CN102023573B - 半导体生产线投料控制方法 - Google Patents
半导体生产线投料控制方法 Download PDFInfo
- Publication number
- CN102023573B CN102023573B CN2010105926361A CN201010592636A CN102023573B CN 102023573 B CN102023573 B CN 102023573B CN 2010105926361 A CN2010105926361 A CN 2010105926361A CN 201010592636 A CN201010592636 A CN 201010592636A CN 102023573 B CN102023573 B CN 102023573B
- Authority
- CN
- China
- Prior art keywords
- production line
- feeds intake
- fuzzy
- bottleneck
- semiconductor production
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种半导体生产线投料控制方法,采用模糊Petri网技术进行生产线在线投料控制,包括构建投料模糊Petri网推理模型;构建半导体生产线在线投料机制;模糊Petri网模型参数设置;通过对实际半导体生产***不确定性事件,明确投料Petri网模型的模糊推理条件库所集;通过明确推理条件下得到的结论,确定投料Petri网推理结论库所集;同时通过提炼积累投料决策规则,汇总推理规则集;建立投料模糊Petri网推理模型;利用投料模糊Petri网推理模型进行周期性决策判定;一旦意外事件发生,则立即启动该模型,根据各结论库所的可信度,判定是否修改并自行修改投料计划;本发明设计过程简单,容易实现,鲁棒性好。使半导体生产线效率提高,预知能力增强,整体性能得到相应改善。
Description
技术领域
本发明涉及一种自动控制与信息技术领域的方法,具体地,涉及一种半导体生产线投料控制方法,属于先进制造技术领域。
技术背景
半导体生产线是目前世界上公认的最复杂的生产线之一。与其它制造***相比,半导体生产线具有工艺流程复杂、多重入加工流、混合加工模式和高度不确定性等明显特征,由此造成其调度问题复杂,属于NP难题。半导体生产线上主要存在三种类型的调度:投料控制、路径调度和工件调度。投料控制处于整个调度***的“龙头”地位,用于决定何时投入多少种类的原料到生产***,以便在尽可能发挥***生产能力的同时满足客户需要,与其它生产过程相比,投料控制在半导体生产线中尤其重要。
多年来,半导体生产线投料控制一直是工业工程领域的研究热点。C.R.Glassey等人1988在IEEE Transactions on Semiconductor Manufacturing期刊上给出一种避免饥饿(Starvation Avoidance,SA)投料策略,该策略的目标是确保足够的工件及时到达瓶颈设备以避免瓶颈设备出现饥饿,当瓶颈设备WIP降到事先既定的水平之下时,就需要投入新工件到生产线,该策略能够降低瓶颈设备的空闲率、提高产量;J W Fowler等人在2002 Production Planning and Control期刊上提出工作负荷调整(Workload Regulation,WR)投料策略,其核心思想是通过投料使半导体生产线各个加工区的工作负荷得到调整,从而达到最优性能;Q.Chao等人在2006Proceedings of the Electronic Packaging Technology Conference上将固定在制品策略与工作负荷调整策略相结合,提出一种新的WIPLOAD投料策略,实验结果证明该策略可以减小平均加工周期及其标准差,是可靠有效的。
以上投料策略虽各有优点,但是要么不考虑实时信息反馈,要么只对于瓶颈设备状态变化产生反应,对于其它意外事件的承受和处理能力不够,很少关注隐含反映实 际调度环境特点及调度知识的大量相关有效数据,导致所研究成果不能直接应用于实际半导体企业。
模糊Petri网是Petri网与知识表达的结合,符合人类的思维和认知方式,在描述和分析许多物理***乃至社会***的并行和并发行为时具有广泛的意义。本发明鉴于模糊Petri网在知识表达和逻辑推理方面的优势,解决半导体生产线投料控制问题。
发明内容
本发明的目的在于,通过提供一种半导体生产线投料控制方法,以解决目前使用的方法在投料控制时不能很好应对各种突发状况问题,从而提供一种更加有效地智能半导体生产线控制方法。
本发明是采用以下技术手段实现的。
一种半导体生产线投料控制方法,采用模糊Petri网技术进行生产线在线投料控制,其特征包含以下步骤:
步骤1:构建投料模糊Petri网推理模型;
步骤2:构建半导体生产线在线投料机制;
步骤3:模糊Petri网模型参数设置;
所述的步骤1包括:
1.1.通过对实际半导体生产***不确定性事件,明确投料Petri网模型的模糊推理条件库所集;
1.2.通过明确推理条件下得到的结论通过明确投料Petri网模型的模糊推理条件库所集,确定投料Petri网推理结论库所集;
1.3.同时通过提炼积累投料决策规则,汇总推理规则集;
1.3.1.如果生产线WIP高于瓶颈设备满负荷时设定值的10%,则降低当前的投料速率;
1.3.2.如果生产线WIP低于平瓶颈设备满负荷时设定值的10%,则增加当前的投料速率;
1.3.3.如果生产线瓶颈设备利用率高于设定值(如:95%),则降低当前的投料速率;
1.3.4.如果生产线瓶颈设备利用率低于设定值(如:90%),则增加当前的投料速率;
1.3.5.如果有紧急订单,则降低当前的投料速率;
1.3.6.如果生产线返工量超过当前设定值的5%,则降低当前的投料速率;
1.3.7.如果瓶颈设备发生故障,则降低当前的投料速率。
1.4.建立投料模糊Petri网推理模型;
所述的步骤2利用投料模糊Petri网推理模型进行周期性决策判定;一旦意外事件发生,则立即启动该模型,根据各结论库所的可信度,判定是否修改并自行修改投料计划;
所述的步骤3包含:I/O参数、库所/变迁的阈值γ/τ、初始标识S0;S0参数设置的过程为:通过合适的隶属函数将瓶颈设备故障的特征、生产线WIP的数值的高低、缓冲区工件队列的长短以及紧急订单的变化状态,通过推理条件模糊化后对应于模糊Petri网模型库所元素的初始标识;
通过隶属函数将模糊化后的推理条件对应于模糊Petri网模型库所元素的初始标识;
模糊Petri网模型的库所包含条件库所和结论库所,结论库所的初始标识均为0。
本发明一种半导体生产线投料控制方法,与现有技术相比,具有以下明显的优势和有益效果:
本发明设计过程简单,容易实现,鲁棒性好。因此,本发明解决传统方法在投料控制时不能很好应对各种突发状况问题,使半导体生产线效率提高,预知能力增强,整体性能得到相应改善。
附图说明
图1是本发明中的半导体生产线投料模糊Petri网建模过程示意图;
图2是本发明中的半导体生产线在线投料机制结构示意图;
图3是本发明中的半导体生产线投料模糊Petri网推理模型图;
图4是本发明中的模糊Petri网模型参数I设置矩阵示意图;
图5是本发明中的模糊Petri网模型参数O设置矩阵示意图;
图6是本发明中的采用模糊Petri网推理机制进行投料控制性能指标比较图(一);
图7是本发明中的采用模糊Petri网推理机制进行投料控制性能指标比较图(二);
图8是本发明中的采用模糊Petri网推理机制进行投料控制性能指标比较图(三);
图9是本发明中采用模糊Petri网推理机制进行投料控制性能指标比较图(四)。
具体实施方式
为了更好地理解本发明的技术方案,以下结合说明书附图对本发明的实施方式做进一步的介绍。
以某半导体生产线模型作为对象进行投料控制研究。在eM-Plant仿真平台上,每天24小时不间断仿真计算,仿真时间为1年。
请参阅图1所示,为本发明中的半导体生产线投料模糊Petri网建模过程示意图。图2为本发明中的半导体生产线在线投料机制结构示意图。
通过实验分析可提炼如下决策规则:
1.如果平均WIP远高于瓶颈设备满负荷时的设定值(经验平均WIP),则***平均WIP高;
2.如果平均WIP远低于瓶颈设备满负荷时的设定值(经验平均WIP),则***平均WIP低;
3.如果平均WIP在经验值附近波动,则***平均WIP正常;
4.如果平均WIP高,则考虑修改当前投料计划,降低投料速率;
5.如果平均WIP低,则考虑修改当前投料计划,提高投料速率;
6.如果***含单台瓶颈设备且瓶颈设备利用率偏低于设定值(如90%),则***瓶颈设备利用率低;
7.如果***含单台瓶颈设备且瓶颈设备利用率偏高于设定值(如95%),则***瓶颈设备利用率高;
8.如果***含多台瓶颈设备且其中(如1/2)设备利用率偏低于设定值(如90%),则***瓶颈设备利用率低;
9.如果***含多台瓶颈设备且其中(如2/3)设备利用率偏高于设定值(如95%),则***瓶颈设备利用率高;
10.如果瓶颈设备利用率低,则考虑修改当前投料计划,提高投料速率;
11.如果瓶颈设备利用率高且对应缓冲区工件队列长,则考虑修改当前投料计划,降低投料速率;
12.如果瓶颈设备故障,考虑修改当前投料计划,降低投料速率;
13.如果瓶颈设备故障且距下一次修改投料计划点远,则考虑修改当前投料计划, 降低投料速率;
14.如果可能是瓶颈设备故障且故障修复时间长,则考虑修改当前投料计划,降低投料速率;
15.如果单台非瓶颈设备故障且故障修复时间长,则考虑不修改当前投料计划;
16.如果单台非瓶颈设备故障且生产线平均WIP正常,则考虑不修改投料计划;
17.如果多台非瓶颈设备故障(如1/5以上),则考虑修改投料策略,降低投料速率;
18.如果客户追加订货,则考虑修改当前投料计划,提高投料速率;
19.如果客户追加订货且瓶颈设备利用率高,则考虑不修改当前投料计划;
20.如果客户减少订货,则考虑修改当前投料计划,提高投料速率;
21.如果客户订货品种更换,则改投订单;
22.如果出现紧急订单,则改投订单;
23.如果生产线返工工件多,则考虑修改当前投料计划,降低投料速率;
24.如果考虑修改投料策略,降低投料速率,且当前投料正常,则启动降低投料速率;
25.如果考虑修改投料策略,提高投料速率,且当前投料正常,则启动提高投料速率;
26.如果启动降低投料速率且当前为固定时间投料,则减小单位时间内投料量;
27.如果启动提高投料速率且当前为固定时间投料,则增大单位时间内投料量;
28.如果启动降低投料速率且当前为固定WIP投料,则减小固定WIP值;
29.如果启动提高投料速率且当前为固定WIP投料,则增大固定WIP值;
30.如果可以考虑不修改当前投料计划,则启动不修改当前投料计划;
31.若减小单位时间内投料量,则投料速率为原速率的(如9/10);
32.若增大单位时间内投料量,则投料速率为原速率的(如11/10);
33.若减小固定WIP值,则更改至原WIP的(如9/10);
34.若增大固定WIP值,则更改至原WIP的(如11/10)。
图3为投料FPN推理模型。图中:T={t1~t34}分别代表以上所述34条规则;P=PU∪PD={P1~P34}∪{P35~P40},表示如下:
P1:平均WIP远高于经验值;
P2:平均WIP远低于经验值;
P3:平均WIP在经验值附近波动;
P4:***WIP高;
P5:***WIP低;
P6:***WIP正常;
P8:对应瓶颈设备利用率偏低于经验值;
P9:对应瓶颈设备利用率偏高于经验值;
P10:***瓶颈设备利用率低;
多台瓶颈/多台非瓶颈设备;
P12:***瓶颈设备利用率高;
P13:对应缓冲区等待队列长;
P14:瓶颈设备故障;
P15:距下一次修改投料计划点远;
P16:故障修复时间长;
P17:非瓶颈设备故障;
P18:客户追加订货;
P19:客户减少订货;
P20:客户订货品种更换;
P21:紧急订单;
P22:生产线返工工件多;
P23:考虑不修改当前投料计划;
P24:考虑修改当前投料计划(降低投料速率);
P25:考虑修改当前投料计划(提高投料速率);
P26:当前正常投料;
P27:启动降低投料速率;
P28:启动提高投料速率;
P29:当前为固定时间投料;
P30:当前为固定WIP投料;
P31:减小单位时间内投料量;
P32:增大单位时间内投料量;
P33:减小固定WIP值;
P34:增大固定WIP值;
P35:启动减小单位时间内投料量至9/10;
P36:启动增大单位时间内投料量至11/10;
P37:减小固定WIP值至9/10;
P38:增大固定WIP值至11/10;
P39:启动不修改当前投料计划;
P40:改投订单;
如下给出半导体生产线投料FPN推理模型参数设置。γ/τ参数设置如下:
γ={0.4,0.4,0.4,0.3,0.3,0.3,0.4,0.3,0.3,0.2,0.2,0.2,0.3,0.5,0.4,0.4,0.3,0.4,0.4,0.4,0.4,0.4,0.2,0.2,0.4,0.2,0.2,0.2,0.4,0.4,0.3,0.3,0.3,0.3,0.0,0.0,0.0,0.0,0.0,0.3,0.3,0.0}
τ={0.3,0.3,0.3,0.2,0.2,0.2,0.2,0.3,0.3,0.3,0.3,0.5,0.4,0.4,0.3,0.3,0.3,0.3,0.3,0.4,0.4,0.4,0.4,0.3,0.3,0.3,0.3,0.3,0.2,0.2,0.2,0.2,0.2,0.2}
图4、图5(分别表示I、O参数设置矩阵示意图)。对于FPN推理机制的实现,关键是解决各个库所的模糊度问题,根据对生产线状态的分析和历史经验总结,初始标识S0参考设置如下:
P3:S0(P3)由当前WIP按照平均分布映射到[0,1]区间;
P8:S0(P8)由对应瓶颈设备利用率Ui结合偏大型函数确定;
P9:S0(P9)由对应瓶颈设备利用率Ui结合偏小型函数确定;
P11:S0(P11)=n/N,n为瓶颈/非瓶颈设备数,N为设备总数;
P13:S0(P13)由等待加工工件数按照平均分布映射到[0,1]区间;
P14:S0(P14)由对应设备故障率Fi结合三角形分布确定;
P15:S0(P15)由|TM-TC|/T确定,T为计划修改周期,TM为当前修改时间点,TC为周期性修改时间点;
P16:S0(P16)由设备故障修复时间结合正态分布(均值为0.5,方差为0.1)来生成;
P17:S0(P17)由对应设备故障率Fi结合三角形分布确定;
P18:事件发生,则S0(P18)由Cp/CN确定,CP追加量,CN总订货量;P19:事件发生,则S0(P19)由CP/CN确定,CP减少量, 原订货量;P20:事件发生则S0(P20)=0.8;P21:事件发生则S0(P21)=0.8;P22:S0(P22)由M/WIP确定,M为返工工件数,WIP为当前在制品数;P26:S0(P26)由S0(P3)决定;P29:若为固定时间投料,则S0(P29)=0.8;P30:若为固定WIP投料,则S0(P30)=0.8。
仿真过程中设定紧急订单、设备故障和订单增减等突发状况,与固定时间投料对比生产***性能指标。固定时间投料速率设定为0.6667卡/时,此为正常状态下(除正常设备维护外无其它意外事件发生)经过大量仿真得到的最优固定投料间隔。工件调度规则分别采用以下4种:FIFO、EDD、SRPT和CR。
主要比较半导体生产线4种性能指标:平均加工周期、WIP、准时交货率和瓶颈设备利用率。图6、图7、图8、图9(如图5,FIFO:固定WIP投料方式,设备均采用FIFO工件调度规则;FIFO FPN:FPN投料方式,设备均采用FIFO工件调度规则),与固定WIP投料相比提投料策略能在降低产品平均加工周期、减少WIP数量的基础上,提高设备利用率并减小脱期率,从而增大***的生产能力,使得生产线整体性能得到优化。
Claims (6)
1.一种半导体生产线投料控制方法,采用模糊Petri网技术进行生产线在线投料控制,其特征包含以下步骤:
步骤1:构建投料模糊Petri网推理模型;
步骤2:构建半导体生产线在线投料机制;
步骤3:模糊Petri网模型参数设置;
所述的步骤1包括:
1.1.通过对实际半导体生产***不确定性事件,明确投料Petri网模型的模糊推理条件库所集;
1.2.通过明确投料Petri网模型的模糊推理条件库所集,确定投料Petri网推理结论库所集;
1.3.通过提炼积累投料决策规则,汇总推理规则集;
1.3.1.如果生产线WIP高于瓶颈设备满负荷时设定值,则降低当前的投料速率;
1.3.2.如果生产线WIP低于平瓶颈设备满负荷时设定值,则增加当前的投料速率;
1.3.3.如果生产线瓶颈设备利用率高于设定值,则降低当前的投料速率;
1.3.4.如果生产线瓶颈设备利用率低于设定值,则增加当前的投料速率;
1.3.5.如果有紧急订单,则降低当前的投料速率;
1.3.6.如果生产线返工量高于当前设定值,则降低当前的投料速率;
1.3.7.如果瓶颈设备发生故障,则降低当前的投料速率;
1.4.建立投料模糊Petri网推理模型;
所述的步骤2利用投料模糊Petri网推理模型进行周期性决策判定;一旦意外事件发生,则立即启动该模型,根据各结论库所的可信度,判定是否修改并自行修改投料计划;
所述的步骤3包含:I/O参数、库所/变迁的阈值γ/τ、初始标识S0;S0参数设置的过程为:通过合适的隶属函数将瓶颈设备故障的特征、生产线WIP的数值的高低、缓冲区工件队列的长短以及紧急订单的变化状态,通过推理条件模糊化后对应于模糊Petri网模型库所元素的初始标识;
通过隶属函数将模糊化后的推理条件对应于模糊Petri网模型库所元素的初始标识;
模糊Petri网模型的库所包含条件库所和结论库所,结论库所的初始标识均为0。
2.根据权利要求1所述的一种半导体生产线投料控制方法,其特征在于:步骤1.3.1所述的生产线WIP高于设定值的10%。
3.根据权利要求1所述的一种半导体生产线投料控制方法,其特征在于:步骤1.3.2所述的生产线WIP低于设定值的10%。
4.根据权利要求1所述的一种半导体生产线投料控制方法,其特征在于:步骤1.3.3所述的生产线瓶颈设备利用率高于设定值的95%。
5.根据权利要求1所述的一种半导体生产线投料控制方法,其特征在于:步骤1.3.4所述的生产线瓶颈设备利用率低于设定值的90%。
6.根据权利要求1所述的一种半导体生产线投料控制方法,其特征在于:步骤1.3.6所述的生产线返工量高于设定值的5%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105926361A CN102023573B (zh) | 2010-12-10 | 2010-12-10 | 半导体生产线投料控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105926361A CN102023573B (zh) | 2010-12-10 | 2010-12-10 | 半导体生产线投料控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102023573A CN102023573A (zh) | 2011-04-20 |
CN102023573B true CN102023573B (zh) | 2012-07-25 |
Family
ID=43864968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010105926361A Expired - Fee Related CN102023573B (zh) | 2010-12-10 | 2010-12-10 | 半导体生产线投料控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102023573B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541032B (zh) * | 2012-02-11 | 2013-10-16 | 北京化工大学 | 一种可重入制造***瓶颈设备预测方法 |
CN103399549B (zh) * | 2013-07-31 | 2015-10-28 | 无锡中科泛在信息技术研发中心有限公司 | 基于有约束的最小生成树的半导体封装测试细日投料控制方法 |
JP6962539B2 (ja) * | 2017-02-24 | 2021-11-05 | 株式会社レクサー・リサーチ | 業務計画最適化方法 |
CN107065795B (zh) * | 2017-03-27 | 2019-08-16 | 深圳崇达多层线路板有限公司 | 一种多品种小批量pcb板的自动投料方法及其*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1289631A (zh) * | 2000-10-18 | 2001-04-04 | 鞍山西玛环保有限公司 | 锅炉喷射固硫剂脱硫模糊控制方法 |
US6441322B1 (en) * | 1999-11-24 | 2002-08-27 | The Procter & Gamble Company | Method for controlling an amount of material delivered during a material transfer |
CN101186081A (zh) * | 2007-04-04 | 2008-05-28 | 南京理工大学 | 沥青混合料搅拌设备冷骨料给料控制方法 |
-
2010
- 2010-12-10 CN CN2010105926361A patent/CN102023573B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6441322B1 (en) * | 1999-11-24 | 2002-08-27 | The Procter & Gamble Company | Method for controlling an amount of material delivered during a material transfer |
CN1289631A (zh) * | 2000-10-18 | 2001-04-04 | 鞍山西玛环保有限公司 | 锅炉喷射固硫剂脱硫模糊控制方法 |
CN101186081A (zh) * | 2007-04-04 | 2008-05-28 | 南京理工大学 | 沥青混合料搅拌设备冷骨料给料控制方法 |
Non-Patent Citations (2)
Title |
---|
曹政才等.基于Petri 网与遗传算法的半导体生产线.《电子学报》.2010,第38卷(第2期),340-344. * |
曹政才等.基于有色赋时Petri网的半导体生产线建模技术研究.《***仿真学报》.2007,第19卷(第s1期),210-213. * |
Also Published As
Publication number | Publication date |
---|---|
CN102023573A (zh) | 2011-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657835B (zh) | 一种机械加工车间调度与监控***和方法 | |
Sadeghi et al. | A fuzzy grey goal programming approach for aggregate production planning | |
CN104483915B (zh) | 提高钢铁企业材料利用率的热轧多产线板坯匹配控制方法 | |
CN102023573B (zh) | 半导体生产线投料控制方法 | |
CN101706886A (zh) | 一种以订单驱动的加工车间单件小批量混流生产方法 | |
CN101364108B (zh) | 复杂大***环境下的基于事件驱动的车间作业动态调度方法 | |
Zandieh et al. | Buffer allocation problem and preventive maintenance planning in non-homogenous unreliable production lines | |
CN104423331B (zh) | 半导体集成电路生产中晶圆制造调度方法及调度*** | |
CN109146286A (zh) | 一种基于toc理论的oee改善方法 | |
CN103700041A (zh) | 基于云计算的智能电网负荷预测管理平台 | |
Mohagheghi et al. | Intelligent demand response scheme for energy management of industrial systems | |
CN103279818A (zh) | 基于启发式遗传算法的云工作流调度方法 | |
CN110084401A (zh) | 一种基于预留维修时间的调度优化方法及装置 | |
CN108665092A (zh) | 一种基于混合萤火虫算法的全流程排产与优化方法 | |
JP2013033466A5 (zh) | ||
JP2018125907A (ja) | 分散制御システム、分散制御方法、電力系統の分散制御システムおよび電力資源の制御方法 | |
CN115907332A (zh) | 一种油气井维修任务调度的两层优化方法及装置 | |
CN106327053B (zh) | 一种基于多模式集合的纺织工艺推荐模型的构建方法 | |
CN108665094A (zh) | 一种数据驱动的铜板带熔铸-连轧优化调度方法 | |
CN102621969A (zh) | 工厂生产管理*** | |
CN105988443B (zh) | 用于具有时间间隔限制的制造流程处理方法及装置 | |
CN102393687B (zh) | 一种解决改机问题的限定分配调度方法 | |
Wu et al. | Hybrid flow shop scheduling problem in ubiquitous manufacturing environment | |
CN112884321A (zh) | 一种基于调度环境和任务的半导体生产线调度方法 | |
CN116679647A (zh) | 一种考虑缓冲区容量的3c智造车间agv调度***与方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120725 Termination date: 20141210 |
|
EXPY | Termination of patent right or utility model |