JP7001766B2 - 予測システムおよび予測方法 - Google Patents
予測システムおよび予測方法 Download PDFInfo
- Publication number
- JP7001766B2 JP7001766B2 JP2020107291A JP2020107291A JP7001766B2 JP 7001766 B2 JP7001766 B2 JP 7001766B2 JP 2020107291 A JP2020107291 A JP 2020107291A JP 2020107291 A JP2020107291 A JP 2020107291A JP 7001766 B2 JP7001766 B2 JP 7001766B2
- Authority
- JP
- Japan
- Prior art keywords
- factor
- prediction
- factors
- value
- sample
- 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
- 238000000034 method Methods 0.000 title claims description 91
- 230000008569 process Effects 0.000 claims description 68
- 238000012545 processing Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 38
- 238000001914 filtration Methods 0.000 claims description 31
- 230000008859 change Effects 0.000 claims description 12
- 230000007717 exclusion Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 description 25
- 238000004891 communication Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 238000010248 power generation Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 108010014173 Factor X Proteins 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Description
・一つ以上のI/O(Input/Output)インターフェースデバイス。I/O(Input/Output)インターフェースデバイスは、I/Oデバイスと遠隔の表示用計算機とのうちの少なくとも一つに対するインターフェースデバイスである。表示用計算機に対するI/Oインターフェースデバイスは、通信インターフェースデバイスでよい。少なくとも一つのI/Oデバイスは、ユーザインターフェースデバイス、例えば、キーボードおよびポインティングデバイスのような入力デバイスと、表示デバイスのような出力デバイスとのうちのいずれでもよい。
・一つ以上の通信インターフェースデバイス。一つ以上の通信インターフェースデバイスは、一つ以上の同種の通信インターフェースデバイス(例えば一つ以上のNIC(Network Interface Card))であってもよいし二つ以上の異種の通信インターフェースデバイス(例えばNICとHBA(Host Bus Adapter))であってもよい。
(1)第一の実施の形態
(1-1)本実施の形態によるデータ管理システムの構成
(1-2)装置内部構成
(1-3)予測システム12の全体の処理およびデータフロー
(1-4)各構成要素の詳細
(1-4-1)因子フィルタ部251
(a)予測用因子データ353における予測用因子値が、標本用因子データ352から特定される標本範囲(予測モデルの同定に用いられる複数の標本用因子値の範囲)に収まっているか否かを、因子選択処理が行われる前の各因子について判定すること。
(b)当該判定の結果が偽の因子を除外し除外されない因子について標本用因子データ部分352A1および予測用因子データ部分353A1を出力すること。
(X)標本範囲に予測用因子値が収まっていると判定された因子についてのみ標本用因子データ部分と予測用因子データ部分を出力する。
(Y)下記の(y1)および(y2)を出力する。
(y1)標本範囲に予測用因子値が収まっていると判定された因子であることを表す情報が関連付けられた標本用因子データ部分と予測用因子データ部分。
(y2)標本範囲に予測用因子値が収まっていないと判定された因子(つまり除外対象の因子)であることを表す情報が関連付けられた標本用因子データ部分と予測用因子データ部分。
(A)上述の(X)が範囲フィルタ部251Aにより行われた場合、相関フィルタ部251Bは、範囲フィルタ部251Aが出力した標本用因子データ部分から因子間の互いの相関(因子間の標本用因子値群(複数の標本用因子値)の相関)を算出する。相関フィルタ部251Bは、あらかじめ定めた閾値を超える相関値(相関係数)を持つ因子同士の内、一つの因子のみの標本用因子データ部分と予測用因子データ部分を出力する。なお相関フィルタ部251Bが行う処理はこれに限らず、他種の処理、例えば、多重共線性を除外する公知の処理が適用されてもよい。
(B)上述の(Y)が範囲フィルタ部251Aにより行われた場合、相関フィルタ部251Bは、(y1)と(y2)を基に、除外対象の因子と類似の因子(除外対象の因子と絶対的にまたは相対的に相関が強い因子)を特定し、特定された類似の因子の標本用因子データ部分と予測用因子データ部分を出力する。複数の類似の因子が見つかった場合、相関フィルタ部251Bは、(A)の処理と同様の方法により、複数の類似の因子を一つの類似の因子に絞り、絞り込まれた類似の因子の標本用因子データ部分と予測用因子データ部分とを出力する。
(1-4-2)因子選択部252
(a)標本用予測対象データ351と、因子フィルタ部251が出力した標本用因子データ部分352A1と予測用因子データ部分353A1とを用いて、予測部253において同定する予測モデルに使用する因子を取捨選択すること。
(b)選択した因子の標本用因子データ部分352A2と予測用因子データ部分353A2とを出力すること。
(1-4-3)予測部253
(a)標本用予測対象データ351と、因子選択部252が出力した標本用因子データ部分352A2とを用いて、予測対象の予測値を算出する予測モデルを同定すること。
(b)同定された予測モデルに予測用因子データ部分353A2を入力することで予測対象の予測値を算出すること。
(c)算出された予測値を含むデータを予測結果データ254に追加すること。
・リッジ回帰、ラッソ回帰、エラスティックネットなどの線形モデル。
・回帰木、ランダムフォレスト、ブースティングツリーなどのツリーモデル。
・サポートベクトル回帰、カーネルリッジ回帰、ガウス過程回帰などのカーネル法。
・リカレントネットやLong Short-Term Memoryなどのニューラルネットワーク。
(1-5)本願発明の効果の説明
(2)第二の実施の形態
(3)第三の実施の形態
(4)第四の実施の形態
(5)第五の実施の形態
(6)第六の実施の形態
(7)第七の実施の形態
(8)第八の実施の形態
(9)第九の実施の形態
Y=a*x1*w1+b*x2*w2+c
S=d_ij~w1(x1_i-x1_j)^2+w2(x2_i-x2_j)^2
Claims (10)
- 一つまたは複数の因子から一つまたは二つ以上の因子を選択するための演算である因子選択演算を行うことを含む因子選択処理を行う因子選択部と、
予測モデルの同定に用いられる複数の標本用因子値の範囲に、予測対象の予測値の算出のために当該予測モデルに入力される予測用因子値が収まっているか否かを、前記因子選択処理が行われる前の一つまたは複数の因子の各々について判定することと、当該判定の結果が偽の因子を除外し除外されない因子を出力することとを含む因子フィルタリング処理を行う因子フィルタ部と、
前記因子選択処理において選択された因子を含み前記因子フィルタリング処理において除外された因子を含まない一つ以上の因子の各々についての予測用因子値を予測モデルに入力することで予測対象の予測値を算出することを含む予測処理を行う予測部と
を備える予測システム。 - 前記因子フィルタリング処理は、除外した因子がある場合、予測用因子値が複数の標本用因子値の範囲に収まっている因子のうち当該除外した因子との相関が絶対的にまたは相対的に強い少なくとも一つの因子を出力することを含む、
請求項1に記載の予測システム。 - 前記因子選択処理は、一つまたは複数の因子の各々について、複数の標本用因子値を基に同定される予測モデルに対する寄与度と、複数の過去の時点にそれぞれ対応した複数の寄与度とを平均化することを含み、
前記因子選択演算は、当該一つまたは複数の因子の各々についての平均化された寄与度を基に当該一つまたは複数の因子から前記一つまたは二つ以上の因子を選択するための演算である、
を含む、
請求項1に記載の予測システム。 - 前記予測処理は、
前記一つ以上の因子の各々についての予測に対する寄与度を基に、同定される予測モデルに対する当該因子の適合度を調整することと、
前記一つ以上の因子の各々についての調整後の適合度に基づく予測モデルに対して前記一つ以上の因子の各々についての予測用因子値を入力することと
を含む、
請求項1に記載の予測システム。 - 前記因子選択処理は、一つまたは複数の因子の各々について、当該因子の複数の標本用因子値を用いて予測モデルを同定し、且つ、同定された予測モデルの評価値を算出することを含み、
前記因子選択演算は、算出された評価値が最も高い予測モデルに使用された前記一つまたは二つ以上の因子を選択するための演算である、
を含む、
請求項1に記載の予測システム。 - 前記因子フィルタリング処理において、
前記一つまたは複数の因子は、予測対象を含み、
当該一つまたは複数の因子のうち、因子としての予測対象について、予測用因子値は、算出された予測値であり、複数の標本用因子値は、過去に得られた複数の値である、
請求項1に記載の予測システム。 - 前記因子選択処理は、
前記因子フィルタリング処理において選択された全ての因子の複数の標本用因子値で構成された標本用データに複数の予測用因子値で構成された予測用データが追加されたことによる標本用データの情報量の変化量が所定の閾値を超えたか否かを判定することと、
当該判定の結果が偽の場合、新たに予測値を算出するために使用される因子として前記因子選択演算無しに前記一つまたは二つ以上の因子を選択することと、
当該判定の結果が真の場合、新たに予測値を算出するために使用される因子としての一つまたは二つ以上の因子を選択するために新たに選択演算を行うことと
を含む、
請求項1に記載の予測システム。 - 前記因子選択処理は、
前記選択された一つまたは二つ以上の因子の各々についての予測用因子値を基に予測モデルを用いて算出された予測誤差に従う値が所定の閾値を超えたか否かを判定することと、
当該判定の結果が偽の場合、新たに予測値を算出するために使用される因子として前記因子選択演算無しに前記一つまたは二つ以上の因子を選択することと、
当該判定の結果が真の場合、新たに予測値を算出するために使用される因子としての一つまたは二つ以上の因子を選択するために新たに選択演算を行うことと
を含む、
請求項1に記載の予測システム。 - 前記因子選択部が、以下の(A)および(B)のうちの少なくとも一つを表す情報を提示する、
(A)一つまたは複数の因子の各々について、複数の標本用因子値の範囲に予測用因子値が収まっているか否か、
(B)一つまたは複数の因子の各々について、因子の除外前後での予測に対する寄与度、
請求項1に記載の予測システム。 - コンピュータが、一つまたは複数の因子から一つまたは二つ以上の因子を選択するための演算である選択演算を行うことを含む因子選択処理を行い、
コンピュータが、予測モデルの同定に用いられる複数の標本用因子値の範囲に、予測対象の予測値の算出のために当該予測モデルに入力される予測用因子値が収まっているか否かを、前記因子選択処理が行われる前の一つまたは複数の因子の各々について判定することと、当該判定の結果が偽の因子を除外し除外されない因子を出力することとを含む因子フィルタリング処理を行い、
コンピュータが、前記因子選択処理において選択された因子を含み前記因子フィルタリング処理において除外された因子を含まない一つ以上の因子の各々についての予測用因子値を予測モデルに入力することで予測対象の予測値を算出することを含む予測処理を行う、
予測方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020107291A JP7001766B2 (ja) | 2020-06-22 | 2020-06-22 | 予測システムおよび予測方法 |
AU2021294867A AU2021294867A1 (en) | 2020-06-22 | 2021-01-15 | Prediction system and prediction method |
EP21829969.1A EP4170566A1 (en) | 2020-06-22 | 2021-01-15 | Prediction system and prediction method |
US17/911,155 US20230027383A1 (en) | 2020-06-22 | 2021-01-15 | Prediction system and prediction method |
PCT/JP2021/001254 WO2021260982A1 (ja) | 2020-06-22 | 2021-01-15 | 予測システムおよび予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020107291A JP7001766B2 (ja) | 2020-06-22 | 2020-06-22 | 予測システムおよび予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022002063A JP2022002063A (ja) | 2022-01-06 |
JP7001766B2 true JP7001766B2 (ja) | 2022-01-20 |
Family
ID=79244745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020107291A Active JP7001766B2 (ja) | 2020-06-22 | 2020-06-22 | 予測システムおよび予測方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230027383A1 (ja) |
EP (1) | EP4170566A1 (ja) |
JP (1) | JP7001766B2 (ja) |
AU (1) | AU2021294867A1 (ja) |
WO (1) | WO2021260982A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117194982B (zh) * | 2023-09-06 | 2024-02-13 | 中国民航科学技术研究院 | 民航客机着陆载荷风险预警方法、系统及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130325377A1 (en) | 2012-05-31 | 2013-12-05 | Johnson Controls Technology Company | Systems and methods for measuring and verifying energy usage in a building |
WO2018124170A1 (ja) | 2016-12-28 | 2018-07-05 | みずほ第一フィナンシャルテクノロジー株式会社 | 説明変数を選択する装置、方法及びプログラム |
WO2019049546A1 (ja) | 2017-09-08 | 2019-03-14 | 株式会社日立製作所 | 予測システム及び方法 |
JP2020064446A (ja) | 2018-10-17 | 2020-04-23 | 株式会社日立製作所 | 予測システムおよび予測方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5338492B2 (ja) | 2009-06-08 | 2013-11-13 | 富士電機株式会社 | 入力変数選択支援装置 |
JP6274932B2 (ja) | 2014-03-19 | 2018-02-07 | 三菱日立パワーシステムズ株式会社 | 予測システム、監視システム、運転支援システム、ガスタービン設備及び予測方法 |
US10496927B2 (en) * | 2014-05-23 | 2019-12-03 | DataRobot, Inc. | Systems for time-series predictive data analytics, and related methods and apparatus |
DE112015002433T5 (de) * | 2014-05-23 | 2017-03-23 | Datarobot | Systeme und Techniken zur prädikativen Datenanalytik |
US11443015B2 (en) * | 2015-10-21 | 2022-09-13 | Adobe Inc. | Generating prediction models in accordance with any specific data sets |
US11537847B2 (en) * | 2016-06-17 | 2022-12-27 | International Business Machines Corporation | Time series forecasting to determine relative causal impact |
US11429859B2 (en) * | 2016-08-15 | 2022-08-30 | Cangrade, Inc. | Systems and processes for bias removal in a predictive performance model |
JP2019087027A (ja) * | 2017-11-07 | 2019-06-06 | 株式会社東芝 | 需要予測装置、需要予測方法および需要予測プログラム |
JP7057199B2 (ja) * | 2018-04-16 | 2022-04-19 | 株式会社日立製作所 | ダイヤ分析支援装置及び方法 |
US11480934B2 (en) * | 2019-01-24 | 2022-10-25 | Uptake Technologies, Inc. | Computer system and method for creating an event prediction model |
US11501161B2 (en) * | 2019-04-04 | 2022-11-15 | Adobe Inc. | Method to explain factors influencing AI predictions with deep neural networks |
-
2020
- 2020-06-22 JP JP2020107291A patent/JP7001766B2/ja active Active
-
2021
- 2021-01-15 EP EP21829969.1A patent/EP4170566A1/en active Pending
- 2021-01-15 WO PCT/JP2021/001254 patent/WO2021260982A1/ja unknown
- 2021-01-15 AU AU2021294867A patent/AU2021294867A1/en active Pending
- 2021-01-15 US US17/911,155 patent/US20230027383A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130325377A1 (en) | 2012-05-31 | 2013-12-05 | Johnson Controls Technology Company | Systems and methods for measuring and verifying energy usage in a building |
WO2018124170A1 (ja) | 2016-12-28 | 2018-07-05 | みずほ第一フィナンシャルテクノロジー株式会社 | 説明変数を選択する装置、方法及びプログラム |
WO2019049546A1 (ja) | 2017-09-08 | 2019-03-14 | 株式会社日立製作所 | 予測システム及び方法 |
JP2020064446A (ja) | 2018-10-17 | 2020-04-23 | 株式会社日立製作所 | 予測システムおよび予測方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021260982A1 (ja) | 2021-12-30 |
EP4170566A1 (en) | 2023-04-26 |
JP2022002063A (ja) | 2022-01-06 |
US20230027383A1 (en) | 2023-01-26 |
AU2021294867A1 (en) | 2022-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Godahewa et al. | Monash time series forecasting archive | |
JP6742894B2 (ja) | データ予測システムおよびデータ予測方法 | |
Fotheringham et al. | Exploring, modelling and predicting spatiotemporal variations in house prices | |
JP5743881B2 (ja) | 電力管理システム、電力管理方法、需要家端末及び電力管理装置 | |
JP6837949B2 (ja) | 予測システム及び方法 | |
Aytac et al. | Characterization of demand for short life-cycle technology products | |
Llanos et al. | Load estimation for microgrid planning based on a self-organizing map methodology | |
JP7157620B2 (ja) | 予測システムおよび予測方法 | |
US20180248370A1 (en) | Methods and systems for energy use normalization and forecasting | |
Lawal et al. | Dynamic line rating forecasting algorithm for a secure power system network | |
JP2017169289A (ja) | 電力予測システム、電力予測方法及びプログラム | |
Sigauke | Modelling electricity demand in South Africa | |
JP7001766B2 (ja) | 予測システムおよび予測方法 | |
US20210248481A1 (en) | Data Processing System and Data Processing Method | |
García-Díaz et al. | Competitive models for the spanish short-term electricity demand forecasting | |
KR20100123408A (ko) | Gis 기반의 가맹점 마케팅 지원 시스템 및 방법 | |
JP7231504B2 (ja) | 気象数値解析システム、予測対象データ生成システムおよび気象数値解析方法 | |
Raman et al. | Demand baseline estimation using similarity‐based technique for tropical and wet climates | |
Valgaev et al. | Building power demand forecasting using k-nearest neighbors model-initial approach | |
JP7423505B2 (ja) | データ分析システムおよび方法 | |
JP2016170468A (ja) | 電力取引量決定システム、電力取引量決定方法およびプログラム | |
CN115169731A (zh) | 一种智慧校园能耗预测方法、装置、设备及介质 | |
Louie | Probabilistic modeling and statistical analysis of aggregated electric vehicle charging station load | |
Basmadjian et al. | Day-Ahead Forecasting of the Percentage of Renewables Based on Time-Series Statistical Methods. Energies 2021, 14, 7443 | |
Sinitsyna et al. | Some practical aspects of electric power consumption time series analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210527 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210527 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211008 |
|
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: 20211214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211224 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7001766 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |