JP7049210B2 - データ分析装置及びデータ分析方法 - Google Patents
データ分析装置及びデータ分析方法 Download PDFInfo
- Publication number
- JP7049210B2 JP7049210B2 JP2018148303A JP2018148303A JP7049210B2 JP 7049210 B2 JP7049210 B2 JP 7049210B2 JP 2018148303 A JP2018148303 A JP 2018148303A JP 2018148303 A JP2018148303 A JP 2018148303A JP 7049210 B2 JP7049210 B2 JP 7049210B2
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- data
- diagram
- derivative
- objective variable
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
- G06F18/41—Interactive pattern learning with a human teacher
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/196—Recognition using electronic means using sequential comparisons of the image signals with a plurality of references
- G06V30/1983—Syntactic or structural pattern recognition, e.g. symbolic string recognition
- G06V30/1988—Graph matching
Description
(データ分析手順)
図3に示すフローチャートに基づいて、一般的なデータ分析の手順について説明する。開始後、ステップSA1では前処理ステップを実行する。前処理ステップでは、分析に必要なデータ、すなわち分析対象データを収集し、分析の効果を高めるために、データの中から不要なノイズを取り除いたり、欠損した項目を埋めるといった作業を行う。この作業はETL:Extract/Transform/Loadと呼ばれている。ステップSA2では特徴抽出ステップを実行する。特徴抽出ステップでは、元データに存在する特徴量を加工し、分析により役立つ新たな特徴量を生成する。ステップSA3ではモデル学習ステップを実行する。モデル学習ステップでは、前処理ステップ及び特徴抽出ステップで準備されたデータを機械学習アルゴリズムに入力し、分析結果を得る。ステップSA4では後処理ステップを実行する。後処理ステップでは、モデル学習ステップで得られた分析結果を外部の機器に出力したり、分析結果に基づいてレポートを作成するといった処理を行う。
図1及び図2に示すように、データ分析装置1は、装置本体2と、モニタ3と、キーボード4と、マウス5とを備えており、モニタ3、キーボード4及びマウス5は、装置本体2に接続されている。例えば汎用のパーソナルコンピュータに、後述する制御内容を実行するプログラムをインストールすることによってデータ分析装置1とすることができ、また、前記プログラムがインストールされた専用のハードウェアでデータ分析装置1を構成することもできる。装置本体2とモニタ3とは一体化されていてもよいし、装置本体2の一部がモニタ3に内蔵されていてもよい。
図1に示すモニタ3は、たとえば有機ELディスプレイや液晶ディスプレイ等からなるものであり、それ単体で表示部と呼ぶこともできるし、モニタ3と、図2に示す表示制御部3aとを合わせて表示部と呼ぶこともできる。表示制御部3aは、モニタ3に内蔵されていてもよいし、装置本体10に内蔵されていてもよい。表示制御部3aは、モニタ3に対して画像を表示させる表示用DSPなどから構成される。表示制御部3aには、画像を表示させる際に画像データを一時記憶するVRAMなどのビデオメモリが含まれていてもよい。表示制御部3aは、後述する主制御部11のCPU11aから送られてきた表示指令(表示コマンド)に基づいて、モニタ3に対して所定の画像を表示させるための制御信号を送信する。たとえば、各種ユーザーインターフェースやアイコン、キーボード4やマウス5を用いた使用者の操作内容をモニタ3に表示させるための制御信号も送信する。また、マウス5で操作可能なポインタ等もモニタ3に表示することができるようになっている。
図1に示す装置本体2は、制御ユニット10と、記憶部30とを備えている。記憶部30は、ハードディスクドライブ、ソリッドステートドライブ(SSD)等で構成されている。記憶部30は、制御ユニット10に接続されており、制御ユニット10によって制御され、各種データを保存しておくことができるとともに、保存しておいたデータを読み出すこともできるようになっている。
制御ユニット10は、具体的に図示しないが、MPU、システムLSI、DSPや専用ハードウェア等で構成することができる。制御ユニット10は、後述するように様々な機能を搭載しているが、これらは論理回路によって実現されていてもよいし、ソフトウェアを実行することによって実現されていてもよい。
あるいは、係数をそのまま使うのではなく、各特徴量x1,x2,…の大きさが揃うように補正した正規化係数を重要度に用いてもよい。
図15に示す特徴量表示ユーザーインターフェース60の特徴量表示領域60aに表示されている特徴量は使用者によって選択することができる。マウス5等を使用して、どの特徴量を選択するか使用者が入力操作を行うと、図16に示すように、特徴量表示ユーザーインターフェース60の詳細情報表示領域60bに第1基本図70が表示される。第1基本図70は、図2に示す表示図生成部16の基本図生成部16aが生成する。この処理が基本図生成ステップである。つまり、基本図生成部16aは、モニタ3に表示された特徴量の中から使用者の入力に応じて選択された第1の特徴量と、目的変数との関係を示す基本図を生成する部分である。第1の特徴量とは、上記使用者が選択した特徴量のことであり、図16に示す例では、「直近30日の総来店日数」である。使用者が選択した特徴量は強調表示されて他の特徴量との識別が容易になっている。また、第1基本図70は、使用者の入力に応じて選択された特徴量の値に基づいて分析対象データを複数のクラスターに分割しており、各クラスターと、各クラスターの目的変数の代表値との関係を示す図となっている。
yは予測値、x1,x2,…は各特徴量の値(説明変数)、a1,a2,…は各特徴量に対する係数を表す。また、bは定数項である。重回帰分析では、各データについてyの値が目的変数に近づくように、係数aおよび定数項bを学習する。
y_sel = B1sel + B2sel + B3sel + … + Bnsel + b ・・・(4)
y_all,y_selは全データ/選択したデータに対する平均の予測値を表す。Biall,Biselはi番目の特徴量についての全データ/選択したデータの貢献度を表す。
y_sel = y_all + (B1sel - B1all) + (B2sel - B2all) + … + (Bnsel - Bnall)
・・・(5)
となる。右辺の第2項以降は選択したデータと全データの貢献度の差を表す(これをDiとする)。また、y_sel,y_allは実際の目的変数の平均値y_sel_true,y_all_trueに対して、予測誤差が含まれていると考えられる。
y_all_true = y_all + δ_all ・・・(7)
(6)、(7)を(5)に代入すると、
y_sel_true = y_all_true + D1 + D2 + … Dn + (δ_all - δ_sel) ・・・(8)
となる。式(8)から、選択したデータの目的変数の平均値(y_sel_true)は、全データの目的変数の平均値、各々の特徴量の貢献度の差、予測誤差の3つの要素の和であると説明できる。
以上説明したように、この実施形態に係るデータ分析装置1及びデータ分析方法によれば、大量のデータに含まれる重要度の高い特徴量をモニタ3に表示することができる。そして、特徴量と目的変数との関係を示す基本図や、複数の特徴量と目的変数との関係を示す派生図、所定のクラスターで目的変数の予測に寄与している特徴量を示す派生図、集計期間が異なる特徴量に基づいて生成された予測モデルの精度比較を示す派生図等をモニタ3に表示することができる。
上述の実施形態はあらゆる点で単なる例示に過ぎず、限定的に解釈してはならない。さらに、特許請求の範囲の均等範囲に属する変形や変更は、全て本発明の範囲内のものである。
3 モニタ(表示部)
3a 表示制御部
11 主制御部
12 データ入力部
13 予測モデル生成部
14 重要度算出部
15 クラスター選択部
16a 基本図生成部
16b 派生図生成部
16c 比較図生成部
18 説明文自動生成部
30 記憶部
70、77、80 基本図
76 予測精度比較グラフ(第3の派生図)
75 比較表(比較図)
78 影響度比較グラフ(第1の派生図)
79 寄与度表示グラフ(比較図)
81 差分の説明グラフ(比較図)
83 特徴量の寄与度の変化に関するグラフ(第2の派生図)
Claims (13)
- 分析対象データを分析するデータ分析装置において、
複数の特徴量と目的変数とを含む分析対象データの入力を受け付けるデータ入力部と、
前記複数の特徴量から前記目的変数を予測するための予測モデルを生成する予測モデル生成部と、
前記複数の特徴量それぞれに対して前記予測モデルによる予測に対する重要度を算出する重要度算出部と、
前記重要度算出部により算出された重要度に基づき、上位の重要度を有する特徴量を表示する表示部と、
前記表示部に表示された特徴量の中から使用者の入力に応じて選択された第1の特徴量と、前記目的変数との関係を示す基本図を生成する基本図生成部と、
前記第1の特徴量の値に基づいて前記分析対象データを複数のクラスターに分割し、各クラスターの目的変数の代表値を算出し、少なくともいずれか1つのクラスターで、前記第1の特徴量の目的変数の代表値に対して有意な差が存在すると判定される目的変数の代表値を有する第2の特徴量を抽出し、当該第2の特徴量と前記目的変数との関係を示す第1の派生図と、
前記複数のクラスターのうち、所定のクラスターで前記目的変数の予測に寄与している特徴量を示す第2の派生図と、
前記第1の特徴量に基づいて生成された予測モデルの精度と、前記第1の特徴量と同一カテゴリーに属し、且つ前記第1の特徴量と集計期間が異なる別の特徴量に基づいて生成された予測モデルの精度との比較を示す第3の派生図と、
のうち、少なくともいずれか1つを生成する派生図生成部とを備え、
前記表示部は、前記基本図生成部により生成された前記基本図と、前記派生図生成部により生成された派生図とを表示可能に構成されていることを特徴とするデータ分析装置。 - 請求項1に記載のデータ分析装置において、
前記表示部は、上位の重要度を有する複数の特徴量を重要度の高い順に並べて表示するように構成されていることを特徴とするデータ分析装置。 - 請求項2に記載のデータ分析装置において、
前記表示部は、最上位の重要度を有する特徴量と、最上位の重要度未満の複数の特徴量とを同時に表示するように構成されていることを特徴とするデータ分析装置。 - 請求項1から3のいずれか1つに記載のデータ分析装置において、
前記派生図生成部は、前記第3の派生図の生成時に、複数の前記別の特徴量に基づいてそれぞれ生成された各予測モデルの精度と、前記第1の特徴量に基づいて生成された予測モデルの精度とを比較可能にすることを特徴とするデータ分析装置。 - 請求項4に記載のデータ分析装置において、
前記派生図生成部は、前記第3の派生図の生成時に、所定以上の重要度を有する前記別の特徴量に基づいて生成された予測モデルの精度と、前記第1の特徴量に基づいて生成された予測モデルの精度とを比較可能にすることを特徴とするデータ分析装置。 - 請求項1から5のいずれか1つに記載のデータ分析装置において、
前記派生図生成部は、各クラスターに属する前記分析対象データの数を示すデータ数表示グラフを生成するように構成され、
前記表示部は、前記派生図生成部により生成された前記データ数表示グラフを表示可能に構成されていることを特徴とするデータ分析装置。 - 請求項6に記載のデータ分析装置において、
前記派生図生成部は、前記分析対象データの数が第1の所定数以下のクラスターが存在することを使用者に通知するように構成されていることを特徴とするデータ分析装置。 - 請求項1から7のいずれか1つに記載のデータ分析装置において、
前記派生図生成部は、前記分析対象データの全集計期間を取得し、取得した全集計期間を自動的に複数の集計期間に分割するように構成されていることを特徴とするデータ分析装置。 - 請求項1から8のいずれか1つに記載のデータ分析装置において、
前記派生図生成部は、前記第1の派生図の生成時に、前記分析対象データの数が第2の所定数以下の特徴量については、前記第1の特徴量の目的変数の代表値に対して有意な差が無いと判定するように構成されていることを特徴とするデータ分析装置。 - 請求項1から9のいずれか1つに記載のデータ分析装置において、
前記派生図生成部は、前記第1の派生図の生成時に、前記第1の特徴量及び前記第2の特徴量を同時に表示した同時表示グラフを生成するように構成され、
前記表示部は、前記派生図生成部により生成された前記同時表示グラフを表示可能に構成されていることを特徴とするデータ分析装置。 - 請求項1から10のいずれか1つに記載のデータ分析装置において、
前記派生図生成部は、前記所定のクラスターで前記目的変数の予測に寄与している特徴量と、全クラスターを合わせた前記第1の特徴量とを同時に表示した前記第2の派生図を生成するように構成されていることを特徴とするデータ分析装置。 - 請求項1から11のいずれか1つに記載のデータ分析装置において、
前記第1の特徴量と前記目的変数との関係を説明する説明文を自動生成する説明文自動生成部を備えていることを特徴とするデータ分析装置。 - 分析対象データを分析するデータ分析方法において、
複数の特徴量と目的変数とを含む分析対象データの入力を受け付けるデータ入力ステップと、
前記複数の特徴量から前記目的変数を予測するための予測モデルを生成する予測モデル生成ステップと、
前記複数の特徴量それぞれに対して前記予測モデルによる予測に対する重要度を算出する重要度算出ステップと、
前記重要度算出ステップで算出された重要度に基づき、上位の重要度を有する特徴量を表示する特徴量表示ステップと、
前記特徴量表示ステップで表示された特徴量の中から使用者の入力に応じて選択された第1の特徴量と、前記目的変数との関係を示す基本図を生成する基本図生成ステップと、
前記第1の特徴量の値に基づいて前記分析対象データを複数のクラスターに分割し、各クラスターの目的変数の代表値を算出し、少なくともいずれか1つのクラスターで、前記第1の特徴量の目的変数の代表値に対して有意な差が存在すると判定される目的変数の代表値を有する第2の特徴量を抽出し、当該第2の特徴量と前記目的変数との関係を示す第1の派生図と、
前記複数のクラスターのうち、所定のクラスターで前記目的変数の予測に寄与している特徴量を示す第2の派生図と、
前記第1の特徴量に基づいて生成された予測モデルの精度と、前記第1の特徴量と同一カテゴリーに属し、且つ前記第1の特徴量と集計期間が異なる別の特徴量に基づいて生成された予測モデルの精度との比較を示す第3の派生図と、
のうち、少なくともいずれか1つを生成する派生図生成ステップと、
前記基本図生成ステップにより生成された前記基本図と、前記派生図生成ステップにより生成された派生図とを表示可能な派生図表示ステップとを備えていることを特徴とするデータ分析方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018148303A JP7049210B2 (ja) | 2018-08-07 | 2018-08-07 | データ分析装置及びデータ分析方法 |
US16/507,058 US11281937B2 (en) | 2018-08-07 | 2019-07-10 | Data analyzing device and data analyzing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018148303A JP7049210B2 (ja) | 2018-08-07 | 2018-08-07 | データ分析装置及びデータ分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020024541A JP2020024541A (ja) | 2020-02-13 |
JP7049210B2 true JP7049210B2 (ja) | 2022-04-06 |
Family
ID=69407223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018148303A Active JP7049210B2 (ja) | 2018-08-07 | 2018-08-07 | データ分析装置及びデータ分析方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11281937B2 (ja) |
JP (1) | JP7049210B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021140296A (ja) * | 2020-03-03 | 2021-09-16 | 株式会社日立製作所 | データ価値定義方法、データ収集促進方法、データ価値定義システム並びにデータ収集促進システム |
WO2022038713A1 (ja) * | 2020-08-19 | 2022-02-24 | 日本電信電話株式会社 | 可視化装置、可視化方法および可視化プログラム |
JP7185888B1 (ja) * | 2021-11-26 | 2022-12-08 | 株式会社Datafluct | 情報処理システム、情報処理方法及び情報処理プログラム |
CN116089504B (zh) * | 2023-04-10 | 2023-06-30 | 北京宽客进化科技有限公司 | 一种关系型表格数据生成方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070158040A1 (en) | 2003-10-28 | 2007-07-12 | Mokhtar Benaoudia | Method and apparatus for estimating an optimal dosage of bleaching agent to be used in a process for producing pulp |
JP2007272917A (ja) | 2007-05-14 | 2007-10-18 | Fujitsu Ltd | 文書データ提供装置、文書データ提供システム、文書データ提供方法及び文書データを提供するプログラムを記録した記録媒体 |
JP2010250769A (ja) | 2009-04-20 | 2010-11-04 | Mitsubishi Electric Corp | 分析結果可視化装置及び分析結果可視化方法及び分析結果可視化プログラム |
JP2012256283A (ja) | 2011-06-10 | 2012-12-27 | Nomura Research Institute Ltd | 感性分析システム及びプログラム |
JP2016091343A (ja) | 2014-11-06 | 2016-05-23 | 日本電気株式会社 | 情報処理システム、情報処理方法、及び、プログラム |
WO2017168524A1 (ja) | 2016-03-28 | 2017-10-05 | 株式会社日立製作所 | 分析用サーバ装置、データ解析システム、及びデータ解析方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7644049B2 (en) * | 2004-11-19 | 2010-01-05 | Intel Corporation | Decision forest based classifier for determining predictive importance in real-time data analysis |
US20160232213A1 (en) * | 2013-09-27 | 2016-08-11 | Nec Corporation | Information Processing System, Information Processing Method, and Recording Medium with Program Stored Thereon |
-
2018
- 2018-08-07 JP JP2018148303A patent/JP7049210B2/ja active Active
-
2019
- 2019-07-10 US US16/507,058 patent/US11281937B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070158040A1 (en) | 2003-10-28 | 2007-07-12 | Mokhtar Benaoudia | Method and apparatus for estimating an optimal dosage of bleaching agent to be used in a process for producing pulp |
JP2007272917A (ja) | 2007-05-14 | 2007-10-18 | Fujitsu Ltd | 文書データ提供装置、文書データ提供システム、文書データ提供方法及び文書データを提供するプログラムを記録した記録媒体 |
JP2010250769A (ja) | 2009-04-20 | 2010-11-04 | Mitsubishi Electric Corp | 分析結果可視化装置及び分析結果可視化方法及び分析結果可視化プログラム |
JP2012256283A (ja) | 2011-06-10 | 2012-12-27 | Nomura Research Institute Ltd | 感性分析システム及びプログラム |
JP2016091343A (ja) | 2014-11-06 | 2016-05-23 | 日本電気株式会社 | 情報処理システム、情報処理方法、及び、プログラム |
WO2017168524A1 (ja) | 2016-03-28 | 2017-10-05 | 株式会社日立製作所 | 分析用サーバ装置、データ解析システム、及びデータ解析方法 |
Also Published As
Publication number | Publication date |
---|---|
US20200050888A1 (en) | 2020-02-13 |
US11281937B2 (en) | 2022-03-22 |
JP2020024541A (ja) | 2020-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7049210B2 (ja) | データ分析装置及びデータ分析方法 | |
JP7257169B2 (ja) | データ分析装置 | |
US11586346B2 (en) | Systems and methods for using analytic objects in a dynamic data visualization interface | |
JP5400599B2 (ja) | Guiカスタマイズ方法、システム及びプログラム | |
US20170039577A1 (en) | Generating metadata and visuals related to mined data habits | |
US10586241B2 (en) | Rendering details from user selections of mined data habits | |
US20070022000A1 (en) | Data analysis using graphical visualization | |
US20180240138A1 (en) | Generating and presenting statistical results for electronic survey data | |
JP7246956B2 (ja) | データ分析装置及びデータ分析方法 | |
JP2012527043A (ja) | 情報と対話し、情報を操作するための方法、およびそのシステム | |
US20140019207A1 (en) | Interactive in-memory based sales forecasting | |
JP7049211B2 (ja) | データ分析装置及びデータ分析方法 | |
US11222039B2 (en) | Methods and systems for visual data manipulation | |
JP7246957B2 (ja) | データ分析装置及びデータ分析方法 | |
JP7257168B2 (ja) | データ分析装置 | |
US11443145B2 (en) | Data analyzing device and data analyzing method | |
US20080072165A1 (en) | Display method, computer program product and computer system | |
JP2020154890A (ja) | 相関性抽出方法および相関性抽出プログラム | |
JP7246958B2 (ja) | データ分析装置及びデータ分析方法 | |
JP2020024544A (ja) | データ分析装置及びデータ分析方法 | |
JP6861176B2 (ja) | プロジェクト見積り支援方法およびプロジェクト見積り支援装置 | |
CN112236786A (zh) | 未来预测模拟装置、方法、计算机程序 | |
JP2012038012A (ja) | 不良要因抽出装置、不良要因抽出方法、プログラム、および記録媒体 | |
JP2023063162A (ja) | 予測モデルの作成方法、操業プロセスの条件設定方法 | |
JP2009116615A (ja) | 定量情報と定性情報による混在型意思決定支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210329 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220222 |
|
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: 20220308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220325 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7049210 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |