-07 | 2023-06-27 | 上海船舶工艺研究所(中国船舶集团有限公司第十一研究所) | 一种船体分段车间物流信息定位方法、装置、设备和介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106295746A (zh) * | 2016-08-12 | 2017-01-04 | 中船第九设计研究院工程有限公司 | 一种基于无线射频的船厂分段管理系统 |
| CN206162606U (zh) * | 2016-08-12 | 2017-05-10 | 中船第九设计研究院工程有限公司 | 一种基于无线射频的船厂分段管理系统 |
| CN108306916A (zh) * | 2017-01-13 | 2018-07-20 | 江苏云创融合信息科技有限公司 | 大数据多网融合科研一体机平台装置 |
| CN108375963A (zh) * | 2017-12-28 | 2018-08-07 | 北京中船信息科技有限公司 | 基于物联网的数据采集方法 |
-
2018
- 2018-10-29 CN CN201811269563.5A patent/CN109359151B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109359151A (zh) | 2019-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109359151B (zh) | 一种船体分段物流大数据可视化平台 | |
| Zhong et al. | Prefabricated construction enabled by the Internet-of-Things | |
| Xu et al. | Cloud-based fleet management for prefabrication transportation | |
| CN105303306A (zh) | 电力物资调度平台系统 | |
| US11593735B2 (en) | Automated and efficient personal transportation vehicle sharing | |
| CN111598382A (zh) | 基于区块链的业务链数据校核方法、装置、存储介质、电子设备 | |
| Ivankova et al. | Internet of Things (IoT) in logistics | |
| KR20220072311A (ko) | 지능형 종합물류 플랫폼 설계 방법 | |
| Bhanji et al. | Advanced enterprise asset management systems: Improve predictive maintenance and asset performance by leveraging Industry 4.0 and the Internet of Things (IoT) | |
| Liu et al. | Artificial intelligence in smart logistics cyber-physical systems: State-of-the-arts and potential applications | |
| Yang et al. | Towards intuitive visualisation goals for the operation optimisation of automated container terminal based on digital twin technology | |
| Gao et al. | Research of Internet of Things applied to manufacturing execution system | |
| Neugebauer et al. | Digital twins in seaports: current and future applications | |
| Pokusaev et al. | On digital twin for metro system | |
| Liu et al. | [Retracted] Logistics Optimization Strategy Based on Deep Neural Framework | |
| Dulishkovych et al. | Business Process Management of Virtual Enterprise based on Augmented Reality. | |
| CN116775940A (zh) | 基于数字孪生的货运机场数据处理方法及相关装置 | |
| KR20230051994A (ko) | 엣지 클라우드 기반의 정보처리 종합물류 관제시스템 | |
| Nicoletti et al. | A framework for digital twins solutions for 5 PL operators | |
| Li et al. | Analysis of key technologies and application status of smart logistics | |
| Ma et al. | Agent-based modelling and simulation for life-cycle airport flight planning and scheduling | |
| MISHRA | BIG DATA MANAGEMENT | |
| Moreno-Bernal et al. | Open-Source Big Data Platform for Real-Time Geolocation in Smart Cities | |
| ZAINUDDIN et al. | A systematic review on flexibility enablers in logistics survivability | |
| Ilona et al. | Information Technology for Logistics Infrastructure Based on Digital Visualization and WEB-Cartography Under the Conditions of Military Conflicts |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 200032 No. two, 851 South Road, Xuhui District, Shanghai, Zhongshan Applicant after: Shanghai Shipbuilding Technology Research Institute (the 11th Research Institute of China Shipbuilding Corp.) Address before: 200032 No. two, 851 South Road, Xuhui District, Shanghai, Zhongshan Applicant before: SHIPBUILDING TECHNOLOGY Research Institute (NO 11 RESEARCH INSTITUTE OF CHINA STATE SHIPBUILDING Corp.,Ltd.) |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |