JP7277273B2 - 機械学習装置、及び設計支援装置 - Google Patents
機械学習装置、及び設計支援装置 Download PDFInfo
- Publication number
- JP7277273B2 JP7277273B2 JP2019108902A JP2019108902A JP7277273B2 JP 7277273 B2 JP7277273 B2 JP 7277273B2 JP 2019108902 A JP2019108902 A JP 2019108902A JP 2019108902 A JP2019108902 A JP 2019108902A JP 7277273 B2 JP7277273 B2 JP 7277273B2
- Authority
- JP
- Japan
- Prior art keywords
- molding
- design support
- mold
- unit
- shrinkage rate
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C33/00—Moulds or cores; Details thereof or accessories therefor
- B29C33/38—Moulds or cores; Details thereof or accessories therefor characterised by the material or the manufacturing process
- B29C33/3835—Designing moulds, e.g. using CAD-CAM
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/22—Moulding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Mechanical Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
- Moulds For Moulding Plastics Or The Like (AREA)
Description
その金型の設計では、溶解した樹脂が当該金型(キャビティ)に流し込まれ冷却された後に、成形品として金型から取り出されるが、その冷却により樹脂の体積が縮む成形収縮を考慮して、金型(キャビティ)の大きさを成形品より大きく設計する必要がある。例えば、ABS(アクリロニトリル・ブタジエン・スチレン)の成形収縮率は、4/1000から9/1000で、全長1000mmのものが4mmから9mm縮む。
また、成形収縮率は、溶解した樹脂が金型内を流れ方向と、当該流れ方向に垂直な垂直方向とで異なる。すなわち、流れ方向は、成形収縮率が小さく、垂直方向は、成形収縮率が大きくなる。
さらに、成形収縮率は、樹脂に添加されるガラス繊維等の添加剤によっても大きく変化する。例えば、ポリフェニレンサルファイド(PPS)に30%のガラス繊維が配合される場合には、流れ方向の成形収縮率は0.3%から0.4%、垂直方向の成形収縮率は0.6%から0.7%となる。また、液晶ポリマー(LCP)に40%のガラス繊維が配合される場合には、流れ方向の成形収縮率は0.1%から0.15%、垂直方向の成形収縮率は0.3%から0.5%となる。すなわち、垂直方向の成形収縮率は、流れ方向の成形収縮率より2倍から3倍程度大きくなる。
また、ガラス繊維が配合された樹脂では、成形収縮率が全ての方向で均等に発生せず、流れ方向に大きく依存する。これは、金型に流し込まれる際に配向が発生し、樹脂の分子とガラス繊維が一定方向に揃うことが原因と考えられる。
そこで、流動解析により成形品の体積収縮の分布と、残留応力解析により複屈折度の分布とを求めるとともに、複屈折度と成形収縮異方性の関係を測定し、複屈折度の分布に従って測定された収縮異方性にあわせて体積収縮率を流れ方向と垂直方向との成形収縮率に与え、成形品の成形収縮量と収縮方向の分布を予測する技術が知られている。例えば、特許文献1参照。
<一実施形態>
図1は、一実施形態に係る設計支援システムの機能的構成例を示す機能ブロック図である。図1に示すように、設計支援システムは、CAD(Computer-Aided Design)装置10、設計支援装置20、及び機械学習装置30を有する。
(1)樹脂(材料)の種類: 樹脂の材種によって基本的な収縮範囲が決まる。ただし、樹脂メーカや樹脂グレード等によって収縮に微妙な差がある。
(2)添加剤の種類及び配合率: ガラス繊維等が配合された樹脂では、成形収縮率が小さくなる傾向にある。また、前述したように、ガラス繊維等が配合された樹脂では、流れ方向の成形収縮率は、垂直方向の成形収縮率より小さくなる。
(3)金型の表面温度: 成形加工時の金型のキャビティの表面温度によって樹脂の成形収縮率は変化する。一般的に表面温度が高い方が、成形収縮率は大きくなる傾向がある。
(4)保圧と保圧時間との積: 樹脂充填後の保圧の高さと保圧時間との積によっても、成形収縮率は変化する。一般的に保圧が高く保圧時間が長いと、成形収縮率は小さくなる傾向がある。
<機械学習装置30>
機械学習装置30は、例えば、予め、任意の射出成形機による任意の成形品の成形における任意の成形条件を、入力データとして取得する。
また、機械学習装置30は、取得した入力データにおける成形条件で成形された成形品において測定された樹脂の流れ方向の成形収縮率、及び垂直方向の成形収縮率、をラベル(正解)として取得する。
機械学習装置30は、取得した入力データとラベルとの組の訓練データにより教師あり学習を行い、後述する学習済みモデルを構築する。
そうすることで、機械学習装置30は、構築した学習済みモデルを設計支援装置20に提供することができる。
機械学習装置30について、具体的に説明する。
入力データ取得部301は、学習フェーズにおいて、図示しない通信部を介して、任意の射出成形機による任意の成形品における任意の成形条件を入力データとして、図示しない射出成形機や、当該射出成形機を制御する制御装置(図示しない)等から取得する。また、入力データ取得部301は、CAD装置10により設計された金型の試作品を用いて予め設定された成形条件で成形品が試射された場合、当該成形条件を入力データとして取得してもよい。入力データ取得部301は、取得した入力データを記憶部304に対して出力する。
なお、流れ方向(又は垂直方向)の成形収縮率は、流れ方向(又は垂直方向)に沿った成形品の各部所と金型の各部所とのサイズを比較することにより算出することができる。
そして、学習部303は、構築した学習済みモデル250を設計支援装置20に対して提供する。
なお、教師あり学習を行うための訓練データは、多数用意されることが望ましい。例えば、顧客の工場等で実際に稼働している様々な場所の射出成形機や、当該射出成形機の制御装置のそれぞれから訓練データが取得されてもよい。
オンライン学習とは、図示しない射出成形機による射出成形が行われ、訓練データが作成される都度、即座に教師あり学習を行うという学習方法である。また、バッチ学習とは、図示しない射出成形機による射出成形が行われ、訓練データが作成されることが繰り返される間に、繰り返しに応じた複数の訓練データを収集し、収集した全ての訓練データを用いて、教師あり学習を行うという学習方法である。さらに、ミニバッチ学習とは、オンライン学習と、バッチ学習の中間的な、ある程度訓練データが溜まるたびに教師あり学習を行うという学習方法である。
以上、設計支援装置20が備える学習済みモデル250を生成するための機械学習について説明した。
次に、運用フェーズにおける設計支援装置20について説明する。
図1に示すように、運用フェーズにおける設計支援装置20は、入力部201、予測部202、出力部203、及び記憶部204を含んで構成される。
なお、設計支援装置20は、図1の機能ブロックの動作を実現するために、CPU等の図示しない演算処理装置を備える。また、設計支援装置20は、各種の制御用プログラムを格納したROM(Read Only Memory)やHDD等の図示しない補助記憶装置や、演算処理装置がプログラムを実行する上で一時的に必要とされるデータを格納するためのRAMといった図示しない主記憶装置を備える。
なお、予め設定された成形条件が調整され、同じ試作された金型を用いて成形品が試射された場合も、入力データ取得部301は調整された成形条件を入力データとして取得し、ラベル取得部302は測定された流れ方向の成形収縮率、及び垂直方向の成形収縮率をラベルとして取得してもよい。学習部303は、入力データとラベルとの組を新たな訓練データとして受け付け、教師あり学習を行うことにより、学習済みモデル250を更新してもよい。
すなわち、CAD装置10により金型が設計され、設計された金型が試作され、試作された金型を用いて成形品が試射され、試射された成形品の寸法チェック時に流れ方向と垂直方向との成形収縮率が測定されるといった手順が繰り返し行われる度に、学習済みモデル250が更新される。これにより、設計支援装置20が学習済みモデル250を用いて予測する流れ方向の成形収縮率、及び垂直方向の成形収縮率の精度が向上するため、少ない金型の試作数で、最終的な金型の形状、及び最終的な成形条件を決定することができる。
次に、本実施形態に係る設計支援装置20の予測処理に係る動作について説明する。
図3は、運用フェーズにおける設計支援装置20の予測処理について説明するフローチャートである。
また、設計支援装置20は、予測された流れ方向と垂直方向との成形収縮率を、CAD装置10に出力することにより、CAD装置10は、予め設計された成形品のCADデータ、予め設定された成形条件、及び予測された流れ方向と垂直方向との成形収縮率に基づいて、金型を設計することができる。そして、金型の試作、試作した金型を用いた成形品の試射、試射された成形品のサイズ測定、金型の再設計といった手順が繰り返し行われる度に、機械学習装置30により学習済みモデル250が更新される。これにより、設計支援装置20が学習済みモデル250を用いて予測する流れ方向の成形収縮率、及び垂直方向の成形収縮率の精度が向上するため、金型の試作数を減らすことができ、成形品のコストの削減が可能となる。また、試作した金型を用いた試射する時間コストも削減することができる。
また、設計支援装置20は、学習済みモデル250を用いることにより、作業員が設計された成形品における樹脂の流れ方向と垂直方向との成形収縮率を予測する必要がなくなり、作業員の負担を軽減することができる。
上述の実施形態では、機械学習装置30は、CAD装置10、及び設計支援装置20と異なる装置として例示したが、機械学習装置30の一部又は全部の機能を、CAD装置10、又は設計支援装置20が備えるようにしてもよい。
また例えば、上述の実施形態では、設計支援装置20は、CAD装置10と異なる装置として例示したが、設計支援装置20の一部又は全部の機能を、CAD装置10が備えるようにしてもよい。
あるいは、設計支援装置20の入力部201、予測部202、出力部203及び記憶部204の一部又は全部を、例えば、サーバが備えるようにしてもよい。また、クラウド上で仮想サーバ機能等を利用して、設計支援装置20の各機能を実現してもよい。
さらに、設計支援装置20は、設計支援装置20の各機能を適宜複数のサーバに分散される、分散処理システムとしてもよい。
また例えば、上述の実施形態では、予め設定された成形条件は、樹脂(材料)の種類(エポキシ樹脂等の熱硬化性樹脂や、ポリエステル等の熱可塑性樹脂)、添加剤の種類(ガラス繊維、安定剤、着色剤等)、添加剤の配合率、金型の表面温度、及び保圧と保圧時間との積を含むとしたが、これに限定されない。
例えば、保圧と保圧時間との積は、樹脂充填後の冷却時間を考慮して設定されるが、成形条件は、保圧と保圧時間との積とともに、冷却時間を独立したパラメータとして含んでもよい。
また、金型の表面温度は、樹脂充填後の冷却速度を考慮して設定されるが、成形条件は、金型の表面温度とともに、冷却速度を独立したパラメータとして含んでもよい。
また、成形条件は、予め設計された成形品のCADデータが示す成形品の肉厚の情報を含んでもよい。
また例えば、上述の実施形態では、設計支援装置20は、機械学習装置30から提供された学習済みモデル250を用いて、1つのCAD装置10から取得した成形条件に基づいて樹脂の流れ方向と垂直方向との成形収縮率を予測したが、これに限定されない。例えば、図4に示すように、サーバ50は、機械学習装置30により生成された学習済みモデル250を記憶し、ネットワーク60に接続されたm個の設計支援装置20A(1)-20A(m)と学習済みモデル250を共有してもよい(mは2以上の整数)。これにより、新たなCAD装置、及び設計支援装置が配置されても学習済みモデル250を適用することができる。
なお、設計支援装置20A(1)-20A(m)の各々は、CAD装置10A(1)-10A(m)の各々と接続される。
また、CAD装置10A(1)-10A(m)の各々は、図1のCAD装置10に対応する。設計支援装置20A(1)-20A(m)の各々は、図1の設計支援装置20に対応する。
あるいは、図5に示すように、サーバ50は、例えば、設計支援装置20として動作し、ネットワーク60に接続されたCAD装置10A(1)-10A(m)の各々に対して、取得した成形条件に基づいて流れ方向と垂直方向との成形収縮率を予測してもよい。これにより、新たなCAD装置が配置されても学習済みモデル250を適用することができる。
(1)本開示の機械学習装置30は、任意の射出成形機による任意の成形品の成形における少なくとも樹脂の種類、添加剤の種類、添加剤の配合率、金型の表面温度、及び保圧と保圧時間との積を含む任意の成形条件を含む入力データを取得する入力データ取得部301と、入力データに含まれる成形条件で成形された成形品において測定された樹脂の流れ方向の成形収縮率、及び流れ方向に垂直な垂直方向の成形収縮率、を示すラベルデータを取得するラベル取得部302と、入力データ取得部301により取得された入力データと、ラベル取得部302により取得されたラベルデータと、を用いて、教師あり学習を実行し、学習済みモデル250を生成する学習部303と、を備える。
この機械学習装置30によれば、成形品における流れ方向の成形収縮率、及び垂直方向の成形収縮率を予測する学習済みモデル250を生成することができる。
この設計支援装置20によれば、金型の設計において、設計する金型で成形する成形品における成形収縮率を予測することができる。
そうすることで、新たなCAD装置10、及び設計支援装置20が配置されても学習済みモデル250を適用することができる。
そうすることで、上述の(1)から(3)のいずれかと同様の効果を奏することができる。
20 設計支援装置
201 入力部
202 予測部
250 学習済みモデル
30 機械学習装置
301 入力データ取得部
302 ラベル取得部
303 学習部
50 サーバ
Claims (4)
- 任意の射出成形機による任意の成形品の成形における少なくとも樹脂の種類、添加剤の種類、前記添加剤の配合率、金型の表面温度、及び保圧と保圧時間との積を含む任意の成形条件を含む入力データを取得する入力データ取得部と、
前記入力データに含まれる前記成形条件で成形された前記成形品において測定された樹脂の流れ方向の成形収縮率、及び前記流れ方向に垂直な垂直方向の成形収縮率、を示すラベルデータを取得するラベル取得部と、
前記入力データ取得部により取得された入力データと、前記ラベル取得部により取得されたラベルデータと、を用いて、教師あり学習を実行し、学習済みモデルを生成する学習部と、
を備える機械学習装置。 - 請求項1に記載の機械学習装置により生成された学習済みモデルと、
予め設定された成形条件を入力する入力部と、
前記入力部により入力された前記成形条件を前記学習済みモデルに入力し、前記成形条件における前記流れ方向の成形収縮率、及び前記垂直方向の成形収縮率を予測する予測部と、
を備える設計支援装置。 - 前記学習済みモデルを、前記設計支援装置からネットワークを介してアクセス可能に接続されるサーバに備える、請求項2記載の設計支援装置。
- 請求項1に記載の機械学習装置を備える、請求項2又は請求項3に記載の設計支援装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019108902A JP7277273B2 (ja) | 2019-06-11 | 2019-06-11 | 機械学習装置、及び設計支援装置 |
DE102020206459.8A DE102020206459A1 (de) | 2019-06-11 | 2020-05-25 | Maschinenlerneinrichtung und eine Entwurfsunterstützungseinrichtung |
US16/883,054 US11602876B2 (en) | 2019-06-11 | 2020-05-26 | Machine learning device and design support device |
CN202010500581.0A CN112069722A (zh) | 2019-06-11 | 2020-06-04 | 机器学习装置以及设计辅助装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019108902A JP7277273B2 (ja) | 2019-06-11 | 2019-06-11 | 機械学習装置、及び設計支援装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020199714A JP2020199714A (ja) | 2020-12-17 |
JP7277273B2 true JP7277273B2 (ja) | 2023-05-18 |
Family
ID=73657106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019108902A Active JP7277273B2 (ja) | 2019-06-11 | 2019-06-11 | 機械学習装置、及び設計支援装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11602876B2 (ja) |
JP (1) | JP7277273B2 (ja) |
CN (1) | CN112069722A (ja) |
DE (1) | DE102020206459A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023119452A (ja) * | 2022-02-16 | 2023-08-28 | 株式会社日立製作所 | システム、配合比決定方法およびプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009233881A (ja) | 2008-03-26 | 2009-10-15 | Polyplastics Co | 射出成形プロセス解析方法 |
JP2019014187A (ja) | 2017-07-10 | 2019-01-31 | 株式会社日本製鋼所 | 計算機と複数台の射出成形機とからなる射出成形機システム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05309711A (ja) * | 1992-04-03 | 1993-11-22 | Sony Corp | 成形制御方法および装置 |
JP2007083602A (ja) | 2005-09-22 | 2007-04-05 | Sanko Gosei Ltd | 射出成形品の成形収縮率予測方法 |
JP4167282B2 (ja) | 2006-10-27 | 2008-10-15 | 日精樹脂工業株式会社 | 射出成形機の支援装置 |
JP7159758B2 (ja) * | 2018-09-27 | 2022-10-25 | 株式会社ジェイテクト | 成形条件決定支援装置および射出成形機 |
US11443202B2 (en) * | 2019-07-03 | 2022-09-13 | Google Llc | Real-time on the fly generation of feature-based label embeddings via machine learning |
-
2019
- 2019-06-11 JP JP2019108902A patent/JP7277273B2/ja active Active
-
2020
- 2020-05-25 DE DE102020206459.8A patent/DE102020206459A1/de active Pending
- 2020-05-26 US US16/883,054 patent/US11602876B2/en active Active
- 2020-06-04 CN CN202010500581.0A patent/CN112069722A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009233881A (ja) | 2008-03-26 | 2009-10-15 | Polyplastics Co | 射出成形プロセス解析方法 |
JP2019014187A (ja) | 2017-07-10 | 2019-01-31 | 株式会社日本製鋼所 | 計算機と複数台の射出成形機とからなる射出成形機システム |
Also Published As
Publication number | Publication date |
---|---|
US11602876B2 (en) | 2023-03-14 |
US20200391414A1 (en) | 2020-12-17 |
JP2020199714A (ja) | 2020-12-17 |
DE102020206459A1 (de) | 2021-01-14 |
CN112069722A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5811133A (en) | Injection molding apparatus for predicting deformation amount in injection-molded article | |
Kim et al. | Residual stress distributions and their influence on post-manufacturing deformation of injection-molded plastic parts | |
JP6825055B2 (ja) | 射出成形支援システム、成形条件補正システム、射出成形支援方法、成形条件補正方法およびコンピュータプログラム | |
US20200307053A1 (en) | Injection molding system, molding condition correction system, and injection molding method | |
US9919465B1 (en) | Molding system for preparing an injection molded fiber reinforced composite article | |
US10562218B2 (en) | Method for setting up a molding system | |
JP7277273B2 (ja) | 機械学習装置、及び設計支援装置 | |
US9862133B1 (en) | Molding system for preparing an injection molded fiber reinforced composite article | |
US10384386B2 (en) | Method for setting up a molding system | |
CN111745925B (zh) | 注塑成型解析方法及注塑成型解析系统 | |
CN112770890A (zh) | 控制用于加工塑料的机器的方法 | |
CN115938507A (zh) | 注射成型翘曲预测 | |
US11986986B2 (en) | Injection molding system and setting support method for injection molding machine | |
JP6618069B2 (ja) | 複合成形品の設計支援装置、複合成形品の製造方法、コンピュータ・ソフトウェア、記憶媒体 | |
CN112060520B (zh) | 机器学习装置、预测装置以及控制装置 | |
WO2024111172A1 (ja) | 成形品品質ばらつき推定装置、成形品品質ばらつき推定方法、及び射出成形システム | |
JP5889077B2 (ja) | 成形品収縮変形予測装置、成形品収縮変形予測方法及び成形品収縮変形予測プログラム | |
WO2023238492A1 (ja) | システム、超臨界射出成形支援方法およびプログラム | |
CN116050220B (zh) | 基于sdas分布的转向节疲劳耐久仿真分析方法与装置 | |
WO2024111171A1 (ja) | 射出成形条件生成装置、射出成形条件生成方法、及び射出成形システム | |
JP2022113537A (ja) | 樹脂成形品解析方法およびプログラム | |
Moritzer et al. | Validation and Comparison of Fem-Simulation Results of the Fused Deposition Modeling Process under Consideration of Different Mesh Resolutions | |
Huang et al. | Development and Application of Simulation Software | |
Fan et al. | Geometric nonlinearity in 3D warpage simulation of injection molded plastics | |
JP2022081208A (ja) | 樹脂成形品解析方法、プログラム、記録媒体および樹脂成形品解析装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220317 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230110 |
|
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: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230508 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7277273 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |