CN114111352A - 一种碳化炉抽真空系统异常检测方法及系统 - Google Patents
一种碳化炉抽真空系统异常检测方法及系统 Download PDFInfo
- Publication number
- CN114111352A CN114111352A CN202111457174.7A CN202111457174A CN114111352A CN 114111352 A CN114111352 A CN 114111352A CN 202111457174 A CN202111457174 A CN 202111457174A CN 114111352 A CN114111352 A CN 114111352A
- Authority
- CN
- China
- Prior art keywords
- value
- test
- acquiring
- abnormal
- attribute
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D7/00—Forming, maintaining, or circulating atmospheres in heating chambers
- F27D7/06—Forming or maintaining special atmospheres or vacuum within heating chambers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
- F27D21/04—Arrangements of indicators or alarms
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D7/00—Forming, maintaining, or circulating atmospheres in heating chambers
- F27D7/06—Forming or maintaining special atmospheres or vacuum within heating chambers
- F27D2007/066—Vacuum
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种碳化炉抽真空系统异常检测方法及系统,其中,方法包括:步骤S1:当第一碳化炉的第一抽真空系统运作时,监测第一抽真空系统的第一运作参数;步骤S2:获取预设的异常检测策略库,同时,获取异常检测策略最优选取顺序;步骤S3:基于异常检测策略最优选取顺序,从异常检测策略库中选取对应的第一异常检测策略;步骤S4:基于第一异常检测策略,对第一运作参数进行异常检测,获得检测结果,并输出。本发明的碳化炉抽真空系统异常检测方法及系统,当抽真空系统运作时,监测其运作参数,选取异常检测策略,对运作参数进行异常检测,当发生异常时,及时报警,降低了人力成本,另外,解决了人工巡检发现异常的及时性较低的问题。
Description
技术领域
本发明涉及异常检测技术领域,特别涉及一种碳化炉抽真空系统异常检测方法及系统。
背景技术
目前,碳化炉的抽真空系统一般由气压传感器、抽真空管路、真空泵、气体流速传感器、过滤装置等组成。气压传感器用于监测碳化炉的炉体内的气压变化,真空泵用于对炉体内进行抽真空,炉体内气体由抽真空管路排出,气体流速传感器用于监测抽真空管路内的气体流速变化,过滤装置包含吸收罐、沉积罐和过滤罐,例如:在石墨烯碳化过程中,原材料聚酰亚胺薄膜需要高温裂解,会产生大量焦油,因此,过滤装置需要对由抽真空管路排出的炉内气体进行吸收、沉积和过滤;
但是,抽真空系统在运作时,极易发生异常(例如:焦油造成真空泵卡死、炉内气压过高等),一般的异常检测均是人工进行巡检,人力成本较大,同时,人工巡检发现异常的及时性也较低;
因此,亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种碳化炉抽真空系统异常检测方法及系统,当抽真空系统运作时,监测其运作参数,选取异常检测策略,对运作参数进行异常检测,当发生异常时,及时报警,无需人工进行巡检,降低了人力成本,另外,解决了人工巡检发现异常的及时性较低的问题。
本发明实施例提供的一种碳化炉抽真空系统异常检测方法,包括:
步骤S1:当第一碳化炉的第一抽真空系统运作时,监测第一抽真空系统的第一运作参数;
步骤S2:获取预设的异常检测策略库,同时,获取异常检测策略最优选取顺序;
步骤S3:基于异常检测策略最优选取顺序,从异常检测策略库中选取对应的第一异常检测策略;
步骤S4:基于第一异常检测策略,对第一运作参数进行异常检测,获得检测结果,并输出。
优选的,碳化炉抽真空系统异常检测方法,还包括:
步骤S5:当检测结果包含至少一个异常类型时,获取预设的应对策略库,基于应对策略库,确定异常类型对应的应对策略,基于应对策略,进行相应应对。
优选的,输出检测结果时,将检测结果发送至预设的工作人员终端。
优选的,步骤S2中,获取异常检测策略最优选取顺序,包括:
获取第一碳化炉的第一属性信息;
对第一属性信息进行属性拆分,获得多个第一属性项;
获取预设的碳化炉集,碳化炉集包括:多个第二碳化炉;
获取第二碳化炉的第二属性信息,获得多个第二属性项;
将第一属性项和第二属性项进行同类型属性匹配,确定第一匹配度,同时,确定进行同类型属性匹配第一属性项和第二属性项的第一属性类型;
构建属性类型-匹配度-价值度库,基于属性类型-匹配度-价值度库,确定第一匹配度和第一属性类型对应的第一价值度,并与对应第二碳化炉进行关联;
当第一属性项和第二属性项进行同类型属性匹配结束后,汇总第二碳化炉关联的第一价值度,获得价值度和;
若价值度和小于等于预设的价值度和阈值,剔除对应第二碳化炉;
当需要剔除的第二碳化炉均剔除后,将剔除剩余的第二碳化炉作为第三碳化炉;
获取第三碳化炉的第二抽真空系统历史上发生异常的多个第一异常事件;
对全部第一异常事件进行去重处理,获得多个第二异常事件;
获取第二异常事件的来源的来源类型,来源类型包括:单独来源和组合来源;
当第二异常事件的来源的来源类型为单独来源时,获取来源的第一信用值;
若第一信用值小于等于预设的第一信用值阈值,剔除对应第二异常事件;
当第二异常事件的来源的来源类型为组合来源时,将来源拆分成多个子来源;
获取子来源的权重标记,基于权重标记,对子来源进行聚类处理,获得多个第一子来源聚类集;
获取子来源的权重标记的权重值,确定最大权重值对应的子来源所在的第一子来源聚类集,并作为第二子来源聚类集,同时,将其余第一子来源聚类集作为第三子来源聚类集;
获取第二子来源聚类集中的子来源的第二信用值;
获取第二子来源聚类集中的子来源对第三子来源聚类集中的子来源进行担保的担保值;
若第二信用值小于等于预设的第二信用值阈值和/或担保值小于等于预设的担保值阈值,剔除对应第二异常事件;
当需要剔除的第二异常事件均剔除后,将剔除剩余的第二异常事件作为第三异常事件;
基于第一属性信息,构建对应于第一碳化炉的碳化炉虚拟模型;
获取第一碳化炉正常运作时的第二运作参数,基于第二运作参数,控制碳化炉虚拟模型模拟进行运作;
确定碳化炉虚拟模型中对应于第一抽真空系统的抽真空系统虚拟模型;
获取预设的事件发生模拟模型,基于事件发生模拟模型,尝试在抽真空系统虚拟模型内模拟发生第三异常事件;
获取预设的冲突事件动态捕捉模型,基于冲突事件动态捕捉模型,动态捕捉尝试在抽真空系统虚拟模型内模拟发生第三异常事件时产生的至少一个冲突事件;
对冲突事件进行解析,获取冲突值,并与对应第三异常事件进行关联;
当第三异常事件均在抽真空系统虚拟模型内模拟发生后,汇总第三异常事件关联的冲突值,获得冲突值和;
确定异常检测策略库中对应于第三异常事件的第二异常检测策略,并与对应冲突值和进行关联;
汇总异常检测策略库中第二异常检测策略关联的冲突值和,获得排序值,并与对应第二异常检测策略进行关联;
设定异常检测策略最优选取顺序,异常检测策略最优选取顺序包括:按异常检测策略库中第二异常检测策略关联的排序值和从小到大依次进行选取第二异常检测策略。
优选的,构建属性类型-匹配度-价值度库,包括:
获取预设的属性类型集,属性类型集包括:多个第二属性类型;
获取预设的匹配度集,匹配度集包括:多个第二匹配度;
随机建立测试搭配组合,测试搭配组合包:第二属性类型和第二匹配度;
获取预设的测试节点集,测试节点集包括:多个测试节点;
下发测试搭配组合至测试节点,同时,定时获取测试节点新回复的对应于测试搭配组合的至少一个第一测试记录,第一测试记录包括:测试策略、测试过程和第一测试结果;
对测试过程进行过程分析,获得测试过程序列;
从测试过程序列中随机选取第一过程,同时,对第一过程进行特征分析并提取,获得多个第一特征;
获取测试策略对应的预设的初筛特征库,将第一特征与初筛特征库中的第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的第一特征,并作为第二特征,同时,确定匹配符合的第一初筛特征,并作为第二初筛特征;
获取第二初筛特征对应的多个第一校验信息,第一校验信息包括:第一校验方向、第一校验范围和第一校验策略;
确定第二特征对应的第一过程,并作为第二过程;
选取测试过程序列中第二过程的第一校验方向上对应第一校验范围内的第一过程,并作为第三过程;
基于对应第一校验策略,对第二过程和第三过程进行相应过程校验;
若校验不通过,获取第二初筛特征对应的第一严重值,并与对应第一测试记录进行关联;
将第一特征进行随机特征组合,获得多个第一组合特征;
将第一组合特征与第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的第一特征,并作为第三特征,同时,确定匹配符合的第一初筛特征,并作为第三初筛特征;
获取第三初筛特征对应的多个第二校验信息,第二校验信息包括:第二校验方向、第二校验范围和第二校验策略;
确定第三特征对应的至少一个第一过程,并作为第三过程;
若第三过程的数目为1,选取测试过程序列中第三过程的第二校验方向上对应第二校验范围的第一过程,并作为第四过程;
基于对应第二校验策略,对第三过程和第四过程进行相应过程校验;
若校验不通过,获取第三初筛特征对应的第二严重值,并与对应第一测试记录进行关联;
若第三过程的数目大于1,选取测试过程序列中第三过程的第二校验方向上对应第二校验范围的第一过程,并作为第五过程;
对全部第五过程进行去重处理,获得多个第六过程;
选取任意两个第三过程之间除第六过程之外的第一过程,并作为第七过程;
基于对应第二校验策略,对第三过程、第六过程和第七过程进行相应过程校验;
若校验不通过,获取第三初筛特征对应的第二严重值,并与对应第一测试记录进行关联;
汇总第一测试记录关联的第一严重值和第二严重值,获得严重值和;
若严重值和大于等于预设的严重值和阈值,剔除对应第一测试记录;
当需要剔除的第一测试记录均剔除后,将剔除剩余的第一测试记录作为第二测试记录;
提取第二测试记录中的第一测试结果,并作为第二测试结果;
对第二测试结果进行解析,获取第二价值度;
将第二价值度与对应测试搭配组合中的第二属性类型和第二匹配度进行配对,获得配对组合;
获取预设的空白数据库,将配对组合输入至空白数据库中;
当需要输入至空白数据库的配对组合均输入后,将空白数据库作为属性类型-匹配度-价值度库,完成构建。
本发明实施例提供的一种碳化炉抽真空系统异常检测系统,包括:
监测模块,用于当第一碳化炉的第一抽真空系统运作时,监测第一抽真空系统的第一运作参数;
获取模块,用于获取预设的异常检测策略库,同时,获取异常检测策略最优选取顺序;
选取模块,用于基于异常检测策略最优选取顺序,从异常检测策略库中选取对应的第一异常检测策略;
检测模块,用于基于第一异常检测策略,对第一运作参数进行异常检测,获得检测结果,并输出。
优选的,碳化炉抽真空系统异常检测系统,还包括:
应对模块,用于当检测结果包含至少一个异常类型时,获取预设的应对策略库,基于应对策略库,确定异常类型对应的应对策略,基于应对策略,进行相应应对。
优选的,检测模块执行如下操作:
输出检测结果时,将检测结果发送至预设的工作人员终端。
优选的,获取模块执行如下操作:
获取第一碳化炉的第一属性信息;
对第一属性信息进行属性拆分,获得多个第一属性项;
获取预设的碳化炉集,碳化炉集包括:多个第二碳化炉;
获取第二碳化炉的第二属性信息,获得多个第二属性项;
将第一属性项和第二属性项进行同类型属性匹配,确定第一匹配度,同时,确定进行同类型属性匹配第一属性项和第二属性项的第一属性类型;
构建属性类型-匹配度-价值度库,基于属性类型-匹配度-价值度库,确定第一匹配度和第一属性类型对应的第一价值度,并与对应第二碳化炉进行关联;
当第一属性项和第二属性项进行同类型属性匹配结束后,汇总第二碳化炉关联的第一价值度,获得价值度和;
若价值度和小于等于预设的价值度和阈值,剔除对应第二碳化炉;
当需要剔除的第二碳化炉均剔除后,将剔除剩余的第二碳化炉作为第三碳化炉;
获取第三碳化炉的第二抽真空系统历史上发生异常的多个第一异常事件;
对全部第一异常事件进行去重处理,获得多个第二异常事件;
获取第二异常事件的来源的来源类型,来源类型包括:单独来源和组合来源;
当第二异常事件的来源的来源类型为单独来源时,获取来源的第一信用值;
若第一信用值小于等于预设的第一信用值阈值,剔除对应第二异常事件;
当第二异常事件的来源的来源类型为组合来源时,将来源拆分成多个子来源;
获取子来源的权重标记,基于权重标记,对子来源进行聚类处理,获得多个第一子来源聚类集;
获取子来源的权重标记的权重值,确定最大权重值对应的子来源所在的第一子来源聚类集,并作为第二子来源聚类集,同时,将其余第一子来源聚类集作为第三子来源聚类集;
获取第二子来源聚类集中的子来源的第二信用值;
获取第二子来源聚类集中的子来源对第三子来源聚类集中的子来源进行担保的担保值;
若第二信用值小于等于预设的第二信用值阈值和/或担保值小于等于预设的担保值阈值,剔除对应第二异常事件;
当需要剔除的第二异常事件均剔除后,将剔除剩余的第二异常事件作为第三异常事件;
基于第一属性信息,构建对应于第一碳化炉的碳化炉虚拟模型;
获取第一碳化炉正常运作时的第二运作参数,基于第二运作参数,控制碳化炉虚拟模型模拟进行运作;
确定碳化炉虚拟模型中对应于第一抽真空系统的抽真空系统虚拟模型;
获取预设的事件发生模拟模型,基于事件发生模拟模型,尝试在抽真空系统虚拟模型内模拟发生第三异常事件;
获取预设的冲突事件动态捕捉模型,基于冲突事件动态捕捉模型,动态捕捉尝试在抽真空系统虚拟模型内模拟发生第三异常事件时产生的至少一个冲突事件;
对冲突事件进行解析,获取冲突值,并与对应第三异常事件进行关联;
当第三异常事件均在抽真空系统虚拟模型内模拟发生后,汇总第三异常事件关联的冲突值,获得冲突值和;
确定异常检测策略库中对应于第三异常事件的第二异常检测策略,并与对应冲突值和进行关联;
汇总异常检测策略库中第二异常检测策略关联的冲突值和,获得排序值,并与对应第二异常检测策略进行关联;
设定异常检测策略最优选取顺序,异常检测策略最优选取顺序包括:按异常检测策略库中第二异常检测策略关联的排序值和从小到大依次进行选取第二异常检测策略。
优选的,获取模块执行如下操作:
获取预设的属性类型集,属性类型集包括:多个第二属性类型;
获取预设的匹配度集,匹配度集包括:多个第二匹配度;
随机建立测试搭配组合,测试搭配组合包:第二属性类型和第二匹配度;
获取预设的测试节点集,测试节点集包括:多个测试节点;
下发测试搭配组合至测试节点,同时,定时获取测试节点新回复的对应于测试搭配组合的至少一个第一测试记录,第一测试记录包括:测试策略、测试过程和第一测试结果;
对测试过程进行过程分析,获得测试过程序列;
从测试过程序列中随机选取第一过程,同时,对第一过程进行特征分析并提取,获得多个第一特征;
获取测试策略对应的预设的初筛特征库,将第一特征与初筛特征库中的第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的第一特征,并作为第二特征,同时,确定匹配符合的第一初筛特征,并作为第二初筛特征;
获取第二初筛特征对应的多个第一校验信息,第一校验信息包括:第一校验方向、第一校验范围和第一校验策略;
确定第二特征对应的第一过程,并作为第二过程;
选取测试过程序列中第二过程的第一校验方向上对应第一校验范围内的第一过程,并作为第三过程;
基于对应第一校验策略,对第二过程和第三过程进行相应过程校验;
若校验不通过,获取第二初筛特征对应的第一严重值,并与对应第一测试记录进行关联;
将第一特征进行随机特征组合,获得多个第一组合特征;
将第一组合特征与第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的第一特征,并作为第三特征,同时,确定匹配符合的第一初筛特征,并作为第三初筛特征;
获取第三初筛特征对应的多个第二校验信息,第二校验信息包括:第二校验方向、第二校验范围和第二校验策略;
确定第三特征对应的至少一个第一过程,并作为第三过程;
若第三过程的数目为1,选取测试过程序列中第三过程的第二校验方向上对应第二校验范围的第一过程,并作为第四过程;
基于对应第二校验策略,对第三过程和第四过程进行相应过程校验;
若校验不通过,获取第三初筛特征对应的第二严重值,并与对应第一测试记录进行关联;
若第三过程的数目大于1,选取测试过程序列中第三过程的第二校验方向上对应第二校验范围的第一过程,并作为第五过程;
对全部第五过程进行去重处理,获得多个第六过程;
选取任意两个第三过程之间除第六过程之外的第一过程,并作为第七过程;
基于对应第二校验策略,对第三过程、第六过程和第七过程进行相应过程校验;
若校验不通过,获取第三初筛特征对应的第二严重值,并与对应第一测试记录进行关联;
汇总第一测试记录关联的第一严重值和第二严重值,获得严重值和;
若严重值和大于等于预设的严重值和阈值,剔除对应第一测试记录;
当需要剔除的第一测试记录均剔除后,将剔除剩余的第一测试记录作为第二测试记录;
提取第二测试记录中的第一测试结果,并作为第二测试结果;
对第二测试结果进行解析,获取第二价值度;
将第二价值度与对应测试搭配组合中的第二属性类型和第二匹配度进行配对,获得配对组合;
获取预设的空白数据库,将配对组合输入至空白数据库中;
当需要输入至空白数据库的配对组合均输入后,将空白数据库作为属性类型-匹配度-价值度库,完成构建。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种碳化炉抽真空系统异常检测方法的流程图;
图2为本发明实施例中又一碳化炉抽真空系统异常检测方法的流程图;
图3为本发明实施例中一种碳化炉抽真空系统异常检测系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种碳化炉抽真空系统异常检测方法,如图1所示,包括:
步骤S1:当第一碳化炉的第一抽真空系统运作时,监测第一抽真空系统的第一运作参数;
步骤S2:获取预设的异常检测策略库,同时,获取异常检测策略最优选取顺序;
步骤S3:基于异常检测策略最优选取顺序,从异常检测策略库中选取对应的第一异常检测策略;
步骤S4:基于第一异常检测策略,对第一运作参数进行异常检测,获得检测结果,并输出。
上述技术方案的工作原理及有益效果为:
当第一碳化炉(作为抽真空系统异常检测对象的碳化炉)的第一抽真空系统运作时(气压传感器开启、气体流速传感器开启、真空泵开启等),监测第一抽真空系统的第一运作参数(炉体内气压、抽真空管路内气体流速、真空泵运作功率等);获取异常检测策略最优选取顺序(优先选取检测出异常的可能性最大的异常检测策略),从预设的异常检测策略库(包含大量异常检测策略的数据库,异常检测策略具体为,例如:基于抽真空管路内气体流速、真空泵运作功率等,分析真空泵是存在卡死的可能性)中选取第一异常检测策略,基于第一异常检测策略,对第一运作参数进行异常检测,获得检测结果,并输出(例如:报警);
本发明实施例当抽真空系统运作时,监测其运作参数,选取异常检测策略,对运作参数进行异常检测,当发生异常时,及时报警,无需人工进行巡检,降低了人力成本,另外,解决了人工巡检发现异常的及时性较低的问题。
本发明实施例提供了一种碳化炉抽真空系统异常检测方法,如图2所示,还包括:
步骤S5:当检测结果包含至少一个异常类型时,获取预设的应对策略库,基于应对策略库,确定异常类型对应的应对策略,基于应对策略,进行相应应对。
上述技术方案的工作原理及有益效果为:
当检测结果包含异常类型(例如:真空泵即将卡死),基于预设的应对策略库(包含大量应对策略的数据库),确定异常类型对应的应对策略(例如:关闭设置在抽真空管路内炉体与真空泵之间的电磁阀,防止抽出的气体的回流),基于应对策略,进行相应应对;
本发明实施例设置应对策略库,提升了系统的自应对能力。
本发明实施例提供了一种碳化炉抽真空系统异常检测方法,基于应对策略,进行相应应对,记录第一应对情况,将所述第一应对情况输入预设的应对情况库,基于所述应对情况库,确定所述应对策略库是否需要重整,若是,进行重整;
其中,基于所述应对情况库,确定所述应对策略库是否需要重整,若是,进行重整,包括:
从所述应对情况库中随机选取第二应对情况;
获取预设的应对效果评价模型,将所述第二应对情况输入至所述应对效果评价模型获得应对效果值;
基于所述应对效果值计算重整需求指数,计算公式如下:
其中,σ为所述重整需求指数,γi为中间变量,li为应对情况库中第i个第二应对情况输入至所述应对效果评价模型获得的应对效果值,l0,max为预设的最大应对效果值阈值,l0,min为预设的最小应对效果值阈值,μ1和μ2为预设的权重值,m为应对情况库中第二应对情况的总数目;
若所述重整需求指数大于等于预设的重整需求指数阈值,所述应对策略库需要重整,获取预设的应对策略库重整模型,基于所述应对策略库重整模型,对所述应对策略库进行重整。
上述技术方案的工作原理及有益效果为:
当使用应对策略进行相应应对时,记录应对情况(例如:异常产生的影响等),将应对情况输入至预设的应对效果评价模型(利用机器学习算法对大量人工对应对情况进行应对效果评价的记录进行学习后生成的模型),获得效果值;基于效果值计算重整需求指数,当重整需求指数大于等于预设的重整需求指数阈值(常数)时,说明应对策略库需要重整,基于预设的应对策略库重整模型(利用机器学习算法对大量人工对应对策略库进行重整的记录进行学习后生成的模型),对应对策略库进行重整(例如:重新为异常类型配对或改善成新的应对策略);
本发明实施例记录应对情况,基于应对效果,确定应对策略库是否需要重整,若是,进行相应重整,保证了选取的应对策略的效果,同时,也更加智能化;
另外,公式中,应对效果li应与重整需求指数σ呈负相关,即效果越好,需要重整的需求越小;另外,设置中间变量γi,基于应对效果li大小的两种极端情况即li≥l0,max和li≤l0,min进行特殊处理,进行相应赋值即和当应对效果li的大小正常时即l0,min<li<l0,max,进行相应赋值即 设计合理。
本发明实施例提供了一种碳化炉抽真空系统异常检测方法,输出检测结果时,将检测结果发送至预设的工作人员终端。
上述技术方案的工作原理及有益效果为:
工作人员可以事先绑定工作人员终端(例如:智能手机等),当发生异常时,直接发送至工作人员终端即可。
本发明实施例提供了一种碳化炉抽真空系统异常检测方法,步骤S2中,获取异常检测策略最优选取顺序,包括:
获取第一碳化炉的第一属性信息;
对第一属性信息进行属性拆分,获得多个第一属性项;
获取预设的碳化炉集,碳化炉集包括:多个第二碳化炉;
获取第二碳化炉的第二属性信息,获得多个第二属性项;
将第一属性项和第二属性项进行同类型属性匹配,确定第一匹配度,同时,确定进行同类型属性匹配第一属性项和第二属性项的第一属性类型;
构建属性类型-匹配度-价值度库,基于属性类型-匹配度-价值度库,确定第一匹配度和第一属性类型对应的第一价值度,并与对应第二碳化炉进行关联;
当第一属性项和第二属性项进行同类型属性匹配结束后,汇总第二碳化炉关联的第一价值度,获得价值度和;
若价值度和小于等于预设的价值度和阈值,剔除对应第二碳化炉;
当需要剔除的第二碳化炉均剔除后,将剔除剩余的第二碳化炉作为第三碳化炉;
获取第三碳化炉的第二抽真空系统历史上发生异常的多个第一异常事件;
对全部第一异常事件进行去重处理,获得多个第二异常事件;
获取第二异常事件的来源的来源类型,来源类型包括:单独来源和组合来源;
当第二异常事件的来源的来源类型为单独来源时,获取来源的第一信用值;
若第一信用值小于等于预设的第一信用值阈值,剔除对应第二异常事件;
当第二异常事件的来源的来源类型为组合来源时,将来源拆分成多个子来源;
获取子来源的权重标记,基于权重标记,对子来源进行聚类处理,获得多个第一子来源聚类集;
获取子来源的权重标记的权重值,确定最大权重值对应的子来源所在的第一子来源聚类集,并作为第二子来源聚类集,同时,将其余第一子来源聚类集作为第三子来源聚类集;
获取第二子来源聚类集中的子来源的第二信用值;
获取第二子来源聚类集中的子来源对第三子来源聚类集中的子来源进行担保的担保值;
若第二信用值小于等于预设的第二信用值阈值和/或担保值小于等于预设的担保值阈值,剔除对应第二异常事件;
当需要剔除的第二异常事件均剔除后,将剔除剩余的第二异常事件作为第三异常事件;
基于第一属性信息,构建对应于第一碳化炉的碳化炉虚拟模型;
获取第一碳化炉正常运作时的第二运作参数,基于第二运作参数,控制碳化炉虚拟模型模拟进行运作;
确定碳化炉虚拟模型中对应于第一抽真空系统的抽真空系统虚拟模型;
获取预设的事件发生模拟模型,基于事件发生模拟模型,尝试在抽真空系统虚拟模型内模拟发生第三异常事件;
获取预设的冲突事件动态捕捉模型,基于冲突事件动态捕捉模型,动态捕捉尝试在抽真空系统虚拟模型内模拟发生第三异常事件时产生的至少一个冲突事件;
对冲突事件进行解析,获取冲突值,并与对应第三异常事件进行关联;
当第三异常事件均在抽真空系统虚拟模型内模拟发生后,汇总第三异常事件关联的冲突值,获得冲突值和;
确定异常检测策略库中对应于第三异常事件的第二异常检测策略,并与对应冲突值和进行关联;
汇总异常检测策略库中第二异常检测策略关联的冲突值和,获得排序值,并与对应第二异常检测策略进行关联;
设定异常检测策略最优选取顺序,异常检测策略最优选取顺序包括:按异常检测策略库中第二异常检测策略关联的排序值和从小到大依次进行选取第二异常检测策略。
上述技术方案的工作原理及有益效果为:
获取异常检测策略最优选取顺序时,需要确定异常检测策略检测出异常的可能性;获取第一碳化炉的第一属性信息(例如:型号、用途、使用记录、使用时长、历史异常记录以及炉内各器件的型号和分布位置等),并拆分成多个第一属性项;获取预设的碳化炉集中的第二碳化炉(其它已投入使用的碳化炉,来自不同厂商)的第二属性信息(与第一属性信息同理),并拆分多个第二属性项;接下来,需要基于第二碳化炉的第二抽真空系统发生异常的异常事件(抽真空系统发生异常的异常原因、异常点位和处理对策等),对第一抽真空系统发生异常的类型的可能性进行判定,但是,由于第二抽真空系统和第一抽真空系统的一些属性不同,异常事件不一定适配第一抽真空系统,因此,将第一属性项和第二属性项进行同类型属性匹配(相同类型的属性项进行匹配),确定第一匹配度,同时,确定第一属性类型;基于构建的属性类型-匹配度-价值度库(包含不同属性类型和不同匹配度共同对应的价值度,一般情况下,价值度与匹配度呈正比,不同属性类型,其两者呈正比的幅度不同),确定第一价值度,第一价值度越大,第二抽真空系统的异常事件适配第一抽真空系统的程度越大;因此,汇总(求和计算)第二碳化炉关联的第一价值度,获得价值度和;若价值度和小于等于预设的价值度和阈值(常数),说明第二抽真空系统的异常事件适配第一抽真空系统的总体程度较小,剔除对应第二碳化炉;但是,想要基于异常事件,对第一抽真空系统发生异常的类型的可能性进行判定,需要保证异常事件来源的可靠性,因此,获取剔除剩余的第三碳化炉对应的第一异常事件,为节省筛选资源,对第一异常事件进行去重处理,获得第二异常事件;第二异常事件的来源类型分为单独来源(由一个来源提供)和组合来源(由多个子来源共同提供),当来源类型为单独来源时,获取来源的第一信用值(可以基于该来源历史上提供的异常事件的总体真实程度确定,总体真实程度越高,第一信用值越大),若第一信用值小于等于预设的第一信用阈值(常数),对应第二异常事件不可信,应予剔除;当来源类型为组合来源时,将来源拆分成多个子来源,获取子来源的权重标记(子来源对应某异常事件收集人员,权重标记标记了权重值,权重值越大,说明子来源提供异常事件的贡献越大),基于权重标记,对子来源进行聚类处理,获得多个第一子来源聚类集(该集合内各子来源的贡献差不多);确定最大权重值对应的子来源所在的第二子来源聚类集以及其余第三子来源聚类集;第二子来源聚类集中的子来源贡献较大,获取子来源的第二信用值(与第一信用值同理),第三子来源聚类集中子来源贡献较小,需要第二子来源聚类集中的子来源对其进行担保,获取担保值(担保值越大,担保程度越大),若存在第二信用值小于等于预设的第二信用值阈值(常数)和/或担保值小于等于预设的担保值阈值(常数),说明对应第二异常事件不可信,应予剔除;然后,异常事件是否的确能在第一抽真空系统中发生,仍不能确定,因此,基于第一属性信息,构建第一碳化炉的碳化炉虚拟模型(三维模型),获取第一碳化炉正常运作时的第二运作参数(碳化温度、各器件参数等),基于第二运作参数,控制碳化炉虚拟模型模拟进行运作;基于预设的事件发生模拟模型(利用机器学习算法对大量人工在三维模型中模拟发生异常事件的记录进行学习后生成的模型),尝试在碳化炉虚拟模型中对应于第一抽真空系统的抽真空系统虚拟模型中模拟发生剔除剩余的第三异常事件;基于预设的冲突事件动态捕捉模型(利用机器学习算法对大量人工捕捉异常事件模拟时产生的冲突事件的记录进行学习后生成的模型),捕捉冲突事件(例如:异常事件为过滤装置堵塞,但是第一抽真空系统中的过滤装置的最近一次清洗是半天前,则不会发生堵塞,产生冲突);对冲突事件进行解析,获取冲突值,冲突值越大,对应第三异常事件发生在第一抽真空系统的可能性越小,因此,汇总第三异常事件关联的冲突值,获得冲突值和,冲突值和越小,说明可能性越大,越优先选取其对应的第二异常检测策略;最后,设定异常检测策略最优选取顺序即可完成获取;
本发明实施例获取异常检测策略最优选取顺序,便于优先选取检测出异常的可能性最大的异常检测策略,极大程度上提升发现抽真空系统异常的效率和及时性;在获取异常检测策略最优选取顺序时,基于属性对第二碳化炉进行细致化筛选,保证了筛选出的第二碳化炉的第二抽真空系统的异常事件供判定异常可能性的适用性;同时,基于异常事件的来源进行细致化进一步筛选,保证了异常事件的来源可靠性,提升了异常事件供判定异常可能性的准确性;另外,特别适用新投入使用的新碳化炉(没有多少异常记录)进行异常检测的场景。
本发明实施例提供了一种碳化炉抽真空系统异常检测方法,构建属性类型-匹配度-价值度库,包括:
获取预设的属性类型集,属性类型集包括:多个第二属性类型;
获取预设的匹配度集,匹配度集包括:多个第二匹配度;
随机建立测试搭配组合,测试搭配组合包:第二属性类型和第二匹配度;
获取预设的测试节点集,测试节点集包括:多个测试节点;
下发测试搭配组合至测试节点,同时,定时获取测试节点新回复的对应于测试搭配组合的至少一个第一测试记录,第一测试记录包括:测试策略、测试过程和第一测试结果;
对测试过程进行过程分析,获得测试过程序列;
从测试过程序列中随机选取第一过程,同时,对第一过程进行特征分析并提取,获得多个第一特征;
获取测试策略对应的预设的初筛特征库,将第一特征与初筛特征库中的第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的第一特征,并作为第二特征,同时,确定匹配符合的第一初筛特征,并作为第二初筛特征;
获取第二初筛特征对应的多个第一校验信息,第一校验信息包括:第一校验方向、第一校验范围和第一校验策略;
确定第二特征对应的第一过程,并作为第二过程;
选取测试过程序列中第二过程的第一校验方向上对应第一校验范围内的第一过程,并作为第三过程;
基于对应第一校验策略,对第二过程和第三过程进行相应过程校验;
若校验不通过,获取第二初筛特征对应的第一严重值,并与对应第一测试记录进行关联;
将第一特征进行随机特征组合,获得多个第一组合特征;
将第一组合特征与第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的第一特征,并作为第三特征,同时,确定匹配符合的第一初筛特征,并作为第三初筛特征;
获取第三初筛特征对应的多个第二校验信息,第二校验信息包括:第二校验方向、第二校验范围和第二校验策略;
确定第三特征对应的至少一个第一过程,并作为第三过程;
若第三过程的数目为1,选取测试过程序列中第三过程的第二校验方向上对应第二校验范围的第一过程,并作为第四过程;
基于对应第二校验策略,对第三过程和第四过程进行相应过程校验;
若校验不通过,获取第三初筛特征对应的第二严重值,并与对应第一测试记录进行关联;
若第三过程的数目大于1,选取测试过程序列中第三过程的第二校验方向上对应第二校验范围的第一过程,并作为第五过程;
对全部第五过程进行去重处理,获得多个第六过程;
选取任意两个第三过程之间除第六过程之外的第一过程,并作为第七过程;
基于对应第二校验策略,对第三过程、第六过程和第七过程进行相应过程校验;
若校验不通过,获取第三初筛特征对应的第二严重值,并与对应第一测试记录进行关联;
汇总第一测试记录关联的第一严重值和第二严重值,获得严重值和;
若严重值和大于等于预设的严重值和阈值,剔除对应第一测试记录;
当需要剔除的第一测试记录均剔除后,将剔除剩余的第一测试记录作为第二测试记录;
提取第二测试记录中的第一测试结果,并作为第二测试结果;
对第二测试结果进行解析,获取第二价值度;
将第二价值度与对应测试搭配组合中的第二属性类型和第二匹配度进行配对,获得配对组合;
获取预设的空白数据库,将配对组合输入至空白数据库中;
当需要输入至空白数据库的配对组合均输入后,将空白数据库作为属性类型-匹配度-价值度库,完成构建。
上述技术方案的工作原理及有益效果为:
构建属性类型-匹配度-价值度库时,从预设的属性类型集(包含大量属性类型的集合)中选取第二属性类型以及从预设的匹配度集(包含大量匹配度的集合)中选取第二匹配度随机搭配成测试搭配组合;将测试搭配组合下发至预设的测试节点中的测试节点(测试节点对应一个测试组,测试组测试某种属性类型对应的两者属性匹配度达到多少时对应第二抽真空系统发生的异常事件的可利用性的价值能达到多少),定时获取(为了保证价值度确定的准确性,测试组进行的测试实验不中断,所以需定时获取)测试节点回复的第一测试记录,第一测试记录包含测试组使用的测试策略(例如:基于维护经验确定、分析异常事件产生的原因等)、测试过程(过程记录)和第一测试结果(包含测试搭配组合对应的价值度);但是,为了保证测试结果的准确性,需要对测试过程进行验证;因此,对测试过程进行过程分析(过程顺序先后分析),获得测试过程序列;从测试过程序列中选取第一过程,并提取出第一特征;获取测试策略对应的预设的初筛特征库(包含使用测试策略存在的过程不规范疑似特征的数据库),将第一特征与该库中的第一初筛特征进行匹配,若匹配符合,确定第二特征和第二初筛特征;通过第二初筛特征可以获得更多的指示信息即第一校验信息(产生某种过程不规范疑似特征时,可以判断产生该特征的过程内是否确实存在过程不规范,疑似特征也可以指明方向,例如:不规范疑似特征为分析结果不全面,则指明之前的过程存在分析不全面),其包含第一校验方向(前、后)、第一校验范围(3个过程内)和第一校验策略(校验是否有过程不规范疑似特征对应的过程不规范坐实事件发生);基于第一校验信息,选取对应第三过程,并确定第二特征对应的第二过程(提取出第二特征的过程),基于第一校验策略,对第二过程和第三过程进行校验,若校验不通过,说明确实有过程不规范坐实事件发生,获取第二初筛特征对应的第一严重值(第一严重值越大,对测试结果准确性影响越大),与第一测试记录进行关联;但是,由于测试策略采取的具体执行过程的执行顺序没有严格要求以及测试组的分工也不同等原因,不规范特征的产生,可能是前后的第一过程之间共同产生,因此,将第一特征进行随机组合,将获得的第一组合特征与第一初筛特征进行匹配,若匹配符合,确定第三特征和第三初筛特征;获取第三初筛特征对应的指示信息即第二校验信息(与第一校验信息同理),确定第三特征对应的第三过程(提取出进行随机组合的第一特征的第一过程);若第三过程的数目为1,说明不规范疑似特征在一个过程中产生,基于第二校验信息,确定第四过程,基于第二校验策略,对第三过程和第四过程进行校验,若校验不同过,关联对应第二严重值;若第三过程的数目大于1,说明不规范疑似特征在前后不同的过程中共同组合产生,基于第二校验信息,确定第五过程,由于测试过程之间存在关联性,为确保校验全面性,确定第七过程;基于第二校验策略,对第三过程、第六过程和第七过程进行校验,若校验不通过,关联对应第二严重值;汇总(求和计算)第一测试记录关联的第一严重值和第二严重值,获得严重值和,若严重值和大于等于预设的严重值和阈值(常数),说明测试过程存在的问题较严重,对测试结果影响较大,应予剔除;解析剔除剩余的第二测试记录中的第二测试结果,获取第二价值度,将其与测试搭配组合中的第二属性类型和第二匹配度进行配对,获得配对组合;将配对组合全部输入空白数据库,即完成属性类型-匹配度-价值度库的构建;
本发明实施例构建属性类型-匹配度-价值度库,便于确定不同属性类型和不同匹配度对应的价值度以对第二碳化炉进行筛选,极大程度上提升了获取异常检测策略最优选取顺序的效率;在构建属性类型-匹配度-价值度库时,设置初筛特征库,当确定有过程不规范疑似特征,进行深入校验,减少了测试过程验证资源;同时,基于匹配符合的初筛特征对应的指示信息即校验信息,快速选取对应方向及范围内的过程,并基于对应校验策略进行相应校验,提升了校验效率;另外,充分考虑到测试过程的具体执行情况,不仅将第一特征与初筛特征进行匹配,还将第一特征进行随机组合与初筛特征进行匹配,提升了适用性。
本发明实施例提供了一种碳化炉抽真空系统异常检测系统,如图3所示,包括:
监测模块1,用于当第一碳化炉的第一抽真空系统运作时,监测第一抽真空系统的第一运作参数;
获取模块2,用于获取预设的异常检测策略库,同时,获取异常检测策略最优选取顺序;
选取模块3,用于基于异常检测策略最优选取顺序,从异常检测策略库中选取对应的第一异常检测策略;
检测模块4,用于基于第一异常检测策略,对第一运作参数进行异常检测,获得检测结果,并输出。
本发明实施例提供了一种碳化炉抽真空系统异常检测系统,还包括:
应对模块,用于当检测结果包含至少一个异常类型时,获取预设的应对策略库,基于应对策略库,确定异常类型对应的应对策略,基于应对策略,进行相应应对。
本发明实施例提供了一种碳化炉抽真空系统异常检测系统,所述应对模块执行如下操作:
基于应对策略,进行相应应对,记录第一应对情况,将所述第一应对情况输入预设的应对情况库,基于所述应对情况库,确定所述应对策略库是否需要重整,若是,进行重整;
其中,基于所述应对情况库,确定所述应对策略库是否需要重整,若是,进行重整,包括:
从所述应对情况库中随机选取第二应对情况;
获取预设的应对效果评价模型,将所述第二应对情况输入至所述应对效果评价模型获得应对效果值;
基于所述应对效果值计算重整需求指数,计算公式如下:
其中,σ为所述重整需求指数,γi为中间变量,li为应对情况库中第i个第二应对情况输入至所述应对效果评价模型获得的应对效果值,l0,max为预设的最大应对效果值阈值,l0,min为预设的最小应对效果值阈值,μ1和μ2为预设的权重值,m为应对情况库中第二应对情况的总数目;
若所述重整需求指数大于等于预设的重整需求指数阈值,所述应对策略库需要重整,获取预设的应对策略库重整模型,基于所述应对策略库重整模型,对所述应对策略库进行重整。
本发明实施例提供了一种碳化炉抽真空系统异常检测系统,检测模块4执行如下操作:
输出检测结果时,将检测结果发送至预设的工作人员终端。
本发明实施例提供了一种碳化炉抽真空系统异常检测系统,获取模块2执行如下操作:
获取第一碳化炉的第一属性信息;
对第一属性信息进行属性拆分,获得多个第一属性项;
获取预设的碳化炉集,碳化炉集包括:多个第二碳化炉;
获取第二碳化炉的第二属性信息,获得多个第二属性项;
将第一属性项和第二属性项进行同类型属性匹配,确定第一匹配度,同时,确定进行同类型属性匹配第一属性项和第二属性项的第一属性类型;
构建属性类型-匹配度-价值度库,基于属性类型-匹配度-价值度库,确定第一匹配度和第一属性类型对应的第一价值度,并与对应第二碳化炉进行关联;
当第一属性项和第二属性项进行同类型属性匹配结束后,汇总第二碳化炉关联的第一价值度,获得价值度和;
若价值度和小于等于预设的价值度和阈值,剔除对应第二碳化炉;
当需要剔除的第二碳化炉均剔除后,将剔除剩余的第二碳化炉作为第三碳化炉;
获取第三碳化炉的第二抽真空系统历史上发生异常的多个第一异常事件;
对全部第一异常事件进行去重处理,获得多个第二异常事件;
获取第二异常事件的来源的来源类型,来源类型包括:单独来源和组合来源;
当第二异常事件的来源的来源类型为单独来源时,获取来源的第一信用值;
若第一信用值小于等于预设的第一信用值阈值,剔除对应第二异常事件;
当第二异常事件的来源的来源类型为组合来源时,将来源拆分成多个子来源;
获取子来源的权重标记,基于权重标记,对子来源进行聚类处理,获得多个第一子来源聚类集;
获取子来源的权重标记的权重值,确定最大权重值对应的子来源所在的第一子来源聚类集,并作为第二子来源聚类集,同时,将其余第一子来源聚类集作为第三子来源聚类集;
获取第二子来源聚类集中的子来源的第二信用值;
获取第二子来源聚类集中的子来源对第三子来源聚类集中的子来源进行担保的担保值;
若第二信用值小于等于预设的第二信用值阈值和/或担保值小于等于预设的担保值阈值,剔除对应第二异常事件;
当需要剔除的第二异常事件均剔除后,将剔除剩余的第二异常事件作为第三异常事件;
基于第一属性信息,构建对应于第一碳化炉的碳化炉虚拟模型;
获取第一碳化炉正常运作时的第二运作参数,基于第二运作参数,控制碳化炉虚拟模型模拟进行运作;
确定碳化炉虚拟模型中对应于第一抽真空系统的抽真空系统虚拟模型;
获取预设的事件发生模拟模型,基于事件发生模拟模型,尝试在抽真空系统虚拟模型内模拟发生第三异常事件;
获取预设的冲突事件动态捕捉模型,基于冲突事件动态捕捉模型,动态捕捉尝试在抽真空系统虚拟模型内模拟发生第三异常事件时产生的至少一个冲突事件;
对冲突事件进行解析,获取冲突值,并与对应第三异常事件进行关联;
当第三异常事件均在抽真空系统虚拟模型内模拟发生后,汇总第三异常事件关联的冲突值,获得冲突值和;
确定异常检测策略库中对应于第三异常事件的第二异常检测策略,并与对应冲突值和进行关联;
汇总异常检测策略库中第二异常检测策略关联的冲突值和,获得排序值,并与对应第二异常检测策略进行关联;
设定异常检测策略最优选取顺序,异常检测策略最优选取顺序包括:按异常检测策略库中第二异常检测策略关联的排序值和从小到大依次进行选取第二异常检测策略。
本发明实施例提供了一种碳化炉抽真空系统异常检测系统,获取模块2执行如下操作:
获取预设的属性类型集,属性类型集包括:多个第二属性类型;
获取预设的匹配度集,匹配度集包括:多个第二匹配度;
随机建立测试搭配组合,测试搭配组合包:第二属性类型和第二匹配度;
获取预设的测试节点集,测试节点集包括:多个测试节点;
下发测试搭配组合至测试节点,同时,定时获取测试节点新回复的对应于测试搭配组合的至少一个第一测试记录,第一测试记录包括:测试策略、测试过程和第一测试结果;
对测试过程进行过程分析,获得测试过程序列;
从测试过程序列中随机选取第一过程,同时,对第一过程进行特征分析并提取,获得多个第一特征;
获取测试策略对应的预设的初筛特征库,将第一特征与初筛特征库中的第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的第一特征,并作为第二特征,同时,确定匹配符合的第一初筛特征,并作为第二初筛特征;
获取第二初筛特征对应的多个第一校验信息,第一校验信息包括:第一校验方向、第一校验范围和第一校验策略;
确定第二特征对应的第一过程,并作为第二过程;
选取测试过程序列中第二过程的第一校验方向上对应第一校验范围内的第一过程,并作为第三过程;
基于对应第一校验策略,对第二过程和第三过程进行相应过程校验;
若校验不通过,获取第二初筛特征对应的第一严重值,并与对应第一测试记录进行关联;
将第一特征进行随机特征组合,获得多个第一组合特征;
将第一组合特征与第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的第一特征,并作为第三特征,同时,确定匹配符合的第一初筛特征,并作为第三初筛特征;
获取第三初筛特征对应的多个第二校验信息,第二校验信息包括:第二校验方向、第二校验范围和第二校验策略;
确定第三特征对应的至少一个第一过程,并作为第三过程;
若第三过程的数目为1,选取测试过程序列中第三过程的第二校验方向上对应第二校验范围的第一过程,并作为第四过程;
基于对应第二校验策略,对第三过程和第四过程进行相应过程校验;
若校验不通过,获取第三初筛特征对应的第二严重值,并与对应第一测试记录进行关联;
若第三过程的数目大于1,选取测试过程序列中第三过程的第二校验方向上对应第二校验范围的第一过程,并作为第五过程;
对全部第五过程进行去重处理,获得多个第六过程;
选取任意两个第三过程之间除第六过程之外的第一过程,并作为第七过程;
基于对应第二校验策略,对第三过程、第六过程和第七过程进行相应过程校验;
若校验不通过,获取第三初筛特征对应的第二严重值,并与对应第一测试记录进行关联;
汇总第一测试记录关联的第一严重值和第二严重值,获得严重值和;
若严重值和大于等于预设的严重值和阈值,剔除对应第一测试记录;
当需要剔除的第一测试记录均剔除后,将剔除剩余的第一测试记录作为第二测试记录;
提取第二测试记录中的第一测试结果,并作为第二测试结果;
对第二测试结果进行解析,获取第二价值度;
将第二价值度与对应测试搭配组合中的第二属性类型和第二匹配度进行配对,获得配对组合;
获取预设的空白数据库,将配对组合输入至空白数据库中;
当需要输入至空白数据库的配对组合均输入后,将空白数据库作为属性类型-匹配度-价值度库,完成构建。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种碳化炉抽真空系统异常检测方法,其特征在于,包括:
步骤S1:当第一碳化炉的第一抽真空系统运作时,监测所述第一抽真空系统的第一运作参数;
步骤S2:获取预设的异常检测策略库,同时,获取异常检测策略最优选取顺序;
步骤S3:基于所述异常检测策略最优选取顺序,从所述异常检测策略库中选取对应的第一异常检测策略;
步骤S4:基于所述第一异常检测策略,对所述第一运作参数进行异常检测,获得检测结果,并输出。
2.如权利要求1所述的一种碳化炉抽真空系统异常检测方法,其特征在于,还包括:
步骤S5:当所述检测结果包含至少一个异常类型时,获取预设的应对策略库,基于所述应对策略库,确定所述异常类型对应的应对策略,基于所述应对策略,进行相应应对。
3.如权利要求1所述的一种碳化炉抽真空系统异常检测方法,其特征在于,输出所述检测结果时,将所述检测结果发送至预设的工作人员终端。
4.如权利要求1所述的一种碳化炉抽真空系统异常检测方法,其特征在于,所述步骤S2中,获取异常检测策略最优选取顺序,包括:
获取第一碳化炉的第一属性信息;
对所述第一属性信息进行属性拆分,获得多个第一属性项;
获取预设的碳化炉集,所述碳化炉集包括:多个第二碳化炉;
获取所述第二碳化炉的第二属性信息,获得多个第二属性项;
将所述第一属性项和所述第二属性项进行同类型属性匹配,确定第一匹配度,同时,确定进行同类型属性匹配所述第一属性项和所述第二属性项的第一属性类型;
构建属性类型-匹配度-价值度库,基于所述属性类型-匹配度-价值度库,确定所述第一匹配度和所述第一属性类型对应的第一价值度,并与对应所述第二碳化炉进行关联;
当所述第一属性项和所述第二属性项进行同类型属性匹配结束后,汇总所述第二碳化炉关联的所述第一价值度,获得价值度和;
若所述价值度和小于等于预设的价值度和阈值,剔除对应所述第二碳化炉;
当需要剔除的所述第二碳化炉均剔除后,将剔除剩余的所述第二碳化炉作为第三碳化炉;
获取所述第三碳化炉的第二抽真空系统历史上发生异常的多个第一异常事件;
对全部所述第一异常事件进行去重处理,获得多个第二异常事件;
获取所述第二异常事件的来源的来源类型,所述来源类型包括:单独来源和组合来源;
当所述第二异常事件的来源的来源类型为单独来源时,获取所述来源的第一信用值;
若所述第一信用值小于等于预设的第一信用值阈值,剔除对应所述第二异常事件;
当所述第二异常事件的来源的来源类型为组合来源时,将所述来源拆分成多个子来源;
获取所述子来源的权重标记,基于所述权重标记,对所述子来源进行聚类处理,获得多个第一子来源聚类集;
获取所述子来源的权重标记的权重值,确定最大所述权重值对应的所述子来源所在的所述第一子来源聚类集,并作为第二子来源聚类集,同时,将其余所述第一子来源聚类集作为第三子来源聚类集;
获取所述第二子来源聚类集中的所述子来源的第二信用值;
获取所述第二子来源聚类集中的所述子来源对所述第三子来源聚类集中的所述子来源进行担保的担保值;
若所述第二信用值小于等于预设的第二信用值阈值和/或所述担保值小于等于预设的担保值阈值,剔除对应所述第二异常事件;
当需要剔除的所述第二异常事件均剔除后,将剔除剩余的所述第二异常事件作为第三异常事件;
基于所述第一属性信息,构建对应于所述第一碳化炉的碳化炉虚拟模型;
获取所述第一碳化炉正常运作时的第二运作参数,基于所述第二运作参数,控制碳化炉虚拟模型模拟进行运作;
确定所述碳化炉虚拟模型中对应于所述第一抽真空系统的抽真空系统虚拟模型;
获取预设的事件发生模拟模型,基于所述事件发生模拟模型,尝试在抽真空系统虚拟模型内模拟发生所述第三异常事件;
获取预设的冲突事件动态捕捉模型,基于所述冲突事件动态捕捉模型,动态捕捉尝试在抽真空系统虚拟模型内模拟发生所述第三异常事件时产生的至少一个冲突事件;
对所述冲突事件进行解析,获取冲突值,并与对应所述第三异常事件进行关联;
当所述第三异常事件均在抽真空系统虚拟模型内模拟发生后,汇总所述第三异常事件关联的所述冲突值,获得冲突值和;
确定所述异常检测策略库中对应于所述第三异常事件的第二异常检测策略,并与对应所述冲突值和进行关联;
汇总所述异常检测策略库中所述第二异常检测策略关联的所述冲突值和,获得排序值,并与对应所述第二异常检测策略进行关联;
设定异常检测策略最优选取顺序,所述异常检测策略最优选取顺序包括:按所述异常检测策略库中所述第二异常检测策略关联的所述排序值和从小到大依次进行选取所述第二异常检测策略。
5.如权利要求2所述的一种碳化炉抽真空系统异常检测方法,其特征在于,构建属性类型-匹配度-价值度库,包括:
获取预设的属性类型集,所述属性类型集包括:多个第二属性类型;
获取预设的匹配度集,所述匹配度集包括:多个第二匹配度;
随机建立测试搭配组合,所述测试搭配组合包:所述第二属性类型和所述第二匹配度;
获取预设的测试节点集,所述测试节点集包括:多个测试节点;
下发所述测试搭配组合至所述测试节点,同时,定时获取所述测试节点新回复的对应于所述测试搭配组合的至少一个第一测试记录,所述第一测试记录包括:测试策略、测试过程和第一测试结果;
对所述测试过程进行过程分析,获得测试过程序列;
从所述测试过程序列中随机选取第一过程,同时,对所述第一过程进行特征分析并提取,获得多个第一特征;
获取所述测试策略对应的预设的初筛特征库,将所述第一特征与所述初筛特征库中的第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的所述第一特征,并作为第二特征,同时,确定匹配符合的所述第一初筛特征,并作为第二初筛特征;
获取所述第二初筛特征对应的多个第一校验信息,所述第一校验信息包括:第一校验方向、第一校验范围和第一校验策略;
确定所述第二特征对应的所述第一过程,并作为第二过程;
选取所述测试过程序列中所述第二过程的所述第一校验方向上对应所述第一校验范围内的所述第一过程,并作为第三过程;
基于对应所述第一校验策略,对所述第二过程和所述第三过程进行相应过程校验;
若校验不通过,获取所述第二初筛特征对应的第一严重值,并与对应所述第一测试记录进行关联;
将所述第一特征进行随机特征组合,获得多个第一组合特征;
将所述第一组合特征与所述第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的所述第一特征,并作为第三特征,同时,确定匹配符合的所述第一初筛特征,并作为第三初筛特征;
获取所述第三初筛特征对应的多个第二校验信息,所述第二校验信息包括:第二校验方向、第二校验范围和第二校验策略;
确定所述第三特征对应的至少一个所述第一过程,并作为第三过程;
若所述第三过程的数目为1,选取所述测试过程序列中所述第三过程的所述第二校验方向上对应所述第二校验范围的所述第一过程,并作为第四过程;
基于对应所述第二校验策略,对所述第三过程和所述第四过程进行相应过程校验;
若校验不通过,获取所述第三初筛特征对应的第二严重值,并与对应所述第一测试记录进行关联;
若所述第三过程的数目大于1,选取所述测试过程序列中所述第三过程的所述第二校验方向上对应所述第二校验范围的所述第一过程,并作为第五过程;
对全部所述第五过程进行去重处理,获得多个第六过程;
选取任意两个所述第三过程之间除所述第六过程之外的所述第一过程,并作为第七过程;
基于对应所述第二校验策略,对所述第三过程、第六过程和第七过程进行相应过程校验;
若校验不通过,获取所述第三初筛特征对应的第二严重值,并与对应所述第一测试记录进行关联;
汇总所述第一测试记录关联的所述第一严重值和所述第二严重值,获得严重值和;
若所述严重值和大于等于预设的严重值和阈值,剔除对应所述第一测试记录;
当需要剔除的所述第一测试记录均剔除后,将剔除剩余的所述第一测试记录作为第二测试记录;
提取所述第二测试记录中的所述第一测试结果,并作为第二测试结果;
对所述第二测试结果进行解析,获取第二价值度;
将所述第二价值度与对应所述测试搭配组合中的所述第二属性类型和所述第二匹配度进行配对,获得配对组合;
获取预设的空白数据库,将所述配对组合输入至所述空白数据库中;
当需要输入至所述空白数据库的所述配对组合均输入后,将所述空白数据库作为属性类型-匹配度-价值度库,完成构建。
6.一种碳化炉抽真空系统异常检测系统,其特征在于,包括:
监测模块,用于当第一碳化炉的第一抽真空系统运作时,监测所述第一抽真空系统的第一运作参数;
获取模块,用于获取预设的异常检测策略库,同时,获取异常检测策略最优选取顺序;
选取模块,用于基于所述异常检测策略最优选取顺序,从所述异常检测策略库中选取对应的第一异常检测策略;
检测模块,用于基于所述第一异常检测策略,对所述第一运作参数进行异常检测,获得检测结果,并输出。
7.如权利要求6所述的一种碳化炉抽真空系统异常检测系统,其特征在于,还包括:
应对模块,用于当所述检测结果包含至少一个异常类型时,获取预设的应对策略库,基于所述应对策略库,确定所述异常类型对应的应对策略,基于所述应对策略,进行相应应对。
8.如权利要求6所述的一种碳化炉抽真空系统异常检测系统,其特征在于,所述检测模块执行如下操作:
输出所述检测结果时,将所述检测结果发送至预设的工作人员终端。
9.如权利要求6所述的一种碳化炉抽真空系统异常检测系统,其特征在于,所述获取模块执行如下操作:
获取第一碳化炉的第一属性信息;
对所述第一属性信息进行属性拆分,获得多个第一属性项;
获取预设的碳化炉集,所述碳化炉集包括:多个第二碳化炉;
获取所述第二碳化炉的第二属性信息,获得多个第二属性项;
将所述第一属性项和所述第二属性项进行同类型属性匹配,确定第一匹配度,同时,确定进行同类型属性匹配所述第一属性项和所述第二属性项的第一属性类型;
构建属性类型-匹配度-价值度库,基于所述属性类型-匹配度-价值度库,确定所述第一匹配度和所述第一属性类型对应的第一价值度,并与对应所述第二碳化炉进行关联;
当所述第一属性项和所述第二属性项进行同类型属性匹配结束后,汇总所述第二碳化炉关联的所述第一价值度,获得价值度和;
若所述价值度和小于等于预设的价值度和阈值,剔除对应所述第二碳化炉;
当需要剔除的所述第二碳化炉均剔除后,将剔除剩余的所述第二碳化炉作为第三碳化炉;
获取所述第三碳化炉的第二抽真空系统历史上发生异常的多个第一异常事件;
对全部所述第一异常事件进行去重处理,获得多个第二异常事件;
获取所述第二异常事件的来源的来源类型,所述来源类型包括:单独来源和组合来源;
当所述第二异常事件的来源的来源类型为单独来源时,获取所述来源的第一信用值;
若所述第一信用值小于等于预设的第一信用值阈值,剔除对应所述第二异常事件;
当所述第二异常事件的来源的来源类型为组合来源时,将所述来源拆分成多个子来源;
获取所述子来源的权重标记,基于所述权重标记,对所述子来源进行聚类处理,获得多个第一子来源聚类集;
获取所述子来源的权重标记的权重值,确定最大所述权重值对应的所述子来源所在的所述第一子来源聚类集,并作为第二子来源聚类集,同时,将其余所述第一子来源聚类集作为第三子来源聚类集;
获取所述第二子来源聚类集中的所述子来源的第二信用值;
获取所述第二子来源聚类集中的所述子来源对所述第三子来源聚类集中的所述子来源进行担保的担保值;
若所述第二信用值小于等于预设的第二信用值阈值和/或所述担保值小于等于预设的担保值阈值,剔除对应所述第二异常事件;
当需要剔除的所述第二异常事件均剔除后,将剔除剩余的所述第二异常事件作为第三异常事件;
基于所述第一属性信息,构建对应于所述第一碳化炉的碳化炉虚拟模型;
获取所述第一碳化炉正常运作时的第二运作参数,基于所述第二运作参数,控制碳化炉虚拟模型模拟进行运作;
确定所述碳化炉虚拟模型中对应于所述第一抽真空系统的抽真空系统虚拟模型;
获取预设的事件发生模拟模型,基于所述事件发生模拟模型,尝试在抽真空系统虚拟模型内模拟发生所述第三异常事件;
获取预设的冲突事件动态捕捉模型,基于所述冲突事件动态捕捉模型,动态捕捉尝试在抽真空系统虚拟模型内模拟发生所述第三异常事件时产生的至少一个冲突事件;
对所述冲突事件进行解析,获取冲突值,并与对应所述第三异常事件进行关联;
当所述第三异常事件均在抽真空系统虚拟模型内模拟发生后,汇总所述第三异常事件关联的所述冲突值,获得冲突值和;
确定所述异常检测策略库中对应于所述第三异常事件的第二异常检测策略,并与对应所述冲突值和进行关联;
汇总所述异常检测策略库中所述第二异常检测策略关联的所述冲突值和,获得排序值,并与对应所述第二异常检测策略进行关联;
设定异常检测策略最优选取顺序,所述异常检测策略最优选取顺序包括:按所述异常检测策略库中所述第二异常检测策略关联的所述排序值和从小到大依次进行选取所述第二异常检测策略。
10.如权利要求9所述的一种碳化炉抽真空系统异常检测系统,其特征在于,所述获取模块执行如下操作:
获取预设的属性类型集,所述属性类型集包括:多个第二属性类型;
获取预设的匹配度集,所述匹配度集包括:多个第二匹配度;
随机建立测试搭配组合,所述测试搭配组合包:所述第二属性类型和所述第二匹配度;
获取预设的测试节点集,所述测试节点集包括:多个测试节点;
下发所述测试搭配组合至所述测试节点,同时,定时获取所述测试节点新回复的对应于所述测试搭配组合的至少一个第一测试记录,所述第一测试记录包括:测试策略、测试过程和第一测试结果;
对所述测试过程进行过程分析,获得测试过程序列;
从所述测试过程序列中随机选取第一过程,同时,对所述第一过程进行特征分析并提取,获得多个第一特征;
获取所述测试策略对应的预设的初筛特征库,将所述第一特征与所述初筛特征库中的第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的所述第一特征,并作为第二特征,同时,确定匹配符合的所述第一初筛特征,并作为第二初筛特征;
获取所述第二初筛特征对应的多个第一校验信息,所述第一校验信息包括:第一校验方向、第一校验范围和第一校验策略;
确定所述第二特征对应的所述第一过程,并作为第二过程;
选取所述测试过程序列中所述第二过程的所述第一校验方向上对应所述第一校验范围内的所述第一过程,并作为第三过程;
基于对应所述第一校验策略,对所述第二过程和所述第三过程进行相应过程校验;
若校验不通过,获取所述第二初筛特征对应的第一严重值,并与对应所述第一测试记录进行关联;
将所述第一特征进行随机特征组合,获得多个第一组合特征;
将所述第一组合特征与所述第一初筛特征进行特征匹配,若匹配符合,确定匹配符合的所述第一特征,并作为第三特征,同时,确定匹配符合的所述第一初筛特征,并作为第三初筛特征;
获取所述第三初筛特征对应的多个第二校验信息,所述第二校验信息包括:第二校验方向、第二校验范围和第二校验策略;
确定所述第三特征对应的至少一个所述第一过程,并作为第三过程;
若所述第三过程的数目为1,选取所述测试过程序列中所述第三过程的所述第二校验方向上对应所述第二校验范围的所述第一过程,并作为第四过程;
基于对应所述第二校验策略,对所述第三过程和所述第四过程进行相应过程校验;
若校验不通过,获取所述第三初筛特征对应的第二严重值,并与对应所述第一测试记录进行关联;
若所述第三过程的数目大于1,选取所述测试过程序列中所述第三过程的所述第二校验方向上对应所述第二校验范围的所述第一过程,并作为第五过程;
对全部所述第五过程进行去重处理,获得多个第六过程;
选取任意两个所述第三过程之间除所述第六过程之外的所述第一过程,并作为第七过程;
基于对应所述第二校验策略,对所述第三过程、第六过程和第七过程进行相应过程校验;
若校验不通过,获取所述第三初筛特征对应的第二严重值,并与对应所述第一测试记录进行关联;
汇总所述第一测试记录关联的所述第一严重值和所述第二严重值,获得严重值和;
若所述严重值和大于等于预设的严重值和阈值,剔除对应所述第一测试记录;
当需要剔除的所述第一测试记录均剔除后,将剔除剩余的所述第一测试记录作为第二测试记录;
提取所述第二测试记录中的所述第一测试结果,并作为第二测试结果;
对所述第二测试结果进行解析,获取第二价值度;
将所述第二价值度与对应所述测试搭配组合中的所述第二属性类型和所述第二匹配度进行配对,获得配对组合;
获取预设的空白数据库,将所述配对组合输入至所述空白数据库中;
当需要输入至所述空白数据库的所述配对组合均输入后,将所述空白数据库作为属性类型-匹配度-价值度库,完成构建。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111457174.7A CN114111352B (zh) | 2021-12-02 | 2021-12-02 | 一种碳化炉抽真空系统异常检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111457174.7A CN114111352B (zh) | 2021-12-02 | 2021-12-02 | 一种碳化炉抽真空系统异常检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114111352A true CN114111352A (zh) | 2022-03-01 |
CN114111352B CN114111352B (zh) | 2022-07-26 |
Family
ID=80369452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111457174.7A Active CN114111352B (zh) | 2021-12-02 | 2021-12-02 | 一种碳化炉抽真空系统异常检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114111352B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115372748A (zh) * | 2022-10-24 | 2022-11-22 | 深圳博润缘科技有限公司 | 电缆的维护数据处理方法及系统 |
CN115793552A (zh) * | 2023-02-09 | 2023-03-14 | 博纯材料股份有限公司 | 一种基于数据处理的电子气体生产监测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103712816A (zh) * | 2013-12-25 | 2014-04-09 | 马钢(集团)控股有限公司 | 一种rh炉真空度不达标的系统检查方法 |
CN107562034A (zh) * | 2017-07-14 | 2018-01-09 | 宝沃汽车(中国)有限公司 | 线上故障处理方法及处理系统 |
JP2020107027A (ja) * | 2018-12-27 | 2020-07-09 | 株式会社Ihi | 異常診断装置、異常診断方法、異常診断プログラム、及び記録媒体 |
CN112506757A (zh) * | 2020-11-17 | 2021-03-16 | 中广核工程有限公司 | 自动测试方法、系统、计算机设备及其介质 |
-
2021
- 2021-12-02 CN CN202111457174.7A patent/CN114111352B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103712816A (zh) * | 2013-12-25 | 2014-04-09 | 马钢(集团)控股有限公司 | 一种rh炉真空度不达标的系统检查方法 |
CN107562034A (zh) * | 2017-07-14 | 2018-01-09 | 宝沃汽车(中国)有限公司 | 线上故障处理方法及处理系统 |
JP2020107027A (ja) * | 2018-12-27 | 2020-07-09 | 株式会社Ihi | 異常診断装置、異常診断方法、異常診断プログラム、及び記録媒体 |
CN112506757A (zh) * | 2020-11-17 | 2021-03-16 | 中广核工程有限公司 | 自动测试方法、系统、计算机设备及其介质 |
Non-Patent Citations (1)
Title |
---|
刘蒙 等: "机械真空泵远程故障诊断系统研究与应用", 《真空》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115372748A (zh) * | 2022-10-24 | 2022-11-22 | 深圳博润缘科技有限公司 | 电缆的维护数据处理方法及系统 |
CN115793552A (zh) * | 2023-02-09 | 2023-03-14 | 博纯材料股份有限公司 | 一种基于数据处理的电子气体生产监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114111352B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114111352B (zh) | 一种碳化炉抽真空系统异常检测方法及系统 | |
Hu et al. | Detection of frequent alarm patterns in industrial alarm floods using itemset mining methods | |
CN102279786B (zh) | 一种监测应用程序有效访问量的方法及装置 | |
CN110708204A (zh) | 一种基于运维知识库的异常处理方法、系统、终端及介质 | |
KR20190057300A (ko) | 자동차 보증 사기 예측을 위한 시스템 및 방법 | |
US20080306715A1 (en) | Detecting Method Over Network Intrusion | |
CN102713861A (zh) | 操作管理装置、操作管理方法以及程序存储介质 | |
CN107168995B (zh) | 一种数据处理方法及服务器 | |
CN111949480B (zh) | 一种基于组件感知的日志异常检测方法 | |
CN111160329A (zh) | 一种根因分析的方法及装置 | |
CN105681128A (zh) | 一种用于大数据系统状态监控的方法和装置 | |
CN113505371A (zh) | 数据库安全风险评估系统 | |
KR101281460B1 (ko) | 통계적 공정 관리도를 이용하여 이상증후를 탐지하는 방법 | |
WO2023044770A1 (zh) | 干泵宕机的预警方法、装置、电子设备、存储介质及程序 | |
CN113242213B (zh) | 一种电力通信骨干网节点脆弱性诊断方法 | |
CN106951360B (zh) | 数据统计完整度计算方法和系统 | |
CN105784340A (zh) | 基于混合智能技术的气阀故障诊断方法 | |
CN113010394A (zh) | 一种用于数据中心的机房故障检测方法 | |
CN117574292A (zh) | 一种数据故障检测方法及系统 | |
CN117013687A (zh) | 一种电力运行质量监测方法及系统 | |
CN111159251A (zh) | 一种异常数据的确定方法及装置 | |
CN114710344B (zh) | 一种基于溯源图的入侵检测方法 | |
CN115270911A (zh) | 油田离心泵注水站工作异常检测方法、系统、终端及介质 | |
TW201913255A (zh) | 製程偵錯與診斷方法 | |
CN113869373A (zh) | 设备异常检测方法、装置、计算机设备和存储介质 |
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 |