JPWO2020110953A1 - 技術予測装置、方法、およびプログラム - Google Patents
技術予測装置、方法、およびプログラム Download PDFInfo
- Publication number
- JPWO2020110953A1 JPWO2020110953A1 JP2020557675A JP2020557675A JPWO2020110953A1 JP WO2020110953 A1 JPWO2020110953 A1 JP WO2020110953A1 JP 2020557675 A JP2020557675 A JP 2020557675A JP 2020557675 A JP2020557675 A JP 2020557675A JP WO2020110953 A1 JPWO2020110953 A1 JP WO2020110953A1
- Authority
- JP
- Japan
- Prior art keywords
- question
- answer
- control factor
- prediction
- acquisition unit
- 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.)
- Granted
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000003860 storage Methods 0.000 description 16
- 238000010801 machine learning Methods 0.000 description 15
- 239000000463 material Substances 0.000 description 13
- 239000000956 alloy Substances 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 229910000838 Al alloy Inorganic materials 0.000 description 10
- 239000000203 mixture Substances 0.000 description 8
- 238000005266 casting Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 238000001125 extrusion Methods 0.000 description 4
- 238000005242 forging Methods 0.000 description 4
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 229910052797 bismuth Inorganic materials 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 229910052745 lead Inorganic materials 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005496 tempering Methods 0.000 description 1
- 229910052718 tin Inorganic materials 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
- 229910052726 zirconium Inorganic materials 0.000 description 1
Images
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
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
エキスパートが言語化や数値化することが難しい技術を予測再現する。本発明の一実施形態に係る技術予測装置は、製造の工程における制御因子、および、前記制御因子の変数を含む問題を自動で作成して出題する出題部と、前記問題の回答であって、前記工程の可否を示す回答を取得する回答取得部と、質問を取得する質問取得部と、前記問題と前記回答との対応関係に基づいて、前記質問取得部が取得した質問に対応する回答を予測して出力する予測出力部と、を有する。
Description
本願は、日本特許庁に２０１８年１１月２８日に出願された基礎出願２０１８-２２１９８２号の優先権を主張するものであり、その全内容を参照によりここに援用する。
本発明は、技術予測装置、方法、およびプログラムに関する。
従来、材料開発、製造プロセス開発、プラント運転といった製造の過程において、技術者の経験をもとに材料設計、製造プロセス設計、運転条件設定などが行われる場合が多くある。特に、各分野に長年携わり非常に習熟度の高い技術者（以下、エキスパートともいう）は、その分野で欠かせない人材になっている。
このようなエキスパートたちの技術を後進に継承させるための方法やシステムが検討されている（特許文献１、２、３）。
しかしながら、エキスパートが習熟した技術が当人にとっても言語化や数値化することが難しい勘のようなものである場合には、エキスパートは、それらの技術を他人へどのように表現して伝達すべきか分からない。そのため、エキスパートが言語化や数値化することが難しい技術は、継承させるにあたって再現されることが困難であった。
そこで、本発明は、エキスパートが言語化や数値化することが難しい技術を予測して再現することを目的とする。
本発明は、以下の示す構成を備える。
［１］製造の工程における制御因子、および、前記制御因子の変数を含む問題を自動で作成して出題する出題部と、
前記問題の回答であって、前記工程の可否を示す回答を取得する回答取得部と、
質問を取得する質問取得部と、
前記問題と前記回答との対応関係に基づいて、前記質問取得部が取得した質問に対応する回答を予測して出力する予測出力部と
を有する技術予測装置。
［２］前記出題部は、前記制御因子の変数の値を決定する、［１］に記載の技術予測装置。
［３］前記問題と前記回答との前記対応関係は、前記出題部が出題した問題と前記回答取得部が取得した回答とを教師データとして機械学習した学習済みモデルである、［１］または［２］に記載の技術予測装置。
［４］前記予測出力部は、予測した複数の回答に基づいて製造可否の予測を出力する、［１］から［３］のいずれか一項に記載の技術予測装置。
［５］前記予測出力部は、前記制御因子の変数を変更すれば実施が可能になるという回答の場合、予測した、実施が可能になる変数が表示されるようにする、［１］から［４］のいずれか一項に記載の技術予測装置。
［６］コンピュータによって実行される方法であって、
製造の工程における制御因子、および、前記制御因子の変数を含む問題を自動で作成して出題するステップと、
前記問題の回答であって、前記工程の可否を示す回答を取得するステップと、
質問を取得するステップと、
前記問題と前記回答との対応関係に基づいて、前記取得した質問に対応する回答を予測して出力するステップと
を含む方法。
［７］コンピュータを
製造の工程における制御因子、および、前記制御因子の変数を含む問題を自動で作成して出題する出題部と、
前記問題の回答であって、前記工程の可否を示す回答を取得する回答取得部と、
質問を取得する質問取得部と、
前記問題と前記回答との対応関係に基づいて、前記質問取得部が取得した質問に対応する回答を予測して出力する予測出力部と
して機能させるためのプログラム。
［１］製造の工程における制御因子、および、前記制御因子の変数を含む問題を自動で作成して出題する出題部と、
前記問題の回答であって、前記工程の可否を示す回答を取得する回答取得部と、
質問を取得する質問取得部と、
前記問題と前記回答との対応関係に基づいて、前記質問取得部が取得した質問に対応する回答を予測して出力する予測出力部と
を有する技術予測装置。
［２］前記出題部は、前記制御因子の変数の値を決定する、［１］に記載の技術予測装置。
［３］前記問題と前記回答との前記対応関係は、前記出題部が出題した問題と前記回答取得部が取得した回答とを教師データとして機械学習した学習済みモデルである、［１］または［２］に記載の技術予測装置。
［４］前記予測出力部は、予測した複数の回答に基づいて製造可否の予測を出力する、［１］から［３］のいずれか一項に記載の技術予測装置。
［５］前記予測出力部は、前記制御因子の変数を変更すれば実施が可能になるという回答の場合、予測した、実施が可能になる変数が表示されるようにする、［１］から［４］のいずれか一項に記載の技術予測装置。
［６］コンピュータによって実行される方法であって、
製造の工程における制御因子、および、前記制御因子の変数を含む問題を自動で作成して出題するステップと、
前記問題の回答であって、前記工程の可否を示す回答を取得するステップと、
質問を取得するステップと、
前記問題と前記回答との対応関係に基づいて、前記取得した質問に対応する回答を予測して出力するステップと
を含む方法。
［７］コンピュータを
製造の工程における制御因子、および、前記制御因子の変数を含む問題を自動で作成して出題する出題部と、
前記問題の回答であって、前記工程の可否を示す回答を取得する回答取得部と、
質問を取得する質問取得部と、
前記問題と前記回答との対応関係に基づいて、前記質問取得部が取得した質問に対応する回答を予測して出力する予測出力部と
して機能させるためのプログラム。
本発明では、エキスパートが言語化や数値化することが難しい技術を予測して再現することができる。
以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。
なお、本明細書では、材料および製造プロセスがどのような設計（つまり、条件）のときに製造の各工程が実施可能か否かについての技術を予測再現する場合を、合金材料の製造を一例として説明するが、本発明は、合金材料の製造に限らず製造の全工程におけるさまざまな技術に適用することができる。
図１は、本発明の一実施形態に係る技術予測装置１０１を含む全体のシステム構成を示す図である。技術予測システム１００は、技術予測装置１０１、エキスパート端末１０２、初心者端末１０３を含むことができる。技術予測装置１０１は、任意のネットワーク１０４を介してエキスパート端末１０２とデータを送受信することができる。また、技術予測装置１０１は、任意のネットワーク１０４を介して初心者端末１０３とデータを送受信することができる。以下、それぞれについて図２を参照しながら説明する。
図２は、本発明の一実施形態に係る技術予測システム１００のシーケンス図である。図２に示されるように、技術予測装置１０１は、エキスパート端末１０２に問題を自動で作成して出題し（Ｓ２０１）、エキスパート端末１０２からその問題に対する回答を取得する（Ｓ２０２）ための装置である。また、技術予測装置１０１は、エキスパート端末１０２に出題した問題とエキスパート端末１０２から取得した回答とに基づいて機械学習を行って、初心者端末１０３からの質問に対する回答を予測するために用いる学習済みモデルを生成することができる（Ｓ２０３）。また、技術予測装置１０１は、初心者端末１０３から質問を取得して（Ｓ２０４）、初心者端末１０３にその質問に対する回答を予測して出力する（Ｓ２０５）ための装置である。後段で、図３および図４を参照しながら、技術予測装置１０１について詳細に説明する。
エキスパート端末１０２は、技術予測装置１０１が出題した問題に対する回答を入力する者が利用する端末である。具体的には、エキスパート端末１０２は、問題のデータを技術予測装置１０１から受信してエキスパート端末１０２上またはエキスパート端末１０２に接続された表示装置（図示せず）上に表示することができる（Ｓ２０１）。エキスパート端末１０２は、エキスパート端末１０２に入力された、技術予測装置１０１が出題した問題に対する回答のデータを、技術予測装置１０１へ送信することができる（Ｓ２０２）。エキスパートは、自身の経験、技術、ノウハウなどに基づいて、技術予測装置１０１からの問題に回答することができる。エキスパート端末１０２は、例えば、パーソナルコンピュータなどのコンピュータである。
初心者端末１０３は、技術予測装置１０１に対して質問を行いたい者が利用する端末である。具体的には、初心者端末１０３は、初心者端末１０３に入力された質問のデータを、技術予測装置１０１へ送信することができる（Ｓ２０４）。また、初心者端末１０３は、技術予測装置１０１が予測した回答のデータを、技術予測装置１０１から受信することができる（Ｓ２０５）。質問に対する回答は、エキスパートへの問題とエキスパートからの回答とに基づいて予測再現されている。そのため、初心者は、技術予測装置１０１に対して質問を行うことによって、エキスパートが予測したかのような回答を得ることができる。初心者端末１０３は、例えば、パーソナルコンピュータなどのコンピュータである。
なお、本明細書では、エキスパート端末１０２と初心者端末１０３とを別々のコンピュータとして説明するが、エキスパート端末１０２と初心者端末１０３とを１つのコンピュータで実装するようにしてもよい。また、技術予測装置１０１がエキスパート端末１０２の一部または全部の機能を有するようにすることができる。また、技術予測装置１０１が初心者端末１０３の一部または全部の機能を有するようにすることができる。
＜技術予測装置１０１のハードウェア構成＞
図３は、本発明の一実施形態に係る技術予測装置１０１のハードウェア構成を示す図である。技術予測装置１０１は、ＣＰＵ（Central Processing Unit）３０１、ＲＯＭ（Read Only Memory）３０２、ＲＡＭ（Random Access Memory）３０３を有する。ＣＰＵ３０１、ＲＯＭ３０２、ＲＡＭ３０３は、いわゆるコンピュータを形成する。
図３は、本発明の一実施形態に係る技術予測装置１０１のハードウェア構成を示す図である。技術予測装置１０１は、ＣＰＵ（Central Processing Unit）３０１、ＲＯＭ（Read Only Memory）３０２、ＲＡＭ（Random Access Memory）３０３を有する。ＣＰＵ３０１、ＲＯＭ３０２、ＲＡＭ３０３は、いわゆるコンピュータを形成する。
また、技術予測装置１０１は、補助記憶装置３０４、表示装置３０５、操作装置３０６、Ｉ／Ｆ（Interface）装置３０７、ドライブ装置３０８を有する。なお、技術予測装置１０１の各ハードウェアは、バス３０９を介して相互に接続されている。
ＣＰＵ３０１は、補助記憶装置３０４にインストールされている各種プログラムを実行する演算デバイスである。
ＲＯＭ３０２は、不揮発性メモリである。ＲＯＭ３０２は、補助記憶装置３０４にインストールされている各種プログラムをＣＰＵ３０１が実行するために必要な各種プログラム、データ等を格納する主記憶デバイスとして機能する。具体的には、ＲＯＭ３０２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する、主記憶デバイスとして機能する。
ＲＡＭ３０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ３０３は、補助記憶装置３０４にインストールされている各種プログラムがＣＰＵ３０１によって実行される際に展開される作業領域を提供する、主記憶デバイスとして機能する。
補助記憶装置３０４は、各種プログラムや、各種プログラムが実行される際に用いられる情報を格納する補助記憶デバイスである。
表示装置３０５は、技術予測装置１０１の内部状態等を表示する表示デバイスである。
操作装置３０６は、技術予測装置１０１の管理者が技術予測装置１０１に対して各種指示を入力する入力デバイスである。
Ｉ／Ｆ装置３０７は、ネットワーク１０４に接続し、エキスパート端末１０２、初心者端末１０３と通信を行うための通信デバイスである。
ドライブ装置３０８は記憶媒体３１０をセットするためのデバイスである。ここでいう記憶媒体３１０には、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記憶媒体３１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。
なお、補助記憶装置３０４にインストールされる各種プログラムは、例えば、配布された記憶媒体３１０がドライブ装置３０８にセットされ、該記憶媒体３１０に記録された各種プログラムがドライブ装置３０８により読み出されることでインストールされる。あるいは、補助記憶装置３０４にインストールされる各種プログラムは、Ｉ／Ｆ装置３０７を介して、ネットワーク１０４とは異なる他のネットワークよりダウンロードされることでインストールされてもよい。
＜技術予測装置１０１の機能ブロック＞
図４は、本発明の一実施形態に係る技術予測装置１０１の機能ブロックを示す図である。技術予測装置１０１は、出題部４１１および回答取得部４１２を含むデータ収集部４１０、問題・回答データベース（ＤＢ）４２０、問題と回答との対応関係４００、質問取得部４５１および予測出力部４５２を含む予測部４５０を含む。問題と回答との対応関係４００は、機械学習部４３０および学習済みモデル４４０で構成されてもよい。また、技術予測装置１０１は、問題と回答との対応関係４００が機械学習部４３０および学習済みモデル４４０で構成される場合には、プログラムを実行することで、データ収集部４１０、機械学習部４３０、予測部４５０として機能することができる。以下、それぞれについて説明する。
図４は、本発明の一実施形態に係る技術予測装置１０１の機能ブロックを示す図である。技術予測装置１０１は、出題部４１１および回答取得部４１２を含むデータ収集部４１０、問題・回答データベース（ＤＢ）４２０、問題と回答との対応関係４００、質問取得部４５１および予測出力部４５２を含む予測部４５０を含む。問題と回答との対応関係４００は、機械学習部４３０および学習済みモデル４４０で構成されてもよい。また、技術予測装置１０１は、問題と回答との対応関係４００が機械学習部４３０および学習済みモデル４４０で構成される場合には、プログラムを実行することで、データ収集部４１０、機械学習部４３０、予測部４５０として機能することができる。以下、それぞれについて説明する。
出題部４１１は、自動で問題を作成して、エキスパート端末１０２に問題を出題することができる。作成される問題は、製造の工程における制御因子、および、その制御因子の変数を含む。１つの問題に、１または複数の制御因子が含まれる。
ここで、"制御因子"と"変数"について説明する。"制御因子"とは、問題の回答に影響を与える要素である。例えば、問題が工程の実施の可否を問うものであれば、制御因子は、その工程が実施可能か否かに影響を与える要素である。制御因子は、"変数"で表される。変数は、制御因子の可変性を表現できるものであればよく、数値に限られない。このように、問題の回答は、制御因子の変数に依拠している。
アルミニウム合金の製造を例とした場合、例えば、制御因子は、アルミニウム合金材料の組成である。アルミニウム合金材料の組成を制御因子とする場合には、制御因子の変数は、各成分（例えばSi, Fe, Cu, Mn, Mg, Cr, Ni, Zn, Ti, Na, V, Pb, Sn, B, Bi, Zr, Oなどの元素種）の質量百分率（質量％）とすることができる。この場合、アルミニウムの質量百分率（質量％）は、１００−（上記元素の質量百分率の和）によって表される。また、制御因子は、アルミニウム合金材料の製造条件であってもよい。この場合、アルミニウム合金材料の製造条件は、例えば、鋳造における冷却速度、調質（製造における処理のパターン）、各処理（焼きなまし、溶体化処理、人工時効硬化処理、自然時効処理、熱間加工処理、冷間加工処理、安定化処理）の温度および保持時間、加工条件（加工率、押比、減面率、製品形状など）である。
出題部４１１の説明に戻る。出題部４１１は、人の手を介さず問題を自動で作成することができる。出題部４１１が問題を自動で作成する手段は問わない。
出題部４１１は、任意の端末からの指示に基づいて、問題の制御因子を決定することができる。出題部４１１は、決定された制御因子の変数の値を決定することができる。例えば、出題部４１１は、無作為に（ランダムに）変数の値を決定することができる。また、例えば、出題部４１１は、任意のデータベース（例えば、さまざまな素材のさまざまな元素組成が登録されたデータベース）に登録されている値を、変数の値として決定することができる。また、例えば、出題部４１１は、任意の端末からの指示に基づく所定の範囲内で、変数の値を決定することができる。出題部４１１は、作成した１または複数の問題のデータを、エキスパート端末１０２へ送信することができる。また、出題部４１１は、問題のデータを回答取得部４１２が参照できるようにメモリに記憶することができる。
制御因子の変数が数値である場合には、制御因子の変数としては、乱数を用いる、データベースに基づく値を用いる、もしくは、所定の数値範囲において、乱数や一定間隔に取得する数値を用いる等の方法によって用意された数値を用いることができる。制御因子の変数が数値以外である場合には、例えば、前述した製品形状である場合には、カタログやデータベースに収録されている形状を用いる、基準となる形状から点、辺、面等の要素を所定の条件で少しずつ変化させた形状を用いる等の方法で用意された形状を用いることができる。
回答取得部４１２は、出題部４１１が出題した問題に対する回答を取得することができる。具体的には、回答取得部４１２は、エキスパート端末１０２に入力された、出題部４１１が出題した問題に対する回答のデータを、エキスパート端末１０２から受信することができる。回答取得部４１２は、出題部４１１が出題した問題のデータと、回答取得部４１２が取得したその問題の回答のデータとの組を問題・回答ＤＢ４２０に記憶することができる。
問題・回答ＤＢ４２０には、出題部４１１が出題した問題のデータと、回答取得部４１２が取得したその問題の回答のデータとの組が記憶されている。図５を参照しながら、問題・回答ＤＢ４２０について詳細に説明する。
図５は、本発明の一実施形態に係る問題・回答ＤＢ４２０に記憶されているデータの一例を示す図である。図５に示されるように、問題・回答ＤＢ４２０には、「問題」ごとに、「制御因子」、「変数」、「回答」のデータが記憶されている。
「問題」は、出題部４１１が出題した問題である。問題は、例えば、「第１の工程の実施が可能であるか否か？」、「第２の工程の実施が可能であるか否か？」、・・・、「第ｎの工程の実施が可能であるか否か？」である。各工程は、例えば、鋳造、鍛造、押出、圧延などである。
「制御因子」は、その問題に含まれている、回答に影響を与える要素である。制御因子は、例えば、材料の条件である。また、制御因子は、例えば、製造プロセスの条件（つまり、工程が実施されるときの条件）である。例えば、問題がアルミニウム合金材料の鋳造の実施の可否を問うものであれば、制御因子は、元素組成、ビレット径、溶湯温度、鋳造速度、冷却速度などである。また、例えば、問題がアルミニウム合金材料の鍛造の実施の可否を問うものであれば、制御因子は、元素組成、製品形状、型温度、材料温度などである。また、例えば、問題がアルミニウム合金材料の押出の実施の可否を問うものであれば、制御因子は、アルミニウム合金材料の元素組成、ビレット径、製品形状、ビレット温度、押出速度、押出圧力などである。また、問題がアルミニウム合金材料の圧延の実施の可否を問うものであれば、制御因子は、元素組成、加工温度、圧延比などである。
「変数」は、その問題に含まれている制御因子の変数の値である。上述のとおり、変数は、数値でもよいし、あるいは、数値以外の、制御因子の可変性を表現できるもの（例えば、製品形状）でもよい。
「回答」は、回答取得部４１２が取得した回答である。回答は、例えば、工程の実施の可否（例えば、実施が可能、実施が不可能）である。なお、回答は、可能である確率や不可能である確率などの、その回答である確率も含むことができる。
なお、各問題は、その問題に応じた制御因子を有することができる。すなわち、各問題は、互いに異なる制御因子を有することもある。図５の例であれば、問題１および問題２（鋳造可否）は、制御因子３（溶湯温度）を有するが、制御因子４（型温度）を有さない。一方、問題３（鍛造可否）は、制御因子３（溶湯温度）を有さないが、制御因子４（型温度）を有する。また、問題１〜３ともに制御因子１、２（材料）を有しているように、各問題は、互いに同じ制御因子を有することもある。
図４に戻る。問題と回答との対応関係４００が機械学習部４３０および学習済みモデル４４０で構成される場合、機械学習部４３０は、問題・回答ＤＢ４２０に記憶されたデータに基づいて機械学習を行って、初心者端末１０３からの質問に対する回答を予測するために用いる学習済みモデル４４０を生成することができる。具体的には、機械学習部４３０は、入力データが"出題部４１１が出題した問題"であり、出力データが"回答取得部４１２が取得したその問題の回答"である教師データを用いて機械学習を行い、学習済みモデル４４０を生成することができる。
学習済みモデル４４０は、機械学習部４３０が機械学習を行って生成した"問題と、その問題の回答との対応関係"である。出題部４１１が、問題をたくさん自動で作成し、エキスパート端末１０２へ出題して回答を得ることで、当業者が数問の出題をしたくらいでは得られないレベルの対応関係を構築することができる。
なお、技術予測装置１０１は、機械学習ではなく、ルールベース（つまり、人間が出題部４１１が出題した問題のデータと、回答取得部４１２が取得したその問題の回答のデータとの組に基づいて指定した"問題と、その問題の回答との対応関係"）を用いることもできる。つまり、技術予測装置１０１は、機械学習によって生成された学習済みモデル４４０に基づいて回答を予測することもできるし、あるいは、ルールベースに基づいて回答を予測することもできる。
人がデータを俯瞰したり、データの統計処理を行ったりしてルールを見出そうとしても、ルールが複雑すぎて見いだせないことも考えられ、機械学習した学習済みモデルを用いる方が好ましい。
質問取得部４５１は、質問を取得することができる。具体的には、質問取得部４５１は、初心者端末１０３に入力された質問のデータを、初心者端末１０３から受信することができる。また、質問取得部４５１は、質問のデータを予測出力部４５２が参照できるようにメモリに記憶することができる。
予測出力部４５２は、質問取得部４５１が取得した質問に対する回答を予測して出力することができる。具体的には、予測出力部４５２は、質問取得部４５１が取得した質問と、"問題と、その問題の回答との対応関係"とに基づいて、回答を予測することができる。例えば、予測出力部４５２は、質問取得部４５１が取得した質問が学習済みモデル４４０に入力されたときの出力データを、予測された回答とすることができる。また、例えば、予測出力部４５２は、ルールベース（つまり、人間が指定した "問題と、その問題の回答との対応関係"）に基づく回答を、予測された回答とすることができる。予測出力部４５２は、予測した回答のデータを、初心者端末１０３へ送信することができる。
なお、予測出力部４５２は、複数の回答に基づいて、総合的な回答を予測して出力することもできる。例えば、質問取得部４５１が取得した質問が、特定の材料の条件および特定の製造プロセスの条件における製造の可否（つまり、全工程の実施の可否）を問うものであったとする。そうすると、予測出力部４５２は、その材料の条件およびその製造プロセスの条件における各工程の実施の可否（つまり、第１の工程の実施の可否、第２の工程の実施の可否、・・・、第ｎの工程の実施の可否）の回答を予測する。そして、予測出力部４５２は、予測したすべての回答に基づいて、総合的な回答（つまり、製造の可否の回答）を予測することができる。この例では、全工程の実施が可能であれば製造が可能であり、少なくとも１つの工程の実施が不可能であれば製造が不可能である。なお、総合的な回答は、それぞれの工程の回答の確率（例えば、第１の工程の実施が可能である確率、第２の工程の実施が可能である確率、・・・、第ｎの工程の実施が可能である確率）に基づいて算出された、総合的な回答である確率（例えば、製造が可能である確率）も含むことができる。図６を参照しながら、製造可否の予測例について説明する。
図６は、本発明の一実施形態に係る製造可否の予測例６００を示す図である。図６に示されるように、特定の材料の条件（Ｓｉが○○％であり、Ｃｕが△△％である）および特定の製造プロセスの条件（溶湯温度が○○○℃であり、型温度が×××である）の場合に、鋳造は可能であるが鍛造は不可能であったとする。この場合、予測出力部４５２は、特定の材料の条件（Ｓｉが○○％であり、Ｃｕが△△％である）および特定の製造プロセスの条件（溶湯温度が○○○℃であり、型温度が×××である）における製造可否を問われたときに、製造不可能であるという総合的な回答を予測して出力することができる。
図７は、本発明の一実施形態に係るデータ収集処理の流れを示すフローチャートである。
・ステップ７０１（Ｓ７０１）で、出題部４１１は、制御因子および変数を有する問題を自動で作成して、エキスパート端末１０２に出題することができる。
・ステップ７０２（Ｓ７０２）で、回答取得部４１２は、Ｓ７０１で出題した問題に対する回答を、エキスパート端末１０２から取得することができる。
・ステップ７０３（Ｓ７０３）で、回答取得部４１２は、Ｓ７０１で出題した問題のデータと、Ｓ７０２で取得した回答のデータとの組を記憶することができる。
・ステップ７０１（Ｓ７０１）で、出題部４１１は、制御因子および変数を有する問題を自動で作成して、エキスパート端末１０２に出題することができる。
・ステップ７０２（Ｓ７０２）で、回答取得部４１２は、Ｓ７０１で出題した問題に対する回答を、エキスパート端末１０２から取得することができる。
・ステップ７０３（Ｓ７０３）で、回答取得部４１２は、Ｓ７０１で出題した問題のデータと、Ｓ７０２で取得した回答のデータとの組を記憶することができる。
図８は、本発明の一実施形態に係る予測処理の流れを示すフローチャートである。
・ステップ８０１（Ｓ８０１）で、質問取得部４５１は、質問を初心者端末１０３から取得することができる。
・ステップ８０２（Ｓ８０２）で、予測出力部４５２は、Ｓ８０１で取得した質問に対する各工程の回答（例えば、第１の工程の回答、第２の工程の回答、・・・、第ｎの工程の回答）を予測することができる。
・ステップ８０３（Ｓ８０３）で、予測出力部４５２は、Ｓ８０２で予測したすべての工程の回答に基づいて、総合的な回答（例えば、製造の可否の回答）を予測することができる。
・ステップ８０４（Ｓ８０４）で、予測出力部４５２は、Ｓ８０３で予測した総合的な回答（例えば、製造の可否の回答）のデータを初心者端末１０３へ送信することができる。
・ステップ８０１（Ｓ８０１）で、質問取得部４５１は、質問を初心者端末１０３から取得することができる。
・ステップ８０２（Ｓ８０２）で、予測出力部４５２は、Ｓ８０１で取得した質問に対する各工程の回答（例えば、第１の工程の回答、第２の工程の回答、・・・、第ｎの工程の回答）を予測することができる。
・ステップ８０３（Ｓ８０３）で、予測出力部４５２は、Ｓ８０２で予測したすべての工程の回答に基づいて、総合的な回答（例えば、製造の可否の回答）を予測することができる。
・ステップ８０４（Ｓ８０４）で、予測出力部４５２は、Ｓ８０３で予測した総合的な回答（例えば、製造の可否の回答）のデータを初心者端末１０３へ送信することができる。
図９は、本発明の一実施形態に係るエキスパート端末１０２に表示される画面の一例である。エキスパートは、画面に表示された問題（つまり、制御因子および変数）を見て、回答（つまり、実施の可否）を入力することができる。
問題（つまり、制御因子および変数）として、図９に示されるように、材料の条件（図９の例では、各元素の添加量）が表示されうる。なお、問題（つまり、制御因子および変数）として、製造プロセスの条件（例えば、予め定められた標準的な条件）も表示されるようにしてもよい。
エキスパートは、図９に示されるような、複数の選択肢（図９の例では、二重丸、丸、三角、バツ印）から回答を選択することができる。上述したように、回答取得部４１２が取得する回答は、工程の実施が可能である確率や不可能である確率などの、その回答である確率も含むことができる。例えば、図９に示されるように、回答の選択肢として、"実施が可能（図９の二重丸）"および"実施が不可能（図９のバツ印）"の他に、実施の可否が可能と不可能との中間であるという回答（例えば、"実施が可能である可能性が高い（図９の丸）"と"実施が不可能である可能性が高い（図９の三角）"）も用いることができる。
なお、エキスパートは、実施の可否が可能と不可能との中間であるという回答を選択する際に、制御因子の変数（図９の例では、製造プロセスの条件（鋳造条件））を変更すれば実施が可能になると判断した場合に、実施が可能になる変数を指定する（例えば、標準的な条件からの変更を指定する）ことができるようにしてもよい。この場合、機械学習部４３０は、エキスパート端末１０２に出題した問題とエキスパート端末１０２から取得した回答（エキスパートから指定された、実施が可能になる変数を含む）とに基づいて機械学習を行って、初心者端末１０３からの質問に対する回答を予測するために用いる学習済みモデルを生成することができる。
図１０は、本発明の一実施形態に係る初心者端末１０３に表示される画面の一例である。初心者は、画面に問題（つまり、制御因子および変数）を入力して、予測された回答（つまり、実施の可否）を見ることができる。
初心者は、問題（つまり、制御因子および変数）として、材料の条件（図１０の例では、各元素の添加量）を入力することができる。なお、問題（つまり、制御因子および変数）として、製造プロセスの条件（例えば、予め定められた標準的な条件）が予め入力されているようにしてもよい。
問題が入力されると、回答（つまり、実施の可否）として、図１０に示されるように、予測された回答およびそれぞれの回答である確率が表示されうる。制御因子の変数（図１０の例では、製造プロセスの条件（鋳造条件））を変更すれば実施が可能になるという回答の場合、予測された、実施が可能になる変数（例えば、標準的な条件からの変更）が表示されるようにしてもよい。
このように、本発明の一実施形態では、エキスパートは、技術予測装置１０１からの問題に回答するだけで、自身の技術を後進にあたかも継承するかのように再現して伝達することができる。また、初心者は、技術予測装置１０１に質問を行うことによって、エキスパートが予測したかのように再現された回答を得ることができる。別の見方をすると、何も手を打たないとそのまま失われてしまうエキスパートの習熟した技術（勘等の暗黙知）を、本発明の技術予測装置１０１を用いることにより引き出して、後進は共有することができる。
なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせ等、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。
１００ 技術予測システム
１０１ 技術予測装置
１０２ エキスパート端末
１０３ 初心者端末
１０４ ネットワーク
４００ 問題と回答との対応関係
４１０ データ収集部
４１１ 出題部
４１２ 回答取得部
４２０ 問題・回答ＤＢ
４３０ 機械学習部
４４０ 学習済みモデル
４５０ 予測部
４５１ 質問取得部
４５２ 予測出力部
６００ 製造可否の予測例
１０１ 技術予測装置
１０２ エキスパート端末
１０３ 初心者端末
１０４ ネットワーク
４００ 問題と回答との対応関係
４１０ データ収集部
４１１ 出題部
４１２ 回答取得部
４２０ 問題・回答ＤＢ
４３０ 機械学習部
４４０ 学習済みモデル
４５０ 予測部
４５１ 質問取得部
４５２ 予測出力部
６００ 製造可否の予測例
Claims (7)
- 製造の工程における制御因子、および、前記制御因子の変数を含む問題を自動で作成して出題する出題部と、
前記問題の回答であって、前記工程の可否を示す回答を取得する回答取得部と、
質問を取得する質問取得部と、
前記問題と前記回答との対応関係に基づいて、前記質問取得部が取得した質問に対応する回答を予測して出力する予測出力部と
を有する技術予測装置。 - 前記出題部は、前記制御因子の変数の値を決定する、請求項１に記載の技術予測装置。
- 前記問題と前記回答との前記対応関係は、前記出題部が出題した問題と前記回答取得部が取得した回答とを教師データとして機械学習した学習済みモデルである、請求項１または２に記載の技術予測装置。
- 前記予測出力部は、予測した複数の回答に基づいて製造可否の予測を出力する、請求項１から３のいずれか一項に記載の技術予測装置。
- 前記予測出力部は、前記制御因子の変数を変更すれば実施が可能になるという回答の場合、予測した、実施が可能になる変数が表示されるようにする、請求項１から４のいずれか一項に記載の技術予測装置。
- コンピュータによって実行される方法であって、
製造の工程における制御因子、および、前記制御因子の変数を含む問題を自動で作成して出題するステップと、
前記問題の回答であって、前記工程の可否を示す回答を取得するステップと、
質問を取得するステップと、
前記問題と前記回答との対応関係に基づいて、前記取得した質問に対応する回答を予測して出力するステップと
を含む方法。 - コンピュータを
製造の工程における制御因子、および、前記制御因子の変数を含む問題を自動で作成して出題する出題部と、
前記問題の回答であって、前記工程の可否を示す回答を取得する回答取得部と、
質問を取得する質問取得部と、
前記問題と前記回答との対応関係に基づいて、前記質問取得部が取得した質問に対応する回答を予測して出力する予測出力部と
して機能させるためのプログラム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018221982 | 2018-11-28 | ||
| JP2018221982 | 2018-11-28 | ||
| PCT/JP2019/045832 WO2020110953A1 (ja) | 2018-11-28 | 2019-11-22 | 技術予測装置、方法、およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6915173B2 JP6915173B2 (ja) | 2021-08-04 |
| JPWO2020110953A1 true JPWO2020110953A1 (ja) | 2021-09-02 |
Family
ID=70853726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020557675A Active JP6915173B2 (ja) | 2018-11-28 | 2019-11-22 | 技術予測装置、方法、およびプログラム |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220019906A1 (ja) |
| EP (1) | EP3889878A4 (ja) |
| JP (1) | JP6915173B2 (ja) |
| CN (1) | CN113168655A (ja) |
| WO (1) | WO2020110953A1 (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2786218B2 (ja) * | 1988-06-17 | 1998-08-13 | 株式会社日立製作所 | 知識情報生成システム |
| JP2004334841A (ja) * | 2003-04-14 | 2004-11-25 | Fuji Xerox Co Ltd | 経験知識情報処理装置 |
| JP2017037588A (ja) * | 2015-08-14 | 2017-02-16 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2606952B2 (ja) * | 1990-06-20 | 1997-05-07 | 新日本製鐵株式会社 | 鉄鋼製品の製造可否判定装置 |
| JP4727835B2 (ja) | 2001-04-03 | 2011-07-20 | 株式会社アマダ | 加工不可情報教示方法及びそのシステム |
| JP2004277835A (ja) * | 2003-03-17 | 2004-10-07 | Jfe Steel Kk | 鋼材の製品受注支援システム |
| JP2004287577A (ja) * | 2003-03-19 | 2004-10-14 | Toyota Motor Corp | 工程設計支援装置 |
| CN101361085B (zh) * | 2006-01-13 | 2012-07-04 | 杰富意钢铁株式会社 | 预测公式生成装置及预测公式生成方法 |
| FR2904713B1 (fr) * | 2006-08-02 | 2008-10-17 | Airbus France Sas | Procede et dispositifs d'aide a la determination de la faisabilite d'un ensemble electronique |
| JP5292182B2 (ja) | 2009-05-26 | 2013-09-18 | 株式会社日立製作所 | 水処理設備管理システム |
| JP2012118830A (ja) | 2010-12-02 | 2012-06-21 | Hitachi Ltd | 技術継承支援方法および技術継承支援システム |
| WO2016051338A1 (en) * | 2014-04-04 | 2016-04-07 | Tata Consultancy Services Limited | Model driven knowledge engineering framework for computational engineering |
-
2019
- 2019-11-22 WO PCT/JP2019/045832 patent/WO2020110953A1/ja unknown
- 2019-11-22 JP JP2020557675A patent/JP6915173B2/ja active Active
- 2019-11-22 US US17/292,493 patent/US20220019906A1/en active Pending
- 2019-11-22 CN CN201980076939.7A patent/CN113168655A/zh active Pending
- 2019-11-22 EP EP19889698.7A patent/EP3889878A4/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2786218B2 (ja) * | 1988-06-17 | 1998-08-13 | 株式会社日立製作所 | 知識情報生成システム |
| JP2004334841A (ja) * | 2003-04-14 | 2004-11-25 | Fuji Xerox Co Ltd | 経験知識情報処理装置 |
| JP2017037588A (ja) * | 2015-08-14 | 2017-02-16 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3889878A1 (en) | 2021-10-06 |
| WO2020110953A1 (ja) | 2020-06-04 |
| JP6915173B2 (ja) | 2021-08-04 |
| CN113168655A (zh) | 2021-07-23 |
| US20220019906A1 (en) | 2022-01-20 |
| EP3889878A4 (en) | 2022-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Agrawal et al. | What to expect from artificial intelligence | |
| JP6912677B2 (ja) | 材料探索装置、方法、およびプログラム | |
| CA2838119A1 (en) | System and method for selecting predictors for a student risk model | |
| JP2019128904A (ja) | 予測システム、シミュレーションシステム、方法およびプログラム | |
| Suswanta et al. | Analysis of the Consistency Policy Indonesia's Capital Relocation in the Pandemic Era | |
| JP3668642B2 (ja) | データ予測方法、データ予測装置及び記録媒体 | |
| JP6915173B2 (ja) | 技術予測装置、方法、およびプログラム | |
| JP2017003673A (ja) | 学習支援置 | |
| JP2019164738A (ja) | 予測装置、予測方法、予測プログラム、生成装置、生成方法及び生成プログラム | |
| CN116956049A (zh) | 工业产能预测模型的训练方法、装置、设备及存储介质 | |
| Rhoades et al. | A systems thinking approach to ranching: finding leverage to mitigate drought | |
| TW201816706A (zh) | 具個人化學習路徑自動產生機制之學習規劃方法與學習規劃系統 | |
| WO2019167656A1 (ja) | 予測システム、予測方法、およびプログラム | |
| Kerssens et al. | Transgressing local, national, global spheres: the blackboxed dynamics of platformization and infrastructuralization of primary education | |
| CN114328460A (zh) | 一种智能生成套题的方法、装置、计算机可读存储介质和电子设备 | |
| CN114118275A (zh) | 联合学习训练方法及装置 | |
| Thorwart et al. | Inhibited elements model—implementation of an associative learning theory | |
| JP6938259B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
| JP2022035737A (ja) | 制御システム、制御方法、制御装置及びプログラム | |
| TWI655604B (zh) | 學習規劃方法與學習規劃系統 | |
| WO2023203601A1 (ja) | 時期算出装置、時期算出方法、及びプログラム | |
| Walek et al. | Evaluating suitable job applicants using expert system | |
| JP7394518B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
| CN111340444B (zh) | 可交互场景化的面试方法、系统、设备和介质 | |
| Blažević et al. | Modelling regional economic development |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210421 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210421 |
|
| 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: 20210713 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210714 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6915173 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |