CN115982541B - 一种基于大数据的挖掘机工况占比统计方法 - Google Patents
一种基于大数据的挖掘机工况占比统计方法 Download PDFInfo
- Publication number
- CN115982541B CN115982541B CN202310066216.7A CN202310066216A CN115982541B CN 115982541 B CN115982541 B CN 115982541B CN 202310066216 A CN202310066216 A CN 202310066216A CN 115982541 B CN115982541 B CN 115982541B
- Authority
- CN
- China
- Prior art keywords
- working condition
- torque
- excavator
- sample
- maximum
- 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.)
- Active
Links
- 238000007619 statistical method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000015654 memory Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- Operation Control Of Excavators (AREA)
Abstract
本发明公开了一种基于大数据的挖掘机工况占比统计方法:基于CAN总线采集挖掘机实时运行数据;对每隔Δt时间的实时运行数据进行工况识别,识别样本时长为t1;识别结果发送至总服务器;云平台对总服务器中的识别结果进行统计处理,生成每种挖掘机机型在不同地区和不同时间的各个工况占比。本发明充分利用CAN总线的发动机转速、扭矩及破碎、行走、回转的先导数据,依靠逻辑判断及密度计算进行挖掘机的整机工况识别,提高了该方法的适用性、实时性,通过GPS发送至总服务器,在云平台进行数据处理,生成客户画像。客户画像有助于设计人员了解不同客户需求,确定产品功能设计,不断迭代调整产品;有助于市场人员针对不同客户,确定营销内容和营销策略。
Description
技术领域
本发明涉及一种基于大数据的挖掘机工况占比统计方法,属于工程机械领域。
背景技术
挖掘机作为一种典型的工程机械,被广泛应用到多种工况中,如挖掘、装载、平地、行走、破碎等。而同一吨位的挖掘机,使用工况不同,会导致整机寿命相差很大。客户画像的意义在于挖掘客户的群体特征,预测客户的真实需求,发现潜在的客户群体,协助企业充分认识不同客户群的特点,精准化设计、服务和营销,从而全面提升客户体验和企业的核心竞争力。
现有的对整机使用工况的统计方法有:采用走访、电话调研等方法进行调查;采集主泵压力信号,以主泵压力作为识别整机使用工况的依据。
采用走访、电话调研等方法统计整机使用工况,存在样本量有限、数据真实性难以保证等缺点;以主泵压力作为识别整机使用工况的依据,存在主泵压力波动大、识别度低等缺点。
发明内容
本发明提供了一种基于大数据的挖掘机工况占比统计方法,解决了背景技术中披露的问题。
为了解决上述技术问题,本发明所采用的技术方案是:一种基于大数据的挖掘机工况占比统计方法:
基于CAN总线采集挖掘机实时运行数据;
对每隔Δt时间的实时运行数据进行工况识别,识别样本时长为t1;
识别结果发送至总服务器;
云平台对总服务器中的识别结果进行统计处理,生成每种挖掘机机型在不同地区和不同时间的各个工况占比。
进一步地,所述实时运行数据包括:发动机转速、扭矩及破碎、行走、回转的先导信号。
进一步地,所述工况识别方法为:
当t1样本中有破碎先导信号时,判定为破碎工况;否则检测t1样本中是否有行走先导信号,当t1样本中有行走先导信号时,判定为行走工况;否则检测t1样本中是否有回转先导信号,当t1样本中有回转先导信号时,计算t1样本发动机扭矩数据的最大扭矩及密度最大处扭矩,计算密度最大处扭矩除以最大扭矩的百分比,当该百分比大于70%时,判定为装载工况,否则判定为其它工况;当t1样本中没有破碎、行走、回转的先导信号时,计算t1样本密度最大处扭矩除以最大扭矩的百分比,当该百分比大于70%时,判定为挖掘工况,当该百分比小于70%大于40%时,判定为平地工况,否则判定为其它工况。
进一步地,计算t1样本发动机扭矩数据的最大扭矩及密度最大处扭矩的方法为:将t1样本中,随时间变化的扭矩记为N(t),转速记为r(t),样本的总个数记为T;
最大扭矩Nmax的公式为:Nmax=max(N(t));
最小扭矩Nmin的公式为:Nmin=min(N(t));
最大转速rmax的公式为:rmax=max(r(t));
最小转速rmin的公式为:rmin=min(r(t))。
以转速为横坐标,扭矩为纵坐标,从最小转速rmin及最小扭矩Nmin起,转速、扭矩分别以1递增的每个区间记为q(ij),直到最大转速及最大扭矩;区间q(ij)的转速为r(min+i),扭矩为N(min+j);计算每个区间q(ij)的坐标个数记为w(ij),计算每个区间的密度d(ij),即d(ij)=w(ij)/T,计算最大密度dmax,即dmax=max(d(ij)),将密度等于最大密度的区间记为q(ab),则最大密度处扭矩mN的公式为:mN=N(min+b)。
进一步地,还包括对挖掘机各个工况进行数据标签。
进一步地,识别结果通过GPS发送至总服务器的时间间隔为t2,t2为Δt+t1的倍数。
进一步地,工况占比的计算公式为:
其中,x1为工况1的个数,为某挖掘机机型在某地区、某天的总工况个数。
相应地,一种存储一个或多个程序的计算机可读存储介质:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据上述的方法中的任一方法。
相应地,一种计算设备,包括:
一个或多个处理器、一个或多个存储器以及一个或多个程序,其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据上述的方法中的任一方法的指令。
本发明所达到的有益效果:
本发明充分利用CAN总线采集发动机转速、扭矩及破碎、行走、回转的先导数据,依靠逻辑判断及密度计算进行挖掘机的整机工况识别,提高了该方法的适用性、实时性,通过GPS发送至总服务器,在云平台进行数据处理,生成挖掘机工况占比。有助于设计人员了解不同客户需求,确定产品功能设计,不断迭代调整产品;也有助于市场人员针对不同客户,确定营销内容和营销策略。
附图说明
图1为本发明流程示意图;
图2为本发明中工况识别方法的流程示意图。
图3为本发明工况占比统计流程示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,本发明一种基于大数据的挖掘机工况占比统计方法:
基于CAN总线采集挖掘机实时运行数据;
根据每台挖掘机的实时运行数据,进行瞬态工况识别;将识别结果通过终端发送至总服务器;云平台进行数据处理,生成挖掘机各个工况占比;
其中,挖掘机的实时运行数据为发动机转速、扭矩及破碎、行走、回转的先导信号;也可根据实际情况选择采集其它变量如主泵压力等作为输入。
对每隔Δt时间的实时运行数据进行工况识别,识别样本时长为t1。间隔Δt的目的是根据客户实际使用情况,以概率进行统计,避免大量计算。
工况识别方法为:当t1样本中有破碎先导信号时,判定为破碎工况;否则检测t1样本中是否有行走先导信号,当t1样本中有行走先导信号时,判定为行走工况;否则检测t1样本中是否有回转先导信号,当t1样本中有回转先导信号时,计算t1样本发动机扭矩数据的最大扭矩及密度最大处扭矩,计算密度最大处扭矩除以最大扭矩的百分比,当该百分比大于70%时,判定为装载工况,否则判定为其它工况;当t1样本中没有破碎、行走、回转的先导信号时,计算t1样本密度最大处扭矩除以最大扭矩的百分比,当该百分比大于70%时,判定为挖掘工况,当该百分比小于70%大于40%时,判定为平地工况,否则判定为其它工况。
计算t1样本发动机扭矩数据的最大扭矩及密度最大处扭矩的方法为:将t1样本中,随时间变化的扭矩记为N(t),转速记为r(t),样本的总个数记为T;最大扭矩Nmax的公式为:Nmax=max(N(t));
最小扭矩Nmin的公式为:Nmin=min(N(t));
最大转速rmax的公式为:rmax=max(r(t));
最小转速rmin的公式为:rmin=min(r(t))。
以转速为横坐标,扭矩为纵坐标,从最小转速rmin及最小扭矩Nmin起,转速、扭矩分别以1递增的每个区间记为q(ij),直到最大转速及最大扭矩;区间q(ij)的转速为r(min+i),扭矩为N(min+j);计算每个区间q(ij)的坐标个数记为w(ij),计算每个区间的密度d(ij),即d(ij)=w(ij)/T,计算最大密度dmax,即dmax=max(d(ij)),将密度等于最大密度的区间记为q(ab),则最大密度处扭矩mN的公式为:mN=N(min+b)。
计算密度最大处扭矩除以最大扭矩的百分比避免了同一机型不同档位对工况特征的影响,以及同一工况不同操作顺序对工况特征的影响,即该计算方法不受数值大小及先后顺序影响。
优选对挖掘机各工况进行数据标签,数据标签包括挖掘机的5种工况:挖掘、装车、平地、行走、破碎,记为1、2、3、4、5。
将每台挖掘机每隔t2(Δt+t1的倍数)时间的识别结果通过GPS发送至总服务器,即每台挖掘机每次发送t2/(Δt+t1)个数据,每天发送1440/(Δt+t1)个数据。总服务器中的数据包括客户、机型、车号、地区、日期、时长、工况,其中,时长为Δt+t1。
云平台数据处理:对总服务器中的数据进行统计处理,计算每个机型在不同地区、时间(天/月/年)等的工况比例分布。以某个机型在某地区、某天的工况1的占比为例,计算公式如下:
其中,x1为工况1的个数,为某机型在某地区、某天的总工况个数。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行一种基于大数据的挖掘机工况占比统计方法。
一种计算设备,包括一个或多个处理器、一个或多个存储器以及一个或多个程序,其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行一种基于大数据的挖掘机工况占比统计方法的指令。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (7)
1.一种基于大数据的挖掘机工况占比统计方法,其特征在于:
基于CAN总线采集挖掘机实时运行数据;
对每隔时间的实时运行数据进行工况识别,识别样本时长为t1;
识别结果发送至总服务器;
云平台对总服务器中的识别结果进行统计处理,生成每种挖掘机机型在不同地区和不同时间的各个工况占比;
所述实时运行数据包括:发动机转速、扭矩及破碎、行走、回转的先导信号;
所述工况识别方法为:
当t1样本中有破碎先导信号时,判定为破碎工况;否则检测t1样本中是否有行走先导信号,当t1样本中有行走先导信号时,判定为行走工况;否则检测t1样本中是否有回转先导信号,当t1样本中有回转先导信号时,计算t1样本发动机扭矩数据的最大扭矩及密度最大处扭矩,计算密度最大处扭矩除以最大扭矩的百分比,当该百分比大于70%时,判定为装载工况,否则判定为其它工况;当t1样本中没有破碎、行走、回转的先导信号时,计算t1样本密度最大处扭矩除以最大扭矩的百分比,当该百分比大于70%时,判定为挖掘工况,当该百分比小于70%大于40%时,判定为平地工况,否则判定为其它工况。
2.根据权利要求1所述一种基于大数据的挖掘机工况占比统计方法,其特征在于,计算t1样本发动机扭矩数据的最大扭矩及密度最大处扭矩的方法为:将t1样本中,随时间变化的扭矩记为N(t),转速记为r(t),样本的总个数记为T;
最大扭矩Nmax的公式为:;
最小扭矩Nmin的公式为:;
最大转速rmax的公式为:;
最小转速rmin的公式为:;
以转速为横坐标,扭矩为纵坐标,从最小转速rmin及最小扭矩Nmin起,转速、扭矩分别以1递增的每个区间记为q(ij),直到最大转速及最大扭矩;区间q(ij)的转速为r(min+i),扭矩为N(min+j);计算每个区间q(ij)的坐标个数记为w(ij),计算每个区间的密度d(ij),即T,计算最大密度dmax,即/>,将密度等于最大密度的区间记为q(ab),则最大密度处扭矩mN的公式为:m/>。
3.根据权利要求1所述一种基于大数据的挖掘机工况占比统计方法,其特征在于:还包括对挖掘机各个工况进行数据标签。
4.根据权利要求1所述一种基于大数据的挖掘机工况占比统计方法,其特征在于:识别结果通过GPS发送至总服务器的时间间隔为t2,t2为+t1的倍数。
5.根据权利要求1所述一种基于大数据的挖掘机工况占比统计方法,其特征在于:工况占比的计算公式为:
%
其中,为工况1的个数,/>为某挖掘机机型在某地区、某天的总工况个数。
6.一种存储一个或多个程序的计算机可读存储介质,其特征在于:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至5所述的方法中的任一方法。
7.一种计算设备,其特征在于,包括:
一个或多个处理器、一个或多个存储器以及一个或多个程序,其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至5所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310066216.7A CN115982541B (zh) | 2023-01-16 | 2023-01-16 | 一种基于大数据的挖掘机工况占比统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310066216.7A CN115982541B (zh) | 2023-01-16 | 2023-01-16 | 一种基于大数据的挖掘机工况占比统计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115982541A CN115982541A (zh) | 2023-04-18 |
CN115982541B true CN115982541B (zh) | 2023-09-29 |
Family
ID=85963046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310066216.7A Active CN115982541B (zh) | 2023-01-16 | 2023-01-16 | 一种基于大数据的挖掘机工况占比统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115982541B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102912817A (zh) * | 2012-11-19 | 2013-02-06 | 中联重科股份有限公司渭南分公司 | 挖掘机及其控制方法和控制装置 |
CN109594606A (zh) * | 2018-12-05 | 2019-04-09 | 徐州徐工挖掘机械有限公司 | 一种适用于挖掘机的破碎工况识别方法 |
CN110674182A (zh) * | 2019-08-08 | 2020-01-10 | 厦门久凌创新科技有限公司 | 大数据的分析方法、及数据分析服务器 |
CN111724505A (zh) * | 2020-06-24 | 2020-09-29 | 北汽福田汽车股份有限公司 | 一种行驶工况构建方法及装置 |
CN113502870A (zh) * | 2021-07-15 | 2021-10-15 | 上海三一重机股份有限公司 | 挖掘机工况判定方法及装置 |
CN113778051A (zh) * | 2021-08-20 | 2021-12-10 | 徐州徐工挖掘机械有限公司 | 一种挖掘机参数调试系统及方法 |
CN114164878A (zh) * | 2021-11-10 | 2022-03-11 | 中联重科土方机械有限公司 | 用于工况识别的方法、处理器、系统及挖掘机 |
CN114781533A (zh) * | 2022-04-28 | 2022-07-22 | 三一重机有限公司 | 工况识别方法、系统及作业机械 |
CN115169403A (zh) * | 2022-07-11 | 2022-10-11 | 中联重科股份有限公司 | 用于识别机械设备作业模式的方法及装置 |
-
2023
- 2023-01-16 CN CN202310066216.7A patent/CN115982541B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102912817A (zh) * | 2012-11-19 | 2013-02-06 | 中联重科股份有限公司渭南分公司 | 挖掘机及其控制方法和控制装置 |
CN109594606A (zh) * | 2018-12-05 | 2019-04-09 | 徐州徐工挖掘机械有限公司 | 一种适用于挖掘机的破碎工况识别方法 |
CN110674182A (zh) * | 2019-08-08 | 2020-01-10 | 厦门久凌创新科技有限公司 | 大数据的分析方法、及数据分析服务器 |
CN111724505A (zh) * | 2020-06-24 | 2020-09-29 | 北汽福田汽车股份有限公司 | 一种行驶工况构建方法及装置 |
CN113502870A (zh) * | 2021-07-15 | 2021-10-15 | 上海三一重机股份有限公司 | 挖掘机工况判定方法及装置 |
CN113778051A (zh) * | 2021-08-20 | 2021-12-10 | 徐州徐工挖掘机械有限公司 | 一种挖掘机参数调试系统及方法 |
CN114164878A (zh) * | 2021-11-10 | 2022-03-11 | 中联重科土方机械有限公司 | 用于工况识别的方法、处理器、系统及挖掘机 |
CN114781533A (zh) * | 2022-04-28 | 2022-07-22 | 三一重机有限公司 | 工况识别方法、系统及作业机械 |
CN115169403A (zh) * | 2022-07-11 | 2022-10-11 | 中联重科股份有限公司 | 用于识别机械设备作业模式的方法及装置 |
Non-Patent Citations (1)
Title |
---|
微信挖掘机行走性能影响因素分析;董玉忠;《工程机械》;43-46 * |
Also Published As
Publication number | Publication date |
---|---|
CN115982541A (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110602105B (zh) | 一种基于k-means的大规模并行化网络入侵检测方法 | |
CN112559831A (zh) | 链路监控方法、装置、计算机设备及介质 | |
CN110609853B (zh) | 一种干线常发拥堵传播规律挖掘方法及装置 | |
CN111400155A (zh) | 一种数据检测方法及装置 | |
CN115982541B (zh) | 一种基于大数据的挖掘机工况占比统计方法 | |
CN102982048A (zh) | 一种用于评估垃圾信息挖掘规则的方法与设备 | |
CN113541923A (zh) | 一种多方安全计算的计算任务调整方法、装置及电子设备 | |
CN110941536B (zh) | 监控方法及系统、第一服务器集群 | |
CN110232525B (zh) | 一种企业风险获取方法、装置、服务器及存储介质 | |
CN111209158B (zh) | 服务器集群的挖矿监控方法及集群监控系统 | |
CN114331688A (zh) | 一种银行柜面系统业务批量运行状态检测方法及装置 | |
CN114021031A (zh) | 理财产品信息推送方法及装置 | |
CN113348473A (zh) | 管理人工智能模块的安装基础 | |
CN118296231A (zh) | 一种基于用户行为的消息推送方法、装置、设备及介质 | |
CN112529993B (zh) | 基于Unity的撒点图标优化方法及存储介质 | |
CN113723775B (zh) | 一种基于电力大数据的企业及行业运营风险的评估方法 | |
CN113448992B (zh) | 分布式系统中基于统计数据预测交易异常的方法及装置 | |
US11783394B2 (en) | Automated product update analysis and management | |
CN112528115B (zh) | 网站监测方法及装置 | |
CN118013426B (zh) | 钢铁产品夹杂因果效应优化方法、系统、电子设备及介质 | |
WO2021164028A1 (en) | Method and apparatus for filling missing industrial longitudinal data | |
CN113592432A (zh) | 工单判重方法、装置、电子设备及存储介质 | |
CN111966676A (zh) | 一种居民用电数据挖掘中应用贝叶斯估计补充缺失值的方法 | |
CN117078388A (zh) | 一种金融用户的风险程度确定方法、装置、设备及介质 | |
CN115577914A (zh) | 一种露天矿作业区车流异常监测方法及系统 |
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 |