CN112108523A - 一种冷连轧生产中带钢表面缺陷处理方法及系统 - Google Patents
一种冷连轧生产中带钢表面缺陷处理方法及系统 Download PDFInfo
- Publication number
- CN112108523A CN112108523A CN202010805002.3A CN202010805002A CN112108523A CN 112108523 A CN112108523 A CN 112108523A CN 202010805002 A CN202010805002 A CN 202010805002A CN 112108523 A CN112108523 A CN 112108523A
- Authority
- CN
- China
- Prior art keywords
- data
- rolling
- evaluation
- cold
- strip
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 180
- 238000005096 rolling process Methods 0.000 title claims abstract description 139
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 103
- 239000010959 steel Substances 0.000 title claims abstract description 103
- 230000007547 defect Effects 0.000 title claims abstract description 71
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 title claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 127
- 238000011156 evaluation Methods 0.000 claims abstract description 116
- 239000000463 material Substances 0.000 claims abstract description 61
- 238000000556 factor analysis Methods 0.000 claims abstract description 10
- 238000005097 cold rolling Methods 0.000 claims description 48
- 238000005098 hot rolling Methods 0.000 claims description 38
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 3
- 230000002950 deficient Effects 0.000 abstract description 4
- 238000005452 bending Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000282813 Aepyceros melampus Species 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002436 steel type Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
- B21B37/28—Control of flatness or profile during rolling of strip, sheets or plates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B33/00—Safety devices not otherwise provided for; Breaker blocks; Devices for freeing jammed rolls for handling cobbles; Overload safety devices
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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)
- Mechanical Engineering (AREA)
- Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明公开了一种冷连轧生产中带钢表面缺陷处理方法及系统，其中所述方法包括：采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。本发明通过了对历史轧制过程的数据进行分析，并且对各个数据实现了与钢卷的位置关联。然后，在轧制过程中就可实现对钢卷中每个位置的断带风险进行实时评价，避免遗漏缺陷带钢。
Description
技术领域
本发明涉及冷轧及信息处理技术领域，尤其涉及一种冷连轧生产中带钢表面缺陷处理方法及系统。
背景技术
在冷连轧生产中，断带是一种常见事故，发生断带事故会直接导致生产线停机、作业率下降、同时事故部位带钢成为废品，当发生严重断带事故时，还会造成轧辊粘钢、爆辊，增加轧辊消耗。为了减少断带事故的发生，许多生产厂都从工艺和设备角度进行研究和优化，寻找预防和减少断带的措施，提高产品质量和成材率。但传统的研究、预防存在着如下弊端：断带原因关联分析方面，在发生断带以后，质量专业需从前工序热轧系统、本工序冷轧系统、以及现场一二级系统分别导出相关数据，进行线下采集、手工汇总、分析，耗用时间长，且需要大量的数据预处理，甚至部分计算环节复杂程度高所以无法实现线下计算。断带的主要原因为原料表面缺陷，本工序在轧制前安装表检仪尤为必要。但目前国内外表检仪识别准确率无法达到100％，需要人工干预，针对严重缺陷进行边部切除。但随着生产节奏提速，每天需要处理几万个缺陷。工作强度极高，且存在漏处理缺陷的可能。
综上所述，目前现有技术中的断带数据的处理存在处理过程复杂，处理工作量大且容易出现漏处理的问题，从而导致遗漏具有断带缺陷的带钢。
发明内容
鉴于上述问题，本发明提出了一种冷连轧生产中带钢表面缺陷处理方法及系统，可在轧制过程中就可实现对钢卷中每个位置的断带风险进行实时评价，避免遗漏缺陷带钢。
第一方面，本申请通过本申请的一实施例提供如下技术方案：
一种冷连轧生产中带钢表面缺陷处理方法，其特征在于，包括：
采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；其中，所述本工序数据为冷轧数据，所述前工序数据为热轧数据；
基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；其中，所述以冷轧卷长度为物料数据表示与冷轧卷位置相关的数据值；
对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；其中，所述评价要素清单中存放有一种或多种缺陷类型；
基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。
优选地，所述本工序数据包括：冷轧尺寸数据、冷轧规格变换数据以及冷轧表面缺陷评价数据。
优选地，所述前工序数据包括：热轧尺寸数据、热轧工艺数据、热轧板型数据、热轧表面缺陷评价数据。
优选地，所述基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据，包括：
获取轧制记录；其中，所述轧制记录中每个钢卷在前工序和本工序中均对应一轧制开始时间和轧制结束时间；
基于所述轧制记录和所述轧制时序对所述本工序数据进行处理，获得本工序位置数据；
基于所述轧制记录和所述轧制时序对所述前工序数据进行处理，获得前工序位置数据；
将同一钢卷所述本工序位置数据和所述前工序位置数据进行匹配，获得所述物料数据。
优选地，所述将同一钢卷所述本工序位置数据和所述前工序位置数据进行匹配，获得所述物料数据，包括：
确定所述前工序位置数据中第一目标数据对应的热轧位置；其中，所述第一目标数据为所述前工序位置数据中的任一条数据；
基于
确定所述第一目标数据所匹配的冷轧位置；其中，所述热轧位置和所述冷轧位置为所述钢卷的同一位置；L为热轧位置，L1为冷轧轧制后钢卷长度，L2为冷轧轧制前钢卷长度；
基于所述第一目标数据与所述冷轧位置对应的第二目标数据，构建所述钢卷在所述冷轧位置对应的物料数据；其中，所述第二目标数据为所述本工序位置数据中任一条数据。
优选地，所述对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单之前，还包括：
确定对所述物料数据进行筛选的一个或多个核心影响要素；
设置每个所述核心影响要素对应的合理取值区间；
筛除所述物料数据在所述合理取值区间的数据，获得非正常的所述物料数据；其中，所述非正常的所述物料数据用于进行核心影响要素分析。
优选地，所述基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果，包括：
对当前轧制过程中的目标类型带钢分别进行目标缺陷类型的单特征、缺陷种类和穿透性的实时评价，获得断带评价结果；其中，所述目标缺陷类型为所述评价要素清单中的任一缺陷类型。
优选地，所述基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果，包括：
基于所述评价要素清单，对当前轧制所述目标类型带钢使用的历史评价要素清单进行更新，获得更新后的评价要素清单；
基于所述更新后的评价要素清单，对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。
第二方面，基于同一发明构思，本申请通过本申请的一实施例提供如下技术方案：
一种冷连轧生产中带钢表面缺陷处理系统，包括：
采集模块，用于采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；其中，所述本工序数据为冷轧数据，所述前工序数据为热轧数据；
数据对齐模块，用于基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；其中，所述以冷轧卷长度为物料数据表示与冷轧卷位置相关的数据值；
影响要素分析模块，用于对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；其中，所述评价要素清单中存放有一种或多种缺陷类型；
断带评价模块，用于基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。
第三方面，基于同一发明构思，本申请通过本申请的一实施例提供如下技术方案：
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本发明提供的一种冷连轧生产中带钢表面缺陷处理方法及系统，通过采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；其中，所述本工序数据为冷轧数据，所述前工序数据为热轧数据；基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；其中，所述以冷轧卷长度为物料数据表示与冷轧卷位置相关的数据值；对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；其中，所述评价要素清单中存放有一种或多种缺陷类型；基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。本发明通过了对历史轧制过程的数据进行分析，并且对各个数据实现了与钢卷的位置关联。然后，在轧制过程中就可实现对钢卷中每个位置的断带风险进行实时评价，避免遗漏缺陷带钢。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明第一实施例提供的一种冷连轧生产中带钢表面缺陷处理方法的方法流程图；
图2示出了本发明第一实施例中提供的断带原因批量关联分析的系统架构图；
图3示出了本发明第一实施例中提供的带钢表面缺陷实时评价的系统架构图；
图4示出了本发明第二实施例提供的一种冷连轧生产中带钢表面缺陷处理系统的功能模块框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
第一实施例
请参见图1，示出了本发明实施例提供的一种冷连轧生产中带钢表面缺陷处理方法的方法流程图。该冷连轧生产中带钢表面缺陷处理方法可以应用于现有的冷轧生产系统中。
本实施例中，所述方法，包括：
步骤S10：采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；其中，所述本工序数据为冷轧数据，所述前工序数据为热轧数据；
步骤S20：基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；其中，所述以冷轧卷长度为物料数据表示与冷轧卷位置相关的数据值；
步骤S30：对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；其中，所述评价要素清单中存放有一种或多种缺陷类型；
步骤S40：基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。
在本实施例中，前工序为热轧过程，本工序为冷轧过程。在不同的钢种的生产过程中，断带原因可能存在不同。因此在本实施例中，首先对历史数据进行批量分析，从而确定断带的评价要素。
步骤S10：采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；其中，所述本工序数据为冷轧数据，所述前工序数据为热轧数据。
在步骤S10中，酸轧轧机设备，包含轧制机架、测厚仪、测速仪、张力计等；目标类型带钢为任一轧制的带钢类型，不作限制。本工序数据主要包括如下的具体数据：2#CPC跑偏量、8#CPC跑偏量、1机架前厚度偏差、1机架出口厚度偏差、4机架出口厚度偏差、5机架出口厚度偏差、1机架前厚度突变、1机架出口厚度突变、4机架出口厚度突变、5机架出口厚度突变；工艺类：1机架轧制力、2机架轧制力、3机架轧制力、4机架轧制力、5机架轧制力、1#轧制力偏差、2#轧制力偏差、3#轧制力偏差、4#轧制力偏差、5#轧制力偏差、轧机入口张力、1-2#张力、2-3#张力、3-4#张力、4-5#张力、5#出口张力、1#入口张力偏差、1-2#张力两侧偏差、2-3#张力两侧偏差、3-4#张力两侧偏差、4-5#张力两侧偏差、轧机出口张力两侧偏差、1#前滑、2#前滑、3#前滑、4#前滑、5#前滑、1#轧制速度、2#轧制速度、3#轧制速度、4#轧制速度、5#轧制速度、1#工作辊弯辊力、2#工作辊弯辊力、3#工作辊弯辊力、4#工作辊弯辊力、5#工作辊弯辊力、1#中间辊弯辊力、2#中间辊弯辊力、3#中间辊弯辊力、4#中间辊弯辊力、5#中间辊弯辊力、1#上工作辊窜辊、1#下工作辊窜辊、2#上工作辊窜辊、2#下工作辊窜辊、3#上工作辊窜辊、3#下工作辊窜辊、4#上工作辊窜辊、4#下工作辊窜辊、5#上工作辊窜辊、5#下工作辊窜辊、1#上中间辊窜辊、1#下中间辊窜辊、2#上中间辊窜辊、2#下中间辊窜辊、3#上中间辊窜辊、3#下中间辊窜辊、4#上中间辊窜辊、4#下中间辊窜辊、5#上中间辊窜辊、5#下中间辊窜辊。上述为本工序的主要影响要素，另外，也可根据实际情况适应性的选择影响要素和增加影响要素。
前工序数据主要包括如下的具体数据：凸度C15、凸度C25、凸度C40、凸度C100、楔形W25、楔形W40、中心线偏移、非对称平直度、对称平直度、F7出口宽度偏差、厚度、终轧温度、卷取前测宽仪实际宽度。同样的，可根据实际情况适应性的选择影响要素和增加本工序的影响要素。
总的来说上述的本工序数据可包括：冷轧尺寸数据、冷轧规格变换数据以及冷轧表面缺陷评价数据；前工序数据可包括热轧尺寸数据、热轧工艺数据、热轧板型数据、热轧表面缺陷评价数据。其中，冷轧表面缺陷评价数据和热轧表面缺陷评价数据的获取可为，将现有的判断标准进行数据量化后采用计算机评价，或通过人工评价录入；例如，针对某一指定的缺陷，其对应的判断标准主要可为厚度的变化等进行识别。
步骤S20：基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；其中，所述以冷轧卷长度为物料数据表示与冷轧卷位置相关的数据值。
在步骤S20中，具体轧制过程中会进行轧制记录，记录钢卷号(热轧过程可为热轧卷号，冷轧过程可为冷轧卷号；冷轧卷号和热轧卷号一一对应)、轧制开始时间以及轧制结束时间等。具体的，步骤S20包括：
步骤S21：获取轧制记录；其中，所述轧制记录中每个钢卷在前工序和本工序中均对应一轧制开始时间和轧制结束时间；
步骤S22：基于所述轧制记录和所述轧制时序对所述本工序数据进行处理，获得本工序位置数据；
步骤S23：基于所述轧制记录和所述轧制时序对所述前工序数据进行处理，获得前工序位置数据；
步骤S24：将同一钢卷所述本工序位置数据和所述前工序位置数据进行匹配，获得所述物料数据。
在步骤S21-23中，轧制记录的获取可从轧制系统的存储或日志中进行导出。在钢卷的轧制过程中，会进行时间和数据的记录，如：<时间序列，值>、<时间序列，位置值>；进一步的，由于在轧制记录中可得到钢卷号、轧制开始时间以及轧制结束时间；这样就可将轧制过程中的数据具体匹配到对应的钢卷上，即那条钢卷产生的数据。进一步的，在本工序中，针对某一特定的目标钢卷，通过轧制开始时间和轧制结束时间以及时间序列，就可将本工序数据中的每条数据匹配到目标钢卷上特定的位置。例如，通过轧制开始时间和轧制结束时间可得到轧制该目标钢卷的总时间，然后通过时间序列中得到某一目标数据的轧制时长，就可通过轧制时长占总时间的比例确定该目标数据所处目标钢卷上的长度位置；将目标钢卷所对应的本工序数据全部进行匹配后，即得到本工序位置数据，具体的，可本工序数据可采用<钢卷号，时间，值，位置>的结构表示。同样的，步骤S22、S23中的本工序位置数据和前工序位置数据的获取方式相同，不再赘述。
在步骤S24中，一种具体的实施方式可为：对于本工序位置数据和前工序位置数据，可以时间序列为最小颗粒度的数据进行粗放，以取最大值的方式，形成以物料号(钢卷号)为单位的数据。然后，以物料号(钢卷号)为单位，将本工序位置数据和前工序位置数据，以<热轧卷号，冷轧卷号>进行匹配关联，即可得热轧过程和冷轧过程的同一钢卷的数据。然后针对同一钢卷，将数据继续进行匹配对齐，本实施例提供如下的对齐方式：
步骤S241：确定所述前工序位置数据中第一目标数据对应的热轧位置；其中，所述第一目标数据为所述前工序位置数据中的任一条数据；
步骤S242：基于
确定所述第一目标数据所匹配的冷轧位置；其中，所述热轧位置和所述冷轧位置为所述钢卷的同一位置；L为热轧位置，L1为冷轧轧制后钢卷长度，L2为冷轧轧制前钢卷长度；
步骤S243：基于所述第一目标数据与所述冷轧位置对应的第二目标数据，构建所述钢卷在所述冷轧位置对应的物料数据；其中，所述第二目标数据为所述本工序位置数据中任一条数据。
其中，通过步骤S242中的对齐计算可保证在冷轧前后长度发生改变之后，依然能够准确的将同一钢卷冷轧前、后的同一位置进行对齐，避免物料数据产生较大偏差。
步骤S30：对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；其中，所述评价要素清单中存放有一种或多种缺陷类型。
在本实施例中，存在大量的物料数据，分析过程往往需要极大的计算量。若为人工分析时，分析速度势必更慢。因此，可在步骤S30之前可进行物料数据的筛选，具体包括：
步骤S301：确定对所述物料数据进行筛选的一个或多个核心影响要素；
步骤S302：设置每个所述核心影响要素对应的合理取值区间；
步骤S303：筛除所述物料数据在所述合理取值区间的数据，获得非正常的所述物料数据；其中，所述非正常的所述物料数据用于进行核心影响要素分析。
在步骤S301中，如表面缺陷会导致断带，那么在可在本工序数据或前工序数据中进行选择的核心影响要素。例如，可为缺陷ID、缺陷种类、距操作侧距离、距驱动侧距离、距离带头距离/1000、上下表面、宽度、长度、生产分类、测试分类、实际面积、长宽比、密度、最大灰度、最小灰度、平均灰度、第一类别、第二类别等。
在步骤S302中，在轧制生产过程中采集到的核心影响要素的数值存在超过了或不足该参数数值的合理范围，这种情况下说明轧制生产过程可能会存在断带的情况发生。也即合理取值区间为核心影响要素的合理范围的边界值。例如，以冷轧物料为单位，进行核心影响要素的最大值展示，超出极限值设定的部分可进行报警；对于异常情况，可以进行高频曲线数据以位置为单位细粒度数据查实；对于缺陷图片，以缺陷为单位进行可视化。进一步的，通过步骤S303即可筛除正常数据，得到真正需要进行分析的数据。这样极大的减少了用于进行分析的数据，提高了分析效率。
步骤S40：基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。
在对实时轧制过程中的目标类型带钢进行断带评价时可包括两种情况。第一种为，仅根据步骤S30获得的评价要素清单进行评价。具体为：
对当前轧制过程中的目标类型带钢分别进行目标缺陷类型的单特征、缺陷种类和穿透性的实时评价，获得断带评价结果；其中，所述目标缺陷类型为所述评价要素清单中的任一缺陷类型。具体的，以当前生产实绩清单为入口，以“物料清单-缺陷清单-评价要素清单”的层级关系逐层递进。其中，单特征包含缺陷面积、最大灰度、最小灰度、平均灰度、方差、密度等，进行组合评价。缺陷分类包含第一分类、第二分类，缺陷种类为“边裂”、“凹坑”等严重缺陷且缺陷为边部位置组合评价。穿透性，以上下表面其中一个缺陷为基准，寻找对立面制定范围内是否存在位置重叠缺陷。例如，当单特征中具有一个或多个数据不在合理范围中，并且缺陷种类为“边裂”、“凹坑”等严重缺陷，该评价位置的对立面制定范围内存在位置重叠缺陷，则可确定存在断带风险。根据上述各个缺陷类型进行综合判断，确认钢卷中的某一位置或区间是否具高断带的风险，实现生产过程中进行实时判定。
第二种方式为，对当前轧制条件下的评价要素清单进行更新。具体的为：
步骤S41：基于所述评价要素清单，对当前轧制所述目标类型带钢使用的历史评价要素清单进行更新，获得更新后的评价要素清单；
步骤S42：基于所述更新后的评价要素清单，对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。
通过步骤S41-S42，历史轧制数据进行批量分析后获得的评价要素清单，可用于对当前轧制生产中使用的评价要素清单进行更新，实现了评价规则调整，形成了闭环控制。
进一步的，请参阅图2，基于本实施例中的对历史数据进行批量分析的过程，可通过如下方法构建系统架构，从而进行方法的实现。采用REST接口形式从模型计算服务中读取大数据平台内数据，并进行计算和展示，具体的：
1.通过Java语言编写的数据计算方法，通过Azkaban定时调用执行，完成数据的半实时计算，并落地存储在MySql中。
2.通过Java语言编写的模型计算服务，读取Hadoop大数据平台内数据，以Impala的JDBC连接方式，连接kudu内的结构化数据并进行计算，最后通过REST的接口形式提供使用。
3.通过Java语言编写的模型计算服务，读取Hadoop大数据平台内数据，以openTSDB的API连接方式，查询高频时序数据，最后通过REST的接口形式提供使用。
4.通过Java语言编写的模型计算服务，读取Hadoop大数据平台内数据，以连接池方式读取Hbase内非结构化数据，最后通过REST的接口形式提供使用。
5.通过Java语言编写的后台查询步骤1、步骤2的REST接口的结构化数据，并以对象形式返回。
6.通过Java语言编写的后台查询步骤4的REST接口的非结构化数据，并以数据流形式返回。
7.通过Java语言编写的后台查询步骤3的REST接口的高频数据，并以对象形式返回。
8.页面应用通过Ext框架，读取步骤5、步骤6、步骤7的返回数据，并进行展示。
进一步的，请参阅图3，基于本实施例中的实时断带评价过程，可通过如下方法构建系统架构，从而进行方法的实现。采用实时接收关系数据、图片数据为基础，并进行特定规则模型的运算处理，并实时反馈到现场操作页面，具体的：
1.通过后台Java语言编写Socket，并发接收数据采集端发过来JSON格式的关系数据及图片的base64编码格式字符串。
2.通过Java语言编写的计算分发服务，其中一个Thread输入步骤1接收的关系数据和图片数据，并把数据落地到现场的MySql数据库。
3.通过Java语言编写的计算分发服务，其中一个Thread输入步骤1接收的关系数据和图片数据，通过转发到大数据平台的kafka进行落地存储。
4.通过Java语言编写的计算分发服务，其中一个Thread输入步骤1接收的关系数据和图片数据，通过特定规则的模型运算处理，把结果通过gRPC的远程调用推送给现场的Python应用后台服务，并把运算结果进行现场MySql的落地存储。
5.通过Python语言编写的应用后台服务，接收步骤4的gRPC推送过来的结果数据，并将结果通过WebSocket方式转发给前台页面展示。
6.现场的前台操作页面通过Vue+Html语言进行编写，在线的载入模式，可以实时接收步骤5转发过来的模型运算结果，并进行滚动的刷新展示；离线的模式，可以读取现场的MySql库中的模型运算结果，并进行普通操作展示。
综上所述，本实施例中提供的一种冷连轧生产中带钢表面缺陷处理方法，通过采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；其中，所述本工序数据为冷轧数据，所述前工序数据为热轧数据；基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；其中，所述以冷轧卷长度为物料数据表示与冷轧卷位置相关的数据值；对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；其中，所述评价要素清单中存放有一种或多种缺陷类型；基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。本发明通过了对历史轧制过程的数据进行分析，并且对各个数据实现了与钢卷的位置关联。然后，在轧制过程中就可实现对钢卷中每个位置的断带风险进行实时评价，避免遗漏缺陷带钢。
第二实施例
基于同一发明构思，本发明第二实施例提供了一种冷连轧生产中带钢表面缺陷处理系统300。图4示出了本发明第二实施例提供的一种冷连轧生产中带钢表面缺陷处理系统300的功能模块框图。
所述系统300，包括：
采集模块301，用于采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；其中，所述本工序数据为冷轧数据，所述前工序数据为热轧数据；
数据对齐模块302，用于基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；其中，所述以冷轧卷长度为物料数据表示与冷轧卷位置相关的数据值；
影响要素分析模块303，用于对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；其中，所述评价要素清单中存放有一种或多种缺陷类型；
断带评价模块304，用于基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。
需要说明的是，本发明实施例所提供的冷连轧生产中带钢表面缺陷处理系统300，其具体实现及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明提供的装置集成的功能模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种冷连轧生产中带钢表面缺陷处理方法，其特征在于，包括：
采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；其中，所述本工序数据为冷轧数据，所述前工序数据为热轧数据；
基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；其中，所述以冷轧卷长度为物料数据表示与冷轧卷位置相关的数据值；
对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；其中，所述评价要素清单中存放有一种或多种缺陷类型；
基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。
2.根据权利要求1所述的方法，其特征在于，所述本工序数据包括：冷轧尺寸数据、冷轧规格变换数据以及冷轧表面缺陷评价数据。
3.根据权利要求1所述的方法，其特征在于，所述前工序数据包括：热轧尺寸数据、热轧工艺数据、热轧板型数据、热轧表面缺陷评价数据。
4.根据权利要求1所述的方法，其特征在于，所述基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据，包括：
获取轧制记录；其中，所述轧制记录中每个钢卷在前工序和本工序中均对应一轧制开始时间和轧制结束时间；
基于所述轧制记录和所述轧制时序对所述本工序数据进行处理，获得本工序位置数据；
基于所述轧制记录和所述轧制时序对所述前工序数据进行处理，获得前工序位置数据；
将同一钢卷所述本工序位置数据和所述前工序位置数据进行匹配，获得所述物料数据。
5.根据权利要求4所述的方法，其特征在于，所述将同一钢卷所述本工序位置数据和所述前工序位置数据进行匹配，获得所述物料数据，包括：
确定所述前工序位置数据中第一目标数据对应的热轧位置；其中，所述第一目标数据为所述前工序位置数据中的任一条数据；
基于
确定所述第一目标数据所匹配的冷轧位置；其中，所述热轧位置和所述冷轧位置为所述钢卷的同一位置；L为热轧位置，L1为冷轧轧制后钢卷长度，L2为冷轧轧制前钢卷长度；
基于所述第一目标数据与所述冷轧位置对应的第二目标数据，构建所述钢卷在所述冷轧位置对应的物料数据；其中，所述第二目标数据为所述本工序位置数据中任一条数据。
6.根据权利要求1所述的方法，其特征在于，所述对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单之前，还包括：
确定对所述物料数据进行筛选的一个或多个核心影响要素；
设置每个所述核心影响要素对应的合理取值区间；
筛除所述物料数据在所述合理取值区间的数据，获得非正常的所述物料数据；其中，所述非正常的所述物料数据用于进行核心影响要素分析。
7.根据权利要求1所述的方法，其特征在于，所述基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果，包括：
对当前轧制过程中的目标类型带钢分别进行目标缺陷类型的单特征、缺陷种类和穿透性的实时评价，获得断带评价结果；其中，所述目标缺陷类型为所述评价要素清单中的任一缺陷类型。
8.根据权利要求1所述的方法，其特征在于，所述基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果，包括：
基于所述评价要素清单，对当前轧制所述目标类型带钢使用的历史评价要素清单进行更新，获得更新后的评价要素清单；
基于所述更新后的评价要素清单，对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。
9.一种冷连轧生产中带钢表面缺陷处理系统，其特征在于，包括：
采集模块，用于采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；其中，所述本工序数据为冷轧数据，所述前工序数据为热轧数据；
数据对齐模块，用于基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；其中，所述以冷轧卷长度为物料数据表示与冷轧卷位置相关的数据值；
影响要素分析模块，用于对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；其中，所述评价要素清单中存放有一种或多种缺陷类型；
断带评价模块，用于基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010805002.3A CN112108523B (zh) | 2020-08-12 | 2020-08-12 | 一种冷连轧生产中带钢表面缺陷处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010805002.3A CN112108523B (zh) | 2020-08-12 | 2020-08-12 | 一种冷连轧生产中带钢表面缺陷处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112108523A true CN112108523A (zh) | 2020-12-22 |
| CN112108523B CN112108523B (zh) | 2022-08-09 |
Family
ID=73804893
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010805002.3A Active CN112108523B (zh) | 2020-08-12 | 2020-08-12 | 一种冷连轧生产中带钢表面缺陷处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112108523B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113245129A (zh) * | 2021-06-07 | 2021-08-13 | 马进 | 热镀锌生产线辊涂机精度控制方法 |
| CN113344730A (zh) * | 2021-06-04 | 2021-09-03 | 北京首钢股份有限公司 | 一种带钢处置系统及方法 |
| CN113732065A (zh) * | 2021-09-13 | 2021-12-03 | 本钢板材股份有限公司 | 冷轧带钢表面缺陷溯源方法 |
| CN113779851A (zh) * | 2021-09-29 | 2021-12-10 | 南京钢铁股份有限公司 | 一种基于abques模拟冷轧带钢轧制气泡缺陷的方法及系统 |
| CN113344730B (zh) * | 2021-06-04 | 2024-06-07 | 北京首钢股份有限公司 | 一种带钢处置系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61165204A (ja) * | 1985-01-17 | 1986-07-25 | Kawasaki Steel Corp | 冷間圧延における鋼帯の破断防止方法 |
| CN102847723A (zh) * | 2012-09-29 | 2013-01-02 | 鞍钢股份有限公司 | 一种应用于冷连轧机物料跟踪的过程控制方法 |
| CN104084426A (zh) * | 2014-07-02 | 2014-10-08 | 济钢集团有限公司 | 基于热轧工艺控制的冷轧产品板型控制系统 |
| CN108108752A (zh) * | 2017-12-15 | 2018-06-01 | 中冶南方工程技术有限公司 | 一种冷连轧生产实绩中工艺数据处理方法 |
| CN109465295A (zh) * | 2018-08-06 | 2019-03-15 | 首钢集团有限公司 | 一种防止热连轧钢板在冷轧中边裂断带的方法 |
| CN111159649A (zh) * | 2020-01-03 | 2020-05-15 | 北京科技大学 | 一种冷连轧机变规格风险预测方法 |
-
2020
- 2020-08-12 CN CN202010805002.3A patent/CN112108523B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61165204A (ja) * | 1985-01-17 | 1986-07-25 | Kawasaki Steel Corp | 冷間圧延における鋼帯の破断防止方法 |
| CN102847723A (zh) * | 2012-09-29 | 2013-01-02 | 鞍钢股份有限公司 | 一种应用于冷连轧机物料跟踪的过程控制方法 |
| CN104084426A (zh) * | 2014-07-02 | 2014-10-08 | 济钢集团有限公司 | 基于热轧工艺控制的冷轧产品板型控制系统 |
| CN108108752A (zh) * | 2017-12-15 | 2018-06-01 | 中冶南方工程技术有限公司 | 一种冷连轧生产实绩中工艺数据处理方法 |
| CN109465295A (zh) * | 2018-08-06 | 2019-03-15 | 首钢集团有限公司 | 一种防止热连轧钢板在冷轧中边裂断带的方法 |
| CN111159649A (zh) * | 2020-01-03 | 2020-05-15 | 北京科技大学 | 一种冷连轧机变规格风险预测方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113344730A (zh) * | 2021-06-04 | 2021-09-03 | 北京首钢股份有限公司 | 一种带钢处置系统及方法 |
| CN113344730B (zh) * | 2021-06-04 | 2024-06-07 | 北京首钢股份有限公司 | 一种带钢处置系统及方法 |
| CN113245129A (zh) * | 2021-06-07 | 2021-08-13 | 马进 | 热镀锌生产线辊涂机精度控制方法 |
| CN113732065A (zh) * | 2021-09-13 | 2021-12-03 | 本钢板材股份有限公司 | 冷轧带钢表面缺陷溯源方法 |
| CN113779851A (zh) * | 2021-09-29 | 2021-12-10 | 南京钢铁股份有限公司 | 一种基于abques模拟冷轧带钢轧制气泡缺陷的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112108523B (zh) | 2022-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112108523B (zh) | 一种冷连轧生产中带钢表面缺陷处理方法及系统 | |
| WO2021232856A1 (zh) | 基于大数据的网销商品检验抽样方法 | |
| Ma | Iron ore spot price volatility and change in forward pricing mechanism | |
| Chiu et al. | An integrated DEA based model to measuring financial performance of construction companies | |
| Dai et al. | Can exporting resolve overcapacity? Evidence from Chinese steel companies | |
| CN116596305A (zh) | 用于食品安全管理的风险分级方法 | |
| Chabachib et al. | Financial distress prediction in Indonesia | |
| CN107808241B (zh) | 一种不锈钢表面检测结果综合分析系统 | |
| Telipenko et al. | Forecasting risk of bankruptcy for machine-building plants | |
| Svetlík et al. | Application of innovative methods of predictive control in projects involving intelligent steel processing production systems | |
| Agarwal et al. | Knowledge discovery in steel bar rolling mills using scheduling data and automated inspection | |
| JP2007083300A (ja) | 材質記録装置 | |
| WO2020229541A1 (en) | Method for controlling a metal rolling process for producing intermediate castings, a related computer system, and a method for producing intermediate castings | |
| Lee et al. | Bubble prediction and comparative analysis of emerging and mature markets | |
| CN111445441A (zh) | 一种带钢头部缺陷处理方法及装置 | |
| Chen et al. | Do Active Fund Managers Exploit Material ESG Information | |
| Subhan et al. | THE INFLUENCE OF ECONOMIC FACTORS ON THE STOCK PRICE OF KIMIA FARMA COMPANIES ON THE INDONESIAN STOCK EXCHANGE | |
| Pushpakumara et al. | Effects of non-tariff measures on tea exports from Sri Lanka | |
| Alwan et al. | The Influence of Prudence, Profit Persistence, Capital Structure, and Profit Growth on Earnings Quality of Manufacturing Companies in the Food and Beverage Sector | |
| CN117891859B (zh) | 一种用于工业物联网的数据处理方法及系统 | |
| Mubarok | Quality Analysis of Black tea Products Using Fisbone Diagram and Failure Mode and Effect Analysis (FMEA) at PT XYZ | |
| Ayrancı et al. | Examination of the Relationship between Stock Management and Profitability in Businesses: An Application on Borsa Istanbul Manufacturing Companies | |
| Joga et al. | Do environmental disclosure and financial distress affect firm value? the moderating role of market capitalization | |
| CN116952951A (zh) | 一种基于机器视觉的酸洗质量在线定量评价方法及系统 | |
| Liu et al. | Research on Financial Risk Monitoring Index of High-Tech Enterprises–Based on Entropy-Fuzzy Comprehensive Evaluation |
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 |