CN115205228A - 一种液晶面板生产缺陷分布图监控分析系统 - Google Patents

一种液晶面板生产缺陷分布图监控分析系统 Download PDF

Info

Publication number
CN115205228A
CN115205228A CN202210717909.3A CN202210717909A CN115205228A CN 115205228 A CN115205228 A CN 115205228A CN 202210717909 A CN202210717909 A CN 202210717909A CN 115205228 A CN115205228 A CN 115205228A
Authority
CN
China
Prior art keywords
defect
production
liquid crystal
distribution map
crystal panel
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.)
Pending
Application number
CN202210717909.3A
Other languages
English (en)
Inventor
温志鹏
巫文豪
王文瑞
孙志岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Corelli Software Co ltd
Original Assignee
Shanghai Corelli Software Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Corelli Software Co ltd filed Critical Shanghai Corelli Software Co ltd
Priority to CN202210717909.3A priority Critical patent/CN115205228A/zh
Publication of CN115205228A publication Critical patent/CN115205228A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供一种液晶面板生产缺陷分布图监控分析系统，其特征在于，包括：基础设备单元、生产缺陷数据采集单元、缺陷分布图生成单元、图像识别单元、生产暂停管理单元；其中，基础设备单元，用于为监控分析系统提供硬件支持；生产缺陷数据采集单元，采集液晶面板产品在生产过程中的缺陷类型及缺陷点位信息；缺陷分布图生成单元，根据缺陷类型及缺陷点位信息生成对应的缺陷分布图；图像识别单元，用于对缺陷分布图进行识别，判断缺陷分布图中缺陷情况是否影响生产；生产暂停管理单元，用于在图像识别单元判断为影响生产时，指令控制生产设备暂停生产以及锁定异常产品。

Description

一种液晶面板生产缺陷分布图监控分析系统
技术领域
本发明涉及图像分析技术领域，特别涉及一种液晶面板生产缺陷分布图监控分析系统。
背景技术
液晶面板是一种设置有若干电子元器件的集成面板，这些电子元器件在液晶面板的生产流水线中通过相应的工序组装上去的。在液晶面板的生产过程中，每个工序，每个线路点位都有可能出现失误或故障，这些失误及故障会造成液晶面板产品的缺陷。由于产品缺陷关系到生产的良率，因此对一整屏液晶面板的缺陷监控是厂内良率监控的重要任务。
目前在液晶面板生产线的工序中通常都设置有产品检测机台，可以检测出液晶面板产品的缺陷类型和缺陷点位，通过缺陷检测可以知道该产品是合格品还是不合格品。但是，对于一个长期生产液晶面板的企业生产来说，仅仅做产品质检是不够的，还需要对产品的缺陷原因进一步地分析，分析出到底是哪个生产环节影响到了产品缺陷，进而有针对性的解决该生产环节的问题，从而提高产品的整体良率。然而，目前这种分析工作一般是通过专业人员捞取数据手动分析，或者通过简单数据表格统计分析，这种方式不仅费时费力，而且也存在分析时效性不强或者存在数据遗漏等问题。
发明内容
本发明是针对上述问题而进行的，目的在于提供一种液晶面板生产缺陷分布图监控分析系统。
为实现达到上述目的，本发明采用如下技术方案：
本发明提供一种液晶面板生产缺陷分布图监控分析系统，其特征在于，包括：基础设备单元、生产缺陷数据采集单元、缺陷分布图生成单元、图像识别单元、生产暂停管理单元；其中，基础设备单元，用于为监控分析系统提供硬件支持；生产缺陷数据采集单元，采集液晶面板产品在生产过程中的缺陷类型及缺陷点位信息；缺陷分布图生成单元，根据缺陷类型及缺陷点位信息生成对应的缺陷分布图；图像识别单元，用于对缺陷分布图进行识别，判断缺陷分布图中缺陷情况是否影响生产；生产暂停管理单元，用于在图像识别单元判断为影响生产时，指令控制生产设备暂停生产以及冻结异常产品。
进一步，在本发明提供的液晶面板生产缺陷分布图监控分析系统中，还可以具有这样的特征：其中，图像识别单元包括如下工作流程：步骤S1：识别缺陷分布图中是否存在缺陷点位聚集情况，当存在缺陷点位聚集情况时，则判断为影响生产；当不存在缺陷点位聚集情况时，则进入步骤S2；步骤S2：识别缺陷分布图中是否存在缺陷点位与生产机台接触点高度重合情况，当存在缺陷点位与生产机台接触点高度重合情况时，则判断为影响生产；当不存在缺陷点位与生产机台接触点高度重合情况时，则结束进程。
进一步，在本发明提供的液晶面板生产缺陷分布图监控分析系统中，还可以具有这样的特征：其中，步骤S1中，通过已训练的卷积神经网络模型识别缺陷点位是否聚集，该卷积神经网络模型按照如下步骤得到：步骤A：采用历史生产过程中的缺陷类型及缺陷点位信息作为样本数据，并根据缺陷类型及缺陷点位信息生成对应的缺陷分布图样本；步骤B：人工对每一张缺陷分布图样本进行“聚集”或“非聚集”标注；步骤C：将标注完成的所有缺陷分布图样本作为训练数据及验证数据来训练卷积神经网络模型，并观察卷积神经网络模型的正确率是否≥95％；步骤D：若卷积神经网络模型的正确率≥95％，则认为该卷积神经网络模型已经完成训练；若卷积神经网络模型的正确率＜95％，则继续收集更多的历史生产过程中的缺陷类型及缺陷点位信息添加到样本数据中，增加样本数据的容量，并重新进行步骤A至步骤C的操作。
进一步，在本发明提供的液晶面板生产缺陷分布图监控分析系统中，还可以具有这样的特征：其中，生产机台接触点数据获取单元；生产机台接触点数据获取单元用于从已有的液晶面板生产管理系统获取中生产机台接触点信息。
进一步，在本发明提供的液晶面板生产缺陷分布图监控分析系统中，还可以具有这样的特征：其中，缺陷分布图生成单元包括液晶面板图形模板存储模块、液晶面板图形区域划分模块、缺陷点位信息匹配模块、缺陷分布图显示模块；液晶面板图形模板存储模块存储有各类规格液晶面板所对应的图形模板；液晶面板图形区域划分模块用于用户自定义将液晶面板图形划分为若干块区域；缺陷点位信息匹配模块将生产缺陷数据采集单元采集的缺陷点位信息对应与液晶面板图形模板的点位坐标匹配；缺陷分布图显示模块根据缺陷点位信息匹配模块的匹配结果在已经划分为若干块区域的液晶面板图形中显示缺陷点位，从而得到缺陷分布图。
进一步，在本发明提供的液晶面板生产缺陷分布图监控分析系统中，还可以具有这样的特征：其中，缺陷分布图生成单元具有如下两种工作模式：模式一：按照每一种缺陷类型的缺陷点位信息分别生成一张缺陷分布图；模式二：所有缺陷类型的缺陷点位信息均位于同一张缺陷分布图中；缺陷分布图生成单元基于用户选择的模式进行工作。
本发明的作用和效果：
本发明的液晶面板生产缺陷分布图监控分析系统在缺陷分布图出现缺陷聚集或缺陷在特定点位高发时，可以自动暂停问题机台生产，锁定生产出来的异常货，避免异常扩大；同时，可以节省对应监控人力，降低成本。
附图说明
图1是本发明实施例中的液晶面板生产缺陷分布图监控分析系统的工作流程图；
图2是本发明实施例中训练卷积神经网络的流程图；
图3是本发明实施例中人工标注为聚集缺陷分布图的示意图；
图4是本发明实施例中人工标注为非聚集缺陷分布图的示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明的技术方案作具体阐述。
<实施例>
本实施例提供一种液晶面板生产缺陷分布图监控分析系统，其包括：基础设备单元、生产缺陷数据采集单元、缺陷分布图生成单元、图像识别单元、生产暂停管理单元、生产机台接触点数据获取单元。该液晶面板生产缺陷分布图监控分析系统接入已有的液晶面板生产管理系统，用于获取液晶面板生产管理系统中的生产相关数据。
基础设备单元用于为监控分析系统提供硬件支持，包括数据连接线路、数据串口、服务器等。生产缺陷数据采集单元、缺陷分布图生成单元、图像识别单元、生产暂停管理单元和生产机台接触点数据获取单元均为通过计算机程序运行的逻辑功能单元。
生产缺陷数据采集单元用于采集液晶面板产品在生产过程中的缺陷类型及缺陷点位信息。生产机台接触点数据获取单元用于从已有的液晶面板生产管理系统获取中生产机台接触点信息。
缺陷分布图生成单元根据缺陷类型及缺陷点位信息生成对应的缺陷分布图。缺陷分布图生成单元包括液晶面板图形模板存储模块、液晶面板图形区域划分模块、缺陷点位信息匹配模块、缺陷分布图显示模块。
液晶面板图形模板存储模块存储有各类规格液晶面板所对应的图形模板。工厂有各种不同规格的液晶面板，每种规格的液晶面板对应一种图形模板，例如，图3示意了一种规格的液晶面板图形，图4示意了另一种规格液晶面板图形。
液晶面板图形区域划分模块用于用户自定义将液晶面板图形划分为若干块区域。划分块状区域后可以直观快速的观察到缺陷位于液晶面板的大致位置。例如，图3将液晶面板图形划分为3行×2列共六个面积不等的区域，图4将液晶面板图形划分2行×3列共六个面积相等的区域。
缺陷点位信息匹配模块将生产缺陷数据采集单元采集的缺陷点位信息对应与液晶面板图形模板的点位坐标匹配。
缺陷分布图显示模块根据缺陷点位信息匹配模块的匹配结果在已经划分为若干块区域的液晶面板图形中显示缺陷点位，从而得到缺陷分布图。例如，图3示意了一张缺陷分布图，图4示意了另一张缺陷分布图。缺陷分布图显示模块具有如下两种模式：模式一：按照每一种缺陷类型的缺陷点位信息分别生成一张缺陷分布图；模式二：所有缺陷类型的缺陷点位信息均位于同一张缺陷分布图中。缺陷分布图显示模块基于用户选择的模式进行工作。
图像识别单元用于对缺陷分布图进行识别，判断缺陷分布图中缺陷情况是否影响生产。图像识别单元包括如下工作流程：步骤S1：识别缺陷分布图中是否存在缺陷点位聚集情况，当存在缺陷点位聚集情况时，则判断为影响生产；当不存在缺陷点位聚集情况时，则进入步骤S2。步骤S2：识别缺陷分布图中是否存在缺陷点位与生产机台接触点高度重合情况，当存在缺陷点位与生产机台接触点高度重合情况时，则判断为影响生产；当不存在缺陷点位与生产机台接触点高度重合情况时，则结束进程。步骤S2中判断高度重合的偏差标准由用户自定义。
参阅图2，上述步骤S1中通过已训练的卷积神经网络模型识别缺陷点位是否聚集，所使用的卷积神经网络模型按照如下步骤得到：
步骤A：采用历史生产过程中的缺陷类型及缺陷点位信息作为样本数据，并根据缺陷类型及缺陷点位信息生成对应的缺陷分布图样本；
步骤B：人工对每一张缺陷分布图样本进行“聚集”或“非聚集”标注。
步骤C：将标注完成的所有缺陷分布图样本作为训练数据及验证数据来训练卷积神经网络模型，并观察卷积神经网络模型的正确率是否≥95％。
步骤D：若卷积神经网络模型的正确率≥95％，则认为该卷积神经网络模型已经完成训练；若卷积神经网络模型的正确率＜95％，则继续收集更多的历史生产过程中的缺陷类型及缺陷点位信息添加到样本数据中，增加样本数据的容量，并重新进行步骤A至步骤C的操作。
生产暂停管理单元用于在图像识别单元判断为影响生产时，指令控制对应的生产设备暂停生产以及冻结异常产品。具体而言，生产暂停管理单元基于生产机台接触点信息与缺陷点位的对应关系，确认问题机台为具体哪个机台，当判断为影响生产时，生产暂停管理单元发送暂停指令自动暂停问题机台的生产，同时，生产暂停管理单元发送暂停指令到传送设备锁定生产出来的异常货。
参阅图1，本实施例的液晶面板生产缺陷分布图监控分析系统的工作流程如图1所示。该监控分析系统在生产出现缺陷分布图聚集或特定点位缺陷高发时，自动暂停问题机台生产，锁定生产出来的异常货，避免异常扩大；同时，可以节省对应监控人力，降低成本。
上述实施例仅为本发明的优选实施例，并不用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (6)

1.一种液晶面板生产缺陷分布图监控分析系统，其特征在于，包括：基础设备单元、生产缺陷数据采集单元、缺陷分布图生成单元、图像识别单元、生产暂停管理单元；
其中，所述基础设备单元，用于为监控分析系统提供硬件支持；
所述生产缺陷数据采集单元，采集液晶面板产品在生产过程中的缺陷类型及缺陷点位信息；
所述缺陷分布图生成单元，根据缺陷类型及缺陷点位信息生成对应的缺陷分布图；
所述图像识别单元，用于对缺陷分布图进行识别，判断缺陷分布图中缺陷情况是否影响生产；
所述生产暂停管理单元，用于在所述图像识别单元判断为影响生产时，指令控制生产设备暂停生产以及冻结异常产品。
2.如权利要求1所述的液晶面板生产缺陷分布图监控分析系统，其特征在于：
其中，所述图像识别单元包括如下工作流程：
步骤S1：识别缺陷分布图中是否存在缺陷点位聚集情况，当存在缺陷点位聚集情况时，则判断为影响生产；当不存在缺陷点位聚集情况时，则进入步骤S2；
步骤S2：识别缺陷分布图中是否存在缺陷点位与生产机台接触点高度重合情况，当存在缺陷点位与生产机台接触点高度重合情况时，则判断为影响生产；当不存在缺陷点位与生产机台接触点高度重合情况时，则结束进程。
3.如权利要求2所述的液晶面板生产缺陷分布图监控分析系统，其特征在于：
其中，步骤S1中，通过已训练的卷积神经网络模型识别缺陷点位是否聚集，该卷积神经网络模型按照如下步骤得到：
步骤A：采用历史生产过程中的缺陷类型及缺陷点位信息作为样本数据，并根据缺陷类型及缺陷点位信息生成对应的缺陷分布图样本；
步骤B：人工对每一张缺陷分布图样本进行“聚集”或“非聚集”标注；
步骤C：将标注完成的所有缺陷分布图样本作为训练数据及验证数据来训练卷积神经网络模型，并观察卷积神经网络模型的正确率是否≥95％；
步骤D：若卷积神经网络模型的正确率≥95％，则认为该卷积神经网络模型已经完成训练；若卷积神经网络模型的正确率＜95％，则继续收集更多的历史生产过程中的缺陷类型及缺陷点位信息添加到样本数据中，增加样本数据的容量，并重新进行步骤A至步骤C的操作。
4.如权利要求2所述的液晶面板生产缺陷分布图监控分析系统，其特征在于，还包括：生产机台接触点数据获取单元；
所述生产机台接触点数据获取单元用于从已有的液晶面板生产管理系统获取中生产机台接触点信息。
5.如权利要求1所述的液晶面板生产缺陷分布图监控分析系统，其特征在于：
其中，所述缺陷分布图生成单元包括液晶面板图形模板存储模块、液晶面板图形区域划分模块、缺陷点位信息匹配模块、缺陷分布图显示模块；
所述液晶面板图形模板存储模块存储有各类规格液晶面板所对应的图形模板；
所述液晶面板图形区域划分模块用于用户自定义将液晶面板图形划分为若干块区域；
所述缺陷点位信息匹配模块将所述生产缺陷数据采集单元采集的缺陷点位信息对应与所述液晶面板图形模板的点位坐标匹配；
所述缺陷分布图显示模块根据所述缺陷点位信息匹配模块的匹配结果在已经划分为若干块区域的液晶面板图形中显示缺陷点位，从而得到所述缺陷分布图。
6.如权利要求1所述的液晶面板生产缺陷分布图监控分析系统，其特征在于：
其中，所述缺陷分布图生成单元具有如下两种工作模式：
模式一：按照每一种缺陷类型的缺陷点位信息分别生成一张缺陷分布图；
模式二：所有缺陷类型的缺陷点位信息均位于同一张缺陷分布图中；
所述缺陷分布图生成单元基于用户选择的模式进行工作。
CN202210717909.3A 2022-06-21 2022-06-21 一种液晶面板生产缺陷分布图监控分析系统 Pending CN115205228A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210717909.3A CN115205228A (zh) 2022-06-21 2022-06-21 一种液晶面板生产缺陷分布图监控分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210717909.3A CN115205228A (zh) 2022-06-21 2022-06-21 一种液晶面板生产缺陷分布图监控分析系统

Publications (1)

Publication Number Publication Date
CN115205228A true CN115205228A (zh) 2022-10-18

Family

ID=83577712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210717909.3A Pending CN115205228A (zh) 2022-06-21 2022-06-21 一种液晶面板生产缺陷分布图监控分析系统

Country Status (1)

Country Link
CN (1) CN115205228A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173174A (zh) * 2023-11-02 2023-12-05 合肥喆塔科技有限公司 液晶面板缺陷聚集模式识别方法、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173174A (zh) * 2023-11-02 2023-12-05 合肥喆塔科技有限公司 液晶面板缺陷聚集模式识别方法、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109711659B (zh) 一种工业生产的良率提升管理系统和方法
US10423669B2 (en) Manufacturing process visualization apparatus and method
CN114219799A (zh) 一种智能制造用次品分析方法及系统
CN113888480A (zh) 一种基于mes的质量追溯方法和系统
CN114519524A (zh) 基于知识图谱的企业风险预警方法、装置及存储介质
CN113988790B (zh) 一种隧道、桥梁、路基综合进度管理系统
CN115205228A (zh) 一种液晶面板生产缺陷分布图监控分析系统
CN116991738A (zh) 一种计算机软件测试系统、方法、计算机设备及存储介质
CN103913150B (zh) 智能电能表电子元器件一致性检测方法
CN114926051A (zh) 一种用于评估半导体设备制造产能的分析系统
CN117723739B (zh) 一种低碳润滑油的质量分析方法及系统
CN116840240A (zh) 电源分配器视觉检测系统
CN117010549A (zh) 基于大数据管理体系的信息溯源方法及终端
CN116308070A (zh) 一种次品收集管理的方法及相关设备
CN114240211A (zh) 一种智能生产管理系统及管理方法
CN109592525A (zh) 电梯变频器故障诊断系统及方法
CN112702905B (zh) 印刷电路板良率和生产设备错误率之回溯方法及其系统
CN110363374B (zh) 一种不合格产品影响因素的定量分析方法
CN113919799B (zh) 一种云管理平台审计控制器集群数据的方法及系统
CN113671904B (zh) 机台监测方法、装置、机台、可读存储介质及终端设备
CN113177452B (zh) 一种基于图像处理与射频技术的封样方法及装置
US20240185189A1 (en) Method for ordering the vehicles of a fleet of vehicles according to a maintenance need; associated computer program and computer system
US11983003B2 (en) Production efficiency improvement support system
CN117058113A (zh) 计量设备的异常检测方法、装置、存储介质及计算机设备
JPH0927531A (ja) 歩留まり統計解析方法および装置

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