首页 > 复审无效 > 专利复审 > 基于三维评价与时域追溯的质量感知信息管理方法和系统-复审决定

基于三维评价与时域追溯的质量感知信息管理方法和系统-复审决定

2019-07-01 分类：专利复审 来源：国知局专利局 阅读() 错误报告

发明创造名称：基于三维评价与时域追溯的质量感知信息管理方法和系统
外观设计名称：
决定号：182529
决定日：2019-07-01
委内编号：1F242475
优先权日：2014-12-01
申请（专利）号：201510859252.4
申请日：2015-11-30
复审请求人：曹树槐
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：王思文
合议组组长：巩瑜
参审员：冯婷霆
国际分类号：G06Q10/06
外观设计分类号：
法律依据：专利法第33条，专利法第26条第4款
决定要点
：若权利要求中包含的修改后的技术特征既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，则该修改超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定；若权利要求中使用了括号且由于括号的使用导致同一权利要求存在不同的保护范围，则权利要求保护范围不清楚，不符合专利法第26条第4款的规定。
全文：
本复审请求涉及申请号为201510859252.4，名称为“基于三维评价与时域追溯的质量感知信息管理方法和系统”的发明专利申请（下称“本申请”）。本申请的申请人为曹树槐，本申请的申请日为2015年11月30日，最早优先权日为2014年12月01日，公开日为2016年05月11日。
经实质审查，国家知识产权局实质审查部门于2017年11月03日发出驳回决定，驳回了本申请，其理由是：权利要求1-8不符合专利法第26条第4款的规定，具体理由如下：1、独立权利要求1中未具体说明质量感知信息管理方法所包含的实现步骤，并且缺乏对商品域、评价主体域、产品域、过程域、泛体系域相关表达式中函数及参数含义的解释，并且出现了“特别地”、“特别情况下”的表述，限定了两个以上不同的保护范围，使得权利要求1保护范围不清楚。2、独立权利要求1、从属权利要求4-8中出现多处括号，限定了不同的保护范围，使得权利要求1、4-8保护范围不清楚。3、从属权利要求2中记载的“运用单一质量特性采集模式、ET五域模型技术逻辑及参量对数据/信息进行三维评价与时域追溯的质量感知的方法”及从属权利要求3中记载的“运用ET五域模型技术逻辑及参量将数据/信息转化为三维评价与时域追溯的质量感知信息的方法”，无法确定其含义，使得权利要求2-3保护范围不清楚。
驳回决定所依据的审查文本为：申请日2015年11月30日提交的说明书附图第1-37页、摘要附图，2016年03月10日提交的说明书摘要，2016年04月01日提交的说明书第1-25页，2017年08月28日提交的权利要求第1-12项。
驳回决定所针对的权利要求书的内容如下：
“1.一种质量感知信息管理方法，包括质量感知信息管理方法的技术原理和质量感知信息管理方法的技术特征；
上述感知，定义为生物细胞/器官对外部参量的某种触发及其效应，或人类借助物理测控方法对动态/静态参量的捕捉、量化、记录，或物体的某种需求参量的被满足程度的人为度量；
上述质量感知，包含有判定基准的对感知进行的评价、大脑/器官对某一触发信号的捕捉及其效应体现、基于质量特性理论或需求理论或约束理论逻辑设定的物体对动态参量量化数据的感知三者含义的组合；
前述的质量感知信息管理方法的技术原理：单一质量特性采集模式；
所述的单一质量特性采集模式，包括：基于spp理论框架的单一质量特性采集模式、基于需求管理理论的单一质量特性采集模式、基于人为定义的物体对动态参量需求条件或受约束因素的单一质量特性采集模式；
上述的spp理论框架，spp指system、process、production的缩写，译为体系、过程和产品；
上述spp理论框架的运用特征是：从业务流转化为信息流时，基于体系、过程、产品三个层别对数据源进行收集、量化和采集；
前述的质量感知信息管理方法的技术特征：基于三维评价与时域追溯的ET五域模型技术逻辑及参量；
上述的三维评价，包括以下特征：质量管理领域的产品层、过程层和体系层的评价特征，信息化领域的信息记录、信息处理/分析、信息传输运用、信息受众时的三维图形化/可视化的特征；
上述的时域追溯，包括以下特征：对信息基于时间和地理位置的收集、对信息基于时间和地理位置的采集或模数转化/数模转化、对信息基于时间和地理位置的存储包含数据信息的调制解调或存储处理、对信息基于时间和地理位置的分析利用包含数学处理分析/传播运用/受众运用的特征；
上述的ET五域模型技术逻辑及参量，ET指Easy-Traceability的缩写，译为易追溯的，它包括以下特征：
特征1：具有一条矢量箭头轴线代表某一质量特性或某一种感知；
特征2：具有五个点阵数据域，该点阵数据域具有颜色特征、地理空间位置的经纬度排布特征、随时间变化积分层列特征、处于三维直角坐标体系内的分布特征和姿态特征，以及各数据域间的点阵和/或各模型中的数据域之间的点阵通过矢量箭头相连接代表对应的业务逻辑关系；
特征3：ET五域模型技术逻辑及参量包含ET五域概念模型及参量、ET五域逻辑模型及参量、ET五域物理模型及参量；
前述特征1所述的一条矢量箭头轴线，在ET五域概念模型及参量中定义为：
PgA@：（Perception gene Axis）亦称产品基因轴，是感知基因轴符号，指一条趋势轴线，定义寄生在质量宿主中的诸多质量特性中的一种，通常该质量特性造成了评价主体某方面的权益损害，并且是评价主体发起基因轴的根本原因；它代表了具有类似功能效用的/市场替代性强的一类产品的产品核心功能或关键/主要质量特性的发展趋势（特别地，质量特性还包括对某一教学知识点的感知及程度、某一静态要素/技术要点、图形/照片/视频影像识别要素），产品基因轴是ET五域模型的核心线，是ET五域模型数据采集技术特征（“单一质量特性采集模式”）的核心体现，通常产品基因轴的选定还遵循“样本量足够原则”，产品基因轴衍生产品基因轴平面；
和/或：
PgA: （Original Perception gene Axis）初始产品基因轴，在本发明所述信息管理方法中，指定最早触发的产品基因轴为初始产品基因轴，其轴符号后面不带@，初始产品基因轴所在的五域模型称之为初始基因轴模型；
上述的质量宿主，在ET五域概念模型及参量中定义为：
信息宿主：（Quality host,缩写为Qh）也称质量宿主，指拥有某一质量特性的、具有预期类似性能和用途的、某一质量信息所归属的对象，通常地，质量信息受主寄生于某一质量宿主，因为评价对象有不确定数量的评价主体/使用主体，而信息受主取决于不同评价主体在不同时间、不同地域和不同环境（环境包括：人、机、料、法、测试手段、运行环境）的质量感知，所以质量宿主包含无数个信息受主；质量宿主的定义由样本宿主、个体宿主和特性元宿主共同构成，产品基因轴平面释义了质量宿主的逻辑构成；
上述的样本宿主，其映射图形由泛体系域-性能子域及其所赋予的识别码构成，它体现的是产品厂家对该产品的设计定型参数；
上述的个体宿主，是根据设计定型参数制造出来的序列产品，它体现的是设计定型参数、消费者的需求参数和泛体系域的时域参数，个体宿主的映射图形由泛体系域-用途子域平面及其所赋予的识别码构成；
上述的特性元宿主，运用于时序间断数据信息赋码/识别采集过程时，指在数据运算处理器/图形化数据库中定义为带有某一轴向倾角姿态的产品基因轴平面；运用于对事物实施的主动（带预案的策略性管理活动）预警侦测/识别/追溯时，泛体系域-性能子域的点阵代码、轴向倾角姿态、水平倾角姿态共同构成一个特性元宿主，并标定为一个样本宿主；
上述的产品基因轴平面，由产品基因轴（或初始产品基因轴）、泛体系域-用途子域平面、个体宿主识别码、泛体系域-性能子域平面、样本宿主识别码、过程域平面、过程域识别码、产品域平面、商品域平面、评价主体域平面、轴向倾角姿态、水平倾角姿态和垂直倾角姿态构成；
前述特征2所述的随时间变化积分层列特征，包括：
五个点阵数据域之（1）：（Goods data space）指商品域；其使用方法：采集/存储/记录流通环节的商品信息受主，特别地，在服务业里，指买卖双方在发生交易行为后的一段时间里的质量感知对象的信息受主；其构成原理：整体的商品域点阵结构是商品信息受主点阵平面的积分，表示的是同一基因轴向的商品信息受主随着t（good）的时域追溯图，表达为：0 ∞∫[1n∑(xNS1,yWE1)(t(good’))]（t（good））；
五个点阵数据域之（2）：（Men dataspace）指评价主体域；其使用方法：采集/存储/记录评价主体的时域和信息施主；特别情况下，评价主体域的选定可以划定权限，包括：对于泛体系域的评价，因其专业性和客观性，更多地把权限开放给第三方评价机构或者具有三层次质量强感知的个体或组织；其构成原理：整体的评价主体域点阵结构是评价主体信息施主点阵平面的积分，表示的是评价主体随着时间轴t（men）的时域追溯图，表达为：0 ∞∫[1n∑(xNS2,yWE2)(t(men’))]（t（men））；
五个点阵数据域之（3）：（Production dataspace）指产品域；其使用方法：采集/存储/记录产品的信息受主，其中产品包含制造业有形产品和服务业服务过程，特别地，在服务业里，指买卖双方在发生交易行为之前的一段时间里的质量感知对象；其构成原理：整体的产品域点阵结构是产品信息受主点阵平面的积分，表示的是同一基因轴的产品随着t（product）的时域追溯图，表达为：0 ∞∫[1n∑(xNS3,yWE3)(t(product’))]（t（product））；
五个点阵数据域之（4）：（Process dataspace）过程域；其使用方法：采集/存储/记录产品价值形成的过程的信息受主，特别地，对于特别具有质量宿主代表性的产品基因轴，基于过程影响因素的考虑，赋予过程域特定的识别码；其构成原理：整体的评价主体域点阵结构是产品价值形成的过程的信息受主的积分，表示的是同一基因轴的过程随着t（pr）（同义于t（process））的时域追溯图，表达为：0 ∞∫[1n∑(xNS4,yWE4)(t(pr’))]（t（pr））；
五个点阵数据域之（5）：（System dataspace）泛体系域；由性能子域、用途子域和姿态构成；泛体系域平面由性能子域平面、用途子域平面、水平姿态和立体姿态构成，性能子域平面的可视化参量定义质量宿主的样本属性，用途子域平面的可视化参量定义质量宿主的个体属性和信息受主；其使用方法：采集/存储/记录质量宿主的属性，和质量宿主的信息受主和信息施主，其质量宿主平面同时衍生产品基因轴平面和轴向；其构成原理：整体的泛体系域点阵结构是质量宿主的信息受主和信息施主的点阵平面的积分，表示的是同一基因轴的泛体系域随着t（system）的时域追溯图，表达为：0 ∞∫[1n∑(xNS5,yWE5)(t(s’))]（t（system））；
（5-1）：（System-specification dataspace）泛体系域—性能子域；其使用方法：采集/存储/记录产品功能特性、设计指标和信息受主，更多地从制造者（价值提供者）的角度考虑；
（5-2）：（System-application dataspace）泛体系域—用途子域；其使用方法：采集/存储/记录产品功能要求、用途需求和信息受主，更多地从消费者（价值使用者）的角度考虑；
Tg’A：商品域时间微分轴，其坐标值等同于前述商品域表达式0 ∞∫[1n∑(xNS1,yWE1)(t(good’))]（t（good））中的t(good’)，用于校核商品域信息受主信息质量、检索时间元信息，同时作为图形化数据存储/映射/分析海量数据时处理冗余数据的指针参量；
Tm’A：评价主体时间微分轴，其坐标值等同于前述评价主体域表达式0 ∞∫[1n∑(xNS2,yWE2)(t(men’))]（t（men））中的t(men’)，用于校核评价主体域信息施主信息质量、检索时间元信息，同时作为图形化数据存储/映射/分析海量数据时处理冗余数据的指针参量；
Tp’A：产品域时间微分轴，其坐标值等同于前述产品域表达式0 ∞∫[1n∑(xNS3,yWE3)(t(product’))]（t（product））中的t(product’)，用于校核产品域信息受主信息质量、检索时间元信息，同时作为图形化数据存储/映射/分析海量数据时处理冗余数据的指针参量；
Tpr’A：过程域时间微分轴，其坐标值等同于前述过程域表达式0 ∞∫[1n∑(xNS4,yWE4)(t(pr’))]（t（pr））中的t(pr’)，用于校核过程域信息受主信息质量、检索时间元信息，同时作为图形化数据存储/映射/分析海量数据时处理冗余数据的指针参量；
Ts’A：泛体系域时间微分轴，其坐标值等同于前述泛体系域表达式0 ∞∫[1n∑(xNS5,yWE5)(t(s’))]（t（system））中的t(s’)，用于校核泛体系域信息受主信息质量、检索时间元信息，其中泛体系指在质量管理领域中概括的一个概念：指过程所在的集合，该集合包括了一组管理方法，该管理方法建立在一定的资源基础上；一般地，泛体系指过程所在的集合的权利主体或控制主体，通常指一个企业实体，同时作为图形化数据存储/映射/分析海量数据时处理冗余数据的指针参量；
TgA：商品域时间轴，其坐标值等同于前述商品域表达式0 ∞∫[1n∑(xNS1,yWE1)(t(good’))]（t（good））中的t(good)，用于对商品域信息受主随时间的积分层列；
TmA：评价主体域时间轴，其坐标值等同于前述评价主体域表达式0 ∞∫[1n∑(xNS2,yWE2)(t(men’))]（t（men））中的t（men），用于对评价主体域点阵信息随时间的积分层列；
TpA：产品域时间轴，其坐标值等同于前述产品域表达式0 ∞∫[1n∑(xNS3,yWE3)(t(product’))]（t（product））中的t（product），用于对产品域信息受主随时间的积分层列；
TprA：过程域时间轴，其坐标值等同于前述过程域表达式0 ∞∫[1n∑(xNS4,yWE4)(t(pr’))]（t（pr））中的t（pr），用于对过程域信息受主随时间的积分层列；
TsA：泛体系域时间轴，其坐标值等同于前述泛体系域表达式0 ∞∫[1n∑(xNS5,yWE5)(t(s’))]（t（system））中的t（system），用于对泛体系域信息受主随时间的积分层列；
WE1：商品所在的经度坐标，其坐标值等同于前述商品域表达式0 ∞∫[1n∑(xNS1,yWE1)(t(good’))]（t（good））中的点阵(xNS1,yWE1)的y坐标值；
NS1：商品所在的纬度坐标，其坐标值等同于前述商品域表达式0 ∞∫[1n∑(xNS1,yWE1)(t(good’))]（t（good））中的点阵(xNS1,yWE1)的x坐标值；
WE2：评价主体所在的经度坐标，其坐标值等同于前述评价主体域表达式0 ∞∫[1n∑(xNS2,yWE2)(t(men’))]（t（men））中的点阵（xNS2,yWE2）的y坐标值；
NS2：评价主体所在的纬度坐标，其坐标值等同于前述评价主体域表达式0 ∞∫[1n∑(xNS2,yWE2)(t(men’))]（t（men））中的点阵（xNS2,yWE2）的x坐标值；
WE3：产品所在的经度坐标, 其坐标值等同于前述产品域表达式0 ∞∫[1n∑(xNS3,yWE3)(t(product’))]（t（product））中的点阵(xNS3,yWE3)的y坐标值；
NS3：产品所在的纬度坐标, 其坐标值等同于前述产品域表达式0 ∞∫[1n∑(xNS3,yWE3)(t(product’))]（t（product））中的点阵(xNS3,yWE3)的x坐标值；
WE4：过程所在的经度坐标, 其坐标值等同于前述过程域表达式0 ∞∫[1n∑(xNS4,yWE4)(t(pr’))]（t（pr））中的点阵(xNS4,yWE4)的y坐标值；
NS4：过程所在的纬度坐标, 其坐标值等同于前述过程域表达式0 ∞∫[1n∑(xNS4,yWE4)(t(pr’))]（t（pr））中的点阵(xNS4,yWE4)的x坐标值；
WE5：泛体系所在的经度坐标, 其坐标值等同于前述泛体系域表达式0 ∞∫[1n∑(xNS5,yWE5)(t(s’))]（t（system））中的点阵(xNS5,yWE5) 的y坐标值；
NS5：泛体系所在的纬度坐标，其坐标值等同于前述泛体系域表达式0 ∞∫[1n∑(xNS5,yWE5)(t(s’))]（t（system））中的点阵(xNS5,yWE5) 的x坐标值；
前述的信息受主和信息施主，在ET五域概念模型及参量中定义为：
Ih:（Infliction Host）信息施主符号，在五域模型中定义的一个点（该点是计算机点阵位元，由三维坐标系确定方位，其颜色和形状由本发明所述信息管理方法给出定义）；当某一客观存在的对象（人、事和物），在与评价主体发生主动或被动的交互作用，并产生了评价主体对该对象的感知，这种感知在某一时间、某一地域和某一环境下受到触发，我们便定义这一触发点在ET模型中的一个信息施主；
Rh:（Receive Host）信息受主符号，处于ET五域模型中的某一个点，该点确定了一个评价对象、所处的地理位置和时间、及其感知属性（点阵颜色特征）；
前述的各数据点阵域表达式：0 ∞∫[1n∑(xNS1,yWE1)(t(good’))]（t（good））、0 ∞∫[1n∑(xNS2,yWE2)(t(men’))]（t（men））、0 ∞∫[1n∑(xNS3,yWE3)(t(product’))]（t（product））、0 ∞∫[1n∑(xNS4,yWE4)(t(pr’))]（t（pr））、0 ∞∫[1n∑(xNS5,yWE5)(t(s’))]（t（system））中，点阵坐标值（x,y）由单个模型基础坐标轴系X轴/x轴、Y轴/y轴、Z轴/z轴定义其方向；前述的基础坐标轴系X轴、Y轴、Z轴，用于定义时域空间（T&G dataspace），在分布式数据阵列的聚类归集中，可区隔/派生/归集成不同时域空间的基础坐标轴系；
上述的时域空间：（T&G dataspace），指计算机信息库中定义的三维直角坐标体系中的点阵结构，其中的每一个点对应一个特定的某一时间点的地理位置，时域空间由X、Y、Z轴定义；其中Z轴具有如下双重特性，特性一：用于构筑立体图形数据库中单个模型随时间层列时的视觉物理空间/数据存储物理空间；特性二：用于在立体图形数据库中构筑由同一时间、同一经纬度但不同的海拔高度所触发的相同感知基因轴的点阵模型；
前述特征2所述的通过矢量箭头相连接代表对应的业务逻辑关系，在ET五域概念模型及参量中，定义为：Ea评价轴、五域指定、PgA-Ih-Ea-Rh-Qh映射关系链；
前述Ea评价轴，Ea即Evaluate Axis，指评价轴符号，在五域点阵模型系统中，为便于计算机图形识别系统对可追溯性质量信息的采集、分析和挖掘，构筑的一条具有三维参数的有方向的矢量线段箭头，该方向始于信息施主，终于信息受主；
前述五域指定：（ET Pointing），亦称ET五域指定，是指评价主体触发信息施主时，在五域模型空间建立产品基因轴的过程；五域指定的输出记录在ET五域模型图形数据库中，它包含七个参数的指定，包括：质量宿主指定、产品基因轴指定、商品域指定、评价主体域指定、产品域指定、过程域指定和泛体系域指定；
前述PgA-Ih-Ea-Rh-Qh映射关系链，其技术特征是：通过实体-联系（entity-relationship approach,简称E-R方法）方法或类图（class diagram）方法将PgA/Ih/Ea/Rh数据聚类/列表并映射构建数据库的方法；
前述特征2所述的处于三维直角坐标体系内的分布特征和姿态特征，包括：ET五域模型集阵列规则、模型轴向震颤系数、模型水平震颤系数、模型垂直震颤系数、ET五域指定界面、ET信息收集表达规则、ET评价维度显示逻辑、ET信息采集和度量规则、ET评价维度图形化显示逻辑规则、ET预警元函数曲线、ET感知力度、ET击穿效应、ET探照比对技术、ET透视分析法、ET色彩空间、ET莲花图；
上述的三维直角坐标体系，由时域空间基础坐标轴系（X轴、Y轴、Z轴）构建而成，在大规模图形化数据的分布式运算管理中，其所包含的点阵区块可由分布在不同城市/区域/和/或不同磁盘扇区/运算器/云计算数据节点的单元时域空间组合而成；
上述的ET五域模型集阵列规则，包括：因果溯主轴、协同因果轴（即协同溯主轴）、感知溯主轴、协同基因轴、五域协同轴、模型水平震颤系数的聚类溯源角度；
上述因果溯主轴、协同因果轴（即协同溯主轴）、感知溯主轴、协同基因轴、五域协同轴、模型水平震颤系数的聚类溯源角度，在ET五域逻辑模型及参量中定义如下：
因果溯主轴：（Cause and Result ET Axis），始于派生基因轴模型（原因模型）中泛体系域：用途子域，终于结果模型中泛体系域：性能子域的一根有向轴线，用于建立初始产品基因轴模型和新生模型之间的联系；
协同因果轴：（Assistant ET Axis），（即协同溯主轴）协同因果轴是始于派生产品基因轴模型中泛体系域：性能子域，终于初始基因模型中泛体系域：性能子域的一根轴线，用于建立初始基因模型和派生模型之协同因果模型（对初始产品基因轴有利益相关者并且与初始基因模型存在着预期的因果关系的模型）之间的联系；
感知溯主轴：（Partner ET Axis），感知溯主轴是始于初始基因轴模型泛体系域：性能子域，终于初始基因轴模型中泛体系域：用途子域的一根轴线，它用于追溯具有原始感知属性的模型集；
协同基因轴：（Partner Gene ET Axis），协同基因轴是发起与初始产品基因轴类似的质量感知时，评价主体建立的与初始基因轴模型类似的五域模型，由模型的泛体系域—用途子域指向初始基因轴模型的泛体系域—用途子域，用于建立模型域模型间的关系；
五域协同轴：（Space Linking ET Axis），一根连接模型与模型之间的对等域（包括:商品域对商品域、产品域对产品域）的轴线；五域协同轴用于建立模型五域与其它模型五域间的联系，该联系辅助协同因果轴对因果关系进行客观校核；五域协同轴的目的是便于快速建立各模型域的有机联系，通常在信息采集时定义，它取决于评价主体的五域指定信息内容，并由计算机智能判定；
前述的模型水平震颤系数的聚类溯源角度，指初始产品基因轴模型A（本帧信号模型A）、衍生基因轴模型B（前帧信号模型B）、衍生基因轴模型C（后帧信号模型C）与基础坐标轴空间（时域空间）X-Y-X逆时针绕角平面原点形成的夹角∠α、∠β、∠γ，它们与某一原始地点O（运用于不同区域的ET数据管理时，不同区域的原始地点不同，在技术上，也可以采取某一全球唯一地点的方案）与X-Y-X平面原点形成的夹角∠0之间的差值△α、△β、△γ，定义为聚类溯源角度；
前述的模型轴向震颤系数，其特征如下：
模型轴向震颤系数ETQF(ET Quality perception Frequency，或称ET感知分散度，或称ET思维分散度)，特性元角度在数据运算过程中，反映在运算器中的角度参数变化速度；
上述的特性元角度，指产品基因轴平面绕产品基因轴旋转一定的角度（即产品基因轴轴向角度或称特性元角度，定义为ET五域模型轴向自转，即轴向倾角姿态；）；
前述的模型水平震颤系数，其特征如下：
模型水平震颤系数ETW（ET Wave，或称感知波及系数），在某一聚类初始产品基因轴模型中，数字运算设备（计算机）在对派生模型进行聚类/集成存储时，图形化处理数据过程中产生的聚类溯源角度（即：处于三维直角坐标体系内的水平倾角姿态）的变化频率；
前述的模型垂直震颤系数，其特征如下：
模型垂直震颤系数ETP(ET Pressure，或称ET供求感知变化系数)，指感知力度倾角在数据运算过程中，反映在运算器中的角度（即：垂直倾角姿态）参数变化速度；
上述的感知力度倾角ETPP(ET Perception Pressure)，是模型垂直姿态角度反映在运用级数据信息显示时的角度，前述模型垂直姿态角度，是指ET五域模型的产品基因轴在轴向方向偏离初始产品基因轴平面（一般地取Z轴方向）偏离的角度；
前述的ET五域指定界面，指出现在ET客户端应用程序（ETAPP）中的ET五域指定界面；
前述的ET信息收集表达规则，指用于完成ET五域指定界面信息与产品基因轴模型数据的转化的一种数据信息转换规则；
上述的一种数据信息转换规则，进一步地是指：在对互联网页面文字信息或语音信息或人机交互数据信息采集接口/界面（包括人工智能技术/AI或BI技术）时，对信息进行的图元化转换规则；
上述的图元化转换规则，包括，商品域人机表达规则、产品域人机表达规则、过程域人机表达规则、泛体系域人机表达规则；
上述的商品域人机表达规则，指：语义识别过程中，将出现在人机界面（包括：电脑、手机的互联网界面、智能手机/数据采集传感器出现的语音）中的人机交互语言格式，做如下的规制化信息处理：
对上述人机交互语言格式中出现的陈述性语句，其中的：
主语（名词）映射为ET五域概念模型的质量宿主；
谓语（动词）建议不用，通常不采集该信息数据源；
补语（数量词）建议不用，通常不采集该信息数据源；
定语（形容词）映射为ET五域逻辑模型（图形化数据库中）的产品基因轴；
宾语（名词）建议不用，通常不采集该信息数据源；
对上述人机交互语言格式中出现的判断/决策性语句，其中的：
主语（名词），关联为产品质量特性的描述性语言（商品域评价指标）；
状语（副词），映射为ET五域逻辑模型（图形化数据库中）的商品域信息受主点阵的颜色特征，所述的商品域点阵的颜色特征，遵循一套图形化数据采集度量逻辑规则；
上述的图形化数据采集度量逻辑规则，称为ET图形化数据采集度量逻辑规则（或称ET信息采集和度量规则），其特征为：
对产品的各类质量特性，按照其抽样检验的质量管控水平、产品认证的质量管控水平、产品检验数据的质量管控水平，进行7个阀值的度量评价，并规制化每一个阀值的评价结果并转化为点阵颜色特征（对各个质量特性点阵层的各点阵赋予对应的红、橙、黄、绿、蓝、青、紫七种颜色特征之一）；
上述的7个阀值的度量评价，是针对计数型数值而言；在针对包含计量型数值的质量特性时，通常将计量型数值规制化为点阵颜色特征（所述规制化，包括采用光电数码转制格式、由感知评价梯度的正面/负面/无输出转制成RGB对应的基准值并随ET五域模型时间轴参量积分叠加形成的颜色度量转制格式）；
上述的产品域人机表达规则，指：语义识别过程中，将出现在人机界面（包括：电脑、手机的互联网界面、智能手机/数据采集传感器出现的语音）中的人机交互语言格式，做如下的规制化信息处理：
对上述人机交互语言格式中出现的陈述性语句，其中的：
主语（名词）映射为ET五域概念模型的质量宿主；
谓语（动词）建议不用，通常不采集该信息数据源；
补语（数量词）建议不用，通常不采集该信息数据源；
定语（形容词）映射为ET五域逻辑模型（图形化数据库中）的产品基因轴；
宾语（名词）建议不用，通常不采集该信息数据源；
对上述人机交互语言格式中出现的判断/决策性语句，其中的：
主语（名词），关联为产品质量特性的描述性语言（产品域评价指标）；
状语（副词），映射为ET五域逻辑模型（图形化数据库中）的产品域信息受主点阵的颜色特征，所述的产品域点阵的颜色特征，遵循ET图形化数据采集度量逻辑规则；
上述的过程域人机表达规则，指：语义识别过程中，将出现在人机界面（包括：电脑、手机的互联网界面、智能手机/数据采集传感器出现的语音）中的人机交互语言格式，做如下的规制化信息处理：
对上述人机交互语言格式中出现的陈述性语句，其中的：
主语（名词）映射为ET五域概念模型的质量宿主；
谓语（动词）映射为过程域对应的点阵；
补语（数量词）建议不用，通常不采集该信息数据源；
定语（形容词）映射为ET五域逻辑模型（图形化数据库中）的产品基因轴；
宾语（名词）建议不用，通常不采集该信息数据源；
对上述人机交互语言格式中出现的判断/决策性语句，其中的：
主语（名词），关联为产品质量特性的描述性语言（过程域评价指标）；
状语（副词），映射为ET五域逻辑模型（图形化数据库中）的过程域信息受主点阵的颜色特征，所述的过程域点阵的颜色特征，遵循ET图形化数据采集度量逻辑规则；
上述的泛体系域人机表达规则，指：语义识别过程中，将出现在人机界面（包括：电脑、手机的互联网界面、智能手机/数据采集传感器出现的语音）中的人机交互语言格式，做如下的规制化信息处理：
对上述人机交互语言格式中出现的陈述性语句，其中的：
主语（名词）映射为ET五域概念模型的质量宿主；
谓语（动词）映射为泛体系域对应的点阵；
补语（数量词）建议不用，通常不采集该信息数据源；
定语（形容词）映射为ET五域逻辑模型（图形化数据库中）的产品基因轴；
宾语（名词）建议不用，通常不采集该信息数据源；
对上述人机交互语言格式中出现的判断/决策性语句，其中的：
主语（名词），关联为产品质量特性的描述性语言（泛体系域评价指标）；
状语（副词），映射为ET五域逻辑模型（图形化数据库中）的泛体系域信息受主点阵的颜色特征，所述的泛体系域点阵的颜色特征，遵循ET图形化数据采集度量逻辑规则；
前述的ET评价维度显示逻辑规则，指：由前述的ET图形化数据采集度量逻辑规则采集/存储/处理的ET五域模型数据点阵，其积分层列特征在数据显示界面或数据分析界面的数据传达或图形化数据分析处理过程中的数据映射规则（也称为图形化映射归约的数学函数规则）；
前述的ET预警元函数曲线，指：利用计算机对ET五域模型中的评价/感知信息数据的图形化识别，得到对点阵结构数据的量化值并进行物理化的转变，前述物理化的转变，包括：将每一点阵换算为物理力值，并赋予这些点阵所属模型以对应物理力学状态（包括：上浮、下沉），ET预警元函数曲线将模型反映的物理力学状态绘制成数学曲线，并进行相关性分析；
前述的ET感知力度，标识为（per.dem），包括：感知量（per.vol）与感知质（per.par）；
上述感知量（per.vol），定义为感知数量（per.tot）和感知权量（per.pow）的乘积，即：per.vol = per.tot*per.pow；
上述感知数量（per.tot），即评价轴数量；
上述感知权量（per.pow），定义为感知权度(即：触发度，per.abi)、感知频度（即：时间频次，per.fre）和感知密度（即：地域离散度，per dens）的乘积，即：per.pow =per.abi*index.per fre*index. per dens；
上述感知权度（per.abi），是一组系数，取[1/3，1/2，1，2，3，4，5]中的某一值，该值的选定由评价主体的评价/感知信誉评级给出；
上述感知质（per.par），其计算依据评价轴的各维度值计算，各维度评价轴与感知质的量化换算规则如下：评价类评价轴，红橙黄绿蓝青紫分别对应7、6、5、4、3、2、1；感知类评价轴：正面（3）、负面（-3）、无输出（1）；
前述的ET击穿效应，指ET模型拾取过程中的一个步骤，对ET探照比对技术识别的ET模型，系统赋予模型一个特定的感知力度（或称击穿力度），使得该类模型下沉至X、Y、Z空间的底部，为归类整理ET模型和模型集做好准备；
上述的ET模型拾取过程（ET Pick Up），是指：复制、存储并操作ET五域模型的一组过程，包括：过滤拾取法、栅格拾取法、预警元空间拾取法；
上述的过滤拾取法：指通过映射ET过滤模型，对相应的ET模型进行处理的方法；运用计算机图形识别技术，通过映制ET五域过滤模型，并将待筛选/搜索模型与之进行形位特征对比、识别、判断的过程；所述ET五域过滤模型（ET Deriving Model）是指：根据提供的标准参量映射出的ET五域模型，它作为识别目标ET模型的基准；所述的映制（ET Deriving），是指根据提供的标准参量，映射ET五域过滤模型的过程；
上述的栅格拾取法，是指在X、Y、Z轴空间建立栅格，以高效识别存储在数据模型空间中的ET五域模型，识别通过颜色、姿态和X、Y、Z坐标值的一种或多种方式实现；
上述的预警元空间拾取法：通过ET模型的预警元姿态归纳整理出数学函数曲线，在X、Y、Z空间映射出预警元空间，归类拾取ET模型；
前述的ET探照比对技术（ET Scanning)，是指运用计算机逻辑运算（包含但不限于0、1运算），对信息进行侦测、检索、识别和归类存储，并将取得的应用级ET模型集按功能需求重新生成ET模型集或ET模型空间的过程，ET探照比对技术的输出是得到ET色彩空间；
所述的对信息进行侦测、检索、识别和归类存储，包括运用常规的人脸数码光电识别技术、卫星遥感成像识别技术、电磁频谱分布特征成像技术、工业生产制造工艺流程中的工艺参数/制程品/成品监控摄像头/传感器/RFID识别技术收集的图像信息、运用VDA6.1/VDA6.3/VDA6.5/ISO9001/IATF16949/ISOIEC17025质量认证评价标准对质量管控手段的审核信息（包括质量/环境/职业健康安全管理体系审核员对审核对象作出的评价信息），结合ET感知信息采集度量规则及ET五域指定逻辑对图像信息进行逆向语义还原、分析、整理，形成抽象层业务信息，并映射为ET五域模型空间信息的方法；前述的形成抽象层业务信息，包括：通过安防监控视频摄像头抓拍的人脸/肢体语言感知信息（包括通过道路/街头摄像头抓拍的路人撕开面包包装盒、摄取食物过程的脸部/眼部/肢体的感知信息、时间、地理位置信息；）或通过人工智能、神经网络、光学/电学/电磁学/距离传感器、电力供电网络、水利水表参数监测网络、空气环境监测网络、交通/物流调度网络、货币清算/交易支付网络、移动通信终端（手机）网络、地震监测预警网络采集的数据信息；
前述的ET透视分析法，指：对存储于记忆材料的数据（包括存储于常规磁盘阵列的0/1数据、三维半导体蚀刻成型技术/记忆材料），运用图形化转化输入输出接口/标准（包括模数/数模转化硬件）映射至图形化数据库软件形成三维色彩空间软件数据包，并通过图形处理器（包括常规GPU模块单元、光电显示成像设备）显示到平面显示器或立体空间实现图形化成像（包括ET色彩空间），进而通过图像色彩处理软件对积分层列的点阵数据进行色彩分析并得出决策信息的方法；ET透视分析法运用于大规模海量大数据分析，或通过ET色彩空间实现增强现实技术/AR（Augmented Reality）技术；
前述的ET色彩空间（ET Time-Geography-Color Space,ET TGCS），是指：一种经ET探照比对技术或其它对ET信息的数据挖掘技术，得到的供决策分析并能可视化地呈现质量评价/感知程度的一种信息传达方式，ET色彩空间是增强现实技术的一种实现方式；
前述的ET莲花图指ET五域评价显示模型，ET五域评价显示模型是将收集/采集的数据信息通过ET信息收集表达规则转换为运用级信息显示或传播的一种方法（包括将信息显示在电脑显示器、智能手机屏幕、VR眼镜三维视界中）；
前述特征3所述的ET五域概念模型及参量，是指：从现实世界将业务流/事务流抽象成信息流时，需定义的相关概念/规制化接口，ET五域概念模型及参量包括：
Ih:（Infliction Host）信息施主符号；
Rh: （Receive Host）信息受主符号；
Ea：（Evaluate Axis）评价轴符号；
五域指定：（ET Pointing），亦称ET五域指定；
PgA@：（Perception gene Axis）亦称产品基因轴，感知基因轴符号；
PgA: （Original Perception gene Axis）初始产品基因轴；
信息宿主：（Quality host,缩写为Qh）也称质量宿主，指拥有某一质量特性的、具有预期类似性能和用途的、某一质量信息所归属的对象；
时间轴系：记录评价轴触发时间的轴线；
地域轴系：记录评价轴发生的地理位置的轴线；
ETAPP:（ ET Application program），ET客户端信息管理应用程序，包括运用单一质量特性采集模式开发的搜索引擎软件、社交软件和电子商务信息网站或平台；
样本量足够原则：（Sample Sufficient Regulation），对于数学概率论和数据统计分析而言，样本量足够原则是所有信息统计分析的基础，对质量信息的可追溯性管理，样本量足够原则目的并不仅限于信息对过去事态的追究起决定性帮助，更大程度上的目的在于如何保证这种信息的客观、公正、科学、准确，并且具有代表性和预测性，样本量足够原则是本发明所述方法的“质量管理预防胜于控制”理念的体现；
单一质量特性采集模式：（Single Specification Acquisition），指对对象的诸多质量要素，选取其中的一种进行多维度、高准确度的测量、记录、分析并信息化存储；
PgA-Ih-Ea-Rh-Qh映射关系链；
前述特征3所述的ET五域逻辑模型及参量，是指：ET五域模型的点阵结构遵循特定的逻辑规律/参量排布，该逻辑规律/参量排布在数据库应用程序中通常表现为对归约数据进行操作的一组运算符，并可通过编译程序转换为0、1二进制数据或其它计算机可识别并运算的数据制式；该逻辑规律还指：在计算机数据库中建立三维空间坐标（或称X-Y-Z空间），并归类存储到商品域（代码：space.1）、评价主体域（代码：space.2）、产品域（代码：space.3）、过程域（代码：space.4）和泛体系域（代码：space.5），并对评价/感知信息进行五个维度的分类；ET五域逻辑模型及参量包括：
（1）指商品域（Goods data space）；
（2）指评价主体域（Men dataspace）；
（3）指产品域（Production dataspace）；
（4）过程域（Process dataspace）；
（5）泛体系域（System dataspace）；
（5-1）泛体系域—性能子域（System-specification dataspace）；
（5-2）泛体系域—用途子域（System-application dataspace）；
Tg’A：商品域时间微分轴；
Tm’A：评价主体时间微分轴；
Tp’A：产品域时间微分轴；
Tpr’A：过程域时间微分轴；
Ts’A：泛体系域时间微分轴；
TgA：商品域时间轴；
TmA：评价主体域时间轴；
TpA：产品域时间轴；
TprA：过程域时间轴；
TsA：泛体系域时间轴；
WE1：商品所在的经度坐标；
NS1：商品所在的纬度坐标；
WE2：评价主体所在的经度坐标；
NS2：评价主体所在的纬度坐标；
WE3：产品所在的经度坐标；
NS3：产品所在的纬度坐标；
WE4：过程所在的经度坐标；
NS4：过程所在的纬度坐标；
WE5：泛体系所在的经度坐标；
NS5：泛体系所在的纬度坐标；
因果溯主轴；
协同因果轴；
感知溯主轴；
协同基因轴；
五域协同轴；
模型水平震颤系数的聚类溯源角度；
感知力度；
模型轴向倾角姿态、轴向震颤系数；
模型水平倾角姿态、水平震颤系数；
模型垂直倾角姿态、垂直震颤系数；
前述特征3所述的ET五域物理模型及参量，包括：为加速计算机对数据的检索运算和并行运算，依据ET五域模型数据存储的结构化点阵分布特征及逻辑规律/参量排布，结合硬件层存储运算技术，对存储介质（半导体或其它记忆材料）进行物理地址蚀刻方案和接口编译语言的设计。
2.如权利要求1所述的一种质量感知信息管理方法，包括：运用单一质量特性采集模式、ET五域模型技术逻辑及参量对数据/信息进行三维评价与时域追溯的质量感知的方法。
3.如权利要求1所述的一种质量感知信息管理方法，包括：运用ET五域模型技术逻辑及参量将数据/信息转化为三维评价与时域追溯的质量感知信息的方法。
4.如权利要求1所述的一种质量感知信息管理方法，包括：运用ET信息采集和度量规则对信息进行度量；运用spp理论框架对质量感知信息进行收集、记录、传输或利用；运用ET五域概念模型及参量对信息进行采集、存储、分析，包括：运用信息施主、信息受主或具有时域追溯逻辑的三角形结构于相应的终端采集软件及终端硬件进行信息化管理或宣传的，或于搜索引擎软件、社交软件、商务信息网站、互联网信息平台（包括公共安全信息平台、舆论/新闻传播平台）对质量感知信息进行受众传播利用；运用ET五域逻辑模型及参量对采集的信息进行储存、处理、分析，进而实现基于三维评价与时域追溯度量并记录质量感知信息的方法。
5.如权利要求1所述的一种质量感知信息管理方法，包括：基于三维评价与时域追溯将感知信息储存的方法或构建存储系统的方法，包括：运用ET五域概念模型及参量运用于图形记录和识别；运用ET五域逻辑模型及参量运用于将信息转化为数据、对大规模数据进行结构化存储分析，包括云存储架构的设计；将ET五域物理模型及参量运用于数据存储物理结构的设计、物理存储介质、物理显示介质、有形物理结构体（包括：建筑材料或地面铺设材料）的设计或生产或运用、物理端口指令或接口标准或接口通信软件、数据或信息的通信传输利用包括无线通信传输利用或传输标准/协议的设计用途；
上述的结构化存储分析，包括：对数据信息的物理模型设计、从事数据库、软件架构的设计、以及相关领域的用于加速信息存储、处理、分析的设计或方案，包括利用ET探照比对技术、ET击穿效应、ET感知力度分析、ET预警元函数曲线分析法、ET透视分析法，进行信息/数据/图形化信息处理器的设计或制造的、进行信息/数据运算工具或软件的设计或制造；
上述的生产，包括：半导体/电子材料/记忆材料的蚀刻和成形过程；
上述的从事数据库、软件架构的设计，包括运用PgA-Ih-Ea-Rh-Qh映射关系链构建的系列表或二维图映射特征的E-R关系型数据库/类-图关系型数据库。
6.如权利要求1所述的一种质量感知信息管理方法，包括：基于三维评价与时域追溯识别采集的信息客观准确的方法，包括：运用spp理论框架对信息进行归类整理、传播利用；运用ET五域模型技术逻辑及参量（包括ET五域模型集阵列规则及参量）对数据信息进行侦测、校核、分析、大数据清洗或用于区块链技术方案/标准/协议的衍生设计。
7.如权利要求1所述的一种质量感知信息管理方法，包括：基于三维评价与时域追溯将储存的感知信息转化为有用信息的方法，包括：运用ET预警元函数曲线、ET感知力度、ET击穿效应、ET探照比对技术、ET透视分析法、ET色彩空间、ET莲花图、模型轴向震颤系数、模型水平震颤系数、模型垂直震颤系数进行信息处理分析并得出有用的决策信息（包括管理目标/结果的统计报表、质量目标统计报表、社会舆情监测信息、消费者投诉/报修/意见或建议/市场调研反馈信息、产品广告/精准营销推广信息、个人征信信息、资产评估信息）的方法。
8.如权利要求1所述的一种质量感知信息管理方法，包括：基于三维评价与时域追溯收集有用信息需求的方法，包括：运用ET五域指定界面进行信息采集传输；运用ET五域模型的时间轴或地域轴参量、模型轴向震颤系数（轴向倾角姿态）、模型水平震颤系数（水平倾角姿态）、模型垂直震颤系数（垂直倾角姿态）、产品基因轴平面对事物进行跟踪、识别、判断，对事物或特性进行宏观侦测、预警，并得出满足预定的管理目标所需的管控要素/因素/参量信息（包括过程控制信息）的方法；
上述的对事物进行跟踪、识别、判断，包括运用产品基因轴平面及其技术逻辑/参量从事物联网/识别技术的设计，或用于通信识别端口技术/RFID（射频识别技术）的识别编码的衍生设计。
9.如权利要求1所述的一种质量感知信息管理方法，包括：基于三维评价与时域追溯实现对感知趋向进行捕捉的方法，包括：运用ET预警元函数曲线、ET感知力度、ET击穿效应、ET探照比对技术、ET色彩空间、ET莲花图或它们的逻辑参量进行信息挖掘的方法。
10.如权利要求1所述的一种质量感知信息管理方法，包括：基于三维评价与时域追溯实现通过对信息的统计分析，进而推测事物之间的联系的方法，包括：应用ET五域模型技术逻辑及参量对信息的统计分析和/或推测事物之间的联系的方法。
11.如权利要求1所述的一种质量感知信息管理方法，包括：基于三维评价与时域追溯实现通过对感知趋向的统计分析，进而推测事物发展趋势的方法，包括：应用ET五域模型技术逻辑及参量对数据信息进行的直接和/或间接的数据信息统计分析及运用。
12.如权利要求1至11所述的方法，运用于如下步骤1至步骤10的一个或多个，进而对信息实施收集、采集、存储/归类、处理、分析、传输和运用并形成有用的决策/需求信息的一个或多个环节目的时，列入本发明权利保护范围；
步骤1：对数据/信息进行质量感知的方法；
步骤2：将数据/信息转化为质量感知信息的方法；
步骤3：实现基于三维评价与时域追溯度量并记录质量感知信息的方法；
步骤4：将感知信息储存的方法或构建存储系统的方法；
步骤5：识别采集的信息客观准确的方法；
步骤6：将储存的感知信息转化为有用信息的方法；
步骤7：收集有用信息需求的方法；
步骤8：实现对感知趋向进行捕捉的方法；
步骤9：实现通过对信息的统计分析，进而推测事物之间的联系的方法；
步骤10：实现通过对感知趋向的统计分析，进而推测事物发展趋势的方法。”
申请人（下称复审请求人）对上述驳回决定不服，于2018年01月13日向国家知识产权局提出了复审请求，同时提交了修改后的权利要求第1-16项。复审请求人认为：申请文件的说明书附图28已经给出了相关的实现步骤，普通行业技术人员都可以依据此公开文件推断进而实施该技术方案。虽然权利要求书的叙述部分会使人觉得不清楚，然而说明书实施方式部分的《论文》（即《基于可追溯性的质量监管信息平台的构建研究》）列出了本申请所述技术方案运用各类用途的12个案例，说明书、说明书实施方式部分的《论文》、说明书附图中已经叙述得相对详细、并可以作为权利要求书的相关佐证依据。
复审请求人提出复审请求时新修改的权利要求书的内容如下：
“1.一种质量感知信息管理方法，包括如下步骤：
步骤1：基于spp理论框架，运用ET信息表达系统、ET五域指定将现实自然语言信息转化为抽象层逻辑信息，实现对收集层质量感知信息的管理；
步骤2：通过下述的一种或几种采集方法的组合构成的ET信息采集处理系统依时序、依PgA索引归类存储至对应的收集层质量感知信息数据空间中，实现对采集层质量感知信息的管理；
采集方法1：ETAPP；
采集方法2：ET信息采集专用通道；
采集方法3：RFID；
采集方法4：智能检测传感器；
采集方法5：无线电磁波监测系统；
采集方法6：ET功能系统的信息互动采集；
步骤3：通过ET五域模型集阵列空间、ET五域物理模型及参量将采集层质量感知信息转化为存储级信息，实现对存储级质量感知信息的管理；
步骤4：通过下述的一种或几种分析方法的组合构成的ET信息分析处理系统将存储级质量感知信息进行有目的的分析处理得到有用信息，实现对分析级质量感知信息的管理；
分析方法1：ET探照比对技术；
分析方法2：ET击穿效应；
分析方法3：ET感知力度分析；
分析方法4：ET预警元函数曲线分析；
分析方法5：ET透视分析法；
步骤5：基于上述spp理论框架、收集层质量感知信息的管理、采集层质量感知信息的管理、存储级质量感知信息的管理、分析级质量感知信息的管理通过下述的一种或几种工具的组合构建的ET信息平台，实现对受众传播层质量感知信息的管理；
工具1：ETAPP；
工具2：ET功能系统；
工具3：ET震颤系数(包括：模型轴向震颤系数、模型水平震颤系数、模型垂直震颤系数)；
上述步骤1所述的将现实自然语言信息转化为抽象层逻辑信息，其步骤叙述如下：
(所述的叙述，包括如下含义：运用包括但不限于面向对象程序设计语言进行的计算机编程逻辑架构叙述；运用包括但不限于面向对象程序设计语言中的相关术语，包括：事件、类、对象、属性；运用包括但不限于质量管理领域的相关术语，包括：质量特性、过程方法、体系、过程、产品；运用包括但不限于GIS地理信息系统的相关技术或术语，包括：经度、纬度、海拔高度、矢量数据；)；
步骤6：界定某一现实事件中的某一质量特性(同时，把自然界发生的相似现实事件界定为同一个类)；
步骤7：以单一质量特性为描述对象，将现实事件运用过程方法识别为体系、过程和产品三个层次；
步骤8：在同一描述对象中，以感知发起者为描述主体(即感知主体)，将现实事件中的体系、过程、产品、商品(指发生在感知发起者实施交易/支付之后的产品)分别界定在各自的地理空间坐标点和时间空间坐标点上(即感知客体)，同时界定感知发起者的地理空间坐标点和时间空间坐标点；
步骤9：将上述描述对象抽象成数据库空间中的一条矢量轴线，记为PgA；
步骤10：将上述的描述主体抽象成第2个数据空间中的一个点，记为Ih；将上述体系的地理空间坐标点和时间空间坐标点、过程的地理空间坐标点和时间空间坐标点、产品的地理空间坐标点和时间空间坐标点、商品的地理空间坐标点和时间空间坐标点、描述主体的地理空间坐标点和时间空间坐标点分别抽象成第5、第4、第3、第1、第2个数据空间中的一个点，分别记为Rh5(感知客体5)、Rh4(感知客体4)、Rh3(感知客体3)、Rh1(感知客体1)、Ih(评价主体)；
上述第5、第4、第3、第1、第2个数据空间，在ET五域逻辑模型及参量中定义为：泛体系域、过程域、产品域、商品域、评价主体域；
上述ET五域逻辑模型及参量包括：以上述第5、第4、第3、第1、第2个数据空间或其轮廓的一个或多个在立体空间中的方位变换并以单一质量特性为主轴或索引构建的数据序列表；
步骤11：将上述描述主体(Ih)、体系的地理空间坐标点和时间空间坐标点(Rh5)、过程的地理空间坐标点和时间空间坐标点(Rh4)、产品的地理空间坐标点和时间空间坐标点(Rh3)、商品的地理空间坐标点和时间空间坐标点(Rh1)、描述主体的地理空间坐标点和时间空间坐标点(标记为IhTG)抽象成为描述对象的属性；
步骤12：在同一描述对象(某一质量特性)中，将数据空间中的Ih至Rh5的矢量箭头和Rh5颜色值、Ih至Rh4的矢量箭头和Rh4颜色值、Ih至Rh3的矢量箭头和Rh3颜色值、Ih至Rh1的矢量箭头和Rh1颜色值中的一组或多组、IhTG和 /或描述主体的名称(IhID)抽象成描述对象的属性值；
步骤13：将上述的描述对象、描述对象的属性、描述对象的属性值映射在数据库模型中，形成ET五域数据空间模型；
前述的描述对象、描述对象的属性、描述对象的属性值映射在数据库模型中，其映射方法包括以下技术特征步骤：
步骤14：在三维直角坐标体系中定义X0-Y0-Z0三条直角坐标轴，坐标原点记为O000；
步骤15：定义X0-Y0为模拟地理位置数据库空间的经度坐标轴和纬度坐标轴，定义Z0轴为模拟地理位置数据库空间的海拔高度坐标轴；
步骤16：判断收集到的现实事件的对象(单一质量特性PgA)是否为初次触发；
步骤17：若为初次触发，确定初次触发对象(单一质量特性PgA)的地理位置，并将其映射在对应的X0-Y0坐标平面中；
步骤18：若非初次触发，确定触发对象的地理位置，记为单一质量特性PgA@，暂存至快速存储调度服务器，并将其映射在初始触发对象模型中；
步骤19：判断收集到的现实事件的对象属性的描述主体是否为初次触发描述主体的第二次触发，记为Ih0T21；
步骤20：若为初次触发描述主体的第二次触发，将其映射在初始触发对象模型中；
步骤21：若非初次触发描述主体的第二次触发，暂存至快速存储调度服务器，并将其映射在初始触发对象模型中；
步骤22：前述步骤17所述的映射在对应的X0-Y0坐标平面中，是指将初次触发对象(单一质量特性PgA)的矢量轴箭头的中心点按照其地理位置参数(经纬度坐标值)映射在X0-Y0坐标平面(以X0轴、Y0轴定义的模拟地理位置数据库空间)对应的经纬度坐标点中，并将该矢量轴箭头的中心点记为CMCP(Core Model Coordinate Point，核心模型坐标点)(如图13之点O所示)；
步骤23：以上述核心模型坐标点(CMCP)为坐标原点，由数据库应用程序绘制X-Y-Z三维坐标体系及ET五域逻辑模型空间，坐标原点记为OCMCP-PgA名称或随机序列号(以下记为OCMCP-XXX)；
步骤24：上述步骤23所述的数据库应用程序绘制X-Y-Z三维坐标体系及ET五域逻辑模型空间，其技术特征步骤为：
步骤25(绘制步骤1)：以OCMCP-XXX为坐标原点，绘制Y-OCMCP-XXX-(-X)坐标夹角的角平分线射线，记为WE5坐标轴线；以OCMCP-XXX为坐标原点，绘制(-Y) -OCMCP-XXX-(-X)坐标夹角的角平分线射线，记为NS5坐标轴线；绘制连接线WE5-XXX-NS5-XXX连接点WE5-XXX、点NS5-XXX交(-X)轴于点OCMCP-XXXSa；以OCMCP-XXX为圆心画弧交(-X)轴为点OCMCP-XXXSs，连接点OCMCP-XXXSs、点OCMCP-XXX；连接点WE5-XXX、点OCMCP-XXX、点NS5-XXX绘制泛体系域-用途子域数据空间初始平面WE5-XXX-OCMCP-XXX-NS5-XXX；连接点WE5-XXX、点OCMCP-XXXSs、点NS5-XXX、点OCMCP-XXXSa绘制泛体系域-性能子域数据空间初始弧面WE5-XXX-OCMCP-XXXSs-NS5-XXX；
步骤26(绘制步骤2)：以X-OCMCP-XXX-Y平面为初始平面，绘制商品域数据空间初始平面WE1-OCMCP-XXX-NS1；
步骤27(绘制步骤3)：以X-OCMCP-XXX-(-Y)平面为初始平面，绘制评价主体域数据空间初始平面WE2-OCMCP-XXX-NS2；
步骤28(绘制步骤4)：以Y-OCMCP-XXX-(-X)平面为初始平面，绘制产品域数据空间初始平面(-NS3)-OCMCP-XXX-WE3；
步骤29(绘制步骤5)：以(-Y)-OCMCP-XXX-(-X)平面为初始平面，绘制过程域数据空间初始平面(-NS4)-OCMCP-XXX-WE4；
步骤30(绘制步骤6)：
将上述泛体系域-性能子域数据空间初始弧面WE5-XXX-OCMCP-XXXSs-NS5-XXX记为5-1(如图2之5-1所示)；
将上述泛体系域-用途子域数据空间初始平面WE5-XXX-OCMCP-XXX-NS5-XXX记为5-2(如图2之5-2所示)；
将上述WE5-XXX-NS5-XXX-OCMCP-XXX弧面及矢量轴箭头轴( X轴方向部分)记为产品基因轴平面(如图10所示)；
将上述商品域数据空间初始平面WE1-OCMCP-XXX-NS1记为1(如图2之1所示)；
将上述评价主体域数据空间初始平面WE2-OCMCP-XXX-NS2记为2(如图2之2所示)；
将上述产品域数据空间初始平面(-NS3)-OCMCP-XXX-WE3记为3(如图2之3所示)；
将上述过程域数据空间初始平面(-NS4)-OCMCP-XXX-WE4记为4(如图2之4所示)；
完成收集层质量感知信息管理的图形化数据库构建；
上述步骤1所述的基于spp理论框架，是指：
在步骤6的现实事件的选取、质量特性的选取时，应把握泛体系层信息、过程层 信息、产品层信息与各信息受众主体(包括：企业内部管理人员、社会监督管理人员、消费者/客户、利益相关者)之间的信息非对称原则，尤其应当选取质量信息弱感知状态下的业务流并从现实事件中抽象出单一质量特性作为收集层质量感知信息的描述对象(如图1所示)；
上述步骤1所述的ET信息表达系统，是指：
在步骤6的现实事件的选取、质量特性的选取时，通过如下人机交互界面信息采集技术实施信息收集：
步骤31(人机交互界面要素之1)商品域人机表达规则(如图15之表格：商品域人机表达规则所示)；
步骤32(人机交互界面要素之2)评价主体域数据采集方法；
步骤33(人机交互界面要素之3)产品域人机表达规则(如图15之表格：产品域人机表达规则所示)；
步骤34(人机交互界面要素之4)过程域人机表达规则(如图16之表格：过程域人机表达规则所示)；
步骤35(人机交互界面要素之5)泛体系域人机表达规则(如图16之表格：泛体系域人机表达规则所示)；
上述步骤31所述的商品域人机表达规则，指：语义识别过程中，将出现在人机界面(包括：电脑、手机的互联网界面、智能手机/数据采集传感器出现的语音)中的人机交互语言格式，做如下的规制化信息处理：
对上述人机交互语言格式中出现的陈述性语句，其中的：
主语(名词)映射为ET五域概念模型的质量宿主；
谓语(动词)建议不用，通常不采集该信息数据源；
补语(数量词)建议不用，通常不采集该信息数据源；
定语(形容词)映射为ET五域逻辑模型(图形化数据库中)的产品基因轴；
宾语(名词)建议不用，通常不采集该信息数据源；
对上述人机交互语言格式中出现的判断/决策性语句，其中的：
主语(名词)，关联为产品质量特性的描述性语言(商品域评价指标)；
状语(副词)，映射为ET五域逻辑模型(图形化数据库中)的商品域信息受主点阵的颜色特征，所述的商品域点阵的颜色特征，遵循一套图形化数据采集度量逻辑规则；
上述的图形化数据采集度量逻辑规则，称为ET图形化数据采集度量逻辑规则(或称ET信息采集和度量规则)，其特征为：
对产品的各类质量特性，按照其抽样检验的质量管控水平、产品认证的质量管控水平、产品检验数据的质量管控水平，进行7个阀值的度量评价，并规制化每一个阀值的评价结果并转化为点阵颜色特征(对各个质量特性点阵层的各点阵赋予对应的红、橙、黄、绿、蓝、青、紫七种颜色特征之一)；
上述的7个阀值的度量评价，是针对计数型数值而言；在针对包含计量型数值的质量特性时，通常将计量型数值规制化为点阵颜色特征(所述规制化，包括采用光电数码转制格式、由感知评价梯度的正面/负面/无输出转制成RGB对应的基准值并随ET五域模型时间轴参量积分叠加形成的颜色度量转制格式)；
上述步骤32所述的评价主体域数据采集方法，包含前述步骤200所述的采集方法1至采集方法6；
上述步骤33所述的产品域人机表达规则，指：语义识别过程中，将出现在人机界面(包括：电脑、手机的互联网界面、智能手机/数据采集传感器出现的语音)中的人机交互语言格式，做如下的规制化信息处理：
对上述人机交互语言格式中出现的陈述性语句，其中的：
主语(名词)映射为ET五域概念模型的质量宿主；
谓语(动词)建议不用，通常不采集该信息数据源；
补语(数量词)建议不用，通常不采集该信息数据源；
定语(形容词)映射为ET五域逻辑模型(图形化数据库中)的产品基因轴；
宾语(名词)建议不用，通常不采集该信息数据源；
对上述人机交互语言格式中出现的判断/决策性语句，其中的：
主语(名词)，关联为产品质量特性的描述性语言(产品域评价指标)；
状语(副词)，映射为ET五域逻辑模型(图形化数据库中)的产品域信息受主点阵的颜色特征，所述的产品域点阵的颜色特征，遵循ET图形化数据采集度量逻辑规则；
上述步骤34所述的过程域人机表达规则，指：语义识别过程中，将出现在人机界面(包括：电脑、手机的互联网界面、智能手机/数据采集传感器出现的语音)中的人机交互语言格式，做如下的规制化信息处理：
对上述人机交互语言格式中出现的陈述性语句，其中的：
主语(名词)映射为ET五域概念模型的质量宿主；
谓语(动词)映射为过程域对应的点阵；
补语(数量词)建议不用，通常不采集该信息数据源；
定语(形容词)映射为ET五域逻辑模型(图形化数据库中)的产品基因轴；
宾语(名词)建议不用，通常不采集该信息数据源；
对上述人机交互语言格式中出现的判断/决策性语句，其中的：
主语(名词)，关联为产品质量特性的描述性语言(过程域评价指标)；
状语(副词)，映射为ET五域逻辑模型(图形化数据库中)的过程域信息受主点阵的颜色特征，所述的过程域点阵的颜色特征，遵循ET图形化数据采集度量逻辑规则；
上述步骤35所述的泛体系域人机表达规则，指：语义识别过程中，将出现在人机界面(包括：电脑、手机的互联网界面、智能手机/数据采集传感器出现的语音)中的人机交互语言格式，做如下的规制化信息处理：
对上述人机交互语言格式中出现的陈述性语句，其中的：
主语(名词)映射为ET五域概念模型的质量宿主；
谓语(动词)映射为泛体系域对应的点阵；
补语(数量词)建议不用，通常不采集该信息数据源；
定语(形容词)映射为ET五域逻辑模型(图形化数据库中)的产品基因轴；
宾语(名词)建议不用，通常不采集该信息数据源；
对上述人机交互语言格式中出现的判断/决策性语句，其中的：
主语(名词)，关联为产品质量特性的描述性语言(泛体系域评价指标)；
状语(副词)，映射为ET五域逻辑模型(图形化数据库中)的泛体系域信息受主点阵的颜色特征，所述的泛体系域点阵的颜色特征，遵循ET图形化数据采集度量逻辑规则；
上述步骤1所述的ET五域指定，是指：
在步骤6的现实事件的选取、质量特性的选取，以及在步骤7中的将现实事件运用过程方法识别为体系、过程和产品三个层次时，通过如下人机交互界面信息采集技术实施信息收集：
步骤36(ET五域指定步骤1)：在ET客户端应用程序(ETAPP)中的ET五域指定界面中设置质量宿主、产品基因轴、商品域、评价主体域、产品域、过程域、泛体系域7个控件(如图14所示)；
步骤37(ET五域指定步骤2)：在上述对应的控件右方分别设置文本输入框；
步骤38(ET五域指定步骤3)：将上述文本输入框中的数据信息传回后台数据库，执行步骤1中ET信息表达系统的数据转制，(如图25之a、之b、之c、之d、之e、之f、之g所示)；
步骤38(ET五域指定步骤4)：对上述数据转制后的数据，依次序执行步骤6至 步骤35的信息处理；
上述步骤2所述的采集方法1(ETAPP)，是指通过ET五域指定、ET信息表达系统设置人机交互界面进而构建的ET客户端信息管理应用程序，包括搜索引擎软件、社交软件和电子商务信息网站或平台；
上述步骤2所述的采集方法2：ET信息采集专用通道，是指通过上述步骤6指定的PgA采集图形化信息，并转化为存储级信息的一种数据信息采集处理方法；
上述步骤2所述的采集方法3(RFID)，是指通过RFID(射频识别技术)对信息施主(Ih)和质量宿主(Qh)进行识别的一种数据信息管理方法；
上述步骤2所述的采集方法4(智能检测传感器)，是指运用动态参量检测传感器对动态参量进行捕捉，并通过上述采集方法2实现的数据信息传输方法；
上述步骤2所述的采集方法5(无线电磁波监测系统)，是指将电磁波谱对动态参量的监测参量抽象为Ih、Qh，并运用GIS技术将Qh对电磁网络的衰减/增强参量值抽象为Ea，并依据经验参量界定PgA属性，归约为自然语言的一种数据信息捕捉技术；
上述步骤2所述的采集方法6(ET功能系统的信息互动采集)，是指运用步骤6：界定某一现实事件中的某一质量特性；运用步骤2所述的采集方法1、采集方法2、采集方法3、采集方法4、采集方法5中的一种或几种的组合对现实事件进行感知数据信息的采集，进而达到某种统计/决策/管理目的的方法；
上述步骤2所述的ET信息采集处理系统，是指由采集方法1至采集方法6中的一种或几种数据信息采集方法所采集到的数据信息，执行如下步骤：
步骤39：运用ET五域逻辑模型及参量执行步骤23至步骤30：
步骤40：通过步骤1的收集层质量感知信息管理方法之步骤14至步骤22建立并在快速存储调度服务器中建立PgA索引；
上述的在快速存储调度服务器中建立PgA索引，指由采集方法1至6采集的数据信息，经高精度智能传感数据采集接口/标准、定位系统、通信传输系统、云端缓存传输至快速存储调度服务器的单帧模型数据依据步骤22在ET五域模型集阵列空间中建立收集层PgA索引；
上述的在ET五域模型集阵列空间中建立收集层PgA索引，是指经图形化数据库应用程序将存储在半导体/记忆材料/数据信息存储系统的点阵0/1数据映射在图形化显示器/显示软件中，(如图28ET五域模型集阵列空间所示，其中包含三族X-Y-Z坐标数据簇，所述的三族坐标数据簇示例，指分布式/跨运营中心的数据运算或存储管理或整合管理/运营时的技术形态)；
步骤41：依据随时间积分层列特征及ET五域逻辑模型及参量暂存来自采集方法1至6的每一帧模型数据；
上述随时间积分层列特征及ET五域逻辑模型及参量，运用数据模型技术特征2依时序将采集到的每帧模型数据信息归类存储至对应的收集层质量感知信息数据空间模型中；
上述的每一帧模型数据，指每一最小可度量时间内从采集方法1至采集方法6中采集而来的包括前述步骤9至步骤12所述的描述对象、描述对象的属性、描述对象的属性值的数据；
上述步骤3(通过ET五域模型集阵列空间、ET五域物理模型及参量将采集层质量感知信息转化为存储级信息，实现对存储级质量感知信息的管理)所述的ET五域模型集阵列空间，指运用ET五域模型集阵列规则构建的数据信息存储架构，包括：因果溯主轴、协同因果轴(即协同溯主轴)、感知溯主轴、协同基因轴、五域协同轴、模型水平震颤系数的聚类溯源角度(如图23、图24所示)；
上述因果溯主轴、协同因果轴(即协同溯主轴)、感知溯主轴、协同基因轴、五域协同轴、模型水平震颤系数的聚类溯源角度，在ET五域逻辑模型及参量中定义如下：
因果溯主轴：(Cause and Result ET Axis)，始于派生基因轴模型(原因模型)中泛体系域：用途子域，终于结果模型中泛体系域：性能子域的一根有向轴线，用于建立初始产品基因轴模型和新生模型之间的联系(如图25之h所示)；
协同因果轴：(Assistant ET Axis)，(即协同溯主轴)协同因果轴是始于派生产品基因轴模型中泛体系域：性能子域，终于初始基因模型中泛体系域：性能子域的一根轴线，用于建立初始基因模型和派生模型之协同因果模型(对初始产品基因轴有利益相关者并且与初始基因模型存在着预期的因果关系的模型)之间的联系(如图25之i所示)；
感知溯主轴：(Partner ET Axis)，感知溯主轴是始于初始基因轴模型泛体系域：性能子域，终于初始基因轴模型中泛体系域：用途子域的一根轴线，它用于追溯具有原始感知属性的模型集，通常在建立起足够样本量的收集层质量感知信息基因轴模型后按照决策信息需求绘制而得；
协同基因轴：(Partner Gene ET Axis)，协同基因轴是发起与初始产品基因轴类似的质量感知时，评价主体建立的与初始基因轴模型类似的五域模型，由模型的泛体系域-用途子域指向初始基因轴模型的泛体系域-用途子域，用于建立模型域模型间的关系(如图25之j所示)；
五域协同轴：(Space Linking ET Axis)，一根连接模型与模型之间的对等域(包括:商品域对商品域、产品域对产品域)的轴线；五域协同轴用于建立模型五域与其它模型五域间的联系，该联系辅助协同因果轴对因果关系进行客观校核；五域协同轴的目的是便于快速建立各模型域的有机联系，通常在信息采集时定义，它取决于评价主体的五域指定信息内容，并由计算机智能判定(如图25之k所示)；
前述的模型水平震颤系数的聚类溯源角度，指初始产品基因轴模型A(本帧信号模型A)、衍生基因轴模型B(前帧信号模型B)、衍生基因轴模型C(后帧信号模型C)与基础坐标轴空间(时域空间)X-Y-X逆时针绕角平面原点形成的夹角∠α、∠β、∠γ，它们与某一原始地点O(运用于不同区域的ET数据管理时，不同区域的原始地点不同，在技术上，也可以采取某一全球唯一地点的方案)与X-Y-X平面原点形成的夹角∠0之间的差值△α、△β、△γ，定义为聚类溯源角度；
上述步骤3(通过ET五域模型集阵列空间、ET五域物理模型及参量将采集层质量感知信息转化为存储级信息，实现对存储级质量感知信息的管理)所述的ET五域物理模型及参量，是指基于ET五域概念模型及参量和ET五域逻辑模型及参量实施的半导体/记忆材料的蚀刻制造/工艺排布逻辑规则，还包括将抽象层信息经编译语言程序转换为0/1数据(或其它存储制式的数据)并经物理存储介质存储的数据转制规则；
上述步骤4所述的分析方法1(ET探照比对技术ET Scanning)，是指运用计算机逻辑运算(包含但不限于0、1运算)，对信息进行侦测、检索、识别和归类存储，并将取得的应用级ET模型集按功能需求重新生成ET模型集或ET模型空间的过程，ET探照比对技术的输出是得到ET色彩空间(如图23、图24所示)；前述的ET色彩空间(ET Time-Geography-Color Space,ET TGCS)，是指：一种经ET探照比对技术或其它对ET信息的数据挖掘技术，得到的供决策分析并能可视化地呈现质量评价/感知程度的一种信息传达方式，ET色彩空间是增强现实技术的一种实现方式(如图26、图27所示)；
上述步骤4所述的分析方法2(ET击穿效应)，是指：ET模型拾取过程中的一个步骤，对ET探照比对技术识别的ET模型，系统赋予模型一个特定的感知力度(或称击穿力度)，使得该类模型下沉至X、Y、Z空间的底部，为归类整理ET模型和模型集做好准备；
上述的ET模型拾取过程(ET Pick Up)，是指：复制、存储并操作ET五域模型 的一组过程，包括：过滤拾取法、栅格拾取法、预警元空间拾取法；
上述的过滤拾取法：指通过映射ET过滤模型，对相应的ET模型进行处理的方法；运用计算机图形识别技术，通过映制ET五域过滤模型，并将待筛选/搜索模型与之进行形位特征对比、识别、判断的过程；所述ET五域过滤模型(ET Deriving Model)是指：根据提供的标准参量映射出的ET五域模型，它作为识别目标ET模型的基准；所述的映制(ET Deriving)，是指根据提供的标准参量，映射ET五域过滤模型的过程；
上述的栅格拾取法，是指在X、Y、Z轴空间建立栅格，以高效识别存储在数据模型空间中的ET五域模型，识别通过颜色、姿态和X、Y、Z坐标值的一种或多种方式实现(如图23、图24所示)；
上述的预警元空间拾取法：通过ET模型的预警元姿态归纳整理出数学函数曲线，在X、Y、Z空间映射出预警元空间，归类拾取ET模型；
上述步骤4所述的分析方法3(ET感知力度分析)，是指运用ET评价维度图形化显示逻辑规则(或称ET信息采集和度量规则)、模型轴向震颤系数、模型水平震颤系数、模型垂直震颤系数、ET评价维度显示逻辑对质量感知信息进行数据分析；
上述的模型轴向震颤系数ETQF(ET Quality perception Frequency，或称ET感知分散度，或称ET思维分散度)，指特性元角度在数据运算过程中，反映在运算器中的角度参数变化速度；
所述的特性元角度，指产品基因轴平面绕产品基因轴旋转一定的角度(即产品基因轴轴向角度或称特性元角度，定义为ET五域模型轴向自转，即轴向倾角姿态；)(如图9所示)；
前述的模型水平震颤系数ETW(ET Wave，或称感知波及系数)，指在某一聚类初始产品基因轴模型中，数字运算设备(计算机)在对派生模型进行聚类/集成存储时，图形化处理数据过程中产生的聚类溯源角度(即：处于三维直角坐标体系内的水平倾角姿态)的变化频率(如图8所示)；
前述的模型垂直震颤系数ETP(ET Pressure，或称ET供求感知变化系数)，指感知力度倾角在数据运算过程中，反映在运算器中的角度(即：垂直倾角姿态)参数变化速度；
所述的感知力度倾角ETPP(ET Perception Pressure)，是模型垂直姿态角度反映在运用级数据信息显示时的角度，前述模型垂直姿态角度，是指ET五域模型的产品基因轴在轴向方向偏离初始产品基因轴平面(一般地取Z轴方向)偏离的角度；
上述的ET评价维度显示逻辑，指：由前述的ET评价维度图形化显示逻辑规则采集/存储/处理的ET五域模型数据点阵，其积分层列特征在数据显示界面或数据分析界面的数据传达或图形化数据分析处理过程中的数据映射规则(也称为图形化映射归约的数学函数规则)，ET评价维度显示逻辑(如图21、图22所示)包括ET莲花图(如图12、图17所示)；
前述的ET莲花图是指ET五域评价显示模型，ET五域评价显示模型是将收集/采集的数据信息通过ET信息收集表达规则转换为运用级信息显示或传播的一种方法(包括将信息显示在电脑显示器、智能手机屏幕、VR眼镜三维视界中)；
上述步骤4所述的分析方法4(ET预警元函数曲线分析)，是指：利用计算机对ET五域模型中的评价/感知信息数据的图形化识别，得到对点阵结构数据的量化值并进行物理化的转变，前述物理化的转变，包括：将每一点阵换算为物理力值，并赋予这些点阵所属模型以对应物理力学状态(即感知力度，包括：上浮、下沉)，ET预警元函数曲线将模型反映的物理力学状态绘制成数学曲线，并进行相关性分析；
前述的感知力度，标识为(per.dem)，包括：感知量(per.vol)与感知质(per.par)；
上述感知量(per.vol)，定义为感知数量(per.tot)和感知权量(per.pow)的乘积，即：per.vol＝per.tot*per.pow；
上述感知数量(per.tot)，即评价轴数量；
上述感知权量(per.pow)，定义为感知权度(即：触发度，per.abi)、感知频度(即：时间频次，per.fre)和感知密度(即：地域离散度，per dens)的乘积，即：per.pow＝per.abi*index.per fre*index.per dens；
上述感知权度(per.abi)，是一组系数，取[1/3，1/2，1，2，3，4，5]中的某一值，该值的选定由评价主体的评价/感知信誉评级给出；
上述感知质(per.par)，其计算依据评价轴的各维度值计算，各维度评价轴与感知质的量化换算规则如下：评价类评价轴，红橙黄绿蓝青紫分别对应7、6、5、4、3、2、1；感知类评价轴：正面(3)、负面(-3)、无输出(1)(如图18、图19、图20所示)；
上述步骤4所述的分析方法5(ET透视分析法)，是指：对存储于记忆材料的数据(包括存储于常规磁盘阵列的0/1数据、三维半导体蚀刻成型技术/记忆材料)，运用图形化转化输入输出接口/标准(包括模数/数模转化硬件)映射至图形化数据库软件形成三维色彩空间软件数据包，并通过图形处理器(包括常规GPU模 块单元、光电显示成像设备)显示到平面显示器或立体空间实现图形化成像(包括ET色彩空间)，进而通过图像色彩处理软件对积分层列的点阵数据进行色彩分析并得出决策信息的方法；ET透视分析法运用于大规模海量大数据分析，或通过ET色彩空间实现增强现实技术/AR(Augmented Reality)技术；
上述步骤1至步骤41所述的ET,指Easy-Traceability的缩写，译为易追溯的，它包括以下数据模型技术特征：
数据模型技术特征1：具有一条矢量箭头轴线代表某一质量特性或某一种感知；数据模型技术特征2：具有五个点阵数据域，该点阵数据域具有颜色特征、地理空间位置的经纬度排布特征、随时间变化积分层列特征、处于三维直角坐标体系内的分布特征和姿态特征，以及各数据域间的点阵和/或各模型中的数据域之间的点阵通过矢量箭头相连接代表对应的业务逻辑关系(ET五域概念模型及参量和ET五域模型集阵列规则)，上述特征2所述的各技术方案特征，统称为ET五域逻辑模型及参量；
数据模型技术特征3：ET五域模型技术逻辑及参量包含ET五域概念模型及参量、ET五域逻辑模型及参量、ET五域物理模型及参量；
前述数据模型技术特征1所述的一条矢量箭头轴线，在ET五域概念模型及参量中定义为：
PgA@：(Perception gene Axis)亦称产品基因轴，是感知基因轴符号，指一条趋势轴线，定义寄生在质量宿主中的诸多质量特性中的一种，通常该质量特性造成了评价主体某方面的权益损害，并且是评价主体发起基因轴的根本原因；它代表了具有类似功能效用的/市场替代性强的一类产品的产品核心功能或关键/主要质量特性的发展趋势(特别地，质量特性还包括对某一教学知识点的感知及程度、某一静态要素/技术要点、图形/照片/视频影像识别要素)，产品基因轴是ET五域模型的核心线，是ET五域模型数据采集技术特征(“单一质量特性采集模式”)的核心体现，通常产品基因轴的选定还遵循“样本量足够原则”，产品基因轴衍生产品基因轴平面；
和/或：
PgA:(Original Perception gene Axis)初始产品基因轴，在本发明所述信息管理方法中，指定最早触发的产品基因轴为初始产品基因轴，其轴符号后面不带@，初始产品基因轴所在的五域模型称之为初始基因轴模型；
上述的质量宿主，在ET五域概念模型及参量中定义为：
Qh：(Quality host,)信息宿主，也称质量宿主，指拥有某一质量特性的、具有预 期类似性能和用途的、某一质量信息所归属的对象，通常地，质量信息受主寄生于某一质量宿主，因为评价对象有不确定数量的评价主体/使用主体，而信息受主取决于不同评价主体在不同时间、不同地域和不同环境(环境包括：人、机、料、法、测试手段、运行环境)的质量感知，所以质量宿主包含无数个信息受主；质量宿主的定义由样本宿主、个体宿主和特性元宿主共同构成，产品基因轴平面释义了质量宿主的逻辑构成；
上述的样本宿主，其映射图形由泛体系域-性能子域及其所赋予的识别码构成，它体现的是产品厂家对该产品的设计定型参数；
上述的个体宿主，是根据设计定型参数制造出来的序列产品，它体现的是设计定型参数、消费者的需求参数和泛体系域的时域参数，个体宿主的映射图形由泛体系域-用途子域平面及其所赋予的识别码构成；
上述的特性元宿主，运用于时序间断数据信息赋码/识别采集过程时，指在数据运算处理器/图形化数据库中定义为带有某一轴向倾角姿态的产品基因轴平面；运用于对事物实施的主动(带预案的策略性管理活动)预警侦测/识别/追溯时，泛体系域-性能子域的点阵代码、轴向倾角姿态、水平倾角姿态共同构成一个特性元宿主，并标定为一个样本宿主；
上述的产品基因轴平面，由产品基因轴(或初始产品基因轴)、泛体系域-用途子域平面、个体宿主识别码、泛体系域-性能子域平面、样本宿主识别码、过程域平面、过程域识别码、产品域平面、商品域平面、评价主体域平面、轴向倾角姿态、水平倾角姿态和垂直倾角姿态构成(如图10所示)；
前述数据模型技术特征2所述的随时间变化积分层列特征，是ET五域逻辑模型及参量的重要特征，其核心用途是运用于前述步骤2中对采集层质量感知信息的管理，它包括：
五个点阵数据域之1：(Goods data space)指商品域；其使用方法：采集/存储/记录流通环节的商品信息受主，特别地，在服务业里，指买卖双方在发生交易行为后的一段时间里的质量感知对象的信息受主；其构成原理：整体的商品域点阵结构是商品信息受主点阵平面的积分，表示的是同一基因轴向的商品信息受主随着t(good)的时域追溯图，表达为：0 ∞∫[1n∑Rh(xNS1,yWE1)(t(good’))](t(good))，(如图2之1、图3所示)；
五个点阵数据域之2：(Men dataspace)指评价主体域；其使用方法：采集/存储/记录评价主体的时域和信息施主；特别情况下，评价主体域的选定可以划定权限，包括：对于泛体系域的评价，因其专业性和客观性，更多地把权限开放给第三方 评价机构或者具有三层次质量强感知的个体或组织；其构成原理：整体的评价主体域点阵结构是评价主体信息施主点阵平面的积分，表示的是评价主体随着时间轴t(men)的时域追溯图，表达为：0 ∞∫[1n∑Ih(xNS2,yWE2)(t(men’))](t(men))，(如图2之2、图4所示)；
五个点阵数据域之3：(Production dataspace)指产品域；其使用方法：采集/存储/记录产品的信息受主，其中产品包含制造业有形产品和服务业服务过程，特别地，在服务业里，指买卖双方在发生交易行为之前的一段时间里的质量感知对象；其构成原理：整体的产品域点阵结构是产品信息受主点阵平面的积分，表示的是同一基因轴的产品随着t(product)的时域追溯图，表达为：0 ∞∫[1n∑Rh(xNS3,yWE3)(t(product’))](t(product))，(如图2之3、图5所示)；
五个点阵数据域之4：(Process dataspace)过程域；其使用方法：采集/存储/记录产品价值形成的过程的信息受主，特别地，对于特别具有质量宿主代表性的产品基因轴，基于过程影响因素的考虑，赋予过程域特定的识别码；其构成原理：整体的评价主体域点阵结构是产品价值形成的过程的信息受主的积分，表示的是同一基因轴的过程随着t(pr)(同义于t(process))的时域追溯图，表达为：0 ∞∫[1n∑Rh(xNS4,yWE4)(t(pr’))](t(pr))，(如图2之4、图6所示)；
五个点阵数据域之5：(System dataspace)泛体系域；由性能子域、用途子域和姿态构成；泛体系域平面由性能子域平面、用途子域平面、水平姿态和立体姿态构成，性能子域平面的可视化参量定义质量宿主的样本属性，用途子域平面的可视化参量定义质量宿主的个体属性和信息受主；其使用方法：采集/存储/记录质量宿主的属性，和质量宿主的信息受主和信息施主，其质量宿主平面同时衍生产品基因轴平面和轴向；其构成原理：整体的泛体系域点阵结构是质量宿主的信息受主和信息施主的点阵平面的积分，表示的是同一基因轴的泛体系域随着t(system)的时域追溯图，表达为：0 ∞∫[1n∑Rh(xNS5,yWE5)(t(s’))](t(system))，(如图2之5-1、图2之5-2、图7所示)；
五个点阵数据域之5-1：(System-specification dataspace)泛体系域-性能子域；其使用方法：采集/存储/记录产品功能特性、设计指标和信息受主，更多地从制造者(价值提供者)的角度考虑，(如图2之5-1、图7所示)；
五个点阵数据域之5-2：(System-application dataspace)泛体系域-用途子域；其使用方法：采集/存储/记录产品功能要求、用途需求和信息受主，更多地从消费者(价值使用者)的角度考虑，(如图2之5-2、图7所示)；
Tg’A：商品域时间微分轴，其坐标值等同于前述商品域表达式0 ∞∫[1n∑ Rh(xNS1,yWE1)(t(good’))](t(good))中的t(good’)，用于校核商品域信息受主信息质量、检索时间元信息，同时作为图形化数据存储/映射/分析海量数据时处理冗余数据的指针参量，(如图2之Tg’A所示)；
Tm’A：评价主体时间微分轴，其坐标值等同于前述评价主体域表达式0 ∞∫[1n∑Ih(xNS2,yWE2)(t(men’))](t(men))中的t(men’)，用于校核评价主体域信息施主信息质量、检索时间元信息，同时作为图形化数据存储/映射/分析海量数据时处理冗余数据的指针参量，(如图2之Tm’A所示)；
Tp’A：产品域时间微分轴，其坐标值等同于前述产品域表达式0 ∞∫[1n∑Rh(xNS3,yWE3)(t(product’))](t(product))中的t(product’)，用于校核产品域信息受主信息质量、检索时间元信息，同时作为图形化数据存储/映射/分析海量数据时处理冗余数据的指针参量，(如图2之Tp’A所示)；
Tpr’A：过程域时间微分轴，其坐标值等同于前述过程域表达式0 ∞∫[1n∑Rh(xNS4,yWE4)(t(pr’))](t(pr))中的t(pr’)，用于校核过程域信息受主信息质量、检索时间元信息，同时作为图形化数据存储/映射/分析海量数据时处理冗余数据的指针参量，(如图2之Tpr’A所示)；
Ts’A：泛体系域时间微分轴，其坐标值等同于前述泛体系域表达式0 ∞∫[1n∑Rh(xNS5,yWE5)(t(s’))](t(system))中的t(s’)，用于校核泛体系域信息受主信息质量、检索时间元信息，其中泛体系指在质量管理领域中概括的一个概念：指过程所在的集合，该集合包括了一组管理方法，该管理方法建立在一定的资源基础上；一般地，泛体系指过程所在的集合的权利主体或控制主体，通常指一个企业实体，同时作为图形化数据存储/映射/分析海量数据时处理冗余数据的指针参量，(如图2之Ts’A所示)；
TgA：商品域时间轴，其坐标值等同于前述商品域表达式0 ∞∫[1n∑Rh(xNS1,yWE1)(t(good’))](t(good))中的t(good)，用于对商品域信息受主随时间的积分层列，(如图2之TgA所示)；
TmA：评价主体域时间轴，其坐标值等同于前述评价主体域表达式0 ∞∫[1n∑Ih(xNS2,yWE2)(t(men’))](t(men))中的t(men)，用于对评价主体域点阵信息随时间的积分层列，(如图2之TmA所示)；
TpA：产品域时间轴，其坐标值等同于前述产品域表达式0 ∞∫[1n∑Rh(xNS3,yWE3)(t(product’))](t(product))中的t(product)，用于对产品域信息受主随时间的积分层列，(如图2之TpA所示)；
TprA：过程域时间轴，其坐标值等同于前述过程域表达式0 ∞∫[1n∑Rh (xNS4,yWE4)(t(pr’))](t(pr))中的t(pr)，用于对过程域信息受主随时间的积分层列，(如图2之TprA所示)；
TsA：泛体系域时间轴，其坐标值等同于前述泛体系域表达式0 ∞∫[1n∑Rh(xNS5,yWE5)(t(s’))](t(system))中的t(system)，用于对泛体系域信息受主随时间的积分层列，(如图2之TsA所示)；
WE1：商品所在的经度坐标，其坐标值等同于前述商品域表达式0 ∞∫[1n∑Rh(xNS1,yWE1)(t(good’))](t(good))中的点阵(xNS1,yWE1)的y坐标值，(如图2之WE1所示)；
NS1：商品所在的纬度坐标，其坐标值等同于前述商品域表达式0 ∞∫[1n∑Rh(xNS1,yWE1)(t(good’))](t(good))中的点阵(xNS1,yWE1)的x坐标值，(如图2之NS1所示)；
WE2：评价主体所在的经度坐标，其坐标值等同于前述评价主体域表达式0 ∞∫[1n∑Ih(xNS2,yWE2)(t(men’))](t(men))中的点阵(xNS2,yWE2)的y坐标值，(如图2之WE2所示)；
NS2：评价主体所在的纬度坐标，其坐标值等同于前述评价主体域表达式0 ∞∫[1n∑Ih(xNS2,yWE2)(t(men’))](t(men))中的点阵(xNS2,yWE2)的x坐标值，(如图2之NS2所示)；
WE3：产品所在的经度坐标,其坐标值等同于前述产品域表达式0 ∞∫[1n∑Rh(xNS3,yWE3)(t(product’))](t(product))中的点阵(xNS3,yWE3)的y坐标值，(如图2之WE3所示)；
NS3：产品所在的纬度坐标,其坐标值等同于前述产品域表达式0 ∞∫[1n∑Rh(xNS3,yWE3)(t(product’))](t(product))中的点阵(xNS3,yWE3)的x坐标值，(如图2之NS3所示)；
WE4：过程所在的经度坐标,其坐标值等同于前述过程域表达式0 ∞∫[1n∑Rh(xNS4,yWE4)(t(pr’))](t(pr))中的点阵(xNS4,yWE4)的y坐标值，(如图2之WE4所示)；
NS4：过程所在的纬度坐标,其坐标值等同于前述过程域表达式0 ∞∫[1n∑Rh(xNS4,yWE4)(t(pr’))](t(pr))中的点阵(xNS4,yWE4)的x坐标值，(如图2之NS4所示)；
WE5：泛体系所在的经度坐标,其坐标值等同于前述泛体系域表达式0 ∞∫[1n∑Rh(xNS5,yWE5)(t(s’))](t(system))中的点阵(xNS5,yWE5)的y坐标值，(如图2之WE5所示)；
NS5：泛体系所在的纬度坐标，其坐标值等同于前述泛体系域表达式0 ∞∫[1n∑Rh(xNS5,yWE5)(t(s’))](t(system))中的点阵(xNS5,yWE5)的x坐标值，(如图2之 NS5所示)；
前述的信息施主和信息受主，在ET五域概念模型及参量中定义为：
Ih:(Infliction Host)信息施主符号，在五域模型中定义的一个点(该点是计算机点阵位元，由三维坐标系确定方位，其颜色和形状由本发明所述信息管理方法给出定义)；当某一客观存在的对象(人、事和物)，在与评价主体发生主动或被动的交互作用，并产生了评价主体对该对象的感知，这种感知在某一时间、某一地域和某一环境下受到触发，我们便定义这一触发点在ET模型中的一个信息施主，(如图2之Ih所示)；
Rh:(Receive Host)信息受主符号，处于ET五域模型中的某一个点，该点确定了一个评价对象、所处的地理位置和时间、及其感知属性(点阵颜色特征)，(如图2之Rh所示)；
前述的各数据点阵域表达式：0 ∞∫[1n∑Rh(xNS1,yWE1)(t(good’))](t(good))、 0 ∞∫[1n∑Ih(xNS2,yWE2)(t(men’))](t(men))、0 ∞∫[1n∑Rh(xNS3,yWE3)(t(product’))](t(product))、0 ∞∫[1n∑Rh(xNS4,yWE4)(t(pr’))](t(pr))、0 ∞∫[1n∑Rh(xNS5,yWE5)(t(s’))](t(system))中，点阵坐标值(x,y)由单个模型基础坐标轴系X轴/x轴、Y轴/y轴、Z轴/z轴定义其方向；
前述的基础坐标轴系X轴、Y轴、Z轴，用于定义时域空间(T&G dataspace)，在分布式数据阵列的聚类归集中，可区隔/派生/归集成不同时域空间的基础坐标轴系；
上述的时域空间：(T&G dataspace)，指计算机信息库中定义的三维直角坐标体系中的点阵结构，其中的每一个点对应一个特定的某一时间点的地理位置，时域空间由X、Y、Z轴定义；其中Z轴具有如下双重特性，特性一：用于构筑立体图形数据库中单个模型随时间层列时的视觉物理空间/数据存储物理空间；特性二：用于在立体图形数据库中构筑由同一时间、同一经纬度但不同的海拔高度所触发的相同感知基因轴的点阵模型；
前述数据模型技术特征2所述的通过矢量箭头相连接代表对应的业务逻辑关系，包括：ET五域概念模型及参量中的：Ea评价轴、五域指定、PgA-Ih-Ea-Rh-Qh映射关系链、ET五域逻辑模型及参量中的ET五域模型集阵列规则；
前述Ea评价轴，Ea即Evaluate Axis，指评价轴符号，在五域点阵模型系统中，为便于计算机图形识别系统对可追溯性质量信息的采集、分析和挖掘，构筑的一条具有三维参数的有方向的矢量线段箭头，该方向始于信息施主，终于信息受主，(如图2之Ea、图11所示)；
前述五域指定：(ET Pointing)，亦称ET五域指定，是指评价主体触发信息施主时，在五域模型空间建立产品基因轴的过程；五域指定的输出记录在ET五域模型图形数据库中，它包含七个参数的指定，包括：质量宿主指定、产品基因轴指定、商品域指定、评价主体域指定、产品域指定、过程域指定和泛体系域指定；前述PgA-Ih-Ea-Rh-Qh映射关系链，其技术特征是：通过实体-联系(entity-relationship approach,简称E-R方法)方法或类图(class diagram)方法将PgA/Ih/Ea/Rh数据聚类/列表并映射构建数据库的方法；(如图25之a、之b、之c、之d、之e、之f、之g所示)；
前述数据模型技术特征2所述的处于三维直角坐标体系内的分布特征和姿态特征，包括：ET五域模型集阵列规则、ET预警元函数曲线、ET感知力度、ET击穿效应、ET探照比对技术、ET透视分析法、ET色彩空间、ET莲花图；
上述的三维直角坐标体系，由时域空间基础坐标轴系(X轴、Y轴、Z轴)构建而成，在大规模图形化数据的分布式运算管理中，其所包含的点阵区块可由分布在不同城市/区域/和/或不同磁盘扇区/运算器/云计算数据节点的单元时域空间组合而成；
前述数据模型技术特征3所述的ET五域概念模型及参量，是指：从现实世界将业务流/事务流抽象成信息流时，需定义的相关概念/规制化接口，ET五域概念模型及参量包括：
Ih:(Infliction Host)信息施主；
Rh:(Receive Host)信息受主；
Ea：(Evaluate Axis)评价轴；
五域指定：(ET Pointing)，亦称ET五域指定；
PgA@：(Perception gene Axis)产品基因轴，亦称感知基因轴；
PgA:(Original Perception gene Axis)初始产品基因轴；
信息宿主：(Quality host,缩写为Qh)也称质量宿主，指拥有某一质量特性的、具有预期类似性能和用途的、某一质量信息所归属的对象；
时间轴系：记录评价轴触发时间的轴线；
地域轴系：记录评价轴发生的地理位置的轴线；
样本量足够原则：(Sample Sufficient Regulation)，对于数学概率论和数据统计分析而言，样本量足够原则是所有信息统计分析的基础，对质量信息的可追溯性管理，样本量足够原则目的并不仅限于信息对过去事态的追究起决定性帮助，更大程度上的目的在于如何保证这种信息的客观、公正、科学、准确，并且具有代表 性和预测性，样本量足够原则是本发明所述方法的“质量管理预防胜于控制”理念的体现；
单一质量特性采集模式：(Single Specification Acquisition)，指对对象的诸多质量要素，选取其中的一种进行多维度、高准确度的测量、记录、分析并信息化存储；还指运用单一质量特性和ET五域模型参量构建的PgA-Ih-Ea-Rh-Qh映射关系链或数据信息索引列表；
ET五域概念模型及参量还包括将数据信息通过图形化显示器显示给受众群体时的外观轮廓及尺寸比例(如图13所示)；
前述特征3所述的ET五域逻辑模型及参量，是指：ET五域模型的点阵结构遵循特定的逻辑规律/参量排布，该逻辑规律/参量排布在数据库应用程序中通常表现为对归约数据进行操作的一组运算符，并可通过编译程序转换为0、1二进制数据或其它计算机可识别并运算的数据制式；该逻辑规律还指：在计算机数据库中建立三维空间坐标(或称X-Y-Z空间)，并归类存储到商品域(代码：space.1)、评价主体域(代码：space.2)、产品域(代码：space.3)、过程域(代码：space.4)和泛体系域(代码：space.5)，并对评价/感知信息进行五个维度的分类；
前述特征3所述的ET五域物理模型及参量，包括：为加速计算机对数据的检索运算和并行运算，依据ET五域模型数据存储的结构化点阵分布特征及逻辑规律/参量排布，结合硬件层存储运算技术，对存储介质(半导体或其它记忆材料)进行物理地址蚀刻方案和接口编译语言的设计。
2.如权利要求1步骤1所述的收集层质量感知信息的管理方法，包括：技术特征为以单一质量特性为对象，使用单一质量特性的需求要素或约束要素作为属性，并将单一质量特性和/或将单一质量特性的需求要素或约束要素界定在经纬度参数坐标和/或时间坐标上，进而建立信息索引的方法；和/或ET信息表达系统；和/或ET五域指定。
3.如权利要求1步骤2所述的采集层质量感知信息的管理方法，包括：技术特征为以单一质量特性为对象，使用单一质量特性的需求要素或约束要素作为属性，并将单一质量特性和/或将单一质量特性的需求要素或约束要素界定在经纬度参数坐标和/或时间坐标上，并随时间轴积分层列成画像/图，进而实施信息采集、存储、分析、受众传播的一种或几种功能的方法；和/或如权利要求1步骤39至步骤41所述的ET信息采集处理系统的构建方法。
4.如权利要求1步骤3所述的存储级质量感知信息的管理方法，包括：
运用ET物理模型及参量建立半导体/记忆材料的蚀刻序列的方法； 运用ET五域物理模型及参量与ET五域逻辑模型及参量的对应逻辑关系，实施如下功能：
制定信息采集接口标准/通信协议；和/或数据信息传输协议；和/或数据信息存储调度或数据分析；和/或分布式云数据架构的设计的方法；
和/或：
结合ET五域概念模型及参量实施如下功能：
制造数据信息显示载体、受众载体(包括：震动/声学/热学的物理提示器)。
5.如权利要求1步骤4所述的分析级质量感知信息的管理方法，包括：运用ET五域概念模型及参量、ET五域逻辑模型及参量、ET五域物理模型及参量建立接口并对图形化数据信息开发图形操作软件或分析软件或数据信息列表索引。
6.如权利要求1步骤5所述的受众传播层质量感知信息的管理方法，包括：运用ET五域概念模型及相关参量和/或ET五域逻辑模型及相关参量和/或两者的参量勾勒的图形图案进行数据信息的受众传播，还包括ET评价维度图形化显示逻辑规则(或称ET信息采集和度量规则)、模型轴向震颤系数、模型水平震颤系数、模型垂直震颤系数、ET评价维度显示逻辑、ET色彩空间、ET莲花图进行的数据信息受众传播。
7.如权利要求1步骤1至步骤41所述的方法和/或权利要求2至权利要求6所述的技术方案，运用于如下用途1至用途10的一个或多个，进而对信息实施收集、采集、存储/归类、处理、分析、传输和运用并形成有用的决策/需求信息的一个或多个环节目的时，列入本发明权利保护范围；
用途1：对数据/信息进行质量感知的方法；
用途2：将数据/信息转化为质量感知信息的方法；
用途3：实现基于三维评价与时域追溯度量并记录质量感知信息的方法；
用途4：将感知信息储存的方法或构建存储系统的方法；
用途5：识别采集的信息客观准确的方法；
用途6：将储存的感知信息转化为有用信息的方法；
用途7：收集有用信息需求的方法；
用途8：实现对感知趋向进行捕捉的方法；
用途9：实现通过对信息的统计分析，进而推测事物之间的联系的方法；
用途10：实现通过对感知趋向的统计分析，进而推测事物发展趋势的方法。
8.如权利要求1步骤6所述的界定某一现实事件中的某一质量特性；
其中的某一质量特性，包括：人为定义的事物的某一种需求要素或事物约束要素。
9.如权利要求1步骤8所述的在同一描述对象中，以感知发起者为描述主体(即感知主体)；
其中的描述主体(即感知主体)，包括：人为给事物定义的事物对需求要素或约束要素的满足程度的动态参量的计量值或计数值。
10.如权利要求1步骤10所述的将上述的描述主体抽象成第2个数据空间中的一个点，记为Ih；将上述体系的地理空间坐标点和时间空间坐标点、过程的地理空间坐标点和时间空间坐标点、产品的地理空间坐标点和时间空间坐标点、商品的地理空间坐标点和时间空间坐标点、描述主体的地理空间坐标点和时间空间坐标点分别抽象成第5、第4、第3、第1个数据空间中的一个点，分别记为Rh5(感知客体5)、Rh4(感知客体4)、Rh3(感知客体3)、Rh1(感知客体1)；
其中所述的地理空间坐标点和时间空间坐标点，包括：
运用非真实准确或设置相对参数的GIS地理信息坐标；
和/或：
非真实准确或设置相对参数的时间信息坐标。
11.如权利要求1步骤15所述的定义X0-Y0为模拟地理位置数据库空间的经度坐标轴和纬度坐标轴，定义Z0轴为模拟地理位置数据库空间的海拔高度坐标轴；
其中所述的经度坐标轴和纬度坐标轴、海拔高度坐标轴，包括：
运用非真实准确或设置相对参数的经度坐标轴和纬度坐标轴；
和/或：
运用非真实准确或设置相对参数的海拔高度坐标轴。
12.如权利要求1步骤6所述的界定某一现实事件中的某一质量特性；
其中的某一现实事件，包括：质量管理体系认证审核员对工厂的审核事务；
其中的某一质量特性，包括：审核员运用单一质量特性模式和ET五域指定技术方案实施审核事务。
13.如权利要求1步骤6所述的界定某一现实事件中的某一质量特性；
其中的某一现实事件，包括：质量管理体系认证审核员对某一工厂的审核工作；
其中的某一质量特性，包括：评价主体运用单一质量特性模式和ET五域指定技术方案对审核工作的评价。
14.如权利要求1步骤6所述的界定某一现实事件中的某一质量特性；
其中的：
其中的某一现实事件，包括：消费者对某一现实商品的评价；
其中的某一质量特性，包括：消费者对某一现实商品的某一种特性/感受的满足 程度。
15.运用ET五域概念模型及参量、ET五域逻辑模型及参量、ET五域物理模型及参量中的一种或几种技术要素构建的技术方案，落入本发明权利保护范围。
16.如权利要求1所述步骤1至步骤41所述的质量感知信息管理方法，只是一种示例，节选其中的一项或多项步骤或运用ET五域概念模型及参量，和/或ET五域逻辑模型及参量，和/或ET五域物理模型及参量设置的其它步骤，实现如权利要求7所述的用途1至用途10的一种或多种用途的，落入本发明权利保护范围。”
经形式审查合格，国家知识产权局于2018年02月05日依法受理了该复审请求，并将其转送至实质审查部门进行前置审查。
实质审查部门在前置审查意见书中坚持驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年01月15日向复审请求人发出复审通知书，其中指出：权利要求1-4、8-13的修改不符合专利法第33条的规定；权利要求1-7、9-10、14-16不符合专利法第26条第4款的规定。关于复审请求人提出的复审请求意见，合议组认为：
关于复审请求人所提到的前述《论文》，该文献从互联网及其他在线数据库中都无法获得，即没有证据表明其已公开且公开于本申请申请日之前，因此，视为本申请说明书没有引证该文献；另外，说明书中对该文献中的内容指引不明确，所补入的文献内容与本申请的质量感知信息管理方法之间也不具有唯一确定的关系。综上，该文献不能作为修改本申请的依据，复审请求人依据该文献所修改的内容不符合专利法第33条的规定。另外，并不是说明书记载的内容很详细，就可得出权利要求的保护范围就是清楚的。
复审请求人于2019年03月12日提交了意见陈述书及修改后的权利要求第1-5项，并且于2019年03月14日提交了补正后的权利要求第1-7项。复审请求人认为：除说明书已经限定的相关标记及概念外，修改中所用到的标记、符号，只是为了便于叙述所用，修改当中所用到的公式，普通技术人员容易从已公布的说明书结合附图记载的内容直接获得或归纳总结得到，并且本次修改只是增加了附图所经历的各个常规技术步骤，这些技术步骤属于公知的技术知识。因此，修改后的权利要求不超范围。
复审请求人于2019年03月14日提交的新修改的权利要求1-7的内容如下：
“1.一种质量感知信息管理方法，包括一种数据模型、一种质量感知实物载体的唯一性识别方法、一种运用数据模型构建的数据信息可视化分析方法、一种运用数据模型构建的数据信息收集及采集方法、一种运用数据模型构建的数据信息受众传播方法，包括步骤1至步骤135；
步骤1：构建数据模型的概念简图，包括步骤2至步骤18：
步骤2：在二维平面内，以O为起点作一矢量轴箭头；
步骤3：在上述矢量轴箭头上取一点A，令线段OA长度值为a，标记该矢量箭头OA为产品基因轴；
步骤4：在上述二维平面内，以OA线段为直角边、点O为直角坐标顶点绘制等腰直角三角形OAC，令线段OC长度值为a，令线段CA长度值为sqrt（2）*a，构建二维平面OAC；
步骤5：在上述二维平面OAC内，作OC线段的反向延长线至点B，令OB长度值为a；作OA线段的反向延长线至点G，令OG长度值为a；
步骤6：在上述二维平面OAC内，过点G作OC的平行线、过点C作OG的平行线，令两平行线交于点K；
步骤7：在上述二维平面OAC内，过点B作OG的平行线，交上述步骤6过点G作的OC的平行线于点L；
步骤8：在上述二维平面OAC内：连接点C、点K得线段CK；连接点O、点K得线段OK；连接点O、点L得线段OL；连接点B、点L得线段BL；连接点K、点L得线段KL；
步骤9：在上述二维平面OAC内，以O为圆心，画过点K、点L、半径为sqrt（2）*a的圆弧KL，得扇形OKL及其弧形(O-G-)KL；
步骤10：在上述二维平面OAC内：在等腰直角三角形OAC内标记符号“1”；在等腰直角三角形OAB内标记符号“2”；在等腰直角三角形CKO内标记符号“3”；在等腰直角三角形BLO内标记符号“4”；在弧形(O-G-)KL内标记符号“5-1”；在等腰直角三角形OKL内标记符号“5-2”；在三角形BLO内任意取一点记为识别码“Tag4”；在弧形(O-G-)KL上任意取一点记为识别码“Tag5-1”；在三角形OKL上任意取一点记为识别码“Tag5-2”；在矢量箭头OA处再次作标记 “产品基因轴平面”，将二维平面图形AB(O-G-)KLC定义为产品基因轴平面；
步骤11：在上述二维平面OAC内，作过点O、垂直于平面OAC的向上射线OF，取射线上一点F，令OF长度值为1.2h；
步骤12：以点O为原点，作OA射线、OC射线，标记OA射线为X轴、标记OC射线为Y轴、标记上述步骤11的射线OF为Z轴，构建时域空间三维直角坐标系O（X-Y-Z）；
前述时域空间三维直角坐标系，英译为T&G dataspace（Time&Geography dataspace），定义为计算机信息库中定义的三维坐标体系中的点阵结构，其中的每一个点对应一个特定的某一时间点的地理位置，通常时域空间由原点O、X轴、Y轴、Z轴构建；
步骤13：在OX（-Z）平面内过A点作Z轴负方向的平行线至点A'，令AA'长度值为h；在OY（-Z）平面内过C点作Z轴负方向的平行线至点C'，令CC'长度值为h；在Z轴负半轴取一点O'，令OO'长度值为h；连接O' A'、O' C'、A' C'；
步骤14：在OX（-Z）平面内过A点作Z轴负方向的平行线至A''，令AA''长度值为0.8h；在O（-Y）（-Z）平面内过点B作Z轴负方向的平行线至一点B'，令BB'长度值为0.8h；在Z轴负半轴取一点O''，令OO''长度值为0.8h；连接O'' A''、O'' B'、A'' B'；
步骤15：在OYZ平面内，过点F作OC的平行线、过点C作OF的平行线交于点D；在CKD平面内，过D点作CK的平行线、过点K作CD的平行线交于点E；连接DF、DE、EF构成等腰直角三角形DEF，在等腰直角三角形DEF内标记符号“3”；
步骤16：在Z轴正方向取一点J，令OJ长度值为0.6h；在OBJ平面内，过点J作OB的平行线、过点B作OJ的平行线交于点H；在BLH平面内，过点L作BH的平行线、过点H作BL的平行线交于点I；连接HJ、HI、IJ构成等腰直角三角形HIJ，在等腰直角三角形HIJ内标记符号“4”；
步骤17：在BHL平面内，过点L作Z轴负方向的平行线至点L'，令LL'长度值为0.3h；在OXZ平面内，过点G作Z轴负方向的平行线至点G'，令GG'长度值为0.3h；在CKD平面内，过点K作Z轴负方向的平行线至点K'，令KK'长度值为0.3h；在Z轴负半轴取一点O'''，令OO'''长度值为0.3h；连接O''' K'、O''' L'、K' L'、画圆弧O''' K' L'；
步骤18：删除上述步骤2至步骤17所作平行线、射线的余线，将上述步骤2至步骤17所得三维图形定义为数据模型的概念简图；
步骤19：通过上述数据模型的概念简图，构建数据模型的逻辑简图，包括步骤20至步骤36；
步骤20：在前述步骤18所述数据模型的概念简图的三维图形中，在二维平面OAC内，以O为起点、作矢量轴线OA标记为WE1；以O为起点、作矢量轴线OC标记为NS1；定义WE1矢量轴线为经度坐标轴WE1，定义NS1矢量轴线为纬度坐标轴NS1；
步骤21：在上述步骤所得三维图形中，在二维平面OAC内，以O为起点、作矢量轴线OA标记为WE2；以O为起点、作矢量轴线OB标记为NS2；定义WE2矢量轴线为经度坐标轴WE2，定义NS2矢量轴线为纬度坐标轴NS2；
步骤22：在上述步骤所得三维图形中，在二维平面DEF内，以D为起点、作矢量轴线DF标记为NS3；以D为起点、作矢量轴线DE标记为WE3；定义NS3矢量轴线为纬度坐标轴NS3，定义WE3矢量轴线为经度坐标轴WE3；
步骤23：在上述步骤所得三维图形中，在二维平面HIJ内，以H为起点、作矢量轴线HJ标记为NS4；以H为起点、作矢量轴线HI标记为WE4；定义NS4矢量轴线为纬度坐标轴NS4，定义WE4矢量轴线为经度坐标轴WE4；
步骤24：在上述步骤所得三维图形中，在二维平面OKL内，以O为起点、作矢量轴线OK标记为WE5；以O为起点、作矢量轴线OL标记为NS5；定义WE5矢量轴线为经度坐标轴WE5，定义NS5矢量轴线为纬度坐标轴NS5；
步骤25：在上述步骤所得三维图形的二维平面OAC内，以C为起点、作矢量轴线CA标记为Tg'A；定义矢量轴线Tg'A为商品域时间微分轴Tg'A；
步骤26：在上述步骤所得三维图形的二维平面OAB内，以B为起点、作矢量轴线BA标记为Tm'A；定义矢量轴线Tm'A为评价主体域时间微分轴Tm'A；
步骤27：在上述步骤所得三维图形的二维平面DEF内，以F为起点、作矢量轴线FE标记为Tp'A；定义矢量轴线Tp'A为产品域时间微分轴Tp'A；
步骤28：在上述步骤所得三维图形的二维平面HIJ内，以J为起点、作矢量轴线JI标记为Tpr'A；定义矢量轴线Tpr'A为过程域时间微分轴Tpr'A；
步骤29：在上述步骤所得三维图形的二维平面OLK内，以L为起点、作矢量轴线LK标记为Ts'A；定义矢量轴线Ts'A为泛体系域时间微分轴Ts'A；
步骤30：在上述步骤所得三维图形中，过C点作平行于Z轴、方向为Z轴负方向的矢量轴线，标记为TgA矢量轴线；定义TgA矢量轴线为商品域时间轴TgA；
步骤31：在上述步骤所得三维图形中，过B点作平行于Z轴、方向为Z轴负方向的矢量轴线，标记为TmA矢量轴线；定义TmA矢量轴线为评价主体域时间轴TmA；
步骤32：在上述步骤所得三维图形中，过C点作平行于Z轴、方向为Z轴正方向的矢量轴线，标记为TpA矢量轴线；定义TpA矢量轴线为产品域时间轴TpA；
步骤33：在上述步骤所得三维图形中，过B点作平行于Z轴、方向为Z轴正方向的矢量轴线，标记为TprA矢量轴线；定义TprA矢量轴线为过程域时间轴TprA；
步骤34：在上述步骤所得三维图形中，过O点作平行于Z轴、方向为Z轴负方向的矢量轴线，标记为TsA矢量轴线；定义TsA矢量轴线为泛体系域时间轴TsA；
步骤35：在上述步骤所得三维图形中，在等腰直角三角形OAC中取任意一点标记为点Rh，在等腰直角三角形OAB中取任意一点标记为点Ih，以点Ih为起点、点Rh为终点在ABC平面内作矢量箭头，标记该矢量箭头为Ea；将步骤3中的矢量箭头OA延长，并标记为PgA；
步骤36：将上述步骤20至35所得的三维图形蕴藏其顶点标注A、B、C、D、E、F、G、H、I、J、K、L、A'、B'、C'、G'、L'、K'、O'、O''、O'''，并蕴藏相应的尺寸标注，得到数据模型的逻辑简图；
步骤37：通过上述数据模型的概念简图和逻辑简图定义一组管理概念和一组技术要素构建数据模型的概念模型、逻辑模型和物理模型，包括步骤38至步骤79；
步骤38：在前述步骤35所得三维图形中，在等腰直角三角形OAC中取任意一点标记为点a，在等腰直角三角形OAB中取任意一点标记为点A；
步骤39：将上述步骤38所述点a，通过WE1轴、NS1轴、Tg'A轴和PgA序列号PgA_No对其三维坐标化度量，得到点阵a（116°39'56"45E东经，39°92'99"86N北纬，2014年11月08日16时21分22秒）|CPgA_No，其中：“|CPgA_No”代表PgA序列号控制符；
步骤40：将上述步骤38所述点A，通过WE2轴、NS2轴、Tm'A轴和PgA序列号PgA_No对其三维坐标化度量，得到点阵A（aa°bb'cc"。。。W，aa°bb'cc"。。。N，20***年**月**日##时：##分：##秒）|CPgA_No；
步骤41：以点阵A为起点、点阵a为终点在数据模型中绘制矢量箭头Ea；
步骤42：将上述步骤39、步骤40所述矢量箭头PgA_No，其中的PgA，定义为感知基因轴，英译为：Perception gene Axis ---（管理概念1）；
感知基因轴：亦称产品基因轴，定义寄生在质量宿主中的诸多质量特性中的一种，通常该质量特性造成了评价主体某方面的权益损害，并且是评价主体发起基因轴的根本原因；它代表了具有类似功能效用的市场替代性强的一类产品的产品核心功能和质量特性的发展趋势，产品基因轴是数据模型的核心线，是数据模型数据采集技术特征（“单一质量特性采集模式”）的核心体现，通常产品基因轴的选定还遵循“样本量足够原则”，产品基因轴衍生产品基因轴平面。
步骤43：以步骤39同理类推；在上述步骤35所得三维图形中，在等腰直角三角形OAC中取任意一点，标记为点Rh1，其中1代表该点处于步骤10所标记为“1”的等腰直角三角形OAC中，通过WE1轴、NS1轴、Tg'A轴和PgA_No对其三维坐标化度量，得到点阵Rh1（X WE1，YNS1，ZTg'A0）|CPgA_No，将该点阵Rh1定义为商品信息受主，英译为：Receive Host1；其中的信息受主，英译为：Receive Host，简写为Rh---（管理概念2）；
信息受主：处于数据模型中的一个点阵，该点阵确定了一个评价对象、及其所处的地理位置、时间和颜色。
步骤44：以步骤40同理类推；在上述所得三维图形中，在等腰直角三角形OAB中取任意一点，标记为点Ih2，，其中2代表该点处于步骤10所标记为“2”的等腰直角三角形OAB中，通过WE2轴、NS2轴、Tm'A轴和PgA_No对其三维坐标化度量，得到点阵Ih2（X WE2，YNS2，ZTm'A0）|CPgA_No，将该点阵Ih2定义为评价主体信息施主，简写为Ih2；其中Ih，即信息施主，英译为：Infliction Host---（管理概念3）；
信息施主：在数据模型中定义的一个点阵，当某一客观存在的对象（包括：人、事和物），在与评价主体发生主动或被动的交互作用，并产生了评价主体对该对象的感知，这种感知在某一时间、某一地域和某一环境下受到触发，我们便定义这一触发点在数据模型中的一个信息施主；
步骤45：以步骤41同理类推；在上述步骤所得三维图形中，以点阵Ih2为起点、点阵Rh1为终点在数据模型中作矢量箭头，标记该矢量箭头为Ea21|C Tm'A0|C Tg'A0|CPgA_No，将Ea21定义为商品感知评价轴，简写为Ea21；其中Ea，即评价轴，英译为：Evaluate Axis---（管理概念4）；
评价轴：在数据模型或模型与模型之间构筑的一条具有三维参数的有方向的箭头，该方向始于信息施主，终于信息受主。
步骤46：以步骤43同理类推；在上述步骤所得三维图形中，在等腰直角三角形DEF中取任意一点，标记为点Rh3，其中3代表该点处于步骤15所标记为“3”的等腰直角三角形DEF中，通过WE3轴、NS3轴、Tp'A轴和PgA_No对其三维坐标化度量，得到点阵Rh3（X WE3，YNS3，ZTp'Ai）|CPgA_No，将点阵Rh3定义为产品信息受主---（管理概念5）；
步骤47：与步骤45同理类推；在上述步骤所得三维图形中，以点阵Ih2为起点、点阵Rh3为终点在数据模型内作矢量箭头，标记该矢量箭头为Ea23|C Tm'A0|C Tp'Ai|CPgA_No，将Ea23定义为产品感知评价轴---（管理概念6）；
步骤48：以步骤43同理类推；在上述步骤所得三维图形中，在等腰直角三角形HIJ中取任意一点，标记为点Rh4，其中4代表该点处于步骤16所标记为“4”的等腰直角三角形HIJ中，通过WE4轴、NS4轴、Tpr'A轴和PgA_No对其三维坐标化度量，得到点阵Rh4（X WE4，YNS4，ZTpr'Ai）|CPgA_No，将点阵Rh4定义为过程信息受主---（管理概念7）；
步骤49：以步骤45同理类推；在上述步骤所得三维图形中，以点阵Ih2为起点、点阵Rh4为终点在数据模型内作矢量箭头，标记该矢量箭头为Ea24|C Tm'A0|C Tpr'Ai|CPgA_No，将Ea24定义为过程感知评价轴---（管理概念8）；
步骤50：以步骤43同理类推；在上述步骤所得三维图形中，在等腰直角三角形OKL中取任意一点，标记为点Rh5，其中5代表该点处于步骤10所标记为5-2的等腰直角三角形OKL中，通过WE5轴、NS5轴、Ts'A轴和PgA_No对其三维坐标化度量，得到点阵Rh5（X WE5，YNS5，ZTs'A0）|CPgA_No，将点阵Rh5定义为体系信息受主---（管理概念9）；特别地，在跨模型操作技术特征中点阵Rh5定义为泛体系域-用途信息受主---（管理概念10）；
步骤51：以步骤45同理类推；在上述步骤所得三维图形中，以点阵Ih2为起点、点阵Rh5为终点在数据模型内作矢量箭头，标记该矢量箭头为Ea25|C Tm'A0|C Ts'A0|CPgA_No，将Ea25定义为体系感知评价轴---（管理概念11）；
步骤52：以步骤43同理类推；在上述步骤所得三维图形中，在等腰直角三角形CKO中取任意一点，标记为点Rh3，其中3代表该点处于步骤10所标记为“3”的等腰直角三角形CKO中，通过WE3轴、NS3轴、Tp'A轴和PgA_No对其三维坐标化度量，得到点阵Rh3（X WE3，YNS3，ZTp'A0）|CPgA_No；
步骤53：与步骤45同理类推；在上述步骤所得三维图形中，以点阵Ih2为起点、点阵Rh3（X WE3，YNS3，ZTp'A0）|CPgA_No为终点在数据模型内作矢量箭头，标记该矢量箭头为Ea23|C Tm'A0|C Tp'A0|CPgA_No；
步骤54：以步骤43同理类推；在上述步骤所得三维图形中，在等腰直角三角形BLO中取任意一点，标记为点Rh4，其中4代表该点处于步骤10所标记为“4”的等腰直角三角形BLO中，通过WE4轴、NS4轴、Tpr'A轴和PgA_No对其三维坐标化度量，得到点阵Rh4（X WE4，YNS4，ZTpr'A0）|CPgA_No；
步骤55：以步骤45同理类推；在上述步骤所得三维图形中，以点阵Ih2为起点、点阵Rh4为终点在数据模型内作矢量箭头，标记该矢量箭头为Ea24|C Tm'A0|C Tpr'A0|CPgA_No；
步骤56：以步骤43同理类推；在上述步骤所得三维图形中，在弧形平面（O-G-）KL中取任意一点作识别码，标示为TagIh5-1或TagRh5-1，
(其中：5-1代表该点处于步骤10所标记为5-1的弧形平面（O-G-）KL中，Tag代表该点为识别码，Ih代表该识别码运用Ih方式识别， Rh代表该识别码运用Rh方式识别）；
通过ETs'A值（E代表任意一常量）、Ts'A轴和PgA_No对其三维坐标化度量，得到识别码点阵TagIh5-1（ETs'A0，ZTs'A0）|CPgA_No或TagRh5-1（ETs'A0，ZTs'A0）|CPgA_No；
步骤57：以步骤43同理类推；在上述步骤所得三维图形中，在三角形平面OLK取任意一点作识别码，标示为TagIh5-2或TagRh5-2，（其中：5-2代表该点处于步骤10所标记为“5-2”的三角形平面OLK中， Tag代表该点为识别码，Ih代表该识别码运用Ih方式识别，Rh代表该识别码运用Rh方式识别)；
通过ETs'A值（E代表任意一常量）、Ts'A轴和PgA序列CPgA对其三维坐标化度量，得到识别码点阵TagIh5-2（ETs'A0，ZTs'A0）|CPgA_No或TagRh5-2（ETs'A0，ZTs'A0）|CPgA_No；
步骤58：以步骤57同理类推；在上述步骤所得三维图形中，在三角形平面BOL取任意一点作识别码，标示为TagIh4或TagRh4，（其中：4代表该点处于步骤10所标记为“4”的三角形平面BOL中)，通过ETpr'A值（E代表任意一常量）、Tpr'A轴和PgA序列CPgA对其三维坐标化度量，得到识别码点阵TagIh4（ETs'A0，ZTpr'A0）|CPgA_No或TagRh4（ETs'A0，ZTpr'A0）|CPgA_No；
步骤59：对前述步骤43循环执行n次，在三角形平面OAC中得到平面点阵集1：1n∑Rh1 (X WE1,Y NS1，ZTg'A0）|CPgA_No；---（技术要素1）：
对前述步骤44循环执行n次，在三角形平面OAB中得到平面点阵集2：1n∑Ih2 (X WE2,Y NS2，ZTm'A0）|CPgA_No；---（技术要素2）：
对前述步骤52循环执行n次，在三角形平面CKO中得到平面点阵集3：1n∑Rh3 (X WE3,Y NS3，ZTp'A0）|CPgA_No；---（技术要素3）：
对前述步骤54循环执行n次，在三角形平面BLO中得到平面点阵集4：1n∑Rh4 (X WE4Y NS4，ZTpr'A0）|CPgA_No；---（技术要素4）：
对前述步骤50循环执行n次，在三角形平面OKL中得到平面点阵集5：1n∑Rh5 (X WE5,Y NS5，ZTs'A0）|CPgA_No；---（技术要素5）：
对前述步骤56循环执行n次，在弧形平面（O-G-）KL中得到识别码平面点阵集5-1：1n∑TagIh5-1（ETs'A0，ZTs'A0）|CPgA_No，或1n∑TagRh5-1（ETs'A0，ZTs'A0）|CPgA_No；---（技术要素6）：
对前述步骤57循环执行n次，在三角形平面OLK中得到识别码平面点阵集5-2：1n∑TagIh5-2（ETs'A0，ZTs'A0）|CPgA_No，或1n∑TagRh5-2（ETs'A0，ZTs'A0）|CPgA_No；---（技术要素7）：
对前述步骤58循环执行n次，在三角形平面BOL中得到识别码平面点阵集4：1n∑TagIh4（ETpr'A0，ZTpr'A0）|CPgA，或1n∑TagRh4（ETpr'A0，ZTpr'A0）|CPgA_No；---（技术要素8）：
上述各表达式中：
参数n为任意正整数；参数PgA_No代表第“PgA_No”号感知基因轴；“|C”为控制符；Tag代表识别码；Ih代表该识别码运用Ih信息施主方式识别； Rh代表该识别码运用Rh信息受主方式识别；
步骤60：前述步骤25所述的定义矢量轴线Tg'A为商品域时间微分轴Tg'A，其技术特征为：Tg'A序列化TgA---（技术要素9）：
Tg'A微分轴是对TgA轴线的微分，定义为存储级物理记忆介质对TgA时间的序列化；
令TgA轴线上三个时间点，记作TgAβ、TgAα、TgAi，
（其中： TgAβ＜TgAα，TgAi ∈[TgAβ，TgAα]，TgAβ∈[0, ∞]），TgAα∈[0, ∞]，令TgAβ、TgAα无限趋近于TgAi）；
则有系列化参数1：△TgA=TgAα- TgAβ；（其中：△TgA代表TgA轴线上的一个连续时间段，即概念时间段，释义为单层物理存储记忆介质的最小梯度；Tg'Ai为层列时间序列）；---（技术要素10）：
引入工艺系数ξ，定义为时间段-层列时间序列工艺系数，其值取决于硬件性能（尤其指存储硬件、运算硬件、图形显示及分析硬件对点阵平面层列的最小精度匹配值），则有：△TgA=ξ*Tg'Ai；
令TgA轴线上的任意一个时间点TgAi，
则：TgAi=N*△TgA= N*ξ*Tg'Ai；
得系列化公式1：Tg'Ai = TgAi /(N*ξ) (N属于正整数，i代表时间轴TgA上的任意一点。）；---（技术要素11）：
步骤61：以上述步骤60同理类推，对步骤26所述的评价主体域时间微分轴Tm'A执行Tm'A序列化TmA，得到：
序列化参数2：△TmA=TmAα- TmAβ；---（技术要素12）：
序列化公式2：Tm'Ai = TmAi /(N*ξ)；---（技术要素13）：
步骤62：以上述步骤60同理类推，对步骤27所述的产品域时间微分轴Tp'A执行Tp'A序列化TpA，得到：
序列化参数3：△TpA=TpAα- TpAβ；---（技术要素14）：
序列化公式3：Tp'Ai = TpAi /(N*ξ)；---（技术要素15）：
步骤63：以上述步骤60同理类推，对步骤28所述的过程域时间微分轴Tpr'A执行Tpr'A序列化TprA，得到：
序列化参数4：△TprA=TprAα- TprAβ；---（技术要素16）：
序列化公式4：Tpr'Ai = TprAi /(N*ξ)；---（技术要素17）：
步骤64：以上述步骤60同理类推，对步骤29所述的泛体系域时间微分轴Ts'A执行Ts'A序列化TsA，得到：
序列化参数5：△TsA=TsAα- TsAβ；---（技术要素18）：
序列化公式5：Ts'Ai = TsAi /(N*ξ)；---（技术要素19）：
步骤65：对上述步骤59得到的平面点阵集1：1n∑Rh1 (X WE1,Y NS1，ZTg'A0）| CPgA_No_进行TgA轴正方向的数学积分处理，得到点阵集三维数据域，将该点阵集三维数据域定义为域1，即商品域，英译为Goods data space，---（管理概念12）
其技术特征是：
整体的商品域点阵结构是商品信息受主点阵平面的积分，表示的是同一基因轴向的商品信息受主随着TgA轴线的时域追溯图；表达为：
0 ∞∫[1n∑Rh1 (XNS1,YWE1，ZTg'Ai) ]d(TgAi) |CPgA_m，（其中：n为任意正整数；i代表时间轴TgA上的任意一点；Tg'Ai = TgAi /(N*ξ) ，N属于正整数；“|CPgA_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---(技术要素20)；
上述商品域，其使用方法1：采集、存储、记录流通环节的商品信息受主，特别地，在服务业里，指买卖双方在发生交易行为后的一段时间里的质量感知对象的信息受主；
上述商品域，其使用方法2：用于校核商品域信息受主信息质量、检索时间元信息，检核或检索采用的计算方式表达为：
TgAβTgAα∫[1n∑Rh1 (XNS1,YWE1，ZTg'Ai) ]d(TgAi) |jk∑CPgA_mCloudq；（其中： j、k代表有j到k台服务器；q∈[j,k], Cloudq代表第q台云计算服务器中的第m种感知基因轴；n为任意正整数；i代表时间轴TgA上的任意一点；Tg'Ai = TgAi /(N*ξ) ；N属于正整数；“CPgA_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---(技术要素21)。
步骤66：将上述各步骤中用到的标记词“商品域”重定义为商品域；将上述步骤10用到的标记“1” 重定义为域1。
步骤67：对上述步骤59得到的平面点阵集2：1n∑Ih2 (X WE2,Y NS2，ZTm'A0）|CPgA_No_进行TmA轴正方向的数学积分处理，得到点阵集三维数据域，将该点阵集三维数据域定义为域2，即评价主体域，英译为Men dataspace，---（管理概念13）其技术特征是：
整体的评价主体域是评价主体信息施主点阵平面的积分，表示的是同一基因轴向的评价主体随着时间轴TmA的时域追溯图；表达为：0 ∞∫[1n∑Ih2 (XNS2,YWE2，ZTm'Ai)] d(TmAi) | CPgA_m；（其中：n为任意正整数；i代表时间轴TmA上的任意一点；Tm'Ai = TmAi /(N*ξ) ，N属于正整数；“|CPgA_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素22）；
上述评价主体域，其使用方法1：采集、存储、记录评价主体的信息施主；特别情况下，评价主体域的选定可以划定权限。对于泛体系域的评价，因其专业性和客观性，更多地把权限开放给第三方评价机构或者具有三层次质量强感知的个体或组织；
上述评价主体域，其使用方法2：用于校核评价主体域信息施主信息质量、检索时间元信息，检核或检索采用的计算方式表达为：TmAβTmAα∫[1n∑Ih 2(XNS2,YWE2，ZTm'Ai)] d(TmAi) |jk∑CPgA_mCloudq；（其中： j、k代表有j到k台服务器；q∈[j,k], Cloudq代表第q台云计算服务器中的第m种感知基因轴；n为任意正整数；i代表时间轴TmA上的任意一点； Tm'Ai = TmAi /(N*ξ) ；N属于正整数；“CPgA_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素23）；
步骤68：将上述各步骤中用到的标记词“评价主体域”重定义为评价主体域；将上述步骤10用到的标记“2” 重定义为域2；
步骤69：对上述步骤59得到的平面点阵集3：1n∑Rh3 (X WE3,Y NS3，ZTp'A0）|C CPgA_No进行TpA轴正方向的数学积分处理，得到点阵集三维数据域，定义为：域3，即产品域，英译为,Production dataspace，---（管理概念14）
其技术特征是：
整体的产品域表示的是产品信息受主点阵平面的积分，表示的是同一基因轴向的产品信息受主随着TpA轴线的时域追溯图；表达为：0 ∞∫[1n∑Rh3 (XNS3,YWE3，ZTp'Ai) ]d(TpAi) | CPgA_m；(其中：n为任意正整数；i代表时间轴TpA上的任意一点；Tp'Ai = TpAi /(N*ξ) ，N属于正整数；“|CPgA_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素24）；
上述产品域，其使用方法1：采集、存储、记录产品的信息受主，其中产品包含制造业有形产品和服务业服务过程，特别地，在服务业里，指买卖双方在发生交易行为之前的一段时间里的质量感知对象；
上述产品域，其使用方法2：用于校核产品域信息受主信息质量、检索时间元信息，检核或检索采用的计算方式为：Tp'AβTp'Aα∫[1n∑Rh3 (XNS3,YWE3，ZTp'Ai) ]d(TpAi) |jk∑CPgA_mCloudq；（其中： j、k代表有j到k台服务器；q∈[j,k],Cloudq代表第q台云计算服务器中的第m种感知基因轴；n为任意正整数；i代表时间轴TpA上的任意一点；Tp'Ai = TpAi /(N*ξ) ；N属于正整数；“CPgA_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素25）；
步骤70：将上述各步骤中用到的标记词“产品域”重定义为产品域；将上述步骤10用到的标记“3” 重定义为域3；
步骤71：对上述步骤59得到的平面点阵集4：1n∑Rh4 (X WE4Y NS4，ZTpr'A）|CPgA_No进行TprA轴正方向的数学积分处理，得到点阵集三维数据域，将此点阵集三维数据域定义为：域4，即过程域，英译为Process dataspace；---（管理概念15）其技术特征是：
整体的过程域表示的是产品价值形成的过程信息受主点阵平面的积分，表示的是同一基因轴向的过程信息受主随着TprA轴线的时域追溯图；表达为：0 ∞∫[1n∑Rh4 (XNS4,YWE4，ZTpr'Ai) ]d(TprAi) |CPgA_ m；(其中：n为任意正整数；i代表时间轴TprA上的任意一点；Tpr'Ai = TprAi /(N*ξ) ，N属于正整数；“|CPgANo_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素26）；
上述过程域，其使用方法1：采集、存储、记录产品价值形成的过程信息受主，特别地，对于特别具有质量宿主代表性的产品基因轴，基于过程影响因素的考虑，赋予过程域特定的识别码；
上述过程域，其使用方法2：用于校核过程域信息受主信息质量、检索时间元信息，检核或检索采用的计算方式为：Tpr'AβTpr'Aα∫[1n∑Rh4 (XNS4,YWE4，ZTpr'Ai) ]d(TprAi) |jk∑CPgA_mCloudq；（其中： j、k代表有j到k台服务器；q∈[j,k],Cloudq代表第q台云计算服务器中的第m种感知基因轴；n为任意正整数；i代表时间轴TprA上的任意一点；Tpr'Ai = TprAi /(N*ξ) ；N属于正整数；“CPgA_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素27）；
步骤72：将上述各步骤中用到的标记词“过程域”重定义为过程域；将上述步骤10用到的标记“4” 重定义为域4；
步骤73：对上述步骤59得到的平面点阵集5：1n∑Rh5 (X WE5,Y NS5，ZTs'A0）|CPgA_No进行TsA轴正方向的数学积分处理，得到点阵集三维数据域，将此点阵集三维数据域定义为域5，即泛体系域，英译为System dataspace；---（管理概念16）其技术特征是：
整体的泛体系域表示的泛体系信息受主点阵平面的积分，表示的是同一基因轴向的泛体系域信息受主随着TsA轴线的时域追溯图；表达为：0 ∞∫[1n∑Rh5 (XNS5,YWE5，ZTs'A) ]d(TsA) |CPgA_m；(其中：n为任意正整数；i代表时间轴TsA上的任意一点；Ts'Ai = TsAi /(N*ξ) ，N属于正整数；“|CPgA_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素28）；
上述泛体系域，其使用方法1：采集、存储、记录泛体系信息受主，特别地，对于特别具有质量宿主代表性的产品基因轴，基于对质量宿主进行追溯识别的因素考虑，赋予泛体系域特定的识别码；
上述泛体系域，其使用方法2：用于校核泛体系域信息受主信息质量、检索时间元信息，检核或检索采用的计算方式为：Ts'AβTs'Aα∫[1n∑Rh5 (XNS4,YWE4，ZTs'Ai) ]d(TsAi) |jk∑CPgA_mCloudq；（其中： j、k代表有j到k台服务器；q∈[j,k],Cloudq代表第q台云计算服务器中的第m种感知基因轴；n为任意正整数；i代表时间轴TsA上的任意一点；Ts'Ai = TsAi /(N*ξ) ；N属于正整数；“|CPgA”代表PgA控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素29）；
步骤74：将上述各步骤中用到的标记词“泛体系域”重定义为泛体系域；
步骤75：对上述步骤59得到的识别码平面点阵集5-1：1n∑TagIh5-1（ETs'A0，ZTs'A0）| CPgA_No或1n∑TagRh5-1（ETs'A0，ZTs'A0）| CPgA_No，进行TsA轴正方向的数学积分处理，得到点阵集三维数据域，将此点阵集三维数据域定义为域5-1，即泛体系域-性能子域，英译为System-specification dataspace，---（管理概念17）
其技术特征是：
泛体系域-性能子域表示的是同一基因轴向的泛体系域-性能信息受主随TsA轴线的时域追溯图；表达为：0 ∞∫[1n∑TagIh5-1 (ETs'Ai，ZTs'A i ) ]d(TsA i ) |CPgA_ m或0 ∞∫[1n∑TagRh5-1 (ETs'Ai，ZTs'A i ) ]d(TsA i ) |CPgA_ m；(其中：n为任意正整数；i代表时间轴TsA上的任意一点；Ts'Ai = TsAi /(N*ξ) ，N属于正整数；“|CPgA_”代表PgA控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素30）；
上述泛体系域-性能子域，其使用方法1：通过引入识别码，采集、存储、记录产品功能特性、设计指标和信息受主，更多地从制造者（价值提供者）的角度考虑；
上述泛体系域-性能子域，其使用方法2：用于校核泛体系域-性能子域信息受主信息质量、检索时间元信息，检核或检索采用的计算方式为：Ts'AβTs'Aα∫[1n∑TagIh5-1 (ETs'Ai，ZTs'Ai) ]d(TsAi) |jk∑∑CPgA_mCloudq或Ts'AβTs'Aα∫[1n∑TagRh5-1 (ETs'A，ZTs'Ai) ]d(TsAi) |jk∑CPgA_mCloudq（其中： j、k代表有j到k台服务器；q∈[j,k],Cloudq代表第q台云计算服务器中的第m种感知基因轴；n为任意正整数；i代表时间轴TsA上的任意一点； Ts'Ai = TsAi /(N*ξ) ；N属于正整数；“|CPgA_”代表控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素31）；
步骤76：将上述各步骤中用到的标记词“泛体系域-性能子域” 重定义为泛体系域-性能子域；将上述步骤10用到的标记“5-1” 重定义为域5-1；
步骤77：对上述步骤59得到的识别码平面点阵集5-2：1n∑TagIh5-2（ETs'A0，ZTs'A0）| CPgA_No或1n∑TagRh5-2（ETs'A0，ZTs'A0）| CPgA_No，进行TsA轴正方向的数学积分处理，得到点阵集三维数据域，将此点阵集三维数据域定义为域5-2，即泛体系域-用途子域，英译为System-application dataspace；---（管理概念18）
其技术特征是：
泛体系域-用途子域表示的是同一基因轴向的泛体系域-用途信息受主随TsA轴线的时域追溯图；表达为：0 ∞∫[1n∑TagIh5-2 (ETs'Ai，ZTs'A i ) ]d(TsA i ) |CPgA_ m或0 ∞∫[1n∑TagRh5-2 (ETs'Ai，ZTs'A i ) ]d(TsA i ) |CPgA _m；(其中：n为任意正整数；i代表时间轴TsA上的任意一点；Ts'Ai = TsAi /(N'*ξ') ，其中N'、ξ'与步骤61所述N、ξ同理类推，通常取N'不等于N、ξ'不等于ξ，；属于正整数；“|CPgA_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素32）；
上述泛体系域-用途子域，其使用方法1：通过引入识别码，采集、存储、记录产品功能特性、设计指标和信息受主，更多地从消费者（价值使用者）的角度考虑；
上述泛体系域-用途子域，其使用方法2：用于校核泛体系域-用途子域信息受主信息质量、检索时间元信息，检核或检索采用的计算方式为：Ts'AβTs'Aα∫[1n∑TagIh5-2 (ETs'Ai，ZTs'Ai) ]d(TsAi) |jk∑CPgA_mCloudq或Ts'AβTs'Aα∫[1n∑TagRh5-2 (ETs'A，ZTs'Ai) ]d(TsAi) |jk∑CPgA_mCloudq（其中： j、k代表有j到k台服务器；q∈[j,k],Cloudq代表第q台云计算服务器中的第m种感知基因轴；n为任意正整数；i代表时间轴TsA上的任意一点； Ts'Ai = TsAi /(N*ξ) ；N属于正整数；“|CPgA”代表控制符；m代表PgA索引列表中第m种感知基因轴；）---（技术要素33）；
步骤78：将上述各步骤中用到的标记词“泛体系域--用途子域” 重定义为泛体系域--用途子域；将上述步骤10用到的标记“5-2” 重定义为域5-2；
步骤79：将上述步骤38至78所得的管理概念1至管理概念18，定义为数据模型的概念模型；将上述步骤38至78所得的三维图形及技术要素1至技术要素33，定义为数据模型的逻辑模型；将上述步骤38至78所得的技术要素1至技术要素33在运用于有形物理存储介质的制造及设计时，定义为数据模型的物理模型；
步骤80：通过对步骤79所述的逻辑模型的运用，在模型空间中定义一组数据模型集阵列规则构建质量感知信息的结构化数据存储模型，包括步骤81至步骤95；
步骤81：上述步骤80所述模型空间三维直角坐标系，英译为Three Dimensional Model Data Space；是数据库应用程序定义的一种立体数据空间。因为存在一种可能：在同一时间同一地理位置同时发生初始产品基因轴模型，此时，数据库应用程序必须为这类冲突模型（或称数据冗余）建立数据存储空间以归类隔离这类模型数据，系统定义该数据存储空间为模型空间，任何在某一地理位置最早建立的初始产品基因轴模型所在空间都是这种立体数据空间的一种。可通过交互映射矢量轴对各模型空间执行空间重叠运算操作(模型空间重叠)，最简单的模型空间重叠运作意义的示例是：系统对数据库中的时域横向检索，以发现在某一时间点或某一地理位置发生的所有信息受主或信息施主及其内容，通常模型空间三维直角坐标系由原点OMDS、XMDS轴、YMDS轴、ZMDS轴构建，标识为：OMDS（XMDS-YMDS-ZMDS）；
步骤82：在上述模型空间OMDS（XMDS-YMDS-ZMDS）中，重复执行上述步骤1至步骤78（令步骤2中点O标记为点OCr），得到另一数据模型，标记为ModelCMCP_OCr|CPgA_m模型，其中CMCP英译为Core Model Coordinate Point，“CMCP_OCr”代表该模型的核心模型坐标点为OCr；定义ModelCMCP_OCr|CPgA_m模型为因果溯主轴C模型，在该模型的泛体系域--用途子域中取任意一识别码点阵，标记为识别码点阵TagIh5-2|CModelCMCP_OCr|CPgA_m；
步骤83：在模型空间OMDS（XMDS-YMDS-ZMDS）中，重复执行上述步骤1至步骤78（令步骤2中点O标记为点OcR，且OcR坐标值等于OMDS），得到另一数据模型，标记为ModelCMCP_OcR|CPgA_m模型；
定义ModelCMCP_OcR|CPgA_m模型为因果溯主轴R模型；在该模型的泛体系域--性能子域中取任意一识别码点阵，标记为识别码点阵TagRh5-1|CModelCMCP_OcR|CPgA_m；
步骤84：以前述步骤82所述识别码点阵TagIh5-2|CModelCMCP_OCr|CPgA_m为起点、前述步骤83所述识别码点阵TagRh5-1|CModelCMCP_OcR|CPgA_m为终点，在模型空间OMDS（XMDS-YMDS-ZMDS）中作矢量轴线Ea，标记为EaCR，将EaCR定义为因果溯主轴，英译为Cause and Result ET Axis，---（阵列规则1）
其技术特征是：
在泛体系域中的性能域和用途域之间，存在着因果关系（或称供需关系），而由于在可追溯性信息采集过程中，存在跨模型连接的问题，定义因果溯主轴是解决模型间的因果关系追溯主线问题，因果溯主轴是始于原因模型中泛体系域：用途子域，终于结果模型中泛体系域：性能子域，并且结果模型的泛体系域：性能子域也有一根有向轴线，指向原因模型的泛体系域：用途子域（这根有向轴线必须由系统指定），它用于系统建立初始产品基因轴模型和新生模型之间的联系。
步骤85：以步骤82同理类推，得到另一数据模型，标记为ModelCMCP_OPr|CPgA_m模型，定义为协同基因轴P模型；ModelCMCP_OPr|CPgA_m模型的泛体系域--用途子域中取任意一识别码点阵，标记为识别码点阵TagIh5-2|CModelCMCP_OPr|CPgA_m；
步骤86：在步骤83所得ModelCMCP_OcR|CPgA_m模型的泛体系域--用途子域中取任意一识别码点阵，标记为识别码点阵TagRh5-2|CModelCMCP_OcR|CPgA_m；
步骤87：以前述步骤85所述识别码点阵TagIh5-2|CModelCMCP_OPr|CPgA_m为起点、前述步骤86所述识别码点阵TagRh5-2|CModelCMCP_OcR|CPgA_m为终点，在模型空间中作矢量轴线Ea，标记为EaPR，将EaPR定义为协同基因轴，英译为Partner Gene ET Axis（也称为感知溯主轴，英译为Partner ET Axis；或称为感知协同轴）；---（阵列规则2）
其技术特征是：
协同基因轴是发起与初始产品基因轴类似的质量感知时，评价主体建立的与初始基因轴模型类似的模型中的泛体系域—用途子域指向初始基因轴模型中的泛体系域—用途子域的一根矢量轴，用于建立模型与模型间的关系；
步骤88：以步骤82同理类推，得到另一数据模型，标记为ModelCMCP_OAr|CPgA_m模型，定义为协同溯主轴A模型；在该模型的泛体系域--性能子域中取任意一识别码点阵，标记为识别码点阵TagIh5-1|CModelCMCP_OAr|CPgA_m；
步骤89：在步骤83所述ModelCMCP_OcR|CPgA_m模型的泛体系域--性能子域中取任意一识别码点阵，标记为识别码点阵TagRh5-1|CModelCMCP_OcR|CPgA_m；
步骤90：以前述步骤88所述识别码点阵TagIh5-1|CModelCMCP_OAr|CPgA_m为起点、前述步骤89所述识别码点阵TagRh5-1|CModelCMCP_OcR|CPgA_m为终点，在模型空间中作矢量轴线Ea，标记为EaAR，将EaAR定义为协同溯主轴，英译为Assistant ET Axis；---（阵列规则3）
其技术特征是：
协同溯主轴是始于产品基因轴（发起前必须对初始基因轴的评价域做出回应）模型中泛体系域：性能子域，终于初始基因模型中泛体系域：性能子域的一根轴线，用于系统建立起初始基因模型和协同因果模型（对初始产品基因轴利益相关者、并且与初始基因模型存在着预期的因果关系的模型）之间的联系。
步骤91：以步骤82同理类推，得到另一数据模型，标记为ModelCMCP_OLr|CPgA_m模型，定义为五域协同轴L模型；在该模型的域1中取任意一点阵，标记为点阵RhL1|CModelCMCP_OLr|CPgA_m；
步骤92：在步骤83所述ModelCMCP_OcR|CPgA_m模型的域1中取任意一点阵，标记为点阵RhL1|CModelCMCP_OcR|CPgA_m；
步骤93：以前述步骤91所述点阵RhL1|CModelCMCP_OLr|CPgA_m为起点、前述步骤92所述点阵RhL1|CModelCMCP_OcR|CPgA_m为终点，在模型空间中作矢量轴线Ea，标记为EaLR将EaLR定义为五域协同轴，英译为Space Linking ET Axis；---（阵列规则4）
其技术特征是：
一根连接模型与模型之间的对等域（如:商品域对商品域、产品域对产品域。。。）的轴线。五域协同轴用于系统建立模型五域与其它模型五域间的联系，该联系辅助协同溯主轴对因果关系进行客观校核；五域协同轴的目的是便于系统快速建立各模型域的有机联系，通常在信息采集时定义，它取决于评价主体的五域指定信息内容，并由计算机智能判定；例如：泛体系域5-1五域协同轴，是一根始于泛体系域5-1：性能子域，终于泛体系域5-1：性能子域的轴线，用于对发起过具有相同基因轴向的信息施主的互助追溯；
步骤94：如上述步骤84所述的因果溯主轴，用于供需关系的两个模型的追溯，以步骤45所述的商品感知评价轴同理类推，在ModelCMCP_OcR|CPgA_m模型的5-1域取一识别码点阵TagIh5-1|CModelCMCP_OcR|CPgA_m，在该模型的5-2域取一识别码点阵TagRh5-2|CModelCMCP_OcR|CPgA_m，作点阵TagIh5-1|CModelCMCP_OcR|CPgA_m为起点到点阵TagRh5-2|CModelCMCP_OcR|CPgA_m为终点的矢量箭头，结合上述步骤81的点阵TagIh5-2|CModelCMCP_OCr|CPgA_m，得到矢量轴链：TagIh5-2|CModelCMCP_OCr|CPgA_m|CT0-->TagRh5-1|CModelCMCP_OcR|CPgA_m|C T1|Ug|TagIh5-1|CModelCMCP_OcR|CPgA_m|C T2 |Ug|TagRh5-2|CModelCMCP_OcR|CPgA_m|C T3；---（阵列规则5）
其技术特征是：上述矢量轴链表示了一个特定物件（TagIh5-2）在一个特定位置和时间（|CModelCMCP_OCr|CPgA_m|C T0）输出到另一位置（TagRh5-1|CModelCMCP_OcR|CPgA_m|C T1），作为一种性能（TagIh5-1|CModelCMCP_OcR|CPgA_m|C T2）组装到另一物件（TagRh5-2|CModelCMCP_OcR|CPgA_m|C T3）上，呈现出了一种性能（TagRh5-2|CModelCMCP_OcR|CPgA_m|C T3）；上述|Ug|，代表位置操作符；
步骤95：将上述步骤81至步骤94所述的因果溯主轴（阵列规则1）、协同基因轴（阵列规则2）、协同溯主轴（阵列规则3）、五域协同轴（阵列规则4）、矢量轴链（阵列规则5）定义为数据模型集阵列规则，用于构建质量感知信息的结构化数据存储模型；
步骤96：运用前述步骤10所述的产品基因轴平面、步骤79所述的数据模型的逻辑模型、步骤95所述的数据模型集阵列规则，通过步骤12构建的时域空间三维直角坐标系O（X-Y-Z）、步骤81构建的模型空间三维直角坐标系OMDS（XMDS-YMDS-ZMDS），定义一种产品基因轴平面姿态用于对质量感知实物载体的唯一性识别；定义一组产品基因轴平面及其衍生的数据模型的模型姿态用于对数据模型采集的质量感知信息执行可视化分析；定义一组质量感知信息收集及采集方法用于收集及采集质量感知信息并建立PgA索引表；定义一种三维图形结构用于对质量感知信息的受众传播；
步骤97：上述步骤96所述的一种产品基因轴平面姿态对质量感知实物载体的唯一性识别，指通过产品基因轴平面的识别码及其特性元角度定义质量宿主；
所述质量宿主，英译为Quality host（缩写为Qh，也称信息宿主），指拥有某一质量特性的、具有预期类似性能和用途的、某一质量信息所归属的对象，通常地，信息受主寄生于某一质量宿主，因为评价对象有不确定数量的评价主体或使用主体，而信息受主决定于不同评价主体在不同时间、不同地域和不同环境的质量感知，所以质量宿主包含无数个信息受主；
质量宿主用于唯一性识别质量感知实物载体，由样本宿主、个体宿主和特性元宿主共同定义构成；
前述样本宿主的映射图形由泛体系域--性能子域及其所赋予的识别码构成，它体现的是产品厂家对该产品的设计定型参数；
前述个体宿主是根据设计定型参数制造出来的序列产品，它体现的是设计定型参数、消费者的需求参数和泛体系域--用途子域的时域参数，个体宿主的映射图形由泛体系域-用途子域平面及其所赋予的识别码构成；
前述特性元宿主由产品基因轴平面的特性元角度定义；
步骤98：前述步骤96所述的一组产品基因轴平面及其衍生的数据模型的模型姿态，包括：产品基因轴平面的倾角姿态、产品基因轴平面的水平姿态和产品基因轴平面的垂直姿态；
步骤99：前述步骤98所述的衍生，是指：产品基因轴平面随着时间的变化，随TgA、TmA、TpA、TprA、TsA的变化积分而成的数据模型，或处于数据分析阶段产品基因轴平面通过模型集阵列规则或逻辑模型参数从其它模型中整合汇总进数据形成的分析级模型；
通常，同处于一种产品基因轴序列号的模型，可以相互整合进数据，作为与初始产品基因轴模型作区分，衍生模型通常冠以@PgA_Noi；
步骤100：上述步骤98所述的产品基因轴平面的倾角姿态（也称轴向倾角姿态；特别地，倾角姿态在产品基因轴平面或其衍生数据模型在用户端对物体进行识别时，定义为特性元角度），倾角姿态是指：
产品基因轴平面绕产品基因轴旋转一定的角度，用于计算机识别寄生于质量宿主中的某一质量特性；
将前述步骤83所述的ModelCMCP_OcR|CPgA_m模型（因果溯主轴R模型）的产品基因轴平面标记为：LayerABLKC|CModelCMCP_OcR|CPgA_m|CETQFAngle_0（其中：“Layer”代表产品基因轴平面；“ABLKC”代表该产品基因轴平面以A、B、L、K、C为各顶点，；“| C ETQFAngle_”中 “ETQFAngle_”代表旋转方式为轴向旋转，“0”代表旋转角度为0度）；进行RotatePANEL| PointO| LineOA| FloorO-Y-Z|ETQFAngle30的规制化旋转，则：得到带倾角的模型ModelCMCP_OcR|CPgA_m|CETQFAngle30，其所述产品基因轴平面标示为：Layer ABLKC |CModelCMCP_OcR|CPgA_m|CETQFAngle30；
步骤101：上述步骤100所述的规制化旋转，定义如下：
令旋转方式：RotatePANEL| PointO| LineOA| FloorO-Y-Z|XAngleθ ；
则旋转方式各参数释义为：
“PANEL”代表操作对象为以P、A、N、E、L为各顶点的平面图形;
“| PointO”代表二维图形的旋转以点O为控制点；
“| LineOA”代表二维图形的旋转以线OA为中心线；
“| FloorO-Y-Z”代表二维图形的旋转在平面O-Y-Z内产生角度偏移；
“|XAngle_θ”代表第X类旋转的旋转角度为θ度，此处定义右手定则：以OA轴正方向代表右手大拇指向外伸出方向，右手四指向内掌心握紧的旋转方向为旋转角度θ的正值, θ∈[0,360]；
前述特性元角度，用于物品识别（可视化传播或受众）时，计算机识别寄生于质量宿主中的某一质量特性RECT.spec，表达为：θi=RECT.spec，即RECT.spec等效于θi 。
上述的等效于，指采用RECT.spec对θ进行序列化；
令θi∈[0,360]、VALUE.RECT.spec代表第ni个质量特性；
则将第ni个质量特性渲染为角度为θi的产品基因轴平面。
特性元角度在数据运算过程中，在运算器中角度参数变化的速度，称模型轴向震颤系数ETQF(ET Quality perception Frequency，也称感知分散度或称思维分散度)；
步骤102：以上述步骤101对规制化旋转的定义同理类推，上述步骤98所述的产品基因轴平面的水平姿态，是指：
产品基因轴平面绕Z轴形成的角度姿态，该角度姿态定义为波及元角度，波及元角度在数据运算过程中，在运算器中角度参数变化的速度，称为模型水平震颤系数ETW（ET Wave，也称感知波及度）。
前述产品基因轴平面绕Z轴形成的角度姿态，指对产品基因轴平面及其衍生数据模型执行RotatePANEL|PointO| LineOF| FloorO-X-Y|ETWAngle_λ的规制化旋转；映射的物理意义为：一种样本宿主SQh派生的n个质量宿主PQhn，其形成的数据模型称派生数据模型。
步骤103：令上述步骤100所述的带倾角的模型ModelCMCP_OcR|CPgA_m|CETQFAngle30的λ角为0度，则该模型在模型空间的姿态表达为：ModelCMCP_OcR|CPgA_m|CETQFAngle30|CETWAngle_0，其产品基因轴平面的姿态表达为： LayerABLKC|C ModelCMCP_OcR|CPgA_m|CETQFAngle_30|CETWAngle_0；（其中：“|CETWAngle_0”代表该产品基因轴平面的波及元角度为0）；
步骤104：以上述步骤103同理类推，前述步骤82所述的因果溯主轴C模型表达为：ModelCMCP_OCr|CPgA_m|CETQFAngle30|CETWAngle_160，其产品基因轴平面的姿态表达为： LayerABLKC|C ModelCMCP_OCr|CPgA_m|CETQFAngle30|CETWAngle_160；
步骤105：以上述步骤103同理类推，前述步骤85所述协同基因轴P模型表达为：ModelCMCP_OPr|CPgA_m|CETQFAngle30|CETWAngle_80，其产品基因轴平面的姿态表达为： LayerABLKC|C ModelCMCP_OPr|CPgA_m|CETQFAngle30|CETWAngle_80；
步骤106：以上述步骤103同理类推，前述步骤91所述的五域协同轴L模型表达为：ModelCMCP_OLr|CPgA_m|CETQFAngle30|CETWAngle_350，其产品基因轴平面的姿态表达为：LayerABLKC|C ModelCMCP_OPr|CPgA_m|CETQFAngle30|CETWAngle_350；
步骤107：以上述步骤103同理类推，前述步骤88所述的协同溯主轴A模型表达为：ModelCMCP_OAr|CPgA_m|CETQFAngle30|CETWAngle_210，其产品基因轴平面的姿态表达为： LayerABLKC|C ModelCMCP_OAr|CPgA_m|CETQFAngle30|CETWAngle_210；
步骤108：以上述步骤103所述的λ角（0度）方向作为模型空间OMDS(XMDS-YMDS-ZMDS)的OMDSXMDS轴正方向绘制三维模型空间OMDS(XMDS-YMDS-ZMDS)，点CMCP_OcR为模型空间OMDS(XMDS-YMDS-ZMDS)的坐标原点OMDS，上述步骤104至步骤108所述的λ角（160度、80度、350度、210度）与OMDSXMDS轴正方向构成的夹角定义为数据模型在模型空间OMDS(XMDS-YMDS-ZMDS)的聚类溯源角度，聚类溯源角度是衍生数据模型的触发时，与初始产品基因轴模型在模型空间中产生的相对角度，该相对角度随时间变化，模型不断产生且λ角不断发生变化，即λ角度变化频率定义为上述步骤102所述的模型水平震颤系数ETW；
步骤109：与上述步骤101对规制化旋转的定义同理类推，上述步骤98所述的产品基因轴平面的垂直姿态是指数据模型的产品基因轴轴向方向偏离初始产品基因轴平面取Z轴方向偏离的角度；
前述取Z轴方向偏离的角度，指对产品基因轴平面执行RotatePANEL|PointO| LineOB| FloorO-X-Z|ETPAngle_μ的规制化旋转；
上述角度μ，在运用级数据信息时，也称为感知力度倾角ETPP，英译为ET Perception Pressure，感知力度倾角在数据运算过程中，在运算器中角度参数变化的速度，称模型垂直震颤系数ETP，英译为ET Pressure（也称ET供求感知变化系数）。
步骤110：前述步骤109所述感知力度倾角ETPP，其计算方法为：
per.dem（感知力度） = per.vol（感知量）* per.par（感知质）；
上述per.vol（感知量），计算方式为：
per.vol（感知量）= per.tot（评价轴数量）*per.pow（感知权量）=per.tot（评价轴数量）*per.abi（感知权度，即触发度）*per.fre（感知频度，即时间频次）* per.dens（感知密度，即地域离散度）;
per.abi（感知权度）通常是一组系数，一般取[1/3，1/2，1，2，3，4，5]其中一值，该值的选定由评价主体的评价或感知信誉评级（该指标由系统约定）给出。
上述per.par（感知质）计算方法为：
感知质的计算由评价轴各梯度值计算而得，其换算规则为：
评价类评价轴，极差（红）、较差（橙）、差（黄）、一般（绿）、中（蓝）、良（青）、优（紫），分别对应数值7、6、5、4、3、2、1；感知类评价轴：正面、负面、无输出，分别对应数值 3、-3、1；
所述的评价类评价轴，评价主体依据评判标准的符合程度对事物做出的量化感知数值，当评价主体为普通大众消费者时，评价主体对各域尤其是过程域的评价往往产生不客观、不专业或失真的情形，通常评价类评价轴通过专业质量管理人员对事物制定评判标准并由专业人员作为评价主体；上述步骤110所述的感知类评价轴，基于样本量足够原则（Sample Sufficient Regulation）和单一质量特性采集模式（Single Specification Acquisition），对单一质量特性进行序列化并映射为图形后对数据信息进行分析管理；
步骤111：前述步骤109所述的运用级数据信息，指运用数据模型将质量感知信息基于单一质量特性多维度可视化展示给受众者；
所述多维度可视化展示，包括：对单一质量特性进行商品域、产品域、过程域、泛体系域的各域层列色彩化展示，以及数据模型的垂直姿态角度μ的姿态化展示；
步骤112：上述步骤111所述各域层列色彩化展示，指采用如步骤65所述的检索计算方式TgAβTgAα∫[1n∑Rh1 (XNS1，YWE1，ZTg'Ai) ]d(TgAi) |jk∑CPgA_mCloudq检索得到商品域信息受主源数据（标记为SDETFlowerRh1）、采用如步骤67所述的检索计算方式TmAβTmAα∫[1n∑Ih 2(XNS2,YWE2，ZTm'Ai)] d(TmAi) |jk∑CPgA_mCloudq检索得到评价主体域源数据（标记为SDETFlowerIh2）、采用如步骤69所述的检索计算方式Tp'AβTp'Aα∫[1n∑Rh3 (XNS3,YWE3，ZTp'Ai) ]d(TpAi) |jk∑CPgA_mCloudq检索得到产品域信息受主源数据（标记为SDETFlowerRh3）、采用如步骤71所述的检索计算方式Tpr'AβTpr'Aα∫[1n∑Rh4 (XNS4,YWE4，ZTpr'Ai) ]d(TprAi) |jk∑CPgA_mCloudq检索得到过程域信息受主源数据（标记为SDETFlowerRh4）、采用如步骤73所述的检索计算方式Ts'AβTs'Aα∫[1n∑Rh5 (XNS4,YWE4，ZTs'Ai) ]d(TsAi) |jk∑CPgA_mCloudq检索得到泛体系域信息受主源数据（标记为SDETFlowerRh5），通过微分平面层列旋转规则、着色渲染规则在数据模型中展示；
步骤113：上述步骤112所述微分平面层列旋转规则，指：以步骤101对规制化旋转的定义同理类推，对商品域微分平面执行Rotate(△ACO|CPgASpec_Noi)| Point 0.5AC| Line Tg'A| Floor0.5Tg'A |Ea21Angleω的规制化旋转，令PgASpec_No1至PgASpec_No8的ω值分别为：6.8、13.7、20.5、27.4、34.2、41.0、47.9、54.7；
对产品域微分平面执行Rotate(△DEF|CPgASpec_Noi)|Point 0.5DE|LineWE3|Floor0.5WE3 |Ea23Angleω的规制化旋转，令PgASpec_No1至PgASpec_No8的ω值分别为：5.6、11.3、16.9、22.5、28.1、33.8、39.4、45；
令对评价主体域微分平面执行Rotate(△OBA|CPgASpec_NoMENTotal)|Point 0.5BA|LineWE2|Floor0.5WE2 |Ea62Angleω的规制化旋转，令PgASpec_NoMENTotal的ω值为：45；（其中：PgASpec_NoMENTotal指宏观环境/政府对评价主体作出的评价；宏观环境/政府的信息施主分布在时域空间的(-X）(-Y)(-Z)象限数据域、第三方机构的信息施主分布在时域空间的(-X）(Y)(-Z)象限数据域，两数据域的技术特性与前述数据模型的产品域同理类推）；
对过程域微分平面执行Rotate(△HIJ|CPgASpec_Noi)|Point 0.5HI|LineWE4|Floor0.5WE4 |Ea24Angleω的规制化旋转，令PgASpec_No1至PgASpec_No7的ω值分别为：6.4、12.9、19.3、25.7、32.1、38.6、45；
对泛体系域微分平面执行Rotate(△KLO|CPgASpec_Noi)|Point0.5KL|Line(-Ts'A )| Floor0.5Ts'A |Ea25Angleω的规制化旋转，令PgASpec_No1至PgASpec_No,12的ω值分别为：9.6、12.9、16.1、19.3、22.5、25.7、28.9、32.1、35.4、38.6、41.8、45；（PgASpec_No_13至PgASpec_No_28同理类推）
上述表达式中：“|CPgASpec_Noi”代表特性元，以步骤100所述的规制化旋转RotatePANEL| PointO| LineOA| FloorO-Y-Z|ETQFAngle_θ得到各质量特性的微分平面层列图形；
步骤114：上述步骤112所述着色渲染规则，包括商品域微分平面着色渲染规则、评价主体域微分平面着色渲染规则、产品域微分平面着色渲染规则、过程域微分平面着色渲染规则、泛体系域微分平面着色渲染规则；
步骤115：上述步骤114所述的商品域微分平面着色渲染规则，指：
令Layer21PgASpec_No1=商品总体评价（其中Layer21代表PgA序列号为“PgASpec_No1”的商品域微分平面），其微分平面着色渲染规则为：
当产品抽样检验维度为“未作检验”梯度定为极差，评价类评价轴感知质数值定为7；产品认证维度为“没有第三方认证” 梯度定为较差，评价类评价轴感知质数值定为6；检测结果数据维度为“无”，评价类评价轴感知质数值定为6；感知类评价轴感知质数值定为-3，梯度为负面；将此产品基因轴微分平面的商品域信息受主感知质数值评价为7，梯度定为“极差”，渲染为红色；
当产品抽样检验维度为“检验不具抽样代表性” 梯度定为较差，评价类评价轴感知质数值定为6；产品认证维度为“没有第三方认证” 梯度定为较差，评价类评价轴感知质数值定为6；检测结果数据维度为“粗糙”，评价类评价轴感知质数值定为6；感知类评价轴感知质数值定为1，梯度为无输出；将此产品基因轴微分平面的商品域信息受主感知质数值评价为6，梯度定为“较差”，渲染为橙色；
当产品抽样检验维度为“检验没标准依据” 梯度定为差，评价类评价轴感知质数值定为5；产品认证维度为“没有第三方认证” 梯度定为较差，评价类评价轴感知质数值定为6；检测结果数据维度为“粗糙”，评价类评价轴感知质数值定为6；感知类评价轴感知质数值定为1，梯度为无输出；将此产品基因轴微分平面的商品域信息受主感知质数值评价为5.7，梯度定为“差”，渲染为黄色；
当产品抽样检验维度为“成品依据标准检验”梯度定为一般，评价类评价轴感知质数值定为4；产品认证维度为“没有第三方认证” 梯度定为较差，评价类评价轴感知质数值定为6；检测结果数据维度为“完整”梯度定为较差，评价类评价轴感知质数值定为6；感知类评价轴感知质数值定为1，梯度为无输出；将此产品基因轴微分平面的商品域信息受主的感知质统计为数值5.3，梯度定为“差”，渲染为黄色；
当产品抽样检验维度为“成品依据标准检验，检验人员有一定的专业水平”梯度定为中，评价类评价轴感知质数值定为3；产品认证维度为“经第三方认证” 梯度定为中，评价类评价轴感知质数值定为3；检测结果数据维度为“完整、准确”梯度定为中，评价类评价轴感知质数值定为3；感知类评价轴感知质数值定为1，梯度为无输出；将此产品基因轴微分平面的商品域信息受主的感知质统计为数值3，梯度定为“中”，渲染为蓝色；
当产品抽样检验维度为“成品依据标准检验，检验人员有一定的专业水平”梯度定为中，评价类评价轴感知质数值定为3；产品认证维度为“经第三方认证” 梯度定为中，评价类评价轴感知质数值定为3；检测结果数据维度为“完整、准确”梯度定为中，评价类评价轴感知质数值定为3；感知类评价轴感知质数值定为1，梯度为无输出；将此产品基因轴微分平面的商品域信息受主的感知质统计为数值3，梯度定为“中”，渲染为蓝色；
当产品抽样检验维度为“产品、原材料、半制品依据标准检验”梯度定为良，评价类评价轴感知质数值定为2；产品认证维度为“经第三方认证且内部检验人员技能素质良好” 梯度定为良，评价类评价轴感知质数值定为2；检测结果数据维度为“完整、准确、可追溯”梯度定为良，评价类评价轴感知质数值定为2；感知类评价轴感知质数值定为3，梯度为正面；将此产品基因轴微分平面的商品域信息受主的感知质统计为数值2，梯度定为“良”，渲染为青色；
当产品抽样检验维度为“依据标准检验，并定期审核适宜性、充分性和有效性”梯度定为优，评价类评价轴感知质数值定为1；产品认证维度为“经权威认证，认证流程健全” 梯度定为优，评价类评价轴感知质数值定为1；检测结果数据维度为“完整、准确、可追溯并有证据表明可持续保证”梯度定为优，评价类评价轴感知质数值定为1；感知类评价轴感知质数值定为3，梯度为正面；将此产品基因轴微分平面的商品域信息受主的感知质统计为数值1，梯度定为“优”，渲染为紫色；
上述的商品域评价，指评价主体已经对产品达成交易并支付完货款之后的产品，当评价主体在未对商品达成交易或支付付款时做出的评价，将信息受主记入产品域而不是商品域；
分别令PgASpec_No2=成分和用料、PgASpec_No3=外观、PgASpec_No4=颜色、PgASpec_No5=性能123、PgASpec_No6=尺寸， PgASpec_No7=可靠性、PgASpec_No8=安全及合规性，其商品域微分平面着色渲染规则与前述Layer21PgASpec_No1=商品总体评价同理类推；
步骤116：令上述步骤114所述评价主体域微分平面着色渲染规则为浅蓝色且半透明；上述步骤114所述产品域微分平面Layer23 PgASpec_Noi的着色渲染规则，与步骤115所述商品域微分平面着色渲染规则相同；
步骤117：上述步骤114所述过程域微分平面着色渲染规则，指：
令Layer24PgASpec_No1=人，其微分平面着色渲染规则为：
当对“人”的过程定义维度为“缺乏过程要素”、对“人”的过程识别维度为“无法识别过程”、对“人”的过程协同关系为“没有过程协同”时；将此产品基因轴微分平面的商品域信息受主感知质数值评价为7，梯度定为“极差”，渲染为红色；
当对“人”的过程定义维度为“存在基本过程要素”、对“人”的过程识别维度为“较难识别过程”、对“人”的过程协同关系为“没有过程协同”时；将此产品基因轴微分平面的商品域信息受主感知质数值评价为6，梯度定为“较差”，渲染为橙色；
当对“人”的过程定义维度为“存在基本过程要素”、对“人”的过程识别维度为“可识别过程”、对“人”的过程协同关系为“过程协同易波动”时；将此产品基因轴微分平面的商品域信息受主感知质数值评价为5，梯度定为“差”，渲染为黄色；
当对“人”的过程定义维度为“存在基本过程要素”、对“人”的过程识别维度为“可识别过程”、对“人”的过程协同关系为“过程协同不易恶化”时；将此产品基因轴微分平面的商品域信息受主感知质数值评价为4，梯度定为“一般”，渲染为绿色；
当对“人”的过程定义维度为“存在基本过程要素”、对“人”的过程识别维度为“可清晰识别过程”、对“人”的过程协同关系为“过程协同稳定”时；将此产品基因轴微分平面的商品域信息受主感知质数值评价为3，梯度定为“中”，渲染为蓝色；
当对“人”的过程定义维度为“过程要素健全”、对“人”的过程识别维度为“过程要素健全”、对“人”的过程协同关系为“过程协同效应较强”时；将此产品基因轴微分平面的商品域信息受主感知质数值评价为2，梯度定为“良”，渲染为青色；
当对“人”的过程定义维度为“过程要素健全”、对“人”的过程识别维度为“可清晰识别过程”、对“人”的过程协同关系为“过程协同效应强，并有增强的趋势”时；将此产品基因轴微分平面的商品域信息受主感知质数值评价为1，梯度定为“优”，渲染为紫色；
分别令PgASpec_No2=机、PgASpec_No3=料、PgASpec_No4=法、PgASpec_No5=环、PgASpec_No6=测、PgASpec_No7=协同关系，其过程域微分平面着色渲染规则与前述PgASpec_No1=人同理类推；
步骤118：上述步骤114所述泛体系域微分平面着色渲染规则，指：
令Layer25PgASpec_No1=COP1合同履约率，其微分平面着色渲染规则为：
当资源竞争力维度对合同履约率这一特性要素的适宜性充分性和有效性为“极差”、管理要素识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“极差”、三层次对象识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“极差”、三层质量管理要素内部关联管控及效果对合同履约率这一特性要素的适宜性充分性和有效性为“极差”、战略与质量匹配效果对合同履约率这一特性要素的适宜性充分性和有效性为“极差”时，度量梯度为“极差”，评价类评价轴感知质数值定为7，渲染为“红色”；
当资源竞争力维度对合同履约率这一特性要素的适宜性充分性和有效性为“较差”、管理要素识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“较差”、三层次对象识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“较差”、三层质量管理要素内部关联管控及效果对合同履约率这一特性要素的适宜性充分性和有效性为“较差”、战略与质量匹配效果对合同履约率这一特性要素的适宜性充分性和有效性为“较差”时，度量梯度为“较差”，评价类评价轴感知质数值定为6，渲染为“橙色”；
当资源竞争力维度对合同履约率这一特性要素的适宜性充分性和有效性为“差”、管理要素识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“差”、三层次对象识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“差”、三层质量管理要素内部关联管控及效果对合同履约率这一特性要素的适宜性充分性和有效性为“差”、战略与质量匹配效果对合同履约率这一特性要素的适宜性充分性和有效性为“差”时，度量梯度为“差”，评价类评价轴感知质数值定为5，渲染为“黄色”；
当资源竞争力维度对合同履约率这一特性要素的适宜性充分性和有效性为“一般”、管理要素识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“一般”、三层次对象识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“一般”、三层质量管理要素内部关联管控及效果对合同履约率这一特性要素的适宜性充分性和有效性为“一般”、战略与质量匹配效果对合同履约率这一特性要素的适宜性充分性和有效性为“一般”时，度量梯度为“一般”，评价类评价轴感知质数值定为4，渲染为“绿色”；
当资源竞争力维度对合同履约率这一特性要素的适宜性充分性和有效性为“中”、管理要素识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“中”、三层次对象识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“中”、三层质量管理要素内部关联管控及效果对合同履约率这一特性要素的适宜性充分性和有效性为“中”、战略与质量匹配效果对合同履约率这一特性要素的适宜性充分性和有效性为“中”时，度量梯度为“中”，评价类评价轴感知质数值定为3，渲染为“蓝色”；
当资源竞争力维度对合同履约率这一特性要素的适宜性充分性和有效性为“良”、管理要素识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“良”、三层次对象识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“良”、三层质量管理要素内部关联管控及效果对合同履约率这一特性要素的适宜性充分性和有效性为“良”、战略与质量匹配效果对合同履约率这一特性要素的适宜性充分性和有效性为“良”时，度量梯度为“良”，评价类评价轴感知质数值定为2，渲染为“青色”；
当资源竞争力维度对合同履约率这一特性要素的适宜性充分性和有效性为“优”、管理要素识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“优”、三层次对象识别及管控效果对合同履约率这一特性要素的适宜性充分性和有效性为“优”、三层质量管理要素内部关联管控及效果对合同履约率这一特性要素的适宜性充分性和有效性为“优”、战略与质量匹配效果对合同履约率这一特性要素的适宜性充分性和有效性为“优”时，度量梯度为“优”，评价类评价轴感知质数值定为1，渲染为“紫色”；
分别令PgASpec_No3=COP3项目完成及时率、PgASpec_No4=COP4项目转化率、PgASpec_No5=COP5月生产计划达标率、PgASpec_No6=COP6综合良率、PgASpec_No7=COP7交货准确率、PgASpec_No8=SP1文件失控次数、PgASpec_No9=SP2员工满意度、PgASpec_No10=SP3人员流动率、PgASpec_No11=SP4采购及时完成率、PgASpec_No12=SP5设备故障停机率、PgASpec_No13=SP6工装完好达成率、PgASpec_No14=SP7计量校正准时率、PgASpec_No15=SP8成品检验合格率、PgASpec_No16=SP9来料检验合格率、PgASpec_No17=SP10实验及时率、PgASpec_No18=SP11退货率、PgASpec_No19=MP1经营计划达成率、PgASpec_No20=MP2管理评审措施完成率、PgASpec_No21= MP3不合格项整改关闭率、PgASpec_No22= MP4过程符合率、PgASpec_No23= MP5质量特征值完整率、PgASpec_No24= MP6顾客满意度、PgASpec_No25= MP7质量成本目标达成率、PgASpec_No26= MP8退货返工损失率、PgASpec_No27= MP9合理化建议结案率、PgASpec_No28= MP10生产异常闭环率，其泛体系域微分平面着色渲染规则与前述PgASpec_No1=COP1合同履约率同理类推；
步骤119：上述步骤111所述的数据模型的垂直姿态角度μ的姿态化展示，指通过数据模型的垂直姿态角度μ，度量出一组质量特性偏离供需平衡的严重程度的参量，该参量又称预警元参量；
上述预警元参量，由样本感知力度（criQ.supply）与需求感知力度（criQ.dem）之间的差值定义；
步骤120：上述步骤119所述的样本感知力度（criQ.supply），其计算和发布由初始产品基因轴、因果溯主轴、协同溯主轴、感知协同轴、协同基因轴、五域协同轴所构成的模型集的感知力度共同决定，通常该值通过周期性的对需求感知力度的数据分析，以及对质量特性的基准标准的宏观搜集整理，最终统筹考量统计发布；
步骤121：需求感知力度（criQ.dem）的计算方法：
需求感知力度包括用途感知力度（criQ.dem.use）、过程感知力度（criQ.dem.pr）、产品感知力度（criQ.dem.p）、商品感知力度（criQ.dem.g）、评价主体感知力度（criQ.dem.m），计算公式为：
g（per dem）=MODEL（per dem） 1 ∞∑MODEL@（per dem）
=[0t∫criQ.dem.use d(t) 0t∫criQ.dem. pr d(t) 0t∫criQ.dem.p d(t) 0t∫criQ.dem.g d(t) 0t∫criQ.dem.m d(t)] 0 ∞∑[0t∫criQ.dem.use@ d(t) 0t∫criQ.dem. pr@ d(t) 0t∫criQ.dem.p@ d(t) 0t∫criQ.dem.g @d(t) 0t∫criQ.dem.m@ d(t)]；
前述0t∫criQ.dem.g d(t)，指：与前述步骤83所述的因果溯主轴R模型ModelCMCP_OcR|CPgA_m执行前述步骤110，通过如前述步骤115对商品域微分平面着色渲染规则，包括有下述计算过程：
令per.par|C PgASpec_No1=7、令per.tot|C PgASpec_No1= TgAβTgAα∫[1n∑Rh1 (XNS1,YWE1，ZTg'Ai) ]d(TgAi) |jk∑CPgA_PgASpec_No1Cloudq、令per.abi|C PgASpec_No1=1/3、令：per.fre|C PgASpec_No1=感知频度（即时间频次）、令：per.dens|C PgASpec_No1=感知密度（地域离散度）；
则包括有下述计算过程：
per.dem |C ModelCMCP_OcR|CPgA_m= （per.par|C PgASpec_No1）* per.vol|C PgASpec_No1
=7* per.vol|C PgASpec_No1
=7*（TgAβTgAα∫[1n∑Rh1 (XNS1,YWE1，ZTg'Ai) ]d(TgAi) |jk∑CPgA_PgASpec_No1Cloudq）* (per.abi|C PgASpec_No1)* (per.fre|C PgASpec_No1)* (per.dens|C PgASpec_No1)
=7*（TgAβTgAα∫[1n∑Rh1 (XNS1,YWE1，ZTg'Ai) ]d(TgAi) |jk∑CPgA_PgASpec_No1Cloudq）*1/3* (per.fre|C PgASpec_No1)* (per.dens|C PgASpec_No1)
对上述所得公式引入时间和地域参量，则包括如下计算过程：
0t∫criQ.dem.g d(t)= 0t∫PgASpec_No1.dem.g d(t)
=0t∫7*（0t∫[1n∑Rh1 (XNS1,YWE1，ZTg'Ai) ]d(TgAi) |jk∑CPgA_PgASpec_No1Cloudq）*1/3* (感知频度|C PgASpec_No1)* (感知密度|C PgASpec_No1) d(t);
前述0t∫criQ.dem.use d(t)、0t∫criQ.dem. pr d(t)、0t∫criQ.dem.p d(t) 、0t∫criQ.dem.m d(t)，与上述0t∫criQ.dem.g d(t)同理类推；
上述“@”释义，与前述步骤99所述同理；
步骤122：前述步骤121所述0t∫criQ.dem.g d(t)中的“per.fre|C PgASpec_No1=感知频度（即时间频次）”、“per.dens|C PgASpec_No1=感知密度（地域离散度）”，
其中感知频度和感知密度，通过一组可视化分析方法得到；
步骤123：前述步骤96所述的模型姿态对数据模型采集的质量感知信息执行可视化分析，指运用前述倾角姿态、水平姿态、垂直姿态、微分平面层列旋转规则、微分平面着色渲染规则，结合数据模型的逻辑模型、模型集阵列规则构建的一组在图形化数据库中对图形进行分析并得出决策信息的方法，包括：ET探照比对技术、ET击穿效应、ET感知力度分析、ET预警元函数曲线分析、ET透视分析法、过滤拾取法、栅格拾取法、预警元空间拾取法；
前述步骤122所述的感知频度，是前述步骤101所述模型轴向震颤系数ETQF（θ角）的函数，函数表达式为：per.fre= f1 (θ)；
前述步骤122所述的感知密度是前述步骤102所述模型水平震颤系数ETW（λ角）的函数，函数表达式为：per.dens = f2 (λ)；
前述步骤119所述预警元参量，是前述步骤109所述模型垂直震颤系数ETP（μ角）的自变量，函数表达式为：μ=f0(criQ.supply, criQ.dem);
由上述步骤121可得：criQ.dem=f3( p(per.par)，t(per.tot),a(per.abi), f1 (θ), f2 (λ))；
所以有函数表达式：
μ=f0(criQ.supply, f3( p(per.par)，t(per.tot),a(per.abi), f1 (θ), f2 (λ)));
令criQ.supply对模型CMCP点的力矩方向是二维显示界面的视点的逆时针方向，criQ.dem对模型CMCP点的力矩方向是二维显示界面的视点的顺时针方向，则:
FcriQ.supplyLcriQ.supply=F criQ.demLcriQ.dem|CTx(其中：FcriQ.supply是criQ.supply值的力学转制值；F criQ.dem是criQ.dem的力学转制值；LcriQ.supply、LcriQ.dem是一组与μ值关联的平面几何值；“|CTx”代表该等式是处于时间点Tx的平衡等式）；
步骤124：如前述步骤96所述的一组数据信息收集及采集方法，包括一种人机交互界面设计方法和一组现实自然语言信息转化为抽象层逻辑信息的方法；
步骤125：上述步骤124所述的一种人机交互界面设计方法，指ET五域指定，英译为：ET Pointing ，ET五域指定的设计方法是：
在客户端应用程序（ETAPP）的人机交互界面中设置质量宿主、产品基因轴、商品域、评价主体域、产品域、过程域、泛体系域7个控件，在前述对应的控件右方分别设置文本输入框；
通过运用前述步骤37定义的一组管理概念，客户端操作方法为：令“TextField_质量宿主=评价主体身体”、“TextField_产品基因轴=体温”、“TextField_商品域=评价主体姓名”、“TextField_评价主体域=评价主体姓名”、“TextField_产品域=身体状况”、“TextField_过程域=穿棉袄后”、“TextField_泛体系域=评价主体姓名”；
步骤126：前述步骤124所述的一组现实自然语言信息转化为抽象层逻辑信息的方法，指ET信息收集表达规则，其技术特征包括：商品域采集转化规则、产品域采集转化规则、过程域采集转化规则、泛体系域采集转化规则；
步骤127：前述步骤126所述的商品域采集转化规则，指： 对人机界面出现的语言格式为陈述性语句，执行下述转化规则：
主语（名词）映射为数据模型的质量宿主；
谓语（动词）建议不用，通常不采集该信息数据源；
补语（数量词）建议不用，通常不采集该信息数据源；
定语（形容词）映射为前述步骤79所述的逻辑模型的产品基因轴；
宾语（名词）建议不用，通常不采集该信息数据源；
对人机界面出现的语言格式为判断/决策性语句，执行下述转化规则：
主语（名词），关联为产品质量特性的描述性语言（商品域评价指标）；
状语（副词），映射为前述步骤79所述的逻辑模型的商品域信息受主点阵的颜色特征，所述点阵的颜色特征与前述步骤114所述的商品域微分平面着色渲染规则同理类推；
步骤128：前述步骤126所述的产品域采集转化规则，指：
对人机界面出现的语言格式为陈述性语句，执行下述转化规则：
主语（名词）映射为数据模型的质量宿主；
谓语（动词）建议不用，通常不采集该信息数据源；
补语（数量词）建议不用，通常不采集该信息数据源；
定语（形容词）映射为前述步骤79所述的逻辑模型的产品基因轴；
宾语（名词）建议不用，通常不采集该信息数据源；
对人机界面出现的语言格式为判断/决策性语句，执行下述转化规则：
主语（名词），关联为产品质量特性的描述性语言（产品域评价指标）；
状语（副词），映射为前述步骤79所述的逻辑模型的产品域信息受主点阵的颜色特征，所述点阵的颜色特征与前述步骤114所述的产品域微分平面着色渲染规则同理类推；
步骤129：前述步骤126所述的过程域采集转化规则，指：
对人机界面出现的语言格式为陈述性语句，执行下述转化规则：
主语（名词）映射为数据模型的质量宿主；
谓语（动词）映射为过程域对应的点阵；
补语（数量词）建议不用，通常不采集该信息数据源；
定语（形容词）映射为前述步骤79所述的逻辑模型的产品基因轴；
宾语（名词）建议不用，通常不采集该信息数据源；
对人机界面出现的语言格式为判断/决策性语句，执行下述转化规则：
主语（名词），关联为产品质量特性的描述性语言（过程域评价指标）；
状语（副词），映射为前述步骤79所述的逻辑模型的过程域信息受主点阵的颜色特征，所述点阵的颜色特征与前述步骤114所述的过程域微分平面着色渲染规则同理类推；
步骤130：前述步骤126所述的泛体系域采集转化规则，指：
对人机界面出现的语言格式为陈述性语句，执行下述转化规则：
主语（名词）映射为数据模型的质量宿主；
谓语（动词）映射为泛体系域对应的点阵；
补语（数量词）建议不用，通常不采集该信息数据源；
定语（形容词）映射为前述步骤79所述的逻辑模型的产品基因轴；
宾语（名词）建议不用，通常不采集该信息数据源；
对人机界面出现的语言格式为判断/决策性语句，执行下述转化规则：
主语（名词），关联为产品质量特性的描述性语言（泛体系域评价指标）；
状语（副词），映射为前述步骤79所述的逻辑模型的泛体系域信息受主点阵的颜色特征，所述点阵的颜色特征与前述步骤114所述的泛体系域微分平面着色渲染规则同理类推；
步骤131：将上述步骤125至步骤130采集的产品基因轴建立序列号，构成PgA索引表；
步骤132：前述步骤96所述的一种三维图形结构用于对质量感知信息的受众传播，该三维图形结构的技术特征是：
在客户端人机交互界面（ETAPP）中，用户对数据模型图形界面执行的缩放、翻看交互操作时，程序执行前述步骤115所述的商品域微分平面着色渲染规则、步骤116所述的评价主体域和产品域微分平面着色渲染规则、步骤117所述的过程域微分平面着色渲染规则、步骤118所述的泛体系域微分平面着色渲染规则，程序执行前述步骤113所述的商品域微分平面层列旋转规则、评价主体域微分平面层列旋转规则、产品域微分平面层列旋转规则、过程域微分平面层列旋转规则、泛体系域微分平面层列旋转规则；
前述程序执行微分平面着色渲染规则和微分平面层列旋转规则后，得到：商品域ET莲花图ETFlower21|CTg'Ai、评价主体域ET莲花图ETFlower62|CTm'Ai、产品域ET莲花图ETFlower23|CTp'Ai、过程域ET莲花图ETFlower24|CTpr'Ai、泛体系域ET莲花图ETFlower25|CTs'Ai；
令上述各域ET莲花图在客户端人机交互界面同步进行图形化显示，得到完整的ET莲花图|CTi，可在客户端分别对ET莲花图的Tg'A、Tp'A、Tpr'A、Ts'A、Tm'A、WE1、WE2、WE3、WE4、WE5、NS1、NS2、NS3、NS4、NS5各参数进行设置，达到对质量信息进行时间和地理位置的查看及校核的目的；
步骤133：上述步骤132所述的受众传播基于spp理论框架（spp代表system、process、production的组合）提出，运用spp理论框架有利于及时消除过程层质量信息、产品层质量信息和泛体系层质量信息在消费者、价值提供者及利益相关者之间传播的信息不对称性；
步骤134：上述步骤1至步骤95所述的数据模型，定义为ET五域模型，英译为：ET five-dataspace model ，ET五域模型包括前述步骤1至步骤18所述的概念简图、步骤19至36所述的逻辑简图、步骤37至79所述的概念模型、逻辑模型和物理模型、步骤80至步骤95所述的结构化数据存储模型；
前述步骤97所述的对质量感知实物载体的唯一性识别方法（即质量宿主），定义为ETQHID识别方法；
前述步骤123所述的可视化分析定义为ET可视化分析方法，包括步骤98至步骤123；
前述步骤124至步骤131所述的一组数据信息收集及采集方法，定义为ET数据信息收集及采集方法；
前述步骤132至步骤133所述质量感知信息的受众传播方法，定义为ET莲花图方法；
步骤135：通过上述ET五域模型、ETQHID识别方法、ET可视化分析方法、ET数据信息收集及采集方法、ET莲花图方法对数据或信息进行的收集、采集、存储、分析、受众传播过程，统称为ET信息，英译为Easy-Traceability Information；
ET信息在数据库管理软件界面中以ET色彩空间的形式呈现，所述ET色彩空间，英译为：ET Time-Geography-Color Space（ETTGCS），是指经前述步骤134所述的ET可视化分析或其它对ET信息的数据信息挖掘技术，得到的供分析、决策并能可视化地呈现质量评价或感知程度的一种信息传达方式；ET色彩空间是ET信息对质量感知信息管理方法的重要特征体现。
2.如权利要求1所述各步骤的换序组合或通过其它图形化设计步骤得到ET五域模型，进而通过得到的ET五域模型开发各类数据信息交换方法或设计各类应用软件。
3.如权利要求1所述ET五域模型的结构化数据存储模型，运用ET五域模型的结构化数据存储模型的逻辑算法设计数据库接口或数据信息交换规则或数据信息转制规则，进而设计数据信息交换服务的网络。
4.如权利要求1所述ET五域模型的点阵结构，运用ET五域模型的点阵结构设计PN结排布逻辑，进而进行物理存储介质的制造工艺开发设计。
5.如权利要求1所述ETQHID识别方法，运用ETQHID识别方法对事物实现唯一性识别的方法。
6.如权利要求1所述的通过WE1轴、NS1轴、Tg'A轴和PgA_No对其三维坐标化度量；通过WE2轴、NS2轴、Tm'A轴和PgA_No对其三维坐标化度量；通过WE3轴、NS3轴、Tp'A轴和PgA_No对其三维坐标化度量；通过WE4轴、NS4轴、Tpr'A轴和PgA_No对其三维坐标化度量；通过WE5轴、NS5轴、Ts'A轴和PgA_No对其三维坐标化度量；前述的WE1轴、NS1轴、WE2轴、NS2轴、WE3轴、NS3轴、WE4轴、NS4轴、WE5轴、NS5轴各坐标轴，包括长度坐标轴。
7.如权利要求1所述的通过WE1轴、NS1轴、Tg'A轴和PgA_No对其三维坐标化度量；通过WE2轴、NS2轴、Tm'A轴和PgA_No对其三维坐标化度量；通过WE3轴、NS3轴、Tp'A轴和PgA_No对其三维坐标化度量；通过WE4轴、NS4轴、Tpr'A轴和PgA_No对其三维坐标化度量；通过WE5轴、NS5轴、Ts'A轴和PgA_No对其三维坐标化度量；前述的五处“对其三维坐标化度量”，包括一处或多处的缺省值度量、对五处原参量的交错使用进行的度量。”
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
审查文本的认定
复审请求人于2019年03月14日提交了权利要求书的全文修改替换页，经审查，所作修改符合专利法实施细则第61条第1款的规定。本复审请求审查决定所针对的审查文本为：申请日2015年11月30日提交的摘要附图、说明书附图第1-37页；2016年03月10日提交的说明书摘要；2016年04月01日提交的说明书第1-25页；2019年03月14日提交的权利要求第1-7项。
关于专利法第33条
专利法第33条规定：申请人可以对其专利申请文件进行修改，但是，对发明和实用新型专利申请文件的修改不得超出原说明书和权利要求书记载的范围，对外观设计专利申请文件的修改不得超出原图片或者照片表示的范围。
若权利要求中包含的修改后的技术特征既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，则该修改超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1-7的修改不符合专利法第33条的规定，具体理由如下：
①权利要求1中修改后的特征“步骤1”到“步骤12：以点O为原点，作OA射线、OC射线，标记OA射线为X轴、标记OC射线为Y轴、标记上述步骤11的射线OF为Z轴，构建时域空间三维直角坐标系O（X-Y-Z）”，及“步骤13”到“步骤18：删除上述步骤2至步骤17所作平行线、射线的余线，将上述步骤2至步骤17所得三维图形定义为数据模型的概念简图”，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且即使依据原说明书附图2也无法直接得到该图具体的对应于上述修改后的作图步骤，更不能直接地、毫无疑义地确定其一定是以上述修改后的内容来得到该图的，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中记载的“步骤20：在前述步骤18所述数据模型的概念简图的三维图形中，在二维平面OAC内，以O为起点、作矢量轴线OA标记为WE1；以O为起点、作矢量轴线OC标记为NS1”，“步骤21：在上述步骤所得三维图形中，在二维平面OAC内，以O为起点、作矢量轴线OA标记为WE2；以O为起点、作矢量轴线OB标记为NS2”，“步骤22：在上述步骤所得三维图形中，在二维平面DEF内，以D为起点、作矢量轴线DF标记为NS3；以D为起点、作矢量轴线DE标记为WE3”，“步骤23：在上述步骤所得三维图形中，在二维平面HIJ内，以H为起点、作矢量轴线HJ标记为NS4；以H为起点、作矢量轴线HI标记为WE4”，“步骤24：在上述步骤所得三维图形中，在二维平面OKL内，以O为起点、作矢量轴线OK标记为WE5；以O为起点、作矢量轴线OL标记为NS5”，“步骤25：在上述步骤所得三维图形的二维平面OAC内，以C为起点、作矢量轴线CA标记为Tg'A”，“步骤26：在上述步骤所得三维图形的二维平面OAB内，以B为起点、作矢量轴线BA标记为Tm'A”，“步骤27：在上述步骤所得三维图形的二维平面DEF内，以F为起点、作矢量轴线FE标记为Tp'A”，“步骤28：在上述步骤所得三维图形的二维平面HIJ内，以J为起点、作矢量轴线JI标记为Tpr'A”，“步骤29：在上述步骤所得三维图形的二维平面OLK内，以L为起点、作矢量轴线LK标记为Ts'A”，“步骤30：在上述步骤所得三维图形中，过C点作平行于Z轴、方向为Z轴负方向的矢量轴线，标记为TgA矢量轴线”，“步骤31：在上述步骤所得三维图形中，过B点作平行于Z轴、方向为Z轴负方向的矢量轴线，标记为TmA矢量轴线”，“步骤32：在上述步骤所得三维图形中，过C点作平行于Z轴、方向为Z轴正方向的矢量轴线，标记为TpA矢量轴线”，“步骤33：在上述步骤所得三维图形中，过B点作平行于Z轴、方向为Z轴正方向的矢量轴线，标记为TprA矢量轴线”，“步骤34：在上述步骤所得三维图形中，过O点作平行于Z轴、方向为Z轴负方向的矢量轴线，标记为TsA矢量轴线”，“步骤35”到“步骤36：将上述步骤20至35所得的三维图形蕴藏其顶点标注A、B、C、D、E、F、G、H、I、J、K、L、A'、B'、C'、G'、L'、K'、O'、O''、O'''，并蕴藏相应的尺寸标注，得到数据模型的逻辑简图”，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且即使依据原说明书附图2也无法直接得到该图具体的对应于上述修改后的作图步骤，更不能直接地、毫无疑义地确定其一定是以上述修改后的内容来得到该图的，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中记载的“步骤38”到“步骤42：将上述步骤39、步骤40所述矢量箭头PgA_No”，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且即使依据原说明书附图11也无法直接得到该图具体的对应于上述修改后的作图步骤，更不能直接地、毫无疑义地确定其一定是以上述修改后的内容来得到该图的，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中记载的“步骤43”到“得到点阵Rh1（X WE1，YNS1，ZTg'A0）|CPgA_No，将该点阵Rh1定义为商品信息受主，英译为：Receive Host1”，“步骤44”到“得到点阵Ih2（X WE2，YNS2，ZTm'A0）|CPgA_No，将该点阵Ih2定义为评价主体信息施主，简写为Ih2”，“步骤45”到“将Ea21定义为商品感知评价轴，简写为Ea21”，“步骤46”到“步骤55：以步骤45同理类推；在上述步骤所得三维图形中，以点阵Ih2为起点、点阵Rh4为终点在数据模型内作矢量箭头，标记该矢量箭头为Ea24|C Tm'A0|C Tpr'A0|CPgA_No”，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且即使依据原说明书附图11也无法直接得到该图具体的对应于上述修改后的作图步骤，更不能直接地、毫无疑义地确定其一定是以上述修改后的内容来得到该图的，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中修改后的特征有“信息受主：处于数据模型中的一个点阵，该点阵确定了一个评价对象、及其所处的地理位置、时间和颜色”，而在说明书第0045段中，仅记载了“信息受主符号，处于ET五域模型系统中的某一个点，该点确定了一个评价对象、及其所处的地理位置和时间”，并且附图11中也无法获得点阵及颜色，可见，从原权利要求书及说明书文字记载的内容及附图11中都无法直接地、毫无疑义地确定信息受主为点阵，并且还确定了评价对象的颜色。因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中记载的“步骤56”到“步骤58：以步骤57同理类推；在上述步骤所得三维图形中，在三角形平面BOL取任意一点作识别码，标示为TagIh4或TagRh4，（其中：4代表该点处于步骤10所标记为“4”的三角形平面BOL中)，通过ETpr'A值（E代表任意一常量）、Tpr'A轴和PgA序列CPgA对其三维坐标化度量，得到识别码点阵TagIh4（ETs'A0，ZTpr'A0）|CPgA_No或TagRh4（ETs'A0，ZTpr'A0）|CPgA_No”，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且即使依据原说明书附图10-11也无法直接得到这些图具体的对应于上述修改后的作图步骤，更不能直接地、毫无疑义地确定其一定是以上述修改后的内容来得到这些图的，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中记载的“步骤59”到“步骤65：对上述步骤59得到的平面点阵集1：1n∑Rh1 (X WE1,Y NS1，ZTg'A0）| CPgA_No_进行TgA轴正方向的数学积分处理，得到点阵集三维数据域，将该点阵集三维数据域定义为域1”，“0 ∞∫[1n∑Rh1 (XNS1,YWE1，ZTg'Ai) ]d(TgAi) |CPgA_m，（其中：n为任意正整数；i代表时间轴TgA上的任意一点；Tg'Ai = TgAi /(N*ξ) ，N属于正整数；“|CPgA_”代表PgA序列号控制符；m代表PgA索引列表中第m种感知基因轴；）---(技术要素20)”，“检核或检索采用的计算方式表达为：TgAβTgAα∫[1n∑Rh1 (XNS1,YWE1，ZTg'Ai) ]d(TgAi) |jk∑CPgA_mCloudq”到“m代表PgA索引列表中第m种感知基因轴；）---（技术要素22）”，“检核或检索采用的计算方式表达为：TmAβTmAα∫[1n∑Ih 2(XNS2,YWE2，ZTm'Ai)] d(TmAi) |jk∑CPgA_mCloudq”到“m代表PgA索引列表中第m种感知基因轴；）---（技术要素24）”，“检核或检索采用的计算方式为：Tp'AβTp'Aα∫[1n∑Rh3 (XNS3,YWE3，ZTp'Ai) ]d(TpAi) |jk∑CPgA_mCloudq”到“m代表PgA索引列表中第m种感知基因轴；）---（技术要素26）”，“检核或检索采用的计算方式为：Tpr'AβTpr'Aα∫[1n∑Rh4 (XNS4,YWE4，ZTpr'Ai) ]d(TprAi) |jk∑CPgA_mCloudq”到“m代表PgA索引列表中第m种感知基因轴；）---（技术要素28）”，“检核或检索采用的计算方式为：Ts'AβTs'Aα∫[1n∑Rh5 (XNS4,YWE4，ZTs'Ai) ]d(TsAi) |jk∑CPgA_mCloudq”到“m代表PgA索引列表中第m种感知基因轴；）---（技术要素30）”，“检核或检索采用的计算方式为：Ts'AβTs'Aα∫[1n∑TagIh5-1 (ETs'Ai，ZTs'Ai) ]d(TsAi) |jk∑∑CPgA_mCloudq或Ts'AβTs'Aα∫[1n∑TagRh5-1 (ETs'A，ZTs'Ai) ]d(TsAi) |jk∑CPgA_mCloudq”到“m代表PgA索引列表中第m种感知基因轴；）---（技术要素32）”，“检核或检索采用的计算方式为：Ts'AβTs'Aα∫[1n∑TagIh5-2 (ETs'Ai，ZTs'Ai) ]d(TsAi) |jk∑CPgA_mCloudq或Ts'AβTs'Aα∫[1n∑TagRh5-2 (ETs'A，ZTs'Ai) ]d(TsAi) |jk∑CPgA_mCloudq”到“步骤78：将上述各步骤中用到的标记词“泛体系域--用途子域” 重定义为泛体系域--用途子域；将上述步骤10用到的标记“5-2” 重定义为域5-2”，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且即使依据原说明书附图26-28也无法直接得到这些图具体的对应于上述修改后的作图步骤，更不能直接地、毫无疑义地确定其一定是以上述修改后的内容来得到这些图的，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中记载了“通常模型空间三维直角坐标系由原点OMDS、XMDS轴、YMDS轴、ZMDS轴构建，标识为：OMDS（XMDS-YMDS-ZMDS）”到“将EaCR定义为因果溯主轴，英译为Cause and Result ET Axis，---（阵列规则1）”，“步骤85”到“英译为Partner Gene ET Axis（也称为感知溯主轴，英译为Partner ET Axis；或称为感知协同轴）；---（阵列规则2）”，“步骤88”到“将EaAR定义为协同溯主轴，英译为Assistant ET Axis；---（阵列规则3）”，“步骤91”到“英译为Space Linking ET Axis；---（阵列规则4）”，“例如：泛体系域5-1五域协同轴”到“步骤97：上述步骤96所述的一种产品基因轴平面姿态对质量感知实物载体的唯一性识别，指通过产品基因轴平面的识别码及其特性元角度定义质量宿主”，步骤99所限定的执行步骤，“将前述步骤83所述的ModelCMCP_OcR|CPgA_m模型”到“则将第ni个质量特性渲染为角度为θi的产品基因轴平面”，“步骤102”到步骤108所限定的执行步骤的结尾，“前述取Z轴方向偏离的角度，指对产品基因轴平面执行RotatePANEL|PointO| LineOB| FloorO-X-Z|ETPAngle_μ的规制化旋转”，“所述的评价类评价轴，评价主体依据评判标准的符合程度对事物做出的量化感知数值”到步骤113所限定的执行步骤的结尾，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且即使依据原说明书附图8-10、21-28也无法直接得到这些图具体的对应于上述修改后的作图步骤，更不能直接地、毫无疑义地确定其一定是以上述修改后的内容来得到这些图的，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中记载的“步骤114”到“令Layer21PgASpec_No1=商品总体评价（其中Layer21代表PgA序列号为“PgASpec_No1”的商品域微分平面）”，“上述的商品域评价，指评价主体已经对产品达成交易并支付完货款之后的产品”到步骤116所限定的执行步骤的结尾，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且即使依据原说明书附图18也无法直接得到该图具体的对应于上述修改后的作图步骤，更不能直接地、毫无疑义地确定其一定是以上述修改后的内容来得到该图的，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中记载的“步骤117：上述步骤114所述过程域微分平面着色渲染规则，指：令Layer24PgASpec_No1=人”，“分别令PgASpec_No2=机、PgASpec_No3=料、PgASpec_No4=法、PgASpec_No5=环、PgASpec_No6=测、PgASpec_No7=协同关系，其过程域微分平面着色渲染规则与前述PgASpec_No1=人同理类推”，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且即使依据原说明书附图19也无法直接得到该图具体的对应于上述修改后的作图步骤，更不能直接地、毫无疑义地确定其一定是以上述修改后的内容来得到该图的，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中记载的“步骤118：上述步骤114所述泛体系域微分平面着色渲染规则，指：令Layer25PgASpec_No1=COP1合同履约率”，“分别令PgASpec_No3=COP3项目完成及时率、PgASpec_No4=COP4项目转化率、PgASpec_No5=COP5月生产计划达标率”到“步骤119：上述步骤111所述的数据模型的垂直姿态角度μ的姿态化展示，指通过数据模型的垂直姿态角度μ”，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且即使依据原说明书附图20也无法直接得到该图具体的对应于上述修改后的作图步骤，更不能直接地、毫无疑义地确定其一定是以上述修改后的内容来得到该图的，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
权利要求1中记载的“前述0t∫criQ.dem.g d(t)，指：与前述步骤83所述的因果溯主轴R模型ModelCMCP_OcR|CPgA_m执行前述步骤110”到步骤122，“前述步骤122所述的感知频度，是前述步骤101所述模型轴向震颤系数ETQF（θ角）的函数，函数表达式为：per.fre= f1 (θ)”到“‘|CTx’代表该等式是处于时间点Tx的平衡等式）”，步骤131到步骤133，“前述步骤97所述的对质量感知实物载体的唯一性识别方法（即质量宿主），定义为ETQHID识别方法”，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且依据说明书附图也无法得到上述步骤，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
②权利要求2-7的附加特征，这些内容在原说明书及权利要求书中都没有文字记载，并且也无法依据原说明书及权利要求书文字记载的内容直接地、毫无疑义地得到，且依据说明书附图也无法得到这些内容，因此，上述修改后的内容既未在原说明书和权利要求书有文字记载，也不能根据其文字记载的内容以及说明书附图直接地、毫无疑义地确定，因而超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
关于专利法第26条第4款
专利法第26条第4款规定：权利要求书应当以说明书为依据，清楚、简要地限定要求专利保护的范围。
若权利要求中使用了括号且由于括号的使用导致同一权利要求存在不同的保护范围，则权利要求保护范围不清楚，不符合专利法第26条第4款的规定。
权利要求1中多处出现了括号，如权利要求1中记载的“产品基因轴是数据模型的核心线，是数据模型数据采集技术特征（“单一质量特性采集模式”）的核心体现”，“信息施主：在数据模型中定义的一个点阵，当某一客观存在的对象（包括：人、事和物）”，“上述泛体系域-性能子域，其使用方法1：通过引入识别码，采集、存储、记录产品功能特性、设计指标和信息受主，更多地从制造者（价值提供者）的角度考虑”，“上述泛体系域-用途子域，其使用方法1：通过引入识别码，采集、存储、记录产品功能特性、设计指标和信息受主，更多地从消费者（价值使用者）的角度考虑”等，上述括号的使用导致上述权利要求存在不同的保护范围，使得权利要求保护范围不清楚，不符合专利法第26条第4款的规定。
4、关于复审请求人在答复复审通知书时提交的意见陈述，合议组认为：
对于申请文件的修改不得超出原说明书和权利要求书记载的范围，原说明书和权利要求书记载的范围包括原说明书和权利要求书文字记载的内容和根据原说明书和权利要求书文字记载的内容以及说明书附图能直接地、毫无疑义地确定的内容，而可以依据现有技术按照常规的手段来画出附图并不意味着这些常规的手段就是属于可以从本申请原说明书和权利要求书记载的范围中唯一得到的内容，本领域技术人员根据本申请原说明书和权利要求书文字记载的内容以及说明书附图并不能直接地、毫无疑义地确定其一定是按照本次修改后的方法来获得附图的，因此，参见前述第2条意见，本申请权利要求的前述修改不符合专利法第33条的规定。
综上，合议组对于复审请求人的意见陈述不予支持。
三、决定
维持国家知识产权局于2017年11月03日对本申请作出的驳回决定。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本决定之日起三个月内向北京知识产权法院起诉。


郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：

相关文章阅读

留言与评论（共有 0 条评论）
   
验证码：