CN110705710A - 一种基于知识图谱的工业故障分析专家系统 - Google Patents
一种基于知识图谱的工业故障分析专家系统 Download PDFInfo
- Publication number
- CN110705710A CN110705710A CN201910310886.2A CN201910310886A CN110705710A CN 110705710 A CN110705710 A CN 110705710A CN 201910310886 A CN201910310886 A CN 201910310886A CN 110705710 A CN110705710 A CN 110705710A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- fault
- graph
- analysis
- data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于知识图谱(Knowledge Graph)的工业故障分析专家系统,包括以下步骤:专家经验知识获取以及预处理消除异常和补全缺失值;接下来进行知识数据模糊化,并以此运用语义网技术以及图计算引擎构建工业故障分析领域知识图谱;通过图谱动态自优化过程保证知识图谱结构的精简高效,提高计算效率;基于模糊推理方法对工业故障进行诊断分析,高效准确的判断数据或设备异常。
Description
技术领域
本发明涉及互联网领域、设备故障诊断领域、模糊控制领域与专家系统领域,具体涉及到一种基于知识图谱的工业故障分析专家系统。
背景技术
基于知识图谱(Knowledge Graph)的工业故障分析专家系统。基于专业领域专家经验知识建设相关领域知识图谱,运用模糊推理技术对工业设备故障进行诊断分析,明确设备运行状态,降低故障损失。最接近本发明的技术有:
(1)、基于规则的工业设备故障分析专家系统:基于规则的方式是将知识表示成为一系列规则,每个规则使用IF(条件)-THEN(动作)结构指定知识推理关系,当满足规则的条件部分时,便激发规则,执行动作分析部分。规则知识库实现简单,易于理解,但是知识获取过程较为繁琐且无自学习能力。
(2)、基于实例的工业设备故障分析专家系统:基于实例的工业设备故障分析专家系统中存储的知识是各种故障模式的实例,这些实例中包括着故障症状、对应着故障发生的部位以及故障发生原因等故障解释信息。基于实例的专家系统的知识库扩充需要不断的添加故障实例,知识获取过程简单,而且知识表示能力差,以致故障推理过程困难,泛化能力一般
(3)、基于神经网络算法的工业设备故障分析专家系统:基于神经网络算法的工业设备故障分析专家系统是利用历史故障数据样本训练神经网络,具有较好的容错能力与自学习能力。但由于神经网络的特性,专家系统往往难以对推理过程进行合理解释
近年来,提升工业智能化水平,在安全生产的同时尽可能的提高生产效率成为传统制造业转型需求。传统的工业设备故障分析专家系统在知识表示方面、知识存储以及知识推理存在一定的不足。本方法采用基于知识图谱的专家知识表示与知识存储方法,结合模糊推理技术准确的诊断分析设备故障情况,保证设备运行的稳定性。
发明内容
为解决现有技术中的缺点和不足,本发明提出了基于知识图谱的工业故障分析专家系统,基于知识图谱的专家知识表示与知识存储方法,结合模糊推理技术准确的诊断分析设备故障情况,保证设备运行的稳定性。
本发明的技术方案为:
一种基于知识图谱的工业故障分析专家系统,其特征在于,知识获取模块、知识数据模糊化模块、知识图谱构建模块、图谱动态自优化模块、模糊推理模块,包括以下步骤:
步骤(1)、在知识获取模块,接收工作人员输入的与故障诊断分析相关的专家经验知识。这些综合信息经过清洗、筛选、和特征提取,形成有效的故障特征相关信息;
步骤(2)、在知识数据模糊化模块,对故障诊断分析相关的专家经验数据知识进行模糊化处理,得到相对应的故障征兆隶属度值;
步骤(3)、在知识图谱构建模块,对模糊化的专家经验知识,利用图计算引擎和语义网技术实现工业故障分析领域相关知识图谱的解析、构建处理,通过语义网技术将各类型工业设备、故障特征数据以及故障处理方案的联系抽象为图,结合图数据半结构化的特征,采用以图顶点为中心、基于消息传递批处理的自适应并行化图计算引擎,进行运算优化,并建立关联化生产设备图谱、工业设备故障特征图谱;
步骤(4)、在图谱动态自优化模块,不断进行图谱内容的持续扩充和知识的不断优化处理。对于系统中新增的工业生产设备、故障特征等,通过由知识图谱中已有的数据得到的深度学习模型进行分类,并根据数据特征建立起与现有知识图谱的关联,以此实现知识图谱的持续扩增。同时,通过不断消歧分析以及聚类分析对冗余数据特征进行分类精简,避免图谱冗余导致效率低下。
步骤(5)、在模糊推理模块,对当前故障信息与知识库中已有的故障知识以及专家经验进行匹配推理,找出故障原因。首先输入故障特征。对输入的数据变量进行模糊化操作得到相应的故障指标模糊输入隶属函数变量;之后采用RETE匹配算法对知识图谱中的存储的故障知识与录入的故障特征进行循环模糊匹配,判断在知识图谱中有无可匹配知识。若有再进行判断是否需要冲突消解,按照预定义图谱知识匹配优先级别消除冲突后输出故障分析推理结果,结束推理过程。若已建立的知识图谱中无相应知识满足推理要求,输出无解。同时将此条故障事实作为一条新的知识输入到系统中,并通过人工方式为其配置相应的故障原因分析知识,结束推理过程。
本发明的有益效果:
(1)通过语义网技术结合图计算引擎构建工业故障分析知识图谱,增强了对专家知识的表示能力,提高了处理速度;
(2)通过图谱动态自优化模块减少了知识图谱的冗余度,增强图谱内知识关联性,提高了算法处理效率;
(3)基于模糊理论的推理算法精度大大提高,在实际中能准确的预测设备工况,从而提高设备运行质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于知识图谱的工业故障分析专家系统的工作流程图;
图2为本发明基于模糊理论的工业故障推理流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,基于知识图谱的工业故障分析专家系统,包含知识获取模块、知识数据模糊化模块、知识图谱构建模块、图谱动态自优化模块和模糊推理模块。
下面结合图1与图2,对基于知识图谱的工业故障分析专家系统具体流程进行详细说明:
步骤(1)、在知识获取模块,接收工作人员输入的与故障诊断分析相关的专家经验知识。这些综合信息经过清洗、筛选、和特征提取,形成有效的故障特征相关信息;
步骤(2)、在知识数据模糊化模块,对故障诊断分析相关的专家经验数据知识进行模糊化处理,得到相对应的故障征兆隶属度值;
步骤(3)、在知识图谱构建模块,对模糊化的专家经验知识,利用图计算引擎和语义网技术实现工业故障分析领域相关知识图谱的解析、构建处理,通过语义网技术将各类型工业设备、故障特征数据以及故障处理方案的联系抽象为图,结合图数据半结构化的特征,采用以图顶点为中心、基于消息传递批处理的自适应并行化图计算引擎,进行运算优化,并建立关联化生产设备图谱、工业设备故障特征图谱;
步骤(4)、在图谱动态自优化模块,不断进行图谱内容的持续扩充和知识的不断优化处理。对于系统中新增的工业生产设备、故障特征等,通过由知识图谱中已有的数据得到的深度学习模型进行分类,并根据数据特征建立起与现有知识图谱的关联,以此实现知识图谱的持续扩增。同时,通过不断消歧分析以及聚类分析对冗余数据特征进行分类精简,避免图谱冗余导致效率低下。
步骤(5)、在模糊推理模块,对当前故障信息与知识库中已有的故障知识以及专家经验进行匹配推理,找出故障原因。首先输入故障特征。对输入的数据变量进行模糊化操作得到相应的故障指标模糊输入隶属函数变量;之后采用RETE匹配算法对知识图谱中的存储的故障知识与录入的故障特征进行循环模糊匹配,判断在知识图谱中有无可匹配知识。若有再进行判断是否需要冲突消解,按照预定义图谱知识匹配优先级别消除冲突后输出故障分析推理结果,结束推理过程。若已建立的知识图谱中无相应知识满足推理要求,输出无解。同时将此条故障事实作为一条新的知识输入到系统中,并通过人工方式为其配置相应的故障原因分析知识,结束推理过程。
本发明提出了基于知识图谱的工业故障分析专家系统,基于知识图谱的专家知识表示与知识存储方法,结合模糊推理技术准确的诊断分析设备故障情况,保证设备运行的稳定性。有效的利用了专家经验知识,具有故障推理分析更加精确,增加了对设备工况判断的准确性;。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (1)
1.一种基于知识图谱的工业故障分析专家系统,其特征在于,知识获取模块、知识数据模糊化模块、知识图谱构建模块、图谱动态自优化模块、模糊推理模块,包括以下步骤:
步骤(1)、在知识获取模块,接收工作人员输入的与故障诊断分析相关的专家经验知识。这些综合信息经过清洗、筛选、和特征提取,形成有效的故障特征相关信息;
步骤(2)、在知识数据模糊化模块,对故障诊断分析相关的专家经验数据知识进行模糊化处理,得到相对应的故障征兆隶属度值;
步骤(3)、在知识图谱构建模块,对模糊化的专家经验知识,利用图计算引擎和语义网技术实现工业故障分析领域相关知识图谱的解析、构建处理,通过语义网技术将各类型工业设备、故障特征数据以及故障处理方案的联系抽象为图,结合图数据半结构化的特征,采用以图顶点为中心、基于消息传递批处理的自适应并行化图计算引擎,进行运算优化,并建立关联化生产设备图谱、工业设备故障特征图谱;
步骤(4)、在图谱动态自优化模块,不断进行图谱内容的持续扩充和知识的不断优化处理。对于系统中新增的工业生产设备、故障特征等,通过由知识图谱中已有的数据得到的深度学习模型进行分类,并根据数据特征建立起与现有知识图谱的关联,以此实现知识图谱的持续扩增。同时,通过不断消歧分析以及聚类分析对冗余数据特征进行分类精简,避免图谱冗余导致效率低下。
步骤(5)、在模糊推理模块,对当前故障信息与知识库中已有的故障知识以及专家经验进行匹配推理,找出故障原因。首先输入故障特征。对输入的数据变量进行模糊化操作得到相应的故障指标模糊输入隶属函数变量;之后采用RETE匹配算法对知识图谱中的存储的故障知识与录入的故障特征进行循环模糊匹配,判断在知识图谱中有无可匹配知识。若有再进行判断是否需要冲突消解,按照预定义图谱知识匹配优先级别消除冲突后输出故障分析推理结果,结束推理过程。若已建立的知识图谱中无相应知识满足推理要求,输出无解。同时将此条故障事实作为一条新的知识输入到系统中,并通过人工方式为其配置相应的故障原因分析知识,结束推理过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910310886.2A CN110705710A (zh) | 2019-04-17 | 2019-04-17 | 一种基于知识图谱的工业故障分析专家系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910310886.2A CN110705710A (zh) | 2019-04-17 | 2019-04-17 | 一种基于知识图谱的工业故障分析专家系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110705710A true CN110705710A (zh) | 2020-01-17 |
Family
ID=69193125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910310886.2A Pending CN110705710A (zh) | 2019-04-17 | 2019-04-17 | 一种基于知识图谱的工业故障分析专家系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705710A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111177416A (zh) * | 2020-04-13 | 2020-05-19 | 傲林科技有限公司 | 事件根因分析模型构建方法、事件根因分析方法及装置 |
CN111582488A (zh) * | 2020-04-23 | 2020-08-25 | 傲林科技有限公司 | 一种事件推演方法及装置 |
CN111737431A (zh) * | 2020-06-19 | 2020-10-02 | 海尔优家智能科技(北京)有限公司 | 设备异常的处理方法及装置、存储介质、电子装置 |
CN111767032A (zh) * | 2020-09-02 | 2020-10-13 | 北京工业大数据创新中心有限公司 | 一种工业设备故障的专家规则的处理方法及装置 |
CN111985558A (zh) * | 2020-08-19 | 2020-11-24 | 安徽蓝杰鑫信息科技有限公司 | 一种电能表异常诊断方法及其系统 |
CN112231493A (zh) * | 2020-11-10 | 2021-01-15 | 泽恩科技有限公司 | 基于知识图谱的机房故障诊断方法、装置、设备及介质 |
CN112269901A (zh) * | 2020-09-14 | 2021-01-26 | 合肥中科类脑智能技术有限公司 | 一种基于知识图谱的故障判别推理方法 |
CN112596495A (zh) * | 2020-12-07 | 2021-04-02 | 中科蓝智(武汉)科技有限公司 | 一种基于知识图谱的工业设备故障诊断方法及系统 |
CN112810772A (zh) * | 2021-02-01 | 2021-05-18 | 江苏远望仪器集团有限公司 | 基于多维特征知识提取的船舶设备故障诊断方法及设备 |
CN113505241A (zh) * | 2021-07-15 | 2021-10-15 | 润建股份有限公司 | 一种基于知识图谱的用电安全隐患智能诊断方法 |
CN113887751A (zh) * | 2021-09-02 | 2022-01-04 | 山东师范大学 | 基于知识图谱的机械故障预测性维护方法及系统 |
CN114575205A (zh) * | 2022-04-28 | 2022-06-03 | 中铁第四勘察设计院集团有限公司 | 一种基于图像数据处理的水射流钢轨廓形智能化打磨系统 |
CN116306931A (zh) * | 2023-05-24 | 2023-06-23 | 典基网络科技(上海)有限公司 | 一种应用工业领域的知识图谱构建方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699663A (zh) * | 2013-12-27 | 2014-04-02 | 中国科学院自动化研究所 | 一种基于大规模知识库的热点事件挖掘方法 |
CN107450315A (zh) * | 2017-09-05 | 2017-12-08 | 西安工业大学 | 基于专家系统的智能冲孔打桩机余绳控制方法 |
WO2018072563A1 (zh) * | 2016-10-18 | 2018-04-26 | 中兴通讯股份有限公司 | 一种知识图谱构建方法、装置及系统 |
CN108399480A (zh) * | 2018-01-08 | 2018-08-14 | 浙江工业大学 | 一种基于模糊专家系统的电能质量治理决策支持方法 |
CN109102886A (zh) * | 2018-08-20 | 2018-12-28 | 重庆柚瓣家科技有限公司 | 多推理模式融合的老年病推理诊断系统 |
-
2019
- 2019-04-17 CN CN201910310886.2A patent/CN110705710A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699663A (zh) * | 2013-12-27 | 2014-04-02 | 中国科学院自动化研究所 | 一种基于大规模知识库的热点事件挖掘方法 |
WO2018072563A1 (zh) * | 2016-10-18 | 2018-04-26 | 中兴通讯股份有限公司 | 一种知识图谱构建方法、装置及系统 |
CN107967267A (zh) * | 2016-10-18 | 2018-04-27 | 中兴通讯股份有限公司 | 一种知识图谱构建方法、装置及系统 |
CN107450315A (zh) * | 2017-09-05 | 2017-12-08 | 西安工业大学 | 基于专家系统的智能冲孔打桩机余绳控制方法 |
CN108399480A (zh) * | 2018-01-08 | 2018-08-14 | 浙江工业大学 | 一种基于模糊专家系统的电能质量治理决策支持方法 |
CN109102886A (zh) * | 2018-08-20 | 2018-12-28 | 重庆柚瓣家科技有限公司 | 多推理模式融合的老年病推理诊断系统 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111177416A (zh) * | 2020-04-13 | 2020-05-19 | 傲林科技有限公司 | 事件根因分析模型构建方法、事件根因分析方法及装置 |
CN111582488A (zh) * | 2020-04-23 | 2020-08-25 | 傲林科技有限公司 | 一种事件推演方法及装置 |
CN111737431A (zh) * | 2020-06-19 | 2020-10-02 | 海尔优家智能科技(北京)有限公司 | 设备异常的处理方法及装置、存储介质、电子装置 |
CN111737431B (zh) * | 2020-06-19 | 2024-03-22 | 海尔优家智能科技(北京)有限公司 | 设备异常的处理方法及装置、存储介质、电子装置 |
CN111985558A (zh) * | 2020-08-19 | 2020-11-24 | 安徽蓝杰鑫信息科技有限公司 | 一种电能表异常诊断方法及其系统 |
CN111767032A (zh) * | 2020-09-02 | 2020-10-13 | 北京工业大数据创新中心有限公司 | 一种工业设备故障的专家规则的处理方法及装置 |
CN112269901B (zh) * | 2020-09-14 | 2021-11-05 | 合肥中科类脑智能技术有限公司 | 一种基于知识图谱的故障判别推理方法 |
CN112269901A (zh) * | 2020-09-14 | 2021-01-26 | 合肥中科类脑智能技术有限公司 | 一种基于知识图谱的故障判别推理方法 |
CN112231493A (zh) * | 2020-11-10 | 2021-01-15 | 泽恩科技有限公司 | 基于知识图谱的机房故障诊断方法、装置、设备及介质 |
CN112596495B (zh) * | 2020-12-07 | 2022-03-25 | 中科蓝智(武汉)科技有限公司 | 一种基于知识图谱的工业设备故障诊断方法及系统 |
CN112596495A (zh) * | 2020-12-07 | 2021-04-02 | 中科蓝智(武汉)科技有限公司 | 一种基于知识图谱的工业设备故障诊断方法及系统 |
CN112810772A (zh) * | 2021-02-01 | 2021-05-18 | 江苏远望仪器集团有限公司 | 基于多维特征知识提取的船舶设备故障诊断方法及设备 |
CN113505241A (zh) * | 2021-07-15 | 2021-10-15 | 润建股份有限公司 | 一种基于知识图谱的用电安全隐患智能诊断方法 |
CN113887751A (zh) * | 2021-09-02 | 2022-01-04 | 山东师范大学 | 基于知识图谱的机械故障预测性维护方法及系统 |
CN114575205A (zh) * | 2022-04-28 | 2022-06-03 | 中铁第四勘察设计院集团有限公司 | 一种基于图像数据处理的水射流钢轨廓形智能化打磨系统 |
CN116306931A (zh) * | 2023-05-24 | 2023-06-23 | 典基网络科技(上海)有限公司 | 一种应用工业领域的知识图谱构建方法 |
CN116306931B (zh) * | 2023-05-24 | 2023-08-04 | 典基网络科技(上海)有限公司 | 一种应用工业领域的知识图谱构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705710A (zh) | 一种基于知识图谱的工业故障分析专家系统 | |
Ding et al. | State of AI-based monitoring in smart manufacturing and introduction to focused section | |
CN112418277B (zh) | 旋转机械零部件剩余寿命预测方法、系统、介质、设备 | |
EP2410312A1 (en) | A method for computer-assisted analyzing of a technical system | |
CN112434813B (zh) | 基于面向属性语言概念格的多重多维语言推理方法 | |
CN115809596A (zh) | 一种数字孪生故障诊断方法和装置 | |
Gou et al. | Weighted assignment fusion algorithm of evidence conflict based on Euclidean distance and weighting strategy, and application in the wind turbine system | |
Han et al. | GAN-SAE based fault diagnosis method for electrically driven feed pumps | |
Liu et al. | Research on the strategy of locating abnormal data in IOT management platform based on improved modified particle swarm optimization convolutional neural network algorithm | |
CN110348005B (zh) | 配网设备状态数据处理方法、装置、计算机设备及介质 | |
Xia | A systematic graph-based methodology for cognitive predictive maintenance of complex engineering equipment | |
Wei et al. | Application of rough set and neural network in water energy utilization | |
Zhang et al. | Tracing and detection of ICS anomalies based on causality mutations | |
Nordsieck et al. | Reliability-based aggregation of heterogeneous knowledge to assist operators in manufacturing | |
Kovács et al. | Machine learning based monitoring of the pneumatic actuators’ behavior through signal processing using real-world data set | |
Joo et al. | Ensemble fog computing architecture for unstable state detection of hydraulic system | |
CN115658371B (zh) | 基于案例学习与可诊断性分析的诊断算法量化推荐方法 | |
Chang et al. | Random forest-based multi-faults classification modeling and analysis for intelligent centrifugal pump system | |
Hu et al. | A New Incremental Training Framework Based on Dynamic Weight Allocation for Intelligent Fault Diagnosis | |
Yan et al. | Research on automatic knowledge acquisition technology for software fault diagnosis | |
Starr et al. | Data fusion applications in intelligent condition monitoring | |
CN117640342A (zh) | 一种电力监控系统主体异常检测方法、装置、设备和介质 | |
Chagas et al. | On the Reuse of Knowledge to Develop Intelligent Software Engineering Solutions. | |
Wang | Research on Fault Prevention and Maintenance System of Automatic Substation Primary Equipment Based on Decision Tree Algorithm | |
CN115563225A (zh) | 基于知识图谱关系推理的电网设备故障诊断方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Weishan Inventor after: Yu Qiang Inventor after: Fang Kai Inventor before: Yu Qiang Inventor before: Zhang Weishan Inventor before: Fang Kai |
|
CB03 | Change of inventor or designer information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200117 |
|
WD01 | Invention patent application deemed withdrawn after publication |