JP5338492B2 - 入力変数選択支援装置 - Google Patents
入力変数選択支援装置 Download PDFInfo
- Publication number
- JP5338492B2 JP5338492B2 JP2009137144A JP2009137144A JP5338492B2 JP 5338492 B2 JP5338492 B2 JP 5338492B2 JP 2009137144 A JP2009137144 A JP 2009137144A JP 2009137144 A JP2009137144 A JP 2009137144A JP 5338492 B2 JP5338492 B2 JP 5338492B2
- Authority
- JP
- Japan
- Prior art keywords
- input
- output
- model
- variables
- variable
- 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
- 230000035945 sensitivity Effects 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 21
- 238000003062 neural network model Methods 0.000 claims description 15
- 238000012628 principal component regression Methods 0.000 claims description 14
- 230000008707 rearrangement Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 description 22
- 230000006870 function Effects 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 15
- 230000008878 coupling Effects 0.000 description 15
- 238000010168 coupling process Methods 0.000 description 15
- 238000005859 coupling reaction Methods 0.000 description 15
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000013523 data management Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000000491 multivariate analysis Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 229940050561 matrix product Drugs 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- General Factory Administration (AREA)
- Feedback Control In General (AREA)
Description
データ処理部と、
複数の入力候補変数と出力変数とについての実績値であるモデル情報データが登録されるモデル情報データベースが構築されており、前記データ処理部によりデータの読み書きが行なわれる記憶部と、
前記データ処理部へ入力がなされる入力部と、
前記データ処理部から出力がなされる出力部と、
を有し、予測装置における入出力モデルの作成に用いる入力変数を選択する入力変数選択支援装置であって、前記データ処理部は、
前記モデル情報データを前記出力変数および前記入力候補変数ごとに平均値が0であり標準偏差が1となるように標準化する標準化手段と、
前記標準化されたモデル情報データを用いて、全入力候補変数と出力変数の関係を表す複数の入出力モデル[j](j=1,・・・,JであってJは2以上の自然数)を、モデル原理を異ならせて多形式にわたり生成する多形式入出力モデル作成手段と、
前記入出力モデル[j]の各入力候補変数の変化量に対する出力変数の変化量を、その入力候補の変化量で除した値の絶対値である感度を入力候補変数ごとに生成する感度生成を入出力モデル[1],・・・,入出力モデル[j],・・・,入出力モデル[J]についてそれぞれ行う感度生成手段と、
前記各入出力モデルの感度が大きい入力変数を選択する入力変数選択手段と、
選択された入力変数を出力部を通じて提示する提示手段と、
を備えることを特徴とする。
請求項1に記載の入力変数選択支援装置において、
前記入力変数選択手段は、
入出力モデル[1],・・・,入出力モデル[j],・・・,入出力モデル[J]の何れか1つの入出力モデル[j]における入力候補変数について感度の大きい順に入力候補変数をソートする並べ替えを行う並べ替え手段と、
感度が大きい順に並び替えられた入力候補変数を、予め設定された個数で感度が大きい側から選択する変数選択を行う入力変数選択手段と、
を備えることを特徴とする。
請求項1に記載の入力変数選択支援装置において、
前記入力変数選択手段は、
入出力モデル[j]における入力候補変数について感度の大きい順に入力候補変数をソートする並べ替えを入出力モデル[1],・・・,入出力モデル[j],・・・,入出力モデル[J]についてそれぞれ行う並べ替え手段と、
感度が大きい順に並び替えられた入力変数を、予め設定された個数で感度が大きい側から選択する変数選択を全ての入出力モデル[1],・・・,入出力モデル[j],・・・,入出力モデル[J]についてそれぞれ行う入力変数選択手段と、
を備えることを特徴とする。
請求項1に記載の入力変数選択支援装置において、
前記入力変数選択手段は、
入出力モデル[j]における入力候補変数について感度の大きい順に入力候補変数をソートする並べ替えを入出力モデル[1],・・・,入出力モデル[j],・・・,入出力モデル[J]についてそれぞれ行う並べ替え手段と、
入出力モデル[j]を第1のグループおよび第2のグループに分ける選別手段と、
第1のグループの入出力モデルのすべてについて、感度が大きい順に並び替えられた入力変数を、予め設定された個数で大きい側から選択する変数選択を行う第1入力変数選択手段と、
第2のグループの入出力モデルのいずれかについて、感度が大きい順に並び替えられた入力変数を、予め設定された個数で大きい側から選択する変数選択を行う第2入力変数選択手段と、
を備えることを特徴とする。
請求項3または請求項4に記載の入力変数選択支援装置において、
前記入力変数選択手段は、
各入出力モデル[j]について選択した入力変数のAND集合またはOR集合により最終的に選択される入力変数を決定する決定手段と、
を備えることを特徴とする。
請求項1〜請求項5の何れか一項に記載の入力変数選択支援装置において、
前記入出力モデルは重回帰モデル、ニューラルネットワークモデル、主成分回帰モデル、または、部分的最小二乗法モデルの少なくとも一個を含む組合せであることを特徴とする。
請求項6に記載の入力変数選択支援装置において、
前記入出力モデルは、重回帰モデルによる入出力モデル[1]、および、ニューラルネットモデルによる入出力モデル[2]であることを特徴とする。
請求項7に記載の入力変数選択支援装置において、
前記入出力モデル[1]での重回帰モデルは、
部分的最小二乗法モデルまたは主成分回帰モデルに重回帰モデルを変換して生成されることを特徴とする。
出力部3は、ディスプレイ装置、プリンタ装置などであり、データ処理部10から出力されたデータにより画面表示・印刷というデータ出力がなされる。
まず、システムの管理者が、予め必要となるモデル情報データベース21を設計し、モデル情報データベース21に対して入力部2からデータベースの構造を登録しておくものとする。続いて、システムの管理者が、モデル情報データを登録する。モデル情報データの入力方法は、専用画面を通じての入力でもよいし、CSV(Comma Separated Value)形式によるファイル入力でもよい。
モデル情報データベース21に登録されているモデル情報や変数について情報はこのようなものである。
このような入出力モデル[1]の入力候補変数であるx1 、・・・、xm 、・・・、xMについての比s11 、・・・、s1m 、・・・、s1M が算出され、絶対値を取って感度|s11| 、・・・、|s1m|、・・・、|s1M| がM個算出される。
また、入出力モデル[J]のある変数xmについて感度sJm次式のように表される。
なお、複数ある入出力モデルの中から入出力モデル[j]を一個選択する際の選択基準として、例えば、最も大きい感度を有する入出力モデルとしたり、感度の総和が大きい入出力モデルとすることができる。いずれも感度が高い入出力モデルを採用しているため、有効な入出力モデルを選択することができる。
なお、第1グループの選択基準として、例えば、感度が所定値よりも大きい入出力モデルとしたり、感度の総和が所定値よりも大きい入出力モデルとすることができる。第2グループの選択基準として、例えば、感度が所定値よりも小さい入出力モデルとしたり、感度の総和が所定値よりも小さい入出力モデルとすることができる。
これら何れかの手法により入力変数が選択される。
入力変数選択支援装置100はこのようなものである。
この重回帰モデルは、以下のように表される。
データ処理部10は、モデル作成(Aの学習)用のモデル情報データをモデル情報データベース21の標準化データテーブルから読み出す手段として機能する。このモデル情報データは入力候補変数(x)、出力変数(y)の過去の多数のサンプルからなるデータである。具体的には、xは一般にM変数とし、サンプル数をIとする。このモデル情報データを行列の形で並べると以下のようになり、各行が各サンプル、各列が各変数を表す。
データ処理部10は、モデル作成(モデルの学習)用のモデル情報データを入力する手段として機能する。このモデル情報データは一般に入力候補変数(x)、出力変数(y)の過去の多数のサンプルからなるデータである。具体的には、xは一般にM変数とし、過去のサンプル数をIとする。このデータを行列の形で並べると上記の数10,数11のようになり、各行が各サンプル、各列が各変数を表す。
このような入出力モデル[1]の入力候補変数であるx1 、・・・、xm 、・・・、xMについての比sj1 、・・・、sjm 、・・・、sjM が算出され、絶対値を取って感度|sj1| 、・・・、|sjm|、・・・、|sjM| がM個算出される。このような感度はG1(x)、・・・、GJ(x)について算出される。
本形態では、特に線形の入出力モデルと非線形の入出力モデルとを組み合わせるようにして、選択される入出力変数が異なる傾向を有するようにして、有効な入出力変数が漏れなく選択されるようにするというものである。例えば、J=2でモデルが2種類とした場合、入出力モデル[1]は重回帰モデル、入出力モデル[2]はニューラルネットワークモデルとすると良い。重回帰モデルが線形でニューラルネットワークモデルが非線形であるため、多面的な観点から変数選択がなされて、有効な入出力変数が選択される。また、入出力モデル[1]が主成分回帰モデル、入出力モデル[2]がニューラルネットワークモデルとしたり、入出力モデル[1]が部分的最小二乗法モデル、入出力モデル[2]がニューラルネットワークモデルとしても良い。
感度を計算する際に用いた複数のモデルから、予測を行うための1のモデルを選択する。具体的には、登録されている複数のモデルから予めユーザが予測を行うモデルを決定して登録しておく。次に、上記で決定された入力変数を用いて、改めて予測モデルを生成する。予測モデルの生成方法は、前記の感度を計算するためにモデルを生成した時と同じ手順となる。生成された予測モデルを用い、与えられる入力に基づいて予測値を出力する。このようにして予測がなされる。選択した入力変数から複数のモデルを作成し、その(加重)平均を予測値とすることもできる。
1:データ管理用コンピュータ
10:データ処理部
101:モデル情報収集手段
102:標準化手段
103:多形式入出力モデル作成手段
104:感度生成手段
105:入力変数選択手段
106:提示手段
20:記憶部
2:入力部
3:出力部
Claims (8)
- データ処理部と、
複数の入力候補変数と出力変数とについての実績値であるモデル情報データが登録されるモデル情報データベースが構築されており、前記データ処理部によりデータの読み書きが行なわれる記憶部と、
前記データ処理部へ入力がなされる入力部と、
前記データ処理部から出力がなされる出力部と、
を有し、予測装置における入出力モデルの作成に用いる入力変数を選択する入力変数選択支援装置であって、前記データ処理部は、
前記モデル情報データを前記出力変数および前記入力候補変数ごとに平均値が0であり標準偏差が1となるように標準化する標準化手段と、
前記標準化されたモデル情報データを用いて、全入力候補変数と出力変数の関係を表す複数の入出力モデル[j](j=1,・・・,JであってJは2以上の自然数)を、モデル原理を異ならせて多形式にわたり生成する多形式入出力モデル作成手段と、
前記入出力モデル[j]の各入力候補変数の変化量に対する出力変数の変化量を、その入力候補の変化量で除した値の絶対値である感度を入力候補変数ごとに生成する感度生成を入出力モデル[1],・・・,入出力モデル[j],・・・,入出力モデル[J]についてそれぞれ行う感度生成手段と、
前記各入出力モデルの感度が大きい入力変数を選択する入力変数選択手段と、
選択された入力変数を出力部を通じて提示する提示手段と、
を備えることを特徴とする入力変数選択支援装置。 - 請求項1に記載の入力変数選択支援装置において、
前記入力変数選択手段は、
入出力モデル[1],・・・,入出力モデル[j],・・・,入出力モデル[J]の何れか1つの入出力モデル[j]における入力候補変数について感度の大きい順に入力候補変数をソートする並べ替えを行う並べ替え手段と、
感度が大きい順に並び替えられた入力候補変数を、予め設定された個数で感度が大きい側から選択する変数選択を行う入力変数選択手段と、
を備えることを特徴とする入力変数選択支援装置。 - 請求項1に記載の入力変数選択支援装置において、
前記入力変数選択手段は、
入出力モデル[j]における入力候補変数について感度の大きい順に入力候補変数をソートする並べ替えを入出力モデル[1],・・・,入出力モデル[j],・・・,入出力モデル[J]についてそれぞれ行う並べ替え手段と、
感度が大きい順に並び替えられた入力変数を、予め設定された個数で感度が大きい側から選択する変数選択を全ての入出力モデル[1],・・・,入出力モデル[j],・・・,入出力モデル[J]についてそれぞれ行う入力変数選択手段と、
を備えることを特徴とする入力変数選択支援装置。 - 請求項1に記載の入力変数選択支援装置において、
前記入力変数選択手段は、
入出力モデル[j]における入力候補変数について感度の大きい順に入力候補変数をソートする並べ替えを入出力モデル[1],・・・,入出力モデル[j],・・・,入出力モデル[J]についてそれぞれ行う並べ替え手段と、
入出力モデル[j]を第1のグループおよび第2のグループに分ける選別手段と、
第1のグループの入出力モデルのすべてについて、感度が大きい順に並び替えられた入力変数を、予め設定された個数で大きい側から選択する変数選択を行う第1入力変数選択手段と、
第2のグループの入出力モデルのいずれかについて、感度が大きい順に並び替えられた入力変数を、予め設定された個数で大きい側から選択する変数選択を行う第2入力変数選択手段と、
を備えることを特徴とする入力変数選択支援装置。 - 請求項3または請求項4に記載の入力変数選択支援装置において、
前記入力変数選択手段は、
各入出力モデル[j]について選択した入力変数のAND集合またはOR集合により最終的に選択される入力変数を決定する決定手段と、
を備えることを特徴とする入力変数選択支援装置。 - 請求項1〜請求項5の何れか一項に記載の入力変数選択支援装置において、
前記入出力モデルは重回帰モデル、ニューラルネットワークモデル、主成分回帰モデル、または、部分的最小二乗法モデルの少なくとも一個を含む組合せであることを特徴とする入力変数選択支援装置。 - 請求項6に記載の入力変数選択支援装置において、
前記入出力モデルは、重回帰モデルによる入出力モデル[1]、および、ニューラルネットモデルによる入出力モデル[2]であることを特徴とする入力変数選択支援装置。 - 請求項7に記載の入力変数選択支援装置において、
前記入出力モデル[1]での重回帰モデルは、
部分的最小二乗法モデルまたは主成分回帰モデルに重回帰モデルを変換して生成されることを特徴とする入力変数選択支援装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009137144A JP5338492B2 (ja) | 2009-06-08 | 2009-06-08 | 入力変数選択支援装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009137144A JP5338492B2 (ja) | 2009-06-08 | 2009-06-08 | 入力変数選択支援装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010282547A JP2010282547A (ja) | 2010-12-16 |
JP5338492B2 true JP5338492B2 (ja) | 2013-11-13 |
Family
ID=43539196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009137144A Active JP5338492B2 (ja) | 2009-06-08 | 2009-06-08 | 入力変数選択支援装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5338492B2 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014224786A (ja) * | 2013-05-17 | 2014-12-04 | 株式会社小野測器 | エンジンモデル作成方法およびエンジンモデル作成システム |
JP6530338B2 (ja) | 2016-03-17 | 2019-06-12 | 株式会社東芝 | 情報処理装置、情報処理方法およびプログラム |
JP6805632B2 (ja) * | 2016-08-24 | 2020-12-23 | 富士通株式会社 | 設計予測装置、設計予測プログラムおよび設計予測方法 |
CN108694755B (zh) | 2017-03-29 | 2021-05-28 | 株式会社东芝 | 模型构建***以及模型构建方法 |
JP6966245B2 (ja) * | 2017-07-12 | 2021-11-10 | アズビル株式会社 | 支援装置および支援方法 |
JP6727478B1 (ja) * | 2019-03-28 | 2020-07-22 | 三菱電機株式会社 | 学習装置、学習方法及びプログラム |
JP7268069B2 (ja) * | 2020-02-21 | 2023-05-02 | アクタピオ,インコーポレイテッド | 学習装置、学習方法、学習プログラム、評価装置、評価方法、および評価プログラム |
JP7001766B2 (ja) | 2020-06-22 | 2022-01-20 | 株式会社日立製作所 | 予測システムおよび予測方法 |
JP7436313B2 (ja) * | 2020-07-21 | 2024-02-21 | 株式会社日立製作所 | 予測システム、予測方法、ならびに表示装置 |
CN116450708B (zh) * | 2023-06-13 | 2023-09-01 | 南京市城市数字治理中心 | 一种企业数据挖掘方法及*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05265509A (ja) * | 1992-03-16 | 1993-10-15 | Mitsubishi Heavy Ind Ltd | 学習制御装置 |
JP2000075903A (ja) * | 1998-09-01 | 2000-03-14 | Toshiba Corp | 運転量予測モデル構築装置、その方法および運転量予測モデル構築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 |
JP2000322263A (ja) * | 1999-05-07 | 2000-11-24 | Toshiba Mach Co Ltd | ファジィ推論モデルの構成の適正化方法 |
JP3851783B2 (ja) * | 2001-03-08 | 2006-11-29 | 株式会社東芝 | 末端圧力制御用支援装置 |
JP4677679B2 (ja) * | 2001-03-27 | 2011-04-27 | 株式会社デンソー | 製品の製造プロセスにおける特性調整方法 |
JP2006323523A (ja) * | 2005-05-17 | 2006-11-30 | Kyoto Univ | 操作変数選択装置、操作変数選択方法、操作変数選択プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
JP5011830B2 (ja) * | 2006-06-09 | 2012-08-29 | 富士通セミコンダクター株式会社 | データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置 |
-
2009
- 2009-06-08 JP JP2009137144A patent/JP5338492B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2010282547A (ja) | 2010-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5338492B2 (ja) | 入力変数選択支援装置 | |
CN111079836B (zh) | 基于伪标签方法和弱监督学习的过程数据故障分类方法 | |
US20100131800A1 (en) | Diagnostic device | |
JP2017224184A (ja) | 機械学習装置 | |
WO2021054026A1 (ja) | 材料特性予測システムおよび材料特性予測方法 | |
Kleijnen et al. | Methodology for determining the acceptability of system designs in uncertain environments | |
CN114819777A (zh) | 一种基于数字孪生技术的企业销售业务分析管理*** | |
EP4238005A1 (en) | A computer-implemented method for generating local explanations and error estimates in machine learning models, as well as a decision support system and computer program implementing said method | |
JP2010128779A (ja) | 重回帰式の抽出方法 | |
JP6012860B2 (ja) | 作業時間推定装置 | |
Detmer et al. | Variation in disturbance to a foundation species structures the dynamics of a benthic reef community | |
US11847389B2 (en) | Device and method for optimizing an input parameter in a processing of a semiconductor | |
JP5125875B2 (ja) | Pidコントローラのチューニング装置、pidコントローラのチューニング用プログラムおよびpidコントローラのチューニング方法 | |
JP2012194741A (ja) | 行列形データの欠損値予測装置、欠損値予測計算方法および欠損値予測プログラム | |
CN114631122A (zh) | 半导体应用的协作学习模型 | |
JP2006048429A (ja) | 解析エンジン交換型システム及びデータ解析プログラム | |
JP7491724B2 (ja) | 情報処理装置および情報処理方法 | |
JP2021022051A (ja) | 機械学習プログラム、機械学習方法および機械学習装置 | |
JP3677006B2 (ja) | 情報処理装置およびその方法 | |
JP7499597B2 (ja) | 学習モデル構築システムおよびその方法 | |
JP2008305229A (ja) | 需要予測方法および装置 | |
JP4255779B2 (ja) | データ分析装置およびデータ分析方法並びにデータ分析プログラム | |
Giollo et al. | Machine learning for fab automated diagnostics | |
TW202121221A (zh) | 可轉移性判定裝置、可轉移性判定方法、及可轉移性判定程式 | |
JP2020144826A (ja) | 推定装置、推定方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20110422 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120514 |
|
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: 20130709 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130710 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130722 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5338492 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |
|
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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D02 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |