JP6764486B2 - 水処理プラント - Google Patents
水処理プラント Download PDFInfo
- Publication number
- JP6764486B2 JP6764486B2 JP2018562682A JP2018562682A JP6764486B2 JP 6764486 B2 JP6764486 B2 JP 6764486B2 JP 2018562682 A JP2018562682 A JP 2018562682A JP 2018562682 A JP2018562682 A JP 2018562682A JP 6764486 B2 JP6764486 B2 JP 6764486B2
- Authority
- JP
- Japan
- Prior art keywords
- water treatment
- unit
- calculation
- control
- water
- 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.)
- Active
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F9/00—Multistage treatment of water, waste water or sewage
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/006—Regulation methods for biological treatment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/001—Upstream control, i.e. monitoring for predictive control
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/005—Processes using a programmable logic controller [PLC]
- C02F2209/006—Processes using a programmable logic controller [PLC] comprising a software program or a logic diagram
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/005—Processes using a programmable logic controller [PLC]
- C02F2209/008—Processes using a programmable logic controller [PLC] comprising telecommunication features, e.g. modems or antennas
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biodiversity & Conservation Biology (AREA)
- Microbiology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Activated Sludge Processes (AREA)
Description
図1は、実施の形態1にかかる水処理プラントの概略を示す図である。図1に示すように、実施の形態1にかかる水処理プラント100は、複数の水処理装置11〜1nと、複数の水処理装置11〜1nの状態を各々検出する複数のセンサ21〜2nと、複数の水処理装置11〜1nを各々制御する制御装置31〜3nと、複数の水処理装置11〜1nを監視する中央監視装置4とを備える。なお、nは、2以上の整数である。
実施の形態2では、シミュレータ部が中央監視装置に設けられている点で、シミュレータ部が制御装置に設けられている実施の形態1と異なる。以下においては、実施の形態1と同様の機能を有する構成要素については同一符号を付して説明を省略し、実施の形態1の水処理プラント100と異なる点を中心に説明する。
実施の形態3では、各制御装置で用いられる計算モデルの生成および更新が中央監視装置によって行われる点で、計算モデルの生成よび更新が各制御装置によって行われる実施の形態1と異なる。以下においては、実施の形態1と同様の機能を有する構成要素については同一符号を付して説明を省略し、実施の形態1の水処理プラント100と異なる点を中心に説明する。
実施の形態4では、計算モデルの生成および更新、および計算モデルを用いた演算が中央監視装置によって行われる点で、計算モデルの生成および更新、および計算モデルを用いた演算が制御装置によって行われる実施の形態1と異なる。以下においては、実施の形態1と同様の機能を有する構成要素については同一符号を付して説明を省略し、実施の形態1の水処理プラント100と異なる点を中心に説明する。
実施の形態5では、計算モデルの生成および更新、および計算モデルを用いた演算がクラウドのサーバによって行われる点で、計算モデルの生成および更新、および計算モデルを用いた演算が制御装置または中央監視装置によって行われる実施の形態1,4と異なる。以下においては、実施の形態1,4と同様の機能を有する構成要素については同一符号を付して説明を省略し、実施の形態1,4の水処理プラント100,100Cと異なる点を中心に説明する。
Claims (21)
- 第1水処理装置および第2水処理装置に水処理を実行させる水処理プラントにおいて、
前記第1水処理装置および前記第2水処理装置を監視する中央監視装置と、
前記第1水処理装置に対する第1制御を行う第1制御装置と、
前記第1水処理装置の水処理環境を検出して時系列の検出データを生成する第1センサと、
前記第2水処理装置に対する第2制御を行う第2制御装置と、
前記中央監視装置の外部に配置してあり、第1機械学習によって生成される第1計算モデルおよび前記第1センサが生成した時系列の検出データを用いて前記第1制御に関わる第1演算を行い、前記第1水処理装置の水処理環境の予測値の情報を取得する第1演算部とを備え、
前記第1演算部は、前記中央監視装置よりも前記第1水処理装置の近くに配置してあり、
前記第1制御装置は、前記中央監視装置の外部に配置してあり前記中央監視装置よりも前記第1水処理装置の近くに配置してある前記第1演算部が取得した前記第1水処理装置の水処理環境の予測値の情報を用いて前記第1制御を行い、前記第1水処理装置に前記水処理を実行させる
ことを特徴とする水処理プラント。 - 前記中央監視装置は、前記第1センサが生成した時系列の検出データを使用する前記第1演算によって取得した前記第1水処理装置の水処理環境の予測値の情報を用いて前記第1制御が行われた前記第1水処理装置を監視する
ことを特徴とする請求項1に記載の水処理プラント。 - 前記第1演算部は、AIである
ことを特徴とする請求項1または2に記載の水処理プラント。 - 前記第1センサは、前記第1水処理装置への流入水の特性である流入水特性を検出して前記流入水特性の時系列の検出データを生成し、
前記第1計算モデルは、前記流入水特性の時系列の検出データを入力し、前記流入水特性の予測値を出力する計算モデルを含み、
前記第1演算部は、前記第1計算モデルおよび前記第1センサが生成した前記流入水特性の時系列の検出データを用いて前記第1制御に関わる第1演算を行い、前記流入水特性の予測値の情報を取得し、
前記第1制御装置は、前記第1演算部が取得した前記流入水特性の予測値の情報を用いて前記第1制御を行い、前記第1水処理装置に前記水処理を実行させる
ことを特徴とする請求項1から3のいずれか一つに記載の水処理プラント。 - 前記第1センサは、前記流入水の処理を行う処理槽内の特性である処理槽内特性を検出して前記処理槽内特性の時系列の検出データを生成するセンサと、前記第1水処理装置の処理水の特性である処理水特性を検出して前記処理水特性の時系列の検出データを生成するセンサとを含み、
前記第1計算モデルは、前記処理槽内特性の時系列の検出データを入力し、前記処理槽内特性の予測値を出力する計算モデルと、前記処理水特性の時系列の検出データを入力し、前記処理水特性の予測値を出力する計算モデルとを含み、
前記第1演算部は、前記第1計算モデルおよび前記第1センサが生成した前記時系列の検出データを用いて前記第1制御に関わる第1演算を行い、前記流入水特性の予測値の情報、前記処理槽内特性の予測値の情報、および前記処理水特性の予測値の情報を取得し、
前記第1制御装置は、前記第1演算部が取得した前記第1水処理装置の前記流入水特性の予測値の情報、前記処理槽内特性の予測値の情報、および前記処理水特性の予測値の情報を用いて前記第1制御を行い、前記第1水処理装置に前記水処理を実行させる
ことを特徴とする請求項4に記載の水処理プラント。 - 前記第2水処理装置の水処理環境を検出して時系列の検出データを生成する第2センサと、
前記中央監視装置の外部に配置してあり、第2機械学習によって生成される第2計算モデルおよび前記第2センサが生成した時系列の検出データを用いて前記第2制御に関わる第2演算を行い、前記第2水処理装置の水処理環境の予測値の情報を取得する第2演算部を備え、
前記第2制御装置は、前記中央監視装置の外部に配置してある前記第2演算部が取得した前記第2水処理装置の水処理環境の予測値の情報を用いて前記第2制御を行い、前記第2水処理装置に前記水処理を実行させる
ことを特徴とする請求項1から5のいずれか一つに記載の水処理プラント。 - 前記中央監視装置は、前記第2センサが生成した時系列の検出データを使用する前記第2演算によって取得した前記第2水処理装置の水処理環境の予測値の情報を用いて前記第2制御を行った前記第2水処理装置を監視する
ことを特徴とする請求項6に記載の水処理プラント。 - 前記第1制御装置は、前記第1演算部が取得した前記第1水処理装置の水処理環境の予測値の情報に基づいて第1制御目標値を生成し、生成した前記第1制御目標値に基づいて前記第1水処理装置に前記水処理を実行させ、
前記第2制御装置は、前記第2演算部が取得した前記第2水処理装置の水処理環境の予測値の情報に基づいて第2制御目標値を生成し、生成した前記第2制御目標値に基づいて前記第2水処理装置に前記水処理を実行させる
ことを特徴とする請求項6または7に記載の水処理プラント。 - 前記第2演算部は、AIである
ことを特徴とする請求項6から8のいずれか一つに記載の水処理プラント。 - 前記第1演算部および前記第2演算部は、クラウドサーバ内に位置する
ことを特徴とする請求項6から9のいずれか一つに記載の水処理プラント。 - 前記第1制御装置は、
前記第1センサが生成した時系列の検出データを用いて前記第1水処理装置の水処理環境の予測値の情報を取得する前記第1演算部と、
前記第1センサが生成した時系列の検出データのうち予め設定された条件を満たす条件充足検出データを選択するデータ選択部と、
前記データ選択部によって選択された前記条件充足検出データを記憶する学習データ記憶部と、
前記学習データ記憶部に記憶された前記条件充足検出データに基づいて、前記第1計算モデルの生成または更新を行う学習処理を実行する学習処理部と、を備える
ことを特徴とする請求項1から10のいずれか一つに記載の水処理プラント。 - 前記第1制御装置は、
前記学習処理部による前記学習処理に用いられる演算資源の負荷状態に基づいて、前記学習処理の可否を判定する状態判定部を備え、
前記学習処理部は、
前記状態判定部による判定結果に基づいて、前記学習処理を実行する
ことを特徴とする請求項11に記載の水処理プラント。 - 前記状態判定部は、
前記学習処理部による前記学習処理の実行中に前記負荷状態が予め設定された停止条件を満たすか否かを判定し、
前記学習処理部は、
前記学習処理を実行中に前記状態判定部によって前記負荷状態が前記停止条件を満たすと判定された場合に、前記学習処理の実行を停止する
ことを特徴とする請求項12に記載の水処理プラント。 - 前記演算資源の負荷状態は、前記学習処理に用いられるプロセッサの使用率である
ことを特徴とする請求項12または13に記載の水処理プラント。 - 前記第1計算モデルを用いた前記第1演算の結果に基づいて、前記第1計算モデルの更新が必要か否かを判定する更新判定部を備え、
前記学習処理部は、
前記更新判定部による判定結果に基づいて、前記学習処理を実行する
ことを特徴とする請求項11から14のいずれか一つに記載の水処理プラント。 - 前記第1計算モデルは、前記第1水処理装置の状態の予測値を出力とするモデルであり、
前記更新判定部は、
前記第1センサによる前記第1水処理装置の状態の実測値と前記第1計算モデルの前記予測値との差に基づいて、前記第1計算モデルの更新が必要か否かを判定する
ことを特徴とする請求項15に記載の水処理プラント。 - 前記第1センサは、前記第1水処理装置への流入水の流量を前記第1水処理装置の水処理環境として検出して前記流入水の流量の時系列の検出データを生成し、
前記第1演算部は、前記第1計算モデルは、前記流入水の流量の時系列の検出データを用いて前記第1制御に関わる第1演算を行い、前記流入水の流量の予測値の情報を取得し、
前記更新判定部は、前記流入水の流量の予測値と実測値との差に基づいて、前記第1計算モデルの更新が必要か否かを判定する
ことを特徴とする請求項15に記載の水処理プラント。 - 前記更新判定部は、前記第1水処理装置の状態の実測値と前記第1計算モデルの前記予測値との差の合計値または移動平均値が閾値以上であるか否かに基づいて、前記第1計算モデルの更新が必要か否かを判定する
ことを特徴とする請求項15に記載の水処理プラント。 - 前記第1水処理装置の状態に基づいて前記第1水処理装置の状態の予測値を出力するシミュレータ部を備え、
前記第1計算モデルは、前記第1水処理装置の状態の予測値を出力とするモデルであり、
前記更新判定部は、
前記シミュレータ部の前記予測値と前記第1計算モデルの前記予測値の差に基づいて、前記第1計算モデルの更新が必要か否かを判定する
ことを特徴とする請求項15に記載の水処理プラント。 - 前記第1制御装置は、
比例積分制御または比例積分微分制御によって前記第1制御を行う
ことを特徴とする請求項1から19のいずれか一つに記載の水処理プラント。 - 前記第1制御装置は、AI装置である
ことを特徴とする請求項1から20のいずれか一つに記載の水処理プラント。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/028151 WO2020021687A1 (ja) | 2018-07-26 | 2018-07-26 | 水処理プラント |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020021687A1 JPWO2020021687A1 (ja) | 2020-08-06 |
JP6764486B2 true JP6764486B2 (ja) | 2020-09-30 |
Family
ID=69180914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018562682A Active JP6764486B2 (ja) | 2018-07-26 | 2018-07-26 | 水処理プラント |
Country Status (3)
Country | Link |
---|---|
US (1) | US11649183B2 (ja) |
JP (1) | JP6764486B2 (ja) |
WO (1) | WO2020021687A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7145375B2 (ja) * | 2021-01-29 | 2022-10-03 | 栗田工業株式会社 | 推定装置、予測装置、制御装置、推定システム、予測システム、制御システム、推定プログラム、予測プログラム、制御プログラム、推定方法、予測方法及び制御方法 |
JP7286035B1 (ja) * | 2022-03-24 | 2023-06-02 | 三菱電機株式会社 | 水処理制御システムおよび水処理装置の制御方法 |
JP7345917B1 (ja) | 2022-04-20 | 2023-09-19 | Wota株式会社 | 生物処理システム、生物処理装置、水浄化システム、生物処理方法及び水浄化方法 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06187137A (ja) * | 1992-12-18 | 1994-07-08 | Hitachi Ltd | 計算機システム |
JP2000218263A (ja) | 1999-02-01 | 2000-08-08 | Meidensha Corp | 水質制御方法及びその装置 |
JP4341164B2 (ja) * | 2000-10-20 | 2009-10-07 | 株式会社明電舎 | 薬品注入率制御方法及びその装置 |
KR100456413B1 (ko) | 2002-06-21 | 2004-11-10 | 에치투엘 주식회사 | 신경회로망 및 역전파 알고리즘에 의한 하폐수처리인공지능제어 시스템 및 방법 |
WO2006130786A2 (en) * | 2005-06-01 | 2006-12-07 | Siemens Water Technologies Holding Corp. | Water treatment system and process |
US8388833B2 (en) * | 2010-09-23 | 2013-03-05 | Biofilter Systems, Llc | System and process for removing nitrogen compounds and odors from wastewater and wastewater treatment system |
WO2011131806A1 (es) * | 2010-04-19 | 2011-10-27 | Universidad Nacional De Educación A Distancia (Uned) | Método de control avanzado para optimizar los costes de operación en estaciones depuradoras de aguas residuales con eliminación de nitrógeno |
JP5859866B2 (ja) | 2012-02-07 | 2016-02-16 | メタウォーター株式会社 | 監視対象量予測方法及び監視対象量予測装置 |
US20180161694A1 (en) * | 2013-01-03 | 2018-06-14 | Huei Meng Chang | Data collection systems and methods for water/fluids |
BR112017002862B1 (pt) * | 2014-08-12 | 2022-08-16 | Water Planet, Inc | Métodos para filtragem de fluido, sistema, aparelho e meio de armazenamento não transitório legível por computador |
WO2016073725A1 (en) * | 2014-11-07 | 2016-05-12 | Hach Company | Monitoring via neural network model |
US9766818B2 (en) * | 2014-12-31 | 2017-09-19 | Samsung Electronics Co., Ltd. | Electronic system with learning mechanism and method of operation thereof |
US10207941B2 (en) * | 2015-03-16 | 2019-02-19 | Environmental Operating Solutions, Inc. | Control system for nitrogen and phosphorus removal |
US20160340206A1 (en) * | 2015-05-18 | 2016-11-24 | Shane Antos | System and method of predicting water quality in a decentralized treatment system |
JP5925371B1 (ja) * | 2015-09-18 | 2016-05-25 | 三菱日立パワーシステムズ株式会社 | 水質管理装置、水処理システム、水質管理方法、および水処理システムの最適化プログラム |
US10429830B2 (en) * | 2015-10-02 | 2019-10-01 | Aquasight LLC | Systems and methods for optimizing water utility operation |
KR101621495B1 (ko) * | 2015-11-23 | 2016-05-16 | 주식회사 에스아이시스템 | Pid 제어를 통한 실시간 수처리 시스템 및 수처리 방법 |
JP6742051B2 (ja) | 2016-02-10 | 2020-08-19 | 株式会社東芝 | ゲートウェイ装置 |
JP6422901B2 (ja) * | 2016-02-12 | 2018-11-14 | 株式会社東芝 | 管理支援システム、管理支援方法及び管理支援プログラム |
JP2017204110A (ja) | 2016-05-11 | 2017-11-16 | 三菱電機株式会社 | 監視制御システムおよび制御装置 |
WO2018070548A1 (ja) | 2016-10-14 | 2018-04-19 | 株式会社日建 | 濾過処理装置 |
US10685081B2 (en) * | 2017-06-20 | 2020-06-16 | Intel Corporation | Optimized data discretization |
-
2018
- 2018-07-26 WO PCT/JP2018/028151 patent/WO2020021687A1/ja active Application Filing
- 2018-07-26 US US17/253,633 patent/US11649183B2/en active Active
- 2018-07-26 JP JP2018562682A patent/JP6764486B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US11649183B2 (en) | 2023-05-16 |
US20210171383A1 (en) | 2021-06-10 |
WO2020021687A1 (ja) | 2020-01-30 |
JPWO2020021687A1 (ja) | 2020-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6764486B2 (ja) | 水処理プラント | |
Hassen et al. | Predictive performance modeling of Habesha brewery wastewater treatment plant using artificial neural networks | |
Rastegar et al. | Online identification of Takagi–Sugeno fuzzy models based on self-adaptive hierarchical particle swarm optimization algorithm | |
El-Din et al. | A neural network model to predict the wastewater inflow incorporating rainfall events | |
Li et al. | A self-organizing cascade neural network with random weights for nonlinear system modeling | |
Nasr et al. | Application of Artificial Neural Network (ANN) for the prediction of EL-AGAMY wastewater treatment plant performance-EGYPT | |
Han et al. | Nonlinear multiobjective model-predictive control scheme for wastewater treatment process | |
Güçlü et al. | Artificial neural network modelling of a large-scale wastewater treatment plant operation | |
KR100456413B1 (ko) | 신경회로망 및 역전파 알고리즘에 의한 하폐수처리인공지능제어 시스템 및 방법 | |
KR102440372B1 (ko) | 빅데이터 및 인공지능 기반의 하수처리시설의 유입수 환경 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록매체 | |
JP6764487B2 (ja) | 水処理プラントおよび水処理プラントの運転方法 | |
KR102660544B1 (ko) | 제어 장치, 컨트롤러, 제어 시스템, 제어 방법, 및 제어 프로그램 | |
JP3790129B2 (ja) | プロセスシミュレータ応用制御装置及び方法 | |
Pham et al. | Modelling of Bunus regional sewage treatment plant using machine learning approaches | |
Alavi et al. | A new insight for real-time wastewater quality prediction using hybridized kernel-based extreme learning machines with advanced optimization algorithms | |
Alharbi et al. | Sliding window neural network based sensing of bacteria in wastewater treatment plants | |
Senn et al. | Reducing the computational effort of optimal process controllers for continuous state spaces by using incremental learning and post-decision state formulations | |
JP4146610B2 (ja) | 濁度予測システム、濁度制御システムおよび濁度管理システム | |
Hassen et al. | Modeling and monitoring of treated wastewater based on water quality assurance parameters | |
JPH03134706A (ja) | 下水処理場運転支援のための知識獲得方法 | |
JP6541913B1 (ja) | 水処理プラントおよび水処理プラントの運転方法 | |
Pisa et al. | Artificial neural networks application to support plant operation in the wastewater industry | |
CN107367929B (zh) | 更新q值矩阵的方法、存储介质和终端设备 | |
CN114860548A (zh) | 一种用于服务器的功耗管理方法、系统、设备及介质 | |
Dulkadiroglu et al. | Modeling nitrate concentrations in a moving bed sequencing batch biofilm reactor using an artificial neural network technique |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181129 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181129 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181225 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190225 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190416 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190617 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20190617 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20190624 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20190625 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20190809 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20190820 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20200609 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20200707 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20200721 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20200804 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20200908 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20200908 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200911 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6764486 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |