JP5337174B2 - 需要予測装置、及びそのプログラム - Google Patents
需要予測装置、及びそのプログラム Download PDFInfo
- Publication number
- JP5337174B2 JP5337174B2 JP2011009202A JP2011009202A JP5337174B2 JP 5337174 B2 JP5337174 B2 JP 5337174B2 JP 2011009202 A JP2011009202 A JP 2011009202A JP 2011009202 A JP2011009202 A JP 2011009202A JP 5337174 B2 JP5337174 B2 JP 5337174B2
- Authority
- JP
- Japan
- Prior art keywords
- product
- products
- purchases
- regression coefficient
- purchase
- 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.)
- Expired - Fee Related
Links
- 238000004364 calculation method Methods 0.000 claims abstract description 63
- 230000008859 change Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 description 32
- 238000012986 modification Methods 0.000 description 29
- 230000004048 modification Effects 0.000 description 29
- 238000012545 processing Methods 0.000 description 14
- 238000000611 regression analysis Methods 0.000 description 14
- 230000003993 interaction Effects 0.000 description 13
- 230000007423 decrease Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000001556 precipitation Methods 0.000 description 4
- 108010014173 Factor X Proteins 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 235000021067 refined food Nutrition 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
Y~ n = a n1 Y~ 1 +a n2 Y~ 2 +…+a n(n-1) Y~ n-1 +a n(n+1) Y~ n+1 +…+a nN Y~ N +b n0 +b n1 X n1 +b n2 X n2 +…+b nM X nM
X n1 ,…, X nM :商品nに対する、M種類の変動因子情報
Y~ 1 ,…,Y~ n-1 ,Y~ n ,Y~ n+1 ,…,Y~ N :商品群に含まれるN種類ある各商品の購買数
b n0 :定数項である商品nの係数
b n1 ,…,b nM :商品nに対する、M種類の変動因子情報毎の第1の回帰係数
a n1 ,…,a n(n-1) ,a n(n+1) ,…,a nN :商品nに対する他の商品の第2の回帰係数
上記式をN種類ある商品毎に生成し、前記第1の所定の期間としてM+N回以上の期間毎に、各商品の過去の変動因子情報を上記式のX n1 ,…, X nM に、各商品の過去の購買数を上記式のY~ 1 ,…,Y~ N に当てはめ、第1の回帰係数b n0 ,b n1 …b nM (n=1…N)及び第2の回帰係数a n1 …a nN (n=1…N)を算出する。また、前記予測購買数算出手段は、前記商品群を構成するN個の商品に含まれる、商品nを下記式で示し、
b n0 +b n1 X n1 +b n2 X n2 +…+b nM X nM =−a n1 Y 1 −a n2 Y 2 −…−a n(n-1) Y n-1 +Y n −a n(n+1) Y n+1 −…−a nN Y N
Y 1 ,…,Y n-1 ,Y n ,Y n+1 ,…,Y N :商品群に含まれるN種類ある各商品の予測購買数
前記第2の所定期間の、前記商品毎の前記変動因子情報を上記式のX n1 ,…, X nM に当てはめた上で、上記式をN種類ある商品毎に生成し、生成されたN個の方程式に基づいて、前記商品群を構成するN個の商品毎の前記予測購買数Y 1 ,Y 2 ,…,Y n ,…,Y N を算出する。
図1は、第1の実施形態にかかる需要予測装置を含んだ本部のシステム構成を示すブロック図である。図1に示すように、小売業者のシステムでは、本部に、需要予測装置100と、特売企画支援システム121と、発注数決定支援システム122と、発注システム123と、を備える。
Y~n= an1Y~1+an2Y~2+…+an(n-1)Y~n-1+an(n+1)Y~n+1+…+anNY~N+bn0+bn1Xn1+bn2Xn2+…+bnMXnM … (1)
本実施の形態にかかる回帰係数算出部112は、公知の重回帰分析を用いて、上述した回帰係数及び購買数回帰係数を算出する。これら回帰係数の算出には、記憶部111に記憶された各データを用いる。本実施の形態では、回帰係数算出部112が、予め定められた期間、例えば1〜3ヶ月程度の過去の購買数及び変動因子となり得るデータを用いて、算出する。
そして、回帰係数算出部112が回帰係数の算出に用いるため、商品n(=1,2…,N)に対するM種類の(m=1,2,…,M)の過去の変動因子となりえるデータXnm(t)が、所定期間t(t=1,2,…、T)ごとに、記憶部111の各データベースから読み出される。
Xn1(0),Xn1(1),…,Xn1(t),…,Xn1(T)
Xn2(0),Xn1(1),…,Xn2(t),…,Xn2(T)
……
XnM(0),Xn1(1),…,Xnm(t),…,XnM(T)
次に、公知の回帰係数算出方法について説明する。公知の回帰係数の算出手法として、予測因子となる過去データXnm(t)を用いた場合、所定の期間t(t=0,1,…,T)における商品nの推定購買数Yn(t)は、以下に示す回帰式(2−0)〜(2―T)で示すことができる。
Yn(1)=bn0+bn1Xn1(1)+bn2Xn2(1)+…+bnMXnM(1) … (2−1)
…
Yn(t)=bn0+bn1Xn1(t)+bn2Xn2(t)+…+bnMXnM(t) … (2−t)
…
Yn(T)=bn0+bn1Xn1(T)+bn2Xn2(T)+…+bnMXnM(T) … (2−T)
Yn=bn0+bn1Xn1+bn2Xn2+…+bnMXnM … (4)
そこで、本実施の形態では、商品nについて、当該商品nを除いた、商品群のその他の商品の過去の購買数Y~1(t),Y~2(t),…,Y~n-1(t),Y~n+1(t),…,Y~N(t)に対応するY1,Y2,…,Yn-1,Yn+1,…,YNを、商品nの回帰式の購買数変動因子として用いる。
将来の購買数の推定手法を説明する前に、過去の購買数の推定手法について説明する。まず、商品群を構成するN個の各商品について、上述したような変動因子、購買数変動因子、回帰係数、及び購買数回帰係数等を用いると、回帰式群(7−1)〜(7−N)を設定できる。
Y2=a21Y1+a23Y3+a24Y4…+a2NYN+b20+b21X21+b22X22+…+b2MX2M … (7−2)
…
Yn=an1Y1+an2Y2+…+an(n-1)Yn-1+an(n+1)Yn+1+…+anNYN+bn0+bn1Xn1+bn2Xn2+…+bnMXnM … (7−n)
…
YN=aN1Y1+aN2Y2+…+aN(N-2)YN-2+aN(N-1)YN-1+bn0+bn1Xn1+bn2Xn2+…+bnMXnM … (7−N)
Y2(t)=a21Y~1(t)+a23Y~3+a24Y~4…+a2NY~N(t)+b20+b21X21(t)+b22X22(t)+…+b2MX2M(t) … (8−2)
…
Yn(t)=an1Y~1(t)+an2Y~2+…+an(n-1)Y~n-1+an(n+1)Y~n+1+…+anNY~N(t)+bn0+bn1Xn1(t)+bn2Xn2(t)+…+bnMXnM(t) … (8−n)
…
YN(t)=aN1Y~1(t)+aN2Y~2(t)+…+aN(N-2)Y~N-2(t)+aN(N-1)Y~N-1(t)+bn0+bn1Xn1(t)+bn2Xn2(t)+…+bnMXnM(t) … (8−N)
ところが、商品nに対する将来の所定期間の予測購買数の算出では、回帰式群(7−1)〜(7−N)の右辺のすべての回帰係数ank(n≠k),bnmは定められており、当該将来の所定期間における変動因子となるデータXnMは導出できる。しかしながら、右辺のYk(k≠n)について、Ykは商品n以外の他の商品の将来購買数の予測値を意味するため、将来時点では未知数であり、式(6)のみでは、商品nに対する将来の予測購買数を算出できない。
B2=−a21Y1−Y2−a23Y3−a24Y4…−a2NYN … (9−2)
…
Bn=−an1Y1−an2Y2−…−an(n-1)Yn-1+Yn−an(n+1)Yn+1−…−anNYN … (9−n)
…
BN=−aN1Y1−aN2Y2+…−aN(N-2)YN-2−aN(N-1)YN-1−YN … (9−N)
図3は、本実施の形態にかかる需要予測装置100による需要予測と、従来の重回帰分析による需要予測との精度の違いを示した図である。図3に示すグラフでは、線分303が、購買数量の標準偏差であり、線分304が購買数量の平均値である。そして、線分301が従来の重回帰分析を用いた場合の実際の購買数との残差であり、線分302が、本実施の形態の手法を用いた場合の実際の購買数との残差とする。なお、商品A〜商品Dが購買数が激しく変動する特売商品であり、商品E〜商品Hが購買数の変動が少ない通常価格による販売商品とする。
このように、第1の実施の形態では、各店舗の発注担当者が確認した上で、発注を行う例について説明した。しかしながら、発注担当者の確認は必ずしも必要なものではなく、システム側で自動的に発注を行っても良い。そこで、第1の実施の形態の変形例1では自動発注を行う場合について説明する。
一方、予測対象商品群は、相互作用する商品購買の範囲を表す相互作用商品群でもある。従って、安易に相互作用商品群を分割すると、有効な相互作用を切断してしまい予測精度が低下する。
そこで、以下に、有効な商品群の区分手法の例を示した。
第1の実施の形態の変形例2では、商品群の区分手法の例として、記憶部111が、顧客区分に基づいて分類された商品群を記憶する例とする。本変形例にかかる需要予測装置100の記憶部111が、過去に顧客が購入した商品を示した商品購入履歴を記憶する。そして、当該顧客が過去の予め定められた期間内に購入した商品を、商品群として、商品を分類する例とする。また、商品の分類する際の基準の対象となる顧客は一人であっても複数人であっても良い。
第1の実施の形態の変形例3では、商品群の区分手法の例として、記憶部111が、商品が売れる時間帯に基づいて分類された商品群を記憶する例とする。本変形例にかかる需要予測装置100の記憶部111の購買数データベースには、購買数を示すデータの他に、商品1個毎の店舗、日付、時刻、レジ番号、レシート番号、及び購買金額等のデータのほか、顧客を識別する会員番号が対応付けて記憶されている。
第1の実施の形態の変形例4では、商品群の区分手法の例として、記憶部111が、商品が売れる時間帯に基づいて分類された商品群を記憶する例とする。本変形例にかかる需要予測装置100の記憶部111の購買数データベースには、購買数を示すデータの他に、商品1個毎の店舗、日付、時刻、レジ番号、レシート番号、及び購買金額等のデータのほか、顧客を識別する会員番号が対応付けて記憶されている。
商品群の区分手法としては上述したような区分手法に限らず、他の区分手法を用いても良い。さらには、複数の区分手法を組み合わせても良い。
Claims (4)
- 複数の商品からなる商品群を構成する商品毎の第1の所定期間の購買数と、前記商品群の各商品の購買数を変動させる因子を数値化した変動因子情報と、を記憶する記憶手段と、
前記記憶手段に基づいて、前記商品群に含まれる、任意の商品毎に各変動因子情報が当該任意の商品の前記購買数の変動に寄与する度合いを示す第1の回帰係数と、任意の商品毎に他の商品の各購買数が当該任意の商品の購買数の変動に寄与する度合いを示す第2の回帰係数と、を算出する回帰係数算出手段と、
前記回帰係数算出手段により算出された前記第1の回帰係数及び前記第2の回帰係数と、前記記憶手段に記憶された前記商品毎の購買数及び前記変動因子情報と、に基づいて、前記商品毎に、第1の所定期間以降の期間である、第2の所定期間内に購買される可能性のある購買数を示した予測購買数を算出する予測購買数算出手段と、
を備え、
前記回帰係数算出手段は、商品nの前記第1の所定期間の購買数Y~ n を下記式で示し、
Y~ n = a n1 Y~ 1 +a n2 Y~ 2 +…+a n(n-1) Y~ n-1 +a n(n+1) Y~ n+1 +…+a nN Y~ N +b n0 +b n1 X n1 +b n2 X n2 +…+b nM X nM
X n1 ,…, X nM :商品nに対する、M種類の変動因子情報
Y~ 1 ,…,Y~ n-1 ,Y~ n ,Y~ n+1 ,…,Y~ N :商品群に含まれるN種類ある各商品の購買数
b n0 :定数項である商品nの係数
b n1 ,…,b nM :商品nに対する、M種類の変動因子情報毎の第1の回帰係数
a n1 ,…,a n(n-1) ,a n(n+1) ,…,a nN :商品nに対する他の商品の第2の回帰係数
上記式をN種類ある商品毎に生成し、前記第1の所定の期間としてM+N回以上の期間毎に、各商品の過去の変動因子情報を上記式のX n1 ,…, X nM に、各商品の過去の購買数を上記式のY~ 1 ,…,Y~ N に当てはめ、第1の回帰係数b n0 ,b n1 …b nM (n=1…N)及び第2の回帰係数a n1 …a nN (n=1…N)を算出し、
前記予測購買数算出手段は、前記商品群を構成するN個の商品に含まれる、商品nを下記式で示し、
b n0 +b n1 X n1 +b n2 X n2 +…+b nM X nM =−a n1 Y 1 −a n2 Y 2 −…−a n(n-1) Y n-1 +Y n −a n(n+1) Y n+1 −…−a nN Y N
Y 1 ,…,Y n-1 ,Y n ,Y n+1 ,…,Y N :商品群に含まれるN種類ある各商品の予測購買数
前記第2の所定期間の、前記商品毎の前記変動因子情報を上記式のX n1 ,…, X nM に当てはめた上で、上記式をN種類ある商品毎に生成し、生成されたN個の方程式に基づいて、前記商品群を構成するN個の商品毎の前記予測購買数Y 1 ,Y 2 ,…,Y n ,…,Y N を算出する、
ことを特徴とする需要予測装置。 - 前記記憶手段に記憶される前記商品群は、顧客に購買された複数の商品を、予め定められた規則に従って分類されたものであること、
を特徴とする請求項1に記載の需要予測装置。 - 前記記憶手段に記憶される前記商品群は、任意の顧客が予め定められた期間内に購入した商品で構成された商品群、予め定められた時間帯毎に購入された商品で構成された商品群、又は、顧客が一回の会計で支払った総購入金額を区分する、予め定められた金額帯区分毎に購入された商品で構成された商品群であること、
を特徴とする請求項2に記載の需要予測装置。 - 複数の商品からなる商品群を構成する商品毎の第1の所定期間の購買数と、前記商品群の各商品の購買数を変動させる因子を数値化した変動因子情報と、を記憶する記憶手段を備えたコンピュータに対して、
前記記憶手段に基づいて、前記商品群に含まれる、任意の商品毎に各変動因子情報が当該任意の商品の前記購買数の変動に寄与する度合いを示す第1の回帰係数と、任意の商品毎に他の商品の各購買数が当該任意の商品の購買数の変動に寄与する度合いを示す第2の回帰係数と、を算出する回帰係数算出ステップと、
前記回帰係数算出ステップにより算出された前記第1の回帰係数及び前記第2の回帰係数と、前記記憶手段に記憶された前記商品毎の購買数及び前記変動因子情報と、に基づいて、前記商品毎に、第1の所定期間以降の期間である、第2の所定期間内に購買される可能性のある購買数を示した予測購買数を算出する予測購買数算出ステップと、
を有し、
前記回帰係数算出ステップは、商品nの前記第1の所定期間の購買数Y~ n を下記式で示し、
Y~ n = a n1 Y~ 1 +a n2 Y~ 2 +…+a n(n-1) Y~ n-1 +a n(n+1) Y~ n+1 +…+a nN Y~ N +b n0 +b n1 X n1 +b n2 X n2 +…+b nM X nM
X n1 ,…, X nM :商品nに対する、M種類の変動因子情報
Y~ 1 ,…,Y~ n-1 ,Y~ n ,Y~ n+1 ,…,Y~ N :商品群に含まれるN種類ある各商品の購買数
b n0 :定数項である商品nの係数
b n1 ,…,b nM :商品nに対する、M種類の変動因子情報毎の第1の回帰係数
a n1 ,…,a n(n-1) ,a n(n+1) ,…,a nN :商品nに対する他の商品の第2の回帰係数
上記式をN種類ある商品毎に生成し、前記第1の所定の期間としてM+N回以上の期間毎に、各商品の過去の変動因子情報を上記式のX n1 ,…, X nM に、各商品の過去の購買数を上記式のY~ 1 ,…,Y~ N に当てはめ、第1の回帰係数b n0 ,b n1 …b nM (n=1…N)及び第2の回帰係数a n1 …a nN (n=1…N)を算出し、
前記予測購買数算出ステップは、前記商品群を構成するN個の商品に含まれる、商品nを下記式で示し、
b n0 +b n1 X n1 +b n2 X n2 +…+b nM X nM =−a n1 Y 1 −a n2 Y 2 −…−a n(n-1) Y n-1 +Y n −a n(n+1) Y n+1 −…−a nN Y N
Y 1 ,…,Y n-1 ,Y n ,Y n+1 ,…,Y N :商品群に含まれるN種類ある各商品の予測購買数
前記第2の所定期間の、前記商品毎の前記変動因子情報を上記式のX n1 ,…, X nM に当てはめた上で、上記式をN種類ある商品毎に生成し、生成されたN個の方程式に基づいて、前記商品群を構成するN個の商品毎の前記予測購買数Y 1 ,Y 2 ,…,Y n ,…,Y N を算出する、
ことを特徴とする需要予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011009202A JP5337174B2 (ja) | 2011-01-19 | 2011-01-19 | 需要予測装置、及びそのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011009202A JP5337174B2 (ja) | 2011-01-19 | 2011-01-19 | 需要予測装置、及びそのプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012150671A JP2012150671A (ja) | 2012-08-09 |
JP5337174B2 true JP5337174B2 (ja) | 2013-11-06 |
Family
ID=46792855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011009202A Expired - Fee Related JP5337174B2 (ja) | 2011-01-19 | 2011-01-19 | 需要予測装置、及びそのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5337174B2 (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101435096B1 (ko) | 2012-09-17 | 2014-09-01 | 고려대학교 산학협력단 | 소셜 네트워크 서비스 데이터에 기반한 상품 수요 예측 장치 및 방법 |
JP6081180B2 (ja) * | 2012-12-17 | 2017-02-15 | 株式会社日立システムズ | 自動発注システムおよび自動発注方法 |
JP5750468B2 (ja) * | 2013-03-04 | 2015-07-22 | 東芝テック株式会社 | 需要予測装置およびプログラム |
JP5758425B2 (ja) * | 2013-03-04 | 2015-08-05 | 東芝テック株式会社 | 需要予測装置およびプログラム |
JP5756485B2 (ja) * | 2013-03-04 | 2015-07-29 | 東芝テック株式会社 | 需要予測装置およびプログラム |
JP5819363B2 (ja) * | 2013-08-05 | 2015-11-24 | 東芝テック株式会社 | 需要予測装置およびプログラム |
JP2015049805A (ja) * | 2013-09-03 | 2015-03-16 | 東芝テック株式会社 | 需要予測装置およびプログラム |
JP6042370B2 (ja) * | 2014-05-13 | 2016-12-14 | 日本電信電話株式会社 | モデル推定装置、行動予測装置、方法、及びプログラム |
JP6193817B2 (ja) * | 2014-06-27 | 2017-09-06 | 東芝テック株式会社 | 需要予測装置およびプログラム |
JP6276655B2 (ja) * | 2014-06-27 | 2018-02-07 | 東芝テック株式会社 | 需要予測装置およびプログラム |
JP2016012300A (ja) * | 2014-06-30 | 2016-01-21 | 東芝テック株式会社 | 需要予測装置およびプログラム |
JP2016012308A (ja) * | 2014-06-30 | 2016-01-21 | 東芝テック株式会社 | 需要予測装置およびプログラム |
JP7153543B2 (ja) * | 2018-11-27 | 2022-10-14 | 東芝テック株式会社 | 発注装置及びプログラム |
JP2021026402A (ja) * | 2019-08-01 | 2021-02-22 | 富士通株式会社 | 情報処理装置、及び、情報処理プログラム |
-
2011
- 2011-01-19 JP JP2011009202A patent/JP5337174B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2012150671A (ja) | 2012-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5337174B2 (ja) | 需要予測装置、及びそのプログラム | |
US11769194B2 (en) | Method and system for presenting items in online environment based on previous item selections | |
US8224688B2 (en) | System and method for disaggregating weekly forecast into daily components | |
US8117061B2 (en) | System and method of using demand model to generate forecast and confidence interval for control of commerce system | |
KR101872223B1 (ko) | 인터넷 기반 판매 예측 정보 제공 장치 | |
JP5418326B2 (ja) | 価格決定装置、価格決定方法、およびコンピュータプログラム | |
CN102282551A (zh) | 娱乐入场券定价的自动决策支持 | |
JP7004504B2 (ja) | 分析装置 | |
KR101872220B1 (ko) | 네트워크 기반 판매 예측 정보 제공 장치 | |
JP5611254B2 (ja) | 需要予測装置およびプログラム | |
Potter et al. | Removing bullwhip from the Tesco supply chain | |
CN110880061A (zh) | 商品到手价格的风险监管方法及*** | |
JP6687964B1 (ja) | 販売員評価システム、販売員評価装置、販売員評価方法および販売員評価用プログラム | |
JP6193817B2 (ja) | 需要予測装置およびプログラム | |
JP5847137B2 (ja) | 需要予測装置及びプログラム | |
JP6276655B2 (ja) | 需要予測装置およびプログラム | |
JP5750468B2 (ja) | 需要予測装置およびプログラム | |
JP5758425B2 (ja) | 需要予測装置およびプログラム | |
JP6143930B1 (ja) | マーケティング支援方法、プログラム、コンピュータ記憶媒体及びマーケティング支援システム | |
JP5819363B2 (ja) | 需要予測装置およびプログラム | |
KR101409273B1 (ko) | 사용자의 구매 영향력 지수를 산출하는 방법 및 장치 | |
JP7066921B1 (ja) | 倉庫内商品販売システム、方法及びプログラム | |
JP2016012321A (ja) | 需要予測装置およびプログラム | |
CN114626660A (zh) | 用于激增调整预报的方法和装置 | |
JP5756485B2 (ja) | 需要予測装置およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130110 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130322 |
|
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: 20130723 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130802 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5337174 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |