CN114265390A - 设备数据采集诊断方法、装置、服务器及存储介质 - Google Patents
设备数据采集诊断方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN114265390A CN114265390A CN202111576847.0A CN202111576847A CN114265390A CN 114265390 A CN114265390 A CN 114265390A CN 202111576847 A CN202111576847 A CN 202111576847A CN 114265390 A CN114265390 A CN 114265390A
- Authority
- CN
- China
- Prior art keywords
- data
- abnormal
- work station
- main process
- product detection
- 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 156
- 238000003745 diagnosis Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 130
- 230000002159 abnormal effect Effects 0.000 claims description 150
- 238000004519 manufacturing process Methods 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 44
- 230000005856 abnormality Effects 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000002405 diagnostic procedure Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000010485 coping Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 238000007641 inkjet printing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- General Factory Administration (AREA)
Abstract
本申请实施例提供的设备数据采集诊断方法、装置、服务器及存储介质,通过对包括主制程设备重要参数和产品检测数据的工站数据进行对比分析,并将分析结果反馈给设备形成比对分析闭环,提升产品良率;同时对异常进行等级区分,生成不同应对策略,降低人工成本,提升设备自动化程度。
Description
技术领域
本申请涉及生产线管理领域,具体涉及一种设备数据采集诊断方法、装置服务器及存储介质。
背景技术
在实际的生产线中,需要对产线设备的相关数据进行实时监控,以及数据异常时产生报警警示。通常由设备线管控系统(Block Control System,BC)管理整个产线,产线上的每个设备均会将自身的相关数据上报给BC系统,而BC系统监控每台设备的状态,为操作人员提供相关数据查询以及问题诊断分析提供依据。
而现有技术中BC系统仅仅是简单的监控设备的数据,没有对数据进行进一步处理的能力,缺乏数据分析能力,没有形成相关标准化体系。
发明内容
本申请旨在提供一种设备数据采集诊断方法、装置、服务器及存储介质,旨在解决现有技术中无法对设备数据进行对比分析,无法解决数据异常的问题。
第一方面,本申请实施例提供一种设备数据采集诊断方法,应用于数据采集诊断系统,所述数据采集诊断系统用于采集多个工站的数据,所述方法包括:
获取所述多个工站中目标工站在生产过程中产生的工站数据;
对所述工站数据进行分析对比,以判断所述工站数据是否异常;
若所述工站数据异常,则确定所述工站数据的异常程度;
根据所述工站数据的异常程度,对所述目标工站进行处理,避免所述目标工站产生新的异常工站数据。
在一种可能的实施例中,所述获取所述多个工站中目标工站在生产过程中产生的工站数据,包括:
以多个工站中任意工站为目标工站,获取所述目标工站在生产过程中设定的主制程设备重要参数;
获取所述目标工站在生产过程中产生的产品对应的产品检测数据;
所述工站数据包括所述主制程设备重要参数和所述产品检测数据。
在一种可能的实施例中,所述对所述工站数据进行对比分析,以判断所述工站数据是否异常,包括:
对所述主制程设备重要参数进行对比分析,判断所述主制程设备重要参数是否异常;
对所述产品检测数据进行对比分析,判断所述产品检测数据是否异常;
若所述主制程设备重要参数和所述产品检测数据中任意数据异常,则确定所述工站数据异常。
在一种可能的实施例中,所述对所述主制程设备重要参数进行对比分析,判断所述主制程设备重要参数是否异常,包括:
获取预设的主制程设备重要参数第一预设范围;
判断所述主制程设备重要参数,是否在所述主制程设备重要参数第一预设范围内;
若所述主制程设备重要参数不在所述主制程设备重要参数第一预设范围内,确定所述主制程设备重要参数异常。
在一种可能的实施例中,所述对所述产品检测数据进行对比分析,判断所述产品检测数据是否异常,包括:
获取预设的产品检测数据第二预设范围;
判断所述产品检测数据,是否在所述产品检测数据第二预设范围内;
若所述产品检测数据不在所述产品检测数据第二预设范围内,确定所述产品检测数据异常。
在一种可能的实施例中,所述若所述工站数据异常,则确定所述工站数据的异常程度,包括:
分别判断所述主制程设备重要参数和所述产品检测数据对应的异常程度,以确定所述工站数据的异常程度。
在一种可能的实施例中,所述根据所述工站数据的异常程度,对所述目标工站进行处理,避免所述目标工站产生新的异常工站数据,包括:
若所述工站数据为轻度异常,则生成第一告警信息,且所述目标工站检测并调整自身对应的主制程设备重要参数;
若所述工站数据为重度异常,则生成第二告警信息。
第二方面,本申请实施例提供一种设备数据采集诊断装置,应用于数据采集诊断系统,所述数据采集诊断系统包括多个工站,所述装置包括:
获取单元,用于获取所述多个工站中目标工站在生产过程中产生的工站数据;
第一判断单元,用于对所述工站数据进行分析对比,以确定所述工站数据是否异常;
第二判断单元,用于若所述工站数据异常,则确定所述工站数据的异常程度;
处理单元,用于根据所述工站数据的异常程度,对所述目标工站进行处理,避免所述目标工站产生新的异常工站数据。
第三方面,本申请实施例提供一种服务器,所述服务器包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现如上任一项所述的设备数据采集诊断方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行如上任一项所述的设备数据采集诊断方法中的步骤。
本申请实施例提供的设备数据采集诊断方法、装置、服务器及存储介质,通过对包括主制程设备重要参数和产品检测数据的工站数据进行对比分析,并将分析结果反馈给设备形成比对分析闭环,提升产品良率;同时对异常进行等级区分,生成不同应对策略,降低人工成本,提升设备自动化程度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的设备数据采集诊断系统的场景示意图;
图2为本申请实施例提供的设备数据采集诊断方法一实施例流程示意图;
图3为本申请实施例提供的判断工站数据是否异常一实施例流程示意图;
图4是本申请实施例中提供的设备数据采集诊断装置一个实施例结构示意图;
图5是本申请实施例中提供的电子设备的一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
需要说明的是,本申请实施例方法由于是在电子设备中执行,各电子设备的处理对象均以数据或信息的形式存在,例如时间,实质为时间信息,可以理解的是,后续实施例中若提及尺寸、数量、位置等,均为对应的数据存在,以便电子设备进行处理,具体此处不作赘述。
本申请实施例提供一种设备数据采集诊断方法、装置、服务器及存储介质,以下分别进行详细说明。
请参阅图1,图1为本申请实施例所提供的设备数据采集诊断系统的场景示意图,该设备数据采集诊断系统可以包括电子设备100,电子设备100中集成有设备数据采集诊断装置,如图1中的电子设备。
本申请实施例中,该电子设备100可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本申请实施例中所描述的电子设备100,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是本申请方案一种应用场景,并不构成对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的电子设备,例如图1中仅示出1个电子设备,可以理解的,该设备数据采集诊断系统还可以包括一个或多个其他服务器,具体此处不作限定。
另外,如图1所示,该设备数据采集诊断系统还可以包括存储器200,用于存储数据。
需要说明的是,图1所示的设备数据采集诊断系统的场景示意图仅仅是一个示例,本申请实施例描述的设备数据采集诊断系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着设备数据采集诊断系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
首先,本申请实施例中提供一种设备数据采集诊断方法,如图2所示,为本申请实施例提供的设备数据采集诊断方法一实施例流程示意图,可以包括:
21、获取多个工站中目标工站在生产过程中产生的工站数据。
本申请实施例提供的设备数据采集诊断方法应用于数据采集诊断系统,而数据采集诊断系统通常用于采集多个工站在生产过称中产生的工站数据。而工站则是产线中用于实现某个制程,或是完成某种功能的机器设备;在利用工站进行生产时,会生成对应的工站数据。
生产线通常包括多个不同的工站,以实现不同的功能,且多个工站按照实际的制程先后顺序排列。本申请实施例以产线多个工站中的任意工站为目标工站,并获取目标工站在生产过程中产生的工站数据。
而在一些实施例中,获取多个工站中目标工站在生产过程中产生的工站数据,又可以包括:
以多个工站中任意工站为目标工站,获取目标工站在生产过程中设定的主制程设备重要参数;获取目标工站在生产过程中产生的产品对应的产品检测数据;其中,工站数据包括主制程设备重要参数和产品检测数据。
具体地,由于工站需要进行对应的生产制程,则在进行生产之前需要调试工站对应的相关参数,使得工站可以进行参数范围内的生产。例如,若目标工站进行喷墨打印的制程,则需要设置喷墨打印的喷头大小,控制喷墨打印的墨水速度,控制基板移动的速度等多种不同的参数;前述这些参数即为目标工站对应的主制程设备重要参数。
本申请实施例中的主制程设备重要参数,通常是在进行实际制程前就设定好的;进行不同制程的工站对应的主制程设备重要参数通常也不同。
而目标工站对应的产品检测数据,则是当完成目标工站对应的制程后,检测实际的产品是否为各项指标均符合要求的良品,而非次品。例如,若目标工站进行喷墨打印的制程,则需要获取完成喷墨打印制程的面板中喷墨打印的位置是否均覆盖有墨水,以及需要判断墨水的厚度等数据;前述这些参数即为目标工站对应的产品检测数据。
在本申请的实施例中,工站数据包括主制程设备重要参数和产品检测数据。其中,主制程设备重要参数主要是针对完成某种制程的工站本身所设定的参数,而产品检测数据则是针对完成某种制程后的产品来说的。
22、对工站数据进行对比分析,以判断工站数据是否异常。
23、若工站数据异常,则确定工站数据的异常程度。
24、根据工站数据的异常程度,对目标工站进行处理,避免目标工站产生新的异常工站数据。
在本申请的实施例中,获取工站数据后,需要对工站数据进行对比分析,以判断工站数据是否异常;而若是工站数据异常,还需要进一步判断工站数据的异常程度。不同异常程度的工站数据需要进行不同的处理,以避免在后续生产中产生新的异常数据。
本申请实施例提供的设备数据采集诊断方法,通过对包括主制程设备重要参数和产品检测数据的工站数据进行对比分析,并将分析结果反馈给设备形成比对分析闭环,提升产品良率;同时对异常进行等级区分,生成不同应对策略,降低人工成本,提升设备自动化程度。
由于本申请实施例中的工站异常数据包括主制程设备重要参数和产品检测数据,因此如图3所示,对工站数据进行对比分析,判断工站数据是否异常,可以包括:
31、对主制程设备重要参数进行对比分析,判断主制程设备重要参数是否异常。
32、对产品检测数据进行对比分析,判断产品检测数据是否异常。
33、若主制程设备重要参数和产品检测数据中任意数据异常,则确定工站数据异常。
具体地,本申请实施例中判断工站数据是否异常,需要分别对主制程设备重要参数和产品检测数据进行对比分析,两者中任意数据异常,均会判定工站数据异常。
而不论是对主制程设备重要参数进行对比分析,还是对产品检测数据进行对比分析,均是将当前获取到的数据与初始设定好的数据进行对比。其中,对主制程设备重要参数进行对比分析,判断主制程设备重要参数是否异常,可以包括:
获取预设的主制程设备重要参数第一预设范围;判断主制程设备重要参数,是否在主制程设备重要参数第一预设范围内;若主制程设备重要参数不在主制程设备重要参数第一预设范围内,确定主制程设备重要参数异常。
具体地,在实际的生产过程中,会根据实际的生产来设定主制程设备重要参数对应的具体数值;且主制程设备重要参数对应的具体数据通常是一个范围值。例如,设定整个生产过程中目标工站对应的温度需要保持在第一温度范围内;或是控制液体流速在第一流速范围内。一个工站通常也会对应多个不同的主制程设备重要参数,且多个主制程设备重要参数还分别对应多个不同的主制程设备重要参数第一预设范围。
即使将目标工站对应的主制程设备重要参数设定好,在整个生产过程中,实际的主制程设备重要参数可能会发生改变。例如,在生产过程中,温度可能会发生变化,这会影响产品的生产,降低产品良率。因此需要实时监控工站对应的温度,判断工站对应的温度是否异常。
具体地,可以获取初始设定好的工站对应的第一预设温度范围;并判断当前工站对应的温度是否在第一预设温度范围内。若是当前工站对应的温度不在第一预设温度范围内,则可以确定工站对应的温度参数异常;进一步可以确定工站对应的主制程设备重要参数异常。
即在本申请的实施例中,主制程设备重要参数实际上包括多种不同类型的参数,且多种不同类型的参数还包括多个不同的第一预设范围。若有一种类型的参数为异常,则确认主制程设备重要参数为异常;只有所有类型的参数均正常,才能认为主制程设备重要参数正常。
同理,对于产品检测数据来说,同样需要获取预设的产品检测数据第二预设范围;判断产品检测数据,是否在产品检测数据第二预设范围内;若产品检测数据不在产品检测数据第二预设范围内,确定产品检测数据异常。
具体地,当产品在目标工站完成相应的制程后,需要判断产品是否为合格产品;因此需要获取产品相应的检测数据,并将产品检测数据与预设的产品检测数据进行对比。
在实际的生产过程中,预设的产品检测数据通常也为一个范围数据,而非一个固定值。因此,获取的是产品检测数据第二预设范围;且产品检测数据通常也包括多种不同类型的数据,因此预设的产品检测数据第二预设范围也为多个。
例如,若产品为显示面板,且目标工站为进行液晶制程,则需要检测制备完成后的显示面板中的液晶分子的偏转角度是否在预设的第一角度范围内;若液晶分子的偏转角度不在预设的第一角度范围内,则确定液晶分子的偏转角度为异常数据;进一步确定产品检测数据为异常数据。
且在本申请的实施例中,实际上产品检测数据也包括多种不同类型的数据,因此需要分别判断产品检测数据中的多种不同类型的数据是否异常。若产品检测数据中的多种不同类型的数据有任意类型的数据异常,则确定产品检测数据;只有产品检测数据中的多种不同类型的数据均在预设范围内,才能确定产品检测数据为正常数据。
在本申请的实施例中,工站数据包括主制程设备重要参数和产品检测数据,而主制程设备重要参数和产品检测数据中有任意数据异常,均会认为工站数据异常。而对于主制程设备重要参数和产品检测数据来说,主制程设备重要参数中有任意数据异常,会判断主制程设备重要参数异常;同理对于产品检测数据来说,产品检测数据中有任意数据异常,则判断产品检测数据异常。
在上述实施例中,提供了一种判断工站数据是否异常的检测方法,而若是工站数据异常,则还需要进一步判断工站数据的异常程度。具体地,若工站数据异常,则确定工站数据的异常程度,可以包括:分别判断主制程设备重要参数和产品检测数据对应的异常程度,以确定工站数据的异常程度。
在本申请的实施例中,判断主制程设备重要参数对应的异常程度,可以包括:获取主制程设备重要参数第三预设范围;判断主制程设备重要参数,是否在主制程设备重要参数第三预设范围内;若主制程设备重要参数在主制程设备重要参数第三预设范围内,确定主制程设备重要参数为轻度异常;若主制程设备重要参数不在主制程设备重要参数第三预设范围内,确定主制程设备重要参数为重度异常。
具体地,本申请实施例中实际上设定了两个范围值,包括:主制程设备重要参数第一预设范围和主制程设备重要参数第三预设范围;且主制程设备重要参数第三预设范围对应的范围值大于主制程设备重要参数第一预设范围对应的范围值。
且主制程设备重要参数第一预设范围通常是主制程设备重要参数对应的正常参数范围,而主制程设备重要参数第三预设范围为主制程设备重要参数对应的轻度异常范围。而当主制程重要参数不在主制程设备重要参数第三预设范围内,确定主制程设备重要参数重度异常。
在一个具体实施例中,主制程设备重要参数可以为温度范围,而主制程设备重要参数第一预设范围为30℃-36℃。但在生产过程中,工站的温度会一直变化,若是工站的温度超出了30℃-36℃;温度不论是小于30℃还是大于36℃,均会认为温度是异常的。
此时还需要判断主制程设备重要参数是否在主制程设备重要参数第三预设范围内;具体地,主制程设备重要参数第三预设范围可以为28℃-40℃;即通常情况下,主制程设备重要参数第三预设范围大于主制程设备重要参数第一预设范围。而判断主制程设备重要参数是否在主制程设备参数第三预设范围内的前提是,主制程设备重要参数不在主制程设备重要参数第一预设范围内。
当主制程设备重要参数不在主制程设备重要参数第一预设范围30℃-36℃内,则判断主制程设备重要参数是否在主制程设备重要参数第三预设范围28℃-40℃内。具体是判断主制程设备重要参数是否在20℃-30℃,或是在36℃-40℃的范围内。
而若是主制程设备重要参数在20℃-30℃或是36℃-40℃的范围内,则确定主制程设备重要参数为轻度异常;而若是主制程设备重要参数不在20℃-30℃或是36℃-40℃的范围内,则确定主制程设备重要参数为重度异常。
例如,此时的温度为42℃,超出了36℃-40℃的温度范围,则此时的温度参数不仅异常,而且为重度异常;因此此时的主制程设备重要参数也为重度异常。
同理,对于产品检测参数来说,判断产品检测参数的异常程度同样也可以包括:获取产品检测参数第四预设范围;判断产品检测参数是否在产品检测参数第四预设范围内;若产品检测参数在产品检测参数第四预设范围内,确定产品检测参数为轻度异常;若产品检测参数不在产品检测参数第四预设范围内,确定产品检测参数为重度异常。
具体地,本申请实施例中实际上设定了两个范围值,包括:产品检测参数第二预设范围和产品检测参数第四预设范围;且产品检测参数第四预设范围对应的范围值大于产品检测参数第二预设范围对应的范围值。
且产品检测参数第二预设范围通常是产品检测参数对应的正常参数范围,而产品检测参数第四预设范围为产品检测参数对应的轻度异常范围。而当产品检测参数不在主制程设备重要参数第三预设范围内,确定产品检测参数重度异常。
在一个具体实施例中,产品检测参数可以为显示面板中某个膜层对应的膜层厚度,而产品检测参数第二预设范围可以为600纳米-800纳米。但在生产过程中,种种原因会导致实际制备得到的膜层厚度可能不在产品检测参数第二预设范围内;若是膜层厚度不在600纳米-800纳米内,膜层厚度不论是小于600纳米还是大于800纳米,均会认为膜层厚度是异常的。
此时还需要判断产品检测参数是否在产品检测参数第四预设范围内;具体地,产品检测参数第四预设范围可以为560纳米-920纳米;即通常情况下,产品检测参数第四预设范围大于产品检测参数第二预设范围。而判断主产品检测参数是否在产品检测参数第四预设范围内的前提是,产品检测参数不在产品检测参数第二预设范围内。
当产品检测参数不在产品检测参数第二预设范围600纳米-800纳米内,则判断产品检测参数是否在产品检测参数第四预设范围560纳米-920纳米内。具体是判断产品检测参数是否在560纳米-600纳米范围内,或是在800纳米-920纳米的范围内。
而若是产品检测参数在560纳米-600纳米或是800纳米-920纳米的范围内,则确定产品检测参数为轻度异常;而若是产品检测参数不在560纳米-600纳米或是800纳米-920纳米的范围内,则确定产品检测参数为重度异常。
在上述实施例中,主制程设备重要参数和产品检测参数中有任意数据为重度异常,均会判定工站数据为重度异常;而若是主制程设备重要参数和产品检测参数中不存在重度异常数据,均为轻度异常数据,则确定工站数据为轻度异常。
而在确定了工站数据的异常程度后,还需要对目标工站进行处理,避免目标工站在后续生产中产生新的异常工站数据。具体地,若是工站数据为轻度异常,则生成第一告警信息,且目标工站检测并调整自身对应的主制程设备重要参数。而若是工站数据为重度异常,则生成第二告警信息。
其中,目标工站检测并调整自身对应的主制程设备重要参数可以包括:判断目标工站对应的目标检测设备是否异常;若目标检测设备异常,则调整目标检测设备的参数;重新调整目标工站对应的主制程设备重要参数;
具体地,在实际的生产线中,每一个工站还对应有一个检测设备以检测工站对应的主制程设备重要参数,而当检测出目标工站当前对应的主制程设备重要参数异常后,目标工站首先需要判断是否为检测设备异常导致检测出的数据异常。若是检测设备异常,则需要调整检测设备避免检测设备检测出异常数据;而若是检测设备正常,则说明是目标工站本身对应的主制程设备重要参数异常,则需要调整目标工站对应的主制程设备重要参数,将主制程设备重要参数调整到正常范围内。
上述针对的是工站数据轻度异常的情况,工站可以自动调节主制程设备重要参数。而若是工站数据为重度异常,则需要生成第二告警信息,以提示操作人员进行人工干预。
而在实际的人工干预过程中,操作人员会根据实际情况调整工站对应的主制程设备重要参数,而操作人员实际调整的主制程设备重要参数可能并不在前述工站对应的主制程设备重要参数第一范围和第三范围内,因此还可以根据人工干预的结果来自适应的调整工站对应的主制程设备重要参数。
具体地,假设人工干预后将主制程设备重要参数中的温度参数调整到38℃-45℃,若按照初始设定的36℃-40℃的温度范围,则会被认为是异常数据。但由于是人工干预后的温度参数,因此可以在后续生产中将判断数据是否异常的温度范围调整为38℃-45℃。
需要说明的是,在实际的生产过程中,通常是由于工站对应的主制程设备重要参数异常,才导致制备得到的产品出现异常,即产品检测数据异常。因此在本申请的实施例中,实际上只需要调整工站对应的主制程设备重要参数即可。
本申请实施例还提供一种设备数据采集诊断装置,如图4所示,为本申请实施例提供的设备数据采集诊断装置一实施例示意图,可以包括:
获取单元401,用于获取多个工站中目标工站在生产过程中产生的工站数据。
第一判断单元402,用于对工站数据进行分析对比,以确定工站数据是否异常。
第二判断单元403,用于若工站数据异常,则确定工站数据的异常程度。
处理单元404,用于根据工站数据的异常程度,对目标工站进行处理,避免目标工站产生新的异常工站数据。
本申请实施例提供的设备数据采集诊断装置,通过对包括主制程设备重要参数和产品检测数据的工站数据进行对比分析,并将分析结果反馈给设备形成比对分析闭环,提升产品良率;同时对异常进行等级区分,生成不同应对策略,降低人工成本,提升设备自动化程度。
在一些实施例中,获取单元401还可以用于:以多个工站中任意工站为目标工站,获取目标工站在生产过程中设定的主制程设备重要参数;获取目标工站在生产过程中产生的产品对应的产品检测数据;工站数据包括主制程设备重要参数和产品检测数据。
在一些实施例中,第一判断单元402还可以用于:对主制程设备重要参数进行对比分析,判断主制程设备重要参数是否异常;对产品检测数据进行对比分析,判断产品检测数据是否异常;若主制程设备重要参数和产品检测数据中任意数据异常,则确定工站数据异常。
在一些实施例中,第一判断单元402还可以用于:获取预设的主制程设备重要参数第一预设范围;判断主制程设备重要参数,是否在主制程设备重要参数第一预设范围内;若主制程设备重要参数不在主制程设备重要参数第一预设范围内,确定主制程设备重要参数异常。
在一些实施例中,第一判断单元402还可以用于:获取预设的产品检测数据第二预设范围;判断产品检测数据,是否在产品检测数据第二预设范围内;若产品检测数据不在产品检测数据第二预设范围内,确定产品检测数据异常。
在一些实施例中,第二判断单元403还可以用于:分别判断主制程设备重要参数和产品检测数据对应的异常程度,以确定工站数据的异常程度。
在一些实施例中,处理单元404还可以用于:若工站数据为轻度异常,则生成第一告警信息,且目标工站检测并调整自身对应的主制程设备重要参数;若工站数据为重度异常,则生成第二告警信息。
本申请实施例还提供一种电子设备,其集成了本申请实施例所提供的任一种设备数据采集诊断装置。如图5所示,其示出了本申请实施例所涉及的电子设备的结构示意图,具体来讲:
该电子设备可以包括一个或者一个以上处理核心的处理器501、一个或一个以上计算机可读存储介质的存储器502、电源503和输入单元504等部件。本领域技术人员可以理解,图中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器501是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器502内的软件程序和/或模块,以及调用存储在存储器502内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器501可包括一个或多个处理核心;优选的,处理器501可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器501中。
存储器502可用于存储软件程序以及模块,处理器501通过运行存储在存储器502的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器502还可以包括存储器控制器,以提供处理器501对存储器502的访问。
电子设备还包括给各个部件供电的电源503,优选的,电源503可以通过电源管理系统与处理器501逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源503还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元504,该输入单元504可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,电子设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,电子设备中的处理器501会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中,并由处理器501来运行存储在存储器502中的应用程序,从而实现各种功能,如下:
获取多个工站中目标工站在生产过程中产生的工站数据;对工站数据进行分析对比,以判断工站数据是否异常;若工站数据异常,则确定工站数据的异常程度;根据工站数据的异常程度,对目标工站进行处理,避免目标工站产生新的异常工站数据。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,计算机程序被处理器进行加载,以执行本申请实施例所提供的任一种设备数据采集诊断方法中的步骤。例如,计算机程序被处理器进行加载可以执行如下步骤:
获取多个工站中目标工站在生产过程中产生的工站数据;对工站数据进行分析对比,以判断工站数据是否异常;若工站数据异常,则确定工站数据的异常程度;根据工站数据的异常程度,对目标工站进行处理,避免目标工站产生新的异常工站数据。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种设备数据采集诊断方法、装置、服务器及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种设备数据采集诊断方法,其特征在于,应用于数据采集诊断系统,所述数据采集诊断系统用于采集多个工站的数据,所述方法包括:
获取所述多个工站中目标工站在生产过程中产生的工站数据;
对所述工站数据进行分析对比,以判断所述工站数据是否异常;
若所述工站数据异常,则确定所述工站数据的异常程度;
根据所述工站数据的异常程度,对所述目标工站进行处理,避免所述目标工站产生新的异常工站数据。
2.根据权利要求1所述的设备数据采集诊断方法,其特征在于,所述获取所述多个工站中目标工站在生产过程中产生的工站数据,包括:
以所述多个工站中任意工站为目标工站,获取所述目标工站在生产过程中设定的主制程设备重要参数;
获取所述目标工站在生产过程中产生的产品对应的产品检测数据;
所述工站数据包括所述主制程设备重要参数和所述产品检测数据。
3.根据权利要求2所述的设备数据采集诊断方法,其特征在于,所述对所述工站数据进行对比分析,以判断所述工站数据是否异常,包括:
对所述主制程设备重要参数进行对比分析,判断所述主制程设备重要参数是否异常;
对所述产品检测数据进行对比分析,判断所述产品检测数据是否异常;
若所述主制程设备重要参数和所述产品检测数据中任意数据异常,则确定所述工站数据异常。
4.根据权利要求3所述的设备数据采集诊断方法,其特征在于,所述对所述主制程设备重要参数进行对比分析,判断所述主制程设备重要参数是否异常,包括:
获取预设的主制程设备重要参数第一预设范围;
判断所述主制程设备重要参数,是否在所述主制程设备重要参数第一预设范围内;
若所述主制程设备重要参数不在所述主制程设备重要参数第一预设范围内,确定所述主制程设备重要参数异常。
5.根据权利要求3所述的设备数据采集诊断方法,其特征在于,所述对所述产品检测数据进行对比分析,判断所述产品检测数据是否异常,包括:
获取预设的产品检测数据第二预设范围;
判断所述产品检测数据,是否在所述产品检测数据第二预设范围内;
若所述产品检测数据不在所述产品检测数据第二预设范围内,确定所述产品检测数据异常。
6.根据权利要求3所述的设备数据采集诊断方法,其特征在于,所述若所述工站数据异常,则确定所述工站数据的异常程度,包括:
分别判断所述主制程设备重要参数和所述产品检测数据对应的异常程度,以确定所述工站数据的异常程度。
7.根据权利要求6所述的设备数据采集诊断方法,其特征在于,所述根据所述工站数据的异常程度,对所述目标工站进行处理,避免所述目标工站产生新的异常工站数据,包括:
若所述工站数据为轻度异常,则生成第一告警信息,且所述目标工站检测并调整自身对应的主制程设备重要参数;
若所述工站数据为重度异常,则生成第二告警信息。
8.一种设备数据采集诊断装置,其特征在于,应用于数据采集诊断系统,所述数据采集诊断系统包括多个工站,所述装置包括:
获取单元,用于获取所述多个工站中目标工站在生产过程中产生的工站数据;
第一判断单元,用于对所述工站数据进行分析对比,以确定所述工站数据是否异常;
第二判断单元,用于若所述工站数据异常,则确定所述工站数据的异常程度;
处理单元,用于根据所述工站数据的异常程度,对所述目标工站进行处理,避免所述目标工站产生新的异常工站数据。
9.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至7任一项所述的设备数据采集诊断方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至7任一项所述的设备数据采集诊断方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111576847.0A CN114265390B (zh) | 2021-12-22 | 2021-12-22 | 设备数据采集诊断方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111576847.0A CN114265390B (zh) | 2021-12-22 | 2021-12-22 | 设备数据采集诊断方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114265390A true CN114265390A (zh) | 2022-04-01 |
CN114265390B CN114265390B (zh) | 2024-02-20 |
Family
ID=80828535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111576847.0A Active CN114265390B (zh) | 2021-12-22 | 2021-12-22 | 设备数据采集诊断方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114265390B (zh) |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6332650A (ja) * | 1986-07-28 | 1988-02-12 | Hitachi Ltd | 製造設備の故障診断装置 |
JPH05253797A (ja) * | 1992-03-11 | 1993-10-05 | Hitachi Ltd | ライン異常判定方式 |
US6143512A (en) * | 1998-08-17 | 2000-11-07 | Markovic; Nenad | Cap-pap test |
CN1746909A (zh) * | 2004-09-11 | 2006-03-15 | 鸿富锦精密工业(深圳)有限公司 | 产线作业管控系统及方法 |
JP2008166644A (ja) * | 2007-01-04 | 2008-07-17 | Nec Electronics Corp | 集積回路装置異常検出装置、方法およびプログラム |
CN101309155A (zh) * | 2007-05-16 | 2008-11-19 | 鸿富锦精密工业(深圳)有限公司 | 工站作业异常警报系统及方法 |
JP2009054843A (ja) * | 2007-08-28 | 2009-03-12 | Omron Corp | プロセス異常検出装置および方法並びにプログラム |
JP2011181666A (ja) * | 2010-03-01 | 2011-09-15 | Renesas Electronics Corp | 半導体製造における装置異常の予兆検知方法およびシステム |
US20140358484A1 (en) * | 2013-05-31 | 2014-12-04 | Samsung Sds Co., Ltd. | Defect cell clustering method and apparatus thereof |
CN104781741A (zh) * | 2012-11-09 | 2015-07-15 | 株式会社东芝 | 工序监视诊断装置及工序监视诊断程序 |
JP2015152943A (ja) * | 2014-02-10 | 2015-08-24 | オムロン株式会社 | 品質管理装置及びその制御方法 |
WO2017134772A1 (ja) * | 2016-02-03 | 2017-08-10 | 東芝三菱電機産業システム株式会社 | 製造設備診断支援装置及び製造設備診断支援方法 |
US20170336775A1 (en) * | 2016-05-23 | 2017-11-23 | Renesas Electronics Corporation | Production system |
JP2018200548A (ja) * | 2017-05-26 | 2018-12-20 | 株式会社ジェイテクト | 監視システム |
CN109051104A (zh) * | 2018-06-29 | 2018-12-21 | 江苏高远智能科技有限公司 | 一种灌装机运行状态智能化检测系统和方法 |
CN110632084A (zh) * | 2019-10-23 | 2019-12-31 | 安徽富林物联网技术有限公司 | 一种基于传感器的产品质量检测系统 |
CN110687896A (zh) * | 2019-10-24 | 2020-01-14 | 利维智能(深圳)有限公司 | 故障诊断方法、装置、设备及可读介质 |
CN110908350A (zh) * | 2019-11-21 | 2020-03-24 | 深圳市华星光电半导体显示技术有限公司 | 智能设备点检系统及智能设备点检的方法 |
CN110940875A (zh) * | 2019-11-20 | 2020-03-31 | 深圳市华星光电半导体显示技术有限公司 | 设备异常检测方法、装置、存储介质及电子设备 |
CN110987493A (zh) * | 2019-11-14 | 2020-04-10 | 深圳市华星光电半导体显示技术有限公司 | 设备异常检测方法、装置、存储介质及电子设备 |
CN111461555A (zh) * | 2020-04-02 | 2020-07-28 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 一种生产线质量监测方法、装置及系统 |
JP2020170327A (ja) * | 2019-04-03 | 2020-10-15 | 株式会社豊田中央研究所 | 異常検知装置、異常検知方法、および、コンピュータプログラム |
CN212965847U (zh) * | 2020-09-11 | 2021-04-13 | 湖北网瞳物联智能技术有限公司 | 一种基于物联网的用于工业生产的监控设备 |
-
2021
- 2021-12-22 CN CN202111576847.0A patent/CN114265390B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6332650A (ja) * | 1986-07-28 | 1988-02-12 | Hitachi Ltd | 製造設備の故障診断装置 |
JPH05253797A (ja) * | 1992-03-11 | 1993-10-05 | Hitachi Ltd | ライン異常判定方式 |
US6143512A (en) * | 1998-08-17 | 2000-11-07 | Markovic; Nenad | Cap-pap test |
CN1746909A (zh) * | 2004-09-11 | 2006-03-15 | 鸿富锦精密工业(深圳)有限公司 | 产线作业管控系统及方法 |
JP2008166644A (ja) * | 2007-01-04 | 2008-07-17 | Nec Electronics Corp | 集積回路装置異常検出装置、方法およびプログラム |
CN101309155A (zh) * | 2007-05-16 | 2008-11-19 | 鸿富锦精密工业(深圳)有限公司 | 工站作业异常警报系统及方法 |
JP2009054843A (ja) * | 2007-08-28 | 2009-03-12 | Omron Corp | プロセス異常検出装置および方法並びにプログラム |
JP2011181666A (ja) * | 2010-03-01 | 2011-09-15 | Renesas Electronics Corp | 半導体製造における装置異常の予兆検知方法およびシステム |
CN104781741A (zh) * | 2012-11-09 | 2015-07-15 | 株式会社东芝 | 工序监视诊断装置及工序监视诊断程序 |
US20140358484A1 (en) * | 2013-05-31 | 2014-12-04 | Samsung Sds Co., Ltd. | Defect cell clustering method and apparatus thereof |
JP2015152943A (ja) * | 2014-02-10 | 2015-08-24 | オムロン株式会社 | 品質管理装置及びその制御方法 |
WO2017134772A1 (ja) * | 2016-02-03 | 2017-08-10 | 東芝三菱電機産業システム株式会社 | 製造設備診断支援装置及び製造設備診断支援方法 |
US20170336775A1 (en) * | 2016-05-23 | 2017-11-23 | Renesas Electronics Corporation | Production system |
JP2018200548A (ja) * | 2017-05-26 | 2018-12-20 | 株式会社ジェイテクト | 監視システム |
CN109051104A (zh) * | 2018-06-29 | 2018-12-21 | 江苏高远智能科技有限公司 | 一种灌装机运行状态智能化检测系统和方法 |
JP2020170327A (ja) * | 2019-04-03 | 2020-10-15 | 株式会社豊田中央研究所 | 異常検知装置、異常検知方法、および、コンピュータプログラム |
CN110632084A (zh) * | 2019-10-23 | 2019-12-31 | 安徽富林物联网技术有限公司 | 一种基于传感器的产品质量检测系统 |
CN110687896A (zh) * | 2019-10-24 | 2020-01-14 | 利维智能(深圳)有限公司 | 故障诊断方法、装置、设备及可读介质 |
CN110987493A (zh) * | 2019-11-14 | 2020-04-10 | 深圳市华星光电半导体显示技术有限公司 | 设备异常检测方法、装置、存储介质及电子设备 |
CN110940875A (zh) * | 2019-11-20 | 2020-03-31 | 深圳市华星光电半导体显示技术有限公司 | 设备异常检测方法、装置、存储介质及电子设备 |
CN110908350A (zh) * | 2019-11-21 | 2020-03-24 | 深圳市华星光电半导体显示技术有限公司 | 智能设备点检系统及智能设备点检的方法 |
CN111461555A (zh) * | 2020-04-02 | 2020-07-28 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 一种生产线质量监测方法、装置及系统 |
CN212965847U (zh) * | 2020-09-11 | 2021-04-13 | 湖北网瞳物联智能技术有限公司 | 一种基于物联网的用于工业生产的监控设备 |
Non-Patent Citations (3)
Title |
---|
徐志丰: "全自动生产线质量监测故障诊断系统研究", 中国优秀硕士学位论文全文数据库 信息科技辑, 15 February 2018 (2018-02-15) * |
杨晓梅;曾建潮;: "基于产品质量控制的设备维修优化模型", 运筹与管理, no. 03, 25 March 2017 (2017-03-25) * |
陈涛秀: "T公司TLX100产品生产线精益改善研究", 中国优秀硕士学位论文全文数据库 经济与管理科学, 15 February 2020 (2020-02-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN114265390B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388489B (zh) | 一种服务器故障诊断方法、系统、设备及存储介质 | |
US8656003B2 (en) | Method for controlling rack system using RMC to determine type of node based on FRU's message when status of chassis is changed | |
CN107659431A (zh) | 接口处理方法、装置、存储介质和处理器 | |
WO2019214010A1 (zh) | 一种监控设备故障的方法和装置 | |
CN103092746A (zh) | 线程异常的定位方法及系统 | |
US9336110B2 (en) | Identifying performance limiting internode data sharing on NUMA platforms | |
CN112276371B (zh) | 一种切割头随动控制系统及方法 | |
CN108599977A (zh) | 基于统计方法监控系统可用性的系统及方法 | |
CN109884533B (zh) | 电池故障的诊断方法及装置、设备及存储介质 | |
CN114265390A (zh) | 设备数据采集诊断方法、装置、服务器及存储介质 | |
CN113820105A (zh) | 激光器的功率测试方法及装置 | |
CN115190044A (zh) | 设备连接状态检查方法、装置、设备和存储介质 | |
CN115130064A (zh) | 振动数据异常检测方法、装置、设备及存储介质 | |
CN115643163A (zh) | 故障设备定位方法、装置、设备和存储介质 | |
CN109882437A (zh) | 一种风扇运行状态监控方法、系统、装置及可读存储介质 | |
CN111932706A (zh) | 信息化巡检方法、装置、存储介质及电子设备 | |
CN112527594A (zh) | 一种硬盘巡检方法、装置及系统 | |
CN113703378B (zh) | 机器运作监控方法、装置、终端设备及可读存储介质 | |
WO2023042374A1 (ja) | 閾値算出装置、及び記憶媒体 | |
WO2024040702A1 (zh) | 数控机床时间-能量效率评估与控制方法、系统及装置 | |
CN117055718B (zh) | 一种服务器功耗检测系统、方法、装置、设备和存储介质 | |
CN117407207B (zh) | 一种内存故障处理方法、装置、电子设备及存储介质 | |
CN117706261B (zh) | 一种基于电量计在常电产品健康状态的监控方法 | |
CN215642677U (zh) | 一种计算机故障报警系统 | |
CN114090382B (zh) | 超融合集群健康巡检方法和装置 |
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 |