JP6966655B2 - 状態予測システム - Google Patents
状態予測システム Download PDFInfo
- Publication number
- JP6966655B2 JP6966655B2 JP2020545381A JP2020545381A JP6966655B2 JP 6966655 B2 JP6966655 B2 JP 6966655B2 JP 2020545381 A JP2020545381 A JP 2020545381A JP 2020545381 A JP2020545381 A JP 2020545381A JP 6966655 B2 JP6966655 B2 JP 6966655B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- machine learning
- instance
- prediction
- cell
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
・ 本実施形態におけるシステムアプリケーションプログラム(以下「アプリケーション」は「AP」と略記する)には、状態予測システムが適用されているものとするシステムAPプログラムの具体例として、例えば店舗業務システムプログラムや製造現場管理システム、設計業務システムがある。システムAPプログラムをインストールして実行可能にした装置が、状態予測装置である。
・ オブジェクトとは、システムAPにおいて状態予測を行う対象である。例えば店舗業務システムでは、発注伝票業務における発注伝票がオブジェクトに相当する。製造装置管理システムでは、製造装置の作業状態を管理する業務における製造装置センサデータファイルに相当する。設計業務システムにおいては、論理設計処理における論理設計仕様書に相当する。
・ 変動データとは、オブジェクトにおいて、値が変動するデータである。またオブジェクトにおいて変動データが配置される欄を変動データカラムという。例えば、発注伝票(オブジェクト)では、商品の発注数量が変動データであり、発注伝票フォーマットにおいて発注数量が記載される欄が変動データカラムである。製造装置センサデータファイルでは、センサデータが変動データであり、製造装置センサデータファイルにおいてセンサデータの格納領域が変動データカラムである。論理設計仕様書では、説明信号データが変動データであり、論理設計仕様書において説明信号が記入される欄が変動データカラムである。
・ Entityとは、変動データの実体である。例えば、発注伝票(オブジェクト)の商品A1の注文数量(変動データ)において、注文数量の“実体”がEntityである。発注伝票の中には商品A1の(注文)数量、商品A2の(注文)数量、・・・があり、それらの1つ1つの(注文)数量がEntityである。上記センサデータの値、説明信号の信号レベルの値もEntityである。
・ ノードオブジェクト(以下「ノード」と略記する)とは、システムAPプログラムに含まれる各変動データのEntityを演算するプログラムモジュールである。ノードは、1つの変動データに対して一つ設けられる。そして、システムAPプログラムに含まれる複数の変動データのうち、第1変動データのEntityが変わると、それに応じて第2変動データのEntityが変わる場合、第1変動データに対応する第1ノードと第2変動データに対応する第2ノードとを相互に関連付けて構成される。より詳しくは、第1ノードから出力されるEntityは、第2ノードの入力となるように第1ノードと第2ノードが関連付けて接続されて構成される。各ノードは、1つのCellと1つのそれに含まれる複数のu−AIとを含んで構成される。
・ Cellとは、u−AIクラスと、u−AIクラスの周りでシステム又はアプリケーション及び別のu−AIクラスとインタフェースする処理を実行するモジュールである。Cellは、1つの変動データに対して一つ設けられる。Cellクラスプログラムとu−AIクラスプログラムはシステムAPプログラム内におかれる。ここでいう「クラス」とは、処理の型で、データ処理方法を示した関数もしくはメソッドの集まりやその関数に設定すべきプロパティ(属性)が定義されている。一方、後述する「インスタンス」とは、クラス(処理の型)から、具体的なデータに合わせた関数もしくはメソッドとプロパティを指定されて処理に必要な部分だけが複写されてCPU上で実行されるプログラム実体である。
・ u−AI(埋め込み(embedded)機械学習部、“u−”は“ユビキタス”uである)とは、時系列予測、回帰系予測などの機械学習処理を行うプログラムモジュールを意味する。u−AIは、一つの関数を用いて一種類のEntityを出力する。u−AIは、機械学習により識別や予測に必要なパラメータを算出したり、識別辞書や予測辞書を生成し、その結果をCell経由でストレージに格納する。u−AIは、自身が関数を用いて演算した学習結果を使って、外部からシステムAPプログラム及びCell経由で与えられたデータの識別処理、予測処理、及び評価処理の少なくとも一つの処理を行う。
・システムAP IF
・システムAPからの設定処理
・u−AIの生成
・システムAPとの構成処理IF
・ユーザシステムAP設定処理からのu−AI設定
・DBデータの取り込み
・u−AI共通の区分化処理
・データ種別判定
・データ及び区分情報をu−AIへ書込み
・u−AIからの処理結果吸い上げ
・処理結果をDBへ書込み
・u−AI区分毎の評価
・予測組立(区分結合)
・u−AI毎とu−AI結合 両方をDB出力
データ毎に設定されたサンプリング周期毎のデータに欠損があった場合に1つ前と同じデータを入れるなどの欠損値補間処理や、データ間で数値のスケールが大きく離れている場合に後の予測値算出などで誤差が大きくなるなどを防ぐためにデータ間のスケールがある範囲に収まるようにするスケーリング処理などを意味する。
識別辞書はデータから抽出した特徴量と特徴量によるデータの状態(データを出力又は観測した対象の状態に対応)を(識別)分類に対応付ける内容のファイルである。
分類には識別ラベルを付す。分類は、一般的な分類アルゴリズムであるk−means法などにより行う。識別はデータから特徴量を抽出する演算処理を施し特徴量を抽出する。特徴量を抽出する演算処理の演算係数などのパラメータや分類アルゴリズムに与える分類数などのパラメータは学習データに対する分類処理結果の誤差が小さくなるように学習し、得られたパラメータも辞書を構成する一部としてストレージ106に格納する。抽出した特徴量に対して識別関数が識別辞書に登録された特徴量と相違判定し、識別辞書で対応付けられた(識別)分類ラベルを出力する。識別関数はデータから抽出した特徴量と識別辞書に登録された特徴量とを特徴量空間における距離を算出するなどして相違判定する。
予測辞書は、データの状態遷移を時系列に表し、状態遷移時系列を(状態遷移時系列)分類に対応付ける内容と、状態遷移時系列区分のつながり情報を加えたファイルである。区分の予測に使用する予測演算パラメータ(例えば回帰係数や隠れマルコフモデルの状態遷移確率など)は学習データに対する予測処理結果の誤差が小さくなるように学習し、得られたパラメータも辞書を構成する一部としてストレージ106に格納する。時系列の長さは区分化処理結果の時間幅を基本とする。
予測は、上記識別で識別したデータの状態(データを出力又は観測した対象の状態に対応)を時系列化し、予測辞書の参照を上記(状態遷移時系列)分類の区分ラベルとの対応付けと同様にして行い、(状態遷移時系列)分類を行う。更に、予測辞書から、対応付けられた区分ラベルの次の区分ラベルを参照することでデータの予測を行う。
(状態遷移時系列)分類には状態遷移時系列区分ラベルを付す。区分化処理結果の時間幅の長いものは予め設定した時間幅毎に区分ラベルを付す。(状態遷移時系列)分類は、時系列の各時点の上記識別で行った距離の時系列長さ分の合計値の範囲で分ける他、分類毎にあらかじめ用意する時系列の状態遷移とのパターンとの距離(時系列の各時点の状態に付した数値ラベルの差分計算)などにより行う。
予測と実測の距離の範囲で分けるなどした差分値毎にあらかじめ評価ラベルを付した評価辞書を用意しておく。実測データが入力された時点で、予測データとの距離を算出し、差分値により評価辞書を参照して評価ラベルを得て評価として出力する。
・状態識別(異常検知、注意を含む)
・評価
・予測
・制御
・期待
・データの時間的な区分毎にどちらの精度が高いかの情報を出力する。これは、どちらか精度の高い方だけの出力をするという意味ではなく、両方の結果を出力する。
・入力データの時系列のある程度以上の変化点や特徴量時系列のある程度以上の変化点で区分化した区分結果
・特徴量時系列によるデータ種別判定結果
・第1u−AIインスタンス、第2u−AIインスタンスの各々からの学習結果(パラメータ値、識別辞書、予測辞書)
・第1u−AIインスタンス、第2u−AIインスタンスの各々からの識別、予測、(状態)評価、制御推奨値などの結果
・第1u−AIインスタンス、第2u−AIインスタンスの各々からの区分毎の精度比較評価結果
・第1u−AIインスタンス、第2u−AIインスタンス各々の(予測性能)評価、クーポン(重み係数、決定係数等)
例えば
・識別モデルの予測辞書探索による目標接近制御の機能とパラメータ選択
・予測モデルの分布変分による目標接近制御の機能とパラメータ選択
・両方の選択値のバランス及び結果観測による両選択の評価により探索及び変分を更新
図9は、ノードオブジェクト“製品品質A値 予測”に対応するCellインスタンスの構成例を示す。Cellインスタンス710は、製造現場管理システムにおいて製品品質管理に適用した際に、製品品質A値を予測する処理で生成されるCellインスタンスである。図10は、本実施形態に係る状態予測システム100を適用した製造現場管理システムにおける作業状態管理業務処理フローを示す。
次に状態予測システムを設計業務システムに適用した例について説明する。図11は、ノードオブジェクト“論理設計 デバイス制御インタフェース信号Aタイミング 予測”に対応するCellインスタンスの構成例を示す。Cellインスタンス720は、設計業務システムにおいて設計業務に含まれる設計仕様書作成に適用した際に、デバイス制御インタフェース信号Aのタイミングを予測する処理で生成されるCellインスタンスである。図12は、本実施形態に係る状態予測システム100を適用した設計業務システムにおける論理設計処理フローを示す。
102 :CPU
104 :メモリ
104b :Cellインスタンス
104c :u−AIインスタンス
106 :ストレージ
106a :DB変動データ
106b :オブジェクトファイル
106c :識別辞書ファイル
106d :予測辞書ファイル
106e :システムAPプログラム
108 :入力インタフェース
110 :出力インタフェース
112 :バス
115 :Cellクラスプログラム
120 :u−AIクラスプログラム
130A :第1Cellインスタンス
130B :第2Cellインスタンス
140A1 :第1u−AIインスタンス
140A2 :第2u−AIインスタンス
140B1 :第1u−AIインスタンス
140B2 :第2u−AIインスタンス
200 :オブジェクト
210A :第1ノードオブジェクト
210B :第2ノードオブジェクト
300 :店舗業務システム
301 :行
302 :列
310 :オブジェクト
311 :注文書商品A類オブジェクト
312 :注文書商品B類オブジェクト
330 :記載欄
340 :Cellインスタンス
360 :ユーザ情報システム
600 :Cell機能処理部
610 :Cell外部IF
620 :Cell内部IF
630 :u−AI間IF
640 :第1u−AI
650 :第2u−AI
700 :Cellインスタンス
710 :Cellインスタンス
720 :Cellインスタンス
730 :Cellインスタンス
740 :Cellインスタンス
750 :Cellインスタンス
760 :Cellインスタンス
1100 :専用ハードデバイス
3401 :第1u−AIインスタンス
3402 :第2u−AIインスタンス
Claims (6)
- 複数の変動データに基づいて対象物の状態の予測値を出力する状態予測システムであって、
前記変動データ毎に当該変動データに応じた処理を行い、当該変動データの予測値を演算する複数の埋め込み機械学習部と、
前記複数の埋め込み機械学習部を相互に連携させる相互インタフェースと、
を備え、
複数の前記埋め込み機械学習部は並列処理を行い、複数の変動データの予測値を演算して前記相互インタフェースに出力し、一つの埋め込み機械学習部から出力される予測値が変化すると、前記相互インタフェースを介して他の埋め込み機械学習部に前記変化した予測値を引き渡し、前記変化した予測値を取得した他の埋め込み機械学習部は、前記変化した予測値を新たな入力として新たな変動データの予測値を再演算して前記相互インタフェースに出力する、
ことを特徴とする状態予測システム。 - 請求項1に記載の状態予測システムにおいて、
一つの変動データに対して識別系予測を行う第1埋め込み機械学習部と、生成モデル系予測を行う第2埋め込み機械学習部と、を備え、前記第1埋め込み機械学習部及び前記第2埋め込み機械学習部の其々の出力を基に前記識別系予測と前記生成モデル系予測の評価を行い、評価が高い系を用いた制御を実行する、
ことを特徴とする状態予測システム。 - 請求項1又は2に記載の状態予測システムにおいて、
前記他の埋め込み機械学習部との連携効果として、前記他の埋め込み機械学習部との予測精度についての連携効果を評価するトークンインタフェースを更に備える、
ことを特徴とする状態予測システム。 - 請求項1又は2に記載の状態予測システムにおいて、
前記他の埋め込み機械学習部との連携効果として、前記他の埋め込み機械学習部への制御についての連携効果を評価するトークンインタフェースを更に備える、
ことを特徴とする状態予測システム。 - 請求項1、2、3、4のいずれか一つに記載の状態予測システムにおいて、
前記状態予測システムは、複数のノードを用いて構成され、前記ノードの其々は、前記埋め込み機械学習部を用いて構成され、ノード跨ぎ処理によるシステム状態最適制御を実行する、
ことを特徴とする状態予測システム。 - 請求項1、2、3、4、5のいずれか一つに記載の状態予測システムにおいて、
異なる変動データの其々を演算する複数の埋め込み機械学習部は一つのCellに含んで構成される、
ことを特徴とする状態予測システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019178519 | 2019-09-30 | ||
JP2019178519 | 2019-09-30 | ||
PCT/JP2019/050135 WO2021065021A1 (ja) | 2019-09-30 | 2019-12-20 | 状態予測システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021065021A1 JPWO2021065021A1 (ja) | 2021-04-08 |
JP6966655B2 true JP6966655B2 (ja) | 2021-11-17 |
Family
ID=75336863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020545381A Active JP6966655B2 (ja) | 2019-09-30 | 2019-12-20 | 状態予測システム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220366292A1 (ja) |
EP (1) | EP3828706A4 (ja) |
JP (1) | JP6966655B2 (ja) |
CN (1) | CN113366445A (ja) |
WO (1) | WO2021065021A1 (ja) |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3743247B2 (ja) * | 2000-02-22 | 2006-02-08 | 富士電機システムズ株式会社 | ニューラルネットワークによる予測装置 |
US20050111545A1 (en) * | 2003-11-25 | 2005-05-26 | Ram Prabhakar | Dynamic packet size control for MPEG-4 data partition mode |
KR100540009B1 (ko) * | 2003-11-28 | 2005-12-29 | 주식회사 비츠로시스 | 신경망을 이용한 물수요 예측 방법 |
CN104200087B (zh) * | 2014-06-05 | 2018-10-02 | 清华大学 | 用于机器学习的参数寻优及特征调优的方法及系统 |
EP3396358B1 (en) * | 2015-12-25 | 2024-05-15 | FUJIFILM Corporation | Information processing device and information processing method |
US10799186B2 (en) * | 2016-02-12 | 2020-10-13 | Newton Howard | Detection of disease conditions and comorbidities |
US10195531B2 (en) | 2016-06-30 | 2019-02-05 | Sony Interactive Entertainment Inc. | Automated artificial intelligence (AI) personal assistant |
US10402697B2 (en) * | 2016-08-01 | 2019-09-03 | Nvidia Corporation | Fusing multilayer and multimodal deep neural networks for video classification |
JP2019537130A (ja) * | 2016-10-19 | 2019-12-19 | ピーチ インテリヘルス プライベート リミティド | 人工知能及び機械学習を使用して連続臓器不全評価(sofa)スコアを予測するシステム及び方法 |
JP7107926B2 (ja) * | 2016-10-21 | 2022-07-27 | データロボット, インコーポレイテッド | 予測データ分析のためのシステムおよび関連する方法および装置 |
DE102017205713A1 (de) * | 2017-04-04 | 2018-10-04 | Siemens Aktiengesellschaft | Verfahren und Steuereinrichtung zum Steuern eines technischen Systems |
JP6530783B2 (ja) * | 2017-06-12 | 2019-06-12 | ファナック株式会社 | 機械学習装置、制御装置及び機械学習プログラム |
CN107680676B (zh) * | 2017-09-26 | 2021-04-27 | 电子科技大学 | 一种基于电子病历数据驱动的妊娠期糖尿病预测方法 |
US10474478B2 (en) | 2017-10-27 | 2019-11-12 | Intuit Inc. | Methods, systems, and computer program product for implementing software applications with dynamic conditions and dynamic actions |
JP6993863B2 (ja) * | 2017-12-18 | 2022-01-14 | 株式会社日立製作所 | 情報処理システムおよび情報処理システムの学習方法 |
-
2019
- 2019-12-20 US US17/258,078 patent/US20220366292A1/en not_active Abandoned
- 2019-12-20 EP EP19920640.0A patent/EP3828706A4/en not_active Withdrawn
- 2019-12-20 CN CN201980089172.1A patent/CN113366445A/zh active Pending
- 2019-12-20 JP JP2020545381A patent/JP6966655B2/ja active Active
- 2019-12-20 WO PCT/JP2019/050135 patent/WO2021065021A1/ja unknown
Also Published As
Publication number | Publication date |
---|---|
JPWO2021065021A1 (ja) | 2021-04-08 |
US20220366292A1 (en) | 2022-11-17 |
EP3828706A4 (en) | 2022-04-27 |
EP3828706A1 (en) | 2021-06-02 |
WO2021065021A1 (ja) | 2021-04-08 |
CN113366445A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schneckenreither et al. | Order release planning with predictive lead times: a machine learning approach | |
Schwartz et al. | Simulation-based optimization of process control policies for inventory management in supply chains | |
Chepachenko et al. | Features of the factor models for the corporate cost management purposes in construction | |
Li | Research on discrete intelligent workshop lot-streaming scheduling with variable sublots under engineer to order | |
Yani et al. | Demand forecasting accuracy in the pharmaceutical supply chain: a machine learning approach | |
JP6966655B2 (ja) | 状態予測システム | |
Zhang et al. | Big data-enabled intelligent synchronisation for the complex production logistics system under the opti-state control strategy | |
Gunjal et al. | Fusing clustering and machine learning techniques for Big-Mart sales predication | |
Biller et al. | Integrated Framework for Financial Risk Management, Operational Modeling, and IoT-Driven Execution | |
Schuh et al. | Reduction of planning efforts for decision making under uncertainty in global production network design | |
A. Medeiros et al. | Manufacturing as a service in industry 4.0: a multi-objective optimization approach | |
Zhang et al. | Clearing function-based simulation optimization for release planning under digital twin wafer fabs | |
Hewage et al. | Retail Sales Forecasting in the Presence of Promotional Periods | |
Suszyński et al. | Selection of Assembly Sequence for Manual Assembly Based on DFA Rating Factors | |
Zakaria et al. | Optimization of COCOMO Model using Particle Swarm Optimization | |
Yi et al. | Construction cost estimation model and dynamic management control analysis based on artificial intelligence | |
US20240054515A1 (en) | System and method for forecasting commodities and materials for part production | |
Leuthold et al. | A Decision Support System to Optimize Production Quantities with Respect to Product Phase-Out Costs | |
Albores et al. | An evaluation of SCOR modelling techniques and tools | |
US11687840B2 (en) | Forecasting with state transitions and confidence factors | |
Juzoń et al. | The concept of use of process data and enterprise architecture to optimize the production process | |
Kluth et al. | Influencing factors of the digital transformation on the supply chain complexity dimensions | |
CN117807377B (zh) | 多维度物流数据挖掘与预测方法及系统 | |
Neto et al. | GUIDELINES RELATED TO PERFORMANCE RESTRICTIONS IN THE PRODUCT-SERVICE SYSTEM: A SYSTEM DYNAMICS APPROACH. | |
Boginsky | The Assessment of Technical and Economic Indicators of Products Formed Under the Influence of Innovative Technologies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200828 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200828 |
|
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: 20211012 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211021 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6966655 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |