JP2023504658A - 集積回路チップにおいて観察された異常の原因識別 - Google Patents
集積回路チップにおいて観察された異常の原因識別 Download PDFInfo
- Publication number
- JP2023504658A JP2023504658A JP2022533133A JP2022533133A JP2023504658A JP 2023504658 A JP2023504658 A JP 2023504658A JP 2022533133 A JP2022533133 A JP 2022533133A JP 2022533133 A JP2022533133 A JP 2022533133A JP 2023504658 A JP2023504658 A JP 2023504658A
- Authority
- JP
- Japan
- Prior art keywords
- window
- feature
- windows
- measured
- anomalous
- 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
- 230000002547 anomalous effect Effects 0.000 claims abstract description 142
- 238000009826 distribution Methods 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000012544 monitoring process Methods 0.000 claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 230000000694 effects Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000005441 aurora Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/348—Circuit details, i.e. tracer hardware
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/317—Testing of digital circuits
- G01R31/3181—Functional testing
- G01R31/3185—Reconfiguring for testing, e.g. LSSD, partitioning
- G01R31/318505—Test of Modular systems, e.g. Wafers, MCM's
- G01R31/318513—Test of Multi-Chip-Moduls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/349—Performance evaluation by tracing or monitoring for interfaces, buses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3013—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is an embedded system, i.e. a combination of hardware and software dedicated to perform a certain function in mobile devices, printers, automotive or aircraft systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Debugging And Monitoring (AREA)
- Image Analysis (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
Description
第1の態様によれば、
集積回路(IC)チップ上のシステム回路から測定された異常特徴の原因を識別する方法が提供され、このICチップは、システム回路と、一連の窓の各窓内でシステム回路の特徴を測定することによってシステム回路を監視するための監視回路とを含んでおり、本方法は、以下のステップ、すなわち(i)異常特徴を含む異常窓より前の窓セットから、異常特徴の原因を探索するための候補窓セットを識別するステップと、(ii)システム回路の測定された特徴の各々について、(a)候補窓セットについて当該測定された特徴の第1の特徴確率分布を計算するステップと、(b)候補窓セットにない窓について当該測定された特徴の第2の特徴確率分布を計算するステップと、(c)第1および第2の特徴確率分布を比較するステップと、(d)第1および第2の特徴確率分布が閾値を超えて異なっている場合、候補窓セットの時間枠内で測定された特徴を、異常特徴の原因として識別するステップとを含んだステップと、(iii)異常な窓より前の窓セットからさらなる候補窓セットについてステップ(i)およびステップ(ii)を反復するステップと、(iv)異常特徴の原因として識別されたステップ(ii)(d)のそれらの測定された特徴を示す信号を出力するステップとを含む。
-トレースデータ。生成されたトレースデータは、監視ユニットによって観察されたデータのコピーである可能性がある。例えば、CPUによって実行される命令シーケンスのコピー、またはバス上のトランザクションのセット。
-照合データ。監視ユニットは、特定のイベントの発生についてシステム回路を監視するように構成されてもよい。特定のイベントの識別に基づいて、監視ユニットは照合データを生成する。監視ユニットは、この照合データを分析器にすぐに出力してもよい。
-カウンタデータ。監視ユニットは、1つまたは複数のカウンタを含むことができる。各カウンタは、特定のイベントの発生をカウントするように構成されている。カウンタのカウント値は、周期的に解析器に出力されてもよい。
-バスから捕捉された集約帯域幅。これは、読み取り動作用の集約帯域幅と、書き込み動作用の集約帯域幅とに別に分割されてもよい。
-バスから捕捉された読み取り動作からの最大待ち時間、最小待ち時間、および/または平均待ち時間。
-アドレス照合イベントの数。換言すれば、選択されたメモリ領域へのアクセスの数である。
-ソフトウェア実行トレースからの、それぞれ別個のスレッドにおける:(i)スレッド内で費やされた集約時間、および/または(ii)最小、最大、および/または平均のスレッド間隔時間、および/または(iii)スレッドスケジュールイベントの数、任意選択的に、どのスレッドから引き継いだかが特定される。
-ソフトウェア実行トレースからの、割り込みの数、および/または割り込みハンドラーで費やされた最小、最大、および/または平均の時間。
-CPU命令トレースからの、実行された命令の数、任意選択的に、分岐を含み得る命令クラスにグループ化される。
Claims (19)
- 集積回路(IC)チップ上のシステム回路から測定された異常特徴の原因を識別する方法であって、前記ICチップは、前記システム回路と、一連の窓の各窓内で前記システム回路の特徴を測定することによって前記システム回路を監視するための監視回路とを含み、
前記方法は、
(i)前記異常特徴を含む異常窓より前の窓セットから、前記異常特徴の原因を探索するための候補窓セットを識別するステップと、
(ii)前記システム回路の測定された特徴の各々について、
(a)前記候補窓セットについて当該測定された特徴の第1の特徴確率分布を計算するステップと、
(b)前記候補窓セットにない窓について当該測定された特徴の第2の特徴確率分布を計算するステップと、
(c)前記第1および前記第2の特徴確率分布を比較するステップと、
(d)前記第1および前記第2の特徴確率分布が閾値を超えて異なっている場合、前記候補窓セットの時間枠内で測定された特徴を、前記異常特徴の原因として識別するステップと、
を含むステップと、
(iii)前記異常な窓より前の窓セットからさらなる候補窓セットについて前記ステップ(i)および前記ステップ(ii)を反復するステップと、
(iv)前記異常特徴の原因として識別された前記ステップ(ii)(d)の前記測定された特徴を示す信号を出力するステップと、
を含む、方法。 - 前記ステップ(ii)(c)は、前記第1の特徴確率分布と前記第2の特徴確率分布との間の差分測定値を決定するステップを含み、
前記ステップ(ii)(d)は、前記差分測定値が前記閾値よりも大きい場合、前記候補窓セットの時間枠内で測定された特徴が、前記異常特徴の原因であることを識別するステップを含む、
請求項1記載の方法。 - 前記差分測定値は、前記反復の前記第1の特徴確率分布と前記第2の特徴確率分布との間の時間にわたる差分のパーセンタイルによってスケーリングされている、請求項2記載の方法。
- 前記異常な窓より前の前記窓セットは、(i)前記異常窓と、(ii)遠位早期窓とによって境界付けられている、請求項1から3までのいずれか1項記載の方法。
- 前記ステップ(ii)(b)は、前記候補窓セットと前記異常窓との間の窓セットについて当該測定された特徴の第2の特徴確率分布を計算するステップを含む、請求項4記載の方法。
- 前記候補窓セットは、10未満の窓を含む、請求項1から5までのいずれか1項記載の方法。
- 前記候補窓セットは、単一の窓のみを含む、請求項6記載の方法。
- 前記第1および前記第2の特徴確率分布は、前記ステップ(ii)(a)および(b)において、識別された窓について測定された特徴にガウスモデルを適合させることによって計算される、請求項1から7までのいずれか1項記載の方法。
- 請求項1から8までのいずれか1項記載の方法であって、異常特徴によって影響を受けた測定された特徴を識別するステップをさらに含み、前記影響を受けた測定された特徴は、異常窓に後続する窓内に存在しており、
前記方法は、
(v)前記異常窓に後続する窓セットから、異常特徴の影響を探索するための後続の候補窓セットを識別するステップと、
(vi)前記システム回路の前記測定された特徴の各々について、
(a)前記後続の候補窓セットについて当該測定された特徴の第3の特徴確率分布を計算するステップと、
(b)後続の候補窓セット内に含まれない後続の窓について当該測定された特徴の第4の特徴確率分布を計算するステップと、
(c)前記第3および前記第4の特徴確率分布を比較するステップと、
(d)前記第3および前記第4の特徴確率分布がさらなる閾値を超えて異なっている場合、前記後続の候補窓セットの時間枠内で測定された特徴を、前記異常特徴によって影響を受けたものとして識別するステップと、
を含むステップと、
(vii)前記異常窓に後続する窓セットからさらなる後続の候補窓セットについて前記ステップ(v)および前記(vi)を反復するステップと、
(viii)前記異常特徴によって影響を受けたものとして識別された前記ステップ(vi)(d)の前記測定された特徴を示す信号を出力するステップと、
を含む、方法。 - 前記ステップ(vi)(c)は、前記第3の特徴確率分布と前記第4の特徴確率分布との間のさらなる差分測定値を決定するステップを含み、
前記ステップ(vi)(d)は、前記さらなる差分測定値がさらなる閾値よりも大きい場合、前記後続の候補窓セットの時間枠内で測定された特徴が、前記異常特徴によって影響を受けたことを識別するステップを含む、
請求項9記載の方法。 - 前記さらなる差分測定値は、前記第3の特徴確率分布と前記第4の特徴確率分布との間の時間にわたるスケーリングされた差分である、請求項10記載の方法。
- 前記異常窓に後続する窓セットは、(i)前記異常窓と、(ii)遠位後期窓とによって境界付けられている、請求項9から11までのいずれか1項記載の方法。
- 前記ステップ(vi)(b)は、前記後続の候補窓セットと前記異常窓との間の窓セットについて当該測定された特徴の第4の特徴確率分布を計算するステップを含む、請求項12記載の方法。
- 前記後続の候補窓セットは、10未満の窓を含むことができる、請求項9から13までのいずれか1項記載の方法。
- 前記後続の候補窓セットは、単一の窓のみを含む、請求項14記載の方法。
- 前記第3および前記第4の特徴確率分布は、前記ステップ(vi)(a)および(b)において、識別された窓について測定された特徴にガウスモデルを適合させることによって計算される、請求項9から15までのいずれか1項記載の方法。
- 前記測定された特徴は、前記システム回路の部品によって出力されたデータから監視回路によって生成されたトレースデータから導出されるものを含む、請求項1から16までのいずれか1項記載の方法。
- 前記測定された特徴は、前記システム回路の前記部品に入力したデータまたは前記部品から出力されたデータから前記監視回路によって識別された照合イベントから導出されるものを含む、請求項1から17までのいずれか1項記載の方法。
- 前記測定された特徴は、前記システム回路の前記部品から特定のアイテムが観察されるたびにカウントするように構成された前記監視回路のカウンタから導出されるものを含む、請求項1から18までのいずれか1項記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1917652.8A GB2589593B (en) | 2019-12-03 | 2019-12-03 | Identifying causes of anomalies observed in an integrated circuit chip |
GB1917652.8 | 2019-12-03 | ||
PCT/EP2020/083479 WO2021110530A1 (en) | 2019-12-03 | 2020-11-26 | Identifying causes of anomalies observed in an integrated circuit chip |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023504658A true JP2023504658A (ja) | 2023-02-06 |
JP7425871B2 JP7425871B2 (ja) | 2024-01-31 |
Family
ID=69147107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022533133A Active JP7425871B2 (ja) | 2019-12-03 | 2020-11-26 | 集積回路チップにおいて観察された異常の原因識別 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11816016B2 (ja) |
EP (1) | EP4070194A1 (ja) |
JP (1) | JP7425871B2 (ja) |
CN (1) | CN114761928A (ja) |
GB (1) | GB2589593B (ja) |
WO (1) | WO2021110530A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2011065354A1 (ja) * | 2009-11-26 | 2013-04-11 | 日本電気株式会社 | バスモニタ回路及びバスモニタ方法 |
JP2013214171A (ja) * | 2012-03-31 | 2013-10-17 | Nec Corp | 性能監視装置、性能監視方法、及びそのプログラム |
JP2015184818A (ja) * | 2014-03-20 | 2015-10-22 | 株式会社東芝 | サーバ、モデル適用可否判定方法およびコンピュータプログラム |
JP2017207903A (ja) * | 2016-05-18 | 2017-11-24 | Necプラットフォームズ株式会社 | 処理装置、方法及びプログラム |
US20190340392A1 (en) * | 2018-05-04 | 2019-11-07 | New York University | Anomaly detection in real-time multi-threaded processes on embedded systems and devices using hardware performance counters and/or stack traces |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011065354A (ja) | 2009-09-16 | 2011-03-31 | Toshiba Corp | 水力発電所の水位管理システムおよびその方法 |
US20160164721A1 (en) * | 2013-03-14 | 2016-06-09 | Google Inc. | Anomaly detection in time series data using post-processing |
US10891558B2 (en) * | 2015-01-21 | 2021-01-12 | Anodot Ltd. | Creation of metric relationship graph based on windowed time series data for anomaly detection |
US10261851B2 (en) * | 2015-01-23 | 2019-04-16 | Lightbend, Inc. | Anomaly detection using circumstance-specific detectors |
US11055407B2 (en) * | 2017-09-30 | 2021-07-06 | Oracle International Corporation | Distribution-based analysis of queries for anomaly detection with adaptive thresholding |
US20190243743A1 (en) * | 2018-02-07 | 2019-08-08 | Apple Inc. | Unsupervised anomaly detection |
US10685159B2 (en) | 2018-06-27 | 2020-06-16 | Intel Corporation | Analog functional safety with anomaly detection |
US10798230B2 (en) * | 2018-08-23 | 2020-10-06 | Morgan Stanley Services Group Inc. | Faulty distributed system component identification |
US11060885B2 (en) * | 2019-09-30 | 2021-07-13 | Oracle International Corporation | Univariate anomaly detection in a sensor network |
-
2019
- 2019-12-03 GB GB1917652.8A patent/GB2589593B/en active Active
-
2020
- 2020-11-26 WO PCT/EP2020/083479 patent/WO2021110530A1/en unknown
- 2020-11-26 CN CN202080083699.6A patent/CN114761928A/zh active Pending
- 2020-11-26 EP EP20824109.1A patent/EP4070194A1/en active Pending
- 2020-11-26 JP JP2022533133A patent/JP7425871B2/ja active Active
- 2020-11-26 US US17/780,837 patent/US11816016B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2011065354A1 (ja) * | 2009-11-26 | 2013-04-11 | 日本電気株式会社 | バスモニタ回路及びバスモニタ方法 |
JP2013214171A (ja) * | 2012-03-31 | 2013-10-17 | Nec Corp | 性能監視装置、性能監視方法、及びそのプログラム |
JP2015184818A (ja) * | 2014-03-20 | 2015-10-22 | 株式会社東芝 | サーバ、モデル適用可否判定方法およびコンピュータプログラム |
JP2017207903A (ja) * | 2016-05-18 | 2017-11-24 | Necプラットフォームズ株式会社 | 処理装置、方法及びプログラム |
US20190340392A1 (en) * | 2018-05-04 | 2019-11-07 | New York University | Anomaly detection in real-time multi-threaded processes on embedded systems and devices using hardware performance counters and/or stack traces |
Also Published As
Publication number | Publication date |
---|---|
GB2589593A (en) | 2021-06-09 |
EP4070194A1 (en) | 2022-10-12 |
GB2589593B (en) | 2022-05-11 |
US20230004471A1 (en) | 2023-01-05 |
CN114761928A (zh) | 2022-07-15 |
JP7425871B2 (ja) | 2024-01-31 |
US11816016B2 (en) | 2023-11-14 |
GB201917652D0 (en) | 2020-01-15 |
WO2021110530A1 (en) | 2021-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8527794B2 (en) | Realtime power management of integrated circuits | |
US7974800B2 (en) | Method, apparatus, and program for detecting the correlation between repeating events | |
US7900172B2 (en) | Method and apparatus for analyzing power consumption | |
EP3369015B1 (en) | Methods and circuits for debugging circuit designs | |
WO2022052592A1 (zh) | 晶圆缺陷的溯源方法、装置、电子设备及计算机可读介质 | |
Peng et al. | Modeling of software fault detection and correction processes with fault dependency | |
Stauffert et al. | Towards comparable evaluation methods and measures for timing behavior of virtual reality systems | |
CN112100910A (zh) | 一种处理器的功耗模型训练方法、功耗测试方法及装置 | |
CN116955045B (zh) | 一种远程jtag多路复用测试方法及系统 | |
JP7425871B2 (ja) | 集積回路チップにおいて観察された異常の原因識別 | |
CN105067994B (zh) | 定位片上系统时序逻辑错误、错误率计算及其应用方法 | |
CN115391132B (zh) | 一种监控诊断的装置以及芯片 | |
JP7389255B2 (ja) | 集積回路チップの潜在的な通信異常の検出 | |
US11927544B2 (en) | Wafer defect tracing method and apparatus, electronic device and computer readable medium | |
US8798944B2 (en) | Estimating ball-grid-array longevity in a computer system | |
US20100008464A1 (en) | System profiling | |
US10977075B2 (en) | Performance profiling for a multithreaded processor | |
EP3722957A1 (en) | Performance profiling | |
TWM619002U (zh) | 可擴充之巨量資料分析平台 | |
TW202248870A (zh) | 可擴充之巨量資料分析平台及其運作方法 | |
GB2582953A (en) | Performance profiling | |
JP2004158771A (ja) | 半導体装置の欠陥レベル推定方法 | |
Mohan et al. | Approximation of Similarity Failures by Homogeneous Poisson Process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220729 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230630 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230711 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231004 |
|
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: 20231220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240119 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7425871 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |