JP7252100B2 - 炉心計算方法、炉心計算プログラムおよび炉心計算装置 - Google Patents
炉心計算方法、炉心計算プログラムおよび炉心計算装置 Download PDFInfo
- Publication number
- JP7252100B2 JP7252100B2 JP2019161216A JP2019161216A JP7252100B2 JP 7252100 B2 JP7252100 B2 JP 7252100B2 JP 2019161216 A JP2019161216 A JP 2019161216A JP 2019161216 A JP2019161216 A JP 2019161216A JP 7252100 B2 JP7252100 B2 JP 7252100B2
- Authority
- JP
- Japan
- Prior art keywords
- core calculation
- core
- program
- evaluation result
- calculation
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Monitoring And Testing Of Nuclear Reactors (AREA)
Description
原子炉の炉心パラメータを評価するための炉心計算方法であって、
異なる物理モデルに基づいて作成された2つの炉心計算プログラムの一方を第1の炉心計算プログラム、他方を第2の炉心計算プログラムとして、
前記第1の炉心計算プログラムに基づいて第1の炉心計算を行う第1の炉心計算工程と、
前記第2の炉心計算プログラムに基づいて第2の炉心計算を行う第2の炉心計算工程と、
前記第1の炉心計算工程における評価結果と、前記第2の炉心計算工程における評価結果とを整理および保存する整理保存工程と、
前記第1の炉心計算工程における評価結果と、前記第2の炉心計算工程における評価結果とを用いて、機械学習により相関モデルを形成するモデル化工程と、
前記相関モデルに基づいて、前記第1の炉心計算における評価結果から前記第2の炉心計算における評価結果を予測する、または、前記第2の炉心計算における評価結果から前記第1の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成工程とを備えており、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第1の炉心計算による評価結果、または、前記第2の炉心計算における評価結果を入力することにより、前記第2の炉心計算による評価結果、または、前記第1の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算方法である。
前記第1の炉心計算工程、前記第2の炉心計算工程のいずれかが、複数の炉心計算工程から構成されていることを特徴とする請求項1に記載の炉心計算方法である。
原子炉の炉心パラメータを評価するための炉心計算方法であって、
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づく炉心計算プログラムを第1の炉心計算プログラムとし、相対的に近似が少ない物理モデルに基づく炉心計算プログラムを第2の炉心計算プログラムとして、
前記第1の炉心計算プログラムに基づいて第1の炉心計算を行うと共に、
前記第2の炉心計算プログラムに基づいて第2の炉心計算を行った後、
前記第1の炉心計算で得られた評価結果と、前記第2の炉心計算で得られた評価結果とを整理および保存して、教師データとし、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、2つの炉心計算に用いる炉心計算プログラムにおける相関関係を得て、相関モデルを形成し、
前記相関モデルに基づいて、前記第1の炉心計算における評価結果から、前記第2の炉心計算における評価結果を予測する予測プログラムを作成し、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第1の炉心計算による評価結果を入力することにより、前記第2の炉心計算による評価結果に相当する評価結果を出力させることを特徴とする炉心計算方法である。
前記機械学習が、多層ニューラルネットワークによる深層学習を用いて行う機械学習であることを特徴とする請求項1ないし請求項3のいずれか1項に記載の炉心計算方法である。
原子炉の炉心パラメータを評価するための炉心計算プログラムであって、
異なる物理モデルに基づいて作成された2つの炉心計算プログラムの一方を第1の炉心計算プログラム、他方を第2の炉心計算プログラムとして、
前記第1の炉心計算プログラムに基づいて第1の炉心計算を行う第1の炉心計算ステップと、
前記第2の炉心計算プログラムに基づいて第2の炉心計算を行う第2の炉心計算ステップと、
前記第1の炉心計算ステップにおける評価結果と、前記第2の炉心計算ステップにおける評価結果とを整理および保存する整理保存ステップと、
前記第1の炉心計算ステップにおける評価結果と、前記第2の炉心計算ステップにおける評価結果とを用いて、機械学習により相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第1の炉心計算における評価結果から前記第2の炉心計算における評価結果を予測する、または、前記第2の炉心計算における評価結果から前記第1の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップとを備えており、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第1の炉心計算による評価結果、または、前記第2の炉心計算における評価結果を入力することにより、前記第2の炉心計算による評価結果、または、前記第1の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算プログラムである。
前記第1の炉心計算ステップ、前記第2の炉心計算ステップのいずれかが複数の炉心計算ステップから構成されていることを特徴とする請求項5に記載の炉心計算プログラムである。
原子炉の炉心パラメータを評価するための炉心計算プログラムであって、
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づいて第1の炉心計算を行う第1の炉心計算ステップと、
相対的に近似が少ない物理モデルに基づいて第2の炉心計算を行う第2の炉心計算ステップと、
前記第1の炉心計算で得られた評価結果と、前記第2の炉心計算で得られた評価結果とを整理および保存して、教師データとする整理保存ステップと、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、前記第1の炉心計算で得られる評価結果と前記第2の炉心計算で得られる評価結果の相関関係を得て、相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第1の炉心計算における評価結果から、前記第2の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップと、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第1の炉心計算による評価結果を入力することにより、前記第2の炉心計算による評価結果に相当する評価結果を出力させるように構成されていることを特徴とする炉心計算プログラムである。
前記機械学習が、多層ニューラルネットワークによる深層学習を用いて行う機械学習であることを特徴とする請求項5ないし請求項7のいずれか1項に記載の炉心計算プログラムである。
原子炉の炉心パラメータを評価するために使用される炉心計算装置であって、
請求項5ないし請求項8のいずれか1項に記載の炉心計算プログラムが搭載されており、
炉心計算に必要なデータを入力するためのデータ入力手段と、
入力されたデータに基づいて前記予測プログラムにより計算された結果を、炉心パラメータの評価値として出力するデータ出力手段とを備えていることを特徴とする炉心計算装置である。
先ず、想定される数多くの燃料装荷パターンのそれぞれに対して、近似が多い物理モデルに基づいて簡易な炉心計算プログラム(第1の炉心計算プログラム)を用いて第1の炉心計算を行うと共に、近似が少ない物理モデルに基づいて精緻な炉心計算プログラム(第2の炉心計算プログラム)を用いて第2の炉心計算を行う。
次に、取得された「教師データ」から、抽出プログラムを用いて、2つの炉心計算プログラムによる燃料集合体最高燃焼度分布を抽出することにより、データセットを作成する。
次に、このデータセットに、学習器に予め内蔵されている学習プログラムを適用して、機械学習を行わせる。これにより、2つの炉心計算プログラムにおける相関関係が得られて相関モデルを作成することができるため、この相関モデルに基づいて、第1の炉心計算における評価結果から、第2の炉心計算における評価結果を予測する予測プログラムを作成することができる。
次に、所望する新しい燃料装荷パターンにおける簡易な炉心計算プログラム(第1の炉心計算プログラム)に基づく評価結果を、この予測プログラムに入力する。これにより、精緻な炉心計算プログラム(第2の炉心計算プログラム)に基づく評価結果に相当する評価結果を、エンジニアの力量に依存することなく、短時間で精度高く評価することができる。
この結果、核燃料の多様化やプラント運用の高度化に対応した炉心計算であっても、全体を精緻な炉心計算プログラムで行う場合に比べて、合理的に効率よく炉心計算を行うことができ、しかも、全体を精緻な炉心計算プログラムで行う場合に近い精度で評価することができる。
図1に示したフローチャートに記載されている手順に従って、炉心パラメータ評価値を算定した。算定結果を精緻な炉心計算方法を用いて算定した算定結果と対比することにより算定の精度を評価した。
燃料装荷パターンを、4ループPWR炉心に対して1/8対称性を有した状態で、PM0001~PM6000まで、6000個作成した。
予測プログラムによる結果を、全体を第2の炉心計算プログラムによって得られた結果と対比した。結果を図2に示す。なお、図2において、各枡目(四角)はそれぞれ燃料棒格子を示し、記載されている数値は、第2の炉心計算プログラムによる結果に対する予測プログラムによる結果のズレの程度を示しており、下式により求めた。なお、単位は、燃焼度[MWd/t]である。
(第2の炉心計算プログラムによる結果)-(予測プログラムによる結果)
比較例として、全体を第1の炉心計算プログラムを使用することにより得られた結果を、全体を第2の炉心計算プログラムを使用することにより得られた結果と対比して、その精度を調べた。
(第2の炉心計算プログラムによる結果)-(第1の炉心計算プログラムによる結果)
Claims (9)
- 原子炉の炉心パラメータを評価するための炉心計算方法であって、
異なる物理モデルに基づいて作成された2つの炉心計算プログラムの一方を第1の炉心計算プログラム、他方を第2の炉心計算プログラムとして、
前記第1の炉心計算プログラムに基づいて第1の炉心計算を行う第1の炉心計算工程と、
前記第2の炉心計算プログラムに基づいて第2の炉心計算を行う第2の炉心計算工程と、
前記第1の炉心計算工程における評価結果と、前記第2の炉心計算工程における評価結果とを整理および保存する整理保存工程と、
前記第1の炉心計算工程における評価結果と、前記第2の炉心計算工程における評価結果とを用いて、機械学習により相関モデルを形成するモデル化工程と、
前記相関モデルに基づいて、前記第1の炉心計算における評価結果から前記第2の炉心計算における評価結果を予測する、または、前記第2の炉心計算における評価結果から前記第1の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成工程とを備えており、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第1の炉心計算による評価結果、または、前記第2の炉心計算における評価結果を入力することにより、前記第2の炉心計算による評価結果、または、前記第1の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算方法。 - 前記第1の炉心計算工程、前記第2の炉心計算工程のいずれかが、複数の炉心計算工程から構成されていることを特徴とする請求項1に記載の炉心計算方法。
- 原子炉の炉心パラメータを評価するための炉心計算方法であって、
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づく炉心計算プログラムを第1の炉心計算プログラムとし、相対的に近似が少ない物理モデルに基づく炉心計算プログラムを第2の炉心計算プログラムとして、
前記第1の炉心計算プログラムに基づいて第1の炉心計算を行うと共に、
前記第2の炉心計算プログラムに基づいて第2の炉心計算を行った後、
前記第1の炉心計算で得られた評価結果と、前記第2の炉心計算で得られた評価結果とを整理および保存して、教師データとし、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、2つの炉心計算に用いる炉心計算プログラムにおける相関関係を得て、相関モデルを形成し、
前記相関モデルに基づいて、前記第1の炉心計算における評価結果から、前記第2の炉心計算における評価結果を予測する予測プログラムを作成し、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第1の炉心計算による評価結果を入力することにより、前記第2の炉心計算による評価結果に相当する評価結果を出力させることを特徴とする炉心計算方法。 - 前記機械学習が、多層ニューラルネットワークによる深層学習を用いて行う機械学習であることを特徴とする請求項1ないし請求項3のいずれか1項に記載の炉心計算方法。
- 原子炉の炉心パラメータを評価するための炉心計算プログラムであって、
異なる物理モデルに基づいて作成された2つの炉心計算プログラムの一方を第1の炉心計算プログラム、他方を第2の炉心計算プログラムとして、
前記第1の炉心計算プログラムに基づいて第1の炉心計算を行う第1の炉心計算ステップと、
前記第2の炉心計算プログラムに基づいて第2の炉心計算を行う第2の炉心計算ステップと、
前記第1の炉心計算ステップにおける評価結果と、前記第2の炉心計算ステップにおける評価結果とを整理および保存する整理保存ステップと、
前記第1の炉心計算ステップにおける評価結果と、前記第2の炉心計算ステップにおける評価結果とを用いて、機械学習により相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第1の炉心計算における評価結果から前記第2の炉心計算における評価結果を予測する、または、前記第2の炉心計算における評価結果から前記第1の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップとを備えており、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第1の炉心計算による評価結果、または、前記第2の炉心計算における評価結果を入力することにより、前記第2の炉心計算による評価結果、または、前記第1の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算プログラム。 - 前記第1の炉心計算ステップ、前記第2の炉心計算ステップのいずれかが複数の炉心計算ステップから構成されていることを特徴とする請求項5に記載の炉心計算プログラム。
- 原子炉の炉心パラメータを評価するための炉心計算プログラムであって、
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づいて第1の炉心計算を行う第1の炉心計算ステップと、
相対的に近似が少ない物理モデルに基づいて第2の炉心計算を行う第2の炉心計算ステップと、
前記第1の炉心計算で得られた評価結果と、前記第2の炉心計算で得られた評価結果とを整理および保存して、教師データとする整理保存ステップと、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、前記第1の炉心計算で得られる評価結果と前記第2の炉心計算で得られる評価結果の相関関係を得て、相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第1の炉心計算における評価結果から、前記第2の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップと、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第1の炉心計算による評価結果を入力することにより、前記第2の炉心計算による評価結果に相当する評価結果を出力させるように構成されていることを特徴とする炉心計算プログラム。 - 前記機械学習が、多層ニューラルネットワークによる深層学習を用いて行う機械学習であることを特徴とする請求項5ないし請求項7のいずれか1項に記載の炉心計算プログラム。
- 原子炉の炉心パラメータを評価するために使用される炉心計算装置であって、
請求項5ないし請求項8のいずれか1項に記載の炉心計算プログラムが搭載されており、
炉心計算に必要なデータを入力するためのデータ入力手段と、
入力されたデータに基づいて前記予測プログラムにより計算された結果を、炉心パラメータの評価値として出力するデータ出力手段とを備えていることを特徴とする炉心計算装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019161216A JP7252100B2 (ja) | 2019-09-04 | 2019-09-04 | 炉心計算方法、炉心計算プログラムおよび炉心計算装置 |
JP2023044629A JP2023076513A (ja) | 2019-09-04 | 2023-03-20 | 炉心計算方法、炉心計算プログラムおよび炉心計算装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019161216A JP7252100B2 (ja) | 2019-09-04 | 2019-09-04 | 炉心計算方法、炉心計算プログラムおよび炉心計算装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023044629A Division JP2023076513A (ja) | 2019-09-04 | 2023-03-20 | 炉心計算方法、炉心計算プログラムおよび炉心計算装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021039024A JP2021039024A (ja) | 2021-03-11 |
JP7252100B2 true JP7252100B2 (ja) | 2023-04-04 |
Family
ID=74848515
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019161216A Active JP7252100B2 (ja) | 2019-09-04 | 2019-09-04 | 炉心計算方法、炉心計算プログラムおよび炉心計算装置 |
JP2023044629A Pending JP2023076513A (ja) | 2019-09-04 | 2023-03-20 | 炉心計算方法、炉心計算プログラムおよび炉心計算装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023044629A Pending JP2023076513A (ja) | 2019-09-04 | 2023-03-20 | 炉心計算方法、炉心計算プログラムおよび炉心計算装置 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7252100B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117558472B (zh) * | 2024-01-11 | 2024-03-15 | 深圳大学 | 核反应堆冷却系统及其冷却控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005148079A (ja) | 2005-01-21 | 2005-06-09 | Toshiba Corp | 炉心性能計算装置 |
JP4113297B2 (ja) | 1998-03-09 | 2008-07-09 | ゼロックス コーポレイション | キャリヤの現場調製法 |
JP2018097544A (ja) | 2016-12-12 | 2018-06-21 | 三菱重工業株式会社 | 評価装置、評価方法、コンピュータプログラム、及び記録媒体 |
JP2019040430A (ja) | 2017-08-25 | 2019-03-14 | 三菱日立パワーシステムズ株式会社 | 水質制御装置、水処理システム、熱プラント、発電プラント、および水質制御方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04113297A (ja) * | 1990-09-01 | 1992-04-14 | Toshiba Corp | 原子炉の炉心性能推定装置 |
JPH05196793A (ja) * | 1992-01-22 | 1993-08-06 | Hitachi Ltd | 運転計画作成支援装置 |
JPH07198887A (ja) * | 1993-12-28 | 1995-08-01 | Toshiba Corp | 原子炉の炉心性能推定装置 |
JPH1020072A (ja) * | 1996-07-02 | 1998-01-23 | Hitachi Ltd | 炉心性能計算装置 |
-
2019
- 2019-09-04 JP JP2019161216A patent/JP7252100B2/ja active Active
-
2023
- 2023-03-20 JP JP2023044629A patent/JP2023076513A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4113297B2 (ja) | 1998-03-09 | 2008-07-09 | ゼロックス コーポレイション | キャリヤの現場調製法 |
JP2005148079A (ja) | 2005-01-21 | 2005-06-09 | Toshiba Corp | 炉心性能計算装置 |
JP2018097544A (ja) | 2016-12-12 | 2018-06-21 | 三菱重工業株式会社 | 評価装置、評価方法、コンピュータプログラム、及び記録媒体 |
JP2019040430A (ja) | 2017-08-25 | 2019-03-14 | 三菱日立パワーシステムズ株式会社 | 水質制御装置、水処理システム、熱プラント、発電プラント、および水質制御方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021039024A (ja) | 2021-03-11 |
JP2023076513A (ja) | 2023-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Castro et al. | Improving PWR core simulations by Monte Carlo uncertainty analysis and Bayesian inference | |
Reitsma et al. | The IAEA coordinated research program on HTGR reactor physics, thermal-hydraulics and depletion uncertainty analysis: description of the benchmark test cases and phases | |
JP2023076513A (ja) | 炉心計算方法、炉心計算プログラムおよび炉心計算装置 | |
Aures et al. | Reactor simulations with nuclear data uncertainties | |
Szilard et al. | Industry application emergency core cooling system cladding acceptance criteria early demonstration | |
Vaglio-Gaudard et al. | Analysis of the AMMON experimental program in the EOLE facility supporting the qualification of the JHR neutron and photon tools | |
Prinsloo et al. | Recent developments of the OSCAR calculational system, as applied to selected examples from IAEA research reactor benchmarks | |
Bucalossi et al. | Role of best estimate plus uncertainty methods in major nuclear power plant modifications | |
Tyobeka et al. | HTGR reactor physics, thermal-hydraulics and depletion uncertainty analysis: a proposed IAEA coordinated research project | |
Zeng et al. | Uncertainty analysis of Light water reactor core simulations using statistic sampling method | |
Zhang et al. | A Strategic Approach to Employ Risk-Informed Methods to Enable Margin Recovery of Nuclear Power Plants Operating Margins | |
Tucker et al. | The impact of fueling operations on full core uncertainty analysis in CANDU reactors | |
DeHart et al. | Research in support of TREAT kinetics calculations using Rattlesnake/BISON coupling within MAMMOTH | |
Zhang et al. | R&D Roadmap for Enhanced Resilient Plant Systems, Metrics, Scenarios, Risk Analysis, and Modeling and Simulation | |
Pantyushin et al. | Experience gained in analyzing severe accidents for WWER RP using CC SOCRAT | |
Tantillo et al. | HTR code package neutronics developments and benchmarks | |
Laboure et al. | FY21 Status report on the CMVB and CNWG International Collaborations | |
Wanninger et al. | Screening sensitivity analysis of a PWR fuel assembly FEM structural model | |
Pesaran et al. | Modeling of control rod ejection transient for WWER-1000-model 446 using RELAP5m3. 3/PARCSv2. 6 coupled codes | |
Rooijen et al. | Analysis of a VVER-1000 in-core fuel management benchmark with DRAGON and DONJON | |
Abbasi et al. | The PMAXS library generator module based on DRAGON lattice code | |
Loi et al. | OpenMC Model Validation of the TRIGA Mark II Reactor | |
Whyte et al. | Design of a deep learning surrogate model for the prediction of FHR design parameters | |
Trivedi | Uncertainty Quantification and Propagation Methodology for Safety Analysis of Lead-Cooled Fast Reactors | |
Novotny et al. | Nuclear data generation sensitivity analysis for VVER reactor dynamic benchmark |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220414 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230206 |
|
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: 20230227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230323 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7252100 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |