JP7268722B2 - 異常検知装置、及び異常検知方法 - Google Patents
異常検知装置、及び異常検知方法 Download PDFInfo
- Publication number
- JP7268722B2 JP7268722B2 JP2021508545A JP2021508545A JP7268722B2 JP 7268722 B2 JP7268722 B2 JP 7268722B2 JP 2021508545 A JP2021508545 A JP 2021508545A JP 2021508545 A JP2021508545 A JP 2021508545A JP 7268722 B2 JP7268722 B2 JP 7268722B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- detection unit
- series data
- abnormality
- anomaly
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/06—Safety devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/0061—Force sensors associated with industrial machines or actuators
-
- 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
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0232—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on qualitative trend analysis, e.g. system evolution
Description
図1を参照して、第1実施形態に係る異常検知装置102、及びその周辺機器(101、103)の構成を説明する。第1実施形態に係る異常検知装置102は、ロボット101及びユーザインターフェース103に接続されている。異常検知装置102は、可動部を有する機器の一例としてのロボット101の異常を検知する。ここで、「機器(ロボット101)の異常」とは、機器の動作停止、機器の動作不良、潤滑油の劣化などの、機器の故障、及び機器の正常な動作を阻む種々の要因を含む概念である。「異常を検知する」とは、現在生じている異常のみならず、将来発生する異常を予測すること、及び異常の予兆を検知することが含まれる。
「加速度の検出値」となる。
第1異常検知部26は、先ず、差分演算を行う。具体的に、特定の時刻(t)での外乱トルク(RDt)と特定の時刻よりも一定時間前(t-k)の外乱トルク(RDt-k)との差(x)を算出する。第1異常検知部26は、特定の時刻(t)をずらしながら差(x)を算出する為、差(x)は時系列データである。一定時間(k)は、例えば、30秒~5分である。
次に、第1異常検知部26は、分類/数値化の処理を行う。具体的に、第1異常検知部26は、特定の時刻(t)での外乱トルク(RDt)が特定の時刻よりも一定時間前(t-k)の外乱トルク(RDt-k)から増加しているか又は減少しているかを、特定の時刻(t)をずらしながら判定する。そして、第1異常検知部26は、外乱トルクの増加又は外乱トルクの減少をそれぞれ「一定の数値」で示す。第1異常検知部26は、特定の時刻(t)をずらしながら増加又は減少を判定するため、増加又は減少を示す「一定の数値」もまた時系列データである。例えば、(2)式に示すように、外乱トルクの増加又は外乱トルクの減少を、それぞれ「一定の数値(1、0、-1)」で示す。ここで、第1基準値(pa)は第2基準値(pb)に等しい定数、又は、第2基準値(pb)よりも大きい定数である。
次に、第1異常検知部26は、後処理を行う。具体的に、第1異常検知部26は、「一定の数値」を所定時間(積算時間)で積算した積算値を求める。第1異常検知部26は、この積算値の移動平均(FD1)を特徴量として抽出する。第1異常検知部26は、積算値の移動平均(FD1)と所定のしきい範囲とを比較することにより、ロボット101の異常を検知する。つまり、第1異常検知部26は、図5Bにおいて、移動平均(FD1)がゼロを含むしきい範囲から超えた場合に、ロボット101に異常があると判断する。所定のしきい範囲は、ゼロを含む-1~+1の範囲に設定される。
図3を参照して、図2のステップS02の詳細な手順の一例を説明する。先ず、ステップS201において、第1異常検知部26は、先ず、差分演算を行う。具体的に、(1)式に示すように、特定の時刻(t)での外乱トルク(RDt)と特定の時刻よりも一定時間前(t-k)の外乱トルク(RDt-k)との差(x)を、特定の時刻(t)をずらしながら繰り返し算出する。
<区分2>第2基準値(pb)よりも小さい、
<区分3>第1基準値(pa)以下であり、且つ前記第2基準値(pb)以上である。
図4を参照して、図2のステップS02の詳細な手順の他の例を説明する。図3と比較すると、図4に示す異常検知方法は、ステップS201、S204~S206が図3と一致し、図3のステップS202、S203の代わりに、ステップS211を実施する点が異なる。よって、ステップS211について説明する。
<区分5>第1基準値(pa)よりも小さい。
差分演算(ステップS201)において、第1異常検知部26は、外乱トルクの移動平均を算出し、特定の時刻(t)での外乱トルクの移動平均と特定の時刻よりも一定時間前(t-k)の外乱トルクの移動平均との差(x’)を、特定の時刻(t)をずらしながら繰り返し算出してもよい。つまり、外乱トルク(RD)自体を使う代わりに、外乱トルク(RD)の移動平均を用いてもよい。例えば、図5A、5C、5Eに示すように、ノイズ成分が大きい外乱トルク(RD1、RD2、RD3)の代わりに、ノイズ成分を除去した移動平均(AD1、AD2、AD3)を使用して、差(x’)を算出することができる。差(x’)からノイズ成分を除去することができるので、より精度良く故障を検知することができる。パラメータ設定部25は、外乱トルクの移動平均をとる時間の長さをアンサンブル学習などの機械学習を用いて最適化してもよい。
第2実施形態では、異なる2つの異常検知アルゴリズムを組み合わせた異常検知装置及び異常検知方法について説明する。図6に示すように、第2実施形態に関わる異常検知装置102は、図1の異常検知装置102に比べて、次の2つの点で相違する。第1に、制御部51が第2異常検知部27を更に備える。第2に、異常検知装置102が正常モデルデータベース34を更に備える。
例えば、第2異常検知部27は、外乱トルクの確率分布(確率密度分布を含む)に基づいて、異常を検知可能である。第2異常検知部27は、センサデータベース31から所定期間における外乱トルク(時系列データ)を読み出し、読み出した外乱トルクに基づいて、確率分布を演算する。具体的に、第2異常検知部27は、現在から所定の時間(例えば、12時間)だけ遡った期間を所定期間に設定し、例えば、周知のカーネル密度推定を用いて、所定期間における外乱トルクの確率分布を算出する。
或いは、第2異常検知部27は、(4)式により定義される外乱トルクの異常度(G(r))に基づいて、異常を検知してもよい。(4)式において、mは外乱トルクの標本平均、sは外乱トルクの標準偏差、rが外乱トルクである。第2異常検知部27は、外乱トルクの異常度(G(r))が所定の閾値を上回った時に、異常があると判定する。
第1異常検知部26又は第2異常検知部27は、第2異常検知部27又は第1異常検知部26により検出された異常が発生した時刻又は時刻を含む時間帯における時系列データに基づいてロボット101の異常を検知する。先ず、第1異常検知部26及び第2異常検知部27の一方が異常を検知する。第1異常検知部26及び第2異常検知部27の他方は、当該一方が検知した異常が発生した時刻又は時刻を含む時間帯に限り、異常の有無を探索する。第1異常検知部26及び第2異常検知部27の他方は、一方が異常を検知していない時刻又は時間帯について、異常の有無を探索しない。
第1異常検知部26と第2異常検知部27との組合せ型は、上記した直列型に限らない。例えば、第1異常検知部26と第2異常検知部27とを並列に組み合わせてもよい。つまり、第2実施形態に係わる異常検知装置は、図8に示す並列型の動作により、異常を検知してもよい。図8は、図6の異常検知装置102の並列型の動作の一例を示すフローチャートである。
23 報知制御部
25 パラメータ設定部
26 第1異常検知部
27 第2異常検知部
101 ロボット(機器)
pa 第1基準値
pb 第2基準値
t 特定の時刻
AD1~AD3 時系列データの移動平均
FD1~FD3 積算値の移動平均
RD、RD1~RD3 外乱トルク(時系列データ)
Claims (17)
- 可動部を有する機器から取得された時系列データが入力されるセンサ信号入力部と、
前記時系列データに基づいて前記機器の異常を検知する第1異常検知部と、
前記第1異常検知部により検知された異常を報知する報知制御部と、を有し、
前記第1異常検知部は、
特定の時刻での前記時系列データが前記特定の時刻よりも一定時間前での時系列データから増加しているか又は減少しているかを、前記特定の時刻をずらしながら判定して、前記時系列データの増加を第1の一定の数値で示し、及び、前記時系列データの減少を第2の一定の数値で示し、
前記第1の一定の数値と前記第2の一定の数値を積算した積算値に基づいて前記機器の異常を検知する
ことを特徴とする異常検知装置。 - 前記第1異常検知部は、
前記特定の時刻での時系列データと前記特定の時刻よりも一定時間前での時系列データとの差が第1基準値より大きい場合に増加していると判定し、
前記特定の時刻での時系列データと前記特定の時刻よりも一定時間前での時系列データとの差が前記第1基準値と同じ又は前記第1基準値よりも小さい第2基準値より小さい場合に減少していると判定する
ことを特徴とする請求項1に記載の異常検知装置。 - 前記第1異常検知部は、
前記特定の時刻での前記時系列データが前記特定の時刻よりも一定時間前での時系列データから増加しているか又は減少しているか、或いは増加も減少もしていないかを、前記特定の時刻をずらしながら、判定して前記増加及び前記減少のいずれでもないことを第3の一定の数値で示すことを特徴とする請求項1に記載の異常検知装置。 - 前記第2基準値は前記第1基準値よりも小さく、
前記第1異常検知部は、
前記差が前記第1基準値以下であり、且つ前記第2基準値以上である場合に、増加も減少もしていないと判定する
ことを特徴とする請求項2に記載の異常検知装置。 - 前記第1の一定の数値及び前記第2の一定の数値は、前記差の絶対値に関わらず、予め定めた値にそれぞれ固定されていることを特徴とする請求項2に記載の異常検知装置。
- 前記第1異常検知部は、
前記積算値の移動平均を算出し、
前記積算値の移動平均に基づいて前記機器の異常を検知する
ことを特徴とする請求項1~5のいずれか一項に記載の異常検知装置。 - 前記第2基準値は前記第1基準値に等しく、
前記特定の時刻での前記時系列データが前記特定の時刻よりも一定時間前での時系列データから増加していることを示す前記第1の一定の数値は、前記特定の時刻での前記時系列データが前記特定の時刻よりも一定時間前での時系列データから減少していることを示す前記第2の一定の数値とは、互いに絶対値が等しく、且つ符号が異なる
ことを特徴とする請求項2に記載の異常検知装置。 - 前記第1の一定の数値及び前記第2の一定の数値は、前記時系列データと一定時間前の時系列データとの差の絶対値に関わらず、予め定めた値にそれぞれ固定されていることを特徴とする請求項7に記載の異常検知装置。
- 前記第1異常検知部は、
前記時系列データの移動平均を算出し、
特定の時刻での前記時系列データの移動平均が前記特定の時刻よりも一定時間前での時系列データの移動平均から増加しているか又は減少しているかを、前記特定の時刻をずらしながら判定して、前記増加及び前記減少をそれぞれ前記第1の一定の数値及び前記第2の一定の数値で示す
ことを特徴とする請求項1又は7に記載の異常検知装置。 - 前記第1異常検知部は、
前記積算値の移動平均を算出し、
前記積算値の移動平均に基づいて前記機器の異常を検知する
ことを特徴とする請求項7又は8に記載の異常検知装置。 - 前記第1異常検知部とは異なる方法により前記機器の異常を検知する第2異常検知部を更に備え、
前記報知制御部は、前記第1異常検知部と前記第2異常検知部とを組み合わせて検知された前記機器の異常を報知する
ことを特徴とする請求項1~10のいずれか一項に記載の異常検知装置。 - 前記第2異常検知部は、前記時系列データの確率分布に基づいて前記機器の異常を検知することを特徴とする請求項11に記載の異常検知装置。
- 前記第1異常検知部又は前記第2異常検知部は、前記第2異常検知部又は前記第1異常検知部により検出された前記異常が発生した時刻又は前記時刻を含む時間帯における前記時系列データに基づいて前記機器の異常を検知することを特徴とする請求項11に記載の異常検知装置。
- 前記報知制御部は、前記第1異常検知部により検出された前記異常と、前記第2異常検知部により検出された前記異常とが同じ時刻又は同じ時間帯に発生している場合、前記機器の異常を報知することを特徴とする請求項11に記載の異常検知装置。
- 機械学習を用いて前記時間帯の長さを最適化するパラメータ設定部を更に備えることを特徴とする請求項13又は14に記載の異常検知装置。
- 機械学習を用いて前記第1基準値及び前記第2基準値の各々を最適化するパラメータ設定部を更に備えることを特徴とする請求項2、4又は7に記載の異常検知装置。
- 可動部を有する機器から取得された時系列データを受信し、
特定の時刻での前記時系列データが前記特定の時刻よりも一定時間前での時系列データから増加しているか又は減少しているかを、前記特定の時刻をずらしながら判定して、前記時系列データの増加を第1の一定の数値で示し、及び、前記時系列データの減少を第2の一定の数値で示し、
前記第1の一定の数値と前記第2の一定の数値を積算した積算値に基づいて前記機器の異常を検知し、
検知された異常を報知する
ことを特徴とする異常検知方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/013342 WO2020194597A1 (ja) | 2019-03-27 | 2019-03-27 | 異常検知装置、及び異常検知方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2020194597A1 JPWO2020194597A1 (ja) | 2020-10-01 |
JPWO2020194597A5 JPWO2020194597A5 (ja) | 2022-01-19 |
JP7268722B2 true JP7268722B2 (ja) | 2023-05-08 |
Family
ID=72610189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021508545A Active JP7268722B2 (ja) | 2019-03-27 | 2019-03-27 | 異常検知装置、及び異常検知方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220126461A1 (ja) |
EP (1) | EP3951528B1 (ja) |
JP (1) | JP7268722B2 (ja) |
CN (1) | CN113646718B (ja) |
WO (1) | WO2020194597A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI805978B (zh) * | 2020-12-22 | 2023-06-21 | 達明機器人股份有限公司 | 雙迴路力矩感知系統及其感知方法 |
DE102021126188A1 (de) * | 2021-10-08 | 2023-04-13 | Dürr Systems Ag | Überwachungsverfahren für einen Roboter und zugehörige Roboteranlage |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58222311A (ja) * | 1982-06-18 | 1983-12-24 | Mitsubishi Heavy Ind Ltd | 異常診断装置 |
JPH0711472B2 (ja) * | 1990-10-17 | 1995-02-08 | 旭化成工業株式会社 | 異常検出方法および装置 |
JP3623582B2 (ja) | 1995-12-25 | 2005-02-23 | ファナック株式会社 | ロボットの故障診断方法 |
JP2003296851A (ja) * | 2002-02-01 | 2003-10-17 | Shimadzu System Solutions Co Ltd | 遠隔異常監視システム |
JP2008033532A (ja) * | 2006-07-27 | 2008-02-14 | Denso Corp | 可動部を備えた設備の異常を検出する方法及び異常検出装置 |
US8370108B2 (en) * | 2007-03-22 | 2013-02-05 | Nec Corporation | Diagnostic device |
JP2010211440A (ja) * | 2009-03-10 | 2010-09-24 | Railway Technical Res Inst | 異常予測装置、異常予測システム、異常予測方法、及びプログラム |
JP4905536B2 (ja) * | 2009-10-29 | 2012-03-28 | カシオ計算機株式会社 | 時刻情報取得装置、および、電波時計 |
JP5365595B2 (ja) * | 2010-09-15 | 2013-12-11 | 株式会社安川電機 | 減速機の異常判定方法、異常判定装置、ロボット及びロボットシステム |
JP5414703B2 (ja) * | 2011-01-20 | 2014-02-12 | 東京エレクトロン株式会社 | 処理装置の異常診断方法及びその異常診断システム |
CN105221132B (zh) * | 2014-06-30 | 2018-08-10 | 中国石油化工股份有限公司 | 一种钻井工程参数状态检测方法 |
CN104156473B (zh) * | 2014-08-25 | 2017-05-03 | 哈尔滨工业大学 | 一种基于ls‑svm的传感器检测数据异常片段检测方法 |
JP6223936B2 (ja) * | 2014-09-12 | 2017-11-01 | 株式会社日立ハイテクノロジーズ | 異常傾向検出方法およびシステム |
JP6828679B2 (ja) * | 2015-02-25 | 2021-02-10 | 日本電気株式会社 | システム監視装置、システム監視方法、及び、システム監視プログラム |
WO2016175226A1 (ja) * | 2015-04-28 | 2016-11-03 | ヤマハ発動機株式会社 | 鞍乗型車両 |
DE112017002300T5 (de) * | 2016-06-07 | 2019-02-14 | Mitsubishi Electric Corporation | Anomaliefeststellungsvorrichtung und Anomaliefeststellungsverfahren |
JP6426667B2 (ja) * | 2016-08-10 | 2018-11-21 | 三菱重工工作機械株式会社 | 工作機械の工具の異常検知装置及び方法 |
WO2018079075A1 (ja) * | 2016-10-24 | 2018-05-03 | パナソニックIpマネジメント株式会社 | エンコーダの異常検出方法及び異常検出装置、並びにロボット制御システム |
JP6860406B2 (ja) * | 2017-04-05 | 2021-04-14 | 株式会社荏原製作所 | 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム |
JP6703021B2 (ja) * | 2018-02-20 | 2020-06-03 | ファナック株式会社 | サーボ制御装置 |
JP6863930B2 (ja) * | 2018-05-29 | 2021-04-21 | ファナック株式会社 | 寿命予測装置及び機械学習装置 |
CN109213654B (zh) * | 2018-07-05 | 2023-01-03 | 北京奇艺世纪科技有限公司 | 一种异常检测方法及装置 |
-
2019
- 2019-03-27 EP EP19920659.0A patent/EP3951528B1/en active Active
- 2019-03-27 WO PCT/JP2019/013342 patent/WO2020194597A1/ja unknown
- 2019-03-27 JP JP2021508545A patent/JP7268722B2/ja active Active
- 2019-03-27 US US17/437,922 patent/US20220126461A1/en active Pending
- 2019-03-27 CN CN201980094849.0A patent/CN113646718B/zh active Active
Non-Patent Citations (1)
Title |
---|
田中康裕,高木徹,浦川敏倫,太田悠太,タンドンジャオ,機械学習を用いた生産ロボット減速機の故障予知手法の開発,自動車技術会論文集,50巻,2号,公益社団法人自動車技術会,2019年03月25日,p.585-590,ISSN 0287-8321 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2020194597A1 (ja) | 2020-10-01 |
EP3951528A1 (en) | 2022-02-09 |
CN113646718A (zh) | 2021-11-12 |
EP3951528A4 (en) | 2022-03-23 |
US20220126461A1 (en) | 2022-04-28 |
WO2020194597A1 (ja) | 2020-10-01 |
CN113646718B (zh) | 2024-04-30 |
EP3951528B1 (en) | 2023-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6140331B1 (ja) | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム | |
US11614728B2 (en) | Machine tool management system that obtains a next maintenance period from a maintenance period model and a refinement algorithm | |
JP7107830B2 (ja) | 学習用データ確認支援装置、機械学習装置、故障予知装置 | |
JP6148316B2 (ja) | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム | |
US10725465B2 (en) | State diagnostic device | |
EP1955830A1 (en) | A method and a control system for monitoring the condition of an industrial robot | |
JP7268722B2 (ja) | 異常検知装置、及び異常検知方法 | |
WO2020157220A1 (en) | System and method for detecting and measuring anomalies in signaling originating from components used in industrial processes | |
JP2019079160A (ja) | 状態判定装置 | |
US20230131828A1 (en) | Predictive maintenance system and method for intelligent manufacturing equipment | |
US11740592B2 (en) | Control method, control apparatus, mechanical equipment, and recording medium | |
CN111771113A (zh) | 异常种类判定装置以及异常种类判定方法 | |
KR20190081933A (ko) | 제조 설비의 이상 감지 및 진단 방법 | |
CN115059634B (zh) | 鼓风设备的故障诊断方法及装置、电子设备 | |
CN113655774A (zh) | 基于工业互联网大数据的机床远程诊断方法及系统 | |
JP7131611B2 (ja) | 異常判定装置及び異常判定方法 | |
US20210181732A1 (en) | Control method, control apparatus, and mechanical equipment | |
US20210178615A1 (en) | Abnormality diagnosis device and abnormality diagnosis method | |
CN109828512A (zh) | 机台诊断方法及其系统 | |
TWM575133U (zh) | Robotic arm dynamic monitoring system | |
CN117786385B (zh) | 基于孪生网络的三相异步电动机故障监测方法及系统 | |
CN110263949B (zh) | 融合机器机理与人工智能算法系统的数据处理方法及系统 | |
WO2023089773A9 (ja) | 異常診断装置、異常診断システム、及び記憶媒体 | |
CN111623105B (zh) | 一种工业机器人rv减速器健康程度量化评价方法 | |
CN117786385A (zh) | 基于孪生网络的三相异步电动机故障监测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A529 | Written submission of copy of amendment under article 34 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A5211 Effective date: 20210901 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210901 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221018 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221124 |
|
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: 20230322 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230404 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7268722 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |