JP6938038B2 - 通信状況予測装置、通信状況予測方法、および、プログラム - Google Patents
通信状況予測装置、通信状況予測方法、および、プログラム Download PDFInfo
- Publication number
- JP6938038B2 JP6938038B2 JP2019029062A JP2019029062A JP6938038B2 JP 6938038 B2 JP6938038 B2 JP 6938038B2 JP 2019029062 A JP2019029062 A JP 2019029062A JP 2019029062 A JP2019029062 A JP 2019029062A JP 6938038 B2 JP6938038 B2 JP 6938038B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- value
- unit
- rarity
- prediction
- 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
Description
(1)ある無線端末の通信リンクにおいて通信障害の予兆が検知された場合に、同じ無線チャネルを利用している他無線端末の停止や利用帯域の変更を行うことにより伝送スループットの低下を未然に防止する。
(2)ある通信リンクで通信障害の予兆が検知された場合に、干渉の原因となっている端末の帯域制限を自動的に行い、伝送スループットの低下や大きなレイテンシの発生等を未然に防止する。
(1)第2学習予測部が予測判定処理を実行しているときに、学習処理を実行し、
(2)第2学習予測部が学習処理を実行しているときに、予測判定処理を実行する。
第1実施形態について、図面を参照しながら、以下、説明する。
図1は、第1実施形態に係る無線状況予測装置100(通信状況予測装置の一例)の概略構成図である。
D_norm={d0,d1,・・・,dn1−1}
と表記する。
D_prediction_error=D1_true―D_predict
に相当する処理(減算処理)を実行して、予測誤差データD_prediction_errorを取得する。そして、減算器24は、取得した予測誤差データD_prediction_errorを調整基準値取得部25に出力する。
Th={th0,th1,・・・,thn2−1}
と表記する。
以上のように構成された無線状況予測装置100の動作について、以下、説明する。
まず、学習処理について説明する。学習処理は、(1)第1ステップの処理、(2)第2ステップ処理、および、(3)第3ステップの処理に分割されて実行される。
(1)第1ステップの処理では、QoS値の時系列データ(観測値系列)から、学習ベクトルとラベルの取得処理が実行される。
(2)第2ステップの処理では、Rarity分布に基づいて、クラス判定用の閾値を算出する。
(3)第3ステップの処理では、QoS値の予測誤差の標準偏差から、QoS値の要求基準値を調整するためのマージンを取得する。
第1ステップの処理において、無線状況予測装置100は、QoS値の時系列データ(観測値系列)から、学習ベクトルとラベルの取得処理を実行する。
(1)時系列の観測値系列(QoS値の時系列データ)を、時刻i(図4の場合の時刻t0に相当)からk1個取得し、学習用ベクトルを取得する。また、当該学習用ベクトルに対応する将来値データ(正解データ)を時刻i+k2の観測値(QoS値)として、当該学習用ベクトルと対応付けるラベルに設定する。例えば、図4の場合、i=0、k1=3であり、QoS値の時系列データD1sは、
D1s={Di,Di+1,Di+2}
={ai,ai+1,ai+2}={a0,a1,a2}
であり、上記のデータD1sを学習ベクトルとする。そして、図4の場合、k2=4であるので、当該学習ベクトルに対応付けるラベルを、時刻i+k2(=i+4)の観測値(QoS値)ai+4とする。なお、図4の場合の上記処理の対象データは、図4のウィンドウWin1の区間(時刻t0〜twの区間)に含まれるデータである。
(2)次に、時刻(時間ステップ)を1つ進める。つまり、図4のウィンドウWin1の区間を1時間ステップ(1回のデータサンプリングに対応する時間)だけ、時間軸方向Dir1へずらし、ずらしたウィンドウWin1の区間を処理の対象データとする。
D1s={Di+1,Di+2,Di+3}
={ai+1,ai+2,ai+3}={a1,a2,a3}
であり、上記のデータD1sを学習ベクトルとする。そして、図4の場合、k2=4であるので、当該学習ベクトルに対応付けるラベルを、時刻i+k2(=i+4)の観測値(QoS値)ai+5とする。
(3)学習部1は、上記(1)、(2)の処理を繰り返し実行する。
D1s={Di+n1−1,Di+n1,Di+n1+1}
={ai+n1−1,ai+n1,ai+n1+1}={an1−1,an1,an1+1}
であり、上記のデータD1sを学習ベクトルとする。そして、図4の場合、k2=4であるので、当該学習ベクトルに対応付けるラベルを、時刻i+n1−1+k2(=i+n1+3)の観測値(QoS値)an1+3とする。
第2ステップの処理において、無線状況予測装置100は、QoS値の時系列データ(観測値系列)から、Rarity分布を取得し、当該Rarity分布に基づいて、クラス判定用の閾値を算出する処理を実行する。
d0=Norm(Dset2_r0,D1s)
d1=Norm(Dset2_r1,D1s)
d2=Norm(Dset2_r2,D1s)
・・・
dn1−1=Norm(Dset2_rn1−1,D1s)
Norm(v1,v2):ベクトルv1とベクトルv2のノルム(例えば、ユークリッド距離)を取得する関数。
に相当する処理により、ノルムの集合データ{d0,d1,・・・,dn1−1}を取得する。そして、ノルム取得部221は、取得したノルムの集合データ{d0,d1,・・・,dn1−1}を含むデータをデータD_normとして、Rarity算出部222に出力する。
ri=min(di,di+1,・・・,di+n1−1)
min():要素の最小値を取得する関数
に相当する処理を実行することで、QoS値の時系列データ{Di,Di+1,Di+2}に対応するレアリティ値riを取得する。なお、ここでは、QoS値の時系列データ{Di,Di+1,Di+2}={b0,b1,b2}であるので、Rarity算出部222は、
r0=min(d0,d1,・・・,dn1−1)
を取得する。
第3ステップの処理において、無線状況予測装置100は、QoS値の予測誤差の標準偏差から、QoS値の要求基準値を調整するためのマージンを取得する。
d0=Norm(Dset2_r0,D1s)
d1=Norm(Dset2_r1,D1s)
d2=Norm(Dset2_r2,D1s)
・・・
dn1−1=Norm(Dset2_rn1−1,D1s)
Norm(v1,v2):ベクトルv1とベクトルv2のノルム(例えば、ユークリッド距離)を取得する関数。
に相当する処理により、ノルムの集合データ{d0,d1,・・・,dn1−1}を取得する。そして、ノルム取得部221は、取得したノルムの集合データ{d0,d1,・・・,dn1−1}を含むデータをデータD_normとして、Rarity算出部222に出力する。
ri=min(di,di+1,・・・,di+n1−1)
min():要素の最小値を取得する関数
に相当する処理を実行することで、QoS値の時系列データ{Di,Di+1,Di+2}に対応するレアリティ値riを取得する。なお、ここでは、QoS値の時系列データ{Di,Di+1,Di+2}={c0,c1,c2}であるので、Rarity算出部222は、
r0=min(d0,d1,・・・,dn1−1)
を取得する。
D_prediction_error=D1_true―D_predict
に相当する処理(減算処理)を実行して、予測誤差データD_prediction_error(=Erri+k)を取得する。そして、減算器24は、取得した予測誤差データD_prediction_error(=Erri+k)を調整基準値取得部25の標準偏差取得部254に出力する。
Mrgnj=Gm×σj
Gm:係数(例えば、Gm=6)
により取得される値に決定する。
クラスClass_0:QoS_adj=QoS_req+Gm×σ0
クラスClass_1:QoS_adj=QoS_req+Gm×σ1
クラスClass_2:QoS_adj=QoS_req+Gm×σ2
Gm:係数(例えば、Gm=6)
以上のようにして、無線状況予測装置100では、学習処理が実行される。
次に、予測処理(通信障害の予測実行処理)について説明する。
d0=Norm(Dset2_r0,D1s)
d1=Norm(Dset2_r1,D1s)
d2=Norm(Dset2_r2,D1s)
・・・
dn1−1=Norm(Dset2_rn1−1,D1s)
Norm(v1,v2):ベクトルv1とベクトルv2のノルム(例えば、ユークリッド距離)を取得する関数。
に相当する処理により、ノルムの集合データ{d0,d1,・・・,dn1−1}を取得する。そして、ノルム取得部221は、取得したノルムの集合データ{d0,d1,・・・,dn1−1}を含むデータをデータD_normとして、Rarity算出部222に出力する。
ri=min(di,di+1,・・・,di+n1−1)
min():要素の最小値を取得する関数
に相当する処理を実行することで、QoS値の時系列データ{Di,Di+1,Di+2}に対応するレアリティ値riを取得する。なお、ここでは、QoS値の時系列データ{Di,Di+1,Di+2}={c0,c1,c2}であるので、Rarity算出部222は、
r0=min(d0,d1,・・・,dn1−1)
を取得する。
クラスClass_0:QoS_adj=QoS_req+Gm×σ0
クラスClass_1:QoS_adj=QoS_req+Gm×σ1
クラスClass_2:QoS_adj=QoS_req+Gm×σ2
Gm:係数(例えば、Gm=6)
そして、マージン設定部256は、取得したマージン調整処理後の通信品質データ基準値QoS_adjを判定部26に出力する。
(1)D_predicted(=D’i+k=a6)>QoS_adjである場合、判定部26は、将来時刻i+k(=i+4)において、通信障害は発生しないと予測し、判定結果Doutを、例えば、通信障害の発生なしを示す信号値「0」に設定し、当該判定結果Dout(=0)を出力する。
(2)D_predicted(=D’i+k=a6)≦QoS_adjである場合、判定部26は、将来時刻i+k(=i+4)において、通信障害が発生すると予測し、判定結果Doutを、例えば、通信障害の発生ありを示す信号値「1」に設定し、当該判定結果Dout(=1)を出力する。
次に、第2実施形態について、説明する。なお、上記実施形態と同様の部分については、同一符号を付し、詳細な説明を省略する。
(1)時刻t00〜t10の期間において、第1学習予測部Dev1は、学習処理(第1実施形態の学習処理と同じ処理)を実行する。そして、第1制御部CPU1Aは、この期間において、「学習モード」を示す信号値のモード信号ModeAを出力する。
(1−1)時刻t00〜t01の期間において、第1学習予測部Dev1は、第1ステップの処理A11(第1実施形態の第1ステップの処理A1と同じ処理)を実行する。そして、第1制御部CPU1Aは、この期間において、制御信号ctl1A(第1実施形態の制御信号ctl1に対応する信号)を「第1ステップの処理」を実行させるための信号値に設定し、第1予測判定処理部2Aに出力する。
(1−2)時刻t01〜t02の期間において、第1学習予測部Dev1は、第2ステップの処理A12(第1実施形態の第2ステップの処理A2と同じ処理)を実行する。そして、第1制御部CPU1Aは、この期間において、制御信号ctl1Aを「第2ステップの処理」を実行させるための信号値に設定し、第1予測判定処理部2Aに出力する。
(1−3)時刻t02〜t10の期間において、第1学習予測部Dev1は、第3ステップの処理A13(第1実施形態の第3ステップの処理A3と同じ処理)を実行する。そして、第1制御部CPU1Aは、この期間において、制御信号ctl1Aを「第3ステップの処理」を実行させるための信号値に設定し、第1予測判定処理部2Aに出力する。
(2)時刻t10〜t20の期間において、第1学習予測部Dev1は、予測処理(第1実施形態の予測処理と同じ処理)を実行し、判定結果DoutAを出力する。そして、第1制御部CPU1Aは、この期間において、「予測処理実行モード」を示す信号値のモード信号ModeAを出力する。
(2−1)時刻t10〜t11の期間において、第2学習予測部Dev2は、第1ステップの処理B11(第1実施形態の第1ステップの処理A1と同じ処理)を実行する。そして、第2制御部CPU1Bは、この期間において、制御信号ctl1B(第1実施形態の制御信号ctl1に対応する信号)を「第1ステップの処理」を実行させるための信号値に設定し、第2予測判定処理部2Bに出力する。
(2−2)時刻t11〜t12の期間において、第2学習予測部Dev2は、第2ステップの処理B12(第1実施形態の第2ステップの処理A2と同じ処理)を実行する。そして、第2制御部CPU1Bは、この期間において、制御信号ctl1Bを「第2ステップの処理」を実行させるための信号値に設定し、第2予測判定処理部2Bに出力する。
(2−3)時刻t12〜t20の期間において、第2学習予測部Dev2は、第3ステップの処理B13(第1実施形態の第3ステップの処理A3と同じ処理)を実行する。そして、第2制御部CPU1Bは、この期間において、制御信号ctl1Bを「第3ステップの処理」を実行させるための信号値に設定し、第2予測判定処理部2Bに出力する。
(3)時刻t20〜t30の期間において、第2学習予測部Dev2は、予測処理(第1実施形態の予測処理と同じ処理)を実行し、判定結果DoutBを出力する。そして、第2制御部CPU1Bは、この期間において、「予測処理実行モード」を示す信号値のモード信号ModeBを出力する。
(3−1)時刻t20〜t21の期間において、第1学習予測部Dev1は、第1ステップの処理A21(第1実施形態の第1ステップの処理A1と同じ処理)を実行する。そして、第1制御部CPU1Aは、この期間において、制御信号ctl1A(第1実施形態の制御信号ctl1に対応する信号)を「第1ステップの処理」を実行させるための信号値に設定し、第1予測判定処理部2Aに出力する。
(3−2)時刻t21〜t22の期間において、第1学習予測部Dev1は、第2ステップの処理A22(第1実施形態の第2ステップの処理A2と同じ処理)を実行する。そして、第1制御部CPU1Aは、この期間において、制御信号ctl1Aを「第2ステップの処理」を実行させるための信号値に設定し、第1予測判定処理部2Aに出力する。
(3−3)時刻t22〜t30の期間において、第1学習予測部Dev1は、第3ステップの処理A23(第1実施形態の第3ステップの処理A3と同じ処理)を実行する。そして、第1制御部CPU1Aは、この期間において、制御信号ctl1Aを「第3ステップの処理」を実行させるための信号値に設定し、第1予測判定処理部2Aに出力する。
上記実施形態では、観測値がQoS値である場合について説明したが、これに限定されることはなく、観測値は、例えば、無線環境の状況を把握することができるデータであれば、他のデータを用いてもよい。
1 学習部
2 予測判定処理部
22 レアリティ取得部
23 予測値取得部
24 減算器(減算部)
25 調整基準値取得部
26 判定部
St1 学習済みデータ記憶部
Dev1 第1学習予測部
Dev2 第2学習予測部
Claims (7)
- 通信品質を示すデータである通信品質データの時系列パターンの発生頻度の稀少度合いを示すレアリティ値を取得するレアリティ取得部と、
前記レアリティ値に基づいて、前記通信品質データの要求基準値を調整した値を、調整基準値として取得する調整基準値取得部と、
現時刻において入力されている前記通信品質データの時系列パターンから、所定の時刻後の前記通信品質データの予測値を取得する予測値取得部と、
前記調整基準値および前記予測値に基づいて、将来における通信障害の発生の有無を判定する判定部と、
を備える通信状況予測装置。 - 前記通信品質データの前記時系列パターンの発生パターンと、当該時系列パターンが発生した後の将来時刻の前記通信品質データとを用いて学習処理を実行する学習部と、
前記学習部により取得された前記通信品質データの前記時系列パターンの発生パターンを含むレアリティ算出用データセットと、当該時系列パターンが発生した後の所定の時刻後である将来時刻の前記通信品質データを含むラベルデータセットとを含む学習済みデータを記憶する記憶部と、
をさらに備え、
前記レアリティ取得部は、現時刻において取得される前記通信品質データの前記時系列パターンと、前記レアリティ算出用データセットに含まれる前記通信品質データの複数の前記時系列パターンとのノルムをそれぞれ算出し、算出したノルムのうちの最小値を前記レアリティ値として取得する、
請求項1に記載の通信状況予測装置。 - 前記調整基準値取得部は、
所定の時間における前記レアリティ値の頻度分布を取得することで、レアリティ分布データを取得し、
取得した前記レアリティ分布に含まれるレアリティ値を所定数のクラスに分類するための閾値群を取得する、
請求項2に記載の通信状況予測装置。 - 前記予測値取得部により取得された前記通信品質データの予測値と、当該予測値の真値との差である予測誤差値を取得する減算部をさらに備え、
前記調整基準値取得部は、
前記予測誤差値を、当該予測誤差値を取得するときに用いた前記通信品質データの前記時系列パターンの前記レアリティ値および前記閾値群に基づいて、決定されるクラスに分類し、分類された当該クラスに含まれる予測誤差値の標準偏差値を算出し、
算出した前記予測誤差値の前記標準偏差値に基づいて、マージンを決定し、当該マージンに基づいて、前記調整基準値を取得する、
請求項3に記載の通信状況予測装置。 - 第1学習予測部と、
第2学習予測部と、
を備える通信状況予測装置であって、
前記第1学習予測部は、
通信品質データの時系列パターンの発生パターンと、当該時系列パターンが発生した後の将来時刻の前記通信品質データとを用いて学習処理を実行する第1学習部と、
前記第1学習部により取得された前記通信品質データの前記時系列パターンの発生パターンを含むレアリティ算出用データセットと、当該時系列パターンが発生した後の所定の時刻後である将来時刻の前記通信品質データを含むラベルデータセットとを含む学習済みデータを記憶する第1記憶部と、
通信障害の発生の有無の予測判定処理を行う第1予測判定処理部であって、
通信品質を示すデータである通信品質データの時系列パターンの発生頻度の稀少度合いを示すレアリティ値を取得する第1レアリティ取得部と、
前記レアリティ値に基づいて、前記通信品質データの要求基準値を調整した値を、調整基準値として取得する第1調整基準値取得部と、
現時刻において入力されている前記通信品質データの時系列パターンから、所定の時刻後の前記通信品質データの予測値を取得する第1予測値取得部と、
前記調整基準値および前記予測値に基づいて、将来における通信障害の発生の有無を判定する第1判定部と、
を含む前記第1予測判定処理部と、
を備え、
前記第2学習予測部は、
通信品質データの前記時系列パターンの発生パターンと、当該時系列パターンが発生した後の将来時刻の前記通信品質データとを用いて学習処理を実行する第2学習部と、
前記第2学習部により取得された前記通信品質データの前記時系列パターンの発生パターンを含むレアリティ算出用データセットと、当該時系列パターンが発生した後の所定の時刻後である将来時刻の前記通信品質データを含むラベルデータセットとを含む学習済みデータを記憶する第2記憶部と、
通信障害の発生の有無の予測判定処理を行う第2予測判定処理部であって、
通信品質を示すデータである通信品質データの時系列パターンの発生頻度の稀少度合いを示すレアリティ値を取得する第2レアリティ取得部と、
前記レアリティ値に基づいて、前記通信品質データの要求基準値を調整した値を、調整基準値として取得する第2調整基準値取得部と、
現時刻において入力されている前記通信品質データの時系列パターンから、所定の時刻後の前記通信品質データの予測値を取得する第2予測値取得部と、
前記調整基準値および前記予測値に基づいて、将来における通信障害の発生の有無を判定する第2判定部と、
を含む前記第2予測判定処理部と、
を備え、
前記第1学習予測部は、
(1)第2学習予測部が前記予測判定処理を実行しているときに、前記学習処理を実行し、
(2)第2学習予測部が前記学習処理を実行しているときに、前記予測判定処理を実行する、
通信状況予測装置。 - 通信品質を示すデータである通信品質データの時系列パターンの発生頻度の稀少度合いを示すレアリティ値を取得するレアリティ取得ステップと、
前記レアリティ値に基づいて、前記通信品質データの要求基準値を調整した値を、調整基準値として取得する調整基準値取得ステップと、
現時刻において入力されている前記通信品質データの時系列パターンから、所定の時刻後の前記通信品質データの予測値を取得する予測値取得ステップと、
前記調整基準値および前記予測値に基づいて、将来における通信障害の発生の有無を判定する判定ステップと、
を備える通信状況予測方法。 - 請求項6に記載の通信状況予測方法をコンピュータに実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019029062A JP6938038B2 (ja) | 2019-02-21 | 2019-02-21 | 通信状況予測装置、通信状況予測方法、および、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019029062A JP6938038B2 (ja) | 2019-02-21 | 2019-02-21 | 通信状況予測装置、通信状況予測方法、および、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020136937A JP2020136937A (ja) | 2020-08-31 |
JP6938038B2 true JP6938038B2 (ja) | 2021-09-22 |
Family
ID=72279202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019029062A Active JP6938038B2 (ja) | 2019-02-21 | 2019-02-21 | 通信状況予測装置、通信状況予測方法、および、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6938038B2 (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5506889B2 (ja) * | 2012-10-26 | 2014-05-28 | 日本電信電話株式会社 | 通信トラヒック予測装置、通信トラヒック予測方法、及びプログラム |
JP5807102B1 (ja) * | 2014-09-01 | 2015-11-10 | 日本電信電話株式会社 | 通信帯域算出装置、通信帯域算出方法及びプログラム |
JP6502062B2 (ja) * | 2014-11-04 | 2019-04-17 | Kddi株式会社 | 通信品質予測装置及び通信品質予測プログラム |
JP2017005473A (ja) * | 2015-06-09 | 2017-01-05 | 日本電信電話株式会社 | 通信品質予測装置、通信品質予測方法及びプログラム |
-
2019
- 2019-02-21 JP JP2019029062A patent/JP6938038B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020136937A (ja) | 2020-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020155755A1 (zh) | 基于谱聚类的异常点比例优化方法、装置及计算机设备 | |
WO2020155756A1 (zh) | 基于聚类和sse的异常点比例优化方法及装置 | |
US9811391B1 (en) | Load balancing and conflict processing in workflow with task dependencies | |
US11030246B2 (en) | Fast and accurate graphlet estimation | |
CN110287078B (zh) | 基于zabbix性能基线的异常检测和告警方法 | |
JP2005535130A (ja) | 最新のプロセス制御システム内で誤って表された計測データを取り扱う方法、システム、および媒体 | |
US10026048B2 (en) | Method and system for processing data from equipment | |
US20110029469A1 (en) | Information processing apparatus, information processing method and program | |
Golvaei et al. | A fast soft decision algorithm for cooperative spectrum sensing | |
JP7091209B2 (ja) | 情報処理方法及び情報処理システム | |
CN113852485A (zh) | 基于本地网络环境适配网络配置的自动网络控制系统 | |
JP2019197355A (ja) | クラスタリング装置、クラスタリング方法およびプログラム | |
US10853130B1 (en) | Load balancing and conflict processing in workflow with task dependencies | |
JP2021060982A (ja) | データ分析システム診断方法、データ分析システム最適化方法、デバイス及び媒体 | |
CN115905450A (zh) | 一种基于无人机监控的水质异常溯源方法及系统 | |
JP6938038B2 (ja) | 通信状況予測装置、通信状況予測方法、および、プログラム | |
US11954129B2 (en) | Updating data models to manage data drift and outliers | |
CN114462538A (zh) | 基于kmeans的电网异常设备检测方法及装置 | |
JP6980231B2 (ja) | 通信状況予測装置、通信状況予測方法、および、プログラム | |
EP3849231B1 (en) | Configuration of a communication network | |
US11847187B2 (en) | Device identification device, device identification method, and device identification program | |
CN110753369B (zh) | 一种中断小区检测方法及装置 | |
CN108183736B (zh) | 基于机器学习的发射机码字选择方法、装置和发射机 | |
JP7366790B2 (ja) | 通信状況予測装置、通信状況予測方法、および、プログラム | |
US20230237371A1 (en) | Systems and methods for providing predictions with supervised and unsupervised data in industrial systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20190320 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201001 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210709 |
|
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: 20210824 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210825 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6938038 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |