CN113924207A - 异常探测装置、异常探测方法以及异常探测程序 - Google Patents
异常探测装置、异常探测方法以及异常探测程序 Download PDFInfo
- Publication number
- CN113924207A CN113924207A CN202080041120.XA CN202080041120A CN113924207A CN 113924207 A CN113924207 A CN 113924207A CN 202080041120 A CN202080041120 A CN 202080041120A CN 113924207 A CN113924207 A CN 113924207A
- Authority
- CN
- China
- Prior art keywords
- abnormality detection
- index
- abnormality
- index value
- distance
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 240
- 238000001514 detection method Methods 0.000 title claims description 132
- 238000003754 machining Methods 0.000 claims description 26
- 238000009826 distribution Methods 0.000 claims description 19
- 238000010606 normalization Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 abstract description 14
- 230000006870 function Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 12
- 230000014509 gene expression Effects 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B30—PRESSES
- B30B—PRESSES IN GENERAL
- B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
- B30B15/26—Programme control arrangements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B30—PRESSES
- B30B—PRESSES IN GENERAL
- B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
- B30B15/28—Arrangements for preventing distortion of, or damage to, presses or parts thereof
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G05B2219/34—Director, elements to supervisory
- G05B2219/34465—Safety, control of correct operation, abnormal states
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
提供一种能够适当地进行异常判定的技术。基于将第一指标及第二指标作为轴的二维平面上的、由第一指标值及第二指标值所示的点距预先设定的基准曲线的距离,来探测对象装置的异常。
Description
技术领域
本发明涉及一种探测对象装置的异常的异常探测装置、异常探测方法以及异常探测程序。
背景技术
以往,在冲压系统中,已知有一种基于冲压工件时的冲压载荷的载荷波形来探测冲压异常的技术(例如参照专利文献1)。
而且,已知有一种使用依存于伺服马达的速度的概率密度函数来控制马达的技术(例如参照专利文献2)。
专利文献1或专利文献2所记载的技术是根据对工件进行加工的加工动作的装置实测值是否处于标准偏差内,来判定是否发生了异常。
现有技术文献
专利文献
专利文献1:日本公开专利公报《日本专利特开2016-209885号公报》
专利文献2:日本公开专利公报《日本专利特开2006-158031号公报》
发明内容
发明所要解决的问题
此外,在将伺服马达作为动力源的对象装置中,存在下述情况,即,加工动作中途的冲压载荷或马达速度的预测曲线在加工动作中途存在变得陡峭的部分。在像所述的以往技术那样,根据加工动作的装置实测值是否处于标准偏差内来判定是否发生了异常的情况下,在预测曲线为陡峭时,尽管并未发生异常,但有时仍会判定为异常。
本发明的一实施例是有鉴于所述情况而完成,目的在于提供一种能够适当地进行异常判定的技术。
解决问题的技术手段
为了解决所述问题,本发明的一实施例的异常探测装置探测对象装置的异常,所述异常探测装置包括:获取部,获取与所述对象装置的动作中的第一指标相关的第一指标值、及与第二指标相关的第二指标值;以及异常探测部,基于将所述第一指标及所述第二指标作为轴的二维平面上的、由所述第一指标值及所述第二指标值所示的点距预先设定的基准曲线的距离,来探测所述对象装置的异常。
而且,为了解决所述问题,本发明的一实施例的异常探测方法是在探测对象装置的异常的异常探测装置中执行,所述异常探测方法包括:指标值获取步骤,获取与对象装置的动作中的第一指标相关的第一指标值、及与第二指标相关的第二指标值;以及异常探测步骤,基于将所述第一指标及所述第二指标作为轴的二维平面上的、由所述第一指标值及所述第二指标值所示的点距预先设定的基准曲线的距离,来探测所述对象装置的异常。
而且,本发明的一实施例的异常探测程序用于使计算机作为所述异常探测装置发挥功能,其中,所述异常探测程序用于使计算机作为所述获取部以及所述异常探测部发挥功能。
发明的效果
根据本发明的一实施例,能够适当地进行对象装置的异常判定。
附图说明
图1是示意性地表示使用本实施方式的异常探测装置的现场的图。
图2是表示异常探测装置的主要部分结构的框图。
图3是表示第一指标值以及第二指标值的实测值的图表。
图4是表示基准曲线的图表。
图5是表示基于回归预测模型f(x)的基准曲线的图表。
图6是表示基于逆回归预测模型g(y)的基准曲线的图表。
图7是表示Δh的时间变化的图。
图8是表示异常探测装置所进行的基准曲线生成处理的流程的流程图。
图9是表示异常探测装置所进行的异常探测处理的流程的流程图。
图10是与对象装置中的一连串动作相关的各种图表。
图11是与对象装置中的一连串动作相关的各种图表。
图12表示产生了异常的对象装置中的、距离Δh的直方图的示例。
图13表示产生了异常的对象装置中的、距离Δh的直方图的另一例。
图14是表示与并非冲压机器的对象装置的一连串动作相关的第一指标值、第二指标值与基准曲线的图。
具体实施方式
以下,基于附图来说明本发明的一方面的实施方式(以下也称作“本实施方式”)。
§1适用例
使用图1来说明适用本发明的场景的一例。图1是示意性地表示使用本实施方式的异常探测装置100的现场的图。
如图1所示,异常探测装置100例如是在制造现场中使用,探测对象装置10的异常的装置。异常探测装置100例如通过可编程逻辑控制器(Programmable Logic Controller,PLC)(可编程控制器)来实现。在通过PLC来实现异常探测装置100的结构中,也可为异常探测装置100控制对象装置10的动作的结构。异常探测装置100经由现场网络或局域网等网络来与一个或多个对象装置10连接。
对象装置10例如是将伺服马达作为动力源而驱动的冲压机器。作为对象装置10的一例的冲压机器是使伺服马达20进行旋转运动,将伺服马达20的旋转运动通过致动器15而转换为直线运动,从而将压入工件5b经由冲压工具12而压入至被压入工件5a内。
当压入的次数累积时,冲压机器中的冲压工具12与压入工件5b的接触面发生磨损。当冲压工具12的磨损加剧时,会产生金属粉,若在压入时所述金属粉被夹入到压入工件5b与被压入工件5a之间,则会发生异物咬入的异常以及冲压工具拔不出的异常等。
异常探测装置100具有对与对象装置10的动作相关的数据进行收集、学习、监测的功能。异常探测装置100从对象装置10获取例如伺服马达的扭矩、速度及位置等的信息、由测力传感器16所测定的对冲压工具12施加的负载的信息、以及由位移传感器11所探测到的传感器值(位置)。
异常探测装置100获取基于与对象装置10的动作相关的数据的、跟第一指标相关的第一指标值例如与对象装置10的动作的阶段相关的值、和跟第二指标相关的第二指标值例如与对象装置10的动作的负载相关的值,参照这两个指标值来判定对象装置10是否产生了异常。
异常探测装置100尤其基于将第一指标及第二指标作为轴的二维平面上的、由第一指标值及第二指标值所示的点距预先设定的基准曲线的距离,来判定对象装置10是否产生了异常。
由此,异常探测装置100对从对象装置10的加工动作开始直至加工动作结束为止进行监测,从而可快速探测异常预兆。而且,在对象装置10的动作过程中,传感器值陡峭地变化的场景中,也能够适当地判定是否产生了异常。而且,通过使用与对象装置10的动作的阶段相关的值、和与对象装置10的动作的负载相关的值来进行异常判定,从而能够在对象装置10的动作的各阶段适当地进行异常判定。
§2结构例
〔实施方式1〕
以下,详细说明本发明的一实施方式。
(关于异常探测装置100的结构)
图2是表示异常探测装置100的主要部分结构的框图。如图2所示,异常探测装置100包括通信部101、控制部110以及存储部120。
通信部101与对象装置10之间经由网络来进行通信,以执行数据的收发。通信部101例如是使用通信集成电路(Integrated Circuits,IC)等集成电路来实现。通信部101通过有线通信或无线通信而与对象装置10之间进行通信。
控制部110是具备统括地控制异常探测装置100的各部的功能的运算装置。控制部110例如也可通过一个以上的处理器(例如中央处理器(Central Processing Unit,CPU)等)执行存储在一个以上的存储器(例如随机存取存储器(Random Access Memory,RAM)或只读存储器(Read Only Memory,ROM)等)中的程序而控制异常探测装置100的各部。
存储部120存储有由控制部110所使用的各种数据、以及由控制部110所执行的各种软件。而且,存储部120存储有由控制部110从对象装置10获取并学习的、与对象装置10的动作相关的数据。
(关于控制部110的结构)
控制部110包含获取部111、基准生成部112、尺度标准化部113以及异常探测部114。
获取部111经由通信部101来获取与对象装置10的动作中的第一指标相关的第一指标值、及与第二指标相关的第二指标值。对象装置10的动作中的第一指标的值及第二指标的值是与对象装置10的伺服马达20、位移传感器11或测力传感器16所表示的位置、扭矩、对冲压工具12施加的负载(对压入工件5b施加的负载)等相关的值。也能够根据伺服马达20的扭矩来推测对冲压工具12施加的负载。
基准生成部112对由获取部111从对象装置10获取的第一指标值和第二指标值进行收集,并生成针对所收集的第一指标值和第二指标值的机器学习的一方法即回归预测模型。基准生成部112根据机器学习的结果,来设定将第一指标与第二指标作为轴的二维平面上的基准曲线。基准曲线表示对象装置10为正常状态下的第一指标值与第二指标值的关系。异常探测装置100也可从外部预先获取表示基准曲线的信息。
与第一指标相关的第一指标值是与对象装置10的动作的阶段相关的值,在对象装置10为伺服冲压机器的情况下,第一指标值例如是表示一连串的冲压动作中的进展程度的值(表示从一连串的冲压动作的开始,直至结束为止,工序已进展了多少比例的值,例如伺服马达20的位置或冲压工具12的位置)、或者从一连串的冲压动作的开始计起的经过时间。与第二指标相关的第二指标值是与对象装置10的负载相关的值。
另外,第一指标值以及第二指标值并不限于表示一连串的冲压动作中的进展程度的值和与对象装置10的负载(测力传感器的负载)相关的值,可适当选择伺服马达的位置、扭矩、速度、与对象装置10相关的测定值等的值来使用。
尺度标准化部113对将第一指标及第二指标作为轴的二维平面上的、第一指标的尺度与第二指标的尺度分别各别地进行标准化。尺度标准化部113基于基准生成部112对第一指标值和第二指标值的机器学习的结果,来对第一指标的尺度与第二指标的尺度进行标准化。也可针对经所述标准化的尺度的二维平面来设定基准曲线。通过像这样将各指标值适当地标准化而进行异常判定,从而能够适当地进行异常判定。
图3是表示从作为伺服冲压机器的对象装置10所收集的、多次冲压动作中的第一指标值以及第二指标值的图表,将第一指标(位置)作为横轴,将第二指标(负载)作为纵轴。
图4是表示使用图3所示的收集数据,并使用经尺度标准化部113标准化的尺度,而由基准生成部112所设定的基准曲线的图表。如图4所示,通过基准生成部112的机器学习而设定的基准曲线例如为折线图表。基准曲线的横轴表示与经尺度标准化部113标准化的第一指标相关的第一指标值即与对象装置10的动作的阶段相关的值(例如位置),纵轴表示与经尺度标准化部113标准化的第二指标相关的第二指标值即与负载相关的值。另外,基准曲线例如也可为伺服马达的位置与对冲压工具施加的负载的相关图、或者伺服马达的速度与伺服马达的扭矩的相关图等。
基准曲线例如是由以下的(式1)所示的作为回归预测模型f(x)的折线图表。yideal表示基准曲线上的第二指标值。xnorm表示经标准化的第一指标值。
[数1]
yideal=f(xnorm)…(式1)
异常探测部114基于将第一指标及第二指标作为轴的二维平面上的、由第一指标值及第二指标值所示的点距基准曲线的距离,来探测对象装置10的异常。
图5是在基于回归预测模型f(x)的基准曲线上示出跟与第一指标相关的第一指标值和与第二指标相关的第二指标值相关的参数的图。横轴是表示动作的阶段的第一指标(x),纵轴是第二指标(y)。
尺度标准化部113首先求出使用下述的(式2)、(式3)将由获取部111所获取的第一指标值的实测值xact与第二指标值的实测值yact归一化的xnorm与ynorm。
[数2]
xnorm=(xact-xmin)/(xmax-xmin)…(式2)
[数3]
ynorm=(yact-ymin)/(ymax-ymin)…(式3)
此处,xmin、ymin为分别存储在存储部120中的第一指标值以及第二指标值的实测值xact、yact的最小值、或基准曲线中的第一指标值以及第二指标值的最小值的任一个皆可。而且,xmax、ymax为分别存储在存储部120中的第一指标值以及第二指标值的实测值xact、yact的最大值、或基准曲线中的第一指标值以及第二指标值的最大值的任一个皆可。标准化是为了使第一指标的尺度与第二指标的尺度一致而进行。
继而,异常探测部114使用(式1)来求出针对经归一化的第一指标值xnorm的yideal。异常探测部114使用下述的(式4)来求出针对经归一化的第二指标值ynorm的xideal。xideal表示基准曲线上的第一指标值。g(y)为f(x)的逆函数。yideal表示对象装置10为正常的情况下的、第一指标值为xnorm时的第二指标值(第二指标的理想值)。xideal表示对象装置10为正常的情况下的、第二指标值为ynorm时的第一指标值(第一指标的理想值)。
[数4]
xideal=g(ynorm)…(式4)
接下来,异常探测部114使用以下的(式5)、(式6)来求出经归一化的第一指标值xnorm、第二指标值ynorm距各自的理想值xideal、yideal的偏差即Δx与Δy。
[数5]
Δx=xideal-xnorm…(式5)
[数6]
Δy=ynorm-yideal…(式6)
异常探测部114使用第一指标值、第二指标值距理想值xideal、yideal的偏差Δx、Δy,并通过以下的(式7),来算出由第一指标值、第二指标值所示的点距基准曲线的距离Δh。
[数7]
Δh=h(Δx,Δy)…(式7)
另外,例如在Δy为规定的值ε以下的情况下或者|Δy|为规定的值ε以下的情况下,也可视为Δh=0而忽略从基准曲线计起的误差。
这样,异常探测部114基于将第一指标及第二指标作为轴的二维平面上的、由第一指标值及第二指标值所示的点距预先设定的基准曲线的距离Δh,来探测对象装置10的异常。由此,即便是在基准曲线中斜率陡峭地变化的工序位置,异常探测装置100也能够适当地进行异常探测,能够抑制尽管未产生异常却被判定为异常的情况。
图6是表示基于逆回归预测模型g(y)的基准曲线的图表。纵轴是表示动作的阶段的第一指标(x),横轴是第二指标(y)。如图6所示,基准曲线并不限于由回归预测模型f(x)所示的结构,也可为由逆回归预测模型g(y)所示的结构。即便在基准曲线是以逆回归预测模型g(y)所示的情况下,异常探测部114也能够通过使用(式2)~(式8)的所述方法,来算出由第一指标值、第二指标值所示的点距基准曲线的距离Δh。
图7是表示距离Δh的时间变化的图。横轴是时间(第一指标),纵轴是距离Δh。如图7所示,异常探测部114在第二指标值(负载)相对于基准曲线而处于大的一侧的情况下,对距离Δh附注正的符号。而且,异常探测部114在第二指标值相对于基准曲线而处于小的一侧的情况下,对距离Δh附注负的符号。这样,异常探测部114根据第二指标值相对于基准曲线是处于大的一侧还是处于小的一侧,来切换对距离Δh附注的符号的正负。异常探测部114基于附注有正负符号的距离Δh是否处于预先设定的正常范围(正常范围)内,来判定对象装置10是否产生了异常。另外,异常探测部114也可不区别正负而基于距离Δh的绝对值来进行异常的判定。
此外,可认为,根据对象装置10的种类,例如在第二指标值(负载)相对于基准曲线而处于大的一侧的情况下,比起第二指标值相对于基准曲线而处于小的一侧的情况,异常的可能性高。因此,异常探测部114也可根据对距离Δh附注的正负的符号,来使用于判断对象装置10是否产生了异常的距离Δh的阈值不同。即,表示与Δh相关的正常范围的边界的正侧的阈值与负侧的阈值的绝对值也可不同。
这样,异常探测部114并非根据由第一指标值、第二指标值所示的点距基准曲线的距离Δh的绝对值,而能够根据相应于第二指标值较之基准曲线是处于负载大的一侧还是处于负载小的一侧而附注有正负符号的距离Δh,来选择适当的阈值,以判断对象装置10是否产生了异常。因而,通过异常探测部114的结构,能够抑制尽管对象装置10并未产生异常却误判断为产生了异常的情况,从而能够适当地进行异常判定。
(关于异常探测装置的处理流程)
图8是表示异常探测装置100所进行的基准曲线生成处理的流程的流程图。
在基准曲线生成处理中,异常探测装置100的控制部110首先通过获取部111的功能,经由通信部101而从正常状态的对象装置10获取与第一指标相关的第一指标值和与第二指标相关的第二指标值(步骤S1)。
控制部110将通过获取部111的功能而获取的与第一指标相关的第一指标值和与第二指标相关的第二指标值存储到存储部120中(步骤S2)。
控制部110判定对象装置10所进行的压入工序以及敛缝工序等一连串的加工动作是否已结束(步骤S3)。控制部110在判定为对象装置10所进行的一连串加工动作已结束时(步骤S3中为是),前进至步骤S4。控制部110在判定为对象装置10所进行的一连串加工动作尚未结束时(步骤S3中为否),返回步骤S1,继续与第一指标相关的第一指标值和与第二指标相关的第二指标值的收集。
控制部110通过基准生成部112的功能,关于存储在存储部120中的与对象装置10所进行的一连串加工动作相关的、与第一指标相关的第一指标值和与第二指标相关的第二指标值,进行机器学习,生成回归模型(步骤S4)。
控制部110参照基准生成部112的机器学习的结果,通过尺度标准化部113的功能,对第一指标与第二指标的尺度进行标准化。基准生成部112基于经尺度标准化部113标准化的尺度与机器学习的结果,来设定与对象装置10所进行的一连串(从动作开始直至动作完成为止的一行程)加工动作相关的基准曲线(经标准化的基准曲线)(步骤S5)。
控制部110使所设定的基准曲线存储到存储部120中。而且,控制部110预先设定与Δh相关的正常范围,并使其存储到存储部120中。正常范围也可由用户予以输入。
异常探测装置100参照在步骤S5中设定的基准曲线,通过异常探测部114的功能来监测对象装置10所进行的加工动作,在对象装置10所进行的加工动作产生了异常时,探测所述异常。
图9是表示异常探测装置100所进行的异常探测处理的流程的流程图。
异常探测装置100在对象装置10的加工动作中,在一连串动作的开始时机,对异常探测标记(Flag)进行初始化(Flag=0)(步骤S11)。
在对象装置10的动作中,异常探测装置100的控制部110通过获取部111的功能,经由通信部101而从对象装置10获取与第一指标相关的第一指标值和与第二指标相关的第二指标值(步骤S12)。
控制部110通过尺度标准化部113的功能,使用所述的(式2)、(式3)来对由获取部111所获取的第一指标值与第二指标值分别进行归一化(步骤S13)。此处,控制部110的尺度标准化部113使用标准化前的基准曲线中的最大值以及最小值,来对第一指标值与第二指标值分别进行归一化。
控制部110通过异常探测部114的功能,使用所述的(式5)、(式6),来算出经归一化的第一指标的指标值xnorm距理想值xideal的偏差Δx、与经归一化的第二指标的指标值ynorm距理想值yideal的偏差Δy(步骤S14)。
异常探测部114使用第一指标值的偏差Δx与第二指标值的偏差Δy,通过所述的(式7),来算出二维平面上的由第一指标值以及第二指标值所示的点距基准曲线的距离Δh(步骤S15)。
控制部110将距离Δh存储到存储部120中。
继而,控制部110通过异常探测部114的功能,判定距离Δh是否处于与正负相应的规定的正常范围以内(步骤S16)。控制部110在由异常探测部114判定为距离Δh处于正常范围以内时(步骤S16中为是),前进至步骤S18。控制部110在由异常探测部114判定为距离Δh处于正常范围外时(步骤S16中为否),前进至步骤S17。
控制部110在距离Δh处于正常范围外时,探测到对象装置10产生了异常,对异常探测标记(Flag)进行增加计数(Flag=Flag+1),并前进至步骤S18(步骤S17)。Flag表示距离Δh处于正常范围外的累计期间(累计区间)。
控制部110在步骤S16中判定为距离Δh处于正常范围以内时,判定对象装置10所进行的一连串动作整体是否已结束(步骤S18)。控制部110例如也可参照第一指标的指标值以及第二指标的指标值与基准曲线,来判定对象装置10所进行的一连串动作整体是否已结束。而且,控制部110例如也可从对象装置10经由获取部111来获取一连串动作整体是否已结束的信息。
控制部110在判定为对象装置10所进行的一连串动作整体已结束时(步骤S18中为是),前进至步骤S19。控制部110在判定为对象装置10所进行的一连串动作整体尚未结束时(步骤S18中为否),返回步骤S12而继续处理。由此,控制部110在对象装置10的一连串动作中,例如每隔规定时间间隔,经由通信部101而从对象装置10继续进行与第一指标相关的第一指标值和与第二指标相关的第二指标值的获取。
控制部110在对象装置10所进行的一连串动作整体结束时,通过异常探测部114的功能,算出一连串动作整体中的Δh的特征量(步骤S19)。异常探测部114也可算出在对象装置10所进行的一连串动作中所算出的距离Δh的平均、方差或标准偏差来作为特征量。而且,异常探测部114也可算出在对象装置10所进行的一连串加工动作中所算出的距离Δh的频率分布中的特征量。此处,对象装置10的加工动作中的距离Δh的频率分布也可为将加工动作中的距离Δh作为小区间(bin)的直方图,异常探测部114也可算出直方图中的峰度或偏斜度来作为加工动作中的距离Δh的频率分布中的特征量。
控制部110通过异常探测部114的功能,基于对象装置10所进行的一连串动作中的距离Δh的特征量,来判定对象装置10的一连串动作整体中是否未产生异常(步骤S20)。
例如,若将距离Δh作为小区间的直方图中的峰度小于规定的阈值,则异常探测部114也可判定为对象装置10的一连串动作整体中产生了异常。而且,若将距离Δh作为小区间的直方图的偏斜度大于规定的阈值,则异常探测部114也可判定为对象装置10的一连串动作整体中产生了异常。而且,若距离Δh的平均、方差或标准偏差大于规定的阈值,则异常探测部114也可判定为对象装置10的一连串动作整体中产生了异常。
而且,异常探测部114也可基于距离Δh的特征量与异常探测标记的计数量,来判定对象装置10的一连串动作整体中是否未产生异常。即便在根据距离Δh的特征量而怀疑对象装置10的异常的情况下,若异常探测标记的计数量(Flag)仍为初始值(0),则异常探测部114也可判定为对象装置10的一连串动作中并未产生异常。而且,即便在根据距离Δh的特征量而未判定为对象装置10产生了异常的情况下,若异常探测标记的计数量(Flag)大于规定值,则异常探测部114也可判定为对象装置10的一连串动作产生了异常。
图10~图13是表示跟在对象装置10中多次进行一连串动作时所收集的与第一指标相关的第一指标值和与第二指标相关的第二指标值相应的图表的图。
图10的图表61a、62a、63a是通过第一指标值(横轴)与第二指标值(纵轴)来表示对象装置10的动作过程的运动轮廓(motion profile)。图10的图表61b、62b、63b各自是将图表61a、62a、63a的第一指标值与第二指标值分别归一化的图表。图10以及图11的图表61c、62c、63c各自是表示图表61b、62b、63b分别所示的经归一化的第一指标值与第二指标值所示的点距基准曲线的距离Δh的分布的图表(横轴为第一指标)。图11的图表61d、62d、63d各自是将图表61c、62c、63c分别所示的距离Δh作为小区间的直方图(纵轴为距离Δh,横轴为频率)。
图10、图11的图表61a、61b、61c、61d所示的示例表示了下述情况,即,对于对象装置10的动作,不论是进行基于距离Δh的异常判定的结果,还是进行基于距离Δh的频率分布中的特征量的异常判定的结果,均判定为并非异常。如图表61c、61d所示,在距离Δh的频率分布中的标准偏差处于规定的范围内的情况下、以及将距离Δh作为小区间的直方图的峰度及偏斜度处于规定的范围内的情况下,异常探测部114探测不到对象装置10所进行的动作中的异常(判定为无异常)。
图10、图11的图表62a、62b、62c、62d所示的示例表示了下述情况,即,在对象装置10的动作过程中,存在距离Δh处于负侧的阈值范围外时。如图表62c、62d所示,即便在存在距离Δh处于负侧的阈值的范围外时的情况下,距离Δh的频率分布中的标准偏差仍有时处于规定的范围内。即便在此种情况下,异常探测部114仍能够基于将距离Δh作为小区间的直方图的峰度或偏斜度是否处于规定的范围内,来探测对象装置10所进行的动作中的异常。
另外,异常探测部114也可为在探测到距离Δh处于负侧的阈值的范围外的时间点,探测对象装置10的异常的结构,还可为基于一连串动作整体中的距离Δh的频率分布中的标准偏差以及将距离Δh作为小区间的直方图的峰度或偏斜度来探测对象装置10的异常的结构。
图10、图11的图表63a、63b、63c、63d所示的示例表示了下述情况,即,在对象装置10的动作过程中,存在距离Δh处于正侧以及负侧的阈值范围外时。如图表63c、63d所示,即便在距离Δh处于正侧以及负侧的阈值范围外的情况下,距离Δh的频率分布中的标准偏差仍有时处于规定的范围内。即便在此种情况下,异常探测部114仍能够基于将距离Δh作为小区间的直方图的峰度或偏斜度是否处于规定的范围内,来探测对象装置10所进行的动作中的异常。
图12表示产生了异常的对象装置10中的、距离Δh的直方图(纵轴为距离Δh,横轴为频率)的示例。图12所示的示例中,距离Δh的频率分布中的平均大幅低于0(平均小于负侧的阈值)。异常探测部114也可根据距离Δh的频率分布中的平均等的统计值是否处于正常范围,来探测对象装置10的异常。
图13是表示产生了异常的对象装置10中的、距离Δh的直方图(纵轴为距离Δh,横轴为频率)的另一例。图13所示的示例中,距离Δh的频率分布中的标准偏差大于阈值。异常探测部114也可根据距离Δh的频率分布中的标准偏差等的统计值是否处于正常范围,来探测对象装置10的异常。
(对象装置10的其他例)
所述的说明中,举出了对象装置10是将伺服马达作为动力源来驱动的冲压机器的情况为例。但是,对象装置10并不限于冲压机器,无论是将伺服马达作为动力源来驱动的哪种装置,异常探测装置100均能够更适当地探测异常。而且,异常探测装置100所进行的异常探测处理并不限于伺服马达,也能够适用于将步进马达或其他简单的马达作为动力源来驱动的装置。进而,异常探测装置100所进行的异常探测处理并不限于马达,也能够适用于将液压、空气压等的一般的致动器作为动力源来驱动的装置。
图14是表示对象装置10为并非冲压机器的装置时的与第一指标相关的第一指标值、与第二指标相关的第二指标值以及基准曲线的图。图14上方的图表是将横轴设为时间,而表示对象装置10的一连串动作中的与第一指标相关的第一指标值即伺服马达的旋转速度、和与第二指标相关的第二指标值即伺服马达的扭矩的实测值xact、yact的图。图14下方的图表是在将第一指标设为x轴且将第二指标设为y轴的二维平面上示出经归一化的第一指标值xnorm、第二指标值ynorm与基准曲线的图表。
这样,无论对象装置10是将伺服马达作为动力源来驱动的哪种装置,均能够基于将第一指标设为x轴且将第二指标设为y轴的二维平面上的、由经归一化的第一指标值xnorm及第二指标值ynorm所示的点与基准曲线的距离Δh,来探测异常。
〔借助软件的实现例〕
异常探测装置100的控制块(尤其是获取部111、基准生成部112、尺度标准化部113以及异常探测部114)既可通过形成于集成电路(IC(Integrated Circuit)芯片(chip))等上的逻辑电路(硬件)实现,也可通过软件来实现。
在后者的情况下,异常探测装置100包括执行实现各功能的软件即程序的命令的计算机。所述计算机例如包括一个以上的处理器(processor),并且包括存储有所述程序的、计算机可读取的记录介质。并且,在所述计算机中,通过所述处理器从所述记录介质读取并执行所述程序,从而达成本发明的目的。作为所述处理器,例如可使用中央处理器(Central Processing Unit,CPU)。作为所述记录介质,可使用“并非临时的有形介质”,例如除了只读存储器(Read Only Memory,ROM)等以外,还可使用带(tape)、盘(disk)、卡(card)、半导体存储器、可编程的逻辑电路等。而且,还可更包括展开所述程序的随机存取存储器(Random Access Memory,RAM)等。而且,所述程序也可经由可传输此程序的任意传输介质(通信网络或广播波等)而提供给所述计算机。另外,本发明的一实施例也能以通过电子传输来将所述程序具现化的、被嵌入载波中的数据信号的形态来实现。
〔总结〕
为了解决所述问题,本发明的一实施例的异常探测装置探测对象装置的异常,所述异常探测装置包括:获取部,获取与所述对象装置的动作中的第一指标相关的第一指标值、及与第二指标相关的第二指标值;以及异常探测部,基于将所述第一指标及所述第二指标作为轴的二维平面上的、由所述第一指标值及所述第二指标值所示的点距预先设定的基准曲线的距离,来探测所述对象装置的异常。
而且,为了解决所述问题,本发明的一实施例的异常探测方法是在探测对象装置的异常的异常探测装置中执行,所述异常探测方法包括:指标值获取步骤,获取与对象装置的动作中的第一指标相关的第一指标值、及与第二指标相关的第二指标值;以及异常探测步骤,基于将所述第一指标及所述第二指标作为轴的二维平面上的、由所述第一指标值及所述第二指标值所示的点距预先设定的基准曲线的距离,来探测所述对象装置的异常。
根据所述结构,能够适当地进行对象装置的动作过程中的异常判定。
而且,本发明的一实施例的异常探测装置中,所述第一指标值是与所述对象装置的动作的阶段相关的值,所述第二指标值是与所述对象装置的动作的负载相关的值。
根据所述结构,能够在对象装置的动作的各阶段适当地进行异常判定。
而且,本发明的一实施例的异常探测装置包括:尺度标准化部,对所述二维平面上的所述第一指标值的尺度与所述二维平面上的所述第二指标值的尺度分别各别地进行标准化。
根据所述结构,能够将各指标值适当地标准化而进行异常判定,因此能够适当地进行异常判定。
而且,本发明的一实施例的异常探测装置中,所述异常探测部所述异常探测部根据所述第二指标值相对于所述基准曲线是处于负载大的一侧还是处于负载小的一侧,来切换对所述距离附注的符号的正负,并基于附注有正负的所述距离来探测所述对象装置的异常。
根据所述结构,即便在指标值比基准曲线小一定程度也无异常,但若指标值比基准曲线高,则异常的可能性高的情况等下,也能够适当地进行异常判定。
而且,本发明的一实施例的异常探测装置中,所述异常探测部根据对所述距离附注的正负来变更阈值,所述阈值是用于与所述对象装置的异常有无相关的判断的阈值,且是距所述基准曲线的距离的阈值。
根据所述结构,即便在根据距离的正负而与异常的有无相关的判断不同的情况下,也能够适当地进行异常判定。
而且,本发明的一实施例的异常探测装置中,所述异常探测部基于加工动作中的所述距离的标准偏差,来探测所述对象装置的异常。
而且,本发明的一实施例的异常探测装置中,所述异常探测部基于加工动作中的所述距离的频率分布中的特征量,来探测所述对象装置的异常。
而且,本发明的一实施例的异常探测装置中,所述频率分布中的特征量是将加工动作中的所述距离作为小区间的直方图中的峰度。
而且,本发明的一实施例的异常探测装置中,所述频率分布中的特征量是将加工动作中的所述距离作为小区间的直方图中的偏斜度。
而且,本发明的一实施例的异常探测程序用于使计算机作为所述异常探测装置发挥功能,其中,所述异常探测程序用于使计算机作为所述获取部以及所述异常探测部发挥功能。
本发明并不限定于所述的各实施方式,可在权利要求所示的范围内进行各种变更,将不同的实施方式中分别公开的技术部件适当组合获得的实施方式也包含在本发明的技术范围内。
符号的说明
10:对象装置
20:伺服马达
100:异常探测装置
110:控制部
111:获取部
112:基准生成部
113:尺度标准化部
114:异常探测部
120:存储部
Claims (11)
1.一种异常探测装置,探测对象装置的异常,所述异常探测装置包括:
获取部,获取与所述对象装置的动作中的第一指标相关的第一指标值、及与第二指标相关的第二指标值;以及
异常探测部,基于将所述第一指标及所述第二指标作为轴的二维平面上的、由所述第一指标值及所述第二指标值所示的点距预先设定的基准曲线的距离,来探测所述对象装置的异常。
2.根据权利要求1所述的异常探测装置,其中
所述第一指标值是与所述对象装置的动作的阶段相关的值,
所述第二指标值是与所述对象装置的动作的负载相关的值。
3.根据权利要求1或2所述的异常探测装置,包括:
尺度标准化部,对所述二维平面上的所述第一指标值的尺度与所述二维平面上的所述第二指标值的尺度分别各别地进行标准化。
4.根据权利要求2或3所述的异常探测装置,其中
所述异常探测部根据所述第二指标值相对于所述基准曲线是处于负载大的一侧还是处于负载小的一侧,来切换对所述距离附注的符号的正负,并基于附注有正负的所述距离来探测所述对象装置的异常。
5.根据权利要求4所述的异常探测装置,其中
所述异常探测部根据对所述距离附注的正负来变更阈值,所述阈值是用于与所述对象装置的异常有无相关的判断的阈值,且是距所述基准曲线的距离的阈值。
6.根据权利要求1至5中任一项所述的异常探测装置,其中
所述异常探测部基于所述对象装置的加工动作中的所述距离的标准偏差,来探测所述对象装置的异常。
7.根据权利要求1至5中任一项所述的异常探测装置,其中
所述异常探测部基于所述对象装置的加工动作中的所述距离的频率分布中的特征量,来探测所述对象装置的异常。
8.根据权利要求7所述的异常探测装置,其中
所述频率分布中的特征量是将所述对象装置的加工动作中的所述距离作为小区间的直方图中的峰度。
9.根据权利要求7所述的异常探测装置,其中
所述频率分布中的特征量是将所述对象装置的加工动作中的所述距离作为小区间的直方图中的偏斜度。
10.一种异常探测方法,是在探测对象装置的异常的异常探测装置中执行,所述异常探测方法包括:
指标值获取步骤,获取与对象装置的动作中的第一指标相关的第一指标值、及与第二指标相关的第二指标值;以及
异常探测步骤,基于将所述第一指标及所述第二指标作为轴的二维平面上的、由所述第一指标值及所述第二指标值所示的点距预先设定的基准曲线的距离,来探测所述对象装置的异常。
11.一种异常探测程序,用于使计算机作为如权利要求1所述的异常探测装置发挥功能,其中,所述异常探测程序用于使计算机作为所述获取部以及所述异常探测部发挥功能。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-135695 | 2019-07-23 | ||
JP2019135695A JP7367366B2 (ja) | 2019-07-23 | 2019-07-23 | 異常検知装置、異常検知方法、および異常検知プログラム |
PCT/JP2020/008498 WO2021014670A1 (ja) | 2019-07-23 | 2020-02-28 | 異常検知装置、異常検知方法、および異常検知プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113924207A true CN113924207A (zh) | 2022-01-11 |
CN113924207B CN113924207B (zh) | 2024-04-05 |
Family
ID=74192721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080041120.XA Active CN113924207B (zh) | 2019-07-23 | 2020-02-28 | 异常探测装置、异常探测方法以及存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220357732A1 (zh) |
EP (1) | EP4005785A4 (zh) |
JP (1) | JP7367366B2 (zh) |
CN (1) | CN113924207B (zh) |
WO (1) | WO2021014670A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7347468B2 (ja) * | 2021-03-26 | 2023-09-20 | 横河電機株式会社 | 装置、方法およびプログラム |
CN113884889B (zh) * | 2021-10-29 | 2024-04-26 | 章鱼博士智能技术(上海)有限公司 | 一种电池安全预警的方法、装置、存储介质及电子设备 |
US20230280218A1 (en) * | 2022-03-01 | 2023-09-07 | Asmpt Singapore Pte. Ltd. | Force measurement device and method for bonding or encapsulation process and apparatus incorporating the device |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5119311A (en) * | 1988-07-14 | 1992-06-02 | Coors Brewing Company | Monitor and control assembly for use with a can end press |
JP2006158031A (ja) * | 2004-11-26 | 2006-06-15 | Yaskawa Electric Corp | モータ制御装置およびその制御方法 |
CN103596493A (zh) * | 2011-04-14 | 2014-02-19 | 皇家飞利浦有限公司 | 压力测量设备和方法 |
JP2016209885A (ja) * | 2015-04-30 | 2016-12-15 | コマツ産機株式会社 | プレスシステムおよびプレスシステムの制御方法 |
JP2019003389A (ja) * | 2017-06-15 | 2019-01-10 | 株式会社 日立産業制御ソリューションズ | 異常診断装置、異常診断方法及び異常診断プログラム |
CN109725625A (zh) * | 2017-10-27 | 2019-05-07 | 株式会社安川电机 | 异常判断系统以及方法、数据收发装置、马达控制装置 |
JP2019104039A (ja) * | 2017-12-14 | 2019-06-27 | 蛇の目ミシン工業株式会社 | 電動プレス、荷重判定方法およびプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3231536B2 (ja) * | 1993-02-25 | 2001-11-26 | トヨタ自動車株式会社 | プレス機械の異常診断方法 |
JP6492555B2 (ja) | 2014-11-07 | 2019-04-03 | 株式会社Ihi | 異常診断方法、異常診断装置及び異常診断プログラム |
EP3056957B1 (de) | 2015-02-16 | 2019-03-27 | Siemens Aktiengesellschaft | Diagnoseeinrichtung und -verfahren zur Überwachung des Betriebs eines Regelkreises |
-
2019
- 2019-07-23 JP JP2019135695A patent/JP7367366B2/ja active Active
-
2020
- 2020-02-28 EP EP20844882.9A patent/EP4005785A4/en active Pending
- 2020-02-28 CN CN202080041120.XA patent/CN113924207B/zh active Active
- 2020-02-28 US US17/621,685 patent/US20220357732A1/en active Pending
- 2020-02-28 WO PCT/JP2020/008498 patent/WO2021014670A1/ja unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5119311A (en) * | 1988-07-14 | 1992-06-02 | Coors Brewing Company | Monitor and control assembly for use with a can end press |
JP2006158031A (ja) * | 2004-11-26 | 2006-06-15 | Yaskawa Electric Corp | モータ制御装置およびその制御方法 |
CN103596493A (zh) * | 2011-04-14 | 2014-02-19 | 皇家飞利浦有限公司 | 压力测量设备和方法 |
JP2016209885A (ja) * | 2015-04-30 | 2016-12-15 | コマツ産機株式会社 | プレスシステムおよびプレスシステムの制御方法 |
JP2019003389A (ja) * | 2017-06-15 | 2019-01-10 | 株式会社 日立産業制御ソリューションズ | 異常診断装置、異常診断方法及び異常診断プログラム |
CN109725625A (zh) * | 2017-10-27 | 2019-05-07 | 株式会社安川电机 | 异常判断系统以及方法、数据收发装置、马达控制装置 |
JP2019104039A (ja) * | 2017-12-14 | 2019-06-27 | 蛇の目ミシン工業株式会社 | 電動プレス、荷重判定方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2021014670A1 (ja) | 2021-01-28 |
CN113924207B (zh) | 2024-04-05 |
US20220357732A1 (en) | 2022-11-10 |
EP4005785A4 (en) | 2023-07-26 |
JP2021018753A (ja) | 2021-02-15 |
EP4005785A1 (en) | 2022-06-01 |
JP7367366B2 (ja) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113924207A (zh) | 异常探测装置、异常探测方法以及异常探测程序 | |
CN108475052B (zh) | 诊断设备、计算机程序和诊断系统 | |
US11614728B2 (en) | Machine tool management system that obtains a next maintenance period from a maintenance period model and a refinement algorithm | |
US20180364132A1 (en) | Method For Conducting A Vibration-Diagnostic Monitoring Of A Machine | |
Wang et al. | Sensor fusion for online tool condition monitoring in milling | |
CN113867321A (zh) | 诊断设备、计算机程序和诊断系统 | |
US20190196458A1 (en) | Method for selecting leading associated parameter and method for combining critical parameter and leading associated parameter for equipment prognostics and health management | |
Wu et al. | Monitoring of punch failure in micro-piercing process based on vibratory signal and logistic regression | |
JP4417318B2 (ja) | 設備診断装置 | |
CN117314890B (zh) | 打扣加工的安全控制方法、装置、设备及存储介质 | |
CN109643113B (zh) | 故障诊断装置及故障诊断方法 | |
TWI609737B (zh) | 偵測工具機的線性滑軌預壓值變化的方法 | |
JP6676954B2 (ja) | 処理装置、処理方法及び処理プログラム | |
JP2021076465A (ja) | 工作機械および表示装置 | |
WO2021145156A1 (ja) | 異常診断システム及び異常診断方法 | |
CN110000608A (zh) | 用于检测用于加工工件的机床的刀具的至少一个刀具状态的方法以及机床 | |
US20240042720A1 (en) | Control device, control method, and recording medium | |
US20240201681A1 (en) | Data processing system, data processing method, and program | |
US20240192673A1 (en) | Data processing system and data processing method | |
US20240210937A1 (en) | Data processing system and data processing method | |
US11269309B2 (en) | Analysis unit and method for determining at least one forming process characteristic of a servo press | |
CN115655764B (zh) | 振动趋势分析方法、装置、电子设备及存储介质 | |
US20230393026A1 (en) | Estimation model generation device and tool lifetime estimation device | |
JP2003117618A (ja) | かす上がり検出装置及び方法 | |
WO2023139790A9 (ja) | 診断装置及びコンピュータ読み取り可能な記録媒体 |
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 |