JP7453722B2 - 多分木探索に基づく多箱型3次元積載の最適化方法及びシステム - Google Patents
多分木探索に基づく多箱型3次元積載の最適化方法及びシステム Download PDFInfo
- Publication number
- JP7453722B2 JP7453722B2 JP2023503127A JP2023503127A JP7453722B2 JP 7453722 B2 JP7453722 B2 JP 7453722B2 JP 2023503127 A JP2023503127 A JP 2023503127A JP 2023503127 A JP2023503127 A JP 2023503127A JP 7453722 B2 JP7453722 B2 JP 7453722B2
- Authority
- JP
- Japan
- Prior art keywords
- box
- cargo
- node
- loading
- optimization
- 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
- 238000005457 optimization Methods 0.000 title claims description 81
- 238000000034 method Methods 0.000 title claims description 49
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 12
- 238000013138 pruning Methods 0.000 claims description 12
- 238000011217 control strategy Methods 0.000 claims description 11
- AZFKQCNGMSSWDS-UHFFFAOYSA-N MCPA-thioethyl Chemical compound CCSC(=O)COC1=CC=C(Cl)C=C1C AZFKQCNGMSSWDS-UHFFFAOYSA-N 0.000 claims description 9
- 238000010845 search algorithm Methods 0.000 claims description 8
- 238000002474 experimental method Methods 0.000 claims description 7
- 208000023514 Barrett esophagus Diseases 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 4
- 239000002699 waste material Substances 0.000 description 2
- 241000405961 Scomberomorus regalis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
1、物流の仕分けと梱包の過程で、物流会社は注文された商品を異なるカートンに仕分けして梱包する必要がある。目標は、カートンの最適な組み合わせを選択し、カートンの積載率を最大化し、カートンのコストを最小限に抑えるための積載スキームを策定することである。
2、物流配送の過程において、物流会社は顧客が注文した商品をさまざまなモデルまたは異なる規格のコンテナに積み込む必要があり、目標は、車またはコンテナの積載率を最大化し、輸送コストを最小限に抑えることである。
3、航空貨物運送会社では、顧客から注文された商品を規格の異なるコンテナに積み込み、航空機の貨物室に積み込む必要があり、目標は、コンテナの積載率を最大化し、航空貨物のコストを最小限に抑えることである。
近年、オンラインショッピングの便利さのおかげで、必要な製品をオンラインで購入することを選択する人がますます増えており、膨大な取引量が物流会社に大きな課題をもたらしている。多箱型3次元積載最適化問題は、さまざまな物流企業に存在する。現在、ほとんどの企業は、箱を選択する際に主に従業員の経験に依存している。箱選択は組み合わせ最適化問題であるため、データ量が増えると指数関数的に計算規模が大きくなり、従業員が経験に基づいてより良い箱タイプの組み合わせを選択することは困難であり、その結果、梱包材の無駄が多くなり、輸送コストが高くなる。単一箱3次元積載の最適化問題については、多くの学者が研究しており、設計されたアルゴリズムにより箱の空間利用率が約90%の高品質の解を求めることができる。しかし、物流業界では、解決しようとする課題は、単一箱の空間利用率の向上だけではなく、全体的に積載結果を最適化することにある。
この目的を達成するために、本発明は、以下の技術的手段を採用する。
以下のステップを含む多分木探索に基づく多箱型3次元積載の最適化方法であって、モデル構築:多箱型3次元積載最適化モデルを構築し;多分木探索構造の構築:多箱型3次元積載最適化問題を求解する多分木探索構造を構築し;アルゴリズム最適化:多分木探索過程において、ノードを展開生成するたびに単一箱3次元積載最適化アルゴリズムを呼び出し、最適な単一箱積載スキームを取得し、多分木探索過程において、ヒューリスティックな剪定戦略及び漏斗型のノード数制御戦略によりアルゴリズムを最適化し;結果出力:実験及び分析を行い、積載率結果を出力する最適化方法。
定義:座標系内にある貨物の後左下の隅を点A、座標系内にある貨物の前右上の隅を点Bとし、
モデル構築:全ての貨物を積載するのに使用される箱の総体積を
同一箱内のいずれか2つの貨物が交差しない場合、即ち、k貨物がi貨物の前後左右上下にある場合、数式:
前:(x1)kf-(x2)if=α,α≧0
後:(x1)if-(x2)kf=β,β≧0
左:(y1)if-(y2)kf=γ,γ≧0
右:(y1)kf-(y2)if=δ,δ≧0
上:(z1)kf-(z2)if=ε,ε≧0
下:(z1)if-(z2)kf=ζ,ζ≧0
であり、ここで、i,k=1,2,...,n且つi≠kであり、
前記数式は、
yif(yikf1α+yikf2β+yikf3γ+yikf4δ+yikf5ε+yikf6ζ)≧0
yif(yikf1+yikf2+yikf3+yikf4+yikf5+yikf6-1)≧0
に変換することができ、
式中、Sは選択可能な箱の種類数であり、
numSは、初歩的に予測されたS番目の箱の使用量であり、
fは箱の番号f=1,2,...,Fであり、
Vfはf箱の体積であり、
Lfはf箱の長さであり、
Wfはf箱の幅であり、
Hfはf箱の高さであり、
yfはゼロワン変数であり、f番目の箱が使用されているか否かを表し、
yifはゼロワン変数であり、i番目の貨物がf箱に積載されているか否かを表し、
Mは無限大数であり、
(x1)ifは、i貨物がf箱内の後左下位置にある場合のx座標であり、
(x1)kfは、k貨物がf箱内の後左下位置にある場合のx座標であり、
(y1)ifは、i貨物がf箱内の後左下位置にある場合のy座標であり、
(y1)kfは、k貨物がf箱内の後左下位置にある場合のy座標であり、
(z1)ifは、i貨物がf箱内の後左下位置にある場合のz座標であり、
(z1)kfは、k貨物がf箱内の後左下位置にある場合のz座標であり、
(x2)ifは、i貨物がf箱内の前右上位置にある場合のx座標であり、
(x2)kfは、k貨物がf箱内の前右上位置にある場合のx座標であり、
(y2)ifは、i貨物がf箱内の前右上位置にある場合のy座標であり、
(y2)kfは、k貨物がf箱内の前右上位置にある場合のy座標であり、
(z2)ifは、i貨物がf箱内の前右上位置にある場合のz座標であり、
(z2)kfは、k貨物がf箱内の前右上位置にある場合のz座標であり、
miは貨物の配置方式であり、i=1,2,3,4,5,6であり、
liはi貨物の長さであり、
wiはi貨物の幅であり、
hiはi貨物の高さであり、
yikfqはゼロワン変数であり、i,k=1,2,...であり、n,q=1,2,3,4,5,6である。
残り空間の表示:極大空間で箱内の残り空間を表し、
1つのブロックリストの作成:弱異種計算例のために単純ブロックを構築し、強異種計算例のために一刀切り可能ブロックを構築し、
残り空間リストからの適切な空間の選択:マンハッタン距離が最小の残り空間を適切な空間として選択し、
適応性が最も高いブロックの選択:適応性が最も高いブロックを選択して残り空間に入れ、
位置確定:dステップ貪欲先読み(Lookahead)探索により位置を確定し、選択された適応性が最も高いブロックを残り空間に入れ、
探索アルゴリズム:二重反復に基づく貪欲先読み探索アルゴリズムにより過程全体を探索する。
ステップ1:ルートノードを作成し、ルートノードの属性値を初期化し、具体的には、unplacedCargosを積載される全ての貨物の集合に設定し、usedVをセロに設定し、bestUsedVは全ての貨物を積載するのに使用される箱の最小総体積であり、無限大に設定し、
ステップ2:深度が1のノードを展開し、具体的には、ルートノードにある場合、全ての貨物が積載されていないため、貨物リストは空ではなく、ルートノードを展開して子ノードを取得しなければならず、
ステップ3:各深度が1のノードをトラバースし、具体的には、まず、ノードの未積載貨物リストが空かどうかを判断し、空である場合、それが位置するブランチにおける貨物は全て既に積載されたことを示し、このノードを下に展開して子ノードを取得する必要がなく、この場合、現在ノードのusedVがbestUsedVより小さいかどうかを判断する必要があり、小さい場合、bestUsedVを現在ノードのusedVに更新し、空ではない場合、このノードを下に展開し、再帰探索に入る必要があり、
ステップ4:木全体の展開が終了し、即ち、全てのリーフノードの未積載貨物リストが空になった後、bestUsedV及び最適解に対応するブランチが使用した箱リストに戻る。
bestUsedVを用いて木探索過程で探索された全ての貨物を積載するのに使用される箱の最小総体積をリアルタイムで保存し、1つのノードに対応するusedVがbestUsedVよりも大きいと予測された場合、このノードへ展開する必要がなく、これらのノードを全て切り除き、
下記の数式により1つの子ノードの最小usedVを予測し、
全ての貨物を積載するのに使用される箱の最小体積の予測=node.usedV+nextBoxVolume+getMinVolume(boxList,node.unplacedVc-usedVolume)
式中、node.usedVは、現在ノードまで使用された箱の総体積を示し、
nextBoxVolumeは、展開される次の子ノードが使用する箱の体積を示し、
boxListは、選択可能な箱の集合を示し、
node.unplacedVcは、現在ノードまで積載されていない貨物の総体積を示し、
usedVolumeは、親ノードが現在ノードと同じであり且つ使用する箱のタイプが展開される次の子ノードが使用する箱のタイプと同じであるノードの箱によって積載可能な貨物の総体積を示し、
getMinVolumeは、取得される箱リストから組み合わせて得られる(node.unplacedVc-usedVolume)以上の最小体積を示す。
深度が1のノードの場合、積載率が最大積載率から公差を引いた範囲以上のノードを展開し、
深度が2以上のノードの場合、親ノードが同じである子ノードを照積載率に基づいて降順で並べ替え、その後、積載率が上位にランクインするretainNum個のノードのみを展開する。
規格が異なる複数の貨物を選択し、全ての貨物の長さ、幅及び高さは、いずれも高さとすることができ、箱への貨物の積載は、完全支持制約を満たさなければならず、即ち、各貨物の底部が必ず他の貨物の頂部又は箱の底部によって完全に支持されなければならず、使用される各箱子の積載率を実験及び分析し、各箱の積載率の結果を得る。
本発明は、多箱型3次元積載最適化問題に対してモデルを構築し、多分木階層検索アルゴリズムにより多箱型積載探索を行い、探索の過程において単一箱3次元積載最適化アルゴリズムを継続的に呼び出して現在の最適な積載スキームを取得し、ヒューリスティックな剪定戦略及び漏斗型のノード数制御戦略により木の探索規模を減縮し、探索効率を向上させ、大量の冗長探索を減少させ、計算時間を短縮させ、ハードウェアに対する実行装置の需要を減少させ、このアルゴリズムが短時間内で最適解又は最適解の近似解を探索できることを保証することができる。多箱型3次元積載最適化問題を合理的に解決することは、箱の浪費を減少できるとともに、充填物の使用量も減少できるため、物流コストを大幅に削減し、スタッフの作業効率も向上させることができる。
単一箱3次元積載最適化問題:1つの貨物リストを与え、各貨物のサイズは、li×wi×hiで表される。貨物を互いに直交するように長さL、幅W、高さがHの箱内に積載ることが要求される。目標は、箱の空間利用率ができるだけ高いように、箱内での各貨物の位置を合理的に計算することである。
定義:座標系内にある貨物の後左下の隅を点A、座標系内にある貨物の前右上の隅を点Bとする。図2に示すように、貨物の1対の対角座標を用いれば1つの貨物の配置位置及び配置方向を表すことができる。
モデル準備:まず、S番目の箱の使用可能な数を決定し、即ち、
同一箱内のいずれか2つの貨物が交差しない場合、即ち、k貨物がi貨物の前後左右上下にある場合、数式:
前:(x1)kf-(x2)if=α,α≧0
後:(x1)if-(x2)kf=β,β≧0
左:(y1)if-(y2)kf=γ,γ≧0
右:(y1)kf-(y2)if=δ,δ≧0
上:(z1)kf-(z2)if=ε,ε≧0
下:(z1)if-(z2)kf=ζ,ζ≧0
であり、ここで、i,k=1,2,...,nかつi≠kである。
前記数式は、
yif(yikf1α+yikf2β+yikf3γ+yikf4δ+yikf5ε+yikf6ζ)≧0;
yif(yikf1+yikf2+yikf3+yikf4+yikf5+yikf6-1)≧0;
に変換することができる。
式中、Sは選択可能な箱の種類数であり、
numSは、初歩的に予測されたS番目の箱の使用量であり、
fは箱の番号f=1,2,...,Fであり、
Vfはf箱の体積であり、
Lfはf箱の長さであり、
Wfはf箱の幅であり、
Hfはf箱の高さであり、
yfはゼロワン変数であり、f番目の箱が使用されているか否かを表し、
yifはゼロワン変数であり、i番目の貨物がf箱に積載されているか否かを表し、
Mは無限大数であり、
(x1)ifは、i貨物がf箱内の後左下位置にある場合のx座標であり、
(x1)kfは、k貨物がf箱内の後左下位置にある場合のx座標であり、
(y1)ifは、i貨物がf箱内の後左下位置にある場合のy座標であり、
(y1)kfは、k貨物がf箱内の後左下位置にある場合のy座標であり、
(z1)ifは、i貨物がf箱内の後左下位置にある場合のz座標であり、
(z1)kfは、k貨物がf箱内の後左下位置にある場合のz座標であり、
(x2)ifは、i貨物がf箱内の前右上位置にある場合のx座標であり、
(x2)kfは、k貨物がf箱内の前右上位置にある場合のx座標であり、
(y2)ifは、i貨物がf箱内の前右上位置にある場合のy座標であり、
(y2)kfは、k貨物がf箱内の前右上位置にある場合のy座標であり、
(z2)ifは、i貨物がf箱内の前右上位置にある場合のz座標であり、
(z2)kfは、k貨物がf箱内の前右上位置にある場合のz座標であり、
miは貨物の配置方式であり、i=1,2,3,4,5,6であり、
liはi貨物の長さであり、
wiはi貨物の幅であり、
hiはi貨物の高さであり、
yikfqはゼロワン変数であり、i,k=1,2,...であり、n,q=1,2,3,4,5,6である。
残り空間の表示:極大空間で箱内の残り空間を表す。箱に1つの貨物が存在する場合、残り空間は、3つの直方体/立方体で表すことができ、それぞれの直方体/立方体は、貨物に交差することがない。図4は、3つの个残り空間の表示である。
1つのブロックリストの作成:弱異種計算例のために単純ブロックを構築し、強異種計算例のために一刀切り可能ブロックを構築する。
単純ブロック:1タイプの貨物のみからなり、全ての貨物は同じ方式で配置される。図5aに示されるのは単純ブロックの構成方式である。
一刀切り可能ブロック:複数のタイプの貨物又は異なる方向で配置される貨物からなる。図5bに示されるのは一刀切り可能ブロックの構成方式である。
異種性判断:各タイプの貨物の平均貨物数ht=ΣkNk/Kを異種性判断の指標とする。ht>6の場合、弱異種計算例であり、単純ブロックを構築し、そうではない場合、強異種計算例であり、一刀切り可能ブロックを構築する。
残り空間リストからの適切な空間の選択:マンハッタン距離が最小の残り空間を適切な空間として選択する。
マンハッタン距離:両点について、点Aの座標が(x1,y1,z1)、点Bの座標が(x2,y2,z2)である場合、それらのマンハッタン距離は|x1-x2|+|y1-y2|+|z1-z2|である。
残り空間選択戦略:残り空間に8つの隅点あり、箱にも8つの隅点がある。箱の各隅点と対応する残り空間の隅点とは対応して8セットの隅点(A1,B1)、(A2,B2)、...、(A8,B8)を構成する。マンハッタン距離が最小の隅はアンカー隅と呼ばれ、アンカー隅と、対応する箱の隅点との距離はアンカー距離である。例えば、A2-B2のマンハッタン距離が最も短い場合、A2はアンカー隅であり、A2-B2間のマンハッタン距離はアンカー距離と呼ばれる。残り空間を選択する際に、アンカー距離が最小の空間を適切な空間として選択する。図6に示されるのは、残り空間と箱との間のアンカー距離である。
このように、優先的に箱の隅、箱の辺、箱面に近い残り空間を選択して積載することにより、残りの空間は箱の中央に集中し、可能な残り空間の連続性が保証される。2つの空間のアンカー距離が等しいである場合、辞書順が比較的小さい空間を優先的に使用する。
定義:ブロックbは、与えられた残り空間rに対する適応性が∫(r,b)=V-(Vloss+Vwaste)であり、ここで、Vはブロックにおける貨物の総体積であり、Vlossはブロックbがrに入れられて浪費した体積であり、Vwasteはブロックbにおける浪費したブロック体積、即ち、ブロックの体積からブロックにおける貨物の総体積を引いた体積である。
残り空間に入れられるブロックの位置の確定:それぞれのブロックが1つの残り空間に入れられる際に、いつもブロックの1つの角が残り空間の1つの隅と重なり合うように配置される。いずれかのブロックが残り空間の8つの隅のうちのいずれか1つの隅に置かれても良いため、|R|個の残り空間及び|B|このブロックを与えると、最大8|R||B|個の可能な配置位置があり、木探索戦略によりブロックの最適な配置位置を確定する。
木のルートノードについて、適応性関数に基づいてm個の配置位置を計算し、m個の深度が1のノードを得る。深度が1の各ノードについて、再度m個の配置位置を計算し、m2個の深度が2のノードを得る。このようにして木を深度dまで拡張する。深度がdの各ノードについて、貪欲法により最適な配置スキームを選択し、即ち、貨物を積載するための体積が最大の位置を選択する。木探索期間において、与えられた状態Sについて、関数place(S,p)によりp配置を実行した後の次の状態に入る。
1、unplacedCargos:現在ノードに対応する未積載貨物リスト。総貨物リストが{cargo1,cargo2,cargo3,cargo4,cargo5}であり、rootノードがBox3まで展開され、Box3に貨物{cargo1,cargo2,cargo5}が積載された場合、現在ノードに対応する未積載貨物リストは{cargo3,cargo4}である。
2、usedV:現在ノードまで使用された箱の総体積。例えば、rootがBox3まで展開され、さらにBox3まで展開された場合、使用された箱の体積は2VBox3である。
貨物を貨物集合に記憶し、木のルートノードから始まり、まず、各種類の箱型を用いて貨物集合について積載計算を行い、計算結果を得た後、計算結果をルートノードの子ノードに記憶する。例えば、選択可能な箱型の数が3である場合、ルートノードの子ノードの数は3である。ルートノードの3つの子ノード、即ち、図9のノード1、2、3を取得した後、ルートノードの子ノードに対して同様の探索プロセスを実行する。親ノードが同じ子ノードについて、探索過程において優先的に積載率が比較的高い子ノードを展開する。図9に示すように、ノード3の積載率が最大であるため、それを優先的に展開して、ノード4、5、6を得る。ノード4、5、6のうち、ノード5の積載率が最大であるため、ノード5を優先的に展開してノード7,8,9を得る。ノード7、8、9のうち、ノード9の積載率が最大であるため、ノード9を展開すべきであるが、ノード9に対応する未積載貨物リストが空であり、即ち、積載が完成し、現在の大域的最適解が無限大であるため、大域的最適解は更新される。ノード9を処理した後、引き続きノード8を展開する。ノード8の未積載貨物も空であり、即ち、積載が完成したが、VBax3+VBax2+VBox2>VBox3+VBox2+VBox3であるため、大域的最適解は更新されない。同様に、ノード7の未積載貨物リストも空であるため、さらに展開できることで、ノード4、6に戻る。ノード6の積載率がより高きため、ノード6を優先的に展開する。後の探索プロセスは前と同様であり、即ち、深度優先トラバースの戦略によるものである。引き続き展開可能なリーフノードがない場合、木探索過程は終了し、見つかった大域的最適解はVBox3+VBox1であり、即ち、まずBox3及びBox1を用いてこのパッチの貨物を積載し、このようにして箱の空間利用率は最大である。
ヒューリスティックな剪定戦略を実行した後、木探索過程において、未積載貨物リストが空ではないリーフノードは全て引き続き下にノードを展開する必要があるわけではない。問題の目標は、箱の空間利用率を最大化し、空間利用率=貨物総体積/使用される箱の総体積であるため、即ち、全ての貨物を積載するのに使用される箱の総体積を最小化することである。bestUsedVを用いて木探索過程で探索された全ての貨物を積載するのに使用される箱の最小総体積をリアルタイムで保存し、1つのノードに対応するusedVがbestUsedVよりも大きいと予測された場合、このノードへ展開する必要がなく、これらのノードを全て切り除き、大量の冗長探索を減少させ、木の規模を縮小する。
下記の数式により1つの子ノードの最小usedVを予測する。全ての貨物を積載するのに使用される箱の最小体積の予測=node.usedV+nextBoxVolume+getMinVolume(boxList,node.unplacedVcusedVolume)。
ここで、node.usedVは、現在ノードまで使用された箱の総体積を示す。図9に示されるノード4が使用した箱の総体積はVBox3+VBox1である。
nextBoxVolumeは、展開される次の子ノードが使用する箱の体積を示す。例えば、現在ノードが図9のノード5である場合、現在ノードは、ノード7へ展開し、nextBoxVolumeはVBox1である。
boxListは、選択可能な箱の集合を示す。
node.unplacedVcは、現在ノードまで積載されていない貨物の総体積を示す。
usedVolumeは、親ノードが現在ノードと同じであり且つ使用する箱のタイプが展開される次の子ノードが使用する箱のタイプと同じであるノードの箱によって積載可能な貨物の総体積を示す。現在ノードが図9のノード5である場合、ノード9へ展開し、usedVolumeはノード6のBox3が積載可能な貨物総体積である。現在ノードが図9のノード12である場合、ノード14へ展開し、usedVolumeはノード11のBox2が積載可能な貨物総体積である。この体積用いて子ノードの最小体積を予測するのは、貨物が積載されるにつれ、同じタイプの箱において、後の時点で積載して得られる空間利用率は、必ず前の時点で積載して得られる空間利用率よりも小さいためである。前の時点で使用される箱の隙間にいくつかの小さい貨物で充填され、小さい貨物が全部使用された後、後の時点で使用される箱の隙間は充填できなくなるため、空間利用率は比較的低くなる。サイズが未積載貨物リストにおいけるいずれかの貨物サイズよりも小さい箱がある場合、この箱には何の貨物も積載することができず、貨物積載体積にゼロが付与され、後にノードの展開にもこのような箱を探索する必要がなく、このような箱が積載可能な貨物体積は必ずセロであり、本明細書において冗長探索を回避するためにこのような箱に対応するブランチを切り除く。
深度が1のノードの場合、積載率が最大積載率から公差を引いた範囲以上のノードを展開する。ルートノードの子ノード1、2、3の積載率がそれぞれ57%、85%、93%であり、maxLoadingRate=93%であり、tolerance=20%に設定される場合、ノード1は下へノードを展開しない。
深度が2以上のノードの場合、親ノードが同じである子ノードを照積載率に基づいて降順で並べ替え、その後、積載率が上位にランクインするretainNum個のノードのみを展開する。図10に示すように、retainNum=1に設定すると、d=2である場合、ノード6、ノード14及びノード24のみについて展開するretainNum。
木探索過程において、積載率が比較的低いノードが現れる場合がある。それは、使用される箱がこの貨物集合の貨物の積載に適用できないためである。例えば、箱に1つの貨物1のみが積載でき、他の種類の貨物を積載できないが、貨物1が積載された後の残り空間のサイズが貨物1に近い場合、箱全体の空間利用率は、五十数%だけであり、大量の空間が浪費される。アルゴリズムで計算された箱の選択スキームは、できるだけ上記状況の発生を回避すべきであるため、漏斗型のノード制御戦略により前記状況が発生するブランチを削減する。retainNumは、1つのノードに対する保留する子ノードの数である。
図11及び図12は、1つの計算例で最適化戦略する前後の実際計算状況を示す。この計算例には、3種類の選択可能な箱Box1(体積1200000cm3)、Box2(体積1050000cm3)、Box3(体積432000cm3)がある。この3種類の箱は、図12においてそれぞれ1、2、3で示され、図11において木のノードが比較的多いため、番号が付けられていないが、各親ノードに対応する子ノードは左から右へ1、2、3である。
図11、図12及び表2から分かるように、最適化戦略を使用した後、木の規模は大幅に減少した。最適化前に、木探索過程に大量の冗長探索が存在し、これによって、計算時間は長くなりすぎるだけでなく、規模の拡大について、コンピュータが運算する際にメモリオーバーフローが発生する可能性があり、大量のコンピュータ計算力が浪費される。これに対し、最適化した後の木探索は、比較的短い時間内で最適解又は最適解の近似解を見つけることができる。
本試験例は、39種の異なる規格(合計5605件貨物)からなり、計算例において全ての貨物の長さ、幅及び高さは、いずれも高さとすることができ、箱への貨物の積載は、完全支持制約を満たさなければならず、即ち、各貨物の底部が必ず他の貨物の頂部又は箱の底部によって完全に支持されなければならない。
一部の結果から分かるように、これらの貨物を全部積載するのに合計34個の箱を用いる必要があり、総積載率は96.32%に達し、計算時間は1889.939秒である。
Claims (3)
- 多分木探索に基づく多箱型3次元積載の最適化システムが実行する、多分木探索に基づく多箱型3次元積載の最適化方法であって、以下のステップを含み、
モデル構築:多箱型3次元積載最適化モデルを構築し、
モデル構築のステップにおいて、S(S∈[1,S])種類の規格の箱を与え、各種類の箱の体積はVsであり、多種類の箱から1種類又は複数種類の箱を1つ又は複数選択し、箱の積載率が最大、即ち、全ての貨物を積載するのに使用される箱の総体積が最小となるように、総数がnの貨物を全て積載し、各貨物の体積はVi(i∈[1,n])であり、
x軸の正方向を前方向、x軸の負方向を後方向、y軸の正方向を右方向、y軸の負方向を左方向、z軸の正方向を上方向、z軸の負方向を下方向として正方向の直交座標系を作成し、
定義:座標系内にある貨物の後左下の隅を点A、座標系内にある貨物の前右上の隅を点Bとし、
モデル構築:全ての貨物を積載するのに使用される箱の総体積を
に最小化し、f箱に貨物が入った場合、yf=1、数式:
であり、
全ての貨物が完全に積載され、且つ1つの箱に1つの貨物しか積載できない場合、数式:
であり、
いずれか1つの貨物が箱に積載された後、点Aと点Bの座標がいずれも箱のサイズを超えてはならない場合、数式:
であり、
6種類の方式のうちの1種類のみで貨物を配置でき、且つ点Bの座標が点Aの座標から導出される場合、数式:
であり、
点Aの座標から点Bの座標を導出する数式は、
であり、
同一箱内のいずれか2つの貨物が交差しない場合、即ち、k貨物がi貨物の前後左右上下にある場合、数式:
前:(x1)kf-(x2)if=α,α≧0
後:(x1)if-(x2)kf=β,β≧0
左:(y1)if-(y2)kf=γ,γ≧0
右:(y1)kf-(y2)if=δ,δ≧0
上:(z1)kf-(z2)if=ε,ε≧0
下:(z1)if-(z2)kf=ζ,ζ≧0
であり、ここで、i,k=1,2,...,n且つi≠kであり、
前記数式は、
yif(yikf1α+yikf2β+yikf3γ+yikf4δ+yikf5ε+yikf6ζ)≧0
yif(yikf1+yikf2+yikf3+yikf4+yikf5+yikf6-1)≧0
に変換することができ、
式中、Sは選択可能な箱の種類数であり、
numSは、初歩的に予測されたS番目の箱の使用量であり、
Fは
であり、
fは箱の番号f=1,2,...,Fであり、
Vfはf箱の体積であり、
Lfはf箱の長さであり、
Wfはf箱の幅であり、
Hfはf箱の高さであり、
yfはゼロワン変数であり、f番目の箱が使用されているか否かを表し、
yifはゼロワン変数であり、i番目の貨物がf箱に積載されているか否かを表し、
Mは無限大数であり、
(x1)ifは、i貨物がf箱内の後左下位置にある場合のx座標であり、
(x1)kfは、k貨物がf箱内の後左下位置にある場合のx座標であり、
(y1)ifは、i貨物がf箱内の後左下位置にある場合のy座標であり、
(y1)kfは、k貨物がf箱内の後左下位置にある場合のy座標であり、
(z1)ifは、i貨物がf箱内の後左下位置にある場合のz座標であり、
(z1)kfは、k貨物がf箱内の後左下位置にある場合のz座標であり、
(x2)ifは、i貨物がf箱内の前右上位置にある場合のx座標であり、
(x2)kfは、k貨物がf箱内の前右上位置にある場合のx座標であり、
(y2)ifは、i貨物がf箱内の前右上位置にある場合のy座標であり、
(y2)kfは、k貨物がf箱内の前右上位置にある場合のy座標であり、
(z2)ifは、i貨物がf箱内の前右上位置にある場合のz座標であり、
(z2)kfは、k貨物がf箱内の前右上位置にある場合のz座標であり、
miは貨物の配置方式であり、i=1,2,3,4,5,6であり、
liはi貨物の長さであり、
wiはi貨物の幅であり、
hiはi貨物の高さであり、
yikfqはゼロワン変数であり、i,k=1,2,...であり、n,q=1,2,3,4,5,6であり、
多分木探索構造の構築:多箱型3次元積載最適化問題を求解する多分木探索構造を構築し、
アルゴリズム最適化:多分木探索過程において、ノードを展開生成するたびに、単一箱3次元積載最適化アルゴリズムを呼び出し、最適な単一箱積載スキームを取得し、
アルゴリズム最適化ステップにおいて、単一箱3次元積載最適化アルゴリズムは、具体的に以下のステップを採用し、
残り空間の表示:極大空間で箱内の残り空間を表し、
1つのブロックリストの作成:弱異種計算例のために単純ブロックを構築し、強異種計算例のために一刀切り可能ブロックを構築し、
残り空間リストからの適切な空間の選択:マンハッタン距離が最小の残り空間を適切な空間として選択し、
適応性が最も高いブロックの選択:適応性が最も高いブロックを選択して残り空間に入れ、
位置確定:dステップ貪欲先読み探索により位置を確定し、選択された適応性が最も高いブロックを残り空間に入れ、
探索アルゴリズム:二重反復に基づく貪欲先読み探索アルゴリズムにより過程全体を探索し、
多分木探索に基づいて多箱型3次元積載最適化問題を求解する基礎は、以下のステップを含み、
ステップ1:ルートノードを作成し、ルートノードの属性値を初期化し、具体的には、unplacedCargosを積載される全ての貨物の集合に設定し、usedVをセロに設定し、bestUsedVは全ての貨物を積載するのに使用される箱の最小総体積であり、無限大に設定し、
ステップ2:深度が1のノードを展開し、具体的には、ルートノードにある場合、全ての貨物が積載されていないため、貨物リストは空ではなく、ルートノードを展開して子ノードを取得しなければならず、
ステップ3:各深度が1のノードをトラバースし、具体的には、まず、ノードの未積載貨物リストが空かどうかを判断し、空である場合、それが位置するブランチにおける貨物は全て既に積載されたことを示し、このノードを下に展開して子ノードを取得する必要がなく、この場合、現在ノードのusedVがbestUsedVより小さいかどうかを判断する必要があり、小さい場合、bestUsedVを現在ノードのusedVに更新し、空ではない場合、このノードを下に展開し、再帰探索に入る必要があり、
ステップ4:木全体の展開が終了し、即ち、全てのリーフノードの未積載貨物リストが空になった後、bestUsedV及び最適解に対応するブランチが使用した箱リストに戻り、
多分木探索に基づいて多箱型3次元積載最適化問題を求解するアルゴリズム最適化は、ヒューリスティックな剪定戦略を用いた最適化を含み、ノード対象に属性unPlacedVcを追加し、前記unPlacedVcは、現在ノードまで積載されていない貨物総体積であり、
bestUsedVを用いて木探索過程で探索された全ての貨物を積載するのに使用される箱の最小総体積をリアルタイムで保存し、1つのノードに対応するusedVがbestUsedVよりも大きいと予測された場合、このノードへ展開する必要がなく、これらのノードを全て切り除き、
下記の数式により1つの子ノードの最小usedVを予測し、
全ての貨物を積載するのに使用される箱の最小体積の予測=node.usedV+nextBoxVolume+getMinVolume(boxList,node.unplacedVc-usedVolume)
式中、node.usedVは、現在ノードまで使用された箱の総体積を示し、
nextBoxVolumeは、展開される次の子ノードが使用する箱の体積を示し、
boxListは、選択可能な箱の集合を示し、
node.unplacedVcは、現在ノードまで積載されていない貨物の総体積を示し、
usedVolumeは、親ノードが現在ノードと同じであり且つ使用する箱のタイプが展開される次の子ノードが使用する箱のタイプと同じであるノードの箱によって積載可能な貨物の総体積を示し、
getMinVolumeは、取得される箱リストから組み合わせて得られる(node.unplacedVc-usedVolume)以上の最小体積を示し、
多分木探索に基づいて多箱型3次元積載最適化問題を求解するアルゴリズム最適化は、漏斗型のノード数制御戦略により最適化を行うことを含み、具体的には、
深度が1のノードの場合、積載率が最大積載率から公差を引いた範囲以上のノードを展開し、
深度が2以上のノードの場合、親ノードが同じである子ノードを積載率に基づいて降順で並べ替え、その後、積載率が上位にランクインするretainNum個のノードのみを展開し、
多分木探索過程において、ヒューリスティックな剪定戦略及び漏斗型のノード数制御戦略によりアルゴリズムを最適化し、
結果出力:実験及び分析を行い、積載率の結果を出力することを特徴とする、多分木探索に基づく多箱型3次元積載の最適化方法。 - 結果出力のステップは、計算実験及び分析ステップを含み、具体的には、
規格が異なる複数の貨物を選択し、全ての貨物の長さ、幅及び高さは、いずれも高さとすることができ、箱への貨物の積載は、完全支持制約を満たさなければならず、即ち、各貨物の底部が必ず他の貨物の頂部又は箱の底部によって完全に支持されなければならず、使用される各箱子の積載率を実験及び分析し、各箱の積載率の結果を得ることを特徴とする、請求項1に記載の多分木探索に基づく多箱型3次元積載の最適化方法。 - 請求項1又は2に記載の多分木探索に基づく多箱型3次元積載の最適化方法を実行することを特徴とする、多分木探索に基づく多箱型3次元積載の最適化システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111503424.6 | 2021-12-09 | ||
CN202111503424.6A CN114048926B (zh) | 2021-12-09 | 2021-12-09 | 一种基于多叉树搜索的多箱型三维装箱优化方法及系统 |
PCT/CN2022/086791 WO2023103243A1 (zh) | 2021-12-09 | 2022-04-14 | 一种基于多叉树搜索的多箱型三维装箱优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2024503959A JP2024503959A (ja) | 2024-01-30 |
JP7453722B2 true JP7453722B2 (ja) | 2024-03-21 |
Family
ID=80212744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023503127A Active JP7453722B2 (ja) | 2021-12-09 | 2022-04-14 | 多分木探索に基づく多箱型3次元積載の最適化方法及びシステム |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7453722B2 (ja) |
CN (1) | CN114048926B (ja) |
WO (1) | WO2023103243A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114048926B (zh) * | 2021-12-09 | 2022-04-15 | 广东工业大学 | 一种基于多叉树搜索的多箱型三维装箱优化方法及系统 |
CN114841432B (zh) * | 2022-04-29 | 2023-02-17 | 广东工业大学 | 一种管材套管与装箱优化方法及系统 |
CN115018567B (zh) * | 2022-08-10 | 2022-10-25 | 杭州盘达科技有限公司 | 一种国际快递运费的预测方法 |
CN115630765B (zh) * | 2022-10-26 | 2023-05-30 | 广东工业大学 | 一种箱管装柜的优化方法及系统 |
CN116777063B (zh) * | 2023-06-20 | 2024-02-27 | 广东工业大学 | 基于一刀切约束和分支定价算法的二维装箱方法 |
CN116777064B (zh) * | 2023-06-20 | 2024-03-01 | 广东工业大学 | 基于非一刀切约束和分支定价算法的二维装箱方法 |
CN116993247A (zh) * | 2023-09-26 | 2023-11-03 | 亿海蓝(北京)数据技术股份公司 | 集装箱优化装货方法和系统、可读存储介质 |
CN118153664A (zh) * | 2024-05-10 | 2024-06-07 | 杭州彩连科技有限公司 | 一种启发式强化学习搜索树排版方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150138211A1 (en) | 2012-05-25 | 2015-05-21 | Weifeng Ren | Method and Device for Loading and Unloading Object Hierarchically in Three-Dimensional Virtual Reality Scene |
JP2015148926A (ja) | 2014-02-06 | 2015-08-20 | 富士通株式会社 | 情報処理装置、評価関数学習方法およびプログラム |
JP2016088630A (ja) | 2014-10-29 | 2016-05-23 | 三菱重工業株式会社 | バン詰め作業計画作成装置及びバン詰め作業計画作成方法 |
CN107977756A (zh) | 2017-12-21 | 2018-05-01 | 厦门大学嘉庚学院 | 解决三维装箱问题的三叉树规划计算方法 |
CN109685278A (zh) | 2018-12-28 | 2019-04-26 | 深圳蓝胖子机器人有限公司 | 装箱方法、设备和计算机可读存储介质 |
US20210133677A1 (en) | 2019-10-31 | 2021-05-06 | Walmart Apollo, Llc | Apparatus and methods for determining delivery routes and times based on generated machine learning models |
WO2021160445A1 (en) | 2020-02-10 | 2021-08-19 | A.P. Møller - Mærsk A/S | A method for assigning items into one or more containers and related electronic device |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6587466B1 (en) * | 1999-05-27 | 2003-07-01 | International Business Machines Corporation | Search tree for policy based packet classification in communication networks |
CN101515372B (zh) * | 2009-02-04 | 2011-12-07 | 北京石油化工学院 | 基于虚拟地质模型的可视化分析预测方法 |
CN114048926B (zh) * | 2021-12-09 | 2022-04-15 | 广东工业大学 | 一种基于多叉树搜索的多箱型三维装箱优化方法及系统 |
-
2021
- 2021-12-09 CN CN202111503424.6A patent/CN114048926B/zh active Active
-
2022
- 2022-04-14 JP JP2023503127A patent/JP7453722B2/ja active Active
- 2022-04-14 WO PCT/CN2022/086791 patent/WO2023103243A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150138211A1 (en) | 2012-05-25 | 2015-05-21 | Weifeng Ren | Method and Device for Loading and Unloading Object Hierarchically in Three-Dimensional Virtual Reality Scene |
JP2015148926A (ja) | 2014-02-06 | 2015-08-20 | 富士通株式会社 | 情報処理装置、評価関数学習方法およびプログラム |
JP2016088630A (ja) | 2014-10-29 | 2016-05-23 | 三菱重工業株式会社 | バン詰め作業計画作成装置及びバン詰め作業計画作成方法 |
CN107977756A (zh) | 2017-12-21 | 2018-05-01 | 厦门大学嘉庚学院 | 解决三维装箱问题的三叉树规划计算方法 |
CN109685278A (zh) | 2018-12-28 | 2019-04-26 | 深圳蓝胖子机器人有限公司 | 装箱方法、设备和计算机可读存储介质 |
US20210133677A1 (en) | 2019-10-31 | 2021-05-06 | Walmart Apollo, Llc | Apparatus and methods for determining delivery routes and times based on generated machine learning models |
WO2021160445A1 (en) | 2020-02-10 | 2021-08-19 | A.P. Møller - Mærsk A/S | A method for assigning items into one or more containers and related electronic device |
Also Published As
Publication number | Publication date |
---|---|
JP2024503959A (ja) | 2024-01-30 |
CN114048926A (zh) | 2022-02-15 |
WO2023103243A1 (zh) | 2023-06-15 |
CN114048926B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7453722B2 (ja) | 多分木探索に基づく多箱型3次元積載の最適化方法及びシステム | |
CN103870893B (zh) | 基于三维空间求解具有多重量约束装箱的优化方法 | |
CN105279629B (zh) | 一种优化的智能装箱系统 | |
CN104680237A (zh) | 一种多约束条件下三维装箱新型遗传算法模型 | |
Ellekilde et al. | Motion planning efficient trajectories for industrial bin-picking | |
CN109948991A (zh) | 一种智能装箱方法、设备及存储介质 | |
CN107977756B (zh) | 解决三维装箱问题的三叉树规划计算方法 | |
CN110443549A (zh) | 一种物流仓库中物品的装箱方案生成方法及系统 | |
CN103413183B (zh) | 用于异形容器装载物资的全局优化方案生成系统及方法 | |
US6980934B1 (en) | Method and systems for nesting objects | |
CN103473617A (zh) | 多种物资放入多规格货包的三维装载全局优化方法及系统 | |
CN111507644B (zh) | 一种多点卸货约束的三维多容器装载方法 | |
CN109685278A (zh) | 装箱方法、设备和计算机可读存储介质 | |
CN115329683B (zh) | 航空行李在线装载规划方法、装置、设备及介质 | |
CN112785045A (zh) | 一种运用混合模拟退火算法的堆垛最优配置空间方法 | |
CN102622467A (zh) | 包含多种构件的三维有限元网格自动剖分方法 | |
CN108171785B (zh) | 用于光线跟踪的sah-kd树设计方法 | |
EP1053084A1 (en) | Method and systems for nesting objects | |
Liu et al. | Research on palletizing and packing based on heuristic algorithm | |
Liang et al. | A customizable optimization model for green e-commerce packing considering multiple orders and diverse box types | |
CN110888904A (zh) | 起重机货物自动装载顺序的智能优化方法及系统 | |
Kucuk et al. | A new hybrid evolutionary algorithm for three-dimensional packing problems | |
Ma et al. | A greedy online 3D bin packing algorithm based on multi-indicator fusion | |
CN117236821B (zh) | 一种基于层次强化学习的在线三维装箱方法 | |
CN112232587B (zh) | 基于改进的Skyline算法的组合优化方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230116 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240201 |
|
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: 20240213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240301 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7453722 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |