JP2019096250A - 海外特許費用予測システム、庁通知回数予測装置、海外特許費用予測装置、海外特許費用予測方法および記録媒体 - Google Patents
海外特許費用予測システム、庁通知回数予測装置、海外特許費用予測装置、海外特許費用予測方法および記録媒体 Download PDFInfo
- Publication number
- JP2019096250A JP2019096250A JP2017227431A JP2017227431A JP2019096250A JP 2019096250 A JP2019096250 A JP 2019096250A JP 2017227431 A JP2017227431 A JP 2017227431A JP 2017227431 A JP2017227431 A JP 2017227431A JP 2019096250 A JP2019096250 A JP 2019096250A
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- period
- cost
- forecasting
- foreign patent
- 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
- 238000000034 method Methods 0.000 title claims abstract description 294
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 39
- 238000011156 evaluation Methods 0.000 claims description 30
- 238000013277 forecasting method Methods 0.000 claims description 30
- 230000002776 aggregation Effects 0.000 claims description 27
- 238000004220 aggregation Methods 0.000 claims description 27
- 238000012417 linear regression Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims 1
- 238000007619 statistical method Methods 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000004836 empirical method Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002853 ongoing effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明による海外特許費用予測システムは、事業部ごとに各項目についての過去のデータを使用して、現状で適合可能な複数の予測方法を用いて予測を実施し、それぞれの予測方法ごとの誤差を比較し、最小の誤差である予測方法を当該事業部の予測方法として採用する。すなわち、本発明は過去の一定期間のデータを用いて、事業部門別、業務種類別に、複数種類の予測モデルの中で最も予測能力の高いモデルを選択し、選択されたモデルを用いて、次期の手続発生回数を予測する。以下、本発明の実施の形態1について説明する。
一例として、X社におけるA事業所(機械部品)についての予測精度の指標(RMSE)の計算結果を表2にまとめる。なお、表の網掛け部は各アクションにおいてRMSEが最小となる予測方法を示している。A事業所についての計算例では、拒絶理由通知、拒絶査定及び選択指令のアクションについては「前記の観測値の予測方法」によるRMSEが最小であり、許可通知及びアドバイザリ通知については「非集計モデル」が最小となった。
次期米国特許費用=Σ(アクションごと発生予想回数×各処理の平均単価)
=選択指令発生予想回数×選択指令処理平均単価 +拒絶理由発生予想回数×拒絶処理平均単価+拒絶査定発生予想回数×拒絶査定処理平均単価+アドバイザリ発生予想回数×アドバイザリ処理平均単価+許可通知発生予想回数×許可処理平均単価
次に、X社のB事業所(情報機器)について実施例1と同様の計算を行なった。本実施例における計算例では、表3に示すとおり、選択指令については「非集計モデル」、拒絶理由通知、アドバイザリ通知については「観測値(6期)の平均値」、拒絶査定については「状態空間モデル1」、許可通知については「線形回帰モデル2」の予測方法によるRMSEが最小となった。なお、次期米国特許費用の計算についても、実施例1と同様の式に当てはめて行なわれる。
本実施例では、X社の他のCからHの事業所及び8事業所全体についても同様の計算を行なった。表4は、アクションごとに最もRMSEが小さくなる、すなわち最適な予測方法に該当する位置に、各事業所の名称(A〜H、及び「全」)を記入したものである。なお、表4中、「全」は8事業所全体、「A」はA事業所(機械部品)、「B」はB事業所(情報機器)、「C」はC事業所(先端技術)、「D」はD事業所(個別半導体)、「E」はE事業所(車載デバイス)、「F」はF事業所(集積型半導体)、「G」はG事業所(液晶技術)、「H」はH事業所(家電製品)を示す。また、( )内は当該事業所が扱っている主要製品を示す。
2 データベース
3 出力装置
許費用予測装置、海外特許費用を予測するための方法、およびその予測方法を記録した媒
体に関するものである。
を及ぼす。例えば、米国では特許庁に支払う手続き費用(official fee)に加え、日本及
び米国のそれぞれの代理人に支払う手数料、翻訳料など、日本国内の数倍もの費用が必要
となる。さらに、費用が発生する時期や回数も発明案件により区々であり、その予測は極
めて困難である。
に織り込む必要がある。次年度以降にかかる海外特許費用の予測は、当該国の特許制度や
審査の展開により影響を受けることから一般に困難であると考えられていた。このため、
各企業は、例えば、前年度の実績を参考に当該年度の知財コストを予想するなどの単純な
方法に頼らざるをえなかった。しかし、海外特許の審査の展開は全くランダムに進行する
わけではなく、各国における特許制度、および出願と審査の過程における所定の因果関係
を解明することにより、より正確な費用の予測が可能となるはずである。
る手続(アクション)にその処理費用(単価)を乗じたものの和として表すことができる
。しかし、出願人の意思決定により調整が可能な出願行為を除き、他のアクションは大凡
連鎖的ではあるものの、その経路とタイミングは特許庁における審査の状況に依存するた
め、出願人側においてコントロールすることができない。一方、出願について、過去に発
生したアクションの発生回数から次年度に発生するアクションの発生回数が予測できれば
、次年度に発生する費用もある程度予測が可能になるはずである。
出すべく、統計的手法を含めて各種の予測方法を比較検討することにより、海外特許費用
の予測システム、そのシステムに用いられる庁通知対応費用予測装置、海外特許費用の予
測方法およびをその方法が記録された記録媒体を形成し、企業実務への適用を図ることを
目的とする。
2012)」に詳しく述べられている。すなわち同文献では、特許関連費用の予算策定は非常
に困難であるところ、その理由として、発明発生から出願後約20年にわたり、様々な費
用が発生し、特にいわゆる中間処理においては、金額も大きく、時期の予測も難しい点を
指摘する。このため、同文献では、予算策定の困難性を回避するための方策として、知財
活動項目を細分化することにより、件数決定や費用予測の執行を精緻化しようとする取り
組み等について紹介している。
ており、かつ統計的手法を用いての予測が有効であるとの示唆はあるものの、具体的な手
法については何ら開示されていない。現状の各企業の特許費用の予測は、前年度並みに費
用を設定するなど、経験的な手法によっているのが主流である。そして、実際の費用が予
測値から乖離した場合の対策として、当該年度の出願数を減らすなど、到底戦略的とはい
えない手法によっているのが実情である。
るためのプログラムに関する発明が開示されているが、審査請求の費用を事前に計算して
いるだけで、海外特許費用を予測して計算するものではない。
ず、各企業が上記のような単純な予測方法を採用せざるを得ないのは、海外特許費用の予
測についてどの予測方法が適しているかの検証が困難であるという事情があった。また、
米国での中間処理費用を予測するには、まず米国における特許の権利化の手続きについて
整理し、費用予測について重要な手続きであるアクションを選別する必要があった。そこ
で、本発明では、特に費用が嵩みかつ予測が困難なアクションとして、選択指令、拒絶理
由通知、拒絶査定、アドバイザリ通知、許可通知の5項目に着目した。さらに、これらの
処理に必要な費用を予測する最適な予測方法を特定し、次年度に発生する米国特許費用を
予測すべく、以下に述べる解決策について検討を行なった。
の権利化に要する費用は、所定の期間内に権利化の過程で起こるアクションにその処理費
用(単価)を乗じたものの和として表すことができる。そして、企業全体ないし一事業所
において発生する費用は、個々の出願の権利化に要する費用の総和として算出できる。
鎖的ではあるものの、その経路とタイミングは特許庁における審査の状況に依存するため
、出願人側においてコントロールすることができない。特に米国においては特許出願の審
査過程は複雑であり、次のアクションが何でいつ起こるかを正確に予測することは極めて
困難である。加えて、総合電機メーカーのように、家電事業、重電事業、情報機器事業な
ど性質の異なる複数の技術分野の製品を扱う事業所がある場合は、発明の複雑さや事業戦
略、さらには特許庁における審査状況が相違することから最適な予測方法が事業所ごとに
異なる可能性がある。
的方法と案件ごとの状況を考慮する非集計的な方法に大別される。また、集計的予測方法
についても多数の方法が存在するが、いずれの方法が適するかは、事業環境や技術分野な
どに影響されると考えられ、一義的に決定することが困難である。そこで本発明では、以
下に示すとおり、次年度の米国特許経費の予測をアクションごとに複数の予測方法を用い
て実施し、最も精度の高い予測方法を採用することとした。
数期の観測値の平均値を今期の予測値とする第2の予測方法、期のみを説明変数とする線
形回帰による第3の予測方法、期および出願件数の双方を説明変数に用いる線形回帰によ
る第4の予測方法、期のみを説明変数とする曲線回帰による第5の予測方法、期および出
願件数の双方を説明変数に用いる曲線回帰による第6の予測方法、期のみを説明変数とす
る状態空間モデルによる第7の予測方法、期および出願件数の双方を説明変数とする状態
空間モデルによる第8の予測方法のうち、いずれか複数または全ての予測方法を組合せて
用いるようにしたものである。
択するため、各手続や各事業所に最も適した予測が可能になる。また、期ごとにパラメー
タ推定および予測方法の選択をし直すため、出願件数や審査実務等外部環境の変化への対
応が可能になるという効果がある。
本発明による海外特許費用予測システムは、事業部ごとに各項目についての過去のデー
タを使用して、現状で適合可能な複数の予測方法を用いて予測を実施し、それぞれの予測
方法ごとの誤差を比較し、最小の誤差である予測方法を当該事業部の予測方法として採用
する。すなわち、本発明は過去の一定期間のデータを用いて、事業部門別、業務種類別に
、複数種類の予測モデルの中で最も予測能力の高いモデルを選択し、選択されたモデルを
用いて、次期の手続発生回数を予測する。以下、本発明の実施の形態1について説明する
。
る。図1において1は海外特許予測装置であり、データベース2から海外外特許出願に関
する過去の処理情報を受け取り、所定の計算処理を行い、その結果を出力装置3に送信す
る。なお、上記海外特許予測装置1とデータベース2及び出力装置3は、それぞれ別個の
装置としてもよく、一体としてもよい。
出願処理に関するデータは、海外特許予測装置1において、図2に示すフローチャートに
従って処理される。次いで、その処理結果は出力装置3に送信され出力される。ここで、
データベース2から読み出されるデータは、例えば米国特許であれば、出願権利化過程で
発生するアクション項目(拒絶理由通知、許可通知、拒絶査定通知、アドバイザリ通知、
選択指令等)についての時期と件数を含むものである。
をすべて実施することにより、それぞれ次期に発生するアクション数を予測する。このよ
うな費用を予測する方法としては、先に述べたとおり過去のデータを集計して用いる集計
的方法と案件ごとの状況を考慮する非集計的な方法に大別される。また、集計的予測方法
については表1の方法による予測処理を実施しうるが、いずれの方法が適するかは、事業
部門などの特性に依存すると考えられ、一義的に決定することが困難である。
から次のアクションが起こるまでの日数の平均値および分散を計算し、予測期間中にどの
アクションが、どのくらいの確率で発生するかを個別に予測する。ここで、アクション間
の日数は、正規分布に従うと仮定する。予測を行う際には、その時に継続中のアクション
から、予測期間中に発生するアクションの発生確率を予測し、各アクションの発生確率の
合計値を該当するアクションの発生回数の予測値とする。
数の予測方法を用いて実施し、誤差すなわち式1に示すRMSE((Root Mean Square Error
:平均二乗誤差の平方根)が最小となる予測方法をそのアクションの次期発生回数を予測
する方法として採用する。次いで、アクションごとの次期発生回数にそれぞれの処理単価
を乗じたものの和をとり、当該事業所の次期米国特許費用として算出し、その結果を出力
装置3に出力する。ここで、式1におけるyiはi期の実測値、 ^yi(ワイハットi)はi期
の予測値を示すものである。
15年(30期)分の各アクション項目(拒絶理由通知、許可通知、拒絶査定通知、アドバイ
ザリ通知、選択指令)のデータを用いて計算を行なった。表1の9種類の予測方法すべて
により、過去20期分のデータを用いてパラメータを推定し、次期の予測を行うという作業
を10期分繰り返し、それぞれの手法のRMSEを算出した。そして、それぞれのアクションに
ついて予測精度が最も高くなる予測方法を選択し、アクションごとに次期の発生回数を予
測、これに処理単価を乗じることにより事業所ごとのの特許費用の計算を行なった。
集団が所定の国(たとえば、アメリカ、中国、日本等)の特許庁に出願し係属中の特許出
願群について、その特許庁から発行される通知の回数を予測する装置であって、予測を行
うときよりも前の少なくとも1つの単位期間について、当該単位期間よりも前の所定期間
中に特許庁から発行された通知の時期に関する情報を用いて、複数の予測アルゴリズムそ
れぞれにより、当該単位期間内に特許庁から発行される通知の回数を計算する計算手段と
、少なくとも1つの単位期間のそれぞれにおける、予測アルゴリズム毎に計算された計算
値と、当該単位期間内に実際に発行された通知の回数とを用いて、各予測アルゴリズムの
予測精度に関する評価値を算出する評価値算出手段と、予測精度が最も高いことを表す評
価値が算出された予測アルゴリズムを用いて、予測するときよりも後の所定の単位期間内
に特許庁から発行される通知の回数を予測する予測手段とを備える。
通知が1回発行した場合にこの集団に発生する費用を乗算することによって、予測すると
きよりも後の所定の単位期間内に集団に発生する総費用を予測することができる。
測するものである。また、所定種類の通知は、拒絶理由通知、拒絶査定等を含むものであ
る。また、上記単位期間は、例えば1年、半期、四半期等の期間である。また、予測精度
の評価値は、RMSE(Root Mean Square Error)、MAE(Mean Absolute Error)、MSE(Mean Squared Error)であってもよい。また、複数の予測アルゴリズムとしては、表1に示す複数の予測方法(アルゴリズム)の中から選択される2以上のアルゴリズムを用いることができるがこれに限られない。
単位期間内に特許庁から発行される通知の回数を計算するものである場合、上記評価値算
出手段は、単位期間毎に、「各予測アルゴリズムによる計算値」と「実際の通知回数」と
に基づいて各予測アルゴリズムの予測精度に関する第1の評価値を算出し、各単位期間に
ついて算出された第1の評価値を平均してなる第2の評価値を各予測アルゴリズムの予測
精度に関する最終的な評価値とするものであってもよい。
一例として、X社におけるA事業所(機械部品)についての予測精度の指標(RMSE)の計算結果を表2にまとめる。なお、表の網掛け部は各アクションにおいてRMSEが最小となる予測方法を示している。A事業所についての計算例では、拒絶理由通知、拒絶査定及び選択指令のアクションについては「前記の観測値の予測方法」によるRMSEが最小であり、許可通知及びアドバイザリ通知については「非集計モデル」が最小となった。
次期米国特許費用=Σ(アクションごと発生予想回数×各処理の平均単価)
=選択指令発生予想回数×選択指令処理平均単価 +拒絶理由発生予想回数×拒絶処理平均
単価+拒絶査定発生予想回数×拒絶査定処理平均単価+アドバイザリ発生予想回数×アドバ
イザリ処理平均単価+許可通知発生予想回数×許可処理平均単価
次に、X社のB事業所(情報機器)について実施例1と同様の計算を行なった。本実施例
における計算例では、表3に示すとおり、選択指令については「非集計モデル」、拒絶理
由通知、アドバイザリ通知については「観測値(6期)の平均値」、拒絶査定については
「状態空間モデル1」、許可通知については「線形回帰モデル2」の予測方法によるRMSE
が最小となった。なお、次期米国特許費用の計算についても、実施例1と同様の式に当て
はめて行なわれる。
本実施例では、X社の他のCからHの事業所及び8事業所全体についても同様の計算を行なった。表4は、アクションごとに最もRMSEが小さくなる、すなわち最適な予測方法に該当する位置に、各事業所の名称(A〜H、及び「全」)を記入したものである。なお、表4中、「全」は8事業所全体、「A」はA事業所(機械部品)、「B」はB事業所(情報機器)
、「C」はC事業所(先端技術)、「D」はD事業所(個別半導体)、「E」はE事業所(車載
デバイス)、「F」はF事業所(集積型半導体)、「G」はG事業所(液晶技術)、「H」はH
事業所(家電製品)を示す。また、( )内は当該事業所が扱っている主要製品を示す。
方法はアクションによって相違する。また、同じアクションであっても事業所が異なれば
最適な予測方法は相違する。すなわち、いずれかの予測方法に固定してしまうと、アクシ
ョンや事業の内容によっては予測精度が粗くなり、次期の米国出願費用についての見込み
額と実際の費用との乖離が拡大し、事業計画への影響が解消できないことになる。本手法
を実際の予測に用いる際には、事業所ごと、アクションごとに過去のデータに基づき全て
の予測方法による計算を試みた上で、それぞれの計算方法の予測精度を比較し、最適な予
測方法を選択して次期に必要となるアクション費用を算出する。このため、常に精度の高
い次期経費の予測が可能となる。
、海外特許費用の予測方法及びその予測方法を格納した記録媒体に適用される。
2 データベース
3 出力装置
Claims (13)
- 海外特許出願手続に関するデータを格納するデータベースと、前記データを読み込み、海外特許出願における次期手続発生回数の予測処理を行なう海外特許費用予測装置と、前記予測処理結果を表示する出力装置とからなり、前記海外特許費用予測装置は、複数の予測方法により次期手続発生回数を予測する処理を行なうとともに、それぞれの予測方法による予測誤差を算出し、前記予測誤差が最小である予測方法を選択し、前記出力装置は前記誤差が最小である予測方法による予測処理結果を出力することを特徴とする海外特許費用予測システム。
- 前記複数の予測方法は、集計モデルと非集計モデルの双方の処理を含むことを特徴とする請求項1記載の海外特許費用予測システム。
- 前記集計モデルは、前期の観測値を今期の予測値とする第1の予測方法、過去複数期の観測値の平均値を今期の予測値とする第2の予測方法、期のみを説明変数とする線形回帰による第3の予測方法、期および出願件数の双方を説明変数に用いる線形回帰による第4の予測方法、期のみを説明変数とする曲線回帰による第5の予測方法、期および出願件数の双方を説明変数に用いる曲線回帰による第6の予測方法、期のみを説明変数とする状態空間モデルによる第7の予測方法、期および出願件数の双方を説明変数とする状態空間モデルによる第8の予測方法のうち、いずれか複数または全ての予測方法を組合せて用いることを特徴とする請求項2記載の海外特許費用予測システム。
- 前記予測処理は、海外特許出願の審査過程における手続ごとに実施することを特徴とする請求項1乃至3に記載の海外特許費用予測システム。
- 前記手続は、拒絶理由通知、許可通知、拒絶査定通知、アドバイザリ通知、選択指令を含むことを特徴とする請求項4記載の海外特許費用予測システム。
- 所定の集団が所定の国の特許庁に出願し係属中の特許出願群について、前記特許庁から発行される通知の回数を予測する庁通知回数予測装置であって、前記予測を行うときよりも前の少なくとも1つの単位期間について、当該単位期間よりも前の所定期間中に前記特許庁から発行された通知の時期に関する情報を用いて、複数の予測アルゴリズムそれぞれにより、当該単位期間内に前記特許庁から発行される通知の回数を計算する計算手段と、前記少なくとも1つの単位期間のそれぞれにおける、前記予測アルゴリズム毎に計算された計算値と、当該単位期間内に実際に発行された通知の回数とを用いて前記各予測アルゴリズムの予測精度に関する評価値を算出する評価値算出手段と、前記予測精度が最も高いことを表す評価値が算出された予測アルゴリズムを用いて、前記予測するときよりも後の所定の単位期間内に前記特許庁から発行される通知の回数を予測する予測手段と、を備えたことを特徴とする庁通知回数予測装置。
- 前記請求項6に記載の庁通知回数予測装置により予測した前記通知の回数に、当該通知が1回発行した場合に前記集団に発生する費用を乗算することによって、前記予測するときよりも後の所定の単位期間内に前記集団に発生する総費用を予測する海外特許費用予測装置。
- 海外特許出願手続に関するデータに基づき、複数の予測方法により次期手続発生回数を予測する手順と、それぞれの予測方法による予測誤差を算出する手順と、前記予測誤差が最小である予測方法を選択する手順と、前記選択された予測方法による予測処理結果を出力する手順とによる予測処理を含むことを特徴とする海外特許費用予測方法。
- 前記複数の予測方法は、集計モデルと非集計モデルの双方の処理を含むことを特徴とする請求項8記載の海外特許費用予測方法。
- 前記集計モデルは、前期の観測値を今期の予測値とする第1の予測方法、過去複数期の観測値の平均値を今期の予測値とする第2の予測方法、期のみを説明変数とする線形回帰による第3の予測方法、期および出願件数の双方を説明変数に用いる線形回帰による第4の予測方法、期のみを説明変数とする曲線回帰による第5の予測方法、期および出願件数の双方を説明変数に用いる曲線回帰による第6の予測方法、期のみを説明変数とする状態空間モデルによる第7の予測方法、期および出願件数の双方を説明変数とする状態空間モデルによる第8の予測方法のうち、いずれか複数または全ての予測方法を組合せて用いることを特徴とする請求項9記載の海外特許費用予測方法。
- 前記予測処理は、海外特許出願の審査過程における手続ごとに実施することを特徴とする請求項8乃至10に記載の海外特許費用予測方法。
- 前記審査過程における手続は、拒絶理由通知、許可通知、拒絶査定通知、アドバイザリ通知、選択指令を含むことを特徴とする請求項11記載の海外特許費用予測方法。
- コンピュータを制御するためのプログラムを担持した、コンピュータが読み取り可能な記録媒体であって、前記コンピュータに請求項8乃至請求12に記載の海外特許費用予測方法を実行するためのプログラムを少なくとも備えることを特徴とする記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017227431A JP6432120B1 (ja) | 2017-11-28 | 2017-11-28 | 海外特許費用予測システム、庁通知回数予測装置、海外特許費用予測装置、海外特許費用予測方法および記録媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017227431A JP6432120B1 (ja) | 2017-11-28 | 2017-11-28 | 海外特許費用予測システム、庁通知回数予測装置、海外特許費用予測装置、海外特許費用予測方法および記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6432120B1 JP6432120B1 (ja) | 2018-12-05 |
JP2019096250A true JP2019096250A (ja) | 2019-06-20 |
Family
ID=64560660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017227431A Active JP6432120B1 (ja) | 2017-11-28 | 2017-11-28 | 海外特許費用予測システム、庁通知回数予測装置、海外特許費用予測装置、海外特許費用予測方法および記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6432120B1 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003108730A (ja) * | 2001-09-27 | 2003-04-11 | Ricoh Co Ltd | ワークフロー支援システム、ワークフロー支援方法、ワークフロー支援プログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2004318811A (ja) * | 2003-02-25 | 2004-11-11 | Alps Electric Co Ltd | 知的財産会計管理装置及び知的財産会計管理プログラム |
US20060155572A1 (en) * | 2005-01-12 | 2006-07-13 | Richard Postrel | Methods and systems for buying, selling and trading intellectual property and other interests |
JP2009238074A (ja) * | 2008-03-28 | 2009-10-15 | Nomura Research Institute Ltd | 特許性予測装置 |
US20100094763A1 (en) * | 1999-12-30 | 2010-04-15 | Frank Scott M | System and Method for Selecting and Protecting Intellectual Property Assets |
JP2013047993A (ja) * | 2000-04-10 | 2013-03-07 | Fujitsu Ltd | 手続管理システム |
JP2015502623A (ja) * | 2012-02-24 | 2015-01-22 | アイティーアイピー・ディヴェロップメント・エルエルシーItip Development, Llc | 特許ライフサイクル管理システム |
-
2017
- 2017-11-28 JP JP2017227431A patent/JP6432120B1/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100094763A1 (en) * | 1999-12-30 | 2010-04-15 | Frank Scott M | System and Method for Selecting and Protecting Intellectual Property Assets |
JP2013047993A (ja) * | 2000-04-10 | 2013-03-07 | Fujitsu Ltd | 手続管理システム |
JP2003108730A (ja) * | 2001-09-27 | 2003-04-11 | Ricoh Co Ltd | ワークフロー支援システム、ワークフロー支援方法、ワークフロー支援プログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2004318811A (ja) * | 2003-02-25 | 2004-11-11 | Alps Electric Co Ltd | 知的財産会計管理装置及び知的財産会計管理プログラム |
US20060155572A1 (en) * | 2005-01-12 | 2006-07-13 | Richard Postrel | Methods and systems for buying, selling and trading intellectual property and other interests |
JP2009238074A (ja) * | 2008-03-28 | 2009-10-15 | Nomura Research Institute Ltd | 特許性予測装置 |
JP2015502623A (ja) * | 2012-02-24 | 2015-01-22 | アイティーアイピー・ディヴェロップメント・エルエルシーItip Development, Llc | 特許ライフサイクル管理システム |
Also Published As
Publication number | Publication date |
---|---|
JP6432120B1 (ja) | 2018-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10628292B2 (en) | Methods and systems for predicting estimation of project factors in software development | |
US8112305B2 (en) | Systems and methods for distribution-transition estimation of key performance indicator | |
Charongrattanasakul et al. | Minimizing the cost of integrated systems approach to process control and maintenance model by EWMA control chart using genetic algorithm | |
Deif | Assessing lean systems using variability mapping | |
US20140052489A1 (en) | Time derivative-based program management systems and methods | |
JP2019036061A (ja) | 要因分析装置、要因分析方法、およびプログラム | |
CN107330614A (zh) | 一种业务活动效果的实时评估方法和装置 | |
JP2007515020A (ja) | 意味のある変動を明らかにする自動監視及び動的プロセスメトリクスの統計分析 | |
Wu et al. | Data mining algorithms and statistical analysis for sales data forecast | |
TWI756628B (zh) | 營運評估裝置、營運評估方法、及程式 | |
US11055382B2 (en) | Methods and systems that estimate a degree of abnormality of a complex system | |
JP7010674B2 (ja) | 電力需要予測装置、電力需要予測方法およびプログラム | |
Peng et al. | A preventive maintenance policy with usage-dependent failure rate thresholds under two-dimensional warranties | |
JP5532804B2 (ja) | 信頼度判断装置、信頼度判断方法、及び信頼度判断用コンピュータプログラム | |
JP6325783B2 (ja) | 労働時間基準による人間工学的安全性評価 | |
CN110826196B (zh) | 一种工业设备运行数据的处理方法及装置 | |
Li et al. | On dynamically monitoring aggregate warranty claims for early detection of reliability problems | |
JP2019096250A (ja) | 海外特許費用予測システム、庁通知回数予測装置、海外特許費用予測装置、海外特許費用予測方法および記録媒体 | |
US11762562B2 (en) | Performance analysis apparatus and performance analysis method | |
JPH09101947A (ja) | 時系列予測方法 | |
JP7223947B2 (ja) | 製造条件計算装置、製造条件計算方法及び製造条件計算プログラム | |
RU2503015C2 (ru) | Система управления электропотреблением промышленных предприятий и производств | |
Zempléni et al. | Control charts: a cost‐optimization approach for processes with random shifts | |
JP5600665B2 (ja) | 設計工数見積り装置および設計工数見積りプログラム | |
Wiedenmann et al. | Proactive disruption impact assessment in manufacturing supply networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20171128 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180105 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180105 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20171225 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180111 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180426 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180516 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180713 |
|
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: 20181002 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181019 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6432120 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: R313117 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |