KR100191505B1 - Weight value method - Google Patents
Weight value method Download PDFInfo
- Publication number
- KR100191505B1 KR100191505B1 KR1019960003899A KR19960003899A KR100191505B1 KR 100191505 B1 KR100191505 B1 KR 100191505B1 KR 1019960003899 A KR1019960003899 A KR 1019960003899A KR 19960003899 A KR19960003899 A KR 19960003899A KR 100191505 B1 KR100191505 B1 KR 100191505B1
- Authority
- KR
- South Korea
- Prior art keywords
- food
- high frequency
- weight
- microwave oven
- model identifier
- 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
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B6/00—Heating by electric, magnetic or electromagnetic fields
- H05B6/64—Heating using microwaves
- H05B6/6447—Method of operation or details of the microwave heating apparatus related to the use of detectors or sensors
- H05B6/6464—Method of operation or details of the microwave heating apparatus related to the use of detectors or sensors using weight sensors
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B6/00—Heating by electric, magnetic or electromagnetic fields
- H05B6/64—Heating using microwaves
- H05B6/6408—Supports or covers specially adapted for use in microwave heating apparatus
- H05B6/6411—Supports or covers specially adapted for use in microwave heating apparatus the supports being rotated
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B6/00—Heating by electric, magnetic or electromagnetic fields
- H05B6/64—Heating using microwaves
- H05B6/6447—Method of operation or details of the microwave heating apparatus related to the use of detectors or sensors
- H05B6/645—Method of operation or details of the microwave heating apparatus related to the use of detectors or sensors using temperature sensors
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Electric Ovens (AREA)
Abstract
본 발명은 전자렌지에 있어서 고주파센서의 감지값을 토대로 음식물(해동물)의 중량을 정확하게 판별할 수 있는 전자렌지의 음식물 중량 판별방법에 관한 것으로써, 음식물을 재치하도록 일정공간이 형성된 조리실과, 음식물을 조리하도록 고주파를 발생하는 마그네트론과, 상기 마그네트론에서 발생된 고주파가 음식물에 고루 전달되도록 회전하는 회전접시와, 음식물의 중량 및 온도에 상응하는 감지값을 갖는 복수개의 고주파센서를 구비한 전자렌지에 있어서, 상기 고주파센서에 의해 감지된 복수개의 감지값을 입력변수로 하여 구성된 퍼지모델식별기를 이용하여 음식물의 중량을 판별하는 것을 특징으로 한다.The present invention relates to a food weight determination method of a microwave oven that can accurately determine the weight of food (sea animals) on the basis of the detection value of a high frequency sensor in a microwave oven, the cooking chamber having a predetermined space to place food, and Microwave oven having a magnetron for generating a high frequency to cook food, a rotating plate that rotates so that the high frequency generated from the magnetron is evenly transmitted to the food, and a plurality of high frequency sensors having a sensing value corresponding to the weight and temperature of the food The method may include determining a weight of food using a fuzzy model identifier configured by using a plurality of sensed values detected by the high frequency sensor as an input variable.
Description
제1도는 일반적인 전자렌지의 개략적인 정단면도.1 is a schematic front sectional view of a general microwave oven.
제2도 및 제3도는 제어부에 저장된 기준값 및 고주파센서의 감지값과 음식물중량간의 상관관계를 도시한 그래프.2 and 3 are graphs showing the correlation between the reference value stored in the control unit, the detected value of the high frequency sensor and the food weight.
제4도는 본 발명의 음식물 중량판별방법의 퍼지 알고리즘을 수행하기 위한 제어블록도.4 is a control block diagram for performing a fuzzy algorithm of the food weight determination method of the present invention.
제5도는 제4도의 퍼지모델식별기의 연산방법을 설명하는 도면.FIG. 5 is a diagram for explaining a calculation method of the fuzzy model identifier of FIG.
제6도는 본 발명의 동작순서를 도시한 플로우차트.6 is a flowchart showing the operation procedure of the present invention.
* 도면의 주요부분에 대한 부호의 설명* Explanation of symbols for main parts of the drawings
100 : 퍼지모델식별기 200 : 유전자알고리즘100: fuzzy model identifier 200: genetic algorithm
본 발명은 전자렌지에 있어서, 고주파센서의 감지값을 토대로 음식물(해동물)의 중량을 정확하게 판별할 수 있는 전자렌지의 해동물 중량 판별방법에 관한 것이다.The present invention relates to a marine animal weight determination method of a microwave oven that can accurately determine the weight of food (sea animals) based on the detection value of the high frequency sensor in the microwave oven.
일반적으로, 종래의 전자렌지에 있어서는 제1도에 도시한 바와같이, 본체(1)내 일정부위에 형성된 조리실(3)내의 회전접시(11)상에 조리하고자 하는 음식물(F)을 재치한 다음 조리개시버튼을 선택하면, 마그네트론(7)에서 발생된 고주파가 도파관(9)을 통해 안내되어 상기 조리실(3)내로 유입분산된다.In general, in the conventional microwave oven, as shown in FIG. 1, the food F to be cooked is placed on the rotary plate 11 in the cooking chamber 3 formed at a predetermined portion of the main body 1, and then placed. When the start button is selected, the high frequency generated by the magnetron 7 is guided through the waveguide 9 and flows into the cooking chamber 3.
이때, 상기 조리실(3)내로 유입분산된 고주파는 조리실(3)의 구조체인 금속벽에 의해 반사되어 여러 방향으로부터 음식물(F)에 인가되거나 혹은, 직접 음식물(F)에 인가되기도 하면서 상기 회전접시(11)상에 재치되어 회전하는 음식물(F)을 균일하게 가열조리하기 시작한다.In this case, the high frequency wave introduced into the cooking chamber 3 is reflected by the metal wall, which is the structure of the cooking chamber 3, and is applied to the food F from various directions, or directly applied to the food F. It is placed on (11) and starts to heat-cook food Rotation F uniformly.
이때, 상기와 같이 마그네트론(7)에서 발생된 고주파가 조리실(3)내에 유입분산되어 음식물(F)을 가열할때, 음식물(F)에 인가되지 않거나 또는 음식물(F)에서 흡수하고 난 잔류고주파가 음식물(F)의 중량에 반비례하여 발생하는데, 이를 제1,제2고주파센서(13)(15)에서 감지하여 그 감지된 고주파에너지에 비례하는 전압을 제어수단에 출력한다.At this time, when the high frequency generated in the magnetron 7 is dispersed in the cooking chamber 3 to heat the food F as described above, the residual high frequency is not applied to the food F or absorbed in the food F. Is generated in inverse proportion to the weight of the food (F), it is detected by the first and second high frequency sensors 13, 15 and outputs a voltage proportional to the detected high frequency energy to the control means.
따라서, 상기 제어수단에서는 그 내부에 미리 저장된 제2도 및 제3도에 도시한 바와같은 정보 즉, 음식물의 중량에 따라 설정된 제1, 제2고주파센서(13)(15)의 기준값을, 실제음식물의 해동시 제1,제2고주파센서(13)(15)에서 감지된 감지값과 비교하여 음식물(F)의 중량을 판별하고, 그 판별된 음식물(F)의 중량에 적합한 조리시간을 산출하여 조리코스(해동코스)를 진행한다. 즉, 일예로 제2고주파센서(15)의 감지값은 영하 20도의 음식물을 해동시 그 중량이 500-700g 일때 최고값(기준값)을 나타내는 것으로 미리 제어수단에 설정된 상태에서, 실제로 제1, 제2 고주파센서(13)(15)에서 감지된 감지값을 상기 최고값과 비교하는 방법으로 음식물의 중량을 판별하도록 하였던 것이다.Therefore, in the control means, the reference values of the first and second high frequency sensors 13 and 15 set in accordance with the information shown in FIGS. When the food is thawed, the weight of the food F is determined by comparing the detected values detected by the first and second high frequency sensors 13 and 15, and a cooking time suitable for the weight of the determined food F is calculated. Proceed to the cooking course (thawing course). That is, for example, the detection value of the second high frequency sensor 15 represents the highest value (reference value) when the food is thawed at 20 degrees below zero and its weight is 500-700g. 2 The weight of food was determined by comparing the detected value detected by the high frequency sensor 13 and 15 with the maximum value.
그런데, 상기와 같은 전자렌지는, 제1,제2고주파센서(13)(15)가 각각 다른 위치에 배치되어 있으므로 해동량의 변화에 따라 각기 다른 값을 감지하게 된다. 그럼에도 불구하고 단지 제어수단(도시생략)에 미리 저장된 제2도 및 제3도에 도시한 바와같은 음식물의 중량에 따라 변화하는 온도값인 기준값을 실제 고주파센서(13)(15)의 감지값과 단순비교하여, 그 비교결과에 따라 음식물(F)의 중량을 판별함으로써 정확한 조리시간의 산출이 불가능하여 조리효율을 향상시킬 수 없는 문제점이 있었다.However, the microwave oven as described above, since the first and second high frequency sensors 13 and 15 are disposed at different positions, the microwave oven detects different values according to the change of the thawing amount. Nevertheless, the reference value, which is a temperature value which changes according to the weight of the food as shown in FIGS. In simple comparison, by determining the weight of the food (F) according to the comparison result, there is a problem that it is impossible to calculate the correct cooking time and improve the cooking efficiency.
따라서, 본 발명은 이와같은 문제점을 개선하기 위해 이루어진 것으로써, 본 발명의 목적은 고주파 센서의 감지값을 유전자이론을 토대로 분석하여 음식물의 중량을 정확하게 판별할 수 있는 전자렌지의 음식물 중량판별방법을 제공하는데 있다.Therefore, the present invention has been made to improve such a problem, an object of the present invention is to analyze the food weight determination method of the microwave oven that can accurately determine the weight of food by analyzing the detection value of the high frequency sensor based on the gene theory. To provide.
상기 목적을 달성하기 위한 본 발명은, 음식물을 재치하도록 일정공간이 형성된 조리실과, 음식물을 조리하도록 고주파를 발생하는 마그네트론과, 상기 마그네트론에서 발생된 고주파가 음식물에 고루 전달되도록 회전하는 회전접시와, 음식물의 중량 및 온도에 상응하는 감지값을 갖는 복수개의 고주파센서를 구비한 전자렌지에 있어서, 상기 고주파 센서에 의해 감지된 복수개의 감지값을 입력변수로 하는 퍼지모델식별기를 이용하여 음식물의 중량을 판별하는 것을 특징으로 한다.The present invention for achieving the above object, the cooking chamber formed a certain space to place food, a magnetron for generating a high frequency to cook food, and a rotating plate to rotate so that the high frequency generated from the magnetron is delivered to the food, In a microwave oven having a plurality of high frequency sensors having a sensing value corresponding to the weight and temperature of food, the weight of the food is determined using a fuzzy model identifier having a plurality of sensing values sensed by the high frequency sensor as input variables. It is characterized by determining.
이하, 본 발명의 실시예를 첨부도면을 참조하여 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
제4도에 있어서, 퍼지모델식별기(100) 및 유전자알고리즘(200)은 조리실(3)내의 음식물(F)의 중량을 판별하기 위한 유전자 알고리즘-퍼지 멤버쉽 함수가 저장되어 있다.In FIG. 4, the fuzzy model identifier 100 and the genetic algorithm 200 store a genetic algorithm-fuzzy membership function for determining the weight of the food F in the cooking chamber 3.
이때, 퍼지모델식별기(100)의 추론값은 멤버쉽 함수의 형태 및 상수(C1)들을 어떻게 선정하느냐에 따라 다르게 된다.In this case, the inference value of the fuzzy model identifier 100 varies depending on the type of the membership function and how the constants C1 are selected.
본 발명에서는 유전자알고리즘을 이용하여 퍼지멤버쉽 함수의 형태 및 상수(C1)들을 최적화 함으로써 보다 정확한 음식물(F)의 무게를 추론할 수 있도록 하였다.In the present invention, it is possible to infer the weight of food (F) more accurately by optimizing the shape and constant (C1) of the fuzzy membership function using the genetic algorithm.
다음에, 본 발명의 전체적인 동작을 설명한다.Next, the overall operation of the present invention will be described.
먼저, 퍼지멤버쉽 함수 및 상수를 임의로 설정하여 초기 퍼지모델 식별기(100)를 구성한다(S1). 이후, 고주파센서(13)(15)의 감지값과 실제 음식물(F)과의 관계를 나타내는 기준학습데이타를 설정하게 된다(S2).First, an initial fuzzy model identifier 100 is configured by arbitrarily setting a fuzzy membership function and a constant (S1). Thereafter, reference learning data indicating a relationship between the detected value of the high frequency sensor 13 and 15 and the actual food F is set (S2).
이는 표 1에 나타낸바와 같다.This is as shown in Table 1.
상기 기준학습데이타는 음식물(F)을 조리실(3)에 재치하고 마그네트론(7)을 최고 출력으로 동작시켜 조리하는 상태에서 일정시간동안(예를들어 10초) 고주파센서(13)(15)에 의해 감지된 감지값의 평균값을 취함으로써 얻어진다. 이 기준학습데이타를 얻기 위해서는 각 음식물마다 일정횟수씩 해동량을 테스트하여 각각의 고주파센서(13)(15)의 감지값을 얻게 된다.The reference learning data is placed on the high frequency sensor 13 and 15 for a predetermined time (for example, 10 seconds) while the food F is placed in the cooking chamber 3 and the magnetron 7 is operated at the maximum output. Is obtained by taking the average value of the detected values. To obtain this reference learning data, the thawing amount is tested a predetermined number of times for each food to obtain the detected values of the high frequency sensors 13 and 15.
이때, (표 1)의 기준데이타는 실제로 고주파센서(13)(15)가 해동량의 변화에 따라, 그리고 온도변화에 따라 다양한 값을 감지하므로 이러한 다양한 상황을 충분히 반영할 수 있도록 구성해야 한다.At this time, the reference data of (Table 1) is actually configured so that the high-frequency sensors 13, 15 can detect a variety of values according to the change of the thawing amount and the temperature change, so as to sufficiently reflect these various situations.
이후, 퍼지모델식별기(100)에 기준학습데이타의 고주파센서(13)(15)의 감지값을 대입한다. 즉, 고주파센서(13)(15)에 의해 감지된 2개의 감지값을 이용하여 해동물의 량을 판단할 수 있도록 추론하게 되는 것이다(S3).Subsequently, the detection values of the high frequency sensors 13 and 15 of the reference learning data are substituted into the fuzzy model identifier 100. That is, it is to be inferred to determine the amount of sea animals using the two sensed values detected by the high frequency sensor (13, 15) (S3).
예를들어, 고주파센서(13)의 감지값(제어수단에서 전압으로 환산됨. 이후 기재되는 수치는 모두 전압으로 환산한 값임)이 6, 고주파센서(15)의 감지값이 42인 경우, 제5도에 도시한 바와같이, 먼저 각 감지값을 퍼지 멤버쉽함수에 대입하여 N.Z.P곡선에 대한 각 소속정도를 나타내는 값(μ)을 얻는다. 그리고, 이 소속정도값들의 강도(strength)(α = μi * μj)와 임의의 상수값(Ci)들을 추론식에 대입하여 추론값(Y )을 얻는다.For example, when the detected value of the high frequency sensor 13 (converted to voltage in the control means. The values described later are all converted to voltage) is 6 and the detected value of the high frequency sensor 15 is 42, As shown in FIG. 5, first, each sensed value is substituted into the fuzzy membership function to obtain a value (μ) representing each degree of belonging to the NZP curve. Then, the strength of these membership values (α = μi * μj) and arbitrary constant values Ci are substituted into the inference equation and the inference value (Y). Get)
그리고, 이 추론값(Y )에 출력게인(output_gain)온을 곱해주고 다시 output_center를 더해 줌으로써 최종적인 해동량을 추론하게 된다.And this inference value (Y ) Is deduced from the final thaw by multiplying the output gain on by adding output_center.
이를 제5도를 참조하여 수식으로 표현하면 다음과 같다.This is expressed as an equation with reference to FIG. 5 as follows.
해동량 = OUTPUT_GAIN * yn+ OUTPUT_CENTERThaw = OUTPUT_GAIN * y n + OUTPUT_CENTER
해동량 = output_gain * Y + output_centerThaw = output_gain * Y + output_center
이후, 에러의 평균이 최소인지를 판단한다(S4).Then, it is determined whether the average of the errors is the minimum (S4).
이 판단결과, 최소가 아닌 경우(NO일 경우)에는 유전자이론을 적용하여 퍼지모델식별기(100)를 변경시킨다(S41).As a result of the determination, if it is not the minimum (NO), the fuzzy model identifier 100 is changed by applying gene theory (S41).
즉, 기준학습데이타의 고주파센서(13)(15)의 감지값을 차례로 상기 제5도에서 설명한 퍼지모델식별기(100)에 대입하여 추론값(P(o))을 얻는다. 그리고, 이 추론된 값(P(o))과 (표 1)의 실제중량(P(r))을 비교하여 에러값(P(e))을 구한다.That is, the detected values of the high frequency sensors 13 and 15 of the reference learning data are sequentially assigned to the fuzzy model identifier 100 described with reference to FIG. 5 to obtain the inference value P (o). Then, the inferred value P (o) is compared with the actual weight P (r) of Table 1 to obtain an error value P (e).
이와같은 동작을 기준학습데이타 수 만큼 반복하며, 이때 에러의 평균값이 최소가 되도록 퍼지 멤버쉽함수의 형태 및 상수(Ci)들을 바꾸어준다, 이러한 과정을 반복하여 평균 에러값이 최소가 되도록 하면, 퍼지멤버쉽 함수의 형태 및 상수(Ci)들이 최적화된 퍼지모델식별기(100)가 된다, 즉, 이때의 퍼지모델식별기(100)는(표 1)의 고주파센서(13)(15)의 감지값에 대한 출력값(해동량)을 가장 적은 오차로 표현할 수 있는 함수가 되는 것이다.Repeat this operation by the number of reference learning data, and change the shape and constants (Ci) of the fuzzy membership function so that the average value of the error is minimum. Repeat this process to make the average error value minimum, and the fuzzy membership The shape and constants C i of the function become the optimized fuzzy model identifier 100, that is, the fuzzy model identifier 100 at this time is an output value for the detected values of the high frequency sensors 13 and 15 of (Table 1). It is a function that can express (thaw amount) with the least error.
상기와 같이 유전자알고리즘에 의해 최적화된 퍼지모델식별기(100)가 얻어지면, 이 퍼지모델식별기(100)를 제어수단(50)에 입력하게 된다. 그리고, 전자렌지의 해동을 수행할 경우 고주파센거(13)(15)에서 감지된 임의의 감지값을 제어수단(50)에 기 구성된 퍼지모델식별기(100)에 대입함으로써 현재의 해동량을 정확하게 추론할 수 있게 된다.When the fuzzy model identifier 100 optimized by the genetic algorithm is obtained as described above, the fuzzy model identifier 100 is input to the control means 50. In addition, when defrosting the microwave, the current defrosting amount is accurately inferred by substituting an arbitrary sensed value detected by the high frequency sensor 13 and 15 into the fuzzy model identifier 100 pre-configured in the control means 50. You can do it.
상술한 바와 같이 본 발명에 따르면, 고주파센서의 감지값을 유전자이론을 토대로 분석하여 음식물의 중량을 정확하게 판별하고, 그 판별된 결과에 따라 조리동작을 제어함으로서 조리효율을 향상시키는 효과가 있다.As described above, according to the present invention, the detection value of the high frequency sensor is analyzed based on the gene theory to accurately determine the weight of food, and the cooking operation is controlled according to the determined result, thereby improving cooking efficiency.
Claims (4)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019960003899A KR100191505B1 (en) | 1996-02-16 | 1996-02-16 | Weight value method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019960003899A KR100191505B1 (en) | 1996-02-16 | 1996-02-16 | Weight value method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR970062509A KR970062509A (en) | 1997-09-12 |
| KR100191505B1 true KR100191505B1 (en) | 1999-06-15 |
Family
ID=19451407
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1019960003899A Expired - Fee Related KR100191505B1 (en) | 1996-02-16 | 1996-02-16 | Weight value method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100191505B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101052155B1 (en) * | 2009-11-10 | 2011-07-26 | 엘지전자 주식회사 | Cooker and Control Method |
-
1996
- 1996-02-16 KR KR1019960003899A patent/KR100191505B1/en not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101052155B1 (en) * | 2009-11-10 | 2011-07-26 | 엘지전자 주식회사 | Cooker and Control Method |
Also Published As
| Publication number | Publication date |
|---|---|
| KR970062509A (en) | 1997-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0529644B1 (en) | Cooking appliance | |
| KR0130741B1 (en) | Heating cooker | |
| CA1224539A (en) | Automatic heating apparatus | |
| CN100353119C (en) | Automatic cooking control method for microwave oven | |
| EP1283660A2 (en) | Microwave oven having a rice-cooking function | |
| US20250048509A1 (en) | Method for determining a power absorbed by a food to be cooked that is situated in a cooking chamber, and cooking appliance and computer program | |
| KR0154643B1 (en) | Adaptive Control Method Using Output Signal of Steam Sensor | |
| JP3795286B2 (en) | Microwave oven thawing control method | |
| EP0645942A2 (en) | Method for thawing food in microwave oven | |
| KR100191505B1 (en) | Weight value method | |
| KR100988930B1 (en) | Microwave Control Method | |
| US20240397590A1 (en) | A heating appliance and method of operating a heating appliance | |
| KR0146131B1 (en) | Automatic cooking device of microwave oven | |
| KR100341330B1 (en) | Defrost controlling method for a microwave oven | |
| JP2993110B2 (en) | Cooking device | |
| KR100366019B1 (en) | Defrost controlling method for a microwave oven | |
| KR100533272B1 (en) | How to control popcorn dishes in the microwave | |
| KR100341329B1 (en) | Defrost controlling method for a microwave oven | |
| KR100203076B1 (en) | Operation control method of microwave oven | |
| KR0128557B1 (en) | Weight sensing & automatic cooking control method of microwave-oven | |
| JPH0828273B2 (en) | Heating cooker | |
| KR0125718B1 (en) | Frozen food cooking control method of microwave oven | |
| KR19980025391A (en) | Microwave Sterilization Method | |
| Boyer et al. | Convection automated logic oven control | |
| CN119453777A (en) | Cooking equipment control method, device, equipment and storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 19960216 |
|
| PA0201 | Request for examination |
Patent event code: PA02012R01D Patent event date: 19960216 Comment text: Request for Examination of Application |
|
| PG1501 | Laying open of application | ||
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 19981126 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 19990126 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 19990127 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20011228 Start annual number: 4 End annual number: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20021230 Start annual number: 5 End annual number: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20031230 Year of fee payment: 6 |
|
| PR1001 | Payment of annual fee |
Payment date: 20031230 Start annual number: 6 End annual number: 6 |
|
| LAPS | Lapse due to unpaid annual fee | ||
| PC1903 | Unpaid annual fee |
Termination category: Default of registration fee Termination date: 20051210 |