JP6718500B2 - 生産システムにおける出力効率の最適化 - Google Patents
生産システムにおける出力効率の最適化 Download PDFInfo
- Publication number
- JP6718500B2 JP6718500B2 JP2018501156A JP2018501156A JP6718500B2 JP 6718500 B2 JP6718500 B2 JP 6718500B2 JP 2018501156 A JP2018501156 A JP 2018501156A JP 2018501156 A JP2018501156 A JP 2018501156A JP 6718500 B2 JP6718500 B2 JP 6718500B2
- Authority
- JP
- Japan
- Prior art keywords
- variables
- variable
- output
- environment
- input
- 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
- 238000004519 manufacturing process Methods 0.000 title claims description 47
- 238000005457 optimization Methods 0.000 title description 7
- 230000006870 function Effects 0.000 claims description 62
- 230000004044 response Effects 0.000 claims description 45
- 238000000034 method Methods 0.000 claims description 37
- 238000003860 storage Methods 0.000 claims description 32
- 238000013507 mapping Methods 0.000 claims description 24
- 239000000446 fuel Substances 0.000 claims description 11
- 230000001364 causal effect Effects 0.000 claims description 10
- 238000010219 correlation analysis Methods 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 239000003245 coal Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
- F01K13/02—Controlling, e.g. stopping or starting
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
- F01K13/003—Arrangements for measuring or testing
-
- 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
- G05B13/048—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 using a predictor
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Feedback Control In General (AREA)
- Complex Calculations (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本出願は、2015年7月17日出願の仮米国特許出願第62/193,629号の優先権を主張し、参照によりその全体をここに組み込む。
多くの生産システム(たとえば、発電所、化学プラントなど)では、システム出力は、制御可能な1つまたは複数の入力変数によって決定される。たとえば、火力発電所では、投入燃料(たとえば石炭など)の原料構成が、火力発電所の出力効率に大きく影響を及ぼすことがある。この出力効率は、通常、発電される電力と消費される燃料の量との比として計算される。したがって、このようなプラントでの重要な目標は、システム効率を改善するために、所望の特性を有する投入燃料をどのように選択するかを決定することである。
が推定された後、最急上昇法(gradient ascent method)を使用して、KPI値140の局所最適を決定する。このシステムは、KPI値140のこの決定された局所最適を使用して、最適制御変数
を決定する。次いで、システム100は、たとえばグラフィカルユーザインターフェース160を介して、推奨制御変数120をユーザに提供する。一実施形態によれば、グラフィカルユーザインターフェース160により、ユーザは、最適制御変数
はKPI値140であり、Eは環境変数135である。入力/出力マッピングにおいて、いずれの制御変数120が最適な(最高の)KPI値140を提供できるかを決定することによって、最適制御変数値を決定することができる。一実施形態では、このプロセスは、「ヒルクライミング」、すなわち制御変数120の複数の初期選択から開始し、勾配方向(この勾配は、極大点に達するまで、制御変数120に関するKPI値140の最大増加の方向として定義される)に沿って繰り返すことに依存する。次いで、極大値の全てを比較することによって、最終的な最適制御変数として、大域的最適制御変数120の値を選択することができる。
Claims (20)
- 生産システムにおけるシステム出力を最適化するための方法であって、
プロセッサによって、1つまたは複数の観察された初期入力変数を、環境変数とシステム応答変数とを含む複数の出力変数に分離し、
前記プロセッサを使用して、1つまたは複数の初期制御変数と前記システム応答変数との間の関係を決定するノンパラメトリック推定を構築し、
前記決定された関係を使用して、大域の入力/出力マッピング関数を推定し、前記環境変数の範囲を推定し、
前記入力/出力マッピング関数を最大化することによって、前記初期制御変数から1つまたは複数の最適制御変数を特定し、さらに前記環境変数の値を特定し、
前記最適制御変数のうちの1つまたは複数を生産システムに組み込んで、前記生産システムの生産出力を増大させ、
前記最適制御変数は、前記初期制御変数の状態に関連した複数のKPI(key performance indicator)値を用いて、いずれの初期制御変数の値が、前記大域の入力/出力マッピング関数の推定の結果として最大KPI値になるかを検査することによって決定される、方法。 - 相関分析を実行して、前記出力変数のそれぞれについての相関スコアを決定することをさらに含み、前記相関分析は、
前記出力変数のそれぞれと前記初期制御変数との間でピアソンの積率相関を計算し、
前記出力変数のそれぞれについての前記相関スコアを閾値と比較し、
前記閾値を超える相関スコアを有する各出力変数をシステム応答変数に指定し、前記閾値以下の相関スコアを有する各出力変数を環境変数に指定することを含む、請求項1に記載の方法。 - 前記1つまたは複数の観察された初期入力変数を分離することは、因果分析を実行して前記出力変数を識別することを含み、前記因果分析は、
制御変数の数を増大させ、
前記出力変数に予測分析を実行することを含み、
前記制御変数の数を増やすことによって出力変数における予測誤差が減る場合は、前記出力変数がシステム応答変数として指定され、前記制御変数の数を増やすことによって前記出力変数における前記予測誤差がわずかしか変化しない場合には、所定の閾値に従って、前記出力変数が環境変数として指定される、請求項1に記載の方法。 - グラフィカルユーザインターフェースを使用して、前記1つまたは複数の最適制御変数をユーザに推奨することをさらに含む、請求項1に記載の方法。
- 前記環境変数の範囲が、履歴記録、予測アルゴリズム、および領域知識からなるグループに基づいている、請求項1に記載の方法。
- 前記生産システムが火力発電所であり、前記最適制御変数のうちの1つまたは複数を組み込むことが、前記火力発電所での投入燃料の成分構成を変え、前記火力発電所の出力効率を上げる、請求項1に記載の方法。
- 前記環境変数が、外部の刺激を表し、前記初期入力変数による影響を受けることができない、請求項1に記載の方法。
- 生産システムにおけるシステム出力を最適化するシステムであって、
1つまたは複数の観察された初期入力変数を、環境変数とシステム応答変数とを含む複数の出力変数に分離し、
初期制御変数と前記システム応答変数との間の関係を決定するノンパラメトリック推定を構築し、
前記決定された関係を使用して、大域の入力/出力マッピング関数を推定し、前記環境変数の範囲を推定し、
前記入力/出力マッピング関数を最大化することによって、前記初期制御変数から1つまたは複数の最適制御変数を特定し、さらに前記環境変数の値を特定し、
前記最適制御変数のうちの1つまたは複数を生産システムに組み込んで、前記生産システムの生産出力を増大させる
ように構成されたプロセッサと、
前記1つまたは複数の観察された初期入力変数、前記1つまたは複数の初期制御変数、前記複数の出力変数、および前記1つまたは複数の最適制御変数を記憶するためのメモリと
を有し、
前記最適制御変数は、前記初期制御変数の状態に関連した複数のKPI(key performance indicator)値を用いて、いずれの初期制御変数の値が、前記大域の入力/出力マッピング関数の推定の結果として最大KPI値になるかを検査することによって決定される、システム。 - 前記プロセッサは、相関分析を実行して、前記出力変数のそれぞれについての相関スコアを決定するようにさらに構成され、
前記相関分析が、
前記出力変数のそれぞれと前記初期制御変数との間でピアソンの積率相関を計算し、
前記出力変数のそれぞれについて前記相関スコアを閾値と比較し、
前記閾値を超える相関スコアを有する各出力変数をシステム応答変数に指定し、前記閾値以下の相関スコアを有する各出力変数を環境変数に指定することを含む、請求項8に記載のシステム。 - 前記プロセッサは、因果分析を実行して前記出力変数を識別するようにさらに構成され、前記因果分析が、
制御変数の数を増大させ、
前記出力変数に予測分析を実行することを含み、
前記制御変数の数を増やすことによって出力変数における予測誤差が減る場合は、前記出力変数がシステム応答変数として指定され、前記制御変数の数を増やすことによって前記出力変数における前記予測誤差がわずかしか変化しない場合には、所定の閾値に従って、前記出力変数が環境変数として指定される、請求項8に記載のシステム。 - 前記1つまたは複数の最適制御変数をユーザに表示するように構成された、グラフィカルユーザインターフェースをさらに有する、請求項8に記載のシステム。
- 前記環境変数の範囲が、履歴記録、予測アルゴリズム、および領域知識からなるグループに基づいている、請求項8に記載のシステム。
- 前記生産システムが火力発電所であり、前記プロセッサが、前記最適制御変数のうちの1つまたは複数を組み込むときに、前記火力発電所での投入燃料の成分構成を変え、前記火力発電所の出力効率を上げるようにさらに構成された、請求項8に記載のシステム。
- 前記環境変数が、外部の刺激を表し、前記初期入力変数による影響を受けることができない、請求項8に記載のシステム。
- 前記システム応答変数が、人間の入力および前記システムの構造によって決定される、請求項8に記載のシステム。
- 生産システムにおけるシステム出力を最適化するためのコンピュータ読取り可能なプログラムを含む非一時的なコンピュータ読取り可能な記憶媒体であって、前記コンピュータ読取り可能なプログラムは、コンピュータ上で実行されると、
プロセッサにより、1つまたは複数の観察された初期入力変数を、環境変数とシステム応答変数とを含む複数の出力変数に分離するステップと、
前記プロセッサを使用して、1つまたは複数の初期制御変数と前記システム応答変数との間の関係を決定するノンパラメトリック推定を構築するステップと、
前記決定された関係を使用して、大域の入力/出力マッピング関数を推定し、前記環境変数の範囲を推定するステップと、
前記入力/出力マッピング関数を最大化することによって、前記初期制御変数から1つまたは複数の最適制御変数を特定し、さらに前記環境変数の値を特定するステップと、
前記最適制御変数のうちの1つまたは複数を生産システムに組み込んで、前記生産システムの生産出力を増大させるステップと
を、前記コンピュータに実行させ、
前記最適制御変数は、前記初期制御変数の状態に関連した複数のKPI(key performance indicator)値を用いて、いずれの初期制御変数の値が、前記大域の入力/出力マッピング関数の推定の結果として最大KPI値になるかを検査することによって決定される、コンピュータ読取り可能な記憶媒体。 - 前記コンピュータ読取り可能なプログラムは、コンピュータ上で実行されると、相関分析を実行するステップを前記コンピュータにさらに実行させ、前記相関分析が、
前記出力変数のそれぞれと前記初期制御変数との間でピアソンの積率相関を計算することと、
前記出力変数のそれぞれについての前記積率相関に基づく相関スコアを閾値と比較することと、
前記閾値を超える相関スコアを有する各出力変数をシステム応答変数に指定し、前記閾値以下の相関スコアを有する各出力変数を環境変数に指定することと
を含む、請求項16に記載のコンピュータ読取り可能な記憶媒体。 - 前記1つまたは複数の観察された初期入力変数を前記分離することが、因果分析を実行して前記出力変数を識別することを含み、前記因果分析が、
制御変数の数を増大させることと、
前記出力変数に予測分析を実行することと
を含み、
前記制御変数の数を増やすことによって出力変数における予測誤差が減る場合は、前記出力変数がシステム応答変数として指定され、前記制御変数の数を増やすことによって前記出力変数における前記予測誤差がわずかしか変化しない場合には、所定の閾値に従って、前記出力変数が環境変数として指定される、請求項16に記載のコンピュータ読取り可能な記憶媒体。 - 前記環境変数の範囲が、履歴記録、予測アルゴリズム、および領域知識からなるグループに基づいている、請求項16に記載のコンピュータ読取り可能な記憶媒体。
- 前記生産システムが火力発電所であり、前記最適制御変数のうちの1つまたは複数を組み込むことが、前記火力発電所での投入燃料の成分構成を変え、前記火力発電所の出力効率を上げる、請求項16に記載のコンピュータ読取り可能な記憶媒体。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562193629P | 2015-07-17 | 2015-07-17 | |
US62/193,629 | 2015-07-17 | ||
US15/211,191 US10161269B2 (en) | 2015-07-17 | 2016-07-15 | Output efficiency optimization in production systems |
US15/211,191 | 2016-07-15 | ||
PCT/US2016/042721 WO2017015184A1 (en) | 2015-07-17 | 2016-07-18 | Output efficiency optimization in production systems |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018528511A JP2018528511A (ja) | 2018-09-27 |
JP6718500B2 true JP6718500B2 (ja) | 2020-07-08 |
Family
ID=57775163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018501156A Active JP6718500B2 (ja) | 2015-07-17 | 2016-07-18 | 生産システムにおける出力効率の最適化 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10161269B2 (ja) |
JP (1) | JP6718500B2 (ja) |
DE (1) | DE112016003235T5 (ja) |
WO (1) | WO2017015184A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11687772B2 (en) | 2018-07-13 | 2023-06-27 | Nec Corporation | Optimization of cyber-physical systems |
JP7215077B2 (ja) * | 2018-10-26 | 2023-01-31 | 富士通株式会社 | 予測プログラム、予測方法及び予測装置 |
US11059469B2 (en) | 2019-05-01 | 2021-07-13 | Westinghouse Air Brake Technologies Corporation | Brake cylinder with parking brake mechanism |
JP7314323B2 (ja) * | 2019-06-20 | 2023-07-25 | タタ コンサルタンシー サービシズ リミテッド | コンバインド・サイクル・ガス・タービン運転の最適化のための方法及びシステム |
CN110673557B (zh) * | 2019-09-27 | 2021-09-24 | 南京大学 | 基于工艺条件选择的智能化工系统 |
JP7181849B2 (ja) * | 2019-10-31 | 2022-12-01 | 横河電機株式会社 | 装置、方法およびプログラム |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5586066A (en) * | 1994-06-08 | 1996-12-17 | Arch Development Corporation | Surveillance of industrial processes with correlated parameters |
US20030139952A1 (en) * | 2002-01-24 | 2003-07-24 | Ford Global Technologies, Inc. | Complexity management and production optimization system |
JP4043879B2 (ja) * | 2002-07-24 | 2008-02-06 | 三菱電機株式会社 | プラント最適運転制御装置 |
US20050187643A1 (en) * | 2004-02-19 | 2005-08-25 | Pavilion Technologies, Inc. | Parametric universal nonlinear dynamics approximator and use |
US20040181498A1 (en) * | 2003-03-11 | 2004-09-16 | Kothare Simone L. | Constrained system identification for incorporation of a priori knowledge |
US20050119863A1 (en) * | 2003-08-07 | 2005-06-02 | Buikema John T. | Manufacturing monitoring system and methods for determining efficiency |
US7317953B2 (en) * | 2003-12-03 | 2008-01-08 | Fisher-Rosemount Systems, Inc. | Adaptive multivariable process controller using model switching and attribute interpolation |
JP2005332171A (ja) * | 2004-05-19 | 2005-12-02 | Hitachi Ltd | 投入比決定支援方法および装置 |
US20070055392A1 (en) * | 2005-09-06 | 2007-03-08 | D Amato Fernando J | Method and system for model predictive control of a power plant |
US8065022B2 (en) * | 2005-09-06 | 2011-11-22 | General Electric Company | Methods and systems for neural network modeling of turbine components |
US8046090B2 (en) * | 2007-01-31 | 2011-10-25 | Honeywell International Inc. | Apparatus and method for automated closed-loop identification of an industrial process in a process control system |
CN103792927B (zh) * | 2007-03-12 | 2017-01-04 | 艾默生过程管理电力和水力解决方案有限公司 | 发电厂性能监测中统计分析的使用 |
JP5204001B2 (ja) * | 2009-02-18 | 2013-06-05 | 株式会社東芝 | 入力電気量の異常兆候判定装置 |
US20120083933A1 (en) * | 2010-09-30 | 2012-04-05 | General Electric Company | Method and system to predict power plant performance |
US20120283885A1 (en) * | 2011-05-04 | 2012-11-08 | General Electric Company | Automated system and method for implementing statistical comparison of power plant operations |
US20130151022A1 (en) * | 2011-12-07 | 2013-06-13 | General Electric Company | Systems and Methods for Assessing Future Power Plant Capabilities |
US9411326B2 (en) * | 2012-08-21 | 2016-08-09 | General Electric Company | Plant control optimization system including visual risk display |
US9147153B2 (en) * | 2012-11-06 | 2015-09-29 | Rockwell Automation Technologies, Inc. | Empirical modeling with globally enforced general constraints |
US9576259B2 (en) * | 2013-08-13 | 2017-02-21 | Siemens Industry, Inc. | Systems, methods and apparatus for optimizing fuel mix, fuel allocation and scheduling of generator resources |
-
2016
- 2016-07-15 US US15/211,191 patent/US10161269B2/en active Active
- 2016-07-18 JP JP2018501156A patent/JP6718500B2/ja active Active
- 2016-07-18 DE DE112016003235.8T patent/DE112016003235T5/de active Pending
- 2016-07-18 WO PCT/US2016/042721 patent/WO2017015184A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US20170016354A1 (en) | 2017-01-19 |
JP2018528511A (ja) | 2018-09-27 |
DE112016003235T5 (de) | 2018-05-03 |
US10161269B2 (en) | 2018-12-25 |
WO2017015184A1 (en) | 2017-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6718500B2 (ja) | 生産システムにおける出力効率の最適化 | |
JP6507279B2 (ja) | 管理方法、非一時的コンピュータ可読媒体および管理装置 | |
JP7258965B2 (ja) | ニューラルネットワークを使用する強化学習のための行動選択 | |
JP6591672B2 (ja) | デュエリングディープニューラルネットワーク | |
CN111406264B (zh) | 神经架构搜索 | |
CN111695695B (zh) | 用户决策行为量化分析方法及装置 | |
CN110476172A (zh) | 用于卷积神经网络的神经架构搜索 | |
KR20180091842A (ko) | 우선순위화된 경험 메모리를 사용한 신경 네트워크의 트레이닝 | |
US11115295B2 (en) | Methods and systems for online monitoring using a variable data | |
WO2013187295A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN110858062B (zh) | 目标优化参数的获取方法及模型训练方法、装置 | |
EP2981866A1 (en) | Methods and systems for reservoir history matching for improved estimation of reservoir performance | |
WO2020149971A2 (en) | Robust and data-efficient blackbox optimization | |
JP7168753B2 (ja) | ヘッドルームに基づくエッジデバイスのためのプロファイリングおよびアプリケーション監視 | |
CN109726811A (zh) | 使用优先级队列训练神经网络 | |
US20200151545A1 (en) | Update of attenuation coefficient for a model corresponding to time-series input data | |
US20230128318A1 (en) | Automated Parameterized Modeling And Scoring Intelligence System | |
CN111967917B (zh) | 预测用户流失的方法以及设备 | |
CN114072809A (zh) | 经由神经架构搜索的小且快速的视频处理网络 | |
JP2015148934A (ja) | 発電量予測装置および発電量予測方法 | |
US20190275672A1 (en) | Information processing apparatus and information processing method | |
JP2010049392A (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 | |
WO2020218246A1 (ja) | 最適化装置、最適化方法、及びプログラム | |
JP7579632B2 (ja) | 推定装置、システム及び方法 | |
IL294712A (en) | Learning with momentary assessment using different time constants |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180123 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190424 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190924 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191206 |
|
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: 20200602 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200612 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6718500 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: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |