2024-018143

特願２０２３－５０６４１４「ログデータ解析装置、ログデータ解析方法及びプログラム」拒絶査定不服審判事件〔２０２２年（令和４年）９月２２日国際公開、ＷＯ２０２２／１９５６９０〕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、２０２１年（令和３年）３月１５日を国際出願日とする出願であって、その手続の経緯は以下のとおりである。 令和６年 ３月 ６日付け：拒絶理由通知書 令和６年 ５月１０日 ：意見書、手続補正書の提出 令和６年 ９月 ３日付け：拒絶査定（原査定） 令和６年１１月１３日 ：審判請求書、手続補正書の提出 令和７年 ７月 ９日付け：拒絶理由（最後）通知書 令和７年 ９月 ４日 ：意見書、手続補正書の提出 第２ 令和７年９月４日提出の手続補正書に係る手続補正の却下の決定 ［補正の却下の決定の結論］ 令和７年９月４日提出の手続補正書に係る手続補正（以下、「本件補正」という。）を却下する。 ［理由］ １ 本件補正について（補正の内容） （１）本件補正後の特許請求の範囲の記載 本件補正により、特許請求の範囲の請求項５の記載は、次のとおり補正された。（下線部は、補正箇所である。） 「 プロセッサを有するログデータ解析装置におけるログデータ解析方法であって、 前記プロセッサにより、ログデータと当該ログデータのクラスタリングされたクラスタを示すクラスタラベルを含む訓練データの距離学習によって、クラスタ間により遠ざけるためのマージンを入れた埋め込み空間を訓練し、 前記プロセッサにより、 処理対象のログデータから１以上の文字列でなる語彙の集合を計算して、語彙記憶部に記憶させることと、 前記語彙記憶部に記憶された語彙を辞書として使用して、前記処理対象のログデータを部分単語のトークンに分割することと、 前記部分単語のトークンを使って、前記処理対象のログデータを表現する、前記訓練データの距離学習によって訓練された前記マージンを入れた埋め込み空間でのベクトルを算出することと、 クラスタ間により遠ざけるためのマージンを入れた各クラスタとの類似度に基づいて、前記ベクトルを各クラスタ又はそれらとは一致しない新規クラスタにクラスタリングすることと、 前記クラスタリングの結果が前記各クラスタの何れかと一致しない新規クラスタである場合は前記クラスタリングの結果は正解ではないと評価することと、 前記クラスタリングの結果が前記各クラスタの何れかと一致して前記クラスタリングの結果は正解であると評価した場合、前記処理対象のログデータと前記クラスタリングの結果を示すクラスタラベルとを、前記訓練データに追加することと、 を、複数の処理対象のログデータのそれぞれに対して行い、 前記クラスタリングの結果が前記各クラスタの何れとも一致せずに前記クラスタリングの結果が正解でないと評価した場合、前記プロセッサにより、前記クラスタリングの結果が正解であると評価した場合の前記処理対象のログデータと前記クラスタラベルとが追加された前記訓練データにより再訓練する、 ログデータ解析方法。」 （２）本件補正前の特許請求の範囲 本件補正後の請求項５は、本件補正前の、令和６年１１月１３日提出の手続補正書に係る手続補正により補正された特許請求の範囲の請求項６に対応したものと認められるところ、この本件補正前の請求項６の記載は次のとおりである。 「 プロセッサを有するログデータ解析装置におけるログデータ解析方法であって、 前記プロセッサにより、ログデータと当該ログデータのクラスタリングされたクラスタを示すクラスタラベルを含む訓練データの距離学習によって、クラスタ間により遠ざけるためのマージンを入れた埋め込み空間を訓練し、 前記プロセッサにより、 処理対象のログデータから１以上の文字列でなる語彙の集合を計算して、語彙記憶部に記憶させることと、 前記語彙記憶部に記憶された語彙を辞書として使用して、前記処理対象のログデータを部分単語に分割することと、 前記部分単語を使って、前記処理対象のログデータを表現する、前記訓練データの距離学習によって訓練された前記マージンを入れた埋め込み空間でのベクトルを算出することと、 クラスタ間により遠ざけるためのマージンを入れた各クラスタとの類似度に基づいて、前記ベクトルをクラスタリングすることと、 前記クラスタリングの結果が前記各クラスタの何れかと一致しない場合は前記クラスタリングの結果は正解ではないと評価することと、 前記クラスタリングの結果が前記各クラスタの何れかと一致して前記クラスタリングの結果は正解であると評価した場合、前記処理対象のログデータと前記クラスタリングの結果を示すクラスタラベルとを、前記訓練データに追加することと、 を、複数の処理対象のログデータのそれぞれに対して行い、 前記クラスタリングの結果が前記各クラスタの何れとも一致せずに前記クラスタリングの結果が正解でないと評価した場合、前記プロセッサにより、前記クラスタリングの結果が正解であると評価した場合の前記処理対象のログデータと前記クラスタラベルとが追加された前記訓練データにより再訓練する、 ログデータ解析方法。」 ２ 補正の適否について （１）本件補正後の請求項５に係る発明の構成 本件補正により、本件補正後の請求項５に係る発明（以下、「本件補正発明」という。）は、「クラスタリングの結果が前記各クラスタの何れかと一致しない新規クラスタである場合は正解ではないと評価する」及び「前記クラスタリングの結果が前記各クラスタのいずれとも一致せずに前記クラスタリングの結果が正解ではないと評価した場合、…再訓練する」との構成を含み、これらの構成によれば、「クラスタリングの結果」が「各クラスタのいずれかと一致しない新規クラスタ」である場合は、「正解ではない」と評価して「再訓練」を実施するよう構成されていると解される。 （２）当初明細書等の記載 そして、願書に最初に添付した明細書、特許請求の範囲又は図面（以下、「当初明細書等」という。）には、「クラスタリング」、「クラスタリング」の結果、「再訓練」について、次の記載がある。（なお、下線は、強調のため当審が付与した。） 「 【００５５】 図９は、このような代表ベクトルまでの距離によるログデータのクラスタ分類例を示す模式図である。丸印はログデータのベクトル表現を示し、バツ印はクラスタ毎に設定した代表ベクトルを示している。また、破線は、クラスタ間の識別境界を示している。丸数字の１で示される処理対象のログデータのベクトル表現は、類似度が最大であるクラスタＡの代表ベクトルとの間の類似度が閾値以下であるので、このログデータはクラスタＡへ分類される。一方、丸数字の２で示されるベクトル表現は、クラスタＡの代表ベクトル及びクラスタＢの代表ベクトルの何れとの間の類似度とも閾値を超えているので、このログデータは、クラスタＡ及びＢの何れへも分類されず、新クラスタへ分類される。 【００５６】 次に、プロセッサ１０１は、ログ－クラスタ類似度算出部１３としての動作を実行して、処理対象のログデータＬｏｇと出力ラベルＯｕｔｐｕｔで示されるクラスタとの類似度Ａｃｃｕｒａｃｙを計算する（ステップＳ１９）。 【００５７】 そして、プロセッサ１０１は、クラスタリング精度評価部１４としての動作を実行して、類似度Ａｃｃｕｒａｃｙを評価することで、出力ラベルＯｕｔｐｕｔが正解であるか否か判定する（ステップＳ２０）。 【００５８】 ここで、出力ラベルＯｕｔｐｕｔが正解であると判定したならば、プロセッサ１０１は、ログデータＬｏｇとクラスタラベルＬａｂｅｌを訓練データに追加する（ステップＳ２１）。すなわち、プロセッサ１０１は、処理対象のログデータＬｏｇをログデータ保持部ＤＢ１に追加すると共に、出力ラベルＯｕｔｐｕｔをクラスタラベルＬａｂｅｌとしてクラスタラベル保持部ＤＢ２に追加する。 【００５９】 また、プロセッサ１０１は、出力ラベルＯｕｔｐｕｔを出力する（ステップＳ２２）。例えば、プロセッサ１０１は、入出力インタフェース１０５を介して表示部１０８に出力ラベルＯｕｔｐｕｔを表示したり、通信インタフェース１０４を介して外部のデータ処理装置へ出力ラベルＯｕｔｐｕｔを送信したりする。 【００６０】 その後、プロセッサ１０１は、入出力インタフェース１０５を介して入力部１０７から、あるいは、通信インタフェース１０４を介して外部のデータ処理装置から、ログデータの解析の終了が指示されたか否か判定する（ステップＳ２３）。未だ終了が指示されていないと判定した場合には、プロセッサ１０１は、上記ステップＳ１１の処理から繰り返す。また、終了が指示されていると判定した場合には、プロセッサ１０１は、このフローチャートに示す処理を終了する。 【００６１】 また、上記ステップＳ２０において、出力ラベルＯｕｔｐｕｔが正解ではないと判定したならば、プロセッサ１０１は、埋め込み訓練部１５としての動作を実行して、訓練データによる再訓練を行う（ステップＳ２４）。すなわち、プロセッサ１０１は、上記ステップＳ１０での初期訓練後のログデータの解析により、ログデータＬｏｇとクラスタラベルＬａｂｅｌが追加された訓練データにより、ログベクトル集合を更新する。」 「 【００８３】 なお、以上のログデータ解析処理は、図１３乃至図１５のアルゴリズムのように表すことができる。ここで、図１３は全体のアルゴリズムの一例、図１４はログを分類のアルゴリズムの一例、図１５は訓練のアルゴリズムの一例、をそれぞれ示している。 …（中略）… 【００８８】 また、一実施形態に係るログデータ解析装置１は、クラスタリングの結果である出力ラベルＯｕｔｐｕｔを、ログデータとクラスタリングされたクラスタとの類似度に基づいて評価する評価部としてのログ－クラスタ類似度算出部１３及びクラスタリング精度評価部１４と、クラスタリングの結果が正解であると評価した場合に、ログデータＬｏｇとクラスタリングされたクラスタを示すクラスタラベルＬａｂｅｌとを、訓練データに追加する追加部としてのクラスタリング精度評価部１４と、をさらに備える。 【００８９】 よって、訓練データを追加することができるので、距離学習による増分的な訓練を行えるようになる。 【００９０】 すなわち、一実施形態に係るログデータ解析装置１は、クラスタリングの結果が正解ではないと評価した場合に、訓練データを使って、埋め込み空間、各クラスタの代表ベクトル及び閾値を再訓練する再訓練部としての埋め込み訓練部１５をさらに備える。」 「 【００９４】 ［評価例］ 図１６は、従来のログデータ解析手法を用いたログ解析装置の解析結果と一実施形態に係るログデータ解析装置１の解析結果とを示す模式図である。 【００９５】 ここでは、２０００件のＬｏｇｈｕｂのＨｅａｌｔｈＡｐｐログデータ（アノテーション付き）により評価した。ベースライン手法は、ログデータの文字列のスペース区切りによる分割と、マージン無し損失による訓練である。また、評価方法は、１００件の初期訓練データ、１９００件の初期訓練データ以外の分類精度であり、分類精度は類似度Ａｃｃｕｒａｃｙで評価した。」 「【図６】 ［図：0001430829000001.jpg］ 」 （［当審注］Ｓ16の右側にある「YES」は「NO」の、下側にある「NO」は「YES」の誤記と認められる。） 「【図９】 ［図：0001430829000002.jpg］ 」 「【図１３】 ［図：0001430829000003.jpg］ 」 （３）新規事項の有無についての判断 上記（２）で摘記した記載において、当初明細書等の【００８８】に記載の「クラスタリングの結果である出力ラベルＯｕｔｐｕｔを、ログデータとクラスタリングされたクラスタとの類似度に基づいて評価する」、及び、当初明細書等の【図６】に記載の「ログとクラスタの類似度を計算」（Ｓ１９）における「類似度」は、当初明細書等の【００５６】及び【００５７】の記載を参酌すれば、「類似度Ａｃｃｕｒａｃｙ」の誤記と認められる。 また、当初明細書等の【図１３】について、当初明細書等には、【００８３】に「全体のアルゴリズムの一例である」といった説明しかなく、どのような事項が記載されているか必ずしも明らかではないものの、その４行目に「出力OutputをAccuracyで評価」と記載されていることからすれば、４行目の後の６行目に記載の「if 分類を誤った場合 Output≠Label」は、「類似度Ａｃｃｕｒａｃｙ」により評価した結果、出力ラベル（クラスタリングの結果）が正解でない場合、を意味しているものと解するのが合理的である。（【図１３】において、「Label」と「Labels」とは異なるパラメータとして書き分けられていることにも留意されたい。） そうすると、上記（２）より、当初明細書等には、 ・処理対象となるログデータのベクトル表現と各クラスタの代表ベクトルとの間の距離である「類似度」を算出して、「類似度」が閾値以上のものがあれば、「クラスタリングの結果」として「類似度」が最大のクラスタを出力し、一方、「類似度」が閾値以上のクラスタがなければ、「クラスタリングの結果」として、「新規クラスタ」を出力すること（【００５５】、【図６】、【図９】）、 ・ログデータの分類精度を示す「類似度Ａｃｃｕｒａｃｙ」を、処理対象となるログデータと出力ラベル（クラスタリングの結果）で示されるクラスタとから計算し、「類似度Ａｃｃｕｒａｃｙ」を評価することで、出力ラベル（クラスタリングの結果）が正解か否かを判定すること（【００５６】、【００５７】、【００８８】、【００９５】、【図１３】） ・出力ラベル（クラスタリングの結果）が正解でない場合、「再訓練」を行うこと（【００６１】、【図６】） が記載されていると認められる。 そして、当初明細書等には、「クラスタリングの結果」が「各クラスタのいずれかと一致しない新規クラスタ」である場合は、「正解ではない」と評価して「再訓練」を実施することは、記載も示唆もない。また、「類似度Ａｃｃｕｒａｃｙ」を評価した結果、出力ラベル（クラスタリングの結果）が正解でない場合と、「クラスタリングの結果」が「各クラスタのいずれかと一致しない新規クラスタ」である場合とが等価であることは、当初明細書等には記載も示唆もなく、そのことが、本願出願日における技術常識であったともいえない。 よって、本件補正後の請求項５に係る補正を含む本件補正は、当初明細書等のすべての記載を総合することにより導かれる技術的事項との関係において新たな技術的事項を導入しないものではない。 （４）請求人の主張について 請求人は、本件補正に関して、令和７年９月４日提出の意見書において、次のように主張している。（下線は、請求人が付したものである。） （主張１） 「また、「クラスタ間により遠ざけるためのマージンを入れた各クラスタとの類似度とその閾値に基づいて、前記ベクトルを各クラスタ又はそれらとは一致しない新規クラスタにクラスタリングするクラスタリング部」及び「前記クラスタリングの結果が前記各クラスタのいずれかと一致しない新規クラスタである場合は前記クラスタリングの結果は正解ではないと評価する評価部」における補正箇所については、本願発明の当初明細書及び図面の記載から、特には、明細書の［００４８］乃至［００５５］等の記載及び図面の［図６］、［図９］等の記載から自明な事項を補正したものです。 …（中略）… （１Ｃ） 補正後の請求項５について 補正後の請求項１の補正箇所と軌を一にする補正を行ったものです。」 （主張２） 「そして、後者の「閾値以下の場合（ステップ１７：ＹＥＳ）は新規クラスタに分類される（ステップ１８）」が、補正前の請求項１における「前記クラスタリングの結果が前記各クラスタの何れかと一致しない場合」となります。この点が明瞭となるように、請求項１の当該記載を「前記クラスタリングの結果が前記各クラスタの何れかと一致しない新規クラスタである場合は前記クラスタリングの結果は正解ではないと評価する評価部」と補正致しました。」 上記各主張について検討する。 （主張１について） 上記（２）で摘記した箇所以外の記載を参酌しても、当初明細書等には、「前記クラスタリングの結果が前記各クラスタのいずれかと一致しない新規クラスタである場合は前記クラスタリングの結果は正解ではないと評価する」ことは、記載も示唆もなく、そのことが本願出願時における技術常識であったとも認められない。 （主張２について） 主張２が正しければ、当初明細書等の【図６】の「新規クラスタに分類」（Ｓ１８）の後、直ちに、「再訓練」（Ｓ２４）を実行するはずであるが、当該【図６】はそのように記載されていない。むしろ、当初明細書等の【図６】においては、「クラスタリングの結果」が「新規クラスタ」（Ｓ１８）であるか、「類似度が最大のクラスタ」（Ｓ１７）であるかに関わらず必ず、「ログとクラスタの類似度を計算」（Ｓ１９）した上で「正解」か否かを判断（Ｓ２０）しており、当初明細書等の【００５６】、【００５７】の記載とも整合する。 よって、主張２は、当初明細書等の記載に基づくものではない。 したがって、請求人の上記各主張は、いずれも採用することができない。 ３ 本件補正についてのむすび よって、本件補正は、当初明細書等に記載した事項の範囲内でしたものではなく、特許法第１７条の２第３項の規定に違反するので、同法第１５９条第１項の規定において読み替えて準用する同法第５３条第１項の規定により却下すべきものである。 よって、上記補正の却下の決定の結論のとおり決定する。 第３ 本願発明について １ 本願発明 令和７年９月４日提出の手続補正書に係る手続補正は、上記のとおり却下されたので、本願の請求項に係る発明は、令和６年１１月１３日提出の手続補正書に係る手続補正により補正された特許請求の範囲の請求項１ないし７に記載された事項により特定されるものであるところ、その請求項６に係る発明（以下、「本願発明」という。）は、その請求項６に記載された事項により特定される、前記第２［理由］１（２）に記載のとおりのものである。 ２ 当審拒絶理由 令和７年７月９日付けで当審が通知した最後の拒絶理由（以下、「当審拒絶理由」という。）の概要は、以下のとおりである。 （１）理由１（明確性要件） この出願は、特許請求の範囲の請求項６の記載は、特許法第３６条第６項２号に規定する要件を満たしていない。 （２）理由２（実施可能要件） この出願は、発明の詳細な説明の記載が、特許法第３６条第４項第１号に規定する要件を満たしていない。 ３ 判断 （１）理由１（明確性要件）について 請求項６には、次の記載がある。 「 前記部分単語を使って、前記処理対象のログデータを表現する、前記訓練データの距離学習によって訓練された前記マージンを入れた埋め込み空間でのベクトルを算出することと、 クラスタ間により遠ざけるためのマージンを入れた各クラスタとの類似度に基づいて、前記ベクトルをクラスタリングすることと、 前記クラスタリングの結果が前記各クラスタの何れかと一致しない場合は前記クラスタリングの結果は正解ではないと評価することと、 前記クラスタリングの結果が前記各クラスタの何れかと一致して前記クラスタリングの結果は正解であると評価した場合、前記処理対象のログデータと前記クラスタリングの結果を示すクラスタラベルとを、前記訓練データに追加することと、 を、複数の処理対象のログデータのそれぞれに対して行い、 前記クラスタリングの結果が前記各クラスタの何れとも一致せずに前記クラスタリングの結果が正解でないと評価した場合、前記プロセッサにより、前記クラスタリングの結果が正解であると評価した場合の前記処理対象のログデータと前記クラスタラベルとが追加された前記訓練データにより再訓練する」 上記記載において、「ベクトル」は、「処理対象のログデータ」を表現したものであるから、「各クラスタとの類似度に基づいて、前記ベクトルをクラスタリングする」とは、「処理対象のログデータ」が分類される「クラスタ」を決定することを意味し、また、「クラスタリングの結果を示すクラスタラベル」との記載を参酌すれば、「クラスタリングの結果」として「処理対象のログデータ」が分類される「クラスタ」のラベル（クラスタラベル）を出力するものと解され、さらに、「クラスタリングの結果」が「各クラスタ」と一致する（一致しない）とは、「クラスタリングの結果」として出力される「クラスタラベル」に対応する「クラスタ」が、「各クラスタ」のいずれかと一致する（いずれとも一致しない）ことを意味するものと解される。 ここで、「クラスタ間により遠ざけるためのマージンを入れた各クラスタとの類似度に基づいて、前記ベクトルをクラスタリングする」との記載を参酌すれば、「処理対象のログデータ」は、必ずいずれかの「クラスタ」に分類され、実際、明細書の【００５５】の記載によれば、「処理対象のログデータ」は、「新規クラスタ」を含め、必ずいずれかの「クラスタ」へ分類されている。 そうすると、請求項６の記載において、「処理対象のログデータ」は必ずいずれかの「クラスタ」に分類されるにもかかわらず、「前記クラスタリングの結果が前記各クラスタの何れとも一致せずに前記クラスタリングの結果が正解でないと評価した場合」を想定しているところ、そのような「場合」は、技術的にも本願出願時の技術常識を参酌してもあり得ないから、請求項６の記載はそれ自体矛盾している。また、明細書及び図面には、そもそも「前記クラスタリングの結果が前記各クラスタの何れとも一致せずに前記クラスタリングの結果が正解でないと評価した場合」に対応する記載が存在しないから、明細書の記載を参酌しても本願発明が明確であるとはいえない。 よって、請求項６の記載は、当業者の出願時における技術的常識を基礎として、第三者に不測の不利益を及ぼすほどに不明確である。 したがって、請求項６に係る発明は、明確ではないから、本願は、特許法第３６条第６項第２号に規定する要件を満たしていない。 （２）理由２（実施可能要件）について 明細書及び図面には、「処理対象のログデータ」が必ずいずれかの「クラスタ」に分類されるとの前提において、「前記クラスタリングの結果が前記各クラスタの何れとも一致せずに前記クラスタリングの結果が正解でないと評価した場合」をどのように判断し得るのかについて何ら記載がなく、本願出願時における技術常識から自明ともいえない。 したがって、発明の詳細な説明は、当業者が、その記載及び出願時における技術常識に基づいて、過度の試行錯誤を要することなく、請求項６に係る発明を実施することができる程度に明確かつ十分に記載されているとはいえないため、本願は、特許法第３６条第４項第１号に規定する要件を満たしていない。 以上のとおり、当審拒絶理由は解消していない。 （３）請求人の主張について 請求人は、令和７年９月４日提出の意見書において、本件補正後の明細書、特許請求の範囲及び図面の記載に基づいて「本願発明は、特許法第３６条第６項第２号に規定する要件及び特許法第３６条第４項第１号に規定する要件を満たしております」などと主張しているが、本件補正は、上記第２のとおり却下されたので、却下された補正後の明細書等の記載に基づく請求人の主張はいずれも採用することができない。 なお、上記意見書において、請求人は、「なお、もし審判合議体におかれて、拒絶理由を解消していない請求項があるために、いまだ特許できないとの心証を持たれる場合や、ご質問等がある場合には、出願人としては、さらに補正について検討をする用意がございますので、ご連絡を頂きますようお願い申し上げます。」との希望を述べている。 原査定の拒絶の理由の概要は、発明の詳細な説明は、請求項１～７に係る「評価」をどのように実現しているのか不明であるため、特許法第３６条第４項第１号に規定する要件を満たしていない、というものであり、この拒絶理由を回避するために、請求人は、請求項に係る「評価」に関する事項を補正し、その結果として補正後の請求項の記載又は補正自体に不備が生じているものと認められる。 そして、明細書の【００５６】及び【００５７】には、「ログ－クラスタ類似度算出部１３」が、処理対象のログデータＬｏｇと出力ラベルＯｕｔｐｕｔで示されるクラスタとの類似度Ａｃｃｕｒａｃｙを計算し、「クラスタリング精度評価部１４」が、類似度Ａｃｃｕｒａｃｙを「評価」することで、出力ラベルＯｕｔｐｕｔが正解であるか否かを判定することが記載されているが、他の記載を参酌しても、明細書には、「ログ－クラスタ類似度算出部１３」及び「クラスタリング精度評価部１４」がどのような処理（計算）をするのかについて何ら具体的な記載はない。また、【図１】には、「ログ－クラスタ類似度算出部１３」が、ＬｏｇとＯｕｔｐｕｔを入力してＡｃｃｕｒａｃｙを出力すること、「クラスタリング精度評価部１４」が、Ｌｏｇ、Ｏｕｔｐｕｔ、Ａｃｃｕｒａｃｙを入力し、（おそらくは正解である場合に）Ｏｕｔｐｕｔを出力し（おそらくは正解でない場合に）ＬｏｇとＬａｂｅｌを訓練データとして出力することが看て取れるが、他の箇所を参酌しても図面にもそれ以上の記載はない。 また、「評価」に関する「ログ－クラスタ類似度算出部１３」及び「クラスタリング精度評価部１４」の挙動が本願出願時における技術常識であったとも認められない。 そうすると、明細書及び図面には、出力ラベルＯｕｔｐｕｔが正解であるか否かを判定するために類似度Ａｃｃｕｒａｃｙを「評価」することについては、当業者が実施することができる程度に明確かつ十分に記載されていないことが明らかであり、原査定の理由は、当初明細書等のすべての記載を総合することにより導かれる技術的事項との関係において新たな技術的事項を導入する補正をすることなく、あるいは、特許法第１７条の２第４項に規定する要件（シフト補正要件）に違反する補正をすることなく、解消することはおよそ不可能である。 よって、上記請求人の希望は参酌しない。 第４ むすび 以上のとおり、本願は、請求項６に関して、特許法第３６条第４項第１号及び第６項第２号に規定する要件を満たしておらず、特許を受けることができないから、他の請求項に係る発明について検討するまでもなく、本願は拒絶されるべきものである。 よって、結論のとおり審決する。