CN110634535A - 一种基于蒙特卡洛法的化工过程参数敏感性确定方法 - Google Patents
一种基于蒙特卡洛法的化工过程参数敏感性确定方法 Download PDFInfo
- Publication number
- CN110634535A CN110634535A CN201810572066.6A CN201810572066A CN110634535A CN 110634535 A CN110634535 A CN 110634535A CN 201810572066 A CN201810572066 A CN 201810572066A CN 110634535 A CN110634535 A CN 110634535A
- Authority
- CN
- China
- Prior art keywords
- parameter
- parameters
- model
- input
- output
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000035945 sensitivity Effects 0.000 title claims abstract description 21
- 238000001311 chemical methods and process Methods 0.000 title claims abstract description 16
- 238000000342 Monte Carlo simulation Methods 0.000 title claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 238000009826 distribution Methods 0.000 claims abstract description 4
- 238000010206 sensitivity analysis Methods 0.000 claims description 14
- 230000001808 coupling effect Effects 0.000 claims description 9
- 239000002826 coolant Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 239000000126 substance Substances 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- MHAJPDPJQMAIIY-UHFFFAOYSA-N Hydrogen peroxide Chemical compound OO MHAJPDPJQMAIIY-UHFFFAOYSA-N 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006735 epoxidation reaction Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000010921 in-depth analysis Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000012824 chemical production Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于蒙特卡洛法的化工过程参数敏感性确定方法，属于化工过程参数敏感性确定领域，包括如下步骤：确定输入变量与分布；建立反应系统模型；数据分解；随机抽样模拟；偏差计算与计算结果分析。本发明方法考虑了各个变量之间的相互影响，大幅提高了模型的可靠性，研究人员与工程技术人员可利用各参数敏感性系数的结果和对系统主要安全指标的影响规律解决相应的问题，对于确定化工过程安全操作范围、保障化工设备安全运行具有重要的应用推广价值；本发明方法可得到各种反应模式下的热失控的临界判据，可简便地推广应用于多种危险工艺过程的安全操作域确定，具有运算快捷、结果准确、重复性好的优点。
Description
技术领域
本发明属于化工过程参数敏感性确定领域，具体涉及一种基于蒙特卡洛法的化工过程参数敏感性确定方法。
背景技术
化工生产过程绝大多数为多参数非线性系统，具有两个显著的特征：一是参数众多，二是参数之间存在着强烈的交互效应，由于化学反应系统的复杂性，尤其是系统状态对操作条件的变化相当敏感，影响化学反应系统过程的设计参数和操作参数是多方面的，一个参数微小变动便可能使系统的输出结果产生很大的变化。对化工过程参数敏感性的研究有助于理论上揭示出反应系统安全操作范围，使可能引起的不良后果能在设计和操作中得以避免。
参数敏感性分析有助于确定模型的关键输入值(参数和初始条件)，同时定量得到输入值的不确定性如何影响模型结果，有助于定量得到一个模型的可靠程度，从而能够确定合适的模型选择，同时能够帮助我们识别显著影响结果的主要参数及其影响大小。前人关于安全临界判据的预测大多采用局部敏感度分析方法甚至是简单的数据直接拟合，往往脱离了反应的本征动力学，在实际复杂工况下难以精确预测反应结果。单因素敏感度分析的方法较为简单，但其不足在于忽略了诸多因素之间的相关性。实际上，一个因素的变动往往也伴随着其他因素的变动，多因素敏感度分析，即全局参数敏感性分析，考虑了这种相关性，能反映几个因素同时变动产生的综合影响，弥补了单因素分析的局限性，全面地解释了事物的本质。全局参数敏感性分析在辨识复杂模型的不确定性方面有明显的优势，其重要目的之一是确定模型的关键输入值(参数和初始条件)，同时定量得到输入值的不确定性如何影响模型结果。
蒙特卡洛(Monte Carlo)方法作为一种有代表性的数值求解方法，在重要性度量、模型正交分解等方面具有独特的优势，在计算物理学、化学反应工程、生物医学、宏观经济学等领域应用广泛。特别是近年来随着非线性科学的发展，基于蒙特卡洛法的全局参数敏感性的思路被认为能够有效地解决高维复杂模型建立的难题。
发明内容
针对现有技术中存在的上述技术问题，本发明提出了一种基于蒙特卡洛法的化工过程参数敏感性确定方法，设计合理，克服了现有技术的不足，具有良好的效果。
为了实现上述目的，本发明采用如下技术方案：
一种基于蒙特卡洛法的化工过程参数敏感性确定方法，按照如下步骤依次进行：
步骤1：确定输入变量与分布
全面分析待考察的反应系统，识别相关变量，并确定变量波动范围；
步骤2：建立反应系统模型
根据反应系统特点，建立一维/二维和拟均相/非均相模型，建立物料平衡与能量平衡方程，结合反应动力学与热力学参数，建立反应器温度、冷却介质温度、转化率之间的代数关系：y＝f(X)为函数表达式，X＝(x1,x2,x3…,xn)为n维输入变量，每一个变量均有一个概率密度函数；
步骤3：数据分解
将待测值分解成信号值(S)与误差(E)，以输出参数为纵坐标，输入参数为横坐标，将输入参数值和对应的输出参数结果表示在散点图上，定性分析输入参数的不确定性对输出参数的影响，观察输入参数与输出参数之间的关系，输入参数与输出参数之间是否存在非线性关系等，然后利用全局敏感性分析方法做进一步的深入分析；
步骤4：随机抽样模拟
利用蒙特卡洛方法模拟生成所需的抽样样本，加入输入参数的不确定性表征，代入反应系统模型中计算相应的输出与误差偏差，定量分析输入参数对输出结果的影响，考虑参数间的耦合作用，分别计算每个输入变量对输出结果的总方差的贡献；
步骤5：偏差计算与计算结果分析
由各输入参数及各参数间耦合作用共同得到模型的总方差，进而将模型输出方差分解，计算每个参数直接贡献比重和通过参数之间耦合作用间接对模型输出总方差的贡献比重之和，实现误差溯源，得到各个参数的总敏感度指数。
本发明所带来的有益技术效果：
本发明通过蒙特卡洛法计算得到各操作参数之间的内在联系及其对系统安全关键参数的影响规律，以及不同参数变化对系统安全性的高阶影响规律，避免了热失控等危险结果的发生，进而有助于确定多参数共同影响下反应系统的安全边界条件，克服了传统的局部敏感性分析方法脱离反应本征动力学、忽略变量间的相互作用等缺陷，能够为化工过程安全稳定运行提供科学指导与保障。
本发明相比于传统的参数敏感性分析方法，考虑了各个变量之间的相互影响，大幅提高了模型的可靠性，研究人员与工程技术人员可利用各参数敏感性系数的结果和对系统主要安全指标的影响规律解决相应的问题，对于确定化工过程安全操作范围、保障化工设备安全运行具有重要的应用推广价值。
本发明方法可得到各种反应模式下的热失控的临界判据，可简便地推广应用于多种危险工艺过程的安全操作域确定，具有运算快捷、结果准确、重复性好的优点。
本发明主要通过蒙特卡洛法进行化工过程全局参数敏感性计算，进而可以确定反应系统安全操作区域，可以运用到间歇式/连续式、平行及串联反应等多种反应系统。
附图说明
图1为一种基于蒙特卡洛法的化工过程参数敏感性确定方法流程图。
图2为某环氧化工艺全局参数敏感性指数示意图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
本发明方法主要包括反应模型建立、参数敏感性分析计算两个部分。详细说明如下：
1、反应模型建立：根据不同反应动力学特性建立能量和物料平衡方程，结合设备性质与冷却介质的传热建立反应器模型，基本操作参数包括初始浓度C0、初始进料温度T0、冷却介质温度Tc、反应器参数(长度、直径及其他可能存在的参数如搅拌、内构件等)、催化剂参数(直径、密度、孔隙率等)、操作压力P以及其他传递系数等，不同工艺需根据主要的影响变量分别建立模型。
2、全局参数敏感性分析计算：根据反应模型y＝f(x1,x2,x3…,xn)(xi表示模型的第i个参数)，首先构建模拟总体，进而令每个参数在可能的取值范围内进行蒙特卡洛抽样模拟，研究和预测这些参数的变动对模型输出值的影响程度，考察变量在全部输入空间变化的综合影响。针对不同过程非线性的复杂变化规律分析，可以采用基于模型输出结果方差分解的方法或者基于取样的计算方法。
本发明基于蒙特卡洛模拟的化工过程全局参数敏感性确定方法由两大部分五个步骤组成，如图1所示，具体按照如下步骤依次进行：
步骤1：确定输入变量与分布
全面分析待考察的反应系统，识别相关变量，并确定变量波动范围；
步骤2：建立反应系统模型
根据反应系统特点，建立一维/二维和拟均相/非均相模型，建立物料平衡与能量平衡方程，结合反应动力学与热力学参数，建立反应器温度、冷却介质温度、转化率之间的代数关系：y＝f(X)为函数表达式，X＝(x1,x2,x3…,xn)为n维输入变量，每一个变量均有一个概率密度函数；
步骤3：数据分解
将待测值分解成信号值(S)与误差(E)，以输出参数为纵坐标，输入参数为横坐标，将输入参数值和对应的输出参数结果表示在散点图上，定性分析输入参数的不确定性对输出参数的影响，观察输入参数与输出参数之间的关系，输入参数与输出参数之间是否存在非线性关系等，然后利用全局敏感性分析方法做进一步的深入分析；
步骤4：随机抽样模拟
利用蒙特卡洛方法模拟生成所需的抽样样本，加入输入参数的不确定性表征，代入反应系统模型中计算相应的输出与误差偏差，定量分析输入参数对输出结果的影响，考虑参数间的耦合作用，分别计算每个输入变量对输出结果的总方差的贡献；
步骤5：偏差计算与计算结果分析
由各输入参数及各参数间耦合作用共同得到模型的总方差，进而将模型输出方差分解，计算每个参数直接贡献比重和通过参数之间耦合作用间接对模型输出总方差的贡献比重之和，实现误差溯源，得到各个参数的总敏感度指数。
以某固定床环氧化反应工艺为例，按照本发明方法考察了不同参数(包括温度、浓度、压力、空速、冷却介质等)对系统安全参数(包括反应热、尾气氧气含量等)的影响规律，使用拟均相二维模型结合冷却介质的传热建立反应器模型，采用全局敏感性分析方法，结果如图2所示。
以对体系安全风险影响较大的尾气氧气含量为例，由图2可知，变量一阶敏感度排序由大到小依次为：空速，温度，原料pH，醇水比，双氧水浓度，压力，烯水比；而考虑高阶影响之和的大小次序为：温度，空速，原料pH，醇水比，双氧水浓度，烯水比，压力。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。
Claims (1)
1.一种基于蒙特卡洛法的化工过程参数敏感性确定方法，其特征在于：具体按照如下步骤依次进行：
步骤1：确定输入变量与分布
全面分析待考察的反应系统，识别相关变量，并确定变量波动范围；
步骤2：建立反应系统模型
根据反应系统特点，建立一维/二维和拟均相/非均相模型，建立物料平衡与能量平衡方程，结合反应动力学与热力学参数，建立反应器温度、冷却介质温度、转化率之间的代数关系：y＝f(X)为函数表达式，X＝(x1,x2,x3…,xn)为n维输入变量，每一个变量均有一个概率密度函数；
步骤3：数据分解
将待测值分解成信号值(S)与误差(E)，以输出参数为纵坐标，输入参数为横坐标，将输入参数值和对应的输出参数结果表示在散点图上，定性分析输入参数的不确定性对输出参数的影响，观察输入参数与输出参数之间的关系，然后利用全局敏感性分析方法做进一步的深入分析；
步骤4：随机抽样模拟
利用蒙特卡洛方法模拟生成所需的抽样样本，加入输入参数的不确定性表征，代入反应系统模型中计算相应的输出与误差偏差，定量分析输入参数对输出结果的影响，考虑参数间的耦合作用，分别计算每个输入变量对输出结果的总方差的贡献；
步骤5：偏差计算与计算结果分析
由各输入参数及各参数间耦合作用共同得到模型的总方差，进而将模型输出方差分解，计算每个参数直接贡献比重和通过参数之间耦合作用间接对模型输出总方差的贡献比重之和，实现误差溯源，得到各个参数的总敏感度指数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810572066.6A CN110634535A (zh) | 2018-06-06 | 2018-06-06 | 一种基于蒙特卡洛法的化工过程参数敏感性确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810572066.6A CN110634535A (zh) | 2018-06-06 | 2018-06-06 | 一种基于蒙特卡洛法的化工过程参数敏感性确定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110634535A true CN110634535A (zh) | 2019-12-31 |
Family
ID=68966151
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810572066.6A Pending CN110634535A (zh) | 2018-06-06 | 2018-06-06 | 一种基于蒙特卡洛法的化工过程参数敏感性确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110634535A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115470664A (zh) * | 2022-11-15 | 2022-12-13 | 中科数智能源科技(深圳)有限公司 | 一种裂缝油藏裂缝敏感性分析方法 |
| CN117383518A (zh) * | 2023-12-11 | 2024-01-12 | 福建德尔科技股份有限公司 | 一种基于温度控制的硫磺与氟气反应系统 |
| CN118411034A (zh) * | 2024-07-01 | 2024-07-30 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种基于Monte Carlo模拟法的山洪灾害预警失准风险分析方法 |
| CN118411034B (zh) * | 2024-07-01 | 2024-10-22 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种基于Monte Carlo模拟法的山洪灾害预警失准风险分析方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104899380A (zh) * | 2015-06-11 | 2015-09-09 | 武汉大学 | 一种基于蒙特卡洛模拟的边坡稳定可靠度敏感性分析方法 |
| CN105303194A (zh) * | 2015-10-12 | 2016-02-03 | 国家电网公司 | 一种电网指标体系建立方法、装置以及计算设备 |
| CN105473741A (zh) * | 2013-06-21 | 2016-04-06 | 塞昆纳姆股份有限公司 | 用于遗传变异的非侵入性评估的方法和过程 |
| TW201800753A (zh) * | 2016-03-30 | 2018-01-01 | 奎立茲梅診斷有限兩合公司 | 傷口微生物感染之檢測 |
| CN107886161A (zh) * | 2017-11-03 | 2018-04-06 | 南京航空航天大学 | 一种提高复杂信息系统效能的全局敏感性分析方法 |
-
2018
- 2018-06-06 CN CN201810572066.6A patent/CN110634535A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105473741A (zh) * | 2013-06-21 | 2016-04-06 | 塞昆纳姆股份有限公司 | 用于遗传变异的非侵入性评估的方法和过程 |
| CN104899380A (zh) * | 2015-06-11 | 2015-09-09 | 武汉大学 | 一种基于蒙特卡洛模拟的边坡稳定可靠度敏感性分析方法 |
| CN105303194A (zh) * | 2015-10-12 | 2016-02-03 | 国家电网公司 | 一种电网指标体系建立方法、装置以及计算设备 |
| TW201800753A (zh) * | 2016-03-30 | 2018-01-01 | 奎立茲梅診斷有限兩合公司 | 傷口微生物感染之檢測 |
| CN107886161A (zh) * | 2017-11-03 | 2018-04-06 | 南京航空航天大学 | 一种提高复杂信息系统效能的全局敏感性分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孔得朋等: "基于LHS方法的可用安全疏散时间不确定性及参数敏感性分析", 《安全与环境学报》 * |
| 臧娜: "环己酮过氧化工艺热失控实验与理论研究", 《中国博士学位论文全文数据库工程科技Ⅰ辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115470664A (zh) * | 2022-11-15 | 2022-12-13 | 中科数智能源科技(深圳)有限公司 | 一种裂缝油藏裂缝敏感性分析方法 |
| CN117383518A (zh) * | 2023-12-11 | 2024-01-12 | 福建德尔科技股份有限公司 | 一种基于温度控制的硫磺与氟气反应系统 |
| CN117383518B (zh) * | 2023-12-11 | 2024-03-08 | 福建德尔科技股份有限公司 | 一种基于温度控制的硫磺与氟气反应系统 |
| CN118411034A (zh) * | 2024-07-01 | 2024-07-30 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种基于Monte Carlo模拟法的山洪灾害预警失准风险分析方法 |
| CN118411034B (zh) * | 2024-07-01 | 2024-10-22 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种基于Monte Carlo模拟法的山洪灾害预警失准风险分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Margraf et al. | Exploring catalytic reaction networks with machine learning | |
| Ge et al. | Improved kernel PCA-based monitoring approach for nonlinear processes | |
| Ge et al. | Distributed PCA model for plant-wide process monitoring | |
| Vega et al. | Integrated design and control of chemical processes–Part I: Revision and classification | |
| Rizkin et al. | Combining automated microfluidic experimentation with machine learning for efficient polymerization design | |
| Proppe et al. | Mechanism deduction from noisy chemical reaction networks | |
| Maußner et al. | Optimization under uncertainty in chemical engineering: Comparative evaluation of unscented transformation methods and cubature rules | |
| Nurislamova et al. | Mechanism reduction of chemical reaction based on sensitivity analysis: development and testing of some new procedure | |
| CN110634535A (zh) | 一种基于蒙特卡洛法的化工过程参数敏感性确定方法 | |
| Geng et al. | A new fuzzy process capability estimation method based on kernel function and FAHP | |
| Marquez et al. | Model reduction using proper orthogonal decomposition and predictive control of distributed reactor system | |
| Gao et al. | Review of progress in calculation and simulation of high-temperature oxidation | |
| Herrera et al. | Hybrid controller based on numerical methods for chemical processes with a long time delay | |
| Son et al. | Probabilistic surrogate models for uncertainty analysis: Dimension reduction‐based polynomial chaos expansion | |
| Liu et al. | Temporal hypergraph attention network for silicon content prediction in blast furnace | |
| Geng et al. | Online rapid total nitrogen detection method based on UV spectrum and spatial interval permutation combination population analysis | |
| CN110634534A (zh) | 基于拓展傅里叶振幅分析的化工过程参数敏感性确定方法 | |
| CN110457721A (zh) | 基于全局参数敏感性分析的化工安全操作域确定方法 | |
| Safiullina et al. | Numerical analysis of parameter identifiability for a mathematical model of a chemical reaction | |
| Hou et al. | Study on Minimum Miscibility Pressure of CO2–Oil System Based on Gaussian Process Regression and Particle Swarm Optimization Model | |
| Xavier et al. | Nonlinear measure for nonlinear dynamic processes using convergence area: typical case studies | |
| Kasiraju et al. | LearnCK: mass conserving neural network reduction of chemistry and species of microkinetic models | |
| Kuruoglu et al. | Distributed parameter estimation and identification for system with fast and slow dynamics: a tubular, fixed-bed catalytic reactor to form styrene | |
| Martı´ nez-Guerra et al. | A new robust sliding-mode observer design for monitoring in chemical reactors | |
| Adhikari et al. | In situ adaptive tabulation (ISAT) for combustion chemistry in a network of perfectly stirred reactors (PSRs) |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191231 |