JP2021060136A - 空気清浄システム - Google Patents
空気清浄システム Download PDFInfo
- Publication number
- JP2021060136A JP2021060136A JP2019183052A JP2019183052A JP2021060136A JP 2021060136 A JP2021060136 A JP 2021060136A JP 2019183052 A JP2019183052 A JP 2019183052A JP 2019183052 A JP2019183052 A JP 2019183052A JP 2021060136 A JP2021060136 A JP 2021060136A
- Authority
- JP
- Japan
- Prior art keywords
- cleanliness
- air
- status
- control
- dust generation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004140 cleaning Methods 0.000 title abstract description 11
- 230000003749 cleanliness Effects 0.000 claims abstract description 52
- 239000000428 dust Substances 0.000 claims abstract description 47
- 238000004887 air purification Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000004378 air conditioning Methods 0.000 abstract description 3
- 239000002245 particle Substances 0.000 description 16
- 230000006399 behavior Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Images
Landscapes
- Ventilation (AREA)
- Image Analysis (AREA)
- Central Air Conditioning (AREA)
- Air Conditioning Control Device (AREA)
Abstract
【課題】清浄度を適切に保ちながら、さらなる省エネルギーを実現することができる空気清浄システムを提供する。【解決手段】区画12内の空気を清浄化する空気清浄装置14と、空気清浄装置14を制御する制御手段16と、区画12内の発塵負荷状況を取得する発塵負荷取得手段18と、区画12内の清浄度の状況を取得する清浄度取得手段20と、発塵負荷状況と、清浄度の状況と、空気清浄装置14の運転状況とを入力データ、制御手段16による空気清浄装置14の制御値を教師データとする機械学習を行い、この学習結果から区画12内の清浄度を所定の状況に制御しながら、省エネルギー運転を行うための制御モデルを作成する学習手段22とを備え、制御手段16は、作成した制御モデルを使って、取得した発塵負荷状況と、清浄度の状況と、空気清浄装置14の運転状況とから、空気清浄装置14を制御する。【選択図】図1
Description
本発明は、区画内の空気を清浄化する空気清浄システムに関するものである。
従来、区画内の空気を清浄化する空気清浄システムが知られている。これに関して本特許出願人は、既に特許文献1において、パーティクルセンサと人感センサを用いてクリーン空調を図4に示すような4つのモードで制御するシステムを提案している。この特許文献1のシステムは、作業者のエリアへの侵入検知をトリガーにしてファンフィルターユニット(以下、FFUということがある。)を制御する。具体的には、作業者から生じる発塵に対して送風量を増加させるようにFFUを制御して清浄度を適切に維持し、逆に発塵源となる作業者が少ない場合にはFFUの送風量を絞り、省エネルギーを推進する。
一方、作業者やその作業行動は発塵を引き起こすため、その人数や行動量とクリーンルーム内の清浄度には相関関係があることが知られている(例えば、非特許文献1を参照)。
「クリーンルーム用衣服着衣者からの発塵量および発塵機構」、鈴木良延ほか、日本建築学会計画系論文報告集、Vol. 386, pp.43-53, 1988
ところで、クリーンルームには様々な形状、寸法、生産ラインや生産工程があり、また作業者に関しても、生産工程や製造品の種類、それに基づく運用ルールなどにより、その作業行動や無塵衣の性能、着用の仕方など、施設ごとに異なる要因が多いのも事実である。したがって、上記の相関関係の成立は多くのクリーンルームで推認されるが、あるクリーンルームに関して当てはまる相関関係とまったく同じものが、別のあるクリーンルームの空調制御にそのまま活かせるとは限らない。
上記の従来の特許文献1のシステムは、制御方法を暫定的に決めて建物に導入する必要があり、省エネルギーを狙った制御内容を組み込んだとしても、このような理由からより安全側の制御値を設定する必要があった。例えば、上記の特許文献1には、FFUのファン回転数を基本モードでは600〜800rpmで制御し、人感モードでは1000rpmで制御し、最大モードでは1200rpmで制御するというように暫定的な設定値で制御する例が示されている。また、x人の進入で人感モードに移行し、移行後はy秒、その回転数を維持するといった、制御に関わる様々なパラメータを暫定的に設定して導入する必要があり、どうしても必要以上に安全側で設定せねばならないという問題があった。
本発明は、上記に鑑みてなされたものであって、清浄度を適切に保ちながら、さらなる省エネルギーを実現することができる空気清浄システムを提供することを目的とする。
上記した課題を解決し、目的を達成するために、本発明に係る空気清浄システムは、区画内の空気を清浄化する空気清浄装置と、空気清浄装置を制御する制御手段と、区画内の発塵負荷状況を取得する発塵負荷取得手段と、区画内の清浄度の状況を取得する清浄度取得手段と、空気清浄装置の運転状況を取得する運転取得手段と、発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とを入力データ、制御手段による空気清浄装置の制御値を教師データとする機械学習を行い、この学習結果から区画内の清浄度を所定の状況に制御しながら、省エネルギー運転を行うための制御モデルを作成する学習手段とを備え、制御手段は、作成した制御モデルを使って、取得した発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とから、空気清浄装置を制御することを特徴とする。
また、本発明に係る他の空気清浄システムは、上述した発明において、発塵負荷取得手段は、区画内の画像を取得し、取得した画像から区画内の人の状況を取得する画像センサであることを特徴とする。
本発明に係る空気清浄システムによれば、区画内の空気を清浄化する空気清浄装置と、空気清浄装置を制御する制御手段と、区画内の発塵負荷状況を取得する発塵負荷取得手段と、区画内の清浄度の状況を取得する清浄度取得手段と、空気清浄装置の運転状況を取得する運転取得手段と、発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とを入力データ、制御手段による空気清浄装置の制御値を教師データとする機械学習を行い、この学習結果から区画内の清浄度を所定の状況に制御しながら、省エネルギー運転を行うための制御モデルを作成する学習手段とを備え、制御手段は、作成した制御モデルを使って、取得した発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とから、空気清浄装置を制御するので、清浄度を適切に保ちながら、さらなる省エネルギーを実現することができるという効果を奏する。
また、本発明に係る他の空気清浄システムによれば、発塵負荷取得手段は、区画内の画像を取得し、取得した画像から区画内の人の状況を取得する画像センサであるので、発塵源となることの多い人の状況を容易に取得することができるという効果を奏する。
以下に、本発明に係る空気清浄システムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。
図1に示すように、本発明に係る空気清浄システム10は、区画12の空気を清浄化するシステムであり、空気清浄装置14と、制御手段16と、画像センサ18と、パーティクルセンサ20と、学習手段22とを備える。
区画12は、クリーンルーム(以下、CRということがある。)の全体またはその一部である。区画12は他の区画とパーテーションやカーテンで仕切られていてもよいし、条件によっては特に仕切がなくてもよい。区画12には、図示しない半導体や精密機器の生産装置が設けられており、空気が清浄化された環境が必要となっている。
空気清浄装置14は、区画12内の天面のやや下方に配置されており、上部に設けられたファンと、下部に設けられたHEPA(High Efficiency Particulate Air)とを有する出力可変型のFFUである。空気清浄装置14は、回転数可変駆動式のファンにより上方から吸い込んだ空気をHEPAで清浄化して下方に向けて吹き出す。空気清浄装置14は制御手段16の作用下に状況に応じてファンの回転数を制御し出力調整ができる。
制御手段16は、空気清浄装置14を制御するものである。具体的には、制御手段16は図示しないインバータに制御値を送信することによって、空気清浄装置14内に備わるファンの回転数制御および風量制御を行う。制御手段16が空気清浄装置14に対して行う制御とは広義であって定速運転、変速運転および停止を含む。停止とは電源オンのままファンの風量を0にする場合と、電源オフの場合とを含む。この制御手段16は学習手段22に接続されており、学習手段22を介して画像センサ18、パーティクルセンサ20などからの各種信号の供給を受ける。また、この制御手段16は、学習手段22が作成した制御モデルを使って、取得した発塵負荷状況、清浄度の状況、空気清浄装置14の運転状態から制御値を設定し、設定した制御値で空気清浄装置14の運転を制御する。制御手段16は、例えばFEMS(Factory Energy Management System)などの中央処理装置で構成することができる。
画像センサ18は、区画12内の所定の監視領域の発塵負荷状況を取得する発塵負荷取得手段である。この画像センサ18は、例えば、対応する監視領域に人間が存在するか否かを動画像や静止画像などを用いて検出するカメラなどで構成することができる。画像センサ18は領域に存在する人間の人数を検出することも可能である。また、画像センサ18は人間の人数だけでなく動作(作業行動など)を容易に検出することができるとともに、その動作の種類や頻度に基づいて作業種別を判断することができる。検知可能な動作には歩行も含まれる。画像センサ18は学習手段22に接続されており、学習手段22に検出信号(発塵負荷状況)を供給する。
パーティクルセンサ20は、区画12内の清浄度の状況を取得する清浄度取得手段であり、空気清浄装置14の近傍に配置される。このパーティクルセンサ20は清浄度の状況として粒子濃度を検出する。粒子濃度が低い場合は空気の清浄度が高い。パーティクルセンサ20は学習手段22に接続されており、学習手段22に検出信号(清浄度の状況)を供給する。検出信号は学習のフィードバック値としても供給される。
学習手段22は、画像センサ18からの検出信号(発塵負荷状況)と、パーティクルセンサ20からの検出信号(清浄度の状況)と、空気清浄装置14の運転状況とを入力データ、制御手段16による空気清浄装置14の制御値を教師データとする機械学習を行い、この学習結果から区画12内の清浄度を所定の状況に制御しながら、空気清浄装置14に関して省エネルギー運転を行うための制御モデルを作成するものである。制御モデルによって、各状況取得時における空気清浄装置14の最適な制御方法を予測することができる。なお、この学習手段22は、空気清浄装置14内に備わるファンの回転数信号を受信することによって空気清浄装置14の運転状況を取得する機能(運転取得手段)を有している。学習手段22で作成した制御モデルは、制御手段16による制御値の設定に利用される。
上記構成の動作および作用について説明する。
制御手段16で空気清浄装置14を運転すると、区画12内の空気が空気清浄装置14の上方から吸い込まれて清浄化されて下方に吹き出される。この際、画像センサ18で取得された人間の人数や動作などの発塵負荷状況を示す値、パーティクルセンサ20で取得された清浄度の状況を示す値、空気清浄装置14の運転状況(ファン回転数)を示す値がそれぞれ学習手段22に送られる。学習手段22は、これらの値を入力データ、制御手段16による空気清浄装置14の制御値を教師データとする機械学習を行い、上記の制御モデルを作成する。
制御手段16で空気清浄装置14を運転すると、区画12内の空気が空気清浄装置14の上方から吸い込まれて清浄化されて下方に吹き出される。この際、画像センサ18で取得された人間の人数や動作などの発塵負荷状況を示す値、パーティクルセンサ20で取得された清浄度の状況を示す値、空気清浄装置14の運転状況(ファン回転数)を示す値がそれぞれ学習手段22に送られる。学習手段22は、これらの値を入力データ、制御手段16による空気清浄装置14の制御値を教師データとする機械学習を行い、上記の制御モデルを作成する。
制御手段16は、学習手段22が作成した制御モデルを使って、学習手段22を介して取得した発塵負荷状況、清浄度の状況、空気清浄装置14の運転状況から、空気清浄装置14を制御するための制御値を設定する。そして、設定した制御値を空気清浄装置14に送信することでその運転状況を制御する。学習を繰り返すことで、区画12内の清浄度を所定の状況に制御しながら、空気清浄装置14に関して省エネルギー運転を行うことが可能となる。
従来は、制御方法を暫定的に決めて建物に導入する必要があり、省エネルギーを狙った制御を組み込んだとしても、より安全側の制御値を設定する必要があった。これに対し、本実施の形態によれば、CRごとに、または同じCRでもエリアごとに適切な制御モデルを作成することで、空気清浄装置14の最適な制御と、清浄度の維持が可能となる。これにより、清浄度を適切に保持しながら、空気清浄装置14の運転に関してさらなる省エネルギーを実現することができる。
上述したように、作業者とその作業行動による発塵の関連は以前より多くの報告例があり、例えば非特許文献1では、図2、3のような関係が報告されている。これによれば、ある程度のばらつきはみられるが、行動により発塵量が大きく異なり、また無塵衣の種類によっても異なることがわかる。これに鑑みれば、対象のCR、またはその特定エリアに対し、画像センサ18から作業者の人数や活動量の程度を取得し、その状態と空気清浄装置14の運転状況、パーティクルセンサ20やCFDなどから得られた室内の清浄度を入力データとして学習を進めることで、対象領域の清浄度を制御するために最適な制御値を得ることができる。
なお、上記の実施の形態においては、区画12で発塵源となることの多い作業者とその作業行動とし、それを取得した画像から作業者人数や行動を推定できる画像センサ18で構成する場合を例にとり説明したが、本発明の発塵負荷取得手段はこれに限るものではない。すなわち、発塵負荷との間に明確な関係を有するであろうと推認されるパラメータを取得できるものであれば特に制限はない。例えば、生産装置類の運転状況を取得する方法や区画12間の室圧やドアの開閉状況などを取得するものを発塵負荷取得手段として用いてもよい。このようにしても上記と同様の作用効果を奏することができる。
また、上記の実施の形態においては、パーティクルセンサ20によって局所的な清浄度を取得する場合を例にとり説明したが、本発明の清浄度取得手段はこれに限るものではない。例えば、パーティクルセンサに加えて数値流体解析(CFD)による結果などと組み合わせることによって面的な清浄度の分布を取得するものでもよい。また、それらを組み合わせることや、パーティクルセンサによる取得値をCFDの境界条件として使用してより確からしい広範囲の値を取得してもよい。そして、対象の区画12、またはその特定エリアに対し、画像センサ18から作業者の人数や活動量の程度を取得し、その状態と空気清浄装置14の運転状況、パーティクルセンサ20やCFDから得られた清浄度を入力データとして学習手段22により学習を進めてもよい。このようにすれば、対象領域の清浄度を制御するために最適な運転方法を取得することができ、清浄度を適切に保ちながら、さらなる省エネルギーを実現することができる。
以上説明したように、本発明に係る空気清浄システムによれば、区画内の空気を清浄化する空気清浄装置と、空気清浄装置を制御する制御手段と、区画内の発塵負荷状況を取得する発塵負荷取得手段と、区画内の清浄度の状況を取得する清浄度取得手段と、空気清浄装置の運転状況を取得する運転取得手段と、発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とを入力データ、制御手段による空気清浄装置の制御値を教師データとする機械学習を行い、この学習結果から区画内の清浄度を所定の状況に制御しながら、省エネルギー運転を行うための制御モデルを作成する学習手段とを備え、制御手段は、作成した制御モデルを使って、取得した発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とから、空気清浄装置を制御するので、清浄度を適切に保ちながら、さらなる省エネルギーを実現することができる。
また、本発明に係る他の空気清浄システムによれば、発塵負荷取得手段は、区画内の画像を取得し、取得した画像から区画内の人の状況を取得する画像センサであるので、発塵源となることの多い人の状況を容易に取得することができる。
以上のように、本発明に係る空気清浄システムは、区画内の空気を清浄化する空気清浄システムに有用であり、特に、清浄度を適切に保ちながら、省エネルギーを実現するのに適している。
10 空気清浄システム
12 区画
14 空気清浄装置
16 制御手段
18 画像センサ(発塵負荷取得手段)
20 パーティクルセンサ(清浄度取得手段)
22 学習手段
12 区画
14 空気清浄装置
16 制御手段
18 画像センサ(発塵負荷取得手段)
20 パーティクルセンサ(清浄度取得手段)
22 学習手段
Claims (2)
- 区画内の空気を清浄化する空気清浄装置と、
空気清浄装置を制御する制御手段と、
区画内の発塵負荷状況を取得する発塵負荷取得手段と、
区画内の清浄度の状況を取得する清浄度取得手段と、
空気清浄装置の運転状況を取得する運転取得手段と、
発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とを入力データ、制御手段による空気清浄装置の制御値を教師データとする機械学習を行い、この学習結果から区画内の清浄度を所定の状況に制御しながら、省エネルギー運転を行うための制御モデルを作成する学習手段とを備え、
制御手段は、作成した制御モデルを使って、取得した発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とから、空気清浄装置を制御することを特徴とする空気清浄システム。 - 発塵負荷取得手段は、区画内の画像を取得し、取得した画像から区画内の人の状況を取得する画像センサであることを特徴とする請求項1に記載の空気清浄システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019183052A JP2021060136A (ja) | 2019-10-03 | 2019-10-03 | 空気清浄システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019183052A JP2021060136A (ja) | 2019-10-03 | 2019-10-03 | 空気清浄システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021060136A true JP2021060136A (ja) | 2021-04-15 |
Family
ID=75379897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019183052A Pending JP2021060136A (ja) | 2019-10-03 | 2019-10-03 | 空気清浄システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021060136A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220164976A (ko) * | 2021-06-07 | 2022-12-14 | 충북대학교 산학협력단 | 머신러닝 기반 클린룸 관리 시스템 및 방법 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001266271A (ja) * | 2000-03-17 | 2001-09-28 | Nkk Corp | 発塵・発煙の自動検出方法 |
JP2009030837A (ja) * | 2007-07-25 | 2009-02-12 | Toppan Printing Co Ltd | 画像処理を用いたクリーンルーム送風量制御システム |
JP2015197267A (ja) * | 2014-04-02 | 2015-11-09 | 清水建設株式会社 | 清浄化空調システム |
JP2016064305A (ja) * | 2013-10-29 | 2016-04-28 | 石橋 晃 | 睡眠時無意識体動情報活用システム及び方法並びに就寝状況検知システム及び方法 |
JP2017138074A (ja) * | 2016-02-05 | 2017-08-10 | 三菱電機株式会社 | 空気調和システム |
US20180119973A1 (en) * | 2016-10-28 | 2018-05-03 | FutureAir, Inc. | Apparatus, systems and methods for smart air signature detection and management based on internet-of-things technology |
-
2019
- 2019-10-03 JP JP2019183052A patent/JP2021060136A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001266271A (ja) * | 2000-03-17 | 2001-09-28 | Nkk Corp | 発塵・発煙の自動検出方法 |
JP2009030837A (ja) * | 2007-07-25 | 2009-02-12 | Toppan Printing Co Ltd | 画像処理を用いたクリーンルーム送風量制御システム |
JP2016064305A (ja) * | 2013-10-29 | 2016-04-28 | 石橋 晃 | 睡眠時無意識体動情報活用システム及び方法並びに就寝状況検知システム及び方法 |
JP2015197267A (ja) * | 2014-04-02 | 2015-11-09 | 清水建設株式会社 | 清浄化空調システム |
JP2017138074A (ja) * | 2016-02-05 | 2017-08-10 | 三菱電機株式会社 | 空気調和システム |
US20180119973A1 (en) * | 2016-10-28 | 2018-05-03 | FutureAir, Inc. | Apparatus, systems and methods for smart air signature detection and management based on internet-of-things technology |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220164976A (ko) * | 2021-06-07 | 2022-12-14 | 충북대학교 산학협력단 | 머신러닝 기반 클린룸 관리 시스템 및 방법 |
KR102494420B1 (ko) * | 2021-06-07 | 2023-02-06 | 충북대학교 산학협력단 | 머신러닝 기반 클린룸 관리 시스템 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ATE421073T1 (de) | Steuerverfahren und vorrichtung für eine klimaanlage unter verwendung von bewohnerrückkopplung | |
WO2019172736A3 (ko) | 필터의 교체시기 판단 방법 및 필터의 교체시기를 판단하는 공기 조화기 | |
JP2018126798A5 (ja) | ||
DE502005009850D1 (de) | Verfahren und Vorrichtung zum Steuern von Handhabungsgeräten | |
TWI708631B (zh) | 集塵機的控制系統及控制方法 | |
CN109716036A (zh) | 换气系统 | |
ATE391251T1 (de) | Adaptives schwingungsmanagementsystem für eine arbeitsmaschine und anwendungsmethode | |
JP2021060136A (ja) | 空気清浄システム | |
TW201309980A (zh) | 空氣之品質調整控制方法、換氣風量控制方法及換氣風量控制系統 | |
JP2013228160A (ja) | 電力制御システム | |
CN111650892B (zh) | 管理装置以及管理系统 | |
WO2017041594A1 (zh) | 一种机器人运行状态切换方法和系统 | |
Kosari et al. | Control and tension estimation of a cable driven mechanism under different tensions | |
Vaughan et al. | Predictive graphical user interface elements to improve crane operator performance | |
US20130190933A1 (en) | Energy efficient air flow control | |
WO2020226426A3 (en) | Mobile robot and control method of mobile robots | |
JP2015197267A (ja) | 清浄化空調システム | |
Erler et al. | Experimental comparison of nonlinear motion control methods for a variable stiffness actuator | |
RU2016132379A (ru) | Способ управления работой упаковочной машины и упаковочная машина | |
KR20180133064A (ko) | Iot 기반 지능형 감염 관리 시스템 | |
JP2019128128A (ja) | 空気清浄システム | |
JP2024059005A (ja) | 空気清浄システム | |
CN106991489A (zh) | 管理系统 | |
CN105278531A (zh) | 室内清洁方法及装置 | |
CN107077116A (zh) | 自动控制装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220830 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230628 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231226 |