CN111026031A - 一种卷烟制丝过程数据的稳态识别方法 - Google Patents

一种卷烟制丝过程数据的稳态识别方法 Download PDF

Info

Publication number
CN111026031A
CN111026031A CN201911283911.9A CN201911283911A CN111026031A CN 111026031 A CN111026031 A CN 111026031A CN 201911283911 A CN201911283911 A CN 201911283911A CN 111026031 A CN111026031 A CN 111026031A
Authority
CN
China
Prior art keywords
data
shutdown
correlation
judging
steady
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.)
Granted
Application number
CN201911283911.9A
Other languages
English (en)
Other versions
CN111026031B (zh
Inventor
胡东东
张国军
杨晶津
李天明
刘继辉
树林
李思源
杨佳东
汪显国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hongyun Honghe Tobacco Group Co Ltd
Original Assignee
Hongyun Honghe Tobacco Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hongyun Honghe Tobacco Group Co Ltd filed Critical Hongyun Honghe Tobacco Group Co Ltd
Priority to CN201911283911.9A priority Critical patent/CN111026031B/zh
Publication of CN111026031A publication Critical patent/CN111026031A/zh
Application granted granted Critical
Publication of CN111026031B publication Critical patent/CN111026031B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37616—Use same monitoring tools to monitor tool and workpiece
    • 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

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种卷烟制丝过程数据的稳态识别方法，采集制丝生产线即时的数据，在实时传输过程中，或离线传输数据后进行数据类型的识别，分别进行料头数据、停机断料型数据、采集异常数据、突变数据、中间波动数据、多稳态型数据，还涉及料尾数据及对停机断料型数据的细分，并分别形成各自数据集，进行分别储存，既有利于对后期数据分析的利用，又便于对相应数据的再处理，以提高数据利用的精准性。

Description

一种卷烟制丝过程数据的稳态识别方法
技术领域
本发明属于卷烟生产线控制技术领域，特别是指一种卷烟制丝过程数据的稳态识别方法。
背景技术
制丝过程工序多、流程长、设备种类繁杂。每道工序从过程开始至结束，无法始终处于稳定状态，生产状态的变化直接影响到过程的精准控制和诊断。为进一步提升制丝精细化加工和智能化控制水平，提高过程质量的稳定性、均匀性和一致性，在复杂的过程数据中识别系统的稳态就显得尤为重要。
2016版《卷烟工艺规范》首次对全批次生产过程数据进行稳态数据集和非稳态数据集的划分，并提出了非稳态时间的概念。为此，以制丝过程全批次数据为研究对象，开展制丝过程稳态识别方法研究，并建立相应的数据预处理截取规则，旨在为制丝加工过程稳态的智能识别提供技术参考。
目前，MES系统在线采集的过程数据混杂着异常数据，如料头料尾数据集、中间波动数据集、突变数据集、数采异常数据集、停机断料型数据、多稳态型数据等。但是现有技术对数据的预处理规则均是直接对非稳态数据剔除，而只保留多稳态型数据用于后期的数据分析、预测及使用。而多稳态型数据只针对生产线的有限参数范围的数据，不能对生产线进行全面的分析，为此，如何将非稳态数据进行有效的进一步识别，对全面分析制丝过程的生产状态变化，以实现精准控制和数据诊断，是本领域需要解决的问题。
发明内容
本发明的目的是提供一种卷烟制丝过程数据的稳态识别方法，以解决现有技术的数据预处理规则不能对非稳态数据进行进一步识别的问题。
本发明是通过以下技术方案实现的：
一种卷烟制丝过程数据的稳态识别方法，包括以下步骤：
S1、分析制丝生产线历史数据，利用统计方法统计每个历史数据K的高相关数据G，并确定高相关数据采集点；
S2、采集制丝生产线即时的数据Kn，并判断：
若制丝生产线启动时间T≥T1，其中T1为第一设定时间，则进入步骤S3；
若制丝生产线启动时间T＜T1，则确定该数据Kn为料头数据，其中n为自然数，进行新的数据识别；
S3、判断制丝生产线上是否有设备停机，若有设备停机，则判断该数据Kn为停机断料型数据；
若没有设备停机，则进入步骤S4；
S4、判断数据Kn与数据Kn-1的差值Δ1，若Δ1在第一阈值范围内，则进入步骤S6；
若Δ1不在第一阈值范围内，则进入步骤S5；
S5、判断高相关数据采集点的高相关数据Gn，其中N为自然数，与高相关数据Gn-1的差值Δ2，若Δ2在第二阈值范围内，则判定数据Kn为采集异常数据，否则判定数据Kn为突变数据；
S6、判断Δ1是否在第三阈值范围内，所述第三阈值为第一阈值的子集；若在第三阈值范围，判定所述数据Kn为多稳态型数据，否则判定为中间波动数据。
所述高相关数据G为两个或两个以上，并且高相关数据至少包括一个高相关设备数据J，并确定高相关设备数据采集点；一个高相关工艺数据Y，并确定高相关工艺数据采集点。
所述停机断料型数据包括初始停机数据、停机稳态数据及再启动数据；
所述停机断料型数据通过设备数据Bn判断：
当Bn与Bn-1的差为负值时，该停机断料型数据为初始停机数据；
当Bn与Bn-1的差为零时，该停机断料型数据为停机稳态数据；
当Bn与Bn-1的差为正值时，该停机断料型数据为再启动数据。
在步骤S4内，数据Kn与数据Kn-1的差值Δ1为负值，判断数据Kn-1与数据Kn-2的差值Δ3，若Δ3为负值时，判定所述数据Kn为料尾数据。
本发明的有益效果是：
本技术方案将采集的数据在实时传输过程中，或离线传输数据后进行数据类型的识别，并分别形成各自数据集，进行分别储存，既有利于对后期数据分析的利用，又便于对相应数据的再处理，以提高数据利用的精准性。
附图说明
图1为本发明数据稳态识别的逻辑图。
具体实施方式
以下通过实施例来详细说明本发明的技术方案，以下的实施例仅是示例性的，仅能用来解释和说明本发明的技术方案，而不能解释为是对本发明技术方案的限制。
如图1所示，本申请提供一种卷烟制丝过程数据的稳态识别方法，包括以下步骤：
选择两个或两个以上的完整的制丝生产线历史数据，利用统计方法统计每个历史数据K的高相关数据G，并确定高相关数据采集点；在此以切丝机转速为例进行说明，其它的参数均与此相同，参考切丝机转速有变化的数据，同时将切丝机转速发生变化时，有哪些参数跟随变化，将所有参数变化的数据均进行列表统计，并将多次的统计进行整理后，得到烟丝宽度数据变化最显著，为所有参数变化的第一位，因此，将烟丝宽度数据列为切丝机转速的高相关数据，同时，再分析设备方面的数据，比如，驱动电机的电流变化时，切丝机转速变化随之变化，经过统计后，得出驱动电机的电流数据为切丝机转速变化的高相关数据，同时也得到了驱动电机及烟丝宽度为高相关数据采集点，当对切丝机转速数据进行识别时，需要的高相关数据来源为驱动电机的电流数据及烟丝宽度数据。
为了获得更准确的高相关数据，也可以选择两个以上的高相关数据。
所述高相关数据G为两个或两个以上，并且高相关数据至少包括一个高相关设备数据J，并确定高相关设备数据采集点；一个高相关工艺数据Y，并确定高相关工艺数据采集点。
采集制丝生产线即时的数据Kn，并判断：在此继续以切丝机转速数据为例进行说明。控制系统采集切丝机的实时转速1000r/min，在进行数据稳态识别时，首先判断制丝生产线启动时间，生产线由启动到稳态需要一个时间段，该时间内的数据均处于非稳定状态，在本实施例中，第一设定时间T1为通过历史分析，制丝生产丝由启动至稳定的最大时间或平均时间，通常为了保证数据识别的准确，第一设定时间表示制丝生产丝由启动至稳定的最大时间。
若制丝生产线启动时间T＜T1，则确定该数据Kn为料头数据，其中n为自然数，并进行下一次的数据识别，因为在第一设定时间内，切丝机的转速为逐步上升过程，可能在第一设定时间的后期，切丝机的转速能够达到1000r/min。
若制丝生产线启动时间T≥T1，其中T1为第一设定时间，则：
判断制丝生产线上是否有设备停机，若有设备停机，则判断该数据Kn为停机断料型数据；在本申请中，最佳的数据稳态识别是确定该数据Kn的高相关设备，在本实施例中，以驱动电机为高相关设备，判断其是否停机，若驱动电机停机，判定切丝机转速数据为停机断料型数据，该数据的确定只与设备停机相关，而有时，其它设备的停机，也会将切丝机转速数据判定为停机断料型数据，实际上切丝机的转速没有变化。
若没有设备停机，则，
判断数据Kn与数据Kn-1的差值Δ1，在此举例进行说明，切丝机的即时转速为1000r/min，前一时间即数据Kn-1切丝机的转速为995r/min，差值Δ1＝5r/min。
在本实施例中，设定差值Δ1的第一阈值范围为±4r/min，此时，Δ1不在第一阈值范围内。
判断高相关数据采集点的高相关数据Gn，其中N为自然数，与高相关数据Gn-1的差值Δ2，若Δ2在第二阈值范围内，则判定数据Kn为采集异常数据，否则判定数据Kn为突变数据。
具体为，判定驱动电机的电流数据，即Jn-Jn-1的差值Δ2，比如，驱动电机的电流Jn为50A，Jn-1的电流为50A，差值Δ2为0；同时，烟丝宽度Y的数据Yn为2.0mm,Yn-1的宽度也为2.0mm，差值Δ2为0，此时，说明切丝机的即时转速实际应当没有变化，而是因为速度传感器的原因，导致该数据被判定为非正常数据，因此，将该数据识别为采集异常数据，通过后期的数据预处理，对该数据进行调整，做为稳态数据进行后期的应用。
假设，切丝机的即时转速为1000r/min，前一时间即数据Kn-1切丝机的转速为998r/min，差值Δ1＝2r/min，此时，Δ1在第一阈值范围内，则：
判断Δ1是否在第三阈值范围内，所述第三阈值为第一阈值的子集；在本实施例中，第三阈值范围为±2r/min，此时差值Δ1在第三阈值范围，判定所述数据Kn为多稳态型数据，否则判定为中间波动数据。
为了更准确的对停机断料型数据进行识别，所述停机断料型数据包括初始停机数据、停机稳态数据及再启动数据。
所述停机断料型数据通过设备数据Bn判断：
当Bn与Bn-1的差为负值时，该停机断料型数据为初始停机数据；
当Bn与Bn-1的差为零时，该停机断料型数据为停机稳态数据；
当Bn与Bn-1的差为正值时，该停机断料型数据为再启动数据。
进一步的，数据Kn与数据Kn-1的差值Δ1为负值，判断数据Kn-1与数据Kn-2的差值Δ3，若Δ3为负值时，判定所述数据Kn为料尾数据。
在本申请的实施例中，仅以切丝机的数据为例进行举例说明，在本申请的其它实施例中，可以对其它数据进行识别，识别方法相同。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由所附权利要求及其等同限定。

Claims (4)

1.一种卷烟制丝过程数据的稳态识别方法，其特征在于，包括以下步骤：
S1、分析制丝生产线历史数据，利用统计方法统计每个历史数据K的高相关数据G，并确定高相关数据采集点；
S2、采集制丝生产线即时的数据Kn，并判断：
若制丝生产线启动时间T≥T1，其中T1为第一设定时间，则进入步骤S3；
若制丝生产线启动时间T＜T1，则确定该数据Kn为料头数据，其中n为自然数；
S3、判断制丝生产线上是否有设备停机，若有设备停机，则判断该数据Kn为停机断料型数据；
若没有设备停机，则进入步骤S4；
S4、判断数据Kn与数据Kn-1的差值Δ1，若Δ1在第一阈值范围内，则进入步骤S6；
若Δ1不在第一阈值范围内，则进入步骤S5；
S5、判断高相关数据采集点的高相关数据Gn，其中N为自然数，与高相关数据Gn-1的差值Δ2，若Δ2在第二阈值范围内，则判定数据Kn为采集异常数据，否则判定数据Kn为突变数据；
S6、判断Δ1是否在第三阈值范围内，所述第三阈值为第一阈值的子集；若在第三阈值范围，判定所述数据Kn为多稳态型数据，否则判定为中间波动数据。
2.根据权利要求1所述的卷烟制丝过程数据的稳态识别方法，其特征在于，所述高相关数据G为两个或两个以上，并且高相关数据至少包括一个高相关设备数据J，并确定高相关设备数据采集点；一个高相关工艺数据Y，并确定高相关工艺数据采集点。
3.根据权利要求1所述的卷烟制丝过程数据的稳态识别方法，其特征在于，所述停机断料型数据包括初始停机数据、停机稳态数据及再启动数据；
所述停机断料型数据通过设备数据Bn判断：
当Bn与Bn-1的差为负值时，该停机断料型数据为初始停机数据；
当Bn与Bn-1的差为零时，该停机断料型数据为停机稳态数据；
当Bn与Bn-1的差为正值时，该停机断料型数据为再启动数据。
4.根据权利要求1所述的卷烟制丝过程数据的稳态识别方法，其特征在于，在步骤S4内，数据Kn与数据Kn-1的差值Δ1为负值，判断数据Kn-1与数据Kn-2的差值Δ3，若Δ3为负值时，判定所述数据Kn为料尾数据。
CN201911283911.9A 2019-12-13 2019-12-13 一种卷烟制丝过程数据的稳态识别方法 Active CN111026031B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911283911.9A CN111026031B (zh) 2019-12-13 2019-12-13 一种卷烟制丝过程数据的稳态识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911283911.9A CN111026031B (zh) 2019-12-13 2019-12-13 一种卷烟制丝过程数据的稳态识别方法

Publications (2)

Publication Number Publication Date
CN111026031A true CN111026031A (zh) 2020-04-17
CN111026031B CN111026031B (zh) 2023-01-31

Family

ID=70208987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911283911.9A Active CN111026031B (zh) 2019-12-13 2019-12-13 一种卷烟制丝过程数据的稳态识别方法

Country Status (1)

Country Link
CN (1) CN111026031B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132378A (zh) * 2020-08-02 2020-12-25 红塔烟草(集团)有限责任公司 一种打叶复烤生产批次编码方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0280489A2 (en) * 1987-02-24 1988-08-31 Westinghouse Electric Corporation Cycle monitoring method and apparatus
WO2001001211A1 (en) * 1999-06-30 2001-01-04 Kimberly-Clark Worldwide, Inc. Proactive control of a process after a destabilizing event
US20060265182A1 (en) * 2005-05-23 2006-11-23 Yokogawa Electric Corporation Process abnormal condition recovering operation supporting system
CN101583914A (zh) * 2006-09-29 2009-11-18 费舍-柔斯芒特系统股份有限公司 与用于过程中的稳态检测的多元分析一起使用的统计特征
WO2013184877A2 (en) * 2012-06-08 2013-12-12 Airbiquity Inc. Assessment of electronic sensor data to remotely identify a motor vehicle and monitor driver behavior
CN104977847A (zh) * 2015-07-01 2015-10-14 南京富岛信息工程有限公司 一种面向常减压优化的稳态工况判别方法
CN106017729A (zh) * 2016-05-19 2016-10-12 太原理工大学 一种基于统计过程控制的电机温度监控方法
US20170160714A1 (en) * 2014-07-03 2017-06-08 General Electric Company Acquisition of high frequency data in transient detection
CN107966976A (zh) * 2017-12-06 2018-04-27 中南大学 一种数据驱动的烘丝水分控制回路性能评价与调整系统
CN108519760A (zh) * 2017-11-06 2018-09-11 红云红河烟草(集团)有限责任公司 一种基于变点检测理论的制丝过程稳态识别方法
CN108776871A (zh) * 2018-06-08 2018-11-09 红塔烟草(集团)有限责任公司 定义制丝、复烤生产过程数据类型的方法及处理系统
CN109813978A (zh) * 2018-12-25 2019-05-28 武汉中原电子信息有限公司 一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法
CN110162555A (zh) * 2019-05-27 2019-08-23 南京华盾电力信息安全测评有限公司 一种火电机组启停和降出力监督方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0280489A2 (en) * 1987-02-24 1988-08-31 Westinghouse Electric Corporation Cycle monitoring method and apparatus
WO2001001211A1 (en) * 1999-06-30 2001-01-04 Kimberly-Clark Worldwide, Inc. Proactive control of a process after a destabilizing event
US20060265182A1 (en) * 2005-05-23 2006-11-23 Yokogawa Electric Corporation Process abnormal condition recovering operation supporting system
CN101583914A (zh) * 2006-09-29 2009-11-18 费舍-柔斯芒特系统股份有限公司 与用于过程中的稳态检测的多元分析一起使用的统计特征
WO2013184877A2 (en) * 2012-06-08 2013-12-12 Airbiquity Inc. Assessment of electronic sensor data to remotely identify a motor vehicle and monitor driver behavior
US20170160714A1 (en) * 2014-07-03 2017-06-08 General Electric Company Acquisition of high frequency data in transient detection
CN104977847A (zh) * 2015-07-01 2015-10-14 南京富岛信息工程有限公司 一种面向常减压优化的稳态工况判别方法
CN106017729A (zh) * 2016-05-19 2016-10-12 太原理工大学 一种基于统计过程控制的电机温度监控方法
CN108519760A (zh) * 2017-11-06 2018-09-11 红云红河烟草(集团)有限责任公司 一种基于变点检测理论的制丝过程稳态识别方法
CN107966976A (zh) * 2017-12-06 2018-04-27 中南大学 一种数据驱动的烘丝水分控制回路性能评价与调整系统
CN108776871A (zh) * 2018-06-08 2018-11-09 红塔烟草(集团)有限责任公司 定义制丝、复烤生产过程数据类型的方法及处理系统
CN109813978A (zh) * 2018-12-25 2019-05-28 武汉中原电子信息有限公司 一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法
CN110162555A (zh) * 2019-05-27 2019-08-23 南京华盾电力信息安全测评有限公司 一种火电机组启停和降出力监督方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
付永民等: "基于分级控制的烟丝加香系统设计", 《烟草科技》 *
马晓龙等: "基于变点检测理论的制丝过程稳态识别方法", 《烟草科技》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132378A (zh) * 2020-08-02 2020-12-25 红塔烟草(集团)有限责任公司 一种打叶复烤生产批次编码方法

Also Published As

Publication number Publication date
CN111026031B (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN107738140B (zh) 一种监控刀具状态的方法、系统以及处理设备
CN103488135B (zh) 一种用于半导体生产加工过程监控的统计过程控制方法
CN111882188A (zh) 基于Birch聚类算法的工艺质量同质化水平评价方法及系统
CN112171376B (zh) 一种基于电流信号分割的机床工件实时统计方法
CN111026031B (zh) 一种卷烟制丝过程数据的稳态识别方法
CN111738308A (zh) 基于聚类及半监督学习的监控指标动态阈值检测方法
CN110565220B (zh) 一种基于在线监测的细纱断头因素实时关联定位方法
CN114850969B (zh) 一种基于振动信号的刀具失效监控方法
CN109117350A (zh) 自动监控计算机软硬件的告警方法、装置及服务器
CN110533314A (zh) 一种基于概率密度分布的风电场异常机组识别方法
CN111076772B (zh) 一种卷烟制丝过程数据的处理方法
CN113592314A (zh) 基于西格玛水平的制丝工艺质量评价方法
CN108519760A (zh) 一种基于变点检测理论的制丝过程稳态识别方法
CN114037010A (zh) 一种电量数据异常的识别方法及装置
CN113576016A (zh) 基于烟丝结构的切丝调节方法
CN112560348A (zh) 一种基于集成学习的光纤生产中的断纤预警方法
CN110058811A (zh) 信息处理装置、数据管理系统、方法以及计算机可读介质
CN115687321A (zh) 一种基于人工智能的大数据清洗方法及系统
CN114659937B (zh) 一种再生聚酯聚合釜用在线粘度监测方法
CN112015619A (zh) 通过参数调优筛选系统核心关键指标的方法
CN116447089B (zh) 一种风电机组的运行状态检测方法、装置及介质
CN112090097A (zh) 一种中药浓缩器的性能分析方法及其应用
CN116307669B (zh) 一种智能化设备管理方法
CN118312856A (zh) 一种制丝过程异常非稳态的分类方法
CN108936778B (zh) 一种卷烟制丝加工过程工序重量控制方法

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
GR01 Patent grant
GR01 Patent grant