JP7422265B1 - 情報処理装置および情報処理方法 - Google Patents
情報処理装置および情報処理方法 Download PDFInfo
- Publication number
- JP7422265B1 JP7422265B1 JP2023181059A JP2023181059A JP7422265B1 JP 7422265 B1 JP7422265 B1 JP 7422265B1 JP 2023181059 A JP2023181059 A JP 2023181059A JP 2023181059 A JP2023181059 A JP 2023181059A JP 7422265 B1 JP7422265 B1 JP 7422265B1
- Authority
- JP
- Japan
- Prior art keywords
- project
- partial
- work
- cost
- monitoring information
- 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 abstract description 37
- 238000003672 processing method Methods 0.000 title claims description 4
- 238000012544 monitoring process Methods 0.000 claims abstract description 111
- 238000005520 cutting process Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims description 24
- 239000000284 extract Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 description 49
- 230000006866 deterioration Effects 0.000 description 15
- 238000012549 training Methods 0.000 description 15
- 238000007726 management method Methods 0.000 description 13
- 238000000034 method Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013070 change management Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
終了した第1プロジェクトの監視情報で訓練した予測モデルを生成する生成部と、
仕掛かりの第2プロジェクトの説明変数を前記予測モデルに入力し、前記第2プロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する予測部と、
作業終了時期が更新される継続プロジェクトの作業期間の一部を切り出し、1又は複数の部分プロジェクトを生成する切り出し部と、を備え、
前記部分プロジェクトの作業終了時期が予測時点よりも前である場合、前記部分プロジェクトを前記第1プロジェクトとし、
前記部分プロジェクトの作業期間が予測時点を含む場合、前記部分プロジェクトを前記第2プロジェクトとする情報処理装置である。
情報処理装置が、
終了した第1プロジェクトの監視情報で訓練した予測モデルを生成するステップと、
仕掛かりの第2プロジェクトの説明変数を前記予測モデルに入力し、前記第2プロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力するステップと、
作業終了時期が更新される継続プロジェクトの作業期間の一部を切り出し、1又は複数の部分プロジェクトを生成するステップと、を実行し、
前記部分プロジェクトの作業終了時期が予測時点よりも前である場合、前記部分プロジェクトを前記第1プロジェクトとし、
前記部分プロジェクトの作業期間が予測時点を含む場合、前記部分プロジェクトを前記第2プロジェクトとする情報処理方法である。
[構成]
図1に示す情報処理装置100は、広域監視により仕掛かりのプロジェクトの悪化予兆を検知するコンピュータである。情報処理装置100は、入力部、出力部、制御部、および、記憶部といったハードウェアを備える。例えば、制御部がCPU(Central Processing Unit)から構成される場合、その制御部を含むコンピュータによる情報処理は、CPUによるプログラム実行処理で実現される。また、そのコンピュータに含まれる記憶部は、CPUの指令により、そのコンピュータの機能を実現するためのさまざまなプログラムを記憶する。これによりソフトウェアとハードウェアの協働が実現される。前記プログラムは、記録媒体に記録したり、ネットワークを経由したりすることで提供可能となる。出力部は、画面表示をする表示部の機能を含めてもよい。
予測部2は、生成部1が生成した予測モデルを用いて、対象の第2プロジェクトの実推原価を予測する。
第1プロジェクトDB3は、第1プロジェクトの監視情報を第1プロジェクトごとに記憶するデータベースである。
第2プロジェクトDB4は、第2プロジェクトの監視情報を第2プロジェクトごとに記憶するデータベースである。
プロジェクトの監視情報は、プロジェクトの状況を監視するための情報である。第1プロジェクトの監視情報は、例えば、作番情報と、説明変数と、目的変数とから構成できる。
作番は、第1プロジェクトの識別子であり、例えば、文字数字列で表現できる。
進捗率は、第1プロジェクトの進捗を定量的に示すパラメータである。
作番名は、第1プロジェクトの名称であり、例えば、観念可能な言葉で表現できる。
作業開始時期は、第1プロジェクトの開始時期(年月日)である。
作業終了時期は、第1プロジェクトの終了時期(年月日)である。
実績原価は、作業開始時期から所定時期までの間に発生した原価である。
見通し原価は、所定時期から作業終了時期までに発生することが見込まれる原価である。
見積原価は、作業開始時期から作業終了時期までに発生することが見込まれる原価である。
担当者は、第1プロジェクトを担当した者(複数可)である。
作業時間は、作業開始時期から所定時期までの間に、各担当者が第1プロジェクトの作業に費やした時間である。
実績工数は、第1プロジェクトを構成する全工数のうち、作業開始時期から所定時期までの間に完了した工数である。
なお、所定時期は、作業開始時期と作業終了時期までの間の任意の時期である。
進捗率は、例えば、時期的基準で算出できる。例えば、プロジェクトの作業開始時期から作業終了時期までの期間が30日間であり、対象時期が作業開始時期から15日目であった場合、進捗率は50%となる。第1プロジェクトは終了した過去のプロジェクトであるため、現時点での進捗率は100%である。ここで、第1プロジェクトの説明変数は、進捗率に応じて変化する値とすることができる。第1プロジェクトの監視情報は、進捗率ごとの説明変数の集合として構成できる。
作番は、第2プロジェクトの識別子であり、例えば、文字数字列で表現できる。
進捗率は、第2プロジェクトの進捗を定量的に示すパラメータである。
作番名は、第2プロジェクトの名称であり、例えば、観念可能な言葉で表現できる。
作業開始時期は、第2プロジェクトの開始時期(年月日)である。
作業終了時期は、第2プロジェクトの終了時期(年月日)である。
実績原価は、作業開始時期から所定時期までの間に発生した原価である。
見通し原価は、所定時期から作業終了時期までに発生することが見込まれる原価である。
見積原価は、作業開始時期から作業終了時期までに発生することが見込まれる原価である。
担当者は、第2プロジェクトを担当している者(複数可)である。
作業時間は、作業開始時期から所定時期までの間に、各担当者が第2プロジェクトの作業に費やした時間である。
実績工数は、第2プロジェクトを構成する全工数のうち、作業開始時期から所定時期までの間に完了した工数である。
なお、所定時期は、作業開始時期と作業終了時期までの間の現在である。
また、すでに説明した、第2プロジェクトの実推原価は、第2プロジェクトの実績原価と見通し原価との和である。
(訓練)
生成部1は、例えば、ランダムフォレストに用いる複数の決定木を組み合わせて予測モデルを生成できる。ランダムフォレストは、機械学習アルゴリズムであり、複数の決定木を利用し、多数決をとって予測するアンサンブル学習アルゴリズムである。決定木は、例えば、説明変数を用いた判定条件を組み合わせたツリー状のロジックとして構成できる。判定条件は、適宜設計でき、例えば、担当者の1日の作業時間の平均が5時間以上か否か、などとすることができる。
予測部2は、訓練済みの予測モデルを用いて、予測対象の第2プロジェクトの実推原価を予測する。例えば、予測部2は、第2プロジェクトの監視情報のうち、現在、つまり所定の進捗率(50%以上が好ましいが、50%未満でもよい)相当の時期での説明変数を予測モデルに入力する。すると、予測部2は、実推原価に基づく値を予測モデルの出力として取得できる。例えば、予測部2は、実推原価から見積原価を引いた見積原価推定超過の値を取得できる。
なお、1Mや0Mは例示であり、1Mより大きい値や0Mより大きい値でもよいし、1Mより小さい値や0Mより小さい値でもよい。
「項番」は、第2プロジェクトごとに付される行番号である。
「予測値」は、予測モデルがすでに説明した第1予測モデルと第2予測モデルの組み合わせであるときの、見積原価推定超過の3値分類に従う結果である。「1:100万円以上超過」は、1M以上に対応する。「2:100万円未満超過」は、0Mより大きいかつ1M未満に対応する。「3:問題なし」は、0M以下に対応する。
「確信度」は、予測の信頼度であり0%~100%で示される。例えば、確信度は、バギングを用いて求めることができるが、これに限定されない。
「予測結果の説明変数と特徴」は、「予測結果」に寄与する説明変数を示す。「予測結果の説明変数と特徴」は、「説明変数一覧」と、「特徴ランキング」から構成される。
「説明変数一覧」は、第2プロジェクトの監視情報の説明変数と同じである。
「特徴ランキング」は、「予測結果」に寄与する説明変数の順位を示す。順位が高いほど、その説明変数の予測値の出力に対する寄与率が大きい。例えば、各変数の寄与率は、SHAP(Shapley Additive exPlanations)アルゴリズムを用いて求めることができるが、これに限定されない。
図2の出力情報を知得した管理部署は、見積原価推定超過が1M以上となる第2プロジェクトを重点監視の対象とするか否かを判断する。従来では、プロジェクトの悪化予兆をAIで検知したとしても、AIの予測結果の根拠はブラックボックス化されていた。このため、管理部署は、AIの予測結果に対して、プロジェクトの悪化予兆の要因を追跡することが容易でなく、重点監視の対象とするか否かの判断に多大な人的コストを要していた。
情報処理装置100が実行する処理は、図3に示すとおりである。つまり、まず、生成部1が予測モデルを生成する(ステップS1)。次に、生成部1が、所定の進捗率における第1プロジェクトの監視情報を用いて、予測モデルを訓練する(ステップS2)。次に、予測部2が、予測モデルを用いて、対象の第2プロジェクトの見積原価推定超過の予測値と、予測値に寄与する説明変数を予測根拠として出力する(ステップS3)。管理部署は、予測根拠から、悪化予兆を示す第2プロジェクトを重点監視の対象とするか否かを判断する。
第2実施形態の説明の際、第1実施形態との相違する点について説明し、重複する点は説明を省略する。第1実施形態では、訓練データとなる第1プロジェクトの監視情報の説明変数は進捗率50%相当の時期での説明変数であった。第2実施形態では、訓練データに用いる第1プロジェクトの説明変数の時期を定期化する。
よって、作番Aの第1プロジェクトの作業開始時期が4/15であり、作業終了時期が6/30である場合、作番Aの第1プロジェクトの訓練日は、4/25,5/25,6/25となる。つまり、作番Aの第1プロジェクトの監視情報のうち4/25での説明変数(4/25相当の進捗率での説明変数)と、5/25での説明変数(5/25相当の進捗率での説明変数)と、6/25での説明変数(6/25相当の進捗率での説明変数)の計3回分を予測モデルの入力とする。
また、作番Bの第1プロジェクトの作業開始時期が5/1であり、作業終了時期が9/15である場合、作番Bの第1プロジェクトの訓練日は、5/25,6/25,7/25,8/25となる。つまり、作番Bの第1プロジェクトの監視情報のうち5/25での説明変数(5/25相当の進捗率での説明変数)と、6/25での説明変数(6/25相当の進捗率での説明変数)と、7/25での説明変数(7/25相当の進捗率での説明変数)と、8/25での説明変数(8/25相当の進捗率での説明変数)の計4回分を予測モデルの入力とする。
また、作番Cの第1プロジェクトの作業開始時期が6/1であり、作業終了時期が7/10である場合、作番Cの第1プロジェクトの訓練日は、6/25となる。つまり、作番Cの第1プロジェクトの監視情報のうち6/25での説明変数(6/25相当の進捗率での説明変数)の計1回分を予測モデルの入力とする。
また、訓練日を定期化することで、すべての第1プロジェクトを対象にした予測モデルへの入力を体系化でき、訓練に要する処理を簡易にできる。
プロジェクトは、継続プロジェクトと、継続プロジェクト以外の通常プロジェクトに分けることができる。継続プロジェクトは、作業終了時期を更新することが決められており、実質的に終了しないプロジェクトである。情報処理装置100は、ユーザからの入力により、対象プロジェクトを継続プロジェクトに設定できる。具体的には、プロジェクトに対して継続フラグを用意する。対象プロジェクトの継続フラグを立てれば、対象プロジェクトを継続プロジェクトに設定できる。
継続プロジェクトの監視情報は、作業開示時期からの監視情報の累積として示される。よって、部分プロジェクトの監視情報は、部分プロジェクトの作業期間よりも前の作業期間における継続プロジェクトの監視情報を含む。しかし、説明変数又は目的変数の種類によっては、部分プロジェクトの作業期間よりも前の作業期間における継続プロジェクトの監視情報を部分プロジェクトの監視情報に含めない方が好ましい場合がある。この場合、切り出し部5は、説明変数又は目的変数の値を適宜編集する。
2020年度~2022年度の作業期間について、月単位の説明変数の値(金額)が例示されている。作番Aは、2020年よりも前から開始しており、2023年以降も継続する。
切り出し部5による継続プロジェクト編集処理について説明する。図6は、継続プロジェクト編集処理を示すフローチャートの例である。情報処理装置100は、ユーザからの入力により、例えば継続フラグを参照して、継続プロジェクトの監視情報を取得できる。
第1プロジェクトDB3に記憶された部分プロジェクトの監視情報は、生成部1が作成する予測モデルを訓練するための訓練データとして利用できる。また、第2プロジェクトDB4に記憶された部分プロジェクトの監視情報は、予測モデルを用いる予測部2の予測対象となり得る。予測モデルの出力には、部分プロジェクトの求める説明変数の予測値、及び予測値の根拠となる説明変数を含めることができる。
本実施形態によれば、作業終了時期を更新することが決められており、実質的に終了しない継続プロジェクトに対し、作業期間を切り出し、1又は複数の部分プロジェクトを生成する。これにより、本実施形態の予測モデルに部分プロジェクトを適用可能とし、継続プロジェクトの状態監視を実現することができる。また、通常プロジェクトだけでなく、部分プロジェクトで予測モデルを訓練できるようになるため、予測モデルによる予測精度を向上させることができる。その結果、通常プロジェクト及び継続プロジェクトに対する予測の精度を向上させることができる。
また、部分プロジェクトの作業期間よりも前の作業期間における継続プロジェクトの監視情報を部分プロジェクトの監視情報に含めないように処理できる。
特に、見積原価、実績原価、及び見通し原価について、部分プロジェクトの作業期間よりも前の作業期間における継続プロジェクトの監視情報を部分プロジェクトの監視情報に含めないようにする計算を実現できる。
(a):第1、第2実施形態では、進捗率をプロジェクトの期間を用いた時期的基準で算出した。しかし、例えば、進徳率は、プロジェクトで取り組む作業の達成度から算出してもよい。
(b):第1実施形態では、第1プロジェクトごとに、第1プロジェクトの監視情報のうち進捗率50%相当の時期での説明変数を予測モデルの入力とした。しかし、例えば、第1プロジェクトごとに、50%以外の任意の同じ進捗率相当の時期での説明変数を予測モデルの入力としてもよい。また、第1プロジェクトごとに異なる進捗率相当の時期での説明変数を予測モデルに入力してもよい。
(c):第2実施形態では、訓練日を定期化することで、同じ第1プロジェクトに対して、複数種類の進捗率を実質的に選択し、選択した進捗率での説明変数を予測モデルに入力した。しかし、例えば、情報処理装置100のユーザが入力部を操作して、同じ第1プロジェクトに対して、任意の進捗率を複数種類選択し、選択した進捗率での説明変数を予測モデルに入力してもよい。
(d):本実施形態では、継続プロジェクトに対して、管理単位を年単位とした部分プロジェクトを複数作成する場合について説明した。しかし、切り出し部5が継続プロジェクトに対して作業期間を切り出す際の作業開始時期は任意の時期でよいし、作業終了時期は任意の時期でよい。つまり、管理単位は年単位に限られない。
(e):本実施形態では、部分プロジェクトの監視情報の取り扱いについて、見積原価、実績原価、及び見通し原価の計算について説明した。しかし、計算対象は、見積原価、実績原価、及び見通し原価に限らず、原価以外の他の種類の価格でもよいし、他の数値でもよい。説明変数又は目的変数となり得る値であることが好ましい。
(g):本実施形態で説明したソフトウェアをハードウェアとして実現することもでき、ハードウェアをソフトウェアとして実現することもできる。
(h):その他、ハードウェア、ソフトウェア、フローチャートなどについて、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。
1 生成部
2 予測部
3 第1プロジェクトDB
4 第2プロジェクトDB
5 切り出し部
Claims (4)
- 終了した第1プロジェクトの監視情報で訓練した予測モデルを生成する生成部と、
仕掛かりの第2プロジェクトの説明変数を前記予測モデルに入力し、前記第2プロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する予測部と、
作業終了時期が更新される継続プロジェクトの作業期間の一部を切り出し、1又は複数の部分プロジェクトを生成する切り出し部と、を備え、
前記部分プロジェクトの作業終了時期が予測時点よりも前である場合、前記部分プロジェクトを前記第1プロジェクトとし、
前記部分プロジェクトの作業期間が予測時点を含む場合、前記部分プロジェクトを前記第2プロジェクトとする情報処理装置。 - 前記部分プロジェクトの監視情報は、前記部分プロジェクトの作業期間よりも前の作業期間における前記継続プロジェクトの監視情報を差し引いた情報である、請求項1に記載の情報処理装置。
- 前記部分プロジェクトの監視情報において、
前記部分プロジェクトの作業期間の見積原価を、前記部分プロジェクトの作業期間における前記継続プロジェクトの見積原価から前記部分プロジェクトの作業期間よりも前の作業期間の作業終了時期における前記継続プロジェクトの実績原価を差し引いた見積原価とし、
前記部分プロジェクトの作業期間の作業開始時期における実績原価を0とし、
前記部分プロジェクトの作業期間の見通し原価を、前記部分プロジェクトの作業期間の見積原価から前記部分プロジェクトの作業期間の実績原価を差し引いた見通し原価とする、請求項2に記載の情報処理装置。 - 情報処理装置が、
終了した第1プロジェクトの監視情報で訓練した予測モデルを生成するステップと、
仕掛かりの第2プロジェクトの説明変数を前記予測モデルに入力し、前記第2プロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力するステップと、
作業終了時期が更新される継続プロジェクトの作業期間の一部を切り出し、1又は複数の部分プロジェクトを生成するステップと、を実行し、
前記部分プロジェクトの作業終了時期が予測時点よりも前である場合、前記部分プロジェクトを前記第1プロジェクトとし、
前記部分プロジェクトの作業期間が予測時点を含む場合、前記部分プロジェクトを前記第2プロジェクトとする情報処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023181059A JP7422265B1 (ja) | 2023-10-20 | 2023-10-20 | 情報処理装置および情報処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023181059A JP7422265B1 (ja) | 2023-10-20 | 2023-10-20 | 情報処理装置および情報処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7422265B1 true JP7422265B1 (ja) | 2024-01-25 |
Family
ID=89616042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023181059A Active JP7422265B1 (ja) | 2023-10-20 | 2023-10-20 | 情報処理装置および情報処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7422265B1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861165A (zh) | 2020-07-06 | 2020-10-30 | 广东德尔智慧工厂科技有限公司 | 项目管理方法、装置、计算机设备和存储介质 |
JP2022173656A (ja) | 2021-05-10 | 2022-11-22 | 株式会社日立社会情報サービス | 情報処理装置および情報処理方法 |
-
2023
- 2023-10-20 JP JP2023181059A patent/JP7422265B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861165A (zh) | 2020-07-06 | 2020-10-30 | 广东德尔智慧工厂科技有限公司 | 项目管理方法、装置、计算机设备和存储介质 |
JP2022173656A (ja) | 2021-05-10 | 2022-11-22 | 株式会社日立社会情報サービス | 情報処理装置および情報処理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7729932B2 (en) | Project assessment system and method | |
US8930262B1 (en) | Systems and methods of assisted strategy design | |
JP3767954B2 (ja) | 需要予測装置 | |
JP4717945B2 (ja) | 業務分析プログラムおよび業務分析装置 | |
RU2404363C2 (ru) | Оптимизация добычи | |
CN110880051A (zh) | 企业价值评估云服务系统 | |
US20030187767A1 (en) | Optimal allocation of budget among marketing programs | |
US20090157458A1 (en) | Supply chain evaluation system, method, and program | |
JP6467264B2 (ja) | 計画作成支援装置および計画作成支援方法 | |
JP7386203B2 (ja) | 情報処理装置および情報処理方法 | |
CN104778622A (zh) | Tps交易事件阈值的预测方法及预测系统 | |
JP2001125962A (ja) | 企業診断及び経営意思決定支援システム | |
JP7422265B1 (ja) | 情報処理装置および情報処理方法 | |
JP2005032079A (ja) | プロジェクト事前評価方法 | |
JP7367253B1 (ja) | 情報処理装置および情報処理方法 | |
JP6771513B2 (ja) | 債務不履行確率を算出する装置、方法及びそのためのプログラム | |
JP2001282981A (ja) | 経営改革立案方法及び経営改革立案システム | |
JP2024081382A (ja) | 情報処理装置および情報処理方法 | |
JP2019117443A (ja) | 休廃業予測システム | |
Mitra et al. | Using market sentiment to enhance second-order stochastic dominance trading models | |
JP2023091216A (ja) | 情報処理装置および情報処理方法 | |
JP2004102357A (ja) | 生産量算定方法,生産量算定装置,生産量算定システム,生産量算定プログラムおよび記録媒体 | |
JP2022032115A (ja) | プロジェクト予兆検知装置及びプロジェクト予兆検知方法 | |
Aretoulis et al. | A prototype system for the prediction of final cost in construction projects | |
JP2005216020A (ja) | プロジェクト評価システム,プログラムよび記憶媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231020 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20231020 |
|
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: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7422265 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |