JP7237250B2 - 在庫費算出装置、及び、在庫費算出方法 - Google Patents
在庫費算出装置、及び、在庫費算出方法 Download PDFInfo
- Publication number
- JP7237250B2 JP7237250B2 JP2022553065A JP2022553065A JP7237250B2 JP 7237250 B2 JP7237250 B2 JP 7237250B2 JP 2022553065 A JP2022553065 A JP 2022553065A JP 2022553065 A JP2022553065 A JP 2022553065A JP 7237250 B2 JP7237250 B2 JP 7237250B2
- Authority
- JP
- Japan
- Prior art keywords
- inventory
- cost
- data
- related information
- inventory cost
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Description
図1は実施の形態1に係る在庫費算出装置100の構成図である。
在庫費算出装置100は、工場内在庫データ入力部101、工場内在庫データ記憶部102、販売代理店在庫データ入力部103、販売代理店在庫データ記憶部104、制御部105により構成される。
ここで、例えば、自社拠点の販売代理店は、入庫数、出庫数、滞留時間、及び、労務費に対応した在庫関連情報の実データを製造業者に対して開示したものとする。また、他社拠点の販売代理店は、入庫数に対応した在庫関連情報の実データを製造業者に対して開示したものとする。製造業者に対して開示されたデータは、在庫費算出装置100の工場内在庫データ記憶部102、又は、販売代理店在庫データ記憶部104に反映される。図2に示すように、販売代理店は、在庫関連情報の一部の実データのみを製造業者に対して開示することが多く、全ての実データを製造業者に対して開示することが少ない。また、販売代理店は、自社拠点又は他社拠点という種類によっても、製造業者に対して開示する在庫関連情報の情報量が異なる。一般的に、自社拠点の販売代理店の方が、他社拠点の販売代理店よりも、製造業者に対して開示する在庫関連情報の情報量が多い。
在庫関連情報取得部1151は、販売代理店在庫データ記憶部104から、販売代理店で発生する在庫品の在庫費を算出するための実データ、及び、或る在庫品の在庫費を推測するための推測データを含む在庫関連情報を取得する。
在庫関連情報取得部1141は、工場内在庫データ記憶部102から、工場で発生する在庫品の在庫費を算出するための在庫関連情報を取得する。即ち、在庫関連情報取得部1141は、拠点で発生する在庫品の在庫費を算出するための在庫関連情報を取得する在庫関連情報取得部の一例である。在庫費算出部1142は、在庫関連情報取得部1141で取得された在庫関連情報に基づいて在庫品の在庫費を算出する。また、在庫費算出部1142は、時間に相関する在庫費、及び、時間に相関しない在庫費に分けて算出する。また、在庫費算出部1142は、算出された在庫品の在庫費を全体在庫費算出部116に出力する。なお、工場が複数存在する場合、工場内在庫費算出部114は、各工場で発生する在庫費を算出して、出力する。ところで、工場内在庫費算出部114の機能は、販売代理店在庫費算出部115の機能で実現してもよい。具体的には、工場内在庫費算出部114の在庫関連情報取得部1141の機能は、販売代理店在庫費算出部115の在庫関連情報取得部1151の機能で実現してもよい。また、工場内在庫費算出部114の在庫費算出部1142の機能は、販売代理店在庫費算出部115の在庫費算出部1152の機能で実現してもよい。
CPU401は、主記憶に格納されたプログラムなどを実行することにより、図1に示す、工場内在庫費算出部114、推測部119、販売代理店在庫費算出部115、及び、全体在庫費算出部116という各機能を実現する。主記憶402は、例えば、不揮発性のメモリであり、CPU401に実行される各種プログラムを記憶する。インターフェース404は、外部の装置とデータを入出力するためのインターフェースである。インターフェース404は、例えば、ネットワークを介して、工場や販売代理店から送信された情報を取得する。記憶部405は、例えば、HDDであり、工場内在庫データ記憶部102及び販売代理店在庫データ記憶部104を有する。CPU401に処理される各種データを記憶する。記憶部405は、記憶されたデータをCPU401へと転送する。
ステップS1において、工場内在庫費算出部114は、複数ある工場の中から最初に算出対象とする工場を選択する。ステップS2において、工場内在庫費算出部114は、ステップS2で選択された工場に保管された複数ある在庫品の在庫IDの中から最初に算出対象とする在庫IDを選択する。ステップS3において、工場内在庫費算出部114(在庫関連情報取得部1141)は、ステップS2で選択した在庫IDの在庫品の在庫費を算出するための実データ(時間データ、費用単価データ)を含む在庫関連情報を工場内在庫データ記憶部102から取得する。ステップS4において、工場内在庫費算出部114(在庫費算出部1142)は、ステップS3で取得した在庫関連情報に含まれる実データ(時間データ、費用単価データ)に基づいて各在庫IDの在庫品の在庫費を算出する。ステップS5において、工場内在庫費算出部114は、在庫費算出未実施の在庫IDがあるかどうかを判定し、Yesの場合はステップS1に戻って、在庫費算出未実施の在庫IDについてステップS1、S2、S3、S4を行う。Noの場合はステップS6に進む。ステップS6において、工場内在庫費算出部114は、各在庫IDの在庫費を足し合わせて、時間と相関関係を有する費用を算出する。以上、ステップS1からステップS6までが、時間と相関関係を有する費用の算出フローである。
ステップS101において、販売代理店在庫費算出部115は、複数ある販売代理店の中から最初に算出対象とする販売代理店を選択する。ステップS102において、販売代理店在庫費算出部115(在庫関連情報取得部1151)は、ステップS101で選択された販売代理店の在庫品の在庫費を算出するための実データ及び在庫品の在庫費を推測するための推測データ(時間データ、費用単価データ)を含む在庫関連情報を販売代理店在庫データ記憶部104から取得する。ステップS103において、販売代理店在庫費算出部115(在庫費算出部1152)は、ステップS102で取得した在庫関連情報に含まれる実データ及び推測データ(時間データ、費用単価データ)に基づいて在庫品の在庫費を算出する。ステップS104において、販売代理店在庫費算出部115は、ステップS103で算出した在庫費を足し合わせて、時間と相関関係を有する費用を算出する。以上ステップS102からステップS104までが、時間と相関関係を有する費用の算出フローである。
ステップS201において、全体在庫費算出部116は、工場内在庫費算出部114の在庫費算出部1142で算出された各工場の在庫費を取得する。
図14、15は、工場1から開示された在庫関連情報を示す図である。図16、17は、工場2から開示された在庫関連情報を示す図である。工場1のデータは図14と図15、工場2のデータは図16と図17を用いることとする。図11のステップS1において、工場内在庫費算出部114は、工場1を選択したとする。ステップS2において、工場内在庫費算出部114は、在庫ID101を選択したとする。ステップS3において、工場内在庫費算出部114は、図14の「在庫ID」が「101」であるデータ3行を取得する。ステップS4において、工場内在庫費算出部114は、1行目のデータから3(時間)×5(円/日)=15(円)、2行目のデータから70(秒)×10(円/秒)=700(円)、3行目のデータから2(日)×10(円/日)=20(円)と計算する。ステップS5において、工場内在庫費算出部114は、在庫費算出未実施の在庫ID「102」が存在するため、ステップS1に戻る。
図18、19は、販売代理店1の在庫関連情報を示す図である。図20、21は、販売代理店2の在庫関連情報を示す図である。図22、23は、販売代理店3の在庫関連情報を示す図である。販売代理店1(自社拠点:工場のグループ会社の販売代理店)のデータは図18と図19、販売代理店2(他社拠点:独立系の販売代理店)のデータは図20と図21、販売代理店3(他社拠点:独立系の販売代理店)のデータは図22と図23を用いることとする。図12のステップS101において、販売代理店在庫費算出部115は、販売代理店1を選択したとする。ステップS102において、販売代理店在庫費算出部115は、図18のデータ2行を取得する。ステップS103において、販売代理店在庫費算出部115は、1行目のデータから20(時間)×20(円/時間)=400(円)、20(時間)×5(円/時間)=100(円)と計算する。ステップS104において、販売代理店在庫費算出部115は、ステップS103で算出した400(円)と100(円)を足し合わせて、時間と相関関係を有する費用は400(円)+100(円)=500(円)と算出する。
ステップS201において、全体在庫費算出部116は、工場1の在庫費として1791(円)、工場2の在庫費として1502(円)を取得する。ステップS202において、全体在庫費算出部116は、販売代理店1の在庫費として1800(円)、在庫費の誤差のレベルとして0(%)、販売代理店2の在庫費として1055(円)、在庫費の誤差のレベルとして40(%)、販売代理店3の在庫費として1860(円)、在庫費の誤差のレベルとして40(%)を取得する。ステップS203において、全体在庫費算出部116は、販売代理店1の在庫費の誤差は1800(円)×0(%)=0(円)、販売代理店2の在庫費の誤差は1055(円)×40(%)=422(円)、販売代理店3の在庫費の誤差は1860(円)×40(%)=744(円)と算出する。ステップS204において、全体在庫費算出部116は、各工場の在庫費と、各販売代理店の在庫費を足し合わせて、1791(円)+1502(円)+1800(円)+1055(円)+1860(円)=8008(円)と出力する。ステップS205において、全体在庫費算出部116は、各販売代理店の在庫費の誤差を足し合わせて、0(円)+422(円)+744(円)=1166(円)と出力する。なお、全体在庫費算出部116は、各工場の在庫費、各販売代理店の在庫費、及び、各販売代理店の在庫費の誤差を夫々足し合わせずに出力してもよい。
以上の実施の形態1では、誤差推測部1153は、販売代理店の在庫関連情報に含まれる実データの数と推測データの数の合計数の内、推測データの数が占める割合から在庫費に含まれた誤差のレベルを推測した。実施の形態2では、販売代理店の在庫費に含まれた誤差のレベルを、販売代理店の在庫関連情報を機械学習した学習済モデルを用いて推測する。具体的には、誤差推測部1153は、在庫関連情報取得部1151で取得された販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、販売代理店の在庫費に含まれた誤差のレベルを推測する。拠点情報は、例えば、販売代理店の立地を含む位置情報、販売代理店の規模、販売代理店に対して在庫品を出庫した数のうちの少なくとも一つを含む。また、拠点情報は、販売代理店の店舗数、資本金、作業者数、使用設備台数などを含んでいてもよい。このように、販売代理店の拠点情報を含めて機械学習した学習済モデルを用いて、販売代理店の在庫費に含まれた誤差のレベルを推測することにより、例えば、或る販売代理店と立地の近い別の販売代理店から開示された誤差のレベルに基づいて、或る販売代理店の誤差のレベルを推測することが可能となる。これにより、誤差のレベルの推測の精度が高まり、在庫費の誤差を低減することができる。
図24は、在庫費算出装置100に関する学習装置200の構成図である。
学習済みモデルは、学習装置200により生成される。学習装置200は、データ取得部201、モデル生成部202、及び、学習済モデル記憶部203を備える。学習装置200は、例えば、ネットワークを介して在庫費算出装置100に接続され、この在庫費算出装置100とは別個の装置であってもよい。また、学習装置200は、在庫費算出装置100に内蔵されていてもよい。さらに、学習装置200は、クラウドサーバ上に存在していてもよい。
図27は実施の形態2に係る販売代理店在庫費算出部115で実現される機能を示す図である。実施の形態1と相違する点のみ説明する。
実施の形態1において、推測部119は、或る販売代理店から開示されていない在庫関連情報の実データを推測した推測データを、別の販売代理店から開示された在庫関連情報に含まれた実データに基づいて生成した。実施の形態3において、推測部119は、或る販売代理店から開示された在庫関連情報に含まれた実データ、及び、或る販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、別の販売代理店から開示されていない在庫関連情報の実データを推測した推測データを出力してもよい。即ち、推測部119は、或る販売代理店で発生する在庫品の在庫費を算出するための実データ、及び、或る販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、別の販売代理店で発生する在庫品の在庫費を推定するための推定データを出力してもよい。
図29は実施の形態3に係る在庫費算出装置100の構成図である。実施の形態1と相違する点のみ説明する。
Claims (7)
- 製造業のサプライチェーンにおける工場及び販売代理店を含む各拠点で発生する在庫品の在庫費を算出する在庫費算出装置であって、
拠点で発生する在庫品の在庫費を算出するための実データ及び当該在庫品の在庫費を推測するための推測データを含む在庫関連情報を取得する在庫関連情報取得部と、
前記在庫関連情報取得部で取得された前記在庫関連情報に含まれる実データ及び推測データに基づいて前記在庫品の在庫費を算出する在庫費算出部と、
前記在庫関連情報取得部で取得された前記在庫関連情報に含まれる推測データの割合に応じて、前記在庫費算出部で算出された前記在庫品の在庫費に含まれた誤差のレベルを推測する誤差推測部と、
前記在庫費算出部で算出された前記在庫品の在庫費、及び、前記誤差推測部で推測された前記在庫品の在庫費に含まれた誤差のレベルに基づいて算出された前記在庫品の在庫費に含まれた誤差と、前記在庫費算出部で算出された前記在庫品の在庫費とを出力する出力部
を備えることを特徴とする在庫費算出装置。 - 前記誤差推測部は、
前記在庫関連情報に含まれる推測データの割合、及び、前記在庫品の在庫費に含まれた誤差のレベルの組み合わせの機械学習によって生成された学習済みモデルを用いて、前記販売代理店で発生する前記在庫品の在庫費に含まれた誤差のレベルを推測する
ことを特徴とする請求項1に記載の在庫費算出装置。 - 前記誤差推測部は、
前記在庫関連情報に含まれる推測データの割合、前記在庫品の在庫費に含まれた誤差のレベル、及び、前記販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、前記販売代理店で発生する前記在庫品の在庫費に含まれた誤差のレベルを推測する
ことを特徴とする請求項1に記載の在庫費算出装置。 - 或る販売代理店で発生する在庫品の在庫費を算出するための実データに基づいて、別の販売代理店で発生する在庫品の在庫費を推測するための推測データを出力する推定部を備え、
前記推定部は、
前記或る販売代理店で発生する在庫品の在庫費を算出するための実データ、及び、当該或る販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、前記別の販売代理店で発生する在庫品の在庫費を推定するための推定データを出力する
ことを特徴とする請求項1~3の何れか1項に記載の在庫費算出装置。 - 前記拠点情報は、
前記販売代理店の位置情報、前記販売代理店の規模、前記販売代理店の設備、前記販売代理店に対して在庫品を出庫した数のうちの少なくとも一つを含むこと
を特徴とする請求項3又は4に記載の在庫費算出装置。 - 前記在庫費算出部は、
時間と相関関係を有する在庫費、及び、時間と相関関係を有さない在庫費に分けて算出する
ことを特徴とする請求項1~5の何れか1項に記載された在庫費算出装置。 - 製造業のサプライチェーンにおける工場及び販売代理店を含む各拠点で発生する在庫品の在庫費を算出する在庫費算出方法であって、
前記在庫費算出方法は、在庫費算出装置によって実行され、
拠点で発生する在庫品の在庫費を算出するための実データ及び当該在庫品の在庫費を推測するための推測データを含む在庫関連情報を取得する在庫関連情報取得ステップと、
前記在庫関連情報取得ステップで取得された前記在庫関連情報に含まれる実データ及び推測データに基づいて前記在庫品の在庫費を算出する在庫費算出ステップと、
前記在庫関連情報取得ステップで取得された前記在庫関連情報に含まれる推測データの割合に応じて、前記在庫費算出ステップで算出された前記在庫品の在庫費に含まれた誤差のレベルを推測する誤差推測ステップと、
前記在庫費算出ステップで算出された前記在庫品の在庫費、及び、前記誤差推測ステップで推測された前記在庫品の在庫費に含まれた誤差のレベルに基づいて算出された前記在庫品の在庫費に含まれた誤差と、前記在庫費算出ステップで算出された前記在庫品の在庫費とを出力する出力ステップ
を備えることを特徴とする在庫費算出方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/002381 WO2022157957A1 (ja) | 2021-01-25 | 2021-01-25 | 在庫費算出装置、及び、在庫費算出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022157957A1 JPWO2022157957A1 (ja) | 2022-07-28 |
JP7237250B2 true JP7237250B2 (ja) | 2023-03-10 |
Family
ID=82548625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022553065A Active JP7237250B2 (ja) | 2021-01-25 | 2021-01-25 | 在庫費算出装置、及び、在庫費算出方法 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7237250B2 (ja) |
CN (1) | CN116685990A (ja) |
TW (1) | TW202230236A (ja) |
WO (1) | WO2022157957A1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009104408A (ja) | 2007-10-23 | 2009-05-14 | Ntt Data Corp | 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム |
WO2016113844A1 (ja) | 2015-01-13 | 2016-07-21 | 株式会社日立製作所 | サプライチェーン設計装置、サプライチェーン設計方法およびプログラム |
JP2017072870A (ja) | 2015-10-05 | 2017-04-13 | 三菱電機インフォメーションシステムズ株式会社 | 損益予測装置及び損益予測プログラム |
JP2018020885A (ja) | 2016-08-03 | 2018-02-08 | 富士通株式会社 | 輸配送計画プログラム、輸配送計画方法及び輸配送計画装置 |
-
2021
- 2021-01-25 JP JP2022553065A patent/JP7237250B2/ja active Active
- 2021-01-25 CN CN202180089699.1A patent/CN116685990A/zh active Pending
- 2021-01-25 WO PCT/JP2021/002381 patent/WO2022157957A1/ja active Application Filing
- 2021-07-20 TW TW110126586A patent/TW202230236A/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009104408A (ja) | 2007-10-23 | 2009-05-14 | Ntt Data Corp | 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム |
WO2016113844A1 (ja) | 2015-01-13 | 2016-07-21 | 株式会社日立製作所 | サプライチェーン設計装置、サプライチェーン設計方法およびプログラム |
JP2017072870A (ja) | 2015-10-05 | 2017-04-13 | 三菱電機インフォメーションシステムズ株式会社 | 損益予測装置及び損益予測プログラム |
JP2018020885A (ja) | 2016-08-03 | 2018-02-08 | 富士通株式会社 | 輸配送計画プログラム、輸配送計画方法及び輸配送計画装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022157957A1 (ja) | 2022-07-28 |
WO2022157957A1 (ja) | 2022-07-28 |
TW202230236A (zh) | 2022-08-01 |
CN116685990A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pasandideh et al. | A genetic algorithm for vendor managed inventory control system of multi-product multi-constraint economic order quantity model | |
Honhon et al. | Fixed vs. random proportions demand models for the assortment planning problem under stockout-based substitution | |
Chen et al. | Supply chain coordination with multiple shipments: The optimal inventory subsidizing contracts | |
Khalili-Damghani et al. | A fuzzy bi-objective mixed-integer programming method for solving supply chain network design problems under ambiguous and vague conditions | |
US20050182696A1 (en) | System and method for automatically controlling inventory | |
Birim et al. | Evaluating vendor managed inventory systems: how incentives can benefit supply chain partners | |
Avci | Lateral transshipment and expedited shipping in disruption recovery: A mean-CVaR approach | |
Solgi et al. | Resilient supplier selection in complex products and their subsystem supply chains under uncertainty and risk disruption: A case study for satellite components | |
Eksler et al. | An EOQ model for multiple products with varying degrees of substitutability | |
JP7237250B2 (ja) | 在庫費算出装置、及び、在庫費算出方法 | |
Hachaïchi et al. | A policy gradient based reinforcement learning method for supply chain management | |
Routroy et al. | Study of one way product substitution on supply chain performance | |
Koren et al. | Inventory management for stockout-based substitutable products under centralised and competitive settings | |
Ghose et al. | Dynamic pricing in electronic commerce using neural network | |
Burman et al. | Markdown pricing for a large scale retailer | |
Li | The dynamic behaviors of a supply chain with stock-dependent demand considering competition and deteriorating items | |
Teng et al. | Linking tactical and operational decision-making to strengthen textile/apparel supply chains | |
Hung et al. | Trading reserved capacity independently among supply chains | |
Cheng | Dynamic pricing decision for perishable goods: a Q-learning approach | |
Eksler et al. | An EOQ Model for multiple products with varying degrees of substitutability. Economics Discussion Papers, No 2018-77 | |
Luedtke | Aggregate Output Changes in Production Networks | |
Sarmah et al. | Spare Parts Inventory Management Literature and Direction Towards the Use of Data Mining Technique: A Review | |
Chauhan et al. | A trade credit policy for economic quantity model with stock sensitive demand and shortages for deteriorating items | |
Rahimzadeh et al. | Stabilizing a three-stage supply chain with exponential smoothing forecasting method | |
Agrawal | Abdul the Newsboy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220905 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220905 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221004 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221104 |
|
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: 20230131 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7237250 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |