首页 / 专利库 / 烟草制品及加工 / 有烟烟草 / 卷烟 / 烟支 / 一种用于提升烟草烘丝机生产稳定性的系统及方法

一种用于提升烟草烘丝机生产稳定性的系统及方法

阅读:921发布:2020-05-08

专利汇可以提供一种用于提升烟草烘丝机生产稳定性的系统及方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种用于提升 烟草 烘丝机生产 稳定性 的系统及方法,属于烟草制丝生产技术领域。该系统包括 数据采集 模 块 、 数据处理 模块、稳定性评价模块、预警与优化模块、稳态实时分析评价模块、非稳态自动控制判定模块、非稳态实时分析评价模块等结构。本发明以工业 大数据 、 人工智能 等新一代信息技术为 支撑 ,减少非稳态时间并提高稳态控制 质量 ,进而有效地提升烘丝机整个生产过程的质量稳定性,易于推广应用。,下面是一种用于提升烟草烘丝机生产稳定性的系统及方法专利的具体信息内容。

1.一种用于提升烟草烘丝机生产稳定性的系统,其特征在于,包括:
数据采集(101),用于从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
数据处理模块(102),与数据采集模块(101)相连,用于对采集到的数据进行筛选,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
稳定性评价模块(103),与数据处理模块(102)相连,用于对数据处理模块(102)处理得到的稳态数据进行稳定性评价;
预警与优化模块(104),与稳定性评价模块(103)相连,当稳定性评价模块(103)稳定性评价的结果为异常,则预警模块(104)进行预警,并给出优化调整方案;
稳态实时分析评价模块(105),与稳定性评价模块(103)相连,当稳定性评价模块(103)稳定性评价的结果为正常,则稳态实时分析评价模块(105)对稳态数据进行实时分析评价,并给出稳定性提升建议;
非稳态自动控制判定模块(106),与数据处理模块(102)相连;
非稳态实时分析评价模块(107),与非稳态自动控制判定模块(106)相连;
非稳态自动控制判定模块(106),用于对数据处理模块(102)处理得到的非稳态数据进行特征分析,并将分析得到的特征与其内预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,则非稳态实时分析评价模块(107)对非稳态数据进行实时分析评价,并给出稳定性提升建议。
2.根据权利要求1所述的用于提升烟草烘丝机生产稳定性的系统,其特征在于,还包括显示模块(108),分别与预警与优化模块(104)、稳态实时分析评价模块(105)、非稳态自动控制判定模块(106)、非稳态实时分析评价模块(107)相连,用于显示优化调整方案、稳定性提升建议、操作模式。
3.根据权利要求1所述的用于提升烟草烘丝机生产稳定性的系统,其特征在于,预警与优化模块(104)、稳态实时分析评价模块(105)和非稳态实时分析评价模块(107)均与烘丝机控制系统相连,烘丝机控制系统根据传来的优化调整方案和稳定性提升建议中的方案对烘丝机进行控制。
4.一种用于提升烟草烘丝机生产稳定性的方法,采用权利要求1或2或3所述的用于提升烟草烘丝机生产稳定性的系统,其特征在于,包括如下步骤:
Step1、数据采集:从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
Step2、数据处理:对采集到的数据进行筛选和剔除,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
Step3、稳定性评价及处理:对于稳态数据进行稳定性评价,若符合评价结果为稳定,稳定性评价的结果为异常,则进行预警,并给出优化调整方案;若稳定性评价的结果为正常,则对稳态数据进行实时分析评价,并给出稳定性提升建议;
Step4、非稳态自动控制判定:对于非稳态数据进行特征分析,并将分析得到的特征与预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,对非稳态数据进行实时分析评价,并给出稳定性提升建议。
5.根据权利要求4所述的用于提升烟草烘丝机生产稳定性的方法,其特征在于,采集到的数据包括设备参数、质量指标、控制参数、分析参数、批次参数和环境参数。
6.根据权利要求5所述的用于提升烟草烘丝机生产稳定性的方法,其特征在于,设备参数包括主传动电机、热风机、排潮风机、筛筒电机和除尘风机参数,包括频率电流温度
所述的设备参数还包括蒸汽、蒸汽流量、热风风速和排潮负压
7.根据权利要求5所述的用于提升烟草烘丝机生产稳定性的方法,其特征在于,质量指标包括出口烟丝分输出值和出口烟丝温度输出值。
8.根据权利要求5所述的用于提升烟草烘丝机生产稳定性的方法,其特征在于,控制参数包括筒壁温度设定值、热风温度设定值、排潮风开度设定值和出口水分设定值;
分析参数包括热风温度瞬时值、烟丝水分瞬时值、烟丝温度瞬时值、薄板温度瞬时值、入口温度瞬时值和流量瞬时值;
批次参数包括工单、批次、牌号和标准;
环境参数包括环境的温度和湿度。

说明书全文

一种用于提升烟草烘丝机生产稳定性的系统及方法

技术领域

[0001] 本发明属于烟草制丝生产技术领域,具体涉及一种用于提升烟草烘丝机生产稳定性的系统及方法。

背景技术

[0002] 我国目前是世界上最大的烟草生产国和消费国,烟草行业实现的税利合计高居国民经济各行业之首,烟草业的发展对我国经济增长具有重要贡献。烟草生产中卷烟生产比重较大,虽然烟草行业为国有管控行业,但由于业内的卷烟企业众多造成行业的竞争依旧激烈。
[0003] 卷烟生产过程分为制丝、卷接和包装三个阶段。制丝生产是卷烟生产的重要环节,承担着原料加工的任务,是提高卷烟质量、增加企业生产效应的关键所在。烘丝阶段是制丝生产过程中最重要的加工工序,烘丝的生产过程质量直接影响着卷烟成品的合格率与内在质量,为了达到烟丝的质量要求,烘丝机必须具备良好的稳定性,而烘丝批次间的产品质量稳定性一直是行业的技术难题。因此,如何提高烘丝阶段的批次间稳定性成为众多卷烟企业的研究目标。
[0004] 在烘丝稳定性分析方面,各卷烟企业展开了一些研究和应用,普遍认为影响烘丝机生产质量的主要因素为来料流量、含率、温度等。在实际的生产过程中,制丝的生产计划以批次为单位进行组织生产,在烘丝阶段的批次生产过程依照烘丝系统的生产状态分为稳态和非稳态两种。目前,大多数企业希望通过统计过程控制(Statistical Process Control, SPC)来对整个生产过程进行分析,但由于SPC过程分析是基于稳态数据的分析,而稳态数据与非稳态数据在数据采集处理上由于方法与技术的限制,无法做到准确、科学的分类,导致SPC过程分析存在数据结果失真的情况,无法真正的应用生产过程分析评价。因此如何克服现有技术的不足是目前烟草制丝生产技术领域亟需解决的问题。

发明内容

[0005] 本发明的目的是为了解决现有技术的不足,提供一种用于提升烟草烘丝机生产稳定性的系统及方法,该系统以工业大数据人工智能等新一代信息技术为支撑,减少非稳态时间并提高稳态控制质量,进而有效地提升烘丝机整个生产过程的质量稳定性。
[0006] 为实现上述目的,本发明采用的技术方案如下:一种用于提升烟草烘丝机生产稳定性的系统,包括:
数据采集模,用于从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
数据处理模块,与数据采集模块相连,用于对采集到的数据进行筛选,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
稳定性评价模块,与数据处理模块相连,用于对数据处理模块处理得到的稳态数据进行稳定性评价;
预警与优化模块,与稳定性评价模块相连,当稳定性评价模块稳定性评价的结果为异常,则预警模块进行预警,并给出优化调整方案;
稳态实时分析评价模块,与稳定性评价模块相连,当稳定性评价模块稳定性评价的结果为正常,则稳态实时分析评价模块对稳态数据进行实时分析评价,并给出稳定性提升建议;
非稳态自动控制判定模块,与数据处理模块相连;
非稳态实时分析评价模块,与非稳态自动控制判定模块相连;
非稳态自动控制判定模块,用于对数据处理模块处理得到的非稳态数据进行特征分析,并将分析得到的特征与其内预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,则非稳态实时分析评价模块对非稳态数据进行实时分析评价,并给出稳定性提升建议。
[0007] 进一步,优选的是,还包括显示模块,分别与预警与优化模块、稳态实时分析评价模块、非稳态自动控制判定模块、非稳态实时分析评价模块相连,用于显示优化调整方案、稳定性提升建议、操作模式。
[0008] 进一步,优选的是,预警与优化模块、稳态实时分析评价模块和非稳态实时分析评价模块均与烘丝机控制系统相连,烘丝机控制系统根据传来的优化调整方案和稳定性提升建议中的方案对烘丝机进行控制。
[0009] 本发明同时提供一种用于提升烟草烘丝机生产稳定性的方法,采用上述用于提升烟草烘丝机生产稳定性的系统,包括如下步骤:Step1、数据采集:从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
Step2、数据处理:对采集到的数据进行筛选和剔除,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
Step3、稳定性评价及处理:对于稳态数据进行稳定性评价,若符合评价结果为稳定,稳定性评价的结果为异常,则进行预警,并给出优化调整方案;若稳定性评价的结果为正常,则对稳态数据进行实时分析评价,并给出稳定性提升建议;
Step4、非稳态自动控制判定:对于非稳态数据进行特征分析,并将分析得到的特征与预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,对非稳态数据进行实时分析评价,并给出稳定性提升建议。
[0010] 进一步,优选的是,采集到的数据包括设备参数、质量指标、控制参数、分析参数、批次参数和环境参数。
[0011] 进一步,优选的是,设备参数包括主传动电机、热风机、排潮风机、筛筒电机和除尘风机参数,包括频率电流、温度;所述的设备参数还包括蒸汽、蒸汽流量、热风风速和排潮负压
[0012] 进一步,优选的是,质量指标包括出口烟丝水分输出值和出口烟丝温度输出值。
[0013] 进一步,优选的是,控制参数包括筒壁温度设定值、热风温度设定值、排潮风开度设定值和出口水分设定值;分析参数包括热风温度瞬时值、烟丝水分瞬时值、烟丝温度瞬时值、薄板温度瞬时值、入口温度瞬时值和流量瞬时值;
批次参数包括工单、批次、牌号和标准;
环境参数包括环境的温度和湿度。
[0014] 本发明首先通过数据采集组件实时采集烘丝机控制系统中的相关数据,设计实时数据筛选模型,将过程数据分为稳态和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;然后对稳态和非稳态数据分开采集技术手段处理:非稳态方面通过针对性的分析结果与基于机器学习技术的参数推荐库深度融合,实现烘丝机生产过程中非稳态过程的人工手动控制到基于机器学习技术的自动控制的转换,避免人工操作导致的控制差异,提升批次间非稳态期间的质量稳定性,减少非稳态时间。稳态方面,通过数据筛选与剔除、稳定性评价模块价、数据预警及实时分析评价结合,透明化的实时掌控烘丝生产过程,利用数据预警与推荐控制参数结合,实现稳态情况下的稳定性提升手段;最终,通过两种方法相结合的方式实现提升烘丝机生产稳定性的效果。
[0015] 本发明与现有技术相比,其有益效果为:(1)本发明根据数据的采集、处理、分析和应用展示,生产企业可实时查看烘丝机运行生产稳定性情况。
[0016] (2)本发明通过对非稳态数据的建模分析,采用基于机器学习技术的参数推荐库深度融合,实现烘丝机生产过程中非稳态过程的人工手动控制到基于机器学习技术的自动控制的转换,提升非稳态过程质量,减少非稳态时间(3)本发明通过设计数据分析评价模型,对稳定数据分析评价,利用数据预警与推荐控制参数结合,实现稳态情况下的稳定性提升手段。
[0017] 综合以上,该发明以智能性、可靠性和稳定性为设计目标,满足了实际生产的需求;同时,还可以加入对外分析评价结果数据的接口,满足远程的分析评价;从该发明中涉及的技术及数据模型、分析方法可推广到制丝其它同类主机设备,对于烟草制丝生产具有重要的理论意义和应用价值。
[0018] 附图说明:图1为本发明系统的结构示意图;
图2为本发明系统整体位置图;
图3为本发明方法的整体流程图
图4为本发明的数据特征分类图;
图5为本发明的数据处理流程图。

具体实施方式

[0019] 下面结合实施例对本发明作进一步的详细描述。
[0020] 本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
[0021] 一种用于提升烟草烘丝机生产稳定性的系统,包括:数据采集模块101,用于从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
数据处理模块102,与数据采集模块101相连,用于对采集到的数据进行筛选,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
稳定性评价模块103,与数据处理模块102相连,用于对数据处理模块102处理得到的稳态数据进行稳定性评价;
预警与优化模块104,与稳定性评价模块103相连,当稳定性评价模块103稳定性评价的结果为异常,则预警模块104进行预警,并给出优化调整方案;
稳态实时分析评价模块105,与稳定性评价模块103相连,当稳定性评价模块103稳定性评价的结果为正常,则稳态实时分析评价模块105对稳态数据进行实时分析评价,并给出稳定性提升建议;
非稳态自动控制判定模块106,与数据处理模块102相连;
非稳态实时分析评价模块107,与非稳态自动控制判定模块106相连;
非稳态自动控制判定模块106,用于对数据处理模块102处理得到的非稳态数据进行特征分析,并将分析得到的特征与其内预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,则非稳态实时分析评价模块107对非稳态数据进行实时分析评价,并给出稳定性提升建议。
[0022] 还包括显示模块108,分别与预警与优化模块104、稳态实时分析评价模块105、非稳态自动控制判定模块106、非稳态实时分析评价模块107相连,用于显示优化调整方案、稳定性提升建议、操作模式。
[0023] 预警与优化模块104、稳态实时分析评价模块105和非稳态实时分析评价模块107均与烘丝机控制系统相连,烘丝机控制系统根据传来的优化调整方案和稳定性提升建议中的方案对烘丝机进行控制。
[0024] 一种用于提升烟草烘丝机生产稳定性的方法,采用上述用于提升烟草烘丝机生产稳定性的系统,包括如下步骤:Step1、数据采集:从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
Step2、数据处理:对采集到的数据进行筛选和剔除,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
Step3、稳定性评价及处理:对于稳态数据进行稳定性评价,若符合评价结果为稳定,稳定性评价的结果为异常,则进行预警,并给出优化调整方案;若稳定性评价的结果为正常,则对稳态数据进行实时分析评价,并给出稳定性提升建议;
Step4、非稳态自动控制判定:对于非稳态数据进行特征分析,并将分析得到的特征与预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,对非稳态数据进行实时分析评价,并给出稳定性提升建议。
[0025] 进一步,优选的是,采集到的数据包括设备参数、质量指标、控制参数、分析参数、批次参数和环境参数。
[0026] 进一步,优选的是,设备参数包括主传动电机、热风风机、排潮风机、筛筒电机和除尘风机参数,包括频率、电流、温度;所述的设备参数还包括蒸汽压力、蒸汽流量、热风风速、排潮负压。
[0027] 进一步,优选的是,质量指标包括热风温度、薄板温度、出口水分、出口温度、入口温度和流量波动
[0028] 进一步,优选的是,控制参数包括筒壁温度、热风温度、排潮风门开度和出口水分;分析参数包括热风温度、薄板温度、出口水分、出口温度、入口温度和流量波动;
批次参数包括工单、批次、牌号和标准;
环境参数包括环境温湿度。
[0029] 对于数据采集:数据获取包含烘丝机所有类型的数据,包含设备参数、质量指标、控制参数、分析参数、批次参数、环境参数等。批次参数用于其它参数和指标的批次归集。数据如表1。
[0030] 表1由于烘丝机控制系统属于工业系统,其数据具备大量、快速的工业大数据特性,本发明可采用边缘计算、内存计算、多层级数据缓存等多种技术结合的设计方法,实现数据的处理,系统采集的实时数据存放于计算机内存,边缘计算利用建立的数据筛选模型,实现数据的实时特征计算。
[0031] 对于数据筛选:本发明系统可以设计场景化的模型建立流程,通过烘丝机分析机理、控制机理,构建数据筛选模型,数据筛选模型由目标数据筛选结果、条件数据项算法组成。系统依据模型,在数据库中建立动态筛选模型矩阵,设计算法根据配置的模型输入参数实时扫描矩阵,实现数据筛选。数据筛选模型形成如表2所示矩阵。
[0032] 表2对于数据存储:本发明系统可在计算机中设计将时间序列数据、筛选后数据、历史数据进行多层级的数据缓存,提高数据处理效率。在烘丝机控制系统端设计参数缓存区、控制参数区、报警预警区,实现安全可控的稳定性提升控制优化。
[0033] 对于过程数据,采用多级多种方式存储的方法进行数据处理,以保证应用与计算效率。一级缓存处理采用边缘端计算与内存存储结合的方式,数据计算速度快,实时性强;二级缓存采用Oracle数据库表存储方式,存储当前正在生产批数据,辅助实现内存数据与正在生产批数据的交互,保证数据交互的快速响应;三级缓存采用数据库分区表形式存储,解决大量历史数据存储问题。在数据处理过程中,实现将数据从一级存储逐步转存至三级存储的动态转移。
[0034] 本发明系统中存在的模型包括:数据采集规则模型、数据筛选模型、稳定性评价模型、预警与优化模型、非稳态自动控制判定模型、非稳态实时分析评价模型、数据挖掘模型等等,将系统的抽象算法于业务模型实现关联。将建立的数学模型设计为数据模型,以软件方式实现模型的建立。将数据采集规则模型应用设计到系统数据采集组件的数据采集单元,实现数据采集;将数据筛选模型应用设计到系统的数据采集组件的数据筛选单元;将数据标准模型应用设计到系统的数据标准模块;将数据评价模型应用设计到系统的数据评价模块。
[0035] 其中,可以采用数据挖掘模型挖掘操作模式并存入操作模式库。
[0036] 本发明针对采集到的批次全过程数据,以及数据筛选结果,建立批次全过程数据分析标准、评价标准。
[0037] 对于操作模式匹配:依据烘丝机加工机理,设计非稳态参数操作模式库,将非稳态类操作参数以时间序列进行存储、标识批次参数,在生产过程中实时计算匹配。
[0038] 操作模式优化匹配,借助模式识别理论,将大量的批次历史数据构建为操作模式库,根据非稳态的实际运行情况,从操作模式库中提取出最匹配的优良操作模式。从而提高非稳态情况下的批次稳定性。操作模式匹配的目的是针对新的输入参数在操作模式库中匹配到与之相似的操作模式,以相似度来表示两者之间的相似程度。相似度为两条输入条件之间的加权欧式距离。 批次和 批次操作模式的相似度为:为 批次的样本当前值, 为 批次的样本当前值, 为第 个输入条
件的权重,其中 ,相似度越小,两个批次输入参数越相似。
[0039] 本发明系统可以采用等权重法、相关性法、基于覆盖度的特征权重法等三种匹配方法计算出匹配结果,根据参数配置和动态匹配选取合适的匹配方法。
[0040] 操作模式优选的策略和方法,可以采用评价结果优选、相似度高、设定输出结果数量三种方法。
[0041] 通过建立非稳态参数操作模式模型,建立参数操作模式库,通过与烘丝机控制系统结合,应用到烘丝机设备控制中,实现非稳态情况下的人工手动控制到自动控制的转换,可大幅提升费稳态时间,提高批次整体稳定性。
[0042] 通过对采集到的数据的筛选、归集存储,采用设计的分析标准,对全过程数据进行数量特征、属性特征、差异性特征、规律性特征分析,对分析数据和计算结果利用柱状图、折线图、直方图、控制图等进行图形化展示。针对评价模型中的变异系数、标准偏差、非稳态时间等关键计算特征,进行批次内和批次间评价,以显著的定量、定性评价结果,获得烘丝机生产稳定性情况,为系统结果应用提供数据输入。
[0043] 将准确筛选后的稳态数据进行SPC过程控制,对采集到的稳态数据根据SPC算法计算均值、标准偏差等,系统统计出 (均值-极差控制图)、正态分布图;计算并统计生产能力指数:工序准确度 、工序精密度 等。
[0044] SPC质量特性计算如下:样本均值计算:
工序准确度 计算:
个样本的标准偏差 计算
工艺精密度Cp计算:
其中,为采集到的样本值,为采集到样本的个数,为所有样本均值,为样本的标准偏差,USL为标准上限、SL为标准中心值、LSL为标准下限。
[0045] 优选,本发明非稳态实时分析评价模块中的模型的参数项组成由烘丝出口水分非稳态时间、筒壁温度、热风温度、出口水分实际值、入口物料重量偏差五个参数组成。评价模型的模型参数由标准项允差、评价计算类型、数据项权重、实测均值、实测标偏、目标值、标准值标偏、最优值、偏离度 、离散度 、稳定性指数 组成。可根据配置的稳定性指数对应表,进行系统提示等操作,避免产品质量失控,影响过程稳定性。
[0046]表示偏离度,表示离散度,为参数的目标值。对上述预测模型进行下列关联性检验,计算,则稳定性指数为
稳定性指数对应表如表3所示。
[0047] 表3本发明将稳定性分析、评价结果、参数模式匹配结果及控制系统互相结合,针对非稳态过程,进行操作模式匹配,实现手动到自动的转换;针对稳态过程,对烘丝机全过程的稳定性生产情况进行透明化展示,实时全面掌控生产稳定性情况,对传感器故障、机械故障、人为失误等引起的影响过程稳定性的生产问题及时发现,迅速采取措施。
[0048] 系统根据稳定性指数进行实时提示,将过程评价结果提交设备操作人员或管理人员,提示采取措施。在非稳态稳定性控制方面,通过建立的非稳态参数操作模式模型,建立参数操作模式库,通过与烘丝机控制系统结合,应用到烘丝机设备控制中,实现非稳态情况下的人工手动控制到自动控制的转换,可大幅提升费稳态时间,提高批次整体稳定性。
[0049] 以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈