CN115605813A - 容器处理机和用于监控容器处理机的运行的方法 - Google Patents
容器处理机和用于监控容器处理机的运行的方法 Download PDFInfo
- Publication number
- CN115605813A CN115605813A CN202180031274.5A CN202180031274A CN115605813A CN 115605813 A CN115605813 A CN 115605813A CN 202180031274 A CN202180031274 A CN 202180031274A CN 115605813 A CN115605813 A CN 115605813A
- Authority
- CN
- China
- Prior art keywords
- container
- machine
- neural network
- processing machine
- control unit
- 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
Links
- 238000000034 method Methods 0.000 title claims description 23
- 238000012544 monitoring process Methods 0.000 title claims description 16
- 238000012545 processing Methods 0.000 claims abstract description 98
- 238000013528 artificial neural network Methods 0.000 claims abstract description 93
- 235000013361 beverage Nutrition 0.000 claims abstract description 6
- 239000002537 cosmetic Substances 0.000 claims abstract description 6
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims abstract description 5
- 238000010017 direct printing Methods 0.000 claims description 10
- 238000011049 filling Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000000071 blow moulding Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000007789 sealing Methods 0.000 claims description 4
- 238000007639 printing Methods 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009740 moulding (composite fabrication) Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- 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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B57/00—Automatic control, checking, warning, or safety devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B67—OPENING, CLOSING OR CLEANING BOTTLES, JARS OR SIMILAR CONTAINERS; LIQUID HANDLING
- B67C—CLEANING, FILLING WITH LIQUIDS OR SEMILIQUIDS, OR EMPTYING, OF BOTTLES, JARS, CANS, CASKS, BARRELS, OR SIMILAR CONTAINERS, NOT OTHERWISE PROVIDED FOR; FUNNELS
- B67C3/00—Bottling liquids or semiliquids; Filling jars or cans with liquids or semiliquids using bottling or like apparatus; Filling casks or barrels with liquids or semiliquids
- B67C3/007—Applications of control, warning or safety devices in filling machinery
-
- 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
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- 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
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- 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
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34477—Fault prediction, analyzing signal trends
-
- 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
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45048—Packaging
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Mechanical Engineering (AREA)
- Filling Of Jars Or Cans And Processes For Cleaning And Sealing Jars (AREA)
Abstract
本发明涉及一种容器处理机(100),其用于尤其是在饮料加工工业、医疗技术或化妆品工业中处理容器,例如瓶、罐等,其中容器处理机包括用于控制容器处理机(100)的功能的控制单元(130)和用于处理容器的至少一个处理单元(102‑105),其中容器处理机被构造用于以恰好一种方式处理容器,其中容器处理机包括至少一个组件(131‑137),该组件能够将关于组件的运行状态和/或容器处理机(100)的运行状态的数据输出至控制单元(130),并且其中控制单元包括神经网(253),该神经网被配置和训练成,根据数据确定是否存在和/或即将发生容器处理机(100)的运行状态与正常状态的偏离。
Description
技术领域
本发明涉及一种根据权利要求1所述的容器处理机以及一种根据权利要求8所述的用于监控容器处理机的运行的方法。
背景技术
用于处理容器的容器处理机由现有技术充分已知。在此尤其已知的是,使不同类型的容器处理机(例如吹塑成型机、灌装机、封口机和直印机)“联动(verblocken)”,从而可以共同地控制和监控容器处理机的运行。
基于针对大数据量的快速数据传输和大容量存储器的可用性,在世界范围内集中地监控各个容器处理机、尤其是整个容器处理***的运行已经被证明是有利的。为此,现在使用云解决方案,该云解决方案能够收集容器处理***的数据并且接下来对该数据进行评估。
然后基于该评估例如可以对各个容器处理机进行状态监控,并且可以在容器处理机的运行期间对即将发生的故障进行识别或早期识别。
为此,通常持续地监控大量参数、也称为状态变量,并且通过相应的计算单元、例如云架构中的服务器进行如下探查,即,在状态变量全局中是否存在异常。在出现状态变量或状态向量的确定的情况或这种异常时,可以因此推断出功能性故障或即将发生的功能性故障。
为了评估这种大数据量、尤其是为了进行模型识别,在相应的云解决方案中现在也应用神经网。
然而这种手段也有缺点,因为机器需要与外界的持久的网络连接,以便确保故障的识别,这不仅需要稳定的互联网连接,而且同时在传输这些数据时带来显著的安全风险。此外,对容器处理***可用的所有数据的评估确实提供了对***的整个运行的良好概述。然而,对于单个功能性故障、例如对于直印机处的单个旋转编码器的失效而言,这些数据的大部分是不相关的。然而事先对这些数据进行分类是没有意义的,因为关于其他故障的信息因此会丢失。
发明内容
因此,从已知的现有技术出发,待实现的技术目的在于,给出一种用于监控容器处理机的运行的方法以及一种相应的容器处理机,该方法以及容器处理机确保可靠的运行监控并且同时确保数据的高的安全性,以及,如果可能的话,在进行的运行期间实现低的组件用量和低的成本。
根据本发明,该目的通过根据权利要求1所述的容器处理机或者根据权利要求8所述的用于监控容器处理机的运行的方法得以实现。本发明的有利的改进方案包含在从属权利要求中。
根据本发明的容器处理机用于尤其是在饮料加工工业、医疗技术或化妆品工业中处理容器,例如瓶、罐等,该容器处理机包括用于控制容器处理机的功能的控制单元和用于处理容器的至少一个处理单元,其中该容器处理机被构造用于以恰好一种方式处理容器,其中该容器处理机包括至少一个组件,该组件能够将关于该组件的运行状态和/或容器处理机的运行状态的数据输出至控制单元,并且其中控制单元包括神经网,该神经网被配置和训练成,根据该数据确定是否存在和/或即将发生容器处理机的运行状态与正常状态的偏离。
术语“组件”在此被视为容器处理机的每个组成部分,其能够检测/产生/接收任何与其运行或容器处理机的其他部件的运行相关的数据并且将该数据传送至控制单元。这些组件因此不一定是传感器。
容器处理机被构造用于以恰好一种方式处理容器应理解为,容器处理机对容器执行恰好一个(即,不是例如两个或更多个,而是仅一个)功能性干预,或者容器处理机仅能够执行一种这类功能性干预。这并不排除在容器处理机中或容器处理机的范围内附加地对容器进行运输。对容器的功能性干预意味着改变容器的至少一个特性。这例如包括将预制件成形为容器、灌装容器、对容器封口、为容器配设装饰元素、预处理容器的外表面和/或内表面以及检查容器。这也包括包装一个或多个容器,例如将多个容器搭配成相应的集合并且为这些容器制造塑料包封。清洁待回收的容器或粉碎由塑料制成的容器以用于由回收的塑料制造新的容器也应理解为对容器的相应的功能性干预并且因此理解为对容器的单独处理。
利用根据本发明的容器处理机,可以监控容器处理机的运行,其中类似于迄今的方法,也确保了基于神经网的学习的监控的进一步发展。同时,不再需要持续提供的数据连接,例如经由互联网连接到远离实际的容器处理机设立的服务器架构。此外,神经网有利地仅被提供与容器处理机的运行相关的数据,使得神经网并且尤其是控制单元的计算容量可以相应地被设计成更小的维度。因此,例如控制单元的所维持的存储器容量也可以更小。由此也取消了对于容器处理机的运行而言多余的、与其他容器处理机相关的数据的分类或者甚至评估,其对实际的容器处理机的运行没有影响。
可以规定,组件包括传感器、旋转编码器、相机、容器引导件、控制单元的组成部分、容器处理机的网络结构的组成部分中的至少一者。
因为组件输出对于容器处理机的运行的重要特征有用的数据,所以可以特别有利地在本发明的范围内实现组件的这些实施方式。作为传感器例如可以使用温度传感器、压力传感器、湿度传感器、速度传感器等。
此外,控制单元可以被配置用于,当神经网确定存在和/或即将发生容器处理机的运行状态与正常状态的偏离时,向操作者输出信息。
信息例如可以是视觉的、声学的或触觉的信息或者这三种或两种不同的信息类型的组合。尤其地,可以在显示器上显示信息或者(声学地)输出警告信号。由此可以有效地向操作者提示在容器处理机运行时可能即将发生的或已经出现的问题,从而可以减少可能的停机时间或废品量。
在一个实施方式中规定,神经网被配置用于从容器处理机的运行中学习。
神经网例如不仅可以从容器处理机在正常状态下的运行中学习,而且也可以从故障的出现中学习并且尤其是从故障出现之前的数据的状况中学习,以便改进故障识别。因此,尽管只有有限的可用数据,仍实现了可靠的故障识别和可能出现的故障的预测。
此外,控制单元可以被配置用于,在容器处理机的运行期间向神经网仅供应从容器处理机的一个或多个组件获得的数据。
由此,容器处理机并且尤其是控制单元和在其上运行的神经网可以基本上被隔离,即以完全不与其他装置进行数据交换的方式运行,这因为不可能进行不允许的访问而尤其提高了运行安全性。
在其他的实施方式中,容器处理机被构造为检查机、直印机、贴标签机、灌装机、封口机、包装机、吹塑成型机、容器清洁机、成型灌装机、预处理机中的一者。
可以特别有利地利用根据本发明的监控措施来监控这些容器处理机。
一种根据本发明的用于监控容器处理机的运行的方法,该容器处理机用于尤其是在饮料加工工业、医疗技术或化妆品工业中处理容器,例如瓶、罐等,其中该容器处理机包括用于控制容器处理机的功能的控制单元和用于处理容器的至少一个处理单元,该方法规定,容器处理机以恰好一种方式处理容器,其中该容器处理机包括至少一个组件,该组件能够将关于该组件的运行状态和/或容器处理机的运行状态的数据输出至控制单元,并且其中控制单元包括神经网,该神经网被配置和训练成,根据该数据确定是否存在和/或即将发生容器处理机的运行状态与正常状态的偏离。
该方法允许可靠地监控容器处理机的运行状态,其中由于控制单元和神经网络与外部访问的隔离,同时保证了数据的安全性以及运行的安全性。
神经网可以构造为深度神经网络(DNN)。
在此,深度神经网络是具有中间层的(广泛的)结构的神经网。这些神经网特别适合于在大数据量中识别模型,并且因此可以有利地被应于监控容器处理机的运行。
也可以规定,神经网从容器处理机的运行中学习。
从运行中学习提供的优点是,即使在容器处理机的运行期间,也可以改进对该特定容器处理机的故障的识别。
此外可以规定,控制单元在容器处理机运行期间仅将容器处理机的一个或多个组件的数据传递给神经网用于学习。
在此尤其规定,容器处理机的所有组件的提供给控制单元的数据也提供给神经网。然而,相同类型的其他容器处理机或例如其中安装有容器处理机的容器处理***的其他容器处理机的数据并不被供应至控制单元和神经网。因此,待处理的数据量可以保持少量,其中仍然确保了良好的故障识别。
也可以规定,控制单元在维护容器处理机期间将附加数据传输给神经网,并且神经网从附加数据中学习。
在这种维护的范围内,例如可以通过合适的数据载体(USB棒、外部硬盘等)将附加数据的数据量(例如数百MB的附加数据)传输给容器处理机并且尤其是传输给神经网用于学习。这提供的优点是,也能够实现神经网的更广泛的学习,而为此不存在持续的、可能不安全的数据连接。
在该实施方式的改进方案中规定,附加数据包括关于容器处理机所属的容器处理***的至少一个其他的容器处理机的运行状态的数据;和/或其中附加数据包括关于相同类型的容器处理机的运行状态的数据。
因为这些数据也可以间接地或直接地影响容器处理机的运行,所以使用相同的容器处理***的数据可以是有利的。关于相同类型的容器处理机的运行状态的数据的使用可以用于学习在神经网中已经存在的在大量运行小时的情况下才出现的故障,从而才能及时地早期识别例如只有在单个容器处理机运行10年后才会在统计学方面出现的这些故障。
此外,组件可以包括传感器、旋转编码器、相机、容器引导件、控制单元的组成部分、容器处理机的网络架构的组成部分中的至少一者,和/或组件可以将数据实时地传送至控制单元。
由这些组件输出的数据可以有利地用于识别即将发生的或出现的故障。
也可以规定,当神经网确定态存在和/或即将发生容器处理机的运行状与正常状态的偏离时,控制单元向操作者输出信息。
该信息可以帮助操作者及时地识别出现的故障并且例如停止容器处理机的运行或进行维护。
附图说明
图1示出了根据一个实施方式的容器处理机的示意图;
图2示出了在控制单元内执行的方法的示意图;
图3示出了在考虑附加数据的情况下的方法的示意图。
具体实施方式
图1示出了根据本发明的实施方式可应用的容器处理机100。在图1中,容器处理机构造为直印机,该直印机能够为容器至少部分地配设作为装饰元素的印刷图像。根据本发明,一个或多个容器处理机尤其是在饮料加工工业或化妆品工业或医疗技术领域中用于以某种方式处理容器的容器处理机。其尤其是下述机器,该机器被构造用于,处理具有在上述工业分支中常见规格的容器,例如1l、2l、1.5l、0.5l、0.75l瓶或者体积为100ml、150ml、200ml的用于乳膏的器皿(Tiegel)或者体积为5ml、10ml或20ml的注射器或容器。在此也应包括在上述工业中应用的其他类型的例如罐的容器以及容器的尺寸。
为此在此示出的实施方式中,直印机100包括具有一系列容器容纳部102的转台101,容器能够容纳在该容器容纳部中以沿着转台(沿着转台的示出的旋转方向R)运输。容器容纳部100是从现有技术中原理上已知的装置,并且例如可以包括立盘或转盘和配属于该立盘或转盘的定心罩,从而容器可以在一侧的盘和另一侧的定心装置之间被夹紧。
在此所示的实施方式中,一系列印刷模块103、104和105位于转台101的***处。该印刷模块布置和构造成,使得其可以将印刷墨施加到容器的表面。
虽然在此示出了三个印刷模块,但也可以设置更多或更少的印刷模块。在转台的***处的布置同样不是限制性的。也可以考虑与各个容器容纳部102一起旋转的印刷模块,从而每个容器在其容器容纳部中在沿着转台101运输期间可以由配属于容器容纳部102的模块印刷。
此外,示意性地示出了用于容器的运输装置。运输装置106构造为供应装置,从而其可以将未印刷的容器供应至直印机。运输装置107构造为能够在印刷之后将容器从转台101取下并且将容器从直印机100运离的运输装置。
此外,容器处理机100包括控制单元130。根据本发明,该控制单元例如经由用于数据交换的一系列线路138与容器处理机的各个组件131至137连接。在此也可以考虑无线连接。
在图1中示出的实施方式中,例如每个容器容纳部102、每个印刷模块103至105、以及转台101和运输装置106和107包括配属于其的组件131至137。
在此示出的实施方式中,这些组件可以被理解为“传感器”,该传感器可以接收关于容器处理机的与其配属的部件(即例如印刷模块104的组件135)的运行状态的数据并且可以将该数据供应至控制单元130。然而,组件131至137不一定必须实施为传感器。作为组件原则上考虑容器处理机的(可运动的)部件,其能够输出关于自身和/或整个容器处理机和/或容器处理机的其他部件的运行状态的数据。例如,伺服电机可以被视为这种组件。伺服电机例如可以是容器容纳部102的部件,然而通常不向控制单元130输出关于容器容纳部102的定心装置的信息,而是仅输出关于其本身的运行状态的信息,例如工作电压是否正确或者控制信号是否被控制单元正确地接收。
作为传感器尤其可以考虑温度传感器、湿度传感器、压力传感器、光传感器、速度传感器等,因为所有由上述传感器测量的值通常对于容器处理机的运行状态来说可以是指示性的或相关的。
作为组件也可以考虑相机,其例如在容器处理机工作时用作用于检验容器的检查装置。
尤其地,这些组件是传感器、旋转编码器、相机、容器引导件或控制单元的部件(例如网络电缆或处理器或内部存储器等),或者通常是容器处理机的网络架构(在此通过数据连接部138示意性地示出)的组成部分。在此,网络架构可以包括所有用于数据交换目的的装置和组件(尤其是处理器、存储器、数据连接部等)。他们可以将关于其状态的信息输出给控制单元,以便能够实现对这些组件的控制和支配。
容器处理机100的在此示出的实施方式仅用于示例性地理解,并且本发明不限于在直印机的领域中的应用。
相反,与此前所描述的类似,容器处理机器例如也可以是吹塑成型机、贴标签机、检查机、灌装机、封口机、包装机、吹塑成型机、容器清洁机、塑料容器回收机、成型灌装机或预处理机。
然而,对于本发明重要的是,根据本发明的实施方式实现的每个容器处理机以恰好一种方式处理容器。在此,容器的处理包括容器的功能性改变或检查。例如可以在印刷、贴标签、封口、灌装、成型、粉碎、回收、清洁、包装或与其他容器搭配时看到功能性改变。根据本发明,容器处理机恰好执行容器的这种功能性处理。
在这个意义上,容器在容器容纳部102中例如通过运输装置106和107或者沿着转台的***的运输不视为容器的独立的功能性改变,而是视为这种功能性改变的一部分,因为例如对于直印机而言,功能性处理在于,在容器上施加印刷图像,然而在此期间容器必然以某种方式和方法被运输。
因此,容器的处理和因此术语“容器处理机”并不是单纯的运输装置,而是根据本发明的容器的处理除了如上所述的容器的功能性改变之外也可以包括运输。
现在根据本发明规定,控制单元130具有神经网络或配设有这种神经网络,并且控制单元将从至少一个组件(例如组件134)获得的关于组件和/或容器处理机的运行状态的数据供应至神经网。
神经网优选地是下述神经网,即,其已经被训练成根据关于组件和/或整个容器处理机的运行状态的数据来确定,机器是否处于正常运行或正常状态中,或者例如是否出现功能性故障(例如直印模块失效或墨液位过低),或者是否(直接)面临这种故障。为此目的,神经网优选地以下述方式被训练,即其根据从组件获得的数据在神经网络和在此特别优选深度神经网络(DNN)所专用的模型识别的范围内,例如通过与已知的(参数的)模型的比较来推断出关于容器处理机是否正确地运行。
因此,神经网例如可以被训练成,将在整个工艺周期期间在伺服电机处具备的转矩的确定的走向视为转盘的“正常状态”。微小的变化在这个意义上也可以被神经网络理解为仍表征正常运行的数据。然而,如果出现在模型识别的范围内与正常状态不一致的变化,则神经网可以将该变化识别为对即将发生的功能性故障的提示或者识别为已发生的功能性故障,并由此确定,容器处理机的运行状态并非处于正常状态下或者即将偏离正常状态。
优选地,在容器处理机的运行状态偏离正常状态的情况下,神经网和/或控制单元可以被配置用于,向容器处理机的操作者输出信息。该信息例如可以向操作者显示,存在功能性故障或即将面临功能性故障。信息例如可以在控制单元的显示器或合适的其他显示仪器上或者在配属于控制单元的显示仪器上输出给操作者。在此也可以考虑其他实施方式。因此,可以向操作者将相应的信息传送到由其携带的移动终端设备处,如平板电脑、智能手机等,并且在其显示装置(显示器)上显示。在此也可以考虑声学的和/或触觉的信息。因此,例如结合显示仪器上的视觉信息或代替显示仪器上的视觉信息,在声学警报或蜂鸣声的意义上的声学消息或触觉信号、例如由用户携带的移动终端(智能手机、平板电脑等)的振动也可以提示操作者,即将发生功能性故障或面临功能性故障。
提供给操作者的信息尤其可以根据与运行状态仅仅是面临偏离还是已经存在偏离而不同。
图2示出了根据本发明的方法的一个实施方式,在该实施方式中神经网评估由各个组件(对此也参见图1)传输至控制单元的数据。
在图2中示出的实施方式中,实施在该容器处理机中的控制单元仅从配属于容器处理机的组件131获得数据。这仅仅是示例性的而非限制性的。在一个实施方式中,控制单元可以获得并且(借助神经网)评估已经参照图1进行描述的多个或所有组件131-137的数据。
控制单元可以包括用于从组件131接收数据的接收装置251。该接收单元251也可以实施为预处理单元,该预处理单元在由各个组件接收的数据最终被供应至神经网253之前已经对这些数据(的一部分)进行评估、操纵、检验或修订。此外,可以为接收单元251配设处理器单元和/或存储器单元252,在该处理器单元和/或存储器单元中同样可以对数据(的一部分)进行修订和/或对数据进行存储。
必要时在相应的预处理之后将数据由接收单元251传输至神经网253。在此,神经网优选地作为已经预学习的神经网实施在容器处理机中,其中神经网优选地以如下方式学习,即实施在容器处理机的控制单元中的神经网针对容器处理机的运行进行训练。这意味着实施在直印机的控制单元130中的神经网253以与吹塑成型机的控制单元的普通网不同的参数学习。然而,神经网的基本架构可以是相同的。它们在神经网内尤其可以具有相同数量的中间层和/或节点。
神经网的学习通常仅改变配属于神经网的节点和层的各个参数值,使得模型识别在以不同方式学习的神经网中导致另外的结果。然而,神经网的学习的基本过程由现有技术充分已知。
为了评估从组件131接收的数据,神经网例如可以访问配属于其的存储器255,以便调用学习的参数。然后,神经网根据对数据的评估最终识别出,所获得的数据表征容器处理机运行的正常状态或者表征偏离或面临偏离正常状态。然后,神经网可以将该信息例如传递给控制单元130的评估装置254,该评估装置评估神经网的结果并且必要时将信息输出给操作者,如上面已经阐述的那样。
特别优选的是,神经网在容器处理机运行期间学习,即自动地实施对已经预学习的模型识别的进一步细化。
为此,神经网可以被设计成,使得在容器处理机运行期间,神经网对例如存储在存储器255中的参数进行如下改进,即在运行中将识别出的正常运行和/或识别出的功能性故障和/或识别出的即将发生的功能性故障改进成表征正常运行的模型识别的参数、和/或表征即将发生的和/或已经出现的故障的相应的模型识别的参数。
优选地,神经网在容器处理机运行期间(在此不重要的是,是正常状态下的运行还是故障的运行)仅从该容器处理机的组件获取数据,在其中安装有神经网的控制单元130隶属于容器处理机。优选地,至少在容器处理机的运行时间期间,神经网因此并不从其他容器处理机获取数据,即使其他容器处理机是相同容器处理***的容器处理机或者是分布在世界某地但例如属于相同类型容器处理机的容器处理机。
这并不意味着控制单元130不会获取其他容器处理机的(其他组件的)这种数据。然而在正常运行中规定,这些数据随后至少不被转发给神经网。这确保了神经网不会经由不可靠的数据线路被提供可能不达标的数据,这最终可能导致功能性故障。
然而在一个实施方式中规定,可以利用(相同类型的和/或不同类型的)其他容器处理机的附加数据来训练神经网。
为此,图3示出了一个实施方式,在该实施方式中,配设有控制单元130和安装在其中的神经网络253的容器处理机不是在正常运行中运行,而是例如在维护模式中运行。已知的是,实行容器处理机例如按年的维护周期,在该维护周期中停止运行并且例如更换磨损的部件。然而根据本发明,这种维护周期的时间顺序不受限制,并且尤其可以是周期性的或非周期性的(例如在计划外的维修的情况下)。
在这种情况下在该停机期间可以规定,经由外部数据载体362或经由用于与其他容器处理机进行数据交换的相应的线路,并且因此从这种容器处理机的组件将数据传递至控制单元130。这些数据可以是关于相同的容器处理***的容器处理机的运行状态的数据,在该容器处理***中也布置有实际的容器处理机,在该容器处理机中也布置有控制单元130。然而,替选地,也可以是来自其他容器处理***的(相同类型的)容器处理机的数据,该容器处理机例如架设在世界的其他区域中。
这些数据可以存在于其由相应组件容纳的结构中,和/或可以进行预处理。该预处理也可以包括对在中央位置处、例如在容器处理机外部的服务器架构中的这些数据进行加工,并且直接提供神经网络的参数的修改,从而可以在维护周期的范围内不提供组件的原始数据,而是可以从容器处理机的外部提供神经网的参数的“更新”。
为了尽可能全面地确保数据安全性,可以规定,这些附加数据不是经由互联网连接或其他的网络连接提供,而是经由与容器处理机连接的数据存储器单元提供,其例如具有防止未经允许的访问的合适的安全机制或者其数据事先通过(原理上已知的)安全程序来检验。
替选地,在图3中描述的实施方式的范围内,也可以经由安全的互联网连接、尤其是经由VPN连接建立与外部数据源的连接,以便在此防止被未经授权的第三方访问。
尽管迄今为止还没有描述,但特别优选的是,如例如在图1中描述的组件实时地或几乎实时地、特别优选地在短时间间隔内提供控制单元的数据,从而能够尽可能持久地监控容器处理机的运行。在此,与组件和/或容器处理机的运行状态相关的数据在何种时间间隔内可以有意义地被检测和传输,这在很大程度上取决于容器处理机的组件或由组件监控的组件。一些组件、例如旋转编码器或伺服电机要求在十分之一秒或百分之几秒的范围内进行监控是有意义的。然而,监控墨储备的液位或者监控贴标签机的标签储备可能使得低时间分辨率的监控显得有意义。因此例如在标签供应的范围内,以工艺周期(Prozesstakt)的时间量级(例如在将第一标签施加到随后的容器上与将第二标签施加到随后的容器上之间的十分之几秒)进行监控可能显得有意义。
本发明在时间间隔或顺序方面不受限制,以该时间间隔或顺序记录数据并且将数据传送至控制单元。然而优选地,数据几乎没有时间延迟地、尤其是实际上实时地(在考虑通过数据传送器的时间延迟的情况下)传送到控制单元并且相应地传送到神经网。
虽然目前描述的实施方式尤其针对神经网的使用,这是因为它们可以特别有利地被应用从而以相对较低的成本装备不同的容器处理机,但是也可以设置其他实施方式来代替神经网,以便确定容器处理机或处理单元的运行状态与正常运行的偏离。在此,例如也可以替选或附加于神经网地应用其他适配的软件算法,该软件算法在其(可自由选择的)参数方面分别针对特定的容器处理机进行训练。在这个背景下,神经网的概念原则上应理解为,在上述实施方式中也可以使用其他适配的算法来代替神经网。因此,只要不涉及神经网的特定的学习或训练,本发明就不局限于使用神经网,而是也可以利用与上述实施方式相应的其他适配的算法来实施。
Claims (15)
1.一种容器处理机(100),其用于在饮料加工工业、医疗技术或化妆品工业中处理容器,例如瓶、罐等,其中所述容器处理机包括用于控制所述容器处理机(100)的功能的控制单元(130)和用于处理所述容器的至少一个处理单元(102-105),其中所述容器处理机被构造用于以恰好一种方式处理所述容器,其中所述容器处理机包括至少一个组件(131-137),所述组件能够将关于所述组件的运行状态和/或所述容器处理机(100)的运行状态的数据输出至所述控制单元(130),并且其中所述控制单元包括神经网(253),所述神经网被配置和训练成,根据所述数据确定是否存在所述容器处理机(100)的运行状态与正常状态的偏离和/或即将发生所述容器处理机(100)的运行状态与正常状态的偏离。
2.根据权利要求1所述的容器处理机(100),其特征在于,所述组件(102-105)包括传感器、旋转编码器、相机、容器引导件、所述控制单元(130)的组成部分、所述容器处理机的网络架构的组成部分中的至少一者。
3.根据权利要求1或2所述的容器处理机(100),其特征在于,所述控制单元(130)被配置用于,当所述神经网(253)确定存在所述容器处理机(100)的运行状态与正常状态的偏离和/或即将发生所述容器处理机(100)的运行状态与正常状态的偏离时,向操作者输出信息。
4.根据权利要求1至3中任一项所述的容器处理机(100),其特征在于,所述神经网(253)被配置用于从所述容器处理机(100)的运行中学习。
5.根据权利要求1至4中任一项所述的容器处理机(100),其特征在于,所述神经网(253)是预学习的神经网。
6.根据权利要求1至5中任一项所述的容器处理机(100),其特征在于,所述控制单元(130)被配置用于,在所述容器处理机(100)的运行期间向所述神经网(253)仅供应从所述容器处理机的一个或多个所述组件(131-137)获得的数据。
7.根据权利要求1至6中任一项所述的容器处理机(100),其特征在于,所述容器处理机被构造为检查机、直印机、贴标签机、灌装机、封口机、包装机、吹塑成型机、容器清洁机、成型灌装机、预处理机中的一者。
8.一种用于监控容器处理机(100)的运行的方法,所述容器处理机用于在饮料加工工业、医疗技术或化妆品工业中处理容器,例如瓶、罐等,其中所述容器处理机(100)包括用于控制所述容器处理机的功能的控制单元(130)和用于处理所述容器的至少一个处理单元(102-105),其中所述容器处理机以恰好一种方式处理容器,其中所述容器处理机包括至少一个组件(131-137),所述组件能够将关于所述组件的运行状态和/或所述容器处理机(100)的运行状态的数据输出至所述控制单元(130),并且其中所述控制单元包括神经网(253),所述神经网被配置和训练成,根据所述数据确定是否存在所述容器处理机(100)的运行状态与正常状态的偏离和/或即将发生所述容器处理机(100)的运行状态与正常状态的偏离。
9.根据权利要求8所述的方法,其特征在于,所述神经网(253)是深度神经网络(DNN)。
10.根据权利要求8或9所述的方法,其特征在于,所述神经网从所述容器处理机的运行中学习。
11.根据权利要求10所述的方法,其特征在于,所述控制单元(130)在所述容器处理机运行期间仅将所述容器处理机(100)的一个或多个所述组件(131-137)的数据传递给所述神经网(253)用于学习。
12.根据权利要求8至11中任一项所述的方法,其特征在于,所述控制单元(130)在维护所述容器处理机(100)期间将附加数据传输给所述神经网(253),并且所述神经网从附加数据中学习。
13.根据权利要求12所述的方法,其特征在于,所述附加数据包括关于所述容器处理机所属的容器处理***的至少一个其他的容器处理机的运行状态的数据;和/或其中所述附加数据包括关于相同类型的容器处理机的运行状态的数据。
14.根据权利要求8至13中任一项所述的方法,其特征在于,所述组件(131-137)包括传感器、旋转编码器、相机、容器引导件、所述控制单元(130)的组成部分、所述容器处理机(100)的网络架构的组成部分中的至少一者,和/或其中所述组件(131-137)将所述数据实时地传送至所述控制单元(130)。
15.根据权利要求8至14中任一项所述的方法,其特征在于,当所述神经网(253)确定存在所述容器处理机(100)的运行状态与正常状态的偏离和/或即将发生所述容器处理机(100)的运行状态与正常状态的偏离时,所述控制单元(130)向操作者输出信息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020111674.8 | 2020-04-29 | ||
DE102020111674.8A DE102020111674A1 (de) | 2020-04-29 | 2020-04-29 | Behälterbehandlungsmaschine und Verfahren zum Überwachen des Betriebs einer Behälterbehandlungsmaschine |
PCT/EP2021/060621 WO2021219499A1 (de) | 2020-04-29 | 2021-04-23 | Behälterbehandlungsmaschine und verfahren zum überwachen des betriebs einer behälterbehandlungsmaschine |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115605813A true CN115605813A (zh) | 2023-01-13 |
Family
ID=75746585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180031274.5A Pending CN115605813A (zh) | 2020-04-29 | 2021-04-23 | 容器处理机和用于监控容器处理机的运行的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230266752A1 (zh) |
EP (1) | EP4143642A1 (zh) |
CN (1) | CN115605813A (zh) |
DE (1) | DE102020111674A1 (zh) |
WO (1) | WO2021219499A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117707097A (zh) * | 2024-02-04 | 2024-03-15 | 广州泽亨实业有限公司 | 一种加工中心控制方法及*** |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021112484A1 (de) | 2021-05-12 | 2022-11-17 | Krones Aktiengesellschaft | Etikettiermaschine und Verfahren zum Konfigurieren einer Etikettiermaschine |
DE102021131684A1 (de) * | 2021-12-01 | 2023-06-01 | Krones Aktiengesellschaft | Prädiktive Wartung einer Behälterbehandlungsanlage |
DE102022123019A1 (de) | 2022-09-09 | 2024-03-14 | Krones Aktiengesellschaft | Etikettiervorrichtung |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5121467A (en) | 1990-08-03 | 1992-06-09 | E.I. Du Pont De Nemours & Co., Inc. | Neural network/expert system process control system and method |
US5566092A (en) | 1993-12-30 | 1996-10-15 | Caterpillar Inc. | Machine fault diagnostics system and method |
US5718852A (en) * | 1994-05-10 | 1998-02-17 | The Clorox Company | Process controlling a blow molding machine |
EP0950608B1 (en) * | 1998-04-15 | 2003-11-26 | Tetra Laval Holdings & Finance SA | Method of monitoring transverse sealing in a packaging unit for continuously forming sealed packages containing pourable food products and packaging unit |
US6416711B2 (en) * | 1998-11-06 | 2002-07-09 | Fmc Technologies, Inc. | Controller and method for administering and providing on-line handling of deviations in a rotary sterilization process |
JP4499601B2 (ja) * | 2005-04-01 | 2010-07-07 | 日精樹脂工業株式会社 | 射出成形機の制御装置 |
KR101322434B1 (ko) * | 2005-07-11 | 2013-10-28 | 브룩스 오토메이션 인코퍼레이티드 | 지능형 상태 감시 및 결함 진단 시스템 |
US20090226032A1 (en) * | 2007-09-28 | 2009-09-10 | Matthew Allen Merzbacher | Systems and methods for reducing false alarms in detection systems |
DE102011017448A1 (de) * | 2011-04-18 | 2012-10-18 | Krones Aktiengesellschaft | Verfahren zum Betreiben einer Behältnisbehandlungsanlage mit Störungsdiagnose |
DE102017108546A1 (de) * | 2017-04-21 | 2018-10-25 | Sig Technology Ag | Produktionsparameterverlaufsansicht als Teil einer Benutzeroberfläche zum Überwachen und/oder Steuern einer Verpackungsanlage |
JP6693919B2 (ja) * | 2017-08-07 | 2020-05-13 | ファナック株式会社 | 制御装置及び機械学習装置 |
KR20210059532A (ko) * | 2019-11-15 | 2021-05-25 | 엘지전자 주식회사 | 가전기기 및 가전기기 제어 방법 |
-
2020
- 2020-04-29 DE DE102020111674.8A patent/DE102020111674A1/de active Pending
-
2021
- 2021-04-23 CN CN202180031274.5A patent/CN115605813A/zh active Pending
- 2021-04-23 EP EP21722388.2A patent/EP4143642A1/de active Pending
- 2021-04-23 WO PCT/EP2021/060621 patent/WO2021219499A1/de unknown
- 2021-04-23 US US17/997,350 patent/US20230266752A1/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117707097A (zh) * | 2024-02-04 | 2024-03-15 | 广州泽亨实业有限公司 | 一种加工中心控制方法及*** |
CN117707097B (zh) * | 2024-02-04 | 2024-05-10 | 广州泽亨实业有限公司 | 一种加工中心控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
WO2021219499A1 (de) | 2021-11-04 |
US20230266752A1 (en) | 2023-08-24 |
DE102020111674A1 (de) | 2021-11-04 |
EP4143642A1 (de) | 2023-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115605813A (zh) | 容器处理机和用于监控容器处理机的运行的方法 | |
US10489263B2 (en) | Method for operating a container treatment system with fault diagnosis | |
CN103052567B (zh) | 使用升级的参数选择对用于处理容器的设备进行操作的方法和机构 | |
US11067960B2 (en) | Method and arrangement for monitoring the status of a production device | |
US7735374B2 (en) | Equipment comprising at least one rotary member and means for measuring vibrational frequencies of said member to determine its wear condition, corresponding control unit and method | |
US7734389B2 (en) | Fault information management system and a method for implementing a fault information management system for a vehicle | |
CN111492401B (zh) | 包装容器中的缺陷检测的方法 | |
CN111752733B (zh) | 气动***中的异常检测 | |
US20220284699A1 (en) | System and method of object detection using ai deep learning models | |
CN111788042A (zh) | 机器人的预见性分析 | |
US8219986B2 (en) | Interchangeable drive element for bottle or container supports in a container labeling machine or a machine configured to print information on bottles or containers, which interchangeable drive element is capable of being used in different container labeling or container information printing machines in bottle or container filling plants | |
US20160224003A1 (en) | Replacement of a faulty system component in an automation system | |
CN104008410A (zh) | 标签信息检测方法及装置 | |
CN112529877A (zh) | 一种瓶装液体杂质检测方法及装置 | |
CN104599097B (zh) | 一种运钞袋电子签封监控的方法及装置 | |
CN215946717U (zh) | 一种用于灌装机的检测控制*** | |
CN115576277A (zh) | 一种数据异常监测*** | |
KR20230062155A (ko) | 인공신경망 모델을 이용한 공정 최적화 시스템 및 방법 | |
CN107015531A (zh) | 过程控制***中的语音接口 | |
Balasubramanian | Integration of Artificial Intelligence in the Manufacturing Sector: A Systematic Review of Applications and Implications | |
CN115917464A (zh) | 监控工业设备的方法及装置 | |
CN116847971A (zh) | 用于操作用于处理容器的***的***和方法 | |
US8294575B2 (en) | Reteachable non-contact switching circuit | |
EP4050519A1 (en) | Monitoring apparatus for quality monitoring | |
US20230311326A1 (en) | Monitoring during a robot-assisted process |
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 |