CN111158337A - 一种诊断集成电路装备运行状态的装置及方法 - Google Patents

一种诊断集成电路装备运行状态的装置及方法 Download PDF

Info

Publication number
CN111158337A
CN111158337A CN201911294083.9A CN201911294083A CN111158337A CN 111158337 A CN111158337 A CN 111158337A CN 201911294083 A CN201911294083 A CN 201911294083A CN 111158337 A CN111158337 A CN 111158337A
Authority
CN
China
Prior art keywords
module
integrated circuit
sound
sound data
equipment
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
CN201911294083.9A
Other languages
English (en)
Inventor
袁伟
赵宇航
李铭
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 IC R&D Center Co Ltd
Original Assignee
Shanghai IC R&D Center 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 IC R&D Center Co Ltd filed Critical Shanghai IC R&D Center Co Ltd
Priority to CN201911294083.9A priority Critical patent/CN111158337A/zh
Publication of CN111158337A publication Critical patent/CN111158337A/zh
Pending legal-status Critical Current

Links

Images

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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种诊断集成电路装备运行状态的方法，包括如下步骤：S01：形成诊断模型；S02：所述声音采集模块采集集成电路装备运行过程中的诊断声音数据；S03：所述诊断声音数据传输至所述诊断模型中，所述诊断模型根据该诊断声音数据判断所述集成电路装备的运行状态，并将判断结果传输至反馈模块；S04：所述反馈模块根据接收到的运行状态，判断所述集成电路装备运行是否正常。本发明提供的一种结合深度学习和声纹识别技术的诊断集成电路装备运行状态的装置和方法，相对于现有装备的诊断方式，本发明可以在成本可控的前提下大幅提升装备状态诊断的成功率和及时性、减小装备异常带来的损失、并提升装备的性能和可靠性。

Description

一种诊断集成电路装备运行状态的装置及方法
技术领域
本发明涉及集成电路装备制作技术领域，具体涉及一种诊断集成电路装备运行状态的装置及方法。
背景技术
伴随着集成电路的设计和制造工艺变得越来越复杂，集成电路产业面临越来越多的挑战，其中所面临的重要挑战之一是装备成本越来越高、装备的技术和构造越来越复杂、装备的维护和状态诊断越来越复杂。
以集成电路装备里最昂贵、精密和复杂的装备光刻机为例来说明，光刻机曝光工艺中，工件台和掩模台的步进扫描运动是极其精密、快速和复杂的运动状态，需要多种传感器及测量***对工件台和掩模台的同步扫描运动状态进行监测和反馈。
即便是越来越复杂和多样的传感器***，依然无法及时识别和诊断装备在传感器感知和监测范围之外的某些异常状况，例如接触、磨损等。这些异常状况若无法及时发现，就会对装备安全造成很大的风险，还会造成产品性能下降和产品异常等缺陷。
随着集成电路中集成度的提高，若继续采用传感器检测集成电路装备，则需要在集成电路装备内部设置数百个传感器，其中涉及上万种参数，机理繁复，装备极其冗杂，并且现有技术中集成电路装备的内部空间也不能无限制增加传感器，这会极大增大成本和技术复杂度。
如何在现有的参数和条件下，在不显著增加成本的前提下，如何进一步提升集成电路装备的性能、增强对集成电路装备的运行状态的监控和诊断能力，是半导体产业界所着力研究的问题。
发明内容
本发明的目的是提供一种结合深度学习和声纹识别技术的诊断集成电路装备运行状态的装置和方法，相对于现有装备的诊断方式，本发明可以在成本可控的前提下大幅提升装备状态诊断的成功率和及时性、减小装备异常带来的损失、并提升装备的性能和可靠性。
为了实现上述目的，本发明采用如下技术方案：一种诊断集成电路装备运行状态的方法，包括如下步骤：
S01：声音采集模块采集集成电路装备运行过程中的训练声音数据，并将所述训练声音数据及其对应的运行状态传输至分析计算模块，所述分析计算模块对所述训练声音数据及其对应的运行状态进行深度学习，形成诊断模型；
S02：所述声音采集模块采集集成电路装备运行过程中的诊断声音数据；
S03：所述诊断声音数据传输至所述诊断模型中，所述诊断模型根据该诊断声音数据判断所述集成电路装备的运行状态，并将判断结果传输至反馈模块；
S04：所述反馈模块根据接收到的运行状态，判断所述集成电路装备运行是否正常。
进一步地，所述声音采集模块位于所述集成电路装备的内部和/或外部。
进一步地，所述训练声音数据和诊断声音数据包括声音强度、声音频率和声音波形。
进一步地，所述步骤S01中声音采集模块采集到的训练声音数据及其对应的运行状态存储在存储模块中，所述存储模块将多个训练声音数据及其对应的运行状态传输至所述分析计算模块；
进一步地，所述存储模块将所述诊断声音数据传输至所述诊断模型中。
进一步地，所述分析计算模块采用开源的深度学习算法进行深度学习。
进一步地，所述反馈模块判断所述集成电路装备运行异常时，发出报警和/或反馈提示。
一种诊断集成电路装备运行状态的装置，包括声音采集模块、分析计算模块和反馈模块，其中，所述分析计算模块分别连接所述声音采集模块和反馈模块；所述声音采集模块采集集成电路装备运行过程中的训练声音数据，并将所述训练声音数据及其对应的运行状态传输至分析计算模块，所述分析计算模块对所述训练声音数据及其对应的运行状态进行深度学习，形成诊断模型；
声音采集模块采集集成电路装备运行过程中的诊断声音数据；并将所述诊断声音数据传输至所述诊断模型中，所述诊断模型根据该诊断声音数据判断所述集成电路装备的运行状态，并将判断结果传输至反馈模块；所述反馈模块根据接收到的运行状态，判断所述集成电路装备运行是否正常。
进一步地，所述装置还包括存储模块，所述存储模块分别连接声音采集模块和所述分析计算模块，所述声音采集模块采集到的训练声音数据及其对应的运行状态存储在存储模块中，所述存储模块将多个训练声音数据及其对应的运行状态传输至所述分析计算模块；
或者所述声音采集模块采集到的诊断声音数据存储在存储模块中，所述存储模块将所述诊断声音数据传输至所述诊断模型中。
进一步地，所述集成电路装备包括M个装备单元，所述声音采集模块包括M个声音采集单元，所述分析计算模块包括M个分析计算单元，所述反馈模块包括M个反馈单元，且M个装备单元、声音采集单元、分析计算单元和反馈单元一一对应；M为大于0的整数。
进一步地，所述诊断模型为卷积神经网络模型。
本发明的有益效果为：本发明提供了一种结合深度学习和声纹识别技术的诊断集成电路装备运行状态的装置和方法，结合深度学习的方法对集成电路装备的诊断声音数据进行诊断，从而得出该诊断声音对应的运行状态。相对于现有装备的诊断方式，本发明可以在成本可控的前提下大幅提升装备状态诊断的成功率和及时性、减小装备异常带来的损失、并提升装备的性能和可靠性。
附图说明
附图1为本发明一种诊断集成电路装备运行状态的装置的示意图。
附图2为本发明中卷积神经网络模型的示意图。
图中：21集成电路装备，22声音采集模块，23存储模块，24分析计算模块，25反馈模块，31输入层，32隐藏层，33输出层。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明的具体实施方式做进一步的详细说明。
请参阅附图1，本发明提供的一种诊断集成电路装备运行状态的装置，包括声音采集模块22、存储模块23、分析计算模块24和反馈模块25，其中，声音采集模块22安装在集成电路装备的内部或者外部，具体可以在一个集成电路装备中安装一个或多个声音采集模块，如附图1所示，即为一个集成电路装备21安装两个声音采集模块22。声音采集模块22的输出端连接存储模块23，分析计算模块24分别连接存储模块23和反馈模块25。其中，反馈模块25还可以连接存储模块23，将反馈结果存储在存储模型中，便于工作人员以后进行调用查看等。
声音采集模块22采集集成电路装备运行过程中的训练声音数据，并将训练声音数据及其对应的运行状态传输至存储模块23进行存储，存储模块23将存储的训练声音数据及其对应的运行状态传输至分析计算模块24，分析计算模块24对训练声音数据及其对应的运行状态进行深度学习，形成诊断模型。这个阶段属于诊断模型的形成阶段，诊断模型一旦形成，其中存储着声音数据和集成电路装备运行状态的对应关系；例如声音数据A对应装备运行状态a；声音数据B对应装备运行状态b，声音数据C对应装备运行状态c等等。
声音采集模块22采集集成电路装备运行过程中的诊断声音数据；并将诊断声音数据传输至存储模块23进行存储，存储模块23将存储的训练声音数据传输至诊断模型中，诊断模型根据该诊断声音数据判断集成电路装备的运行状态，并将判断结果传输至反馈模块24；反馈模块25根据接收到的运行状态，判断集成电路装备运行是否正常，并将反馈结果存储在存储模型中，便于工作人员以后进行调用查看等。这个阶段属于诊断模型的应用阶段，诊断声音数据输入至诊断模型中，诊断模型经过计算分析判断其为声音数据B，则诊断模型输出该诊断声音数据对应的装备运行状态b。
优选地，集成电路装备，可以是集成电路工艺装备、也可以是测量装备或其他装备；可以是装备的主机台，也可以是附属装备或附属部件，或者上述多个装备的组合，上述的每一个装备或主机台或附属装备或附属部件称为一个装备单元；当集成电路装备包括M个装备单元时，声音采集模块包括M个声音采集单元，分析计算模块包括M个分析计算单元，反馈模块包括M个反馈单元，且M个装备单元、声音采集单元、分析计算单元和反馈单元一一对应；M为大于0的整数。
优选的，声音采集模块可以是集成电路装备上内置或外置的声音传感器或具备对声音强度、声音频率和声音波形等信息进行采集和传输能力的装置；根据装备状态的监控和诊断需要，每台装备里可以安装一套或多套声音传感器或装置。
优选的，存储模块的作用是将采集的训练声音数据及其对应的运行状态、诊断声音数据、以及反馈模块中的判断结果进行存储，存储模块具体可以是用于机器学习的专用存储装备或者云端存储装备。
优选的，分析计算模块具备对所采集的装备运行时的声音数据进行处理、计算、学习和分析的能力；其内部的学习算法可以采用开源的深度学习算法，或其他具备对声纹数据进行深度学习能力的算法；其运算服务器可以是用于机器学习的专用服务器，也可以是云端计算装备。最终形成的诊断模型可以为卷积神经网络模型，如附图2所示，最终形成的卷积神经网络模型包括输入层、隐藏层和输出层。卷积神经网络输入层31的输入数据为声音采集装置22所采集到的诊断声音数据，神经网络隐藏层32作用是对诊断声音数据中的声音特征进行深度卷积网络运算；神经网络输出层33的输出数据为集成电路装备21的运行状态，该运行状态与对应输入的诊断声音数据具有对应关系。从而完成本发明的结合机器学习和声纹识别技术来监测和诊断集成电路装备运行状态。
优选地，分析计算模块将诊断模型识别出来的运行状态传输至反馈模块中，反馈模块判断根据集成电路装备的运行状态判断集成电路装备是否运行正常，若集成电路装备运行异常，反馈模块会发出报警和/或反馈提示，并将反馈结果以及报警和/或反馈提示存储至存储模块中，便于工作人员后续进行调用查看等。
本发明提供的一种诊断集成电路装备运行状态的方法，包括如下步骤：
S01：声音采集模块采集集成电路装备运行过程中的训练声音数据，并将训练声音数据及其对应的运行状态传输至存储模块进行存储，存储模块再将存储的训练声音数据及其对应的运行状态传输至分析计算模块，分析计算模块对训练声音数据及其对应的运行状态进行深度学习，形成诊断模型。
声音采集模块位于集成电路装备的内部和/或外部，且训练声音数据包括声音强度、声音频率和声音波形。声音采集模块采集到的训练声音数据及其对应的运行状态存储在存储模块中，存储模块将多个训练声音数据及其对应的运行状态传输至分析计算模块，本步骤是诊断模型的形成阶段，因此，声音采集模块采集到的训练声音数据及其对应运行状态均是已知的，通过将这两者在分析计算模块中进行训练学习，从而得到诊断模型。
具体的，在集成电路装备的内部或外部布局声音传感器或声音采集装置；通过声音传感器或声音采集装置采集装备运行时的声音；分析计算模块结合机器学习和深度学习的方法对集成电路装备所采集和存储的训练声音数据及其对应的运行状态进行识别、处理和学习计算，根据实际情况建立集成电路装备的声音特征与装备运行状态之间的模型，即建立装备声音特征和装备运行状态之间的关联关系，并通过机器学习不断完善和优化诊断模型。
S02：声音采集模块采集集成电路装备运行过程中的诊断声音数据；并存储在存储模块中。本步骤中采集的诊断声音数据为对应待诊断的集成电路装备运行状态。相比步骤S01中的诊断模型的建立和完善阶段，本步骤属于诊断模型的应用阶段，可应用与集成电路装备正常运行阶段的监测和诊断。
S03：存储模块将诊断声音数据传输至诊断模型中，诊断模型根据该诊断声音数据判断集成电路装备的运行状态，并将判断结果传输至反馈模块。在装备运行过程中，通过诊断模型对装备运行过程中的诊断声音数据进行运算分析，判断出集成电路装备运行的状态。
S04：反馈模块根据接收到的运行状态，判断集成电路装备运行是否正常。将本发明装置接入集成电路生产线生产管理***或者装备监控***，在装备异常状态时或者在装备出现异常之前及时向生产管理人员或装备维护人员做出报警和反馈提示。
本发明在集成电路装备的内部或外部布局声音传感器，通过采集、存储、分析计算集成电路装备运行时的声音，结合深度学习的方法对集成电路装备的声音数据进行识别，对装备运行状态进行监控和诊断，在集成电路装备出现异常之前及时做出报警和反馈提示。本发明可以在成本可控的前提下大幅提升装备状态诊断的成功率和及时性、减小装备异常带来的损失、并提升装备的性能和可靠性。
以上所述仅为本发明的优选实施例，所述实施例并非用于限制本发明的专利保护范围，因此凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明所附权利要求的保护范围内。

Claims (10)

1.一种诊断集成电路装备运行状态的方法，其特征在于，包括如下步骤：
S01：声音采集模块采集集成电路装备运行过程中的训练声音数据，并将所述训练声音数据及其对应的运行状态传输至分析计算模块，所述分析计算模块对所述训练声音数据及其对应的运行状态进行深度学习，形成诊断模型；
S02：所述声音采集模块采集集成电路装备运行过程中的诊断声音数据；
S03：所述诊断声音数据传输至所述诊断模型中，所述诊断模型根据该诊断声音数据判断所述集成电路装备的运行状态，并将判断结果传输至反馈模块；
S04：所述反馈模块根据接收到的运行状态，判断所述集成电路装备运行是否正常。
2.根据权利要求1所述的一种诊断集成电路装备运行状态的方法，其特征在于，所述声音采集模块位于所述集成电路装备的内部和/或外部。
3.根据权利要求1所述的一种诊断集成电路装备运行状态的方法，其特征在于，所述训练声音数据和诊断声音数据包括声音强度、声音频率和声音波形。
4.根据权利要求1所述的一种诊断集成电路装备运行状态的方法，其特征在于，所述步骤S01中声音采集模块采集到的训练声音数据及其对应的运行状态存储在存储模块中，所述存储模块将多个训练声音数据及其对应的运行状态传输至所述分析计算模块；
所述步骤S02中所述声音采集模块采集到的诊断声音数据存储在存储模块中，所述存储模块将所述诊断声音数据传输至所述诊断模型中。
5.根据权利要求1所述的一种诊断集成电路装备运行状态的方法，其特征在于，所述分析计算模块采用开源的深度学习算法进行深度学习。
6.根据权利要求1所述的一种诊断集成电路装备运行状态的方法，其特征在于，所述反馈模块判断所述集成电路装备运行异常时，发出报警和/或反馈提示。
7.一种诊断集成电路装备运行状态的装置，其特征在于，包括声音采集模块、分析计算模块和反馈模块，其中，所述分析计算模块分别连接所述声音采集模块和反馈模块；所述声音采集模块采集集成电路装备运行过程中的训练声音数据，并将所述训练声音数据及其对应的运行状态传输至分析计算模块，所述分析计算模块对所述训练声音数据及其对应的运行状态进行深度学习，形成诊断模型；
声音采集模块采集集成电路装备运行过程中的诊断声音数据；并将所述诊断声音数据传输至所述诊断模型中，所述诊断模型根据该诊断声音数据判断所述集成电路装备的运行状态，并将判断结果传输至反馈模块；所述反馈模块根据接收到的运行状态，判断所述集成电路装备运行是否正常。
8.根据权利要求7所述一种诊断集成电路装备运行状态的装置，其特征在于，所述装置还包括存储模块，所述存储模块分别连接声音采集模块和所述分析计算模块，所述声音采集模块采集到的训练声音数据及其对应的运行状态存储在存储模块中，所述存储模块将多个训练声音数据及其对应的运行状态传输至所述分析计算模块；
或者所述声音采集模块采集到的诊断声音数据存储在存储模块中，所述存储模块将所述诊断声音数据传输至所述诊断模型中。
9.根据权利要求7所述一种诊断集成电路装备运行状态的装置，其特征在于，所述集成电路装备包括M个装备单元，所述声音采集模块包括M个声音采集单元，所述分析计算模块包括M个分析计算单元，所述反馈模块包括M个反馈单元，且M个装备单元、声音采集单元、分析计算单元和反馈单元一一对应；M为大于0的整数。
10.根据权利要求7所述一种诊断集成电路装备运行状态的装置，其特征在于，所述诊断模型为卷积神经网络模型。
CN201911294083.9A 2019-12-16 2019-12-16 一种诊断集成电路装备运行状态的装置及方法 Pending CN111158337A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911294083.9A CN111158337A (zh) 2019-12-16 2019-12-16 一种诊断集成电路装备运行状态的装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911294083.9A CN111158337A (zh) 2019-12-16 2019-12-16 一种诊断集成电路装备运行状态的装置及方法

Publications (1)

Publication Number Publication Date
CN111158337A true CN111158337A (zh) 2020-05-15

Family

ID=70557162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911294083.9A Pending CN111158337A (zh) 2019-12-16 2019-12-16 一种诊断集成电路装备运行状态的装置及方法

Country Status (1)

Country Link
CN (1) CN111158337A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07319538A (ja) * 1994-05-30 1995-12-08 Nissin Electric Co Ltd 監視装置
CN1845297A (zh) * 2005-04-08 2006-10-11 泉胜科技股份有限公司 晶片工艺平台的安全监控机制
CN202083757U (zh) * 2011-06-13 2011-12-21 河北省电力公司超高压输变电分公司 用于电力设备的声音异常检测***
CN109768002A (zh) * 2017-11-10 2019-05-17 台湾积体电路制造股份有限公司 用于制造或分析半导体晶圆的装置、操作方法及***
CN110208022A (zh) * 2019-06-12 2019-09-06 济南雷森科技有限公司 基于机器学习的电力设备多特征音频指纹故障诊断方法及***
CN110504186A (zh) * 2018-05-16 2019-11-26 台湾积体电路制造股份有限公司 半导体制造机台的状况监控方法及半导体制造***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07319538A (ja) * 1994-05-30 1995-12-08 Nissin Electric Co Ltd 監視装置
CN1845297A (zh) * 2005-04-08 2006-10-11 泉胜科技股份有限公司 晶片工艺平台的安全监控机制
CN202083757U (zh) * 2011-06-13 2011-12-21 河北省电力公司超高压输变电分公司 用于电力设备的声音异常检测***
CN109768002A (zh) * 2017-11-10 2019-05-17 台湾积体电路制造股份有限公司 用于制造或分析半导体晶圆的装置、操作方法及***
CN110504186A (zh) * 2018-05-16 2019-11-26 台湾积体电路制造股份有限公司 半导体制造机台的状况监控方法及半导体制造***
CN110208022A (zh) * 2019-06-12 2019-09-06 济南雷森科技有限公司 基于机器学习的电力设备多特征音频指纹故障诊断方法及***

Similar Documents

Publication Publication Date Title
US10288043B2 (en) Wind turbine condition monitoring method and system
CN105045256B (zh) 基于数据对比分析的轨道交通实时故障诊断方法和***
CN113077172A (zh) 一种设备状态趋势分析及故障诊断方法
CN108444708A (zh) 基于卷积神经网络的滚动轴承智能诊断模型的建立方法
CN104390657B (zh) 一种发电机组运行参数测量传感器故障诊断方法及***
WO2016004774A1 (zh) 一种基于时间序列分析的轨道交通故障诊断方法和***
WO2021121182A1 (zh) 一种数控机床健康诊断方法
WO2022116570A1 (zh) 一种基于麦克风阵列的工业设备故障信号定位与识别方法
CN107345857A (zh) 一种电主轴状态监测与故障诊断***及其监测诊断方法
CN110375983A (zh) 基于时间序列分析的阀门故障实时诊断***及诊断方法
CN111098463A (zh) 一种注塑机故障诊断***及诊断方法
KR20210061517A (ko) 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법 및 장치
CN110597235A (zh) 一种通用智能故障诊断方法
CN117215940A (zh) 智慧运维应急处理***
WO2019166397A1 (en) Intelligent audio analytic apparatus (iaaa) and method for space system
CN117474357A (zh) 基于深度学习的配电房运维管理方法及***
CN111404756A (zh) 一种通信装备故障诊断***
CN114019935A (zh) 一种基于工业物联网设备实时检测诊断***
KR102545672B1 (ko) 기계고장 진단 방법 및 장치
CN111158337A (zh) 一种诊断集成电路装备运行状态的装置及方法
JPH06271240A (ja) エレベータの故障診断装置
CN111638407A (zh) 一种智能纺纱抓棉故障检测***
CN110057587A (zh) 一种核电用泵轴承智能故障诊断方法及***
KR20220105510A (ko) 인공지능 기반 모바일 전력설비 정보안내 및 점검 시스템
CN112822202A (zh) 一种区块链大数据存取方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200515

WD01 Invention patent application deemed withdrawn after publication