KR19980032590A - 산업 프로세스의 미리 공지되지 않은 파라메터를 사전 계산하기위한 방법 및 장치 - Google Patents
산업 프로세스의 미리 공지되지 않은 파라메터를 사전 계산하기위한 방법 및 장치 Download PDFInfo
- Publication number
- KR19980032590A KR19980032590A KR1019970051298A KR19970051298A KR19980032590A KR 19980032590 A KR19980032590 A KR 19980032590A KR 1019970051298 A KR1019970051298 A KR 1019970051298A KR 19970051298 A KR19970051298 A KR 19970051298A KR 19980032590 A KR19980032590 A KR 19980032590A
- Authority
- KR
- South Korea
- Prior art keywords
- model
- process model
- parameters
- specialized
- parameter
- Prior art date
Links
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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
본 발명은 특히 급변동하는 파라메터를 가진 산업 프로세스, 특히 기본 재료 산업 설비의 미리 공지되지 않은 파라메터를 사전 계산하기 위한 방법에 있어서, 사전 계산되는, 미리 공지되지 않은 파라메터가 프로세스 모델에 의해 프로세스의 미리 공지된 파라메터에 따라 결정되며, 상기 프로세스 모델은 프로세스의 시간적으로 평균화된 상태를 나타내는 적어도 하나의 글로벌 프로세스 모델, 및 미리 공지된 파라메터에 의해 결정된 특정 작동상태 또는 작동점에 대한 프로세스의 상태를 나타내는 적어도 하나의 특수화된 프로세스 모델을 포함한다.
Description
본 발명은 산업 프로세스, 특히 기본 재료 산업 설비의 미리 공지되지 않은 파라메터를 사전 계산하기 위한 방법 및 장치에 관한 것이다.
산업 프로세스, 예컨대 제강소와 같은 기본 재료 산업 설비의 조정 및 제어시, 특정 프로세스 파라메터 또는 상태를 미리 결정할 필요가 종종 있는데, 그 이유는 그것들이 조정 또는 제어에 사용되는 시점에서 이용될 수 없기 때문이다.
프로세스 파라메터를 모델에 의해 식별하는 것은 공지되어 있다. 이 경우, 입력값, 또는 식별될 프로세스 파라메터에 중요한 입력값이 일반적으로 간소화된 프로세스 모델에 공급된다. 그러나, 이러한 공지된 방법은 기본 재료 산업 설비에서 종종 문제를 일으킨다. 기본 재료 산업 설비, 특히 제강소에서 식별시 에러 또는 정확도 결핍은 불량품으로 인한 큰 비용을 발생시킨다. 이것은 특히 기본 재료 산업 설비에서, 특히 제강소에서 작동 상태가 급변동함으로써 프로세스 모델이 새로운 입력값에 적응하기 위해 필요한 시간 동안에 불충분한 품질의 제품이 만들어짐으로써, 촉진된다. 이러한 문제는 특히 새로운 재료로 이루어진 또는 선행 스트립과는 다른 두께를 가진 새로운 스트립의 롤링에 의해 작동 상태가 급변동하는 롤링기에 관련된다. 특히 롤링시 중요한 조정값 또는 제어값, 예컨대 롤링력은 나중에 상응하는 제어 또는 조정을 위해 측정값으로서 이용될 수 있다.
본 발명의 목적은 산업 프로세스의 미리 공지되지 않은 파라메터를 미리 매우 정확하게 검출할 수 있는 방법 및 장치를 제공하는 것이다. 이 경우, 파라메터의 검출이 변동하는 작동 상태 또는 상응하는 프로세스의 작동점에 신속히 적응될 수 있는 것이 바람직하다. 여기서, 파라메터는 상태 변수 또는 프로세스 파라메터를 의미한다.
도 1은 미리 공지되지 않은 파라메터를 사전 계산하기 위한 본 발명에 따른 방법을 나타내는 개략도.
도 2는 사전 계산과 적응 사이의 상호 작용을 나타내는 개략도.
* 도면의 주요 부분에 대한 부호의 설명 *
1, 10: 미리 공지된 파라메터 2: 제어 변수
3, 12: 미리 공지되지 않은 파라메터 4: 분류기
5: 글로벌 프로세스 모델 6: 특수화된 프로세스 모델
11: 모델
13: 측정된, 미리 공지되지 않은 파라메터
14: 사전 계산된, 미리 공지되지 않은 파라메터
15: 사전 계산 16: 적응
상기 목적은 본 발명에 따라 특히 급변동하는 파라메터를 가진 산업 프로세스, 특히 기본 재료 산업 설비의 미리 공지되지 않은 파라메터를 사전 계산하기 위한 방법 및 장치에 있어서, 사전 계산되는, 미리 공지되지 않은 파라메터가 프로세스 모델을 이용해서 프로세스의 미리 공지된 파라메터에 따라 결정되며, 상기 프로세스 모델은 프로세스의 시간적으로 평균화된 상태를 나타내는 적어도 하나의 글로벌 프로세스 모델, 및 미리 공지된 파라메터에 의해 결정된 특정 작동상태 또는 작동점에 대한 프로세스의 상태를 나타내는 적어도 하나의 특수화된 프로세스 모델을 포함하는 것을 특징으로 하는 방법 및 장치에 의해 달성된다. 이 경우, 바람직하게는 미리 공지되지 않은 파라메터를 사전 계산하기 위한 모델, 즉 글로벌 모델 또는 특수화된 모델이 미리 공지된 파라메터 또는 미리 공지된 파라메터의 일부에 따라 선택된다. 특정 작동상태에서 상응하는 작동 상태에 대해 특수화된 모델로의 이러한 전환에 의해, 미리 공지되지 않은 파라메터가 매우 정확하게 사전 계산될 수 있다. 이러한 조치는 실제 프로세스에 대한 프로세스 모델의 온-라인 적응과 관련해서 증명되었다. 상응하는 프로세스를 시간적 평균값으로 나타내는 글로벌 프로세스 모델이 작동 상태에 대한 미리 공지되지 않은 프로세스 파라메터를 사전 계산하기 위해 사용되면, 경우에 따라 이러한 작동 상태에 대한 미리 공지되지 않은 파라메터의 불충분한 사전 계산이 이루어진다. 상응하는 글로벌 프로세스 모델이 새로운 작동 상태에 적응되면, 이 모델은 후속하는 작동상태에 대해 미리 공지되지 않은 파라메터의 불충분한 사전 계산을 제공한다. 이러한 경우에는 바람직하게는 상응하는 작동 상태 또는 작동점에 대해 특수하게 적응된 특수화된 프로세스 모델이 미리 공지되지 않은 파라메터의 사전 계산을 위해 사용된다.
본 발명의 또다른 바람직한 실시예에서는 특정 작동 상태 및 작동점에 대한 특수화된 프로세스 모델이 비블리오텍 또는 데이터 뱅크의 형태로 저장된다.
본 발명의 또다른 바람직한 실시예에서는 특정 상태에서 글로벌 프로세스 모델을 상응하는 프로세스에 적응시키는 프로세스 파라메터의 대표 데이터 세트가 주어진다. 예컨대 글로벌 프로세스 모델이 신경 회로망이면, 그것이 대표 데이터 세트로 훈련된다. 상기 데이터 세트에 나타나지 않은 작동 상태 또는 작동점이 생기면, 상응하는 파라메터가 데이터 세트에 부가된다. 글로벌 프로세스 모델이 상기 새로운 데이터 세트에 의해 적응되거나 훈련되면, 그것이 새로운 작동상태 또는 작동점을 나타낸다. 배타적인 새로운 파라메터에 의한 순수한 재훈련과는 달리, 상기 훈련은 글로벌 프로세스 모델에 나타난, 미리 발생된 작동 상태 또는 작동점에 대한 지식을 파괴하지 않는다.
본 발명의 또다른 장점 및 세부 사항은 첨부된 도면을 참고로 한 하기의 실시예 설명 및 청구범위 종속항에 제시된다.
도 1은 미리 공지되지 않은 파라메터를 사전 계산하기 위한 본 발명에 따른 방법을 나타낸다. 미리 공지된 파라메터가 적어도 하나의 분류기(4) 및, 특히 선택적으로, 특수화된 프로세스 모델(5) 및 적어도 하나의 글로벌 프로세스 모델(6)에 공급된다. 글로벌 프로세스 모델(6) 또는 특수화된 프로세스 모델(5)은 프로세스의 미리 공지된 파라메터(1)에 따라 미리 공지되지 않은 파라메터(3)를 계산한다. 미리 공지되지 않은 파라메터의 사전 계산은 프로세스의 작동 상태에 따라 글로벌 프로세스 모델(6) 또는 특정 작동상태에 대해 특수화된 프로세스 모델(5)에 의해 이루어진다. 특수화된 프로세스 모델(5)은 모델화되는 산업 설비, 즉 프로세스의 특정 작동 상태에 대해 특수화되는 한편, 글로벌 프로세스 모델(6)은 통상의 프로세스에 대한 대표 모델이다. 상이한 작동 상태는 예컨대 압연기에서 강의 상이한 등급일 수 있다. 실제 시점에 대한 모델 중 어떤 것을 미리 공지되지 않은 파라메터(3)를 사전 계산하기 위해 사용할지의 선택은 적합한 모델을 선택하는 분류기(4)에서 이루어진다. 이것은 예컨대 실제 시점에서 프로세스 파라메터(3)를 식별하기 위한 가장 적합한 모델이 어떤 것인지를 나타내는 제어 변수(2)의 검출에 의해 이루어진다.
도 2는 본 발명에 따른 방법에서 사전 계산(15)과 적응(16) 사이의 상호 작용을 나타낸다. 특정한 제어 및 조정을 위해 미리 공지되지 않은 파라메터(12)가 필요하다. 그러나, 미리 공지되지 않은 파라메터(12)는 프로세스에 대한 미리 공지된 파라메터(10)에 의존한다. 미리 공지된 파라메터(10)는 엄격한 의미에서, 모델 파라메터, 상태 변수, 조정 값 또는 예비 조정과 같은 파라메터일 수 있다. 미리 공지된 파라메터(10)를 기초로, 모델(11)을 이용해서 사전 계산(15)에 의해 미리 공지되지 않은 파라메터(14)가 사전 계산된다. 상기 사전 계산된, 미리 공지되지 않은 파라메터(14)에 의해 상응하는 프로세스에 대한 필요한 제어 또는 조정 과제가 수행된다. 그러나, 나중 시점에서 지나간 시점에 대한 미리 공지되지 않은 파라메터가 검출될 수 있다. 사전 계산된, 미리 공지되지 않은 파라메터(14) 및 지나간 시점에서 유효했던, 측정된, 미리 공지되지 않은 파라메터(13)에 따라 그리고 미리 공지된 프로세스 파라메터(10)에 따라 적응(16)은 새로운 모델(11)을 검출한다. 모델은 글로벌 프로세스 모델 또는 특수화된 모델일 수 있다. 특수화된 프로세스 모델에서는 바람직하게는 측정된, 미리 공지되지 않은 파라메터(13)의 인가 직후에 적응이 이루어진다.
본 발명에 의해 산업 프로세스의 미리 공지되지 않은 파라메터를 미리 매우 정확하게 검출할 수 있다.
Claims (11)
- 특히 급변동하는 파라메터를 가진 산업 프로세스, 특히 기본 재료 산업 설비의 미리 공지되지 않은 파라메터(3)를 사전 계산하기 위한 방법에 있어서, 사전 계산되는, 미리 공지되지 않은 파라메터(3)가 프로세스 모델을 이용해 프로세스의 미리 공지된 파라메터(1)에 따라 결정되며, 상기 프로세스 모델은 프로세스의 시간적으로 평균화된 상태를 나타내는 적어도 하나의 글로벌 프로세스 모델(5), 및 미리 공지된 파라메터(1)에 의해 결정된 특정 작동상태 또는 작동점에 대한 프로세스의 상태를 나타내는 적어도 하나의 특수화된 프로세스 모델(6)을 포함하는 것을 특징으로 하는 방법.
- 제 1항에 있어서, 특정 시점에 대한 미리 공지되지 않은 파라메터(3)를 사전 계산하기 위한 모델, 즉 글로벌 프로세스 모델(5) 또는 특수화된 프로세스 모델(6)이 미리 공지된 파라메터(1) 또는 미리 공지된 파라메터(1)의 일부에 따라 선택되는 것을 특징으로 하는 방법.
- 제 1항 또는 2항에 있어서, 글로벌 프로세스 모델(5) 또는 특수화된 프로세스 모델(6)이 분석적 모델, 신경 회로망 또는 하이브리드 모델, 즉 분석적 모델과 신경 회로망을 포함하는 모델인 것을 특징으로 하는 방법.
- 제 1항 또는 2항에 있어서, 특수화된 프로세스 모델(6)이 변수인 것을 특징으로 하는 방법.
- 제 3항에 있어서, 특수화된 프로세스 모델(6)이 변수인 것을 특징으로 하는 방법.
- 제 3항에 있어서, 특수화된 프로세스 모델(6)이 간단한 에이다 라인, 즉 뉴런을 포함하는 신경 회로망인 것을 특징으로 하는 방법.
- 제 3항에 있어서, 글로벌 프로세스 모델(5) 또는 특수화된 프로세스 모델(6)이 특히 온-라인 훈련에 의해 실제 프로세스에 적응되는 것을 특징으로 하는 방법.
- 제 7항에 있어서, 적응(16)이 미리 공지된 파라메터(10)에 따라 그리고 미리 공지되지 않은 파라메터(12)에 따라 이루어지는 것을 특징으로 하는 방법.
- 제 8항에 있어서, 특정 유효 시점에서 프로세스와 관련해서 실제로 존재하는 미리 공지되지 않은 파라메터(17)가 나중 시점에서 결정되거나 측정되고 적응(16)이 나중 시점에서 측정되는, 유효 시점에 대한 미리 공지되지 않은 파라메터(13), 및 상기 유효 시점에 대해 사전 계산된 미리 공지되지 않은 파라메터(14)에 따라 이루어지는 것을 특징으로 하는 방법.
- 제 1항 또는 2항에 있어서, 글로벌 프로세스 모델 또는 특수화된 프로세스 모델에 의해 사전 계산된 파라메터가 신경 회로망을 기초로 하는 정보 처리에 공급되고, 신경 회로망을 기초로 하는 정보 처리는 온-라인으로 실제 프로세스에 적응되는 것을 특징으로 하는 방법.
- 특히 급변동하는 파라메터를 가진 산업 프로세스, 특히 기본 재료 산업 설비의 미리 공지되지 않은 파라메터를 사전 계산하기 위한 제 1항 내지 10항 중 어느 한 항에 따른 방법을 실시하기 위한 장치에 있어서, 사전 계산되는, 미리 공지되지 않은 파라메터가 프로세스 모델을 이용해 프로세스의 미리 공지된 파라메터에 따라 결정되며, 상기 프로세스 모델은 프로세스의 시간적으로 평균화된 상태를 나타내는 적어도 하나의 글로벌 프로세스 모델, 및 미리 공지된 파라메터에 의해 결정된 특정 작동상태 또는 작동점에 대한 프로세스의 상태를 나타내는 적어도 하나의 특수화된 프로세스 모델을 포함하는 것을 특징으로 하는 장치.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19641432A DE19641432C2 (de) | 1996-10-08 | 1996-10-08 | Verfahren und Einrichtung zur Vorausberechnung von vorab unbekannten Parametern eines industriellen Prozesses |
DE19641432.6 | 1996-10-08 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR19980032590A true KR19980032590A (ko) | 1998-07-25 |
KR100498151B1 KR100498151B1 (ko) | 2005-09-08 |
Family
ID=7808152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1019970051298A KR100498151B1 (ko) | 1996-10-08 | 1997-10-07 | 산업프로세스의미리공지되지않은파라미터를사전계산하기위한방법 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR100498151B1 (ko) |
DE (1) | DE19641432C2 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101113203B1 (ko) * | 2003-04-03 | 2012-02-15 | 어드밴스드 마이크로 디바이시즈, 인코포레이티드 | 상태 추정 결과에 기초한 샘플링 레이트 조정 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19731980A1 (de) | 1997-07-24 | 1999-01-28 | Siemens Ag | Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes |
DE10059567A1 (de) * | 2000-11-30 | 2002-06-13 | Siemens Ag | Verfahren und Vorrichtung zur Berechnung von Prozessgrößen eines industriellen Prozesses |
DE10112267A1 (de) * | 2001-03-14 | 2002-11-07 | Siemens Ag | Schätzverfahren für eine Größe eines Prozesses der Grundstoffindustrie unter Verwendung einer Stützvektormethode |
DE10254178B4 (de) * | 2002-11-21 | 2011-10-13 | Abb Ag | Verfahren zur Ermittlung von Zustandsgrößen eines Walzprozesses |
DE102008030243A1 (de) | 2008-06-25 | 2009-12-31 | Siemens Aktiengesellschaft | Erstellverfahren für ein optimiertes Walzmodell |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU993206A1 (ru) * | 1981-08-10 | 1983-01-30 | Сибирский Ордена Трудового Красного Знамени Металлургический Институт Им.С.Орджоникидзе | Система экстремального управлени дл объекта с запаздыванием |
JPS62263502A (ja) * | 1986-05-09 | 1987-11-16 | Yokogawa Electric Corp | プロセス制御装置 |
SU1478190A1 (ru) * | 1987-06-15 | 1989-05-07 | Сибирский металлургический институт им.Серго Орджоникидзе | Адантивное устройство дл идентификации объекта управлени |
JPH0217513A (ja) * | 1988-07-06 | 1990-01-22 | Yaskawa Electric Mfg Co Ltd | 位置決め制御方式 |
US4959767A (en) * | 1988-11-23 | 1990-09-25 | Elsag International B.V. | Parameter estimation technique for closed loop system |
JPH04308901A (ja) * | 1991-04-05 | 1992-10-30 | Nec Corp | 状態推定器と磁気ディスク装置の位置決め制御回路 |
US5402333A (en) * | 1992-06-15 | 1995-03-28 | E. I. Du Pont De Nemours & Co., Inc. | System and method for improving model product property estimates |
JP3370783B2 (ja) * | 1994-06-27 | 2003-01-27 | マツダ株式会社 | 機器の制御装置および制御方法 |
WO1996007126A1 (de) * | 1994-08-29 | 1996-03-07 | Siemens Aktiengesellschaft | Verfahren zur schnellen adaption modellgestützter steuerungen und zugehörige anordnung |
FR2724744B1 (fr) * | 1994-09-16 | 1996-12-20 | Ass Pour Le Dev De L Enseignem | Procede de modelisation d'un processus physique |
DE19508474A1 (de) * | 1995-03-09 | 1996-09-19 | Siemens Ag | Intelligentes Rechner-Leitsystem |
-
1996
- 1996-10-08 DE DE19641432A patent/DE19641432C2/de not_active Expired - Fee Related
-
1997
- 1997-10-07 KR KR1019970051298A patent/KR100498151B1/ko not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101113203B1 (ko) * | 2003-04-03 | 2012-02-15 | 어드밴스드 마이크로 디바이시즈, 인코포레이티드 | 상태 추정 결과에 기초한 샘플링 레이트 조정 |
Also Published As
Publication number | Publication date |
---|---|
DE19641432A1 (de) | 1998-04-23 |
KR100498151B1 (ko) | 2005-09-08 |
DE19641432C2 (de) | 2000-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20070264439A1 (en) | Method and Apparatus for Coating a Workpiece | |
KR100499165B1 (ko) | 시변 산업 프로세스 파라미터를 확인 또는 사전 계산하기 위한 방법 및 장치 | |
CN114329940A (zh) | 一种基于极限学习机的连铸坯质量预测方法 | |
Benton | Statistical process control and the Taguchi method: a comparative evaluation | |
KR100249914B1 (ko) | 금속 밴드의 로울링 방법 및 장치 | |
CA2390873A1 (en) | Method and device for quality control of the joint on sheets or strips butt-welded by means of a laser | |
JP6832327B2 (ja) | 生産プロセス中に異常なワークピースを自動検出するためのデータ駆動方法 | |
DE59207657D1 (de) | Regelparameter-Verbesserungsverfahren für industrielle Anlagen | |
KR19980032590A (ko) | 산업 프로세스의 미리 공지되지 않은 파라메터를 사전 계산하기위한 방법 및 장치 | |
RU2208066C2 (ru) | Способ и устройство для травления металлической ленты | |
ATE118416T1 (de) | Verfahren zum bestimmen des rollwiderstandes von eisenbahnfahrzeugen. | |
CN115310561B (zh) | 一种基于集成即时学习的电磁阀故障监测方法 | |
CN108089457B (zh) | 一种基于在线有限元仿真的过程质量控制方法 | |
US6184491B1 (en) | Method and apparatus for monitoring weld quality | |
Aggoune et al. | Modeling of a distillation column based on NARMAX and Hammerstein models | |
Kang et al. | Arc stability estimation and fuzzy control for arc stabilisation in short circuit transfer mode of CO2 arc welding | |
Kempf et al. | Sequential pattern recognition employing recurrent fuzzy systems | |
CN107475509B (zh) | 一种带钢的周期性缺陷的分析方法 | |
JPH09120455A (ja) | ニューラルネットワークによる特徴識別方法 | |
Cser et al. | Data mining and state monitoring in hot rolling | |
Jansen et al. | Application of neural networks to process control in steel industry | |
Ng et al. | Interactive quality improvement of a process subject to complete inspection | |
KR100805896B1 (ko) | 선단 폭 불량 개선을 위한 압연 스탠드 속도 설정 장치 및방법 | |
CN116679637A (zh) | 生产线联合控制方法、装置、终端设备及存储介质 | |
Sorao et al. | Improvement of accuracy for gauge and elongation control by dynamic process control simulator |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20120511 Year of fee payment: 8 |
|
LAPS | Lapse due to unpaid annual fee |