JP6897723B2 - 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法 - Google Patents
学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法 Download PDFInfo
- Publication number
- JP6897723B2 JP6897723B2 JP2019133538A JP2019133538A JP6897723B2 JP 6897723 B2 JP6897723 B2 JP 6897723B2 JP 2019133538 A JP2019133538 A JP 2019133538A JP 2019133538 A JP2019133538 A JP 2019133538A JP 6897723 B2 JP6897723 B2 JP 6897723B2
- Authority
- JP
- Japan
- Prior art keywords
- hot metal
- learning model
- data
- model generation
- blast furnace
- 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
- 238000000034 method Methods 0.000 title claims description 120
- 239000002184 metal Substances 0.000 title claims description 64
- 229910052751 metal Inorganic materials 0.000 title claims description 64
- 238000004519 manufacturing process Methods 0.000 title claims description 7
- 230000008569 process Effects 0.000 claims description 68
- 238000013527 convolutional neural network Methods 0.000 claims description 26
- 230000006399 behavior Effects 0.000 claims description 18
- 239000000571 coke Substances 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 9
- 239000003245 coal Substances 0.000 claims description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 2
- 230000003542 behavioural effect Effects 0.000 claims 2
- 230000009471 action Effects 0.000 description 37
- 238000010586 diagram Methods 0.000 description 14
- 238000010801 machine learning Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000002513 implantation Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012795 verification Methods 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/006—Automatically controlling the process
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B2300/00—Process aspects
- C21B2300/04—Modeling of the process, e.g. for control purposes; CII
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacture Of Iron (AREA)
- Feedback Control In General (AREA)
Description
まず、図1を参照して、本発明の一実施形態である学習モデル生成装置の構成について説明する。
図2は、本発明の一実施形態である学習モデル生成処理の流れを示すフローチャートである。図2に示すフローチャートは、学習モデル生成装置1に対して学習モデル生成処理の実行指令が入力されたタイミングで開始となり、学習モデル生成処理はステップS1の処理に進む。
2 履歴データデータベース(履歴データDB)
11 モデル学習部
12 モデル出力部
Claims (13)
- プロセスの操業状態又は機器の運転状態を示す1つ以上の観測量の履歴データを画像化した画像データを入力データ、前記履歴データに基づいてオペレータが決定したプロセス又は機器の操作量を出力データとして、オペレータがプロセス又は機器の操作量を決定する行動モデルを機械学習し、機械学習された行動モデルを出力するステップを含み、
前記画像データは、一方の軸に時間軸、他方の軸に前記履歴データを配置した2次元画像であり、
前記画像データの履歴データが、各履歴データの数値に対して色及び/又は色の濃淡を対応付けて得られる画像であることを特徴とする学習モデル生成方法。 - 前記入力データは、予め定めた連続した所定時間区間の画像データであり、前記出力データは、前記所定時間区間後の前記操作量であることを特徴とする請求項1に記載の学習モデル生成方法。
- 前記入力データは、操作量変更後、予め定めた時間経過後の制御量として定めた観測量の1つ又は複数の値がそれぞれの目標値を中心とした所定範囲内にある画像データであることを特徴とする請求項1又は2に記載の学習モデル生成方法。
- 前記画像データには、前記操作量の履歴データが含まれることを特徴とする請求項1〜3のうち、いずれか1項に記載の学習モデル生成方法。
- 前記履歴データを画像化する前に該履歴データに対して正規化処理を施すステップを含むことを特徴とする請求項1〜4のうち、いずれか1項に記載の学習モデル生成方法。
- 前記行動モデルは、畳み込みニューラルネットワークであることを特徴とする請求項1〜5のうち、いずれか1項に記載の学習モデル生成方法。
- 前記畳み込みニューラルネットワークの畳み込み演算を時間軸方向に対してのみ行うことを特徴とする請求項6に記載の学習モデル生成方法。
- 前記プロセスは高炉プロセスであり、前記観測量には溶銑温度、羽口埋込温度、及びコークス比のうちの少なくとも一つが含まれ、前記操作量は高炉の溶銑温度を制御する操作量であることを特徴とする請求項1〜7のうち、いずれか1項に記載の学習モデル生成方法。
- 前記操作量は、微粉炭比、送風湿分、及びコークス比のうちの少なくとも一つであることを特徴とする請求項8に記載の学習モデル生成方法。
- プロセスの操業状態又は機器の運転状態を示す1つ以上の観測量の履歴データを画像化した画像データを入力データ、前記履歴データに基づいてオペレータが決定したプロセス又は機器の操作量を出力データとして、オペレータがプロセス又は機器の操作量を決定する行動モデルを機械学習し、機械学習された行動モデルを出力する手段を備え、
前記画像データは、一方の軸に時間軸、他方の軸に前記履歴データを配置した2次元画像であり、
前記画像データの履歴データが、各履歴データの数値に対して色及び/又は色の濃淡を対応付けて得られる画像であることを特徴とする学習モデル生成装置。 - 請求項8又は9に記載の学習モデル生成方法によって生成された行動モデルを用いて高炉の溶銑温度を目標温度に制御可能な前記操作量を決定し、決定した操作量に従って高炉を制御するステップを含むことを特徴とする高炉の溶銑温度制御方法。
- 請求項8又は9に記載の学習モデル生成方法によって生成された行動モデルを用いて高炉の溶銑温度を目標温度に制御可能な前記操作量を決定し、決定した操作量に従って該操作量の変更ガイダンスを行うステップを含むことを特徴とする高炉の溶銑温度制御ガイダンス方法。
- 請求項11に記載の高炉の溶銑温度制御方法又は請求項12に記載の高炉の溶銑温度制御ガイダンス方法を用いて溶銑を製造するステップを含むことを特徴とする溶銑の製造方法。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019133538A JP6897723B2 (ja) | 2019-07-19 | 2019-07-19 | 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法 |
BR112021025958A BR112021025958A2 (pt) | 2019-07-19 | 2020-06-04 | Método de geração de modelo de aprendizagem, dispositivo de geração de modelo de aprendizagem, método para controlar a temperatura de ferro fundido em alto-forno, método para orientar o controle de temperatura de ferro fundido em alto-forno e método de fabricação de ferro fundido |
CN202080050757.5A CN114341879A (zh) | 2019-07-19 | 2020-06-04 | 学习模型生成方法、学习模型生成装置、高炉的铁液温度控制方法、高炉的铁液温度控制指导方法及铁液的制造方法 |
PCT/JP2020/022126 WO2021014782A1 (ja) | 2019-07-19 | 2020-06-04 | 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法 |
KR1020227000669A KR20220024450A (ko) | 2019-07-19 | 2020-06-04 | 학습 모델 생성 방법, 학습 모델 생성 장치, 고로의 용선 온도 제어 방법, 고로의 용선 온도 제어 가이던스 방법, 및 용선의 제조 방법 |
EP20844633.6A EP4002023A4 (en) | 2019-07-19 | 2020-06-04 | TEACHING MODEL GENERATION METHOD, TEACHING MODEL GENERATING DEVICE, METHOD FOR CONTROLLING TEMPERATURE OF MOLTEN IRON IN BLAST FURNACE, METHOD FOR GUIDING TEMPERATURE REGULATION OF MELTING IRON IN -FURNACE, AND PROCESS FOR MANUFACTURING FUSION IRON |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019133538A JP6897723B2 (ja) | 2019-07-19 | 2019-07-19 | 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021018569A JP2021018569A (ja) | 2021-02-15 |
JP6897723B2 true JP6897723B2 (ja) | 2021-07-07 |
Family
ID=74193755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019133538A Active JP6897723B2 (ja) | 2019-07-19 | 2019-07-19 | 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法 |
Country Status (6)
Country | Link |
---|---|
EP (1) | EP4002023A4 (ja) |
JP (1) | JP6897723B2 (ja) |
KR (1) | KR20220024450A (ja) |
CN (1) | CN114341879A (ja) |
BR (1) | BR112021025958A2 (ja) |
WO (1) | WO2021014782A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022108041A (ja) * | 2021-01-12 | 2022-07-25 | Jfeスチール株式会社 | 学習モデル生成方法、学習モデル生成装置、高炉の制御ガイダンス方法、及び溶銑の製造方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023171501A1 (ja) * | 2022-03-07 | 2023-09-14 | Jfeスチール株式会社 | 高炉の溶銑温度予測方法、高炉の溶銑温度予測モデルの学習方法、高炉の操業方法、高炉の溶銑温度予測装置、溶銑温度予測システムおよび端末装置 |
CN115130769B (zh) * | 2022-07-07 | 2024-03-01 | 青岛恒小火软件有限公司 | 一种高炉喷煤制粉***温度智能自适应方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3210473B2 (ja) * | 1993-03-11 | 2001-09-17 | 株式会社東芝 | ビジュアルフィードバック制御装置 |
DE19806267A1 (de) * | 1997-11-10 | 1999-05-20 | Siemens Ag | Verfahren und Einrichtung zur Steuerung einer hüttentechnischen Anlage |
JPH11335710A (ja) | 1998-05-22 | 1999-12-07 | Sumitomo Metal Ind Ltd | 高炉炉熱予測方法 |
JP4488964B2 (ja) | 2005-06-27 | 2010-06-23 | 新日本製鐵株式会社 | プロセスの操業状態の制御方法及びコンピュータプログラム |
JP4653715B2 (ja) * | 2006-10-13 | 2011-03-16 | 新日本製鐵株式会社 | プラント操業支援装置、プラント操業支援方法、コンピュータプログラム及び記憶媒体 |
JP2018045360A (ja) * | 2016-09-13 | 2018-03-22 | アズビル株式会社 | ヒートマップ表示装置およびヒートマップ表示方法 |
JP6298562B1 (ja) * | 2017-05-31 | 2018-03-20 | 伸和コントロールズ株式会社 | 状態監視装置、状態監視方法及びプログラム |
US10997491B2 (en) * | 2017-10-04 | 2021-05-04 | Huawei Technologies Co., Ltd. | Method of prediction of a state of an object in the environment using an action model of a neural network |
JP6676030B2 (ja) * | 2017-11-20 | 2020-04-08 | 株式会社安川電機 | 把持システム、学習装置、把持方法、及び、モデルの製造方法 |
JP2019175409A (ja) * | 2018-03-30 | 2019-10-10 | 国立大学法人横浜国立大学 | 水処理施設の運転制御装置及び運転制御方法 |
-
2019
- 2019-07-19 JP JP2019133538A patent/JP6897723B2/ja active Active
-
2020
- 2020-06-04 WO PCT/JP2020/022126 patent/WO2021014782A1/ja unknown
- 2020-06-04 BR BR112021025958A patent/BR112021025958A2/pt unknown
- 2020-06-04 CN CN202080050757.5A patent/CN114341879A/zh active Pending
- 2020-06-04 KR KR1020227000669A patent/KR20220024450A/ko not_active Application Discontinuation
- 2020-06-04 EP EP20844633.6A patent/EP4002023A4/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022108041A (ja) * | 2021-01-12 | 2022-07-25 | Jfeスチール株式会社 | 学習モデル生成方法、学習モデル生成装置、高炉の制御ガイダンス方法、及び溶銑の製造方法 |
JP7380604B2 (ja) | 2021-01-12 | 2023-11-15 | Jfeスチール株式会社 | 学習モデル生成方法、学習モデル生成装置、高炉の制御ガイダンス方法、及び溶銑の製造方法 |
Also Published As
Publication number | Publication date |
---|---|
EP4002023A4 (en) | 2022-08-24 |
KR20220024450A (ko) | 2022-03-03 |
JP2021018569A (ja) | 2021-02-15 |
WO2021014782A1 (ja) | 2021-01-28 |
BR112021025958A2 (pt) | 2022-02-08 |
EP4002023A1 (en) | 2022-05-25 |
CN114341879A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021014782A1 (ja) | 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法 | |
CN109870903B (zh) | 参数优化方法、装置以及非瞬时计算机可读取介质 | |
JP6729514B2 (ja) | 溶銑温度予測方法、溶銑温度予測装置、高炉の操業方法、操業ガイダンス装置、溶銑温度制御方法、及び溶銑温度制御装置 | |
JP6493447B2 (ja) | 溶銑温度予測方法、溶銑温度予測装置、高炉の操業方法、操業ガイダンス装置、溶銑温度制御方法、及び溶銑温度制御装置 | |
JP2018145520A (ja) | 高炉炉熱予測装置及び高炉炉熱予測方法 | |
CN113254738B (zh) | 烧成曲线的自适应预测方法、设备及计算机存储介质 | |
JP2018024935A (ja) | 溶銑温度予測方法、溶銑温度予測装置、高炉の操業方法、操業ガイダンス装置、溶銑温度制御方法、及び溶銑温度制御装置 | |
JP6930507B2 (ja) | 溶銑温度予測方法、溶銑温度予測装置、高炉の操業方法、操業ガイダンス装置、溶銑温度制御方法、及び溶銑温度制御装置 | |
Li et al. | A blast furnace coke ratio prediction model based on fuzzy cluster and grid search optimized support vector regression | |
JP2012226732A (ja) | 操業予測装置、操業予測方法、及びコンピュータプログラム | |
JP7380604B2 (ja) | 学習モデル生成方法、学習モデル生成装置、高炉の制御ガイダンス方法、及び溶銑の製造方法 | |
CN105734189A (zh) | 一种高炉运行过程中喷煤量决策的方法 | |
JP6933196B2 (ja) | 高炉の荷下り速度予測モデルの学習方法、高炉の荷下り速度予測方法、高炉の操業ガイダンス方法、高炉の荷下り速度制御方法、溶銑の製造方法、高炉の操業方法、及び高炉の荷下り速度予測モデルの学習装置 | |
CN117556711B (zh) | 基于神经网络的高炉喷煤优化方法、***、终端和介质 | |
JP7384326B1 (ja) | 高炉の溶銑温度予測方法、高炉の溶銑温度予測モデルの学習方法、高炉の操業方法、高炉の溶銑温度予測装置、高炉の溶銑温度予測システムおよび端末装置 | |
JP2019184575A (ja) | 測定動作パラメータ調整装置、機械学習装置及びシステム | |
CN112287283B (zh) | 一种高炉运行状态评价方法、装置及存储介质 | |
JP5129615B2 (ja) | 調節計、及びその動作方法 | |
JP7384150B2 (ja) | 操業ガイダンス方法、高炉の操業方法、溶銑の製造方法及び操業ガイダンス装置 | |
JP4311669B2 (ja) | 高炉温度制御システム及び高炉温度制御方法 | |
JP5211600B2 (ja) | 工業プロセスの制御方法および装置 | |
WO2024101351A1 (ja) | 装置、方法およびプログラム | |
JP6815954B2 (ja) | プラントの操業状態推定装置及び操業状態推定方法 | |
KR102122422B1 (ko) | 고로의 연원료 비율 제어 장치 및 그 방법 | |
JPH01136912A (ja) | 高炉炉熱自動制御システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200923 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200923 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20201120 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201228 |
|
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: 20210511 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210524 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6897723 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R157 | Certificate of patent or utility model (correction) |
Free format text: JAPANESE INTERMEDIATE CODE: R157 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |