JP7266273B2 - 情報処理装置及び情報処理プログラム - Google Patents
情報処理装置及び情報処理プログラム Download PDFInfo
- Publication number
- JP7266273B2 JP7266273B2 JP2018156395A JP2018156395A JP7266273B2 JP 7266273 B2 JP7266273 B2 JP 7266273B2 JP 2018156395 A JP2018156395 A JP 2018156395A JP 2018156395 A JP2018156395 A JP 2018156395A JP 7266273 B2 JP7266273 B2 JP 7266273B2
- Authority
- JP
- Japan
- Prior art keywords
- delivery
- user
- learning
- information processing
- plan
- 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
- 230000010365 information processing Effects 0.000 title claims description 62
- 238000012384 transportation and delivery Methods 0.000 claims description 249
- 238000010801 machine learning Methods 0.000 claims description 47
- 230000006870 function Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 description 48
- 238000003860 storage Methods 0.000 description 30
- 238000000034 method Methods 0.000 description 29
- 238000012545 processing Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 238000012856 packing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
入力された条件に対応した所定の計画を出力する立案手段と、
前記立案手段が出力した所定の計画を、所定の形式でユーザに提示する提示手段と、
前記所定の形式で提示された所定の計画を参照したユーザからの指示を受け付ける指示受付手段と、
少なくとも前記ユーザからの指示を教師データとした機械学習を行う学習手段と、
を備える。
[装置構成]
図1は、本実施形態に係る情報処理装置の構成の一例を示すブロック図である。図1に示すように、情報処理装置10は、CPU(Central Processing Unit)11と、ROM(Read Only Memory)12と、RAM(Random Access Memory)13と、通信部14と、記憶部15と、入力部16と、表示部17と、を備えている。これら各部は、信号線によりバス接続されており、相互に信号を送受する。
RAM13には、CPU11が各種の処理を実行する上において必要なデータ等も適宜記憶される。
記憶部15は、DRAM(Dynamic Random Access Memory)等の半導体メモリで構成され、各種データを記憶する。
表示部17は、液晶ディスプレイ等で構成され、CPU11が出力する画像データに対応する画像を表示する。
このような構成を有する情報処理装置10は、パーソナルコンピュータやサーバ装置等の情報処理機能を有する電子機器により実現される。この電子機器は、本実施形態特有の電子機器で実現してもよいし、汎用の電子機器に本実施形態特有のソフトウェアを組み込んで実現してもよい。
次に、このような構成を有する情報処理装置10が行なう処理の概略について説明する。情報処理装置10は、配送条件学習処理を行なう。
この機械学習により、情報処理装置10は、適切な配送条件を出力するための学習モデルを構築する。ここで、構築とは、新たに学習モデルを作り出すこと、及び作り出した既存の学習モデルを更新することの双方を含む。
また、情報処理装置10は、配送計画に限らず、他の所定の計画についても同様に学習モデルを構築することができる。
すなわち、情報処理装置10によれば、十分な実績データが得られない場合であっても、配送計画等の所定の計画に関する機械学習を行うことができる、という効果を奏する。
また、上述したように情報処理装置10は、全く実績データが存在しない場合であっても、実績データには対応しない、例えば、ユーザが作成した情報に基づいて、配送計画等の所定の計画に関する機械学習を行うことができる。すなわち、本実施形態において、十分な実績データが得られない場合とは、実績データが不足している場合のみならず、全く実績データが存在しない場合も含む。
次に、情報処理装置10が、上述した配送条件学習処理を行なうための機能ブロックについて説明をする。
情報処理装置10が動作する場合、図1に示すように、CPU11において、情報取得部111と、計画立案部112と、提示部113と、学習部114と、学習部114と、が機能する。
また、記憶部15の一領域には、配送対象情報記憶部151と、配送条件記憶部152と、学習モデル記憶部153とが設定される。
配送条件記憶部152には、配送計画に対して要請される配送条件が記憶される。
これら配送対象情報、及び配送条件の具体的な内容については、図2を参照して後述する。
学習モデル記憶部153には、配送条件学習処理において構築された学習モデルが記憶される。
そして、計画立案部112は、入力された配送対象情報と、配送条件とに対応した対応した配送計画を立案する。また、計画立案部112は立案した配送計画を提示部113に対して出力する。計画立案部112による配送計画の立案を行なうための具体的な手法は特に限定されない。計画立案部112は、例えば、組み合わせ最適化等の所定のアルゴリズムに基づいた、任意の手法で配送計画の立案を行なうことができる。
この所定の形式で表示された配送計画は、例えば、配送計画における時系列を可視化した画像を少なくとも含む形式であり、この画像はユーザが修正指示を行なうためのユーザインタフェースとして機能する。所定の形式については、後述の[配送条件学習処理]との項目で詳細に説明をする。
更に、ユーザからの修正指示がなかった場合には、問題がない配送条件とみなし、機械学習に用いないようにしてもよいし、より正しい配送条件であることを示す確度を向上するために機械学習に用いるようにしてもよい。そして、確度を高くした配送条件については、その後、ユーザからの修正指示と矛盾したような場合であっても、置き換えを行わず確度を下げるのみとするようにしてもよい。
また、学習部114は、構築した学習モデルを学習モデル記憶部153に記憶させる。なお、この構築が、新たな学習モデルの新たな作成ではなく、学習モデルの更新の場合は、学習部114は、学習モデル記憶部153に記憶されている学習モデルを読み込み、この学習モデルを更新して、再度、学習モデル記憶部153に記憶させる。
以上説明した、各機能ブロックが協働することにより、上述した配送条件学習処理が実現される。
次に、配送計画の立案の前提となる配送対象情報及び配送条件について図2を参照して説明する。図2は、配送対象情報及び配送条件の概念について示す模式図である。
図2に示すように、配送計画を立案するためには、まず受注データ(あるいは出荷指示)といった、「どこから」、「どこに」、「何を」、「どれだけ」配送するかを示す情報である配送対象情報が必要となる。例えば、配送先と、配送する荷物の種類と、配送する荷物の数や量とを示す情報が配送対象情報として必要となる。
しかしながら、配送対象情報のみに基づいて配車計画を立案することはできず、その他の所定の配車条件も満たすようにして、配車計画を立案する必要がある。配車条件としては、種々のものが考えられるが、例えば、図示するような、配送先の制約(軒先条件とも呼ばれる。)、車両情報、及びその他の配送条件が例として挙げられる。
車両情報とは、例えば、配車に利用可能な車両の車格及び台数や、各車両の積載量や積載数の上限や、車両の発地や着地といった位置に関するものや、車両を利用可能な時間等の条件である。
その他の配送条件とは、例えば、荷物の混載の禁止や、配送先のエリアの組み合わせの可否や、荷物の積み下ろしにかかる時間等の条件である。
配車計画を立案するユーザ又はコンピュータ(例えば、計画立案部112)は、これらの配送条件が満たされるように、荷寄せや荷分割をした荷物情報の作成や、名寄せ等を行いながら配送計画を立案する。
以上、配送対象情報及び配送条件について説明をしたが、これは配送条件の一例である。上述した情報以外の他の情報が配送条件として更に含まれていてもよいし、上述した情報が配送条件に含まれていなくてもよい。
次に、情報処理装置10が行なう配送条件学習処理の詳細について図3から図10までを参照して説明する。まず、図3は、情報処理装置10が実行する配送条件学習処理時の流れを示すフローチャートである。ここで、配送条件学習処理は、例えば、定期的に、あるいは、ユーザの操作等に応じて開始される。
本実施形態によれば、これらの表示例のようなユーザインタフェースを利用することにより、ユーザは、いわば紙に対して赤ペンで修正を入れるような感覚で、修正箇所を簡便に指示することが可能となる。
学習部114は、例えばこのようにして、ユーザからの修正指示に基づいて、配送条件記憶部152が記憶する配送条件を修正することにより機械学習を行い、学習モデルを構築する。
そして、学習部114は、構築した学習モデルを学習モデル記憶部153に記憶させる。なお、この構築が、新たな学習モデルの新たな作成ではなく、学習モデルの更新の場合は、学習部114は、学習モデル記憶部153に記憶されている学習モデルを読み込み、この学習モデルを更新して、再度、学習モデル記憶部153に記憶させる。
ステップS15が終了すると、今回の配送条件学習処理は終了する。
すなわち、情報処理装置10によれば、十分な実績データが得られない場合であっても、配送計画等の所定の計画に関する機械学習を行うことができる、という効果を奏する。
例えば、本発明の実施形態を以下の変形例のように変形してもよい。
上述の実施形態では、情報処理装置10が、配送対象情報と配送条件とに基づいて、配送計画を立案する場合を想定した。これに限らず、情報処理装置10を、他の用途に適用するようにしてもよい。すなわち、情報処理装置10を、物流業界における配送計画のみにとどまらず、様々な業界における、作業者や機械等の何らかの作業単位に対する所定の計画を自動で立案する用途に適用するようにしてもよい。
しかしながら、情報処理装置10によれば、上述したように十分な実績データが得られない場合であっても、生産スケジュール等の所定の計画に関する機械学習を行うことができる。また、ユーザは、このようにして機械学習により構築された学習モデルを利用することにより、実際の生産に利用するための生産スケジュールを、適切に立案することが可能となる。
上述の実施形態では、ユーザからの修正指示を教師データとして機械学習を行っていた。ただしこれは、ユーザの修正指示において、適切な配送計画そのものを受け付けることを排除するものではない。つまり、ユーザの修正指示において、適切な配送計画そのものを受け付けるようにしてもよい。例えば、図5のような形でユーザに配送計画を提示した上で、ユーザに、配送先及び到着予想時刻を示すカードを、自由に並び替えさせて正しい配送計画を作成させる。そして、このときにユーザが行った修正操作あるいは修正の結果として得られた配送計画から情報を抽出し、この抽出した情報を教師データとしてもよい。
この場合、学習部114は、ステップS13で提示した配送計画内に登場する各配送先の中で、ユーザが修正しなかったルート内の配送先を抽出し、それらに対してはこの配送計画内での訪問予定時刻を教師データ(以下、「第1教師データ」と称する。)とする。一方で、学習部114は、ユーザが修正したルート内の配送先に対しては、ユーザが修正した訪問順番に基づいて再計算された到着予想時刻を教師データ(以下、「第2教師データ」とする。
そして、学習部114は、配送計画から抽出した第1教師データと、ユーザからの修正指示に基づく第2教師データとに基づいて機械学習を行う。これにより、配送条件として「各配送先に対する望ましい配送時間帯」を出力する学習モデルを構築することが可能となる。
換言すると、図に図示した機能的構成は例示に過ぎず、特に限定されない。すなわち、上述した一連の処理を全体として実行できる機能が情報処理装置10に備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図1に図示した例に限定されない。この場合に、情報処理装置10は、単体の装置により実現されてもよいが、複数の装置の組み合わせにより実現されてもよい。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えば汎用のパーソナルコンピュータであってもよい。
また、本明細書において、システムの用語は、複数の装置及び複数の手段等より構成される全体的な装置を意味するものとする。
11 CPU
12 ROM
13 RAM
14 通信部
15 記憶部
16 入力部
17 表示部
111 情報取得部
112 計画立案部
113 提示部
114 学習部
151 配送対象情報記憶部
152 配送条件記憶部
153 学習モデル記憶部
Claims (7)
- 入力された条件に対応した所定の計画を出力する立案手段と、
前記立案手段が出力した所定の計画を、所定の形式でユーザに提示する提示手段と、
前記所定の形式で提示された所定の計画を参照したユーザからの指示を受け付ける指示受付手段と、
少なくとも前記ユーザからの指示に基づいて、前記立案手段に入力された条件を修正することにより機械学習を行い、前記機械学習により、前記所定の計画を立案するための条件を出力するための学習モデルを構築する学習手段と、
を備え、
前記提示手段は、前記指示受付手段が前記ユーザからの指示を受け付ける前に、前記所定の計画に加えて、前記ユーザが指示を行うキッカケ又は気付きとなる質問を提示し、
前記立案手段は、更に、前記学習手段が構築した学習モデルの出力に基づく条件を入力され、該入力された条件に対応して前記所定の計画の内容を修正して出力する情報処理装置。 - 前記所定の計画は、物品を配送するための配送計画であり、
前記立案手段に入力された条件は、配送に関する条件である、
請求項1に記載の情報処理装置。 - 前記学習手段は、前記ユーザからの指示に加えて、前記所定の計画に含まれる情報であって、前記ユーザからの指示の対象とされなかった情報に更に基づいて機械学習を行う、
請求項1又は2に記載の情報処理装置。 - 前記提示手段は、前記所定の計画に加えて、前記ユーザの指示に関する選択肢を提示する、
請求項1から3までの何れか1項に記載の情報処理装置。 - 前記指示受付手段は、前記ユーザからの指示として、ユーザの主観に基づく適切な所定の計画の少なくとも一部を受け付ける、
請求項1から4までの何れか1項に記載の情報処理装置。 - 前記所定の形式は、前記所定の計画における時系列を可視化した画像を少なくとも含む形式であり、前記画像は、前記指示受付手段が指示を受け付けるためのユーザインタフェースとして機能する、
請求項1から5までの何れか1項に記載の情報処理装置。 - 情報処理装置としてコンピュータを機能させる情報処理プログラムであって、
入力された条件に対応した所定の計画を出力する立案手段と、
前記立案手段が出力した所定の計画を、所定の形式でユーザに提示する提示手段と、
前記所定の形式で提示された所定の計画を参照したユーザからの指示を受け付ける指示受付手段と、
少なくとも前記ユーザからの指示に基づいて、前記立案手段に入力された条件を修正することにより機械学習を行い、前記機械学習により、前記所定の計画を立案するための条件を出力するための学習モデルを構築する学習手段と、
を備え、
前記提示手段は、前記指示受付手段が前記ユーザからの指示を受け付ける前に、前記所定の計画に加えて、前記ユーザが指示を行うキッカケ又は気付きとなる質問を提示し、
前記立案手段は、更に、前記学習手段が構築した学習モデルの出力に基づく条件を入力され、該入力された条件に対応して前記所定の計画の内容を修正して出力する情報処理装置、として前記コンピュータを機能させる情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018156395A JP7266273B2 (ja) | 2018-08-23 | 2018-08-23 | 情報処理装置及び情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018156395A JP7266273B2 (ja) | 2018-08-23 | 2018-08-23 | 情報処理装置及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020030663A JP2020030663A (ja) | 2020-02-27 |
JP7266273B2 true JP7266273B2 (ja) | 2023-04-28 |
Family
ID=69622683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018156395A Active JP7266273B2 (ja) | 2018-08-23 | 2018-08-23 | 情報処理装置及び情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7266273B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7448680B2 (ja) | 2020-10-30 | 2024-03-12 | ファナック株式会社 | ハンド、ハンドシステム、及びその制御方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6887041B1 (ja) * | 2020-04-07 | 2021-06-16 | トーヨーカネツ株式会社 | 倉庫制御の汎化法、装置、システム、プログラム、並びに記録媒体 |
JP7510153B2 (ja) | 2020-05-15 | 2024-07-03 | 国立研究開発法人 海上・港湾・航空技術研究所 | 輸送経路予測プログラム及び輸送経路予測システム |
JP7072299B1 (ja) | 2021-06-11 | 2022-05-20 | 株式会社イージスワン | 運行計画作成装置 |
JPWO2023053287A1 (ja) * | 2021-09-29 | 2023-04-06 | ||
JP7324260B2 (ja) * | 2021-11-05 | 2023-08-09 | シーライヴ株式会社 | スケジューリングシステム、スケジューリングプログラム及びスケジューリング方法 |
WO2023203721A1 (ja) * | 2022-04-21 | 2023-10-26 | 日本電信電話株式会社 | 配送計画装置、配送計画方法、及びプログラム |
JP7428328B1 (ja) | 2022-08-02 | 2024-02-06 | 株式会社オプティマインド | 最適経路調整プログラム及び最適経路調整装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006323784A (ja) | 2005-05-20 | 2006-11-30 | Kyoto Univ | シミュレーションプログラム、シミュレーション方法及びシミュレーション装置 |
JP2009181195A (ja) | 2008-01-29 | 2009-08-13 | Internatl Business Mach Corp <Ibm> | 多目的最適化装置、重み付けの調整をするための方法及び重み付け調整プログラム |
JP2013014387A (ja) | 2011-06-30 | 2013-01-24 | Hitachi Information & Control Solutions Ltd | 配車計画評価学習システム |
JP2017122955A (ja) | 2016-01-04 | 2017-07-13 | 株式会社日立製作所 | 生産計画立案支援システムおよび支援方法 |
JP2018060478A (ja) | 2016-10-07 | 2018-04-12 | Kddi株式会社 | 情報管理装置、方法、及びコンピュータプログラム |
JP2018060477A (ja) | 2016-10-07 | 2018-04-12 | 富士通エフ・アイ・ピー株式会社 | 見積装置、プログラム |
JP2018067137A (ja) | 2016-10-19 | 2018-04-26 | 株式会社Nttドコモ | 情報処理装置 |
JP2018092255A (ja) | 2016-11-30 | 2018-06-14 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、情報処理方法、プログラム |
-
2018
- 2018-08-23 JP JP2018156395A patent/JP7266273B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006323784A (ja) | 2005-05-20 | 2006-11-30 | Kyoto Univ | シミュレーションプログラム、シミュレーション方法及びシミュレーション装置 |
JP2009181195A (ja) | 2008-01-29 | 2009-08-13 | Internatl Business Mach Corp <Ibm> | 多目的最適化装置、重み付けの調整をするための方法及び重み付け調整プログラム |
JP2013014387A (ja) | 2011-06-30 | 2013-01-24 | Hitachi Information & Control Solutions Ltd | 配車計画評価学習システム |
JP2017122955A (ja) | 2016-01-04 | 2017-07-13 | 株式会社日立製作所 | 生産計画立案支援システムおよび支援方法 |
JP2018060478A (ja) | 2016-10-07 | 2018-04-12 | Kddi株式会社 | 情報管理装置、方法、及びコンピュータプログラム |
JP2018060477A (ja) | 2016-10-07 | 2018-04-12 | 富士通エフ・アイ・ピー株式会社 | 見積装置、プログラム |
JP2018067137A (ja) | 2016-10-19 | 2018-04-26 | 株式会社Nttドコモ | 情報処理装置 |
JP2018092255A (ja) | 2016-11-30 | 2018-06-14 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、情報処理方法、プログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7448680B2 (ja) | 2020-10-30 | 2024-03-12 | ファナック株式会社 | ハンド、ハンドシステム、及びその制御方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2020030663A (ja) | 2020-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7266273B2 (ja) | 情報処理装置及び情報処理プログラム | |
Greif et al. | Peeking into the void: Digital twins for construction site logistics | |
JP7116997B2 (ja) | 情報処理装置及び情報処理プログラム | |
JP6644369B1 (ja) | 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 | |
JP5623600B1 (ja) | 賞味期限管理装置および賞味期限管理プログラム | |
Manners-Bell et al. | Logistics and Supply Chain Innovation: A Practical Guide to Disruptive Technologies and New Business Models | |
Shiri et al. | Integrated drayage scheduling problem with stochastic container packing and unpacking times | |
Tadumadze et al. | Loading and scheduling outbound trucks at a dispatch warehouse | |
US11256860B2 (en) | Service provider server-based architecture for server-suggested data | |
JP2023017689A (ja) | 物流の効率化、及び最適化評価システム | |
JP2013136421A (ja) | 輸送計画作成装置及び方法並びに輸送計画作成用プログラム | |
JP4954588B2 (ja) | 物流費用演算装置及びプログラム | |
Herrel | A visual interactive simulation application for minimizing risk and improving outbound logistical efficiency in time-sensitive attended home deliveries and services | |
JP2019117427A (ja) | 乗務員割付装置、乗務員割付方法および乗務員割付プログラム | |
JPH07219920A (ja) | 最適化問題解決処理方法および装置 | |
Sumbal et al. | Sustainable Technology Strategies for Transportation and Logistics Challenges: An Implementation Feasibility Study | |
Djurdjević et al. | A combined dynamic programming and simulation approach to the sizing of the low-level order-picking area | |
Rave et al. | Cyclic Stochastic Inventory Routing Planning with Reorder Points and Recourse Decision for an Application in Medical Supply | |
Schulze et al. | Logistics Dashboard for transport of fragile goods | |
JP2021120793A (ja) | 情報処理装置、処理方法およびプログラム | |
JP7541909B2 (ja) | 移動指示データ作成装置、移動指示データ作成方法および移動指示データ作成プログラム | |
Feng et al. | Developing a digital solution to container triangulation in China | |
Dagar et al. | Digital transformation at Maersk: the never-ending pace of change | |
JP6811347B1 (ja) | 運送計画情報を作成するための運送管理プログラム及び運送計画情報作成方法 | |
Klumpp et al. | Cargo telematics for operational transport excellence and strategic knowledge management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210519 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220325 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220419 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220615 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221011 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221202 |
|
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: 20230314 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230411 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7266273 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |