JP7326179B2 - 通信状況推定装置、通信状況推定方法、および、プログラム - Google Patents
通信状況推定装置、通信状況推定方法、および、プログラム Download PDFInfo
- Publication number
- JP7326179B2 JP7326179B2 JP2020018514A JP2020018514A JP7326179B2 JP 7326179 B2 JP7326179 B2 JP 7326179B2 JP 2020018514 A JP2020018514 A JP 2020018514A JP 2020018514 A JP2020018514 A JP 2020018514A JP 7326179 B2 JP7326179 B2 JP 7326179B2
- Authority
- JP
- Japan
- Prior art keywords
- density distribution
- bandwidth
- data
- kernel density
- communication
- 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
Description
第1実施形態について、図面を参照しながら、以下、説明する。
図1は、第1実施形態に係る通信状況推定装置100の概略構成図である。
全サンプル:ε={ε1,ε2,・・・,εL}
尤度算出用サンプルセット:εm(m:自然数、1≦m≦L)
マルチバンド幅カーネル密度分布取得用サンプルセット:εdata={ε1,ε2,・・・,εm-1,εm+1,・・・,εL}
サンプル分割処理部11は、制御信号CTL1に従い、分割して取得したサンプルのサブセットの1つを尤度算出用サンプルセットεmに設定し、尤度算出用サンプルセットεm以外のサンプルセットの集合をマルチバンド幅カーネル密度分布取得用サンプルセットεdataに設定する。そして、サンプル分割処理部11は、マルチバンド幅カーネル密度分布取得用サンプルセットεdataを単一バンド幅カーネル密度分布取得部13に出力し、尤度算出用サンプルセットεmを尤度算出部16に出力する。
以上のように構成された通信状況推定装置100の動作について、以下、図面を参照しながら説明する。
ステップS1において、最適パラメータ取得処理部1のサンプル分割処理部11は、サンプル分割処理を実行する。具体的には、データDinと、通信状況推定装置100に入力されたQoSデータ(例えば、スループット)のサンプルをL個のサブセットに分割する。
ステップS2、S3において、バンド幅セット選択処理部12は、バンド幅セットを選択する処理を実行する。なお、バンド幅セット選択処理部12は、単一バンド幅によるカーネル密度分布を規定するためのバンド幅のセット(組)を複数保持しており、ここでは、バンド幅セット選択処理部12が、図3に示すように、K個(K:自然数)のバンド幅候補セットB(第1バンド幅候補セットB(1)~第Kバンド幅候補セットB(K))のデータを保持しているものとする。第iバンド幅候補セットをB(i)(i:自然数、1≦i≦K)と表記し、第iバンド幅候補セットに含まれるバンド幅データの個数をN(i)と表記する。そして、第iバンド幅候補セットB(i)に含まれるN(i)個のバンド幅データをb1 (i),・・・,bN(i) (i)と表記する。つまり、
B(i)={b1 (i),・・・,bN(i) (i)}
である。
b_selected={bj(1) (1),・・・,bj(1) (K)}
として取得し、当該バンド幅セットb_selectedを単一バンド幅カーネル密度分布取得部13に出力する。なお、バンド幅セット選択処理部12により、第1バンド幅候補セットB(1)~第Kバンド幅候補セットB(K)から、それぞれ、選択されるバンド幅データは、制御信号CTL2により指定される。
ステップS4、S5において、重み係数セット選択処理部14は、重み係数セットを選択する処理を実行する。なお、重み係数セット選択処理部14は、単一バンド幅によるカーネル密度分布に対して重み付けをして合成(重畳)するための重み係数のセット(組)を複数保持しており、ここでは、重み係数セット選択処理部14が、図3に示すように、N(α)個(N(α):自然数)の重み係数セットのデータ(重み係数セットの集合をAと表記する)を保持しているものとする。各重み係数セットは、K個の重み係数を含んでおり、第i番目の重み係数セットを{αi (1),・・・,αi (K)}と表記する。
ステップS6、S7において、サンプル分割処理部11は、尤度算出用サンプルセットεmと、マルチバンド幅カーネル密度分布取得用サンプルセットεdataとの設定処理を行う。具体的には、当該設定処理は、以下のように実行される。
ステップS8において、単一バンド幅カーネル密度分布取得部13は、バンド幅のセットデータb_selected(={bj(1) (1),・・・,bj(1) (K)})に含まれる各バンド幅と、サブセットεdataに含まれる各サンプルとを用いて、カーネル密度分布を算出(取得)する。具体的には、単一バンド幅カーネル密度分布取得部13は、サブセットεdataに含まれる各サンプルのQoSデータの値qiに対して、下記数式に相当する処理を実行し、カーネル密度分布を算出(取得)する。
κ(x):ガウスカーネル関数
Nq:サブセットεdataに含まれるサンプル数
b:ハンド幅
図4~図6に、QoSデータのサンプルq1~q5を用いてガウスカーネル関数により取得される分布と、当該分布を重ね合わせて取得される単一バンド幅カーネル密度分布とを示す。具体的には、図4の上図は、第1バンド幅候補セットからバンド幅b1 (1)を選択した場合において、QoSデータのサンプルq1~q5を用いてガウスカーネル関数により取得される分布を示している。図4の下図は、第1バンド幅候補セットからバンド幅b1 (1)を選択した場合において、QoSデータのサンプルq1~q5を用いて取得される単一バンド幅カーネル密度分布を示している。なお、図4の上図との関係を分かりやすくするために、図4の下図は、単一バンド幅カーネル密度分布p(1)(q)をNq倍(図4の場合、Nq=5)した分布を示している。
ステップS9において、マルチバンド幅カーネル密度分布取得部15は、重み係数セットデータw_selected(={αj(α) (1),・・・,αj(α) (K)})を用いて、データD_uni(εdata)(={p(1)(q),・・・,p(K)(q)})に含まれるバンド幅ごとのカーネル密度分布を重み付け合成(重畳)し、マルチバンド幅カーネル密度分布を取得する。具体的には、マルチバンド幅カーネル密度分布取得部15は、下記数式に相当する処理を実行することで、マルチバンド幅カーネル密度分布pmulti(q)を取得する。
なお、上記数式において、w_selected(={αj(α) (1),・・・,αj(α) (K)}の各要素をα(k)としている。つまり、α(k)=αj(α) (k)(k:自然数、1≦k≦K)である。
ステップS10において、尤度算出部16は、QoSデータの尤度算出用サンプルεmを用いて、データD_multi(εdata)に含まれるマルチバンド幅カーネル密度分布pmulti(q)についての尤度を算出する。具体的には、尤度算出部16は、QoSデータの尤度算出用サンプルεmに含まれるQoSデータ(=q)に対して、下記数式に相当する処理を実行することで尤度J(対数尤度J)を算出する。
なお、尤度Jj(1),...,j(K),j(α),mは、(1)バンド幅のセットデータb_selected(={bj(1) (1),・・・,bj(1) (K)})と、(2)重み係数セットデータw_selected(={αj(α) (1),・・・,αj(α) (K)})とから導出したマルチバンド幅カーネル密度分布pmulti(q)に対して、尤度算出用サンプルεmを用いて算出した尤度Jであることを示している。
J=log(Pmulti(qm1))+log(Pmulti(qm2))+log(Pmulti(qm3))+log(Pmulti(qm4))+log(Pmulti(qm5))
により、尤度Jを算出する。
ステップS11において、L個のサンプルセットの全てが、尤度算出用サンプルセットεmに設定されて、ステップS7~S10の処理が実行されていないと判定した場合(m<Lである場合)、処理をステップS6に戻す。一方、L個のサンプルセットの全てが、尤度算出用サンプルセットεmに設定されて、ステップS7~S10の処理が実行されたと判定した場合(m=Lである場合)、処理をステップS12に進める。
ステップS12において、平均尤度算出部17は、記憶保持部Mem1から、L個の尤度データD_Lh1...L(εdata)(L個の尤度Jを含むデータ)を読み出す。また、平均尤度算出部17は、制御部(不図示)から、QoSデータの分割数num_div(QoSデータのサンプルのサブセットの数)を含むデータを入力する。また、平均尤度算出部17は、バンド幅セット選択処理部12から出力されるデータb_selectedと、重み係数セット選択処理部14から出力されるデータw_selectedとを入力する。平均尤度算出部17は、L個の尤度データD_Lh1...L(εdata)の平均値を算出する。つまり、平均尤度算出部17は、下記数式に相当する処理を実行することで、L個の尤度データD_Lh1...L(εdata)の平均値Jave(平均尤度Jave)を算出する。
なお、
なお、平均尤度Javej(1),...,j(K),j(α)は、(1)バンド幅のセットデータb_selectedを{bj(1) (1),・・・,bj(1) (K)})とし、(2)重み係数セットデータw_selectedを{αj(α) (1),・・・,αj(α) (K)}としたときに、算出される平均尤度Javeであることを示している。
ステップS13において、全ての重み係数セットが選択されて、ステップS5~S12の処理が実行されていないと判定した場合、処理をステップS4に戻す。一方、全ての重み係数セットが選択されて、ステップS5~S12の処理が実行されたと判定した場合、処理をステップS14に進める。
ステップS14において、全てのバンド幅セットが選択されて、ステップS3~S13の処理が実行されていないと判定した場合、処理をステップS2に戻す。一方、全てのバンド幅セットが選択されて、ステップS3~S13の処理が実行されたと判定した場合、処理をステップS15に進める。
(1)集合B(1)に含まれるN(1)個のバンド幅から1つのバンド幅を選択し、かつ、
(2)集合B(2)に含まれるN(2)個のバンド幅から1つのバンド幅を選択し、かつ、
・・・
(K)集合B(K)に含まれるN(K)個のバンド幅から1つのバンド幅を選択し、
ステップS3~S13の処理が実行され平均尤度が取得される。すなわち、N(1)×N(2)×・・・×N(K)回ステップS3~S13の処理が実行され、N(1)×N(2)×・・・×N(K)×N(α)個の平均尤度が取得される。なお、N(α)は、重み係数セットの集合Aに含まれる重み係数セットの数である。
ステップS15において、最適パラメータ取得部18は、記憶部Mem2から、ステップS2~S13の処理により取得された平均尤度データ(N(1)×N(2)×・・・×N(K)×N(α)個の平均尤度)を読み出し、読み出した平均尤度データの中で、最大の平均尤度を特定する。そして、最適パラメータ取得部18は、当該最大の平均尤度が取得されたときのバンド幅セットb_selected、および、重み係数セットw_selectedを、それぞれ、最適バンド幅セットb_set_best、最適重み係数セットw_set_bestとして取得する。つまり、最適パラメータ取得部18は、下記数式に相当する処理を実行し、平均尤度Javeが最大となる、最適なバンド幅の組み合わせ、および、最適な重み係数セットを特定する。
つまり、最適パラメータ取得部18は、上記数式に相当する処理を実行し、平均尤度Javeが最大となる、最適なバンド幅の組み合わせ(最適バンド幅セットb_set_best)、および、最適な重み係数セット(最適重み係数セットw_set_best)を
b_set_best={bjopt(1) (1),・・・,bjopt(K) (K)}
w_set_best={αjopt(α) (1),・・・,αjopt(α) (K)}
として、取得する。
ステップS16において、通信品質データ確率密度分布推定部2は、データDinと、最適パラメータ取得処理部1の最適パラメータ取得部18から出力される最適パラメータprm_optとを入力する。通信品質データ確率密度分布推定部2は、データDinに含まれる、QoSデータの全サンプルεに対して、最適パラメータprm_optにより特定されるマルチバンド幅カーネル密度分布を適用することで取得される確率密度分布を、QoSデータについての推定確率密度分布として取得する。つまり、通信品質データ確率密度分布推定部2は、QoSデータの全サンプルεに対して、最適バンド幅セットb_set_best(={bjopt(1) (1),・・・,bjopt(K) (K)})および最適重み係数セットw_set_best(={αjopt(α) (1),・・・,αjopt(α) (K)})により特定されるマルチバンド幅カーネル密度分布を適用することで取得される確率密度分布を、QoSデータについての推定確率密度分布として取得する。
(1)自動車工場内に、生産ラインが配置されており、検査用のカメラが1台設置されており、周期的なトラフィックを発生させるステーションが3つ設置されており、ランダムにトラフィックを発生させるステーションが1つ設置されている。
(2)生産ラインにおいて、車体(生産対象)がランダムに到着し、生産作業が実施される。
(3)1台の検査用のカメラ、周期的なトラフィックを発生させる3台のステーション、ランダムにトラフィックを発生させる1台のステーションは、同一チャネルを使用して無線LAN通信(IEEE802.11gによる無線通信)を行う。
(4)車体の到着間隔は、平均40秒であり、1つの車体の検査時間は、50秒に設定されている。
(5)検査用のカメラは、3Mピクセルのグレースケールの画像を撮影し、1つの車体について、30枚の画像を撮影する。
≪マルチバンド幅カーネル密度分布取得用の設定≫
(1)カーネル関数:ガウス関数
(2)サンプル分割数L=10
(3)バンド幅の数K=2
(4)第1バンド幅候補セットB(1)={1000,1274,1624,2069,2637,3360,4281,5456,6952,8859}(単位はbps)
(5)第2バンド幅候補セットB(2)={11288,14384,18330,23357,29764,37927,48329,61585,78476,100000}(単位はbps)
(6)重み係数セットA={(0.05,0.95),(0.15,0.85),(0.25,0.75),(0.35,0.65),(0.45,0.55),(0.55,0.45),(0.65,0.35),(0.75,0.25),(0.85,0.15),(0.95,0.05)}
また、比較例として、単一バンド幅によるカーネル密度分布を下記設定により取得した。
≪単一バンド幅カーネル密度分布取得用の設定≫
(1)カーネル関数:ガウス関数
(2)サンプル分割数L=10
(3)バンド幅候補セット={1000,1274,1624,2069,2637,3360,4281,5456,6952,8859,11288,14384,18330,23357,29764,37927,48329,61585,78476,100000}(単位はbps)
図9から分かるように、通信状況推定装置100により取得した、QoSデータ(スループット)の確率密度分布(マルチバンド幅カーネル密度分布)(実線で示したデータ)は、実測データ(点線で示したデータ)と近似しており、通信状況推定装置100により高精度にQoSデータ(スループット)の確率密度分布(マルチバンド幅カーネル密度分布)を推定できている。特に、図9の領域R1~R3のピークが存在する領域(スパイク状の特性を示す領域)において、高精度に、確率密度分布が推定できている。それに対して、単一バンド幅カーネル密度分布(二点鎖線で示したデータ)では、全体的に、実測データとの誤差が大きく、特に、図9の領域R1~R3のピーク(スパイク状の特性を示す領域)が存在する領域において、誤差が大きい。
P(m):実測値
Pest(m):推定値
図10のグラフから分かるように、マルチバンド幅カーネル密度分布による推定データ(通信状況推定装置100で取得される推定データ)は、サンプル数が少ない領域においても二乗平均平方根誤差(RMSE)が小さい。つまり、通信状況推定装置100では、サンプル数が少ない場合であっても、高精度に、QoSデータの確率密度分布を取得することができる。
上記実施形態では、通信状況推定装置100において、ガウスカーネル関数を用いてマルチバンド幅カーネル密度分布を取得する場合について、説明したが、これに限定されることはない。例えば、通信状況推定装置100において、全区間における積分値が「1」となる他の関数を用いて、単一バンド幅カーネル密度分布を算出し、算出した単一バンド幅カーネル密度分布を重み係数により重畳させることで、マルチバンド幅カーネル密度分布を取得するようにしてもよい。図11は、全区間(横軸をxとすると、xの領域(定義域)[-∞:∞](全区間))における積分値が「1」となる関数例を示している。図11(a)は、バンド幅(標準偏差σ)が異なる3つのガウスカーネル関数(関数func21~func23)(ガウス分布を実現させる関数)を示している。図11(b)は、横軸をx軸とすると、x=0で最大値をとる折れ線状(三角形状)の分布を示す関数例(関数func21~func23)である。図11(c)は、横軸をx軸とすると、x=0について線対称な形状(矩形状)の分布を示す関数例(関数func31~func33)である。
1 最適パラメータ取得処理部
2 通信品質確率密度分布推定部
Claims (6)
- 通信品質に関するデータについての確率密度分布を推定するために、複数のバンド幅のカーネル関数により規定される単一バンド幅カーネル密度分布をパラメータに基づいて重畳させることでマルチバンド幅カーネル密度分布を取得するとともに、当該マルチバンド幅カーネル密度分布により前記通信品質に関するデータの確率密度分布を推定する場合において、前記通信品質に関するデータの複数のサンプルに対して、前記マルチバンド幅カーネル密度分布を適用させたときに尤度が最大となるパラメータである最適パラメータを取得する最適パラメータ取得処理部と、
前記通信品質に関するデータの複数のサンプルに対して、前記最適パラメータにより設定される前記マルチバンド幅カーネル密度分布を適用させることで取得される確率密度分布を、通信品質に関するデータについての推定確率密度分布として取得する通信品質データ確率密度分布推定部と、
を備える通信状況推定装置。 - 前記最適パラメータ取得処理部は、
前記単一バンド幅カーネル密度分布を特定するためのバンド幅の候補を複数保持しており、
前記単一バンド幅カーネル密度分布を重畳させて前記マルチバンド幅カーネル密度分布を取得するときの重み係数の候補を複数保持しており、
複数の前記バンド幅の候補、および、複数の前記重み係数の候補の全ての組み合わせについて、尤度を算出し、算出した尤度が最大となる前記バンド幅および前記重み係数の組を最適パラメータとして取得する、
請求項1に記載の通信状況推定装置。 - 前記最適パラメータ取得処理部は、
定義域の全区間での積分値が「1」となり、かつ、異なるバンド幅を有するカーネル関数により規定される前記単一バンド幅カーネル密度分布を用いて、前記マルチバンド幅カーネル密度分布を取得する、
請求項1または2に記載の通信状況推定装置。 - 前記カーネル関数は、ガウス関数、三角形形状分布を実現させる関数、および、矩形形状分布を実現させる関数の少なくとも1つである、
請求項3に記載の通信状況推定装置。 - 通信品質に関するデータについての確率密度分布を推定するために、複数のバンド幅のカーネル関数により規定される単一バンド幅カーネル密度分布をパラメータに基づいて重畳させることでマルチバンド幅カーネル密度分布を取得するとともに、当該マルチバンド幅カーネル密度分布により前記通信品質に関するデータの確率密度分布を推定する場合において、前記通信品質に関するデータの複数のサンプルに対して、前記マルチバンド幅カーネル密度分布を適用させたときに尤度が最大となるパラメータである最適パラメータを取得する最適パラメータ取得処理ステップと、
前記通信品質に関するデータの複数のサンプルに対して、前記最適パラメータにより設定される前記マルチバンド幅カーネル密度分布を適用させることで取得される確率密度分布を、通信品質に関するデータについての推定確率密度分布として取得する通信品質データ確率密度分布推定ステップと、
を備える通信状況推定方法。 - 請求項5に記載の通信状況推定方法をコンピュータに実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020018514A JP7326179B2 (ja) | 2020-02-06 | 2020-02-06 | 通信状況推定装置、通信状況推定方法、および、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020018514A JP7326179B2 (ja) | 2020-02-06 | 2020-02-06 | 通信状況推定装置、通信状況推定方法、および、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021124999A JP2021124999A (ja) | 2021-08-30 |
JP7326179B2 true JP7326179B2 (ja) | 2023-08-15 |
Family
ID=77459092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020018514A Active JP7326179B2 (ja) | 2020-02-06 | 2020-02-06 | 通信状況推定装置、通信状況推定方法、および、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7326179B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001101154A (ja) | 1999-09-29 | 2001-04-13 | Nec Corp | 外れ値度計算装置及びそれに用いる確率密度推定装置並びに忘却型ヒストグラム計算装置 |
US20160070950A1 (en) | 2014-09-10 | 2016-03-10 | Agency For Science, Technology And Research | Method and system for automatically assigning class labels to objects |
WO2019054112A1 (ja) | 2017-09-12 | 2019-03-21 | 日本電気株式会社 | 通信装置、無線通信システムおよびデータフロー制御方法 |
JP2019159604A (ja) | 2018-03-09 | 2019-09-19 | 株式会社インテック | 異常検知装置、異常検知方法及び異常検知プログラム |
-
2020
- 2020-02-06 JP JP2020018514A patent/JP7326179B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001101154A (ja) | 1999-09-29 | 2001-04-13 | Nec Corp | 外れ値度計算装置及びそれに用いる確率密度推定装置並びに忘却型ヒストグラム計算装置 |
US20160070950A1 (en) | 2014-09-10 | 2016-03-10 | Agency For Science, Technology And Research | Method and system for automatically assigning class labels to objects |
WO2019054112A1 (ja) | 2017-09-12 | 2019-03-21 | 日本電気株式会社 | 通信装置、無線通信システムおよびデータフロー制御方法 |
JP2019159604A (ja) | 2018-03-09 | 2019-09-19 | 株式会社インテック | 異常検知装置、異常検知方法及び異常検知プログラム |
Non-Patent Citations (1)
Title |
---|
船越裕介、松川達哉、中西靖人,通信ネットワークの保全性に関する検討 -ノンパラメトリックな計算と分析精度の向上-,電子情報通信学会技術研究報告,日本,社団法人電子情報通信学会,2011年04月14日,Vol.111, No.9,pp.23-28(IN2011-5),ISSN 0913-5685 |
Also Published As
Publication number | Publication date |
---|---|
JP2021124999A (ja) | 2021-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10496515B2 (en) | Abnormality detection apparatus, abnormality detection method, and non-transitory computer readable medium | |
US10222448B2 (en) | Method for fingerprint based localization of mobile devices | |
CN106971953B (zh) | 制造制程中的误差检测方法 | |
JP7326179B2 (ja) | 通信状況推定装置、通信状況推定方法、および、プログラム | |
JP5692091B2 (ja) | 情報処理装置、情報処理方法およびコンピュータプログラム | |
Susto et al. | Virtual metrology enabled early stage prediction for enhanced control of multi-stage fabrication processes | |
Luo et al. | Online predictive maintenance approach for semiconductor equipment | |
US20210118754A1 (en) | Die level product modeling without die level input data | |
CN111339500A (zh) | 空气污染溯源方法、装置、计算机设备和存储介质 | |
EP4036822A1 (en) | Method and system for graph signal processing based energy modelling and forecasting | |
Krupskii et al. | Modeling spatial tail dependence with Cauchy convolution processes | |
CN110940984B (zh) | 基于变分分析的双偏振雷达比差分相移快速估算方法 | |
CN114020971A (zh) | 一种异常数据检测方法及装置 | |
US9323244B2 (en) | Semiconductor fabrication component retuning | |
Kim et al. | AI-guided reliability diagnosis for 5, 7nm automotive process | |
Latif et al. | Trivariate probabilistic assessments of the compound flooding events using the 3-D Fully Nested Archimedean (FNA) copula in the semiparametric distribution setting | |
US20220128981A1 (en) | Information processing device, calculation method, and calculation program | |
JP2022079868A (ja) | データ補間処理方法、データ補間処理装置、プログラム、学習処理装置、および、予測処理装置 | |
JP6538487B2 (ja) | 異種エネルギ消費量推定装置及び異種特性推定装置 | |
JP2022079867A (ja) | データ補間処理方法、データ補間処理装置、プログラム、学習処理装置、および、予測処理装置 | |
CN113341373B (zh) | 一种定位方法、装置和电子设备 | |
McLoone et al. | On optimising spatial sampling plans for wafer profile reconstruction | |
CN116055340B (zh) | 分布式网络未知参数估计方法、装置及电子设备 | |
CN110955951B (zh) | 一种基于路径分类与估计的产品寿命预测方法及装置 | |
Kostyshak | Flatness-Robust Critical Bandwidth |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230310 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230712 |
|
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: 20230801 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230802 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7326179 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |