JP2022067759A - 要因推定装置、要因推定方法及びプログラム - Google Patents
要因推定装置、要因推定方法及びプログラム Download PDFInfo
- Publication number
- JP2022067759A JP2022067759A JP2020176531A JP2020176531A JP2022067759A JP 2022067759 A JP2022067759 A JP 2022067759A JP 2020176531 A JP2020176531 A JP 2020176531A JP 2020176531 A JP2020176531 A JP 2020176531A JP 2022067759 A JP2022067759 A JP 2022067759A
- Authority
- JP
- Japan
- Prior art keywords
- factor
- event
- events
- likelihood
- occurrence
- 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 description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 51
- 230000005856 abnormality Effects 0.000 claims description 40
- 230000008859 change Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 28
- 238000012937 correction Methods 0.000 claims description 26
- 230000008707 rearrangement Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 23
- 239000007789 gas Substances 0.000 description 21
- 238000005259 measurement Methods 0.000 description 14
- 230000007423 decrease Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000007257 malfunction Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 102220583557 Small nuclear ribonucleoprotein F_T13A_mutation Human genes 0.000 description 2
- 102220583554 Small nuclear ribonucleoprotein F_T16A_mutation Human genes 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 108010023321 Factor VII Proteins 0.000 description 1
- 108010054218 Factor VIII Proteins 0.000 description 1
- 102000001690 Factor VIII Human genes 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 241001195377 Prorates Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
【解決手段】要因推定装置は、対象装置の計測値を取得する取得部と、前記取得部が取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出する尤度算出部と、前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルを記憶するテーブル記憶部と、前記要因テーブルが記憶する頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度と、に基づいて前記発生要因を推定する推定部と、を備える。
【選択図】図1
Description
以下、本開示の第一実施形態に係る要因推定装置について、図1~図8を参照して説明する。
(構成)
図1は、第一実施形態に係る要因推定装置の一例を示すブロック図である。
要因推定装置100は、監視対象の装置10で発生した異常事象を検知し、その要因を推定する装置である。装置10とは、発電設備、プラント、種々の産業機械である。以下、一例として装置10がガスタービンの場合を例に説明を行う。図示するように、要因推定装置100は、取得部101と、特性値算出部102と、補正部103と、単位空間記憶部104と、距離算出部105と、異常判定部106と、SN比算出部107と、尤度算出部108と、事象抽出部109と、テーブル記憶部110と、推定部111と、出力部112と、を備える。
距離算出部105は、取得部101が取得したセンサ値および指令値、特性値算出部102が算出した特性値、ならびに補正部103が補正した補正計測値を諸元として、単位空間記憶部104が記憶する単位空間に基づいて、装置10の状態を示すマハラノビス距離を算出する。マハラノビス距離は、単位空間として表される基準の標本と新たに得られた標本との違いの大きさを表す尺度である。マハラノビス距離の算出方法は公知の為、本明細書では説明を省略するが、例えば、特許文献1に具体的差算出方法の記載がある。
事象抽出部109は、装置10に生じ得る複数の事象から、尤度算出部108が算出した尤度が所定の閾値以上であるものを抽出する。
要因テーブルに登録された事象の発生回数および事象が発生する確率を総称して発生頻度と呼ぶ。
次に事象A~Eの発生が図2Bに示す関係にあると仮定した場合の要因推定装置100の動作について説明する。
図3は、第一実施形態に係る要因推定処理の一例を示すフローチャートである。
要因推定装置100は、装置10の始動期間の間(正常な運転状態の間)、装置10の状態量を収集して単位空間記憶部104に状態量の組み合わせを蓄積する。例えば、要因推定装置100は、取得部101が取得した装置10の指令値および補正部103が生成した補正計測値を、関連付けて単位空間記憶部104に記録する。要因推定装置100は、装置10の始動期間の経過後、所定の監視タイミング(例えば、1時間おきのタイミング)で、以下に示す監視動作を実行する。監視タイミングは、装置10の運転開始時点から所定の始動期間が経過した後の時点である始動後時点の一例である。
まず、尤度算出部108は、発生事象ごとのSN比を抽出する(ステップS7)。図4を参照する。尤度算出部108は、尤度算出部108が記憶するセンサ値テーブルT1を読み出す。センサ値テーブルT1には、事象ごとに、各指令値および補正計測値について算出されたSN比の各事象への寄与度が設定されている。例えば、信号a~fについてSN比が計算されるとすると、センサ値テーブルT1には、事象A~Eの各々について、信号a~fのうち、その事象に関係する信号には“1”、関係が無い信号には“0”が設定されている。尤度算出部108は、ステップS6で算出されたSN比と、センサ値テーブルT1で設定された信号別の設定値とを掛け合わせて、事象ごとのSN比を抽出する。例えば、事象Aの場合、尤度算出部108は、算出された信号aのSN比“5”とセンサ値テーブルT1の設定値“0”を掛けて“0”を算出し、算出された信号bのSN比“10”とセンサ値テーブルT1の設定値“1”を掛けて“10”を算出するという計算を、信号a~fについて行う。尤度算出部108は、事象B~Eについても同様の計算を行う。計算後の値を図5のテーブルT2に示す。これにより、事象ごとに関係する信号のSN比が抽出される。
この処理は、図2BのA´~E´の面積の算出に相当する。例えば、事象Aと対応付けられた3.0は、事象Aが単独で発生するSN比に相当し、事象Cと対応付けられた2.0は、事象Cと事象Aだけが発生するSN比に相当する。また、差分処理によって有られた値が、事象の同時性を考慮したときの各事象の尤度である。
まず、推定部111は、要因テーブルをSN比と同順に並べ替える(ステップS10)。要因テーブルT5の一例を図6に示す。要因テーブルT5では、事象ごと、発生要因ごとに、その発生要因によって事象の発生頻度が設定されている。発生頻度とは、例えば、過去の実績に基づく、当該発生要因によって事象が発生した回数あるいは確率である。例えば、図示する要因テーブルT5の設定例では、事象Aについて、要因1によって事象Aが10回発生し、要因2によって事象Aが10回発生し、要因3によって事象Aが4回発生したことを示している。要因テーブルT5は、FTAによる事象ごとの要因の解析結果や過去の事故事例に基づいて作成され、テーブル記憶部110に格納される。推定部111は、要因テーブルT5を、ステップS9で並べ替えたのと同様の順番(つまり、SN比の降順)で並べ替える。並べ替え後の要因テーブルT6を図6に示す。
以下、図9~図12を参照しながら第二実施形態について説明する。
図9は、第二実施形態に係る要因推定装置の一例を示すブロック図である。
第二実施形態に係る要因推定装置100Aは、第一実施形態の構成に加えて、頻度補正部113を備える。頻度補正部113は、要因テーブルに登録された発生頻度(回数や確率)の補正値を取得し、要因テーブルの当該値を書き換える。以下に説明するように、第二実施形態では、必要に応じて、FTAや工学的知見などから、要因テーブルの事象および要因ごとに任意のノイズ値を設定して、推定精度を向上(真因の要因推定精度を上げる、真因でない要因の確度を下げる)させる。
以下、図13~図14を参照しながら第三実施形態について説明する。
図13は第三実施形態に係る要因推定装置の一例を示すブロック図である。
第三実施形態に係る要因推定装置100Bは、第一実施形態の構成に加えて、要因絞込部114を備える。要因絞込部114は、要因テーブルに登録された要因を絞り込む情報を取得し、事象別に要因の候補自体を削除する。
また、要因テーブルの発生頻度に確率ではなく、発生回数が設定されている場合、例えば、削除することを決定した要因に対応付けられた回数を合計し、合計した値を削除しない残りの要因数で按分し、残りの要因それぞれの発生回数に按分後の発生回数を加算する処理を行って、その情報を要因テーブルに追加する情報を作成してもよい。あるいは、テーブルT18に確度に応じた回数を各要因に設定した情報を要因テーブルに追加してもよい。
コンピュータ900は、CPU901、主記憶装置902、補助記憶装置903、入出力インタフェース904、通信インタフェース905を備える。
上述の要因推定装置100,100A,100Bは、コンピュータ900に実装される。そして、上述した各機能は、プログラムの形式で補助記憶装置903に記憶されている。CPU901は、プログラムを補助記憶装置903から読み出して主記憶装置902に展開し、当該プログラムに従って上記処理を実行する。また、CPU901は、プログラムに従って、記憶領域を主記憶装置902に確保する。また、CPU901は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置903に確保する。
各実施形態に記載の要因推定装置、要因推定方法及びプログラムは、例えば以下のように把握される。
これにより、事象の発生の尤度を、複数の事象が共通の要因によって発生することを考慮した値に修正し、また、要因テーブルに登録された頻度についても、複数の事象が共通の要因によって発生することを考慮した頻度に修正して、事象の発生要因の推定を行うことができ、複数の事象が共通の要因によって発生する場合の事象の発生要因の推定精度を向上することができる。
これにより、事象の発生の尤度を、複数の事象が共通の要因によって同時に発生すると仮定した場合の値に修正することができる。
これにより、要因テーブルに登録された頻度について、複数の事象が共通の要因によって同時に発生すると仮定した場合の頻度に修正することができる。
これにより、発生要因ごとの発生回数の実績値に基づいて、発生要因を推定することができる。
これにより、発生要因ごとの発生確率に基づいて、発生要因を推定することができる。発生確率は、対象装置について工学的知見から作成されたFTから導出してもよい。
このような内包関係を仮定することにより、事象発生の尤度(SN比)および要因テーブルの頻度について、ステップS9やステップS11の差分処理によって、対象装置に生じ得る複数の事象が共通の要因によって同時に発生すると仮定した場合の値に修正することができる。
これにより、要因テーブルに登録された頻度が有する不確実さを補い、要因の推定精度を維持することができる。
例えば、事象発生時にその時に計測された計測値から今回の事象の発生要因ではないと判断できる発生要因が存在する場合、要因テーブルからその発生要因を削除(当該要因の頻度を0に設定する)ことで、要因の推定精度を向上することができる。
事象発生時に計測値に顕著な変化が無い場合、その計測値に関係する発生要因は今回の事象の発生要因ではないと判断し、要因テーブルからその発生要因を削除(当該要因の頻度を0に設定する)ことで、要因の推定精度を向上することができる。
101・・・取得部
102・・・特性値算出部
103・・・補正部
104・・・単位空間記憶部
105・・・距離算出部
106・・・異常判定部
107・・・SN比算出部
108・・・尤度算出部
109・・・事象抽出部
110・・・テーブル記憶部
111・・・推定部
112・・・出力部
113・・・頻度補正部
114・・・要因絞込部
900・・・コンピュータ
901・・・CPU
902・・・主記憶装置
903・・・補助記憶装置
904・・・入出力インタフェース
905・・・通信インタフェース
Claims (11)
- 対象装置の計測値を取得する取得部と、
前記取得部が取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出する尤度算出部と、
前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルを記憶するテーブル記憶部と、
前記要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定する推定部と、
を備える要因推定装置。 - 前記尤度算出部は、前記尤度の大きい順に前記事象を並べ替え、第1の前記事象に対応する前記尤度から、並べ替え後の順番において第1の前記事象より1つ下の順位の前記事象に対応する前記尤度を減算した値を、第1の前記事象に対応する尤度として設定することで、前記複数の事象が共通の要因によって発生すると仮定した場合の尤度を算出する、
請求項1に記載の要因推定装置。 - 前記推定部は、前記尤度の大きい順に前記事象を並べ替えたときの並び順と同様に、前記要因テーブルを前記事象について並び替え、
第1の前記事象に対応する前記発生要因ごとの前記頻度から、並べ替え後の順番において第1の前記事象より1つ下の順位の前記事象に対応する前記発生要因ごとの前記頻度を減算した値を、第1の前記事象に対応する前記発生要因ごとの前記頻度として設定することで、前記要因テーブルを書き換える、
請求項1または請求項2に記載の要因推定装置。 - 前記要因テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認された回数とを関連付けたものであって、
前記推定部は、前記発生要因ごとに、前記尤度と前記回数との加重和を算出し、当該加重和に基づいて前記発生要因を推定する、
請求項1から請求項3の何れか1項に記載の要因推定装置。 - 前記要因テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認された確率とを関連付けたものであって、
前記推定部は、前記発生要因ごとに、前記尤度と前記確率との加重和を算出し、当該加重和に基づいて前記発生要因を推定する、
請求項1から請求項3の何れか1項に記載の要因推定装置。 - 前記複数の事象が共通の要因によって発生すると仮定した場合とは、
前記事象を、当該事象が発生する尤度の大きさに対応する面積を有する閉空間で表した場合に、複数の前記事象の各々について、当該事象の閉空間が当該事象の次に尤度が小さい前記事象の閉空間によって内包される関係が成立することである、
請求項1から請求項5の何れか1項に記載の要因推定装置。 - 前記要因テーブルに設定された前記頻度が0の項目について、所定のノイズ値の設定を受け付け、当該設定に基づいて前記要因テーブルに登録された前記頻度を更新する頻度補正部、
をさらに備える請求項1から請求項6の何れか1項に記載の要因推定装置。 - 前記要因テーブルに設定された前記要因を削除する情報を受け付け、当該情報に基づいて、削除対象の前記要因に係る前記頻度を0に設定する要因絞込部、
をさらに備える請求項1から請求項7の何れか1項に記載の要因推定装置。 - 前記計測値に基づいて、前記計測値に所定の閾値以上の変化が無い場合に、当該計測値に関係する前記要因テーブルに設定された前記要因を削除することを決定し、削除対象の前記要因に係る前記頻度を0に設定する要因絞込部、
をさらに備える請求項1から請求項7の何れか1項に記載の要因推定装置。 - 対象装置の計測値を取得し、
取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出し、
前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定する、
要因推定方法。 - コンピュータに、
対象装置の計測値を取得し、
取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出し、
前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定する処理、
を実行させるプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020176531A JP7515365B2 (ja) | 2020-10-21 | 2020-10-21 | 要因推定装置、要因推定方法及びプログラム |
US18/015,846 US20230259116A1 (en) | 2020-10-21 | 2021-10-13 | Cause estimation apparatus and cause estimation method |
PCT/JP2021/037894 WO2022085535A1 (ja) | 2020-10-21 | 2021-10-13 | 要因推定装置、要因推定方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020176531A JP7515365B2 (ja) | 2020-10-21 | 2020-10-21 | 要因推定装置、要因推定方法及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022067759A true JP2022067759A (ja) | 2022-05-09 |
JP2022067759A5 JP2022067759A5 (ja) | 2023-02-16 |
JP7515365B2 JP7515365B2 (ja) | 2024-07-12 |
Family
ID=81290792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020176531A Active JP7515365B2 (ja) | 2020-10-21 | 2020-10-21 | 要因推定装置、要因推定方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230259116A1 (ja) |
JP (1) | JP7515365B2 (ja) |
WO (1) | WO2022085535A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7354473B1 (ja) * | 2023-05-17 | 2023-10-02 | 三菱重工業株式会社 | フォールトツリー簡素化方法、フォールトツリー簡素化装置およびプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03287017A (ja) * | 1990-04-04 | 1991-12-17 | Hitachi Ltd | プラント異常診断システム |
JP3287017B2 (ja) | 1992-07-10 | 2002-05-27 | 株式会社ニコン | 結像特性の測定方法 |
JP5960029B2 (ja) * | 2012-10-31 | 2016-08-02 | 住友重機械工業株式会社 | 異常原因特定システム |
JP7132021B2 (ja) * | 2018-08-07 | 2022-09-06 | 三菱重工業株式会社 | 通知装置、通知方法及びプログラム |
-
2020
- 2020-10-21 JP JP2020176531A patent/JP7515365B2/ja active Active
-
2021
- 2021-10-13 WO PCT/JP2021/037894 patent/WO2022085535A1/ja active Application Filing
- 2021-10-13 US US18/015,846 patent/US20230259116A1/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7354473B1 (ja) * | 2023-05-17 | 2023-10-02 | 三菱重工業株式会社 | フォールトツリー簡素化方法、フォールトツリー簡素化装置およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20230259116A1 (en) | 2023-08-17 |
JP7515365B2 (ja) | 2024-07-12 |
WO2022085535A1 (ja) | 2022-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11591925B2 (en) | Monitoring device, method for monitoring target device, and program | |
JP5345180B2 (ja) | プラント監視装置、プラント監視プログラム及びプラント監視方法 | |
JP5765336B2 (ja) | 障害分析装置、障害分析方法およびプログラム | |
KR20140092805A (ko) | 동적 특이치 바이어스 감소 시스템 및 방법 | |
WO2014064816A1 (ja) | プラント監視装置、プラント監視プログラム及びプラント監視方法 | |
JP6432890B2 (ja) | 監視装置、対象装置の監視方法、およびプログラム | |
JP5827426B1 (ja) | 予兆診断システム及び予兆診断方法 | |
JP6777142B2 (ja) | システム分析装置、システム分析方法、及び、プログラム | |
JP6482743B1 (ja) | リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム | |
Gitzel | Data Quality in Time Series Data: An Experience Report. | |
JP2020047078A (ja) | データ処理方法、データ処理装置、およびデータ処理プログラム | |
WO2022085535A1 (ja) | 要因推定装置、要因推定方法及びプログラム | |
JP7393244B2 (ja) | 時系列データ予測装置及び時系列データ予測方法 | |
JP2020047846A (ja) | データ処理方法、データ処理装置、データ処理システム、およびデータ処理プログラム | |
AU2020389306A1 (en) | Failure probability evaluation system | |
JP5668425B2 (ja) | 障害検知装置、情報処理方法、およびプログラム | |
JP6310865B2 (ja) | ソースコード評価システム及び方法 | |
US20220027436A1 (en) | Anomaly factor estimation method, anomaly factor estimating device, and program | |
WO2016163008A1 (ja) | 異常診断装置および異常診断方法 | |
JP2010102462A (ja) | 障害推定装置、方法及びプログラム | |
JP7399288B2 (ja) | プラント監視装置、プラント監視方法およびプログラム | |
JPWO2019049522A1 (ja) | リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム | |
JP7048216B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP2022165669A (ja) | 異常検出装置、異常検出方法、および異常検出プログラム | |
JP2024003329A (ja) | 異常検知装置、異常検知方法、及び異常検知プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230202 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230927 |
|
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: 20240604 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240702 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7515365 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |