CN113094971A - 基于熵权-灰色层次分析的建模仿真即服务可信度评估方法及*** - Google Patents
基于熵权-灰色层次分析的建模仿真即服务可信度评估方法及*** Download PDFInfo
- Publication number
- CN113094971A CN113094971A CN202110272663.9A CN202110272663A CN113094971A CN 113094971 A CN113094971 A CN 113094971A CN 202110272663 A CN202110272663 A CN 202110272663A CN 113094971 A CN113094971 A CN 113094971A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- weight
- simulation
- gray
- credibility
- 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.)
- Withdrawn
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 135
- 238000004088 simulation Methods 0.000 title claims abstract description 66
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 63
- 230000006870 function Effects 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000002087 whitening effect Effects 0.000 claims description 14
- 238000005094 computer simulation Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于熵权‑灰色层次分析的建模仿真即服务可信度评估方法及***,该方法首先分析了建模仿真即服务的分层体系架构,根据其架构各层之间的功能不同,运行环境异构等特点建立可信度评估指标体系;其次,将熵权法和层次分析法引入到灰色评估法中,解决各个评估指标对于目标层的权重主观性太强、权重分配不够客观的问题,提高了评价的合理性。本发明建立了一个MSaaS仿真***的综合可信度评估指标体系,对该***可信程度进行有效评估,解决了MSaaS仿真可信程度难以评估的问题。
Description
技术领域
本发明涉及***仿真领域,具体涉及一种基于熵权-灰色层次分析的建模仿真即服务可信度评估方法及***。
背景技术
随着计算技术、信息技术和以云计算为代表的新型技术的飞速发展,基于云服务的仿真逐渐成为趋势。2015年,北约提出基于云计算的建模与仿真即服务(MSaaS),为仿真应用的快速构建提供新的思路。而构建MSaaS仿真架构需要涉及可信云计算平台、可信SOA服务平台、可信仿真资源服务、可信仿真应用等多个不同层面的可信计算,并且MSaaS仿真是否可信将直接影响到基于仿真结果所进行的一系列应用或决策过程。可见对MSaaS仿真可信度的研究具有重要价值。
研究MSaaS仿真可信度评估时应该考虑两方面的因素:一方面,MSaaS架构在满足可信构建的同时,还应支持仿真资源的快速部署、高效调度和按需集成等;另一方面,可信度评估具有一定的独立性,应重视可信度评估的理论和方法研究。
目前,国内外的学者对MSaaS的研究主要集中在基于MSaaS的并行和分布式仿真、基于MSaaS的建模方法等理论方法上,而可信计算的研究主要集中在计算机软硬件层面,缺少仿真服务所需要的一些特殊属性,较难适应仿真服务可信评估需求。因而,如何建立一个MSaaS仿真***的综合可信度评估指标体系,如何对该***可信程度进行有效评估是亟需解决的问题。
近年来,灰色***理论在处理“小样本”、“贫信息”的评价问题时,取得了显著的评判效果,同时考虑到MSaaS仿真可信度评估由于可利用数据较少,往往较难评估。
发明内容
本发明的目的是提出一种基于熵权-灰色层次分析的建模仿真即服务可信度评估方法及***。
实现本发明目的的技术解决方案为:一种基于熵权-灰色层次分析的建模仿真即服务可信度评估方法,将熵权法和层次分析法引入到灰色评估法中,对仿真***的可信度进行评估,包括如下步骤:
建立可信度评估指标体系:影响架构可信度的因素主要为四大类:模型服务可信度、仿真服务可信度、云服务可信度和仿真结果可信度;
熵权法求底层元素相对目标层权重;
层次分析法求底层元素相对目标层权重;
计算熵权-层次分析组合权重:采用乘数归一算法求组合权重;
求评估指标矩阵:根据专家对底层元素的评分表,求出评估指标矩阵;
确定评估灰类:根据专家对底层元素的评分以及划分的评估等级,可对应5个评估灰类;
计算灰色评估系数:根据评估指标值矩阵和白化权函数算出灰色评估系数。
计算灰色评估权重:根据灰色评估系数和总灰色评估系数算出灰色评估权重。
计算综合聚类系数,给出评价结果。
进一步的,仿真建模即服务可信度关于5个灰类的综合聚类系数分别定义为:
一种基于熵权-灰色层次分析的建模仿真即服务可信度评估***,包括:
可信度指标体系建立模块,用于建立可信度评估指标体系;
熵权法求权重模块,利用专家对底层指标评分得到信息,再根据熵权法求权重步骤计算底层指标相对目标层权重;
层次分析法求权重模块,利用层次分析法计算底层指标相对目标层权重;
灰色评估模块,根据专家对底层指标评分得到评估指标矩阵,再求出灰色评估系数、总灰色评估系数和灰色评估权重;
综合评估模块,根据熵权法和层次分析法求出的权重,求出组合权重,再结合灰色评估权重得到综合聚类系数,最后给出综合评估结果。
进一步的,评估前,设计可信度评估指标体系,影响该架构可信度的因素主要为四大类:模型服务可信度、仿真服务可信度、云服务可信度和仿真结果可信度。
进一步的,仿真建模即服务可信度关于5个灰类的综合聚类系数分别定义为:
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的基于熵权-灰色层次分析的建模仿真即服务可信度评估方法。
进一步的,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的基于熵权-灰色层次分析的建模仿真即服务可信度评估方法。
与现有技术相比,本发明的有益效果为:(1)本发明从MSaaS架构各层之间的功能不同,运行环境异构等特点建立了可信度评估指标体系,根据灰色***理论在处理“小样本”、“贫信息”的问题时具有显著优势,同时考虑到MSaaS的可信度评估只拥有少量的定量信息,往往较难评估,本发明提出了一种熵权法和灰色层次分析法相结合的可信度评估方法,对MSaaS仿真***可信程度进行有效评估提供了新方法;(2)本发明将熵权法和层次分析法结合,解决了各个评估指标对于目标层的权重主观性太强、权重分配不够客观的问题。
附图说明
图1为本发明MSaaS仿真架构的可信度评估方法流程图。
图2为本发明设计的MSaaS仿真架构的可信因素集及递阶结构图。
图3为本发明实施实例中基于MSaaS战场环境仿真架构的可信因素集及递阶结构图。
具体实施方式
下面结合说明书附图及具体实例对本发明作进一步详细描述。
本发明提出MSaaS仿真架构的可信度影响因素,并结合新方法进行可信度评估,设计形成可信度评估指标体系;具体步骤如图1所示,MSaaS仿真架构的可信度评估方法包括如下步骤:
步骤1:熵权法求权重
1)专家评分
将指标的评分等级划分五个等级,以十分制进行评分。五个等级分别为极好(9-10分)、很好(7-9分)、好(5-7分)、较差(3-5分)、差(0-3分)。邀请相关领域专家根据仿真运行过程对底层元素(三级指标)进行评分,对所得评分进行无量纲化处理,计算公式如下。
其中i表示参与评分的专家的标号,j表示第j个三级指标,xij表示第i位专家对j个指标的评分,minxij、maxxij分别表示最小最大分数,rij表示无量纲化之后的分数。
2)计算信息熵概率
利用公式(2)对无量纲化之后的数据进行预处理,得到信息熵发生的概率pij。
其中Mij为第i个专家对第j个三级指标的评分。
3)计算信息熵
其中Hj为评价指标的信息熵;q为三级指标总数;m为参与评估的专家个数;i表示参与评分的专家的标号,j表示第j个三级指标;pij为各信息熵发生的概率,且pij≠0。
4)计算权重
计算评估指标对于目标层的权重。其中Hj为评价指标的信息熵。
步骤二:层次分析法求权重
1)建立判断矩阵
邀请相关领域的专家,根据1-9标度法对各级指标的重要性进行评分,由此建立判断矩阵。
2)计算权重
计算步骤1)中建立的判断矩阵的最大特征值及其对应的特征向量,并将其进行归一化得到每层元素相对上层元素的权重。各级指标算法相同,以此算出每层元素相对上层元素的权重,最后得到底层元素相对目标层的权重WAj。
3)一致性检验
为保证计算结果的相对准确性,要进行一致性检验,其计算公式如下:
其中CR为一致性比例;CI为一致性指标;RI为平均随机一致性指标,其取值如表1所示;λmax为矩阵的最大特征值;n为矩阵的阶数。当CR<0.1时,认为判断矩阵具有可接受的一致性,否则需重新修正计算,直至一致性通过。
表1平均一致性随机指标
步骤三:求组合权重
根据上述所求得的三级指标相对目标层的层次分析法权重WAj以及三级指标相对目标层的熵权法权重WEj,采用常用的乘数归一算法可求得组合权重Wj,如公式(7)所示。
步骤四:求评估指标值矩阵DJI (A)
步骤五:确定评估灰类
根据步骤1中专家对底层元素的评分以及划分的评估等级,可对应5个评估灰类,即N=1,2,3,4,5。如表2所示。
表2为评估等级取值范围
对于5个评估灰类,其相应的灰数及白化权函数如下:
步骤六:计算灰色评估系数
步骤七:计算灰色评估权重
步骤八:计算综合聚类系数,给出评价结果
文献中提出了综合聚类系数评价方法。仿真建模即服务可信度关于5个灰类的综合聚类系数分别定义为:
其中k表示有k个底层指标,Wj表示组合权重。
本发明还提供一种MSaaS仿真架构的可信度评估***,包括:
可信度指标体系建立模块,分析建模仿真即服务的分层体系架构,根据其架构各层之间的功能不同,运行环境异构等特点建立了可信度评估指标体系;
熵权法求权重模块,利用专家对底层指标评分得到信息,再根据熵权法求权重步骤计算底层指标相对目标层权重;
层次分析法求权重模块,利用层次分析法计算底层指标相对目标层权重;
灰色评估模块,根据专家对底层指标评分得到评估指标矩阵,再求出灰色评估系数、总灰色评估系数和灰色评估权重;
综合评估模块,根据熵权法和层次分析法求出的权重,求出组合权重,再结合灰色评估权重得到综合聚类系数,最后给出综合评估结果。
需要指出的是,上述***中各模块的实现方法具体详见上述可信度评估方法部分,本发明不再做赘述。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的基于熵权-灰色层次分析的建模仿真即服务可信度评估方法。
进一步的,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的基于熵权-灰色层次分析的建模仿真即服务可信度评估方法。
下面以基于MSaaS战场环境仿真可信度评估为例,对本发明技术方案进行作进一步说明。
实施例
根据作战活动分布的范围及主要兵器运用的环境,现代战场可以分为陆地战场、海洋战场、天空战场、太空战场和电磁战场。根据图2可以建立基于MSaaS的战场环境仿真可信度递阶层次结构图,如图3所示。
(1)建立可信度评估指标体系:影响该架构可信度的因素主要为四大类:模型服务可信度、仿真服务可信度、云服务可信度和仿真结果可信度。基于MSaaS的战场环境仿真一级指标相对二级指标、三级指标参数如图3所示。
(2)熵权法求底层元素相对目标层权重;
现邀请5位相关领域专家,根据仿真运行过程以及仿真结果对基于MSaaS的战场环境仿真架构可信度指标体系的底层元素(三级指标)进行评分。根据公式(1)对评分表中的数据进行无量纲化处理。对无量纲化之后的数据根据公式(2)进行预处理,得到信息熵发生的概率pij,根据公式(3)和公式(4)计算信息熵Hj以及评估指标对于目标层的权重WEj,权重WEj如表5所示。
(3)层次分析法求底层元素相对目标层权重;
现邀请20位相关领域专家对一级指标的重要程度进行评判得到重要性比值为:U1/U2=2、U1/U3=2、U1/U4=1/3、U2/U3=1、U2/U4=1/4、U3/U4=1/4。构建一级指判断矩阵如表3所示。
表3一级指标判断矩阵
计算上述一级指标判断矩阵的最大特征值及其对应的特征向量为:
λmax=4.0206
Vmax=[0.3623 0.1996 0.1996 0.8883]
将最大特征值对应的特征向量归一化:
所以一级指标相对目标层的权重为:
表4一级指标相对目标层权重
在本例中n=4,所以RI=0.89。计算一致性比例CR=0.0077<0.1,所以一致性检验通过。其他一级指标所对应的二级指标权重,二级指标对应的三级指标权重算法如上。求得底层元素相对目标层元素的权重WAj如表5所示。
(4)计算熵权-层次分析组合权重:采用乘数归一算法求组合权重,计算结果如表5所示。
(5)求评估指标矩阵:根据专家对底层元素的评分表,求出评估指标矩阵,
(6)确定评估灰类:根据专家对底层元素的评分以及划分的评估等级,可对应5个评估灰类,如步骤五。
(7)计算灰色评估系数:根据评估指标值矩阵和白化权函数算出灰色评估系数和总灰色评估系数,如表6所示。
(8)计算灰色评估权重:根据灰色评估系数和总灰色评估系数算出灰色评估权重,如表7所示。
(9)计算综合聚类系数,给出评价结果。
经计算可得5个灰类的综合聚类系数为:
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于熵权-灰色层次分析的建模仿真即服务可信度评估方法,其特征在于,包括如下步骤:
建立可信度评估指标体系:影响架构可信度的因素主要为:模型服务可信度、仿真服务可信度、云服务可信度和仿真结果可信度;
熵权法求底层元素相对目标层权重;
层次分析法求底层元素相对目标层权重;
计算熵权-层次分析组合权重:采用乘数归一算法求组合权重;
求评估指标矩阵:根据专家对底层元素的评分表,求出评估指标矩阵;
确定评估灰类:根据专家对底层元素的评分以及划分的评估等级,对应5个评估灰类;
计算灰色评估系数:根据评估指标值矩阵和白化权函数算出灰色评估系数;
计算灰色评估权重:根据灰色评估系数和总灰色评估系数算出灰色评估权重;
计算综合聚类系数,给出评价结果。
5.一种基于熵权-灰色层次分析的建模仿真即服务可信度评估***,其特征在于,包括:
可信度指标体系建立模块,用于建立可信度评估指标体系;
熵权法求权重模块,利用专家对底层指标评分得到信息,再根据熵权法求权重步骤计算底层指标相对目标层权重;
层次分析法求权重模块,利用层次分析法计算底层指标相对目标层权重;
灰色评估模块,根据专家对底层指标评分得到评估指标矩阵,再求出灰色评估系数、总灰色评估系数和灰色评估权重;
综合评估模块,根据熵权法和层次分析法求出的权重,求出组合权重,再结合灰色评估权重得到综合聚类系数,最后给出综合评估结果。
6.根据权利要求5所述的基于熵权-灰色层次分析的建模仿真即服务可信度评估***,其特征在于,所述的建立可信度评估指标体系,主要包括模型服务可信度、仿真服务可信度、云服务可信度和仿真结果可信度。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-4中任一所述的基于熵权-灰色层次分析的建模仿真即服务可信度评估方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一所述的基于熵权-灰色层次分析的建模仿真即服务可信度评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110272663.9A CN113094971A (zh) | 2021-03-13 | 2021-03-13 | 基于熵权-灰色层次分析的建模仿真即服务可信度评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110272663.9A CN113094971A (zh) | 2021-03-13 | 2021-03-13 | 基于熵权-灰色层次分析的建模仿真即服务可信度评估方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113094971A true CN113094971A (zh) | 2021-07-09 |
Family
ID=76667190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110272663.9A Withdrawn CN113094971A (zh) | 2021-03-13 | 2021-03-13 | 基于熵权-灰色层次分析的建模仿真即服务可信度评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113094971A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114018317A (zh) * | 2021-09-30 | 2022-02-08 | 北京航天华腾科技有限公司 | 一种用于海洋环境的数据采集装置及方法 |
CN114037272A (zh) * | 2021-11-09 | 2022-02-11 | 国网江苏省电力有限公司营销服务中心 | 一种区域综合能源***的能效评估方法 |
-
2021
- 2021-03-13 CN CN202110272663.9A patent/CN113094971A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114018317A (zh) * | 2021-09-30 | 2022-02-08 | 北京航天华腾科技有限公司 | 一种用于海洋环境的数据采集装置及方法 |
CN114018317B (zh) * | 2021-09-30 | 2022-05-17 | 北京航天华腾科技有限公司 | 一种用于海洋环境的数据采集装置及方法 |
CN114037272A (zh) * | 2021-11-09 | 2022-02-11 | 国网江苏省电力有限公司营销服务中心 | 一种区域综合能源***的能效评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119904A (zh) | 一种舰船装备维修保障能力评估方法和*** | |
Deng et al. | Simulation-based evaluation of defuzzification-based approaches to fuzzy multiattribute decision making | |
CN108537600A (zh) | 一种电力市场运行评价方法及计算设备 | |
CN113094971A (zh) | 基于熵权-灰色层次分析的建模仿真即服务可信度评估方法及*** | |
CN112287018A (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及*** | |
CN112818484A (zh) | 一种物理实体数字孪生综合实施能力评估方法及评估*** | |
CN111967749A (zh) | 一种船员舒适度评价方法、终端设备及存储介质 | |
CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及*** | |
CN107644285A (zh) | 售电市场盈利能力评估指标的筛选与权重确定方法及*** | |
CN116485021A (zh) | 一种煤炭企业技术技能人才人岗匹配预测方法与*** | |
CN113792984B (zh) | 基于云模型的防空反导指挥控制模型能力评估方法 | |
CN116307381A (zh) | 一种基于多属性决策的绿色产品设计方案评价方法及*** | |
Zhang et al. | Evaluation model of maritime search and rescue response capability | |
CN112862230A (zh) | 一种基于层次分析法的盾构司机绩效评价方法及*** | |
CN114707784A (zh) | 一种基于组合赋权法的权重确定方法及*** | |
CN112926198A (zh) | 一种MSaaS仿真架构的可信度评估方法及*** | |
Lv | Cloud Computation-Based Clustering Method for Nonlinear Complex Attribute Big Data | |
CN114139361B (zh) | 分布式研发设计资源共享激励模型与动态双目标评价方法 | |
CN112101814B (zh) | 基于加权的模糊聚类算法的油气工程分类方法和*** | |
CN110879723B (zh) | 基于Pareto最优集的软件服务价值的客观评测方法及装置 | |
Ribeiro | Check for Selecting Normalization Techniques for the Analytical Hierarchy Process Nazanin Vafaei Rita A. Ribeiro, and Luis M. Camarinha-Matos CTS-UNINOVA and Faculty of Sciences and Technology | |
Guha et al. | Compromise ratio method for decision making under fuzzy environment using fuzzy distance measure | |
CN117196286A (zh) | 基于韧性城市理论的建筑施工安全风险压力评估方法 | |
CN117575394A (zh) | 多界面任务下人员态势增强评价方法、***及设备 | |
CN117634978A (zh) | 一种基于模糊数学理论的企业决策综合评估方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210709 |