JP2020009407A - 欠陥率を分析するシステム - Google Patents
欠陥率を分析するシステム Download PDFInfo
- Publication number
- JP2020009407A JP2020009407A JP2019042253A JP2019042253A JP2020009407A JP 2020009407 A JP2020009407 A JP 2020009407A JP 2019042253 A JP2019042253 A JP 2019042253A JP 2019042253 A JP2019042253 A JP 2019042253A JP 2020009407 A JP2020009407 A JP 2020009407A
- Authority
- JP
- Japan
- Prior art keywords
- group
- defect rate
- defect
- data
- feature
- 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.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 213
- 238000000034 method Methods 0.000 claims abstract description 245
- 230000008569 process Effects 0.000 claims abstract description 223
- 238000004519 manufacturing process Methods 0.000 claims abstract description 76
- 230000009467 reduction Effects 0.000 claims description 61
- 230000001186 cumulative effect Effects 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 description 47
- 238000012360 testing method Methods 0.000 description 34
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 23
- 238000002360 preparation method Methods 0.000 description 19
- 238000013459 approach Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 12
- 230000001419 dependent effect Effects 0.000 description 11
- 230000002950 deficient Effects 0.000 description 10
- 238000012372 quality testing Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000013145 classification model Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000000528 statistical test Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011143 downstream manufacturing Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32222—Fault, defect detection of origin of fault, defect of product
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
図3は、例示的実装形態による例示的欠陥率分析システム300を示す。例示的実装例は、プロセスが独立している順次製造ラインに沿ったプロセスを対象としている。例示的実装形態は、異なるソースから入力データを受信し、入力データは、プロセスデータ302、試験結果データ304、及びメタデータ306を含む。
b)統計の外れ値検出ルールに基づき、noutlierと表記される外れ値の数、を数えるためだけに有効なデータを使用する。
c)nmeaninglessとnoutlierとの合計が予め指定された閾値(例えば、全ユニット数の40%)より大きい場合、この列を分析から削除する。例えば、この列に含まれている重要なデータが十分にないことがある。
Gi,j,1={次の条件を満たすユニット:xi≦θi,j}
Gi,j,2={次の条件を満たすユニット:xi>θi,j}
^pi,j,1=(Gi,j,1における欠陥ユニットの数)/(Gi,j,1における総ユニット数)
^pi,j,2=(Gi,j,2における欠陥ユニットの数)/(Gi,j,2における総ユニット数)
P(より高い欠陥率−より低い欠陥率>~δi,j)=1−α
図6は、例示的実装形態による、依存プロセスを有する例示的欠陥率分析システム600を示す。依存プロセスを有する製造ラインのための第2の例示的実装形態では、欠陥率分析システム600は独立している製造ラインに沿ったプロセスに向けられる。例えば、後のプロセス(プロセス10)は、先のプロセス(プロセス1〜プロセス9)の影響を受けない。製造ラインに沿って影響が累積する状況がある。例示的実装形態では、欠陥率分析システムは独立していないプロセスを処理する。
Claims (18)
- 製造プロセスの各データ特徴に関連付けられたデータから、前記特徴に基づいて検出されたプロセス欠陥を示すデータ特徴と、前記プロセス欠陥の欠陥率を低減する特徴の推定された条件と、を決定し、前記推定された条件は第1のグループと第2のグループへの前記データを示し、
前記第1のグループと前記第2のグループとの間の欠陥の差に基づいて、欠陥率の低減を計算し、
目標欠陥率に対する目標信頼度レベルを満たす欠陥率の低減のために、前記推定された条件を各特徴に関連する製造プロセスに適用する、ことを含む方法。 - 請求項1に記載の方法であって、
前記データ特徴に基づいて検出されたプロセス欠陥を示す前記データ特徴を決定することは、関連プロセスを含む製造プロセスについて、前記関連プロセスに関連して検出されたプロセスの1つまたは複数の累積効果を除去することを含む、方法。 - 請求項2に記載の方法であって、
前記1つまたは複数の累積効果は、前記関連プロセスからの前記プロセスの1つまたは複数の予測反復に基づいて前記関連プロセスからのプロセスの影響を予測するように構成された回帰モデルから学習され、
1つまたは複数の累積効果を除去することは、回帰モデルからフィッティングデータを適用して、関連プロセスからのプロセスの1つまたは複数の累積効果を除去することを含む、方法。 - 請求項1に記載の方法であって、前記推定された条件の適用は、閾値より上にランク付けされる特徴について行われる、方法。
- 請求項1に記載の方法であって、前記目標信頼度レベルが、前記目標欠陥率の再現率を示す統計的信頼度である、方法。
- 請求項1に記載の方法であって、
前記第1のグループと前記第2のグループとの間の欠陥の差に基づいて前記欠陥率の前記低減を計算することは、
前記第1のグループの真の未知の欠陥率が前記第2のグループの欠陥率を超える場合、前記欠陥率の低減の計算は、ロバスト推定値と前記第1のグループの総ユニット数との積と、前記第1のグループと前記第2のグループの総ユニット数の合計と、の比であり、
前記第1のグループの真の未知欠陥率が前記第2のグループのそれを超えない場合、前記欠陥率の低減の計算は、ロバスト推定値と前記第2のグループの総ユニット数との積と、前記第1のグループと前記第2のグループの総ユニットの合計と、の比である、方法。 - メモリと、
処理装置と、を含み、
前記処理装置は、
製造プロセスの各データ特徴に関連付けられたデータから、前記特徴に基づいて検出されたプロセス欠陥を示すデータ特徴と、前記プロセス欠陥の欠陥率を低減する特徴の推定された条件と、を決定し、前記推定された条件は第1のグループと第2のグループへの前記データを示し、
前記第1のグループと前記第2のグループとの間の欠陥の差に基づいて、欠陥率の低減を計算し、
目標欠陥率に対する目標信頼度レベルを満たす欠陥率の低減のために、前記推定された条件を各特徴に関連する製造プロセスに適用する、システム。 - 請求項7に記載のシステムであって、
前記処理装置は、前記データ特徴に基づいて検出されたプロセス欠陥を示す前記データ特徴を決定することは、関連プロセスを含む製造プロセスについて、前記関連プロセスに関連して検出されたプロセスの1つまたは複数の累積効果を除去する、システム。 - 請求項8に記載のシステムであって、
前記1つまたは複数の累積効果は、前記関連プロセスからの前記プロセスの1つまたは複数の予測反復に基づいて前記関連プロセスからのプロセスの影響を予測するように構成された回帰モデルから学習され、
1つまたは複数の累積効果を除去することは、回帰モデルからフィッティングデータを適用して、関連プロセスからのプロセスの1つまたは複数の累積効果を除去することを含む、システム。 - 請求項7に記載のシステムであって、
前記推定された条件の適用が、閾値より上にランク付けされた特徴について行われる、請求項7に記載のシステム。 - 請求項7に記載のシステムであって、前記目標信頼度レベルが、前記目標欠陥率の再現率を示す統計的信頼度である、システム。
- 請求項7に記載のシステムであって、
前記第1のグループと前記第2のグループとの間の欠陥の差に基づいて前記欠陥率の前記低減を計算することは、
前記第1のグループの真の未知の欠陥率が前記第2のグループの欠陥率を超える場合、前記欠陥率の低減の計算は、ロバスト推定値と前記第1のグループの総ユニット数との積と、前記第1のグループと前記第2のグループの総ユニット数の合計と、の比であり、
前記第1のグループの真の未知欠陥率が前記第2のグループのそれを超えない場合、前記欠陥率の低減の計算は、ロバスト推定値と前記第2のグループの総ユニット数との積と、前記第1のグループと前記第2のグループの総ユニットの合計と、の比である、システム。 - 計算機システムに処理を実行させるプログラムであって、前記処理は、
製造プロセスの各データ特徴に関連付けられたデータから、前記特徴に基づいて検出されたプロセス欠陥を示すデータ特徴と、前記プロセス欠陥の欠陥率を低減する特徴の推定された条件と、を決定し、前記推定された条件は第1のグループと第2のグループへの前記データを示し、
前記第1のグループと前記第2のグループとの間の欠陥の差に基づいて、欠陥率の低減を計算し、
目標欠陥率に対する目標信頼度レベルを満たす欠陥率の低減のために、前記推定された条件を各特徴に関連する製造プロセスに適用する、ことを含む、プログラム。 - 請求項13に記載のプログラムであって、前記データ特徴に基づいて検出されたプロセス欠陥を示す前記データ特徴を決定することは、関連プロセスを含む製造プロセスについて、前記関連プロセスに関連して検出されたプロセスの1つまたは複数の累積効果を除去することを含む、プログラム。
- 請求項14に記載のプログラムであって、
前記1つまたは複数の累積効果は、前記関連プロセスからの前記プロセスの1つまたは複数の予測反復に基づいて前記関連プロセスからのプロセスの影響を予測するように構成された回帰モデルから学習され、
1つまたは複数の累積効果を除去することは、回帰モデルからフィッティングデータを適用して、関連プロセスからのプロセスの1つまたは複数の累積効果を除去することを含む、プログラム。 - 請求項13に記載のプログラムであって、前記推定された条件の適用は、閾値より上にランク付けされる特徴について行われる、プログラム。
- 請求項13に記載のプログラムであって、前記目標信頼度レベルが、前記目標欠陥率の再現率を示す統計的信頼度である、プログラム。
- 請求項13に記載のプログラムであって、
前記第1のグループと前記第2のグループとの間の欠陥の差に基づいて前記欠陥率の前記低減を計算することは、
前記第1のグループの真の未知の欠陥率が前記第2のグループの欠陥率を超える場合、前記欠陥率の低減の計算は、ロバスト推定値と前記第1のグループの総ユニット数との積と、前記第1のグループと前記第2のグループの総ユニット数の合計と、の比であり、
前記第1のグループの真の未知欠陥率が前記第2のグループのそれを超えない場合、前記欠陥率の低減の計算は、ロバスト推定値と前記第2のグループの総ユニット数との積と、前記第1のグループと前記第2のグループの総ユニットの合計と、の比である、プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/025,865 US10579042B2 (en) | 2018-07-02 | 2018-07-02 | Defect rate analytics to reduce defectiveness in manufacturing |
US16/025,865 | 2018-07-02 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020009407A true JP2020009407A (ja) | 2020-01-16 |
JP6742460B2 JP6742460B2 (ja) | 2020-08-19 |
Family
ID=65529245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019042253A Active JP6742460B2 (ja) | 2018-07-02 | 2019-03-08 | 欠陥率を分析するシステム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10579042B2 (ja) |
EP (1) | EP3591604A1 (ja) |
JP (1) | JP6742460B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020179264A1 (ja) * | 2019-03-07 | 2020-09-10 | 東芝デジタルソリューションズ株式会社 | 協調型学習システム及び監視システム |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11861739B2 (en) * | 2018-10-18 | 2024-01-02 | The Regents Of The University Of Michigan | Programmable manufacturing advisor for smart production systems |
CN111127571B (zh) * | 2019-12-03 | 2023-12-29 | 歌尔股份有限公司 | 一种小样本缺陷分类方法和装置 |
TW202217354A (zh) * | 2020-08-07 | 2022-05-01 | 美商Pdf對策公司 | 測試結構與晶粒級回應的圖案增強的空間相關性 |
US20220076185A1 (en) * | 2020-09-09 | 2022-03-10 | PH Digital Ventures UK Limited | Providing improvement recommendations for preparing a product |
US20220026887A1 (en) * | 2021-07-07 | 2022-01-27 | Engel Austria Gmbh | Method for optimizing and/or operating a production process, a feedback method for a production process, and a production plant and computer program for performing the method |
CN114063582B (zh) * | 2021-11-16 | 2024-04-12 | 英特尔产品(成都)有限公司 | 用于监控产品测试过程的方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5509210B2 (ja) * | 2009-09-18 | 2014-06-04 | 株式会社東芝 | 故障率を算出する装置、システムおよび方法 |
US20130041709A1 (en) * | 2011-08-11 | 2013-02-14 | International Business Machines Corporation | Hybrid Analysis of Emerging Trends for Process Control |
US20140067302A1 (en) * | 2012-09-06 | 2014-03-06 | International Business Machines Corporation | Product reliability estimation |
US9535808B2 (en) | 2013-03-15 | 2017-01-03 | Mtelligence Corporation | System and methods for automated plant asset failure detection |
US20160189055A1 (en) | 2014-12-31 | 2016-06-30 | Applied Materials Israel Ltd. | Tuning of parameters for automatic classification |
US10223615B2 (en) | 2016-08-23 | 2019-03-05 | Dongfang Jingyuan Electron Limited | Learning based defect classification |
-
2018
- 2018-07-02 US US16/025,865 patent/US10579042B2/en active Active
-
2019
- 2019-02-12 EP EP19156586.0A patent/EP3591604A1/en not_active Ceased
- 2019-03-08 JP JP2019042253A patent/JP6742460B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020179264A1 (ja) * | 2019-03-07 | 2020-09-10 | 東芝デジタルソリューションズ株式会社 | 協調型学習システム及び監視システム |
JP2020144640A (ja) * | 2019-03-07 | 2020-09-10 | 東芝デジタルソリューションズ株式会社 | 協調型学習システム及び監視システム |
Also Published As
Publication number | Publication date |
---|---|
US10579042B2 (en) | 2020-03-03 |
EP3591604A1 (en) | 2020-01-08 |
JP6742460B2 (ja) | 2020-08-19 |
US20200004219A1 (en) | 2020-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6742460B2 (ja) | 欠陥率を分析するシステム | |
US10740692B2 (en) | Machine-learning and deep-learning techniques for predictive ticketing in information technology systems | |
JP6896069B2 (ja) | k近傍およびロジスティック回帰アプローチを用いた時系列異常検出、異常分類、ならびに遷移分析 | |
KR102564629B1 (ko) | 공간 왜곡 유사도를 사용하는 툴 오류 분석 | |
US20180260726A1 (en) | Analysis apparatus, analysis method, and non-transitory computer readable medium | |
EP3444724B1 (en) | Method and system for health monitoring and fault signature identification | |
US11416325B2 (en) | Machine-learning and deep-learning techniques for predictive ticketing in information technology systems | |
JP6815480B2 (ja) | 時系列内の前兆部分列を発見する方法及びシステム | |
US11455203B2 (en) | Abnormality detection support device, abnormality detection support method, and program | |
JP2020052714A5 (ja) | ||
JPWO2016147657A1 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
JP6631540B2 (ja) | 情報処理システム、変化点検出方法、およびプログラム | |
CN115964211A (zh) | 一种根因定位方法、装置、设备和可读介质 | |
US20130080125A1 (en) | Continuous prediction of expected chip performance throuhout the production lifecycle | |
Li et al. | A robust supervised subspace learning approach for output-relevant prediction and detection against outliers | |
JP5532782B2 (ja) | トレーサビリティシステムおよび製造工程異常検出方法 | |
US20170286569A1 (en) | System and method of modeling irregularly sampled temporal data using kalman filters | |
JPWO2022024315A5 (ja) | ||
WO2023093431A1 (zh) | 一种模型训练方法、装置、设备、存储介质和程序产品 | |
JP6579163B2 (ja) | プロセスの状態診断方法及び状態診断装置 | |
CN113296990B (zh) | 时序数据的异常识别方法及装置 | |
US20210365189A1 (en) | Performance analysis apparatus and performance analysis method | |
JP6247777B2 (ja) | 異常診断装置および異常診断方法 | |
TWI824681B (zh) | 裝置管理系統、裝置的障礙原因推測方法以及非暫時性地記憶程式的記憶媒體 | |
JP2009134518A (ja) | 試験プログラムの検証方法及びその検証システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190308 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200225 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200421 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200714 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200728 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6742460 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |