TaiLexi AI日本の判例・法令
← ホーム
審決特許庁不成立

特許庁審決 令和7年9月25日

不服2024-013850 放流水質予測装置および放流水質予測方法

結論

本件審判の請求は、成り立たない。

続きを見る ↓

この資料について AI に質問

機関
特許庁
年月日
令和7年9月25日 (2025-09-25)
事件番号
不服2024-013850
事件名
放流水質予測装置および放流水質予測方法
種類・結果
審決 不成立
掲載
—
争点・税目
拒絶査定不服審判 / 特許
分野
知的財産

結論

本件審判の請求は、成り立たない。

AI 要約AI

要旨

  • 下水処理場の放流水質予測装置において、直近データデータベースの有無、学習データの時間的特定、予測モデルへの時間情報データの入力の各相違点は、いずれも当業者が適宜変更し得る設計的事項であり、引用発明に基づいて容易に発明をすることができたとした事例。
事案の概要・争点・判断などを表示

事案の概要

  • 本願は、令和2年3月18日出願の特許出願(放流水質予測装置および放流水質予測方法)であり、令和6年6月18日付けで拒絶査定がされた。
  • 請求人は、令和6年8月28日に拒絶査定不服審判を請求し、令和7年6月11日に手続補正書を提出した。
  • 当審は、令和7年5月12日付けで、請求項1~2に係る発明が引用文献1(国際公開第2020/021687号)に基づき進歩性を欠き、サポート要件も満たさないとの拒絶理由を通知した。
  • 本願発明(請求項1)は、下水処理場の複数のセンサから放流水質の時系列データを取得し、学習データと直近データを記憶し、予測モデルを生成して放流水質を予測する装置である。

争点

  • 本願発明が引用発明に基づいて当業者が容易に発明をすることができたか否か(進歩性)

判断

  • 本願発明と引用発明を対比し、一致点(センサ情報取得部、学習データデータベース、予測モデル生成部、放流水質予測部等)と相違点1~3(直近データデータベースの有無、学習データの「第1の所定時間分」の特定、予測モデルの入力への時間情報データの包含)を認定した。
  • 相違点1は、検出データの記憶先をどこにするかの設計的事項であり、相違点2は、学習データをどの程度の時間分用いるかは当業者が適宜決定し得る事項であると判断した。
  • 相違点3は、引用発明の時系列の検出データは時刻毎のデータであり時間情報データが含まれることは明らかで、実質的な相違点ではなく、仮に相違しても当業者が適宜選択し得る設計的事項であると判断した。
  • 本願発明の作用効果は引用発明から予測される範囲内のものにすぎず、格別顕著なものではないとして、進歩性を否定した。サポート要件については判断していない。

判旨(本文から引用)

  • 引用発明において、予測値F1~Fmを得るために第1計算モデルM11~M1mに入力するための「(データ取得部30によって)新たに取得された検出データD」を、既に取得されている検出データ(つまり、直近でない検出データ)が記憶されている「学習データ記憶部32」に記憶するか、新たに取得された検出データのみを「直近データデータベース」に記憶するかは、第1計算モデルM11~M1mに用いる検出データの記憶先を単にどこにするかの違いであり、そのような事項は当業者が適宜変更し得る設計的事項である。

結論

  • 本件審判の請求は、成り立たない。

AI が本文から作成した要約です。引用の際は本文をご確認ください。

当事者

請求人 日新電機株式会社(代理人 弁理士法人 HARAKENZO WORLD PATENT & TRADEMARK)

審判番号 不服2024-013850

請求人 日新電機株式会社(代理人 弁理士法人 HARAKENZO WORLD PATENT & TRADEMARK)

特願2020-48360「放流水質予測装置および放流水質予測方法」拒絶査定不服審判事件〔令和3年9月27日出願公開、特開2021-149472〕について、次のとおり審決する。

結 論

本件審判の請求は、成り立たない。

理 由

第1 手続の経緯

本願は、令和2年3月18日を出願日とする特許出願であって、その手続の経緯の概略は、以下のとおりである。

令和6年1月15日付け:拒絶理由通知書

令和6年3月11日  :意見書、手続補正書の提出

令和6年6月18日付け:拒絶査定

令和6年8月28日  :審判請求書、手続補正書の提出

令和7年5月12日付け:拒絶理由通知(当審、最初)

令和7年6月11日  :意見書、手続補正書

第2 本願発明

令和7年6月11日に提出された手続補正書によって補正された特許請求の範囲の請求項1(以下「本願発明」という。)は、以下のとおりである。

【請求項1】(下線は補正により新たに付加された構成。)

下水処理場に設置された複数のセンサから、前記下水処理場の放流水質を示す検出値の時系列データを取得するセンサ情報取得部と、

前記センサ情報取得部によって取得された前記時系列データと、前記センサ情報取得部によって前記時系列データに付与された時間情報データとを学習データとして記憶する学習データデータベースと、

前記センサ情報取得部によって取得された前記時系列データを直近データとして記憶する直近データデータベースと、

前記学習データデータベースに記憶される第1の所定時間分の学習データを学習データセットとし、第2の所定時間後の、前記複数のセンサの中の少なくとも1つの値を予測するための予測モデルを、前記学習データセットから生成する予測モデル生成部と、

前記直近データに、前記予測モデルを適用することにより、前記少なくとも1つの値を予測する放流水質予測部とを備え、

前記予測モデルは、前記第1の所定時間分の前記時系列データおよび前記時間情報データを入力とし、前記第2の所定時間後の、前記複数のセンサの中の前記少なくとも1つの値を出力するように学習させたモデルである、放流水質予測装置。

第3 拒絶の理由

令和7年5月12日付けで当審が通知した拒絶理由は、次のとおりのものである。

1.(進歩性)この出願の請求項1~2に係る発明は、その出願前に日本国内又は外国において、頒布された又は電気通信回線を通じて公衆に利用可能となった以下の引用文献1に記載された発明に基いて、その出願前にその発明の属する技術の分野における通常の知識を有する者が容易に発明をすることができたものであるから、特許法第29条第2項の規定により特許を受けることができない。

引用文献1:国際公開第2020/021687号

2.(サポート要件)この出願は、特許請求の範囲の記載は、特許法第36条第6項第1号に規定する要件を満たしていない。

第4 引用文献の記載及び引用発明

1 引用文献1

(1)引用文献1の記載

当審における拒絶の理由で引用した本願の出願日前に頒布された引用文献である、国際公開第2020/021687号(平成30年1月30日国際公開。以下「引用文献1」という。)には、図面とともに、次の記載がある。(下線は、当審で付した。以下同じ。)

「[0001] 本発明は、上水または下水などの水処理を行う水処理プラントに関する。」

「[0011] 実施の形態1.

図1は、実施の形態1にかかる水処理プラントの概略を示す図である。図1に示すように、実施の形態1にかかる水処理プラント100は、複数の水処理装置11~1nと、複数の水処理装置11~1nの状態を各々検出する複数のセンサ21~2nと、複数の水処理装置11~1nを各々制御する制御装置31~3nと、複数の水処理装置11~1nを監視する中央監視装置4とを備える。なお、nは、2以上の整数である。

[0012]  制御装置31~3nと中央監視装置4とは、互いに通信ネットワーク5を介して通信可能に接続される。通信ネットワーク5は、例えば、LAN(Local Area Network)、WAN(Wide Area Network)、または専用線である。

[0013]  複数の水処理装置11~1nは、例えば、上水または下水などの水処理を行う装置である。センサ21は、水処理装置11の水処理環境を検出し、検出結果を含む検出データを制御装置31に出力する。制御装置31は、センサ21から出力される検出データに基づいて、水処理装置11を制御する。同様に、センサ2nは、水処理装置1nの水処理環境を検出し、検出結果を含む検出データを制御装置3nに出力する。制御装置3nは、センサ2nから出力される検出データに基づいて、水処理装置1nを制御する。水処理装置11~1nの水処理環境は、水処理装置11~1nの内部にある水処理環境および水処理装置11~1nの外部にある水処理環境の少なくとも一方を含む。

[0014]  中央監視装置4は、制御装置31~3n経由で複数のセンサ21~2nから出力される検出データを取得し、かかる検出データに基づいて、複数の水処理装置11~1nの状態を監視する。中央監視装置4は、水処理プラント100のオペレータからの操作に基づいて、水処理装置11~1nを制御装置31~3nに各々制御させることができる。」

「[0022]  図2に示す水処理装置1は、被処理水として下水を処理する下水処理装置である。かかる水処理装置1は、下水道などからの流入水である下水を貯留し、下水中の比較的沈みやすい固形物などを沈殿させる最初沈殿槽11と、最初沈殿槽11の上澄み水を好気処理する処理槽12と、処理槽12から流入する活性汚泥混合液を上澄み水と活性汚泥とに分離する最終沈殿槽13とを備える。最終沈殿槽13の上澄み水は処理水として最終沈殿槽13から放出される。」

「[0025]  水処理プラント100には、水処理装置1の水処理環境を各々検出する複数のセンサ201~20mを含むセンサ2が設けられる。各センサ201~20mは、例えば、水処理装置1内の状態または環境を示す特性を検出する。具体的には、センサ201~204は、最初沈殿槽11への流入水の特性である流入水特性を検出する。センサ201は、流入水の流入量を検出する。センサ202は、流入水のBOD(Biochemical Oxygen Demand:生物化学的酸素要求量)を検出する。センサ203は、流入水の温度を検出する。センサ204は、流入水のNH3の濃度、流入水のNH4⁺の濃度、またはアンモニア性窒素濃度を検出する。

[0026]  センサ205~20m-3は、処理槽12の状態を示す処理槽内特性を検出する。センサ205は、処理槽12における溶存酸素量を検出する。センサ206は、処理槽12における活性微生物濃度を検出する。センサ207は、処理槽12におけるBODを検出する。センサ208~20m-3は、例えば、アンモニア性窒素濃度、硝酸性窒素濃度、全窒素濃度、リン酸性リン濃度、および全リン濃度を各々検出する複数のセンサを含む。

[0027]  センサ20m-2~20mは、最終沈殿槽13から放出される処理水の特性である処理水特性を検出する。センサ20m-2は、処理水の流出量を検出する。センサ20m-1は、処理水のBODを検出する。センサ20mは、処理水の全窒素濃度を検出する。

・・・途中省略・・・

[0029]  図3は、実施の形態1にかかる制御装置の構成例を示す図である。図3に示すように、実施の形態1にかかる制御装置3は、データ取得部30と、データ選択部31と、学習データ記憶部32と、学習処理部33と、モデル記憶部34と、更新判定部35と、シミュレータ部36と、状態判定部37と、演算部38と、制御部39と、通信部40とを備える。学習処理部33、モデル記憶部34、および演算部38は、AIの一例である。

[0030]  データ取得部30は、センサ2から検出データを取得する。センサ2は、上述したように複数のセンサ201~20mを含んでおり、データ取得部30は、これら複数のセンサ201~20mから出力される検出データを周期的に取得する。

[0031]  データ選択部31は、データ取得部30によって取得された検出データのうち予め設定された条件であるデータ選択条件を満たす検出データを選択し、選択した検出データを学習データ記憶部32に記憶する。」

「[0038]  学習データ記憶部32は、データ選択部31によって選択された検出データと、選択条件を満たす検出データに基づいて制御部39によって制御される制御対象機器の制御目標値の情報とを関連付けて学習データとして記憶する。

[0039]  図4は、実施の形態1にかかる学習データ記憶部に記憶されるデータテーブルの一例を示す図である。図4に示すデータテーブルは、時間帯単位または日単位の検出データを含むデータテーブルである。なお、学習データ記憶部32に記憶されるデータテーブルは、時間帯毎または日毎の検出データを含むデータテーブルに限定されない。例えば、学習データ記憶部32に記憶されるデータテーブルは、月単位の検出データまたは年単位の検出データを含むデータテーブルであってもよい。

[0040]  図4に示すデータテーブルには、時刻毎の検出データ、および制御目標値が含まれる。図4において、検出データD1(t0),D1(t1),・・・,D1(tp)は、センサ201の検出データであり、センサ201によって検出された流入水の流量の実測値Da1を含む。検出データD2(t0),D2(t1),・・・,D2(tp)は、センサ202の検出データであり、センサ202によって検出された流入水のBODの実測値Da2を含む。検出データD3(t0),D3(t1),・・・,D3(tp)は、センサ203の検出データであり、センサ203によって検出された流入水の温度の実測値Da3を含む。」

「[0050]  学習処理部33は、センサ2から出力される時系列の検出データを用いて第1計算モデルM1を生成することができる。例えば、学習処理部33は、学習データ記憶部32に記憶された時系列の検出データD1(t0),D1(t1),・・・,D1(tp)を用いて、第1計算モデルM11を生成することができる。第1計算モデルM11は、センサ201から出力される時系列の検出データを入力し、将来における流入水の流入量の予測値F1のデータを出力する計算モデルである。なお、将来は、現時点から時間Ta後を示す。時間Taは、任意に設定することができる。

[0051]  また、学習処理部33は、学習データ記憶部32に記憶された時系列の検出データD2(t0),D2(t1),・・・,D2(tp)を用いて、第1計算モデルM12を生成することができる。第1計算モデルM12は、センサ202から出力される時系列の検出データを入力し、時間Ta後における流入水のBODの予測値F2のデータを出力する計算モデルである。

[0052]  また、学習処理部33は、学習データ記憶部32に記憶された時系列の検出データD3(t0),D3(t1),・・・,D3(tp)を用いて、第1計算モデルM13を生成することができる。第1計算モデルM13は、センサ203から出力される時系列の検出データを入力し、時間Ta後における流入水の温度の予測値F3のデータを出力する計算モデルである。

[0053]  また、学習処理部33は、学習データ記憶部32に記憶された時系列の検出データD4(t0),D4(t1),・・・,D4(tp)を用いて、第1計算モデルM14を生成することができる。第1計算モデルM14は、センサ204から出力される時系列の検出データを入力し、時間Ta後における流入水の温度の予測値F4のデータを出力する計算モデルである。

[0054]  同様に、学習処理部33は、センサ205~20mから出力され且つ学習データ記憶部32に記憶された時系列の検出データを各々用いて、時間Ta後の予測値F5~Fmを各々出力する第1計算モデルM15~M1mを生成することができる。なお、第1計算モデルM1は、例えば、畳み込みニューラルネットワーク、またはリカレントニューラルネットワークである。以下、予測値F1~Fmを各々区別せずに示す場合、予測値Fと記載する場合がある。

・・・途中省略・・・

[0058]  学習処理部33は、生成した計算モデルMをモデル記憶部34に記憶する。図5は、実施の形態1にかかるモデル記憶部に記憶される情報の一例を示す図である。図5に示す例では、モデル記憶部34には、複数の第1計算モデルM11,M12,M13,M14,M15~M1m-3,M1m-2,M1m-1,M1mと第2計算モデルM2とが記憶されている。」

「[0080]  まず、第1モードについて説明する。演算部38は、動作モードが第1モードに設定されている場合、データ取得部30によって取得されたセンサ2の時系列の検出データDを取得する。演算部38は、取得した時系列の検出データDを入力とする複数の第1計算モデルM11~M1mを用いた演算を行い、第1計算モデルM11~M1mから出力される予測値F1~Fmを取得する。

・・・途中省略・・・

[0083]  演算部38は、第1計算モデルM11~M1mを用いた演算によって得られる予測値F1~Fmに基づいて、制御対象機器の制御目標値RV1,RV2を演算し、演算した制御目標値RV1,RV2を制御部39へ出力する。例えば、演算部38は、予測値F1~Fmを入力し、制御目標値RV1,RV2を出力する計算モデルを用いて、予測値F1~Fmから制御目標値RV1,RV2を演算することができる。かかる計算モデルは、例えば、学習データ記憶部32に記憶されたデータに基づいて学習処理部33によって生成および更新することができる。なお、演算部38は、第1計算モデルM11~M1mがリカレントニューラルネットワークである場合、データ取得部30によって新たに取得された検出データDを取得する毎に予測値F1~Fmを得ることができる。」

「

[図1]

〔図省略〕

[図2]

〔図省略〕

[図3]

〔図省略〕

[図4]

〔図省略〕

[図5]

〔図省略〕

」

(2) 引用文献1に記載されているといえる事項

ア [0011]の記載を踏まえると、引用文献1には「水処理プラントが備える複数の水処理装置11~1nを各々制御する制御装置31~3n」が記載されている。

イ [0027]、[0030]の記載を踏まえると、引用文献1には「データ取得部30は、水処理装置の水処理環境を各々検出する複数のセンサ201~20mから出力される検出データを周期的に取得し、そのうち、センサ20m-2~20mは、水処理装置が備える最終沈殿槽13から放出される処理水の特性である処理水特性を検出するものであって、センサ20m-2は、処理水の流出量を検出し、センサ20m-1は、処理水のBODを検出し、センサ20mは、処理水の全窒素濃度を検出する」との事項が記載されている。

ウ [0031]、[0038]の記載を踏まえると、引用文献1には「データ選択部31は、データ取得部30によって取得された検出データのうち予め設定された条件であるデータ選択条件を満たす検出データを選択し、選択された検出データと、選択条件を満たす検出データに基づいて制御部39によって制御される制御対象機器の制御目標値の情報とを関連付けて学習データとして学習データ記憶部32に記憶する」との事項が記載されている。

エ [0039]、[図4]の記載を踏まえると、引用文献1には「学習データ記憶部32に記憶される検出データは、時刻毎の検出データを含むデータテーブルの形式である」との事項が記載されている。

オ [0050]~[0054]、[0058]の記載を踏まえると、引用文献1には「学習処理部33は、センサ201~20mから出力され且つ学習データ記憶部32に記憶された時系列の検出データを各々用いて、時間Ta後の予測値F1~Fmを各々出力する第1計算モデルM11~M1mを生成し、それらをモデル記憶部34に記憶する」との事項が記載されている。

カ [0080]、[0083]の記載を踏まえると、引用文献1には「演算部38は、動作モードが第1モードに設定されている場合、データ取得部30によって取得されたセンサ2の時系列の検出データDを入力とする複数の第1計算モデルM11~M1mを用いた演算を行い、第1計算モデルM11~M1mから出力される予測値F1~Fmを取得するものであり、当該第1計算モデルM11~M1mがリカレントニューラルネットワークである場合、データ取得部30によって新たに取得された検出データDを取得する毎に予測値F1~Fmを得ることができる」との事項が記載されている。

(3)引用発明

上記(1)及び(2)によると、引用文献1には、以下の発明(以下「引用発明」という。)が記載されている。

「水処理プラントが備える複数の水処理装置11~1nを各々制御する制御装置31~3nであって(上記ア)、

前記水処理装置11~1nは、被処理水として下水を処理する下水処理装置であり([0022])、

前記制御装置31~3nは、データ取得部30と、データ選択部31と、学習データ記憶部32と、学習処理部33と、モデル記憶部34と、更新判定部35と、シミュレータ部36と、状態判定部37と、演算部38と、制御部39と、通信部40とを備え([0029])、

前記データ取得部30は、水処理装置の水処理環境を各々検出する複数のセンサ201~20mから出力される検出データを周期的に取得し、そのうち、センサ20m-2~20mは、水処理装置が備える最終沈殿槽13から放出される処理水の特性である処理水特性を検出するものであって、センサ20m-2は、処理水の流出量を検出し、センサ20m-1は、処理水のBODを検出し、センサ20mは、処理水の全窒素濃度を検出し(上記イ)、

前記データ選択部31は、データ取得部30によって取得された検出データのうち予め設定された条件であるデータ選択条件を満たす検出データを選択し、選択された検出データと、選択条件を満たす検出データに基づいて制御部39によって制御される制御対象機器の制御目標値の情報とを関連付けて学習データとして学習データ記憶部32に記憶し(上記ウ)、

前記学習データ記憶部32に記憶される検出データは、時刻毎の検出データを含むデータテーブルの形式であり(上記エ)、

前記学習処理部33は、センサ201~20mから出力され且つ学習データ記憶部32に記憶された時系列の検出データを各々用いて、時間Ta後の予測値F1~Fmを各々出力する第1計算モデルM11~M1mを生成し、それらをモデル記憶部34に記憶し(上記オ)、

前記演算部38は、動作モードが第1モードに設定されている場合、データ取得部30によって取得されたセンサ2の時系列の検出データDを入力とする複数の第1計算モデルM11~M1mを用いた演算を行い、第1計算モデルM11~M1mから出力される予測値F1~Fmを取得するものであり、当該第1計算モデルM11~M1mがリカレントニューラルネットワークである場合、データ取得部30によって新たに取得された検出データDを取得する毎に予測値F1~Fmを得ることができる(上記カ)、

制御装置31~3n。」

第5 対比・判断

1 対比

本願発明と引用発明とを対比する。

(1)「下水処理場に設置された複数のセンサから、前記下水処理場の放流水質を示す検出値の時系列データを取得するセンサ情報取得部と、」について

引用発明の「水処理プラント」は、下水などの水処理を行うものであるから、本願発明の「下水処理場」に相当する。

引用発明の「データ取得部30」は「水処理装置の水処理環境を各々検出する複数のセンサ201~20mから出力される検出データを周期的に取得し、そのうち、センサ20m-2~20mは、水処理装置が備える最終沈殿槽13から放出される処理水の特性である処理水特性を検出するものであって、センサ20m-2は、処理水の流出量を検出し、センサ20m-1は、処理水のBODを検出し、センサ20mは、処理水の全窒素濃度を検出」するものであり、上記「複数のセンサ201~20m」は、本願発明の「下水処理場に設置された複数のセンサ」に相当し、上記「複数のセンサ201~20m」のうち「センサ20m-2~20m」が検出する「水処理装置が備える最終沈殿槽13から放出される処理水の特性である処理水特性」であるところの「(センサ20m-1が検出する)処理水のBOD」や「(センサ20mが検出する)処理水の全窒素濃度」は、本願発明の「前記下水処理場の放流水質を示す検出値」に相当する。

そして、引用発明の「データ取得部30」は「水処理装置の水処理環境を各々検出する複数のセンサ201~20mから出力される検出データを周期的に取得」するものであり、「(センサ20m-1が検出する)処理水のBOD」や「(センサ20mが検出する)処理水の全窒素濃度」を含み、周期的に取得される「検出データ」は、本願発明の「下水処理場の放流水質を示す検出値の時系列データ」に相当する。

してみると、引用発明の「データ取得部30」は、本願発明の「下水処理場に設置された複数のセンサから、前記下水処理場の放流水質を示す検出値の時系列データを取得するセンサ情報取得部」に相当する。

(2)「前記センサ情報取得部によって取得された前記時系列データと、前記センサ情報取得部によって前記時系列データに付与された時間情報データとを学習データとして記憶する学習データデータベースと、」について

引用発明において、データ取得部30が複数のセンサから周期的に取得した検出データは、データ選択部31において選択された後、制御対象機器の制御目標値の情報と関連付けて学習データとして学習データ記憶部32に時刻毎の検出データを含むデータテーブルの形式で記憶される。そうすると、前記「時刻毎の検出データ」における「時刻」は、本願発明の「時間情報データ」に相当する。そして、当該「時刻」は、データ取得部30が複数のセンサから検出データを周期的に取得する際に特定されるものであるから、データ取得部30によって付与されたものといえることは明らかである。

してみると、上記(1)で言及した「「(センサ20m-1が検出する)処理水のBOD」や「(センサ20mが検出する)処理水の全窒素濃度」を含み、周期的に取得される「検出データ」は、本願発明の「下水処理場の放流水質を示す検出値の時系列データ」に相当する。」との事項を鑑みると、引用発明の「学習データ記憶部32」には、「「(センサ20m-1が検出する)処理水のBOD」や「(センサ20mが検出する)処理水の全窒素濃度」、及び、それらを取得した「時刻」」が記憶されていると解されるので、引用発明の「学習データ記憶部32」は、本願発明の「前記センサ情報取得部によって取得された前記時系列データと、前記センサ情報取得部によって前記時系列データに付与された時間情報データとを学習データとして記憶する学習データデータベース」に相当する。

(3)「前記センサ情報取得部によって取得された前記時系列データを直近データとして記憶する直近データデータベースと、」について

引用発明は、本願発明の「前記センサ情報取得部によって取得された前記時系列データを直近データとして記憶する直近データデータベース」に相当する構成を備えていない。

よって、本願発明と引用発明は、「直近データデータベース」の有無という点で相違している。

(4)「前記学習データデータベースに記憶される第1の所定時間分の学習データを学習データセットとし、第2の所定時間後の、前記複数のセンサの中の少なくとも1つの値を予測するための予測モデルを、前記学習データセットから生成する予測モデル生成部と、」について

引用発明において、「学習処理部33は、センサ201~20mから出力され且つ学習データ記憶部32に記憶された時系列の検出データを各々用いて、時間Ta後の予測値F1~Fmを各々出力する第1計算モデルM11~M1mを生成」するものであり、上記「時間Ta後」、「予測値F1~Fm」、「第1計算モデルM11~M1m」は、それぞれ本願発明の「第2の所定時間後」、「複数のセンサの中の少なくとも1つの値(予測値)」、「(複数のセンサの中の少なくとも1つの値を予測するための)予測モデル」に相当する。

また、上記「学習データ記憶部32に記憶された時系列の検出データ」は、第1計算モデルM11~M1mを生成するために用いられるのであるから、本願発明の「学習データセット」に相当する。

さらに、引用発明の「学習処理部33」は、第1計算モデルM11~M1mを生成するのであるから「予測モデル生成部」としての機能を備えているといえる。

してみると、本願発明と引用発明は、「学習データデータベースに記憶される学習データを学習データセットとし、第2の所定時間後の、前記複数のセンサの中の少なくとも1つの値を予測するための予測モデルを、前記学習データセットから生成する予測モデル生成部」という共通の構成を備えている。

一方、学習データセットとして用いる「学習データ」について、引用発明には、本願発明のように「第1の所定時間分の」との事項が特定されておらず、その点において両発明は相違している。

(5)「前記直近データに、前記予測モデルを適用することにより、前記少なくとも1つの値を予測する放流水質予測部とを備え、」について

引用発明において、「演算部38は、動作モードが第1モードに設定されている場合、データ取得部30によって取得されたセンサ2の時系列の検出データDを入力とする複数の第1計算モデルM11~M1mを用いた演算を行い、第1計算モデルM11~M1mから出力される予測値F1~Fmを取得するものであり、当該第1計算モデルM11~M1mがリカレントニューラルネットワークである場合、データ取得部30によって新たに取得された検出データDを取得する毎に予測値F1~Fmを得ることができる」のであるから、引用発明の「演算部38」は、「データ取得部30によって新たに取得された検出データDを取得する毎に第1計算モデルM11~M1mに適用して予測値F1~Fmを予測している」と解される。

そして、上記「データ取得部30によって新たに取得された検出データD」は、その文言のとおり新たに取得された検出データであるから、本願発明の「直近データ」に相当する。

また、上記「予測値F1~Fm」には、「(センサ20m-1が検出する)処理水のBOD」や「(センサ20mが検出する)処理水の全窒素濃度」に対する予測値も含まれているのであるから、引用発明の「演算部38」は、「放流水質予測部」としての機能を備えているといえる。

してみると、引用発明の「演算部38」は、本願発明の「前記直近データに、前記予測モデルを適用することにより、前記少なくとも1つの値を予測する放流水質予測部」に相当する。

(6)「前記予測モデルは、前記第1の所定時間分の前記時系列データおよび前記時間情報データを入力とし、前記第2の所定時間後の、前記複数のセンサの中の前記少なくとも1つの値を出力するように学習させたモデルである」について

引用発明の「演算部38」は、「データ取得部30によって取得されたセンサ2の時系列の検出データDを入力とする複数の第1計算モデルM11~M1mを用いた演算を行」うものであり、「第1計算モデルM11~M1m」は、「データ取得部30によって取得されたセンサ2の時系列の検出データ」を入力とするものといえる。

そして、引用発明の「時系列の検出データ」は、上記(1)及び(2)で言及したように、本願発明の「時系列データ」に相当するものである。

また、上記(4)で言及したように、引用発明の「第1計算モデルM11~M1m」は、「時間Ta後の予測値F1~Fmを各々出力する」ものであり、本願発明の「予測モデル」と「前記第2の所定時間後の、前記複数のセンサの中の前記少なくとも1つの値を出力する」点で共通する。

そうすると、本願発明の「予測モデル」と引用発明の「第1計算モデルM11~M1m」は、「前記予測モデルは、前記時系列データを入力とし、前記第2の所定時間後の、前記複数のセンサの中の前記少なくとも1つの値を出力するように学習させたモデルである」点で一致し、以下の点で相違する。

本願発明は、予測モデルの入力として「前記第1の所定時間分の前記時系列データおよび前記時間情報データ」を用いるのに対し、引用発明において「第1計算モデルM11~M1m」の入力として用いる「時系列の検出データ」には、「第1の所定時間分の」との事項が特定されておらず、また、「時間情報データ」を含むことは明示されていない点。

(7)「放流水質予測装置」について

引用発明の「制御装置31~3n」は、上記(5)で言及したように「演算部38」を備えるものであるから、「放流水質予測装置」と称し得るものである。

2 一致点及び相違点

上記1で検討した事項によると、本願発明と引用発明の一致点及び相違点は以下のとおりである。

(一致点)

「下水処理場に設置された複数のセンサから、前記下水処理場の放流水質を示す検出値の時系列データを取得するセンサ情報取得部と、

前記センサ情報取得部によって取得された前記時系列データと、前記センサ情報取得部によって前記時系列データに付与された時間情報データとを学習データとして記憶する学習データデータベースと、

前記学習データデータベースに記憶される学習データを学習データセットとし、第2の所定時間後の、前記複数のセンサの中の少なくとも1つの値を予測するための予測モデルを、前記学習データセットから生成する予測モデル生成部と、

前記直近データに、前記予測モデルを適用することにより、前記少なくとも1つの値を予測する放流水質予測部とを備え、

前記予測モデルは、前記時系列データを入力とし、前記第2の所定時間後の、前記複数のセンサの中の前記少なくとも1つの値を出力するように学習させたモデルである、

放流水質予測装置。」

(相違点1)

本願発明は、「前記センサ情報取得部によって取得された前記時系列データを直近データとして記憶する直近データデータベース」を備えているのに対し、引用発明は、前記「直近データデータベース」に相当する構成を備えていない点。

(相違点2)

学習データセットとして用いる「学習データ」について、本願発明には「第1の所定時間分の」との事項が特定されているのに対し、引用発明には係る事項が特定されていない点。

(相違点3)

本願発明は、予測モデルの入力として「前記第1の所定時間分の前記時系列データおよび前記時間情報データ」を用いるのに対し、引用発明において「第1計算モデルM11~M1m」の入力として用いる「時系列の検出データ」には、「第1の所定時間分の」との事項が特定されておらず、また、「時間情報データ」を含むことは明示されていない点。

3 判断

上記相違点1~3について検討する。

(相違点1について)

引用発明において、予測値F1~Fmを得るために第1計算モデルM11~M1mに入力するための「(データ取得部30によって)新たに取得された検出データD」を、既に取得されている検出データ(つまり、直近でない検出データ)が記憶されている「学習データ記憶部32」に記憶するか、新たに取得された検出データのみを「直近データデータベース」に記憶するかは、第1計算モデルM11~M1mに用いる検出データの記憶先を単にどこにするかの違いであり、そのような事項は当業者が適宜変更し得る設計的事項である。

(相違点2について)

引用発明において、第1計算モデルM11~M1mを生成するために、学習データとして学習データ記憶部32に記憶された時系列の検出データをどの程度の時間分用いるかは、当該第1計算モデルM11~M1mが予測する予測値F1~Fmの精度によって、当業者が適宜決定し得る事項である。

(相違点3について)

引用発明において、第1計算モデルM11~M1mの入力として時系列の検出データをどの程度の時間分用いるかは、第1計算モデルM11~M1mの生成の際と同様に、予測精度の要求水準やシステムの処理能力等によって、当業者が適宜決定し得る事項である。

また、引用発明において「第1計算モデルM11~M1m」の入力として用いられる「時系列の検出データ」は、「時刻毎」の検出データであるから、時刻(時間)に関する情報(時間情報データ)が含まれることは明らかである。

そうすると、予測モデルの入力に時間情報データが含まれる点は実質的な相違点ではない。

なお、仮に、実質的な相違点である(引用発明において「第1計算モデルM11~M1m」の入力として用いられる「時系列の検出データ」に時刻に関する情報が含まれない)としても、上記2(2)のとおり、引用発明において、学習データ記憶部32には、センサが検出する(処理水の全窒素濃度等の)情報及びそれらを取得した時刻が記憶されていると解される。

そして、モデルの入力として、利用可能な情報のうちどのような情報を用いるかは、当業者が適宜選択し得た設計的事項であって、時刻に関する情報を入力として用いる構成とすることに格別の技術的困難性は認められない。

また、上記相違点を総合的に勘案しても、本願発明の奏する作用効果は、引用発明から予測される範囲内のものにすぎず、格別顕著なものということはできない。

したがって、本願発明は、引用発明に基づいて当業者が容易に発明をすることができたものである。

4 請求人の主張について

請求人は令和7年6月11日に提出した意見書において以下のとおり主張している。

「本願の請求項1に係る発明において、予測モデルは、第1の所定時間分の時系列データおよび時間情報データを入力とし、第2の所定時間後の、複数のセンサの中の少なくとも1つの値を出力するように学習させたモデルです。これによって、放流水質データと時間情報データとの相関も学習させることができ、第2の所定時間後の未来の放流水質に関する推定の精度を向上させることができます。

これに対して、引用文献1には、このような開示はありませんので、上記のような効果を奏することは不可能です。したがって、補正後の請求項1に係る発明は、引用文献1に記載の発明に基づいて当業者が容易に想到し得るものではありません。」

しかしながら、上記「3(相違点3について)」で判断したとおりであり、上記主張は採用できない。

第6 むすび

以上のとおり、本願発明は、その出願前に日本国内において、頒布された引用文献1に記載された発明に基づいて、その出願前にその発明の属する技術の分野における通常の知識を有する者が容易に発明をすることができたものであるから、特許法29条2項の規定により特許を受けることができない。

したがって、他の請求項に係る発明について検討するまでもなく、本願は拒絶すべきものである。

よって、結論のとおり審決する。

令和7年9月25日

審判長 特許庁審判官 佐藤 智康

特許庁審判官 安藤 一道

特許庁審判官 岡北 有平

(行政事件訴訟法第46条に基づく教示)

この審決に対する訴えは、この審決の謄本の送達があった日から30日(附加期間がある場合は、その日数を附加します。)以内に、特許庁長官を被告として、提起することができます。

出典:特許庁「審決公報」(令和7年12月26日発行・号数2025-012、公報発行サイト https://www.gazette.jpo.go.jp/scciidl010 )を加工して作成(加工:TaiLexi AI)
本文は公表資料(PDF 等)から機械的に抽出・整形したもので、改行や記号に誤りを含むことがあります。正確な文言は原本でご確認ください。