WO2022024544A1

WO2022024544A1 - ドロス欠陥予測方法、ドロス欠陥低減方法、溶融亜鉛めっき鋼板の製造方法、合金化溶融亜鉛めっき鋼板の製造方法、ドロス欠陥予測モデルの生成方法、ドロス欠陥予測装置、およびドロス欠陥予測端末システム

Info

Publication number: WO2022024544A1
Application number: PCT/JP2021/020917
Authority: WO
Inventors: 研二山城; 秀行 ▲高▼橋; 健斗渡辺
Original assignee: Ｊｆｅスチール株式会社
Priority date: 2020-07-29
Filing date: 2021-06-01
Publication date: 2022-02-03
Also published as: CN115836140A; JPWO2022024544A1; JP7028375B1; MX2023001178A

Abstract

ドロス欠陥をより効果的に低減する方法を提供すること。　亜鉛めっき槽に関する第１パラメータと、スナウトに関する第２パラメータとを含む操業データを入力変数とし、かつ鋼帯のドロス欠陥情報を出力変数として実行させた機械学習に基づくドロス欠陥予測モデルに対する、亜鉛めっき槽に関する第１操業条件と、スナウトに関する第２操業条件とを含む操業条件の入力を受け付けるステップと、入力された操業条件に基づいてドロス欠陥予測モデルにより鋼帯のドロス欠陥情報の予測値を算出するステップと、を含む、ドロス欠陥予測方法。

Description

ドロス欠陥予測方法、ドロス欠陥低減方法、溶融亜鉛めっき鋼板の製造方法、合金化溶融亜鉛めっき鋼板の製造方法、ドロス欠陥予測モデルの生成方法、ドロス欠陥予測装置、およびドロス欠陥予測端末システム

　本開示は、ドロス欠陥予測方法、ドロス欠陥低減方法、溶融亜鉛めっき鋼板の製造方法、合金化溶融亜鉛めっき鋼板の製造方法、ドロス欠陥予測モデルの生成方法、ドロス欠陥予測装置、ドロス欠陥予測端末システムに関する。

　溶融金属めっき鋼板の一種である溶融亜鉛めっき鋼板は、建材、自動車、家電などの分野において広く使用されている。そして、これらの用途においては、溶融亜鉛めっき鋼板が外観に優れることが要求される。特に、塗装後の外観は、めっき厚むら、疵、異物付着などの表面欠陥の影響を強く受けるため、溶融亜鉛めっき鋼板の表面欠陥を低減することが重要である。

　溶融亜鉛めっき鋼板の表面欠陥として、亜鉛めっき浴にて鋼板表面に付着したドロスに由来する欠陥（以下、ドロス欠陥とも称する）は、防止すべき表面欠陥の一つとして認識されている。鋼板表面に付着したドロスは、例えばプレス成形等の二次加工時に押し傷を生じさせる。また、鋼板表面にドロスが付着していると、調質圧延時に、圧延ロールによりドロスが鋼板に押し込まれて、鋼板表面にシワ状の模様が形成される。

　このようなドロス欠陥の発生を低減するための従来技術が提案されている。特許文献１には、めっき浴の温度変動により浴中に溶出していたＦｅが析出し、その溶出ＦｅがＡｌまたはＺｎと化合してドロスを生成することから、めっき浴の温度を制御し、浴中の温度差を低減するために、インダクターの出力を制御する方法が開示されている。特許文献２には、めっき浴内の深さ方向に異なる複数の位置で浴温を測定した結果に基づいてボトムドロスの堆積高さを推定する方法が開示されている。特許文献３には、亜鉛めっき槽の入側でめっき浴に浸漬して接続されるスナウト設備の壁面を加熱保温する方法が開示されている。

特開２００１－１０７２０８号公報特許第６１３７２１１号公報特開２００２－２７５６０６号公報

　特許文献１は、めっき浴中の温度差がボトムドロスの堆積量と相関があるという知見に基づく。特許文献１に記載の技術によれば、ドロス欠陥を低減することができる。しかしながら、ボトムドロスの堆積量はめっき浴中の温度差以外のパラメータにも影響を受けるため、ドロス欠陥の低減に改善の余地があった。

　特許文献２においては、めっき浴中の温度情報のみからボトムドロスの堆積量を予測する。特許文献２に記載の技術によれば、ドロス欠陥を低減することができる。しかし、ボトムドロスの堆積量はめっき浴中の温度情報以外のパラメータにも影響を受けるため、ドロス欠陥の低減に改善の余地があった。

　特許文献３は、スナウト設備の壁面の温度とスナウト内に存在するドロスとの相関関係に着目した方法であるが、ドロスには上記のように、浴面に浮遊するトップドロスだけでなく、浴底に沈殿し堆積するボトムドロスとがある。したがって、スナウト内の浴面に浮遊するドロスを低減しただけではドロス欠陥を防止することはできないという問題点がある。

　本開示は、上記の事情に鑑みてなされたものであり、ドロス欠陥をより効果的に低減する方法を提供することを目的とする。

　本発明者らは、上記した課題を達成するために、鋭意検討を重ねた結果、亜鉛めっき浴におけるドロスの発生挙動に影響を与える複数の操業因子を考慮して、ドロス欠陥の発生を高精度に予測し、この予測結果に基づき、適切かつ迅速な操業条件の再設定を可能とすることにより、ドロス欠陥をより効果的に低減することができることを知見し、本開示を完成するに至った。

　本開示は、上記知見に基づいてなされたものである。すなわち、本開示の要旨構成は以下のとおりである。

［１］　焼鈍炉と、亜鉛めっき浴を形成した亜鉛めっき槽と、該焼鈍炉の出側に設けられ、先端部が該亜鉛めっき浴に浸漬するよう位置するスナウトと、を含む連続式溶融亜鉛めっき設備における、前記亜鉛めっき槽の下流側で検出される鋼帯のドロス欠陥予測方法であって、
　前記亜鉛めっき槽に関する第１パラメータと、前記スナウトに関する第２パラメータとを含む操業データを入力変数とし、かつ前記鋼帯のドロス欠陥情報を出力変数として実行させた機械学習に基づくドロス欠陥予測モデルに対する、前記亜鉛めっき槽に関する第１操業条件と、前記スナウトに関する第２操業条件とを含む操業条件の入力を受け付けるステップと、
　入力された前記操業条件に基づいて前記ドロス欠陥予測モデルにより前記鋼帯のドロス欠陥情報の予測値を算出するステップと、
　を含む、ドロス欠陥予測方法。

［２］　前記連続式溶融亜鉛めっき設備は、前記亜鉛めっき槽の出側にガスワイピング設備を有し、
　前記ドロス欠陥予測モデルは、さらに前記ガスワイピング設備に関する第３パラメータを前記入力変数として実行させた前記機械学習に基づき、前記操業条件は、前記ガスワイピング設備に関する第３操業条件をさらに含む、前記［１］に記載のドロス欠陥予測方法。

［３］　前記第１パラメータは、前記亜鉛めっき浴の温度、および前記亜鉛めっき浴中のＡｌ濃度から選択された１または２のパラメータを含む、前記［１］または［２］に記載の鋼帯のドロス欠陥予測方法。

［４］　前記第２パラメータは、前記スナウト内の露点、前記スナウト内の水素濃度、前記スナウト内の酸素濃度、前記スナウト内における前記鋼帯の温度、および前記スナウト内の雰囲気温度から選択した１または２以上のパラメータを含む、前記［１］から［３］のいずれか１項に記載のドロス欠陥予測方法。

［５］　前記第１操業条件は、前記亜鉛めっき槽の浴温制御出力、前記鋼帯の通板速度、および前記亜鉛めっき槽におけるサポートロールの前記鋼帯に対する押し込み量から選択した１または２以上を含む、前記［１］から［４］のいずれか１項に記載のドロス欠陥予測方法。

［６］　前記第２操業条件は、前記スナウトに供給される混合ガスの流量比を含む、前記［１］から［５］のいずれか１項に記載のドロス欠陥予測方法。

［７］　前記［１］から［６］のいずれか１項に記載のドロス欠陥予測方法を用いて、前記亜鉛めっき槽の下流側における前記鋼帯の前記ドロス欠陥情報の予測値を算出するステップと、
　前記ドロス欠陥情報の予測値に基づき、前記操業条件を再設定するステップと、
　を含む、鋼帯のドロス欠陥低減方法。

［８］　前記［７］に記載のドロス欠陥低減方法に基づいて前記操業条件が制御された前記連続式溶融亜鉛めっき設備を用いて、前記鋼帯の表面に亜鉛めっき層を形成して溶融亜鉛めっき鋼板とする、溶融亜鉛めっき鋼板の製造方法。

［９］　前記［７］に記載のドロス欠陥低減方法に基づいて前記操業条件が制御された前記連続式溶融亜鉛めっき設備を用いた合金化溶融亜鉛めっき鋼板の製造方法であって、
　前記連続式溶融亜鉛めっき設備は、前記亜鉛めっき槽の下流側かつ前記欠陥検出装置よりも上流側に、さらに再加熱設備を備え、
　前記亜鉛めっき槽にて前記鋼帯の表面に亜鉛めっき層を形成して溶融亜鉛めっき鋼板とし、
　さらに前記再加熱設備にて前記溶融亜鉛めっき鋼板に合金化処理を施して合金化溶融亜鉛めっき鋼板とする、合金化溶融亜鉛めっき鋼板の製造方法。

［１０］　鋼帯を焼鈍する焼鈍炉と、亜鉛めっき浴を形成した亜鉛めっき槽と、該焼鈍炉の出側に設けられ、端部が亜鉛めっき浴に浸漬するよう位置するスナウトと、を含む連続式溶融亜鉛めっき設備における、前記亜鉛めっき槽の下流側で検出される鋼帯のドロス欠陥を予測するドロス欠陥予測モデルの生成方法であって、
　前記亜鉛めっき槽に関する第１パラメータと、前記スナウトに関する第２パラメータとを含む操業データを取得するステップと、
　取得された前記操業データを入力変数とし、かつ前記亜鉛めっき槽の下流側で検出される鋼帯のドロス欠陥情報を出力変数として機械学習を実行するステップと、
　を含む、ドロス欠陥予測モデルの生成方法。

［１１］　前記機械学習を実行するステップにおいて、ニューラルネットワーク、決定木学習、ランダムフォレスト、サポートベクター回帰、ガウス過程、およびｋ近傍法から選択した１または２以上の機械学習的手法を用いる、前記［１０］に記載のドロス欠陥予測モデルの生成方法。

［１２］　焼鈍炉と、亜鉛めっき浴を形成した亜鉛めっき槽と、該焼鈍炉の出側に設けられ、先端部が亜鉛めっき浴に浸漬するよう位置するスナウトと、を含む連続式溶融亜鉛めっき設備における、前記亜鉛めっき槽の下流側で検出される鋼帯のドロス欠陥を予測するドロス欠陥予測装置であって、
　前記亜鉛めっき槽に関する第１操業条件と、前記スナウトに関する第２操業条件とを含む操業条件を取得する取得部と、
　前記亜鉛めっき槽に関する第１パラメータと、前記スナウトに関する第２パラメータとを含む操業データを入力変数とし、かつ前記鋼帯のドロス欠陥情報を出力変数として実行させた機械学習に基づくドロス欠陥予測モデルに対し、前記操業条件を入力して前記鋼帯のドロス欠陥情報の予測値を算出する制御部と、
を含む、ドロス欠陥予測装置。

［１３］　前記［１２］に記載のドロス欠陥予測装置と、
　前記操業条件の変更に関するユーザ入力を受け付け、該ユーザ入力に基づくユーザ入力情報を前記ドロス欠陥予測装置へと送信する端末装置と
を備え、
　前記ドロス欠陥予測装置は、前記ユーザ入力情報に基づき前記操業条件の少なくとも一部を変更して変更操業条件とし、該変更操業条件に基づき、前記ドロス欠陥予測モデルにより前記鋼帯のドロス欠陥情報の予測値を算出する制御部を含む、ドロス欠陥予測端末システム。

　本開示によれば、ドロス欠陥をより効果的に低減することができる。

連続溶融金属めっき設備の溶融亜鉛めっき浴周辺設備の詳細を示す図である。ドロス欠陥の（ａ）模式図、（ｂ）光学顕微鏡による観察像、（ｃ）画像処理後の画像、および（ｄ）Ａ－Ａ'断面におけるドロス欠陥Ｘの光学顕微鏡による観察像である。連続溶融金属めっき設備の概要を示す図である。均熱帯へのガス供給方法を説明するための図である。スナウトへのガス供給方法を示す図である。亜鉛めっき槽の概要を示す（ａ）上面図及び（ｂ）正面図である。ガスワイピング設備の概要を示す図である。欠陥検出装置の概要を示す図である。スナウト内の露点と単位長さ当たりのドロス発生個数との関係を示すグラフである。ドロス欠陥予測モデル生成装置の構成を示す機能ブロック図である。ドロス欠陥低減方法の概要を示す図である。ドロス欠陥予測装置の構成を示す機能ブロック図である。ドロス欠陥予測モデル生成装置の動作の一例を示すフローチャートである。ドロス欠陥予測モデルの構成を示す模式図である。ドロス欠陥予測装置の動作の一例を示すフローチャートである。ドロス欠陥予測システムの構成を示す機能ブロック図である。

　溶融亜鉛めっき鋼板は、一例においては、加熱、冷却、溶融亜鉛めっき、および溶融亜鉛めっきの合金化処理を含む一連の処理を連続的に行えるよう構成された、連続式溶融亜鉛めっき設備を用いて製造される。連続式溶融亜鉛めっき設備の入側から供給された鋼板は、連続焼鈍炉内を通板されつつ焼鈍される。連続焼鈍炉の出側からスナウトを介して亜鉛めっき槽に導かれた鋼帯は、亜鉛めっき槽内に形成された亜鉛めっき浴中に導入されることにより表面に溶融亜鉛めっき層が形成される。そして、溶融亜鉛めっき層が形成された鋼帯は、亜鉛めっき浴から引き上げられ、鋼帯の両側に配置されたガスワイピングノズルからワイピングガスが吹き付けられることで、鋼帯の表面に付着した余剰の溶融亜鉛が掻き取られ、溶融亜鉛めっき層の付着量（以下、目付量とも称する。）が調節された溶融亜鉛めっき鋼板となる。

　このような溶融亜鉛めっき鋼板の製造において、亜鉛めっき浴中で発生したドロスが鋼帯表面に付着することで、ドロス欠陥が発生する。なお本明細書中において「ドロス」とは、亜鉛めっき浴において鋼帯から溶出したＦｅと浴成分（Ａｌ，Ｚｎ）とが反応して生成する金属間化合物を指す。ドロスはＦｅと反応する浴成分の種類に応じてＦｅ－Ａｌ系ドロスとＦｅ－Ｚｎ系ドロスとに大別される。溶融亜鉛の密度に対してＦｅ－Ａｌ系ドロスは密度が小さく、トップドロスと呼ばれる。図１に示すように、トップドロス５は亜鉛めっき浴の浴表面を漂う。これに対して、Ｆｅ－Ｚｎ系ドロスは溶融亜鉛と比較して密度が大きく、ボトムドロスと呼ばれる。図１に示すように、ボトムドロス６は亜鉛めっき浴の浴底に沈降する。浴底に沈降したボトムドロスは浴中の流れによって浮上するため、いずれのドロスも鋼帯が浴面から引き上げられる際に、浴内または浴面で鋼帯表面に付着する。このとき、鋼帯表面に付着したドロスのうち、一定以上の大きさのドロスに由来してドロス欠陥が発生する。よって、本実施形態においては、鋼板表面に付着した一定以上の大きさのドロスを、ドロス欠陥を検出する際の指標として用いる。

　図２は、ドロス欠陥の模式図および観察像を示す図である。図２（ａ）は溶融亜鉛めっき鋼板Ｇの表面におけるドロス欠陥Ｘの模式図である。図２（ｂ）は、ドロス欠陥Ｘの光学顕微鏡による観察像である。図２（ｃ）は、図２（ｂ）の観察像に画像処理を施して得られた画像である。図２（ｄ）は、図２（ａ）のＡ－Ａ’断面におけるドロス欠陥Ｘの光学顕微鏡による観察像である。溶融亜鉛めっき鋼板Ｇ表面に生成するドロス欠陥Ｘは、溶融亜鉛めっき鋼板Ｇの表面からは、図２（ａ）に示すように、１００μｍ程度の大きさの点状の欠陥として認識される。図２（ａ）の点線で囲んだ部分の光学顕微鏡像を、図２（ｂ）に示す。図２（ｂ）に対して、画像処理を行い、明部と暗部を強調させた画像が図２（ｃ）である。このように溶融亜鉛めっき鋼板の表面から撮影した画像に対して画像処理を施すことで、ドロス欠陥Ｘを点状の欠陥として認識することができる。本実施形態においてはこのような原理による欠陥検出装置を用いて、ドロス欠陥Ｘの検出を行なう。また、図２（ｄ）は溶融亜鉛めっき鋼板ＧをＡ－Ａ’断面で切断して、断面を光学顕微鏡により観察した観察像である。亜鉛めっき浴において鋼板表面に付着したドロスが、調質圧延時の圧延ロールによる押圧により鋼板に押し込まれることにより、ドロス欠陥Ｘが生じていることがわかる。

　本開示においては、以上のようなドロス欠陥が低減された溶融亜鉛めっき鋼板を製造するために、ドロス欠陥の予測方法を提供する。以下では、図面を参照しながら、本開示の一実施形態について主に説明する。以下に示す実施形態は、本開示の技術的思想を具体化するための装置および方法を例示するが、本開示は以下の実施形態に限定されない。また、本明細書中において、「～」を用いて表される数値範囲は、「～」の前後に記載される数値を下限値及び上限値として含む範囲を意味する。

＜＜ドロス欠陥予測システム＞＞
　図１６に、本実施形態に係るドロス欠陥予測システムの構成について示す。本実施形態に係るドロス欠陥の予測方法は、例えば図１２に示すドロス欠陥予測システムによって実行される。図１６に示すように、ドロス欠陥予測システムは、ドロス欠陥予測装置８４と、ドロス欠陥予測モデル生成装置８３と、操業実績データベース（ＤＢ）８５とを含む。ドロス欠陥予測システムは、連続式溶融亜鉛めっき設備１００における、亜鉛めっき槽の下流側で検出される鋼帯のドロス欠陥を予測する。ドロス欠陥の予測は、鋼帯の表裏両面に対するものでも、表面と裏面のいずれか一方に対するものでもよい。

＜連続式溶融亜鉛めっき設備＞
　まず本開示の一実施形態に係る連続式溶融亜鉛めっき設備１００の構成を、図３を参照して説明する。一例において、連続式溶融亜鉛めっき設備１００は、加熱帯２０、均熱帯２１及び冷却帯２２、２３がこの順に並置された縦型の連続焼鈍炉３０と、冷却帯２３の鋼板通板方向下流に位置する溶融亜鉛めっき設備としての亜鉛めっき槽１とを有する。本実施形態において冷却帯２２、２３は、第１冷却帯２２（急冷帯）及び第２冷却帯２３（徐冷帯）を含む。第２冷却帯２３の出側に連結したスナウト２は、先端が亜鉛めっき槽１に浸漬しており、スナウト２を介して連続焼鈍炉３０と亜鉛めっき槽１とが接続されている。連続焼鈍炉３０内のガスは、炉の下流から上流に流れ、加熱帯２０の下部の鋼板導入口から排出される。連続式溶融亜鉛めっき設備の入側から供給された鋼帯Ｓは、連続焼鈍炉３０中を、加熱帯２０、均熱帯２１、冷却帯２２、２３、スナウト２の順に通板されて焼鈍される。次いで連続焼鈍炉の出側からスナウトを介して亜鉛めっき槽に導かれた鋼帯Ｓは、亜鉛めっき槽１中に形成された溶融亜鉛めっき浴中にドブ付けされることにより鋼帯Ｓの表面に溶融亜鉛めっき層が形成されて溶融亜鉛めっき鋼板Ｇとなる。

　連続式溶融亜鉛めっき設備１００の亜鉛めっき槽１よりも下流側には、必要に応じて図示しない再加熱設備、調質圧延設備、および化成被膜塗布装置が設けられている。亜鉛めっき浴から引き上げられた溶融亜鉛めっき鋼板は、ガスワイピング設備７０を通過した後、必要に応じて再加熱設備、調質圧延設備、および化成被膜塗布装置を通過する。その後、下流に設けられた欠陥検出装置８０によって、溶融亜鉛めっき鋼板Ｇの表面欠陥が検査される。欠陥検出装置８０は、鋼板表裏面の欠陥を検査する設備で、種々の表面欠陥を識別することができる。各種表面欠陥の中でドロス欠陥Ｘの検出については、図２を用いて説明したように、鋼板表面の画像撮影と画像処理とを組み合わせることにより判別する方法を採用することができる。この欠陥検出装置８０により、鋼板表面に付着した一定以上の大きさを有するドロスがドロス欠陥Ｘと定義される。

　加熱帯２０においては、ラジアントチューブ（ＲＴ）又は電気ヒーター等の加熱帯加熱装置を用いて、鋼帯Ｓを間接加熱し得る。加熱帯２０には、均熱帯２１、第１冷却帯２２、第２冷却帯２３、およびスナウト２からのガスが流れ込むと同時に、別途還元性ガス又は非酸化性ガスが供給され得る。還元性ガスとしては、通常Ｈ₂－Ｎ₂混合ガスが用いられる。このようなＨ₂－Ｎ₂混合ガスとしては、例えばＨ₂：１～２０体積％、残部がＮ₂および不可避的不純物からなる組成を有するガス（露点：－６０℃程度）が挙げられる。また、非酸化性ガスとしては、Ｎ₂および不可避的不純物からなる組成を有するガス（露点：－６０℃程度）が用いられる。加熱帯２０へのガス供給の方法は、特に限定されないが、加熱帯２０内に均等にガスが投入されるように、高さ方向における２ヶ所以上、長さ方向における１ヶ所以上の投入口からガスを供給することが好ましい。

　均熱帯２１においては、加熱手段としてラジアントチューブ（図示せず）を用いて、鋼帯Ｓを間接加熱し得る。均熱帯２１の内部の平均温度は７００～９００℃とすることが好ましい。均熱帯１２には還元性ガス又は非酸化性ガスが供給される。還元性ガスとしては、通常Ｈ₂－Ｎ₂混合ガスが用いられ、例えばＨ₂：１～２０体積％、残部がＮ₂および不可避的不純物からなる組成を有するガス（露点：－６０℃程度）が挙げられる。また、非酸化性ガスとしては、Ｎ₂および不可避的不純物からなる組成を有するガス（露点：－６０℃程度）が挙げられる。

　図４は、均熱帯２１への加湿ガスまたは乾燥ガスのガス供給系を示す模式図である。図４において、上記ガスは、ガス用配管４０を通過して、均熱帯２１上部に設けられたガス供給口４１Ａ，４１Ｂ，４１Ｃと、均熱帯２１下部に設けられたガス供給口４２Ａ，４２Ｂ，４２Ｃとを介して、均熱帯２１内に供給される。ガス供給系により供給するガスとして、加湿ガスまたは乾燥ガスを用いることにより、均熱帯２１の内部における露点を制御することができる。炉内の露点は鋼帯Ｓの表面における酸化物の生成に影響を与え、亜鉛めっき槽１内のドロスの発生に影響を与えるため、連続焼鈍炉３０の操業パラメータとして制御すべき対象となる。

　冷却帯２２、２３は、冷却装置を備え、冷却帯２２、２３中での通板過程において鋼帯Ｓが冷却される。冷却帯２２、２３にも、均熱帯同様、上記ガスが供給され得る。冷却帯２２、２３内にガスが均等に投入されるように、冷却帯２２、２３の高さ方向における２ヶ所以上、長手方向における２ヶ所以上の投入口からガスを供給することが好ましい。

＜亜鉛めっき槽＞
　本実施形態における亜鉛めっき槽１の周辺設備を図１に詳細に表す。亜鉛めっき槽１にはスナウト２が接続され、亜鉛めっき槽１は、シンクロール３と、サポートロール４と、インゴット投入装置７と、加熱装置１１とを備えている。亜鉛めっき槽１は、任意で、浴温計９、および浴分析装置１０の少なくとも一方を備え得る。

　スナウト２は、鋼帯Ｓが連続焼鈍炉３０を出てから、溶融亜鉛めっき浴に進入するまでの間、鋼帯Ｓを大気から遮断し、鋼帯Ｓが還元雰囲気中を通過できるようにするため、鋼帯Ｓの通過する空間を区画する。スナウト２は、鋼帯Ｓの進行方向に垂直な断面が矩形状の部材であり、前述のとおり、その上端が連続焼鈍炉の出口側に接続され、下端（先端部）が亜鉛めっき槽１内に貯留された溶融亜鉛めっき浴内に浸漬される。

　本実施形態においては、還元雰囲気の連続焼鈍炉３０中にて焼鈍された鋼帯Ｓは、スナウト２内を通過して、亜鉛めっき槽１中に形成された亜鉛めっき浴中に連続的に導入される。その後、鋼帯Ｓ（溶融亜鉛めっき鋼板Ｇ）は、シンクロール３、およびサポートロール４を介して亜鉛めっき浴の上方に引き上げられる。

　インゴット投入装置７は成分調整されたインゴット８を亜鉛めっき槽１に投入するための装置である。インゴット投入装置７は、鋼帯Ｓへのめっきにより亜鉛めっき浴から持ち出されて消耗する成分（Ｚｎ，Ａｌ等）を補給し、図示しない浴レベル計によってめっき槽の浴レベル（亜鉛めっき槽１の底部から液面までの高さ）を監視し、その値に応じてインゴット８の投入量を調整する。これにより、亜鉛めっき槽１の浴レベルを一定に保つことができる。また、鋼帯Ｓ近傍の亜鉛めっき浴の急激な成分変動を抑制するために、インゴット投入装置７は図１に示すように通常スナウト２の背面側（バック側）に設置される。

　浴温計９は亜鉛めっき槽１の特定位置における温度を測定することが可能な装置である。浴温度が４６０℃程度であることから、浴温計９としては一般的にＫ熱電対が使用される。

　浴分析装置１０は、亜鉛めっき槽１中の成分（Ａｌ等）を測定することが可能な装置で、浴成分を常時モニタリングすることができる。浴分析装置１０は、例えばレーザー誘起ブレイクダウン分光法を利用した光学的な測定法によって、浴成分の常時測定を可能とする。浴成分の分析は、１秒程度のサンプリング周期で測定することができ、浴成分の連続的な分析を行なうことが可能である。

　亜鉛めっき槽１中における浴分析装置１０の設置位置は特に限定されない。浴分析は、鋼帯Ｓ近傍の浴成分を測定することが肝要なため、可能な限り鋼帯Ｓに近い位置に浴分析装置１０を設置することが好ましい。

　浴分析装置１０を亜鉛めっき槽１に設置せずに、亜鉛めっき浴からサンプルを採取し、誘導結合プラズマ（Ｉｎｄｕｃｔｉｖｉｔｙ　ｃｏｕｐｌｅｄ　ｐｌａｓｍａ：ＩＣＰ）分析等の手法によりサンプルを分析することで浴分析を行うこともできる。

　図６に、亜鉛めっき槽１の概要の（ａ）上面図、および（ｂ）正面図を示す。亜鉛めっき浴内の溶融亜鉛は、図６（ａ）に示す点線のように流れると数値解析から推定される。鋼帯Ｓ近傍の溶融亜鉛は、１分程度の時間でスナウト２の側壁部に移動するため、浴分析装置１０をスナウト２の側壁側に設置することで、実質的には大きな遅れ時間なしに鋼帯Ｓ近傍の浴成分を分析することができる。ただし、浴分析装置１０が亜鉛めっき槽１の側壁に近すぎると、側壁の影響を受けて淀んだ流れの浴成分を測定してしまうため、浴分析装置１０は側壁から距離ｄ₁：２００ｍｍ以上離して設置することが好ましい。なお、図６（ａ）の例では、浴分析装置１０を亜鉛めっき槽１の側壁から２５０ｍｍ離れた位置に設置している。

　亜鉛めっき槽１中における浴温計９の設置位置は特に限定されないが、浴温と浴成分とは互いに密接に関連することから、浴分析装置１０と浴温計９とは近接した位置とすることが好ましい。具体的には、図６（ａ）の亜鉛めっき槽１の上面図において、亜鉛めっき槽１中において浴分析装置１０から距離ｄ₂：５００ｍｍ以内の位置に浴温計９を設置することが好ましい。なお、図６（ａ）の例では、亜鉛めっき槽１中において浴分析装置１０から１００ｍｍ離れた位置に浴温計９を設置している。

　浴分析装置１０、および浴温計９のめっき浴内での設置高さは特に限定されないが、浴面から下方すぎると淀んだ流れの浴成分および浴温度を測定してしまうため、浴面からの距離ｄ₃：１０００ｍｍ以内の範囲に先端部が位置するよう測定することが好ましい。なお、図６（ｂ）の例においては、浴分析装置１０および浴温計９のいずれも、めっき浴面から２５０ｍｍの位置に先端部が位置するように設置している。

　加熱装置１１は、めっき浴の温度を所定の温度に加熱することが可能な装置である。一般的には加熱装置１１によって浴温が４６０℃程度となるように調整される。

＜スナウト＞
　図５は、スナウト２へのガス供給方法を説明するための図である。図５（ａ）を参照して、スナウト２へのガス供給部、および露点測定部を説明する。なお、図５（ａ）においては、鋼帯Ｓを通板中のスナウト２について、鋼帯Ｓの幅方向および長手方向における対称軸に沿って切断した図を示している。図５（ａ）に示すように、スナウト２はガス供給部５０を有する。ガス供給部５０は、水素ガスが通過する第１配管５１Ａと、窒素ガスが通過する第２配管５１Ｂと、酸化性ガスとしての水蒸気が通過する第３配管５１Ｃと、これらの配管に取り付けられた流量調整用のバルブ５２と、これらの配管から供給されたガスが混合してなる混合ガスが通過する第４配管５１Ｄと、この第４配管５１Ｄに連結し、先端がスナウト２の内部に位置する第５配管５１Ｅと、を含む。第１配管５１Ａ及び第３配管５１Ｃは、第２配管５１Ｂに連結されており、バルブ５２を調整することによって、水素、窒素、及び水蒸気を任意の流量比で混合できる。混合ガスが通過する第４配管５１Ｄにはスナウト２へ投入するガスの露点を測定するための露点測定孔が設置され得、該露点測定孔と接続した図示されない露点計によって、ガスの露点を測定することが可能である。ここで、本実施形態において、スナウト２に供給される混合ガスの流量比とは、バルブ５２を調整することによる、水素、窒素、及び水蒸気の流量比をいう。

　スナウト２内部の雰囲気の露点は露点測定孔５３Ｂと接続した図示しない露点計によって測定することが可能である。スナウト２へ投入するガスを調整することにより、スナウト２内の雰囲気の露点を任意の値に変更することが可能となる。また、露点測定孔５３Ｂをさらに酸素濃度計、および水素濃度計の少なくとも一方に接続してもよい。露点測定孔５３Ｂをさらに酸素濃度計、および水素濃度計の少なくとも一方に接続すれば、スナウト２内の雰囲気の酸素濃度、および水素濃度の少なくとも一方を測定することができる。

　スナウト２内における鋼帯Ｓの温度は、放射温度計５４により測定され得る。放射温度計５４は、鋼帯Ｓが亜鉛めっき浴に侵入する際の温度（侵入板温度）を測定することができるよう、浴面直上の位置に設置することが好ましい。しかしながら、スナウト２内の雰囲気の露点が低く、亜鉛蒸気が発生してしまう場合には、亜鉛蒸気によって放射温度計５４が汚染されてしまうため、スナウト２下部に放射温度計５４を設置できない場合がある。このような場合には、後述するスナウト２内に取り付けた熱電対５７により測定される、スナウト内の雰囲気温度から、輻射伝熱およびスナウト２内の対流熱伝達を考慮した数値解析により、鋼帯Ｓが亜鉛浴に侵入する際の温度を随時算出することにより、侵入板温度を推定してもよい。

　図５（ａ）に示すように、酸化性ガスは、鋼帯Ｓの幅方向におけるスナウト２の両端部からスナウト２内に供給することが好ましい。先端部にガス投入口を有する第５配管５１Ｅをスナウト２の側面に設置したのは、スナウト２内の側面近傍は温度が低くなる傾向があるため、通常、側面近傍に下降流が発生し、浴面付近に効率良く酸化性ガスを到達させられるためである。ガス投入口の浴面からの高さは、１００ｍｍ以上３０００ｍｍ以下とすることができる。ガス投入口の浴面からの高さを１００ｍｍ以上とすることで、浴面に直接ガスが到達することを防ぎ、浴面近傍に酸化性ガスが濃化することを防ぐことができる。また、ガス投入口の浴面からの高さを３０００ｍｍ以下とすることで、浴面に到達するガス濃度の低下を防ぎ、ガスを節約することができる。図５の例ではガス投入口の高さｈ₁は浴面から５００ｍｍ上方である。

　スナウト２の雰囲気の露点は後述するめっき浴面の酸化に影響することから、露点計の位置は浴面直上であることが好ましい。しかしながら、スナウト２の露点が低く亜鉛蒸気が発生してしまう場合には、亜鉛蒸気によって露点計が汚染されることが懸念されるため、浴面直上に露点計を設置できない場合がある。このような場合、例えば流動解析を用いて、浴面から一定の高さにおける雰囲気の露点から、スナウト２浴面直上の雰囲気の露点を推定することができる。具体的には、流動解析により、浴面直上における露点と、浴面から上方の位置ｘ（ｍｍ）における露点の関係を予め求めておく。例えば、浴面から上方の位置５００ｍｍに設置された露点計の出力値が－３５℃であった場合に、上記関係から浴面に比べて露点計の設置位置（ｘ＝５００ｍｍ）における露点が５℃高いとすれば、浴面直上の露点を－３０℃と推定して、これをスナウト２の雰囲気の露点として用いることができる。

　次に、図５（ｂ）を参照して、スナウト２の内部の雰囲気を制御する雰囲気制御部について説明する。図５（ｂ）は、鋼帯Ｓを通板中のスナウト２を鋼帯Ｓの板幅方向中央部にて切断した断面図である。スナウト２の壁面の鉄皮外面側には、ヒーター５５が複数に区画して設置されている。ヒーター５５は例えば電熱ヒーターであり得る。ヒーター５５は、スナウト２内部の雰囲気温度を制御する。スナウト２内部には複数の熱電対５７が配置され、測定されるスナウト内の雰囲気温度が所定の範囲となるように、温度制御部５８によってヒーター５５の出力が制御される。ここで、スナウト２内部の複数の熱電対５７により測定される温度として、それらの平均値または予め設定した代表位置における測定温度を、スナウト２内の雰囲気温度として、スナウト２の操業パラメータとすることができる。

　一方、スナウト２内においては、亜鉛が蒸発および凝固することによって生じるヒュームを抑制するために、スナウト２内の雰囲気温度を制御すると共に、スナウト放散管５９のバルブ６０の開度を調整することにより、スナウト２内部からのヒューム排出量を調整することにより、スナウト２内の雰囲気を調整することができる。

＜ガスワイピング設備＞
　ガスワイピング設備７０の構成を図７に示す。ガスワイピング設備７０は、亜鉛めっき浴の上方に引き上げられた溶融亜鉛めっき鋼板Ｇの表裏両面側に配置されたワイピングノズル７１から溶融亜鉛めっき鋼板Ｇに対してワイピングガスを吹き付ける。吹き付けにより、溶融亜鉛めっき鋼板Ｇの表面に付着した余剰の溶融亜鉛を掻き取って、溶融亜鉛の目付量を調節する。

　ガスワイピング設備７０は、ワイピングノズル７１、ヘッダ７２、圧力計７３、温度計７４、フレキホース７５、ガス加熱装置７６、エアーコンプレッサー７７、並びに図示しないノズル高さ調整部、ノズル－鋼帯距離調整部、ノズル角度調整部から構成される。ワイピングノズル７１はヘッダ７２に取り付けられ、ヘッダ７２にはフレキホース７５が取り付けられ、その配管系統の上流側には、必要に応じてガス加熱装置７６が設置され、その上流側にエアーコンプレッサー７７が配置される。

　エアーコンプレッサー７７で圧縮された空気はフレキホース７５を介してヘッダ７２に送り込まれ、次いでワイピングノズル７１で整流および縮流され、ノズル出口においては数十～数百ｍ／ｓの速度でガスが吐出される。ヘッダ７２には圧力計７３、および必要に応じて温度計７４が取り付けられており、ガスの圧力、および温度を監視することができる。

　エアーコンプレッサー７７の出力は、圧力計７３で測定される圧力が２ｋＰａ以上７０ｋＰａ以下となるように調整される。図示しないノズル高さ調整部によって、ノズル高さＨ（ワイピングノズルのスリット中心から亜鉛浴面までの距離）は５０～７００ｍｍとなるように調整され得る。また、ノズルオフセットＯ（両ノズルのノズル高さの差）は０～５ｍｍで調整され得る。図示しないノズル－鋼板距離調整部によって、ノズル先端と鋼板の距離Ｄは５～３０ｍｍとなるように調整される。図示しないノズル角度調整部により、ノズル角度θ（浴面と平行な面とノズル先端の成す角）は０～７５°の範囲で調整され得る。

　なお、めっき種などにより、必要に応じて、ノズルから噴出されるワイピングガスを加熱するガス加熱装置７６が配置されていてもよい。ガス加熱装置の出力は、ノズルヘッダで計測される温度計にてワイピングガスの温度が５００～７００℃となるように調整され得る。上記温度計７４は、ガス加熱装置７６が設置される場合に、併せて設置するのが好ましい。

＜欠陥検出装置＞
　欠陥検出装置８０の概略を図８に示す。欠陥検出装置８０は投光器８１とカメラ８２とを含む。投光器８１は溶融亜鉛めっき鋼板Ｇの進行方向に対して一定の角度をもって、鋼板表面に白色光または単色光を照射する装置である。投光器８１は鋼板表面に対し平行光を入射することが好ましい。カメラ８２は、溶融亜鉛めっき鋼板Ｇの幅方向に複数台（例えば２０台程度）、溶融亜鉛めっき鋼板Ｇの進行方向に対して所定の角度から画像を取得するように配置することが好ましい。鋼板表面に欠陥がない場合、投光器８１から照射された光は、鋼板表面にて正反射する。一方、欠陥がある場合、照射した光は鋼板表面にて乱反射する。この乱反射光をカメラ８２で受光することにより、ドロス欠陥Ｘを検出することができる。図８の例においては、溶融亜鉛めっき鋼板Ｇの幅方向に沿って並んだカメラ８２が、検査線Ｌ上にてドロス欠陥Ｘを検出している。ドロス欠陥Ｘの大きさとして、１００～２００μｍ程度のものを検出できるカメラを用いることが好ましい。

　後述する機械学習部によってドロス欠陥予測モデルを学習する際に出力変数とする鋼帯Ｓのドロス欠陥情報は、欠陥検出装置８０により得られる情報である。ドロス欠陥情報としては、溶融亜鉛めっき鋼板Ｇのおもて面または裏面にて検出される一定以上の大きさのドロス欠陥Ｘの数、密度、単位長さ当たりのドロス欠陥Ｘの中で最も大きなドロス欠陥の大きさなど、溶融亜鉛めっき鋼板Ｇの品質上問題となりうるドロス欠陥Ｘに関する任意の情報を用いることができる。

　以下では、欠陥検出装置８０における処理の一例について説明する。欠陥検出装置８０においては、カメラによって０．１秒ピッチで画像を取得し、画像処理により画像ごとの重複部を除去して、予め設定された基準長さ（例えば１ｍ）の連続的な画像に変換する。このようにして得られた基準長さの画像から溶融亜鉛めっき鋼板Ｇとバックグラウンドとを分離し、溶融亜鉛めっき鋼板Ｇのみの画像を抽出する。さらに、ドロス欠陥Ｘは外観上、黒く見える。例えば、抽出した画像がカラー画像であれば、グレースケール画像に変換した後に、２値化して白黒画像を取得することができる。その後、ドロス欠陥Ｘに該当する黒色点が集合している位置のピクセル数をカウントして、そのピクセル数からドロス欠陥Ｘの面積に換算する。ドロス欠陥Ｘの大きさとしては、例えば測定されたドロス欠陥Ｘの面積を面積が等しい円形状に近似した場合の直径を、ドロス欠陥Ｘの大きさとすることができる。このような処理を、取得した基準長さの連続的な画像の溶融亜鉛めっき鋼板Ｇ表面に存在する黒色点に対して行い、所定の大きさよりも大きいドロス欠陥Ｘの個数を算出する。ドロス欠陥Ｘとしてカウントするドロス欠陥Ｘの大きさは特に限定されないが、例えば１００μｍ以上とすることができる。このような処理を、取得する基準長さの画像ごとに実施する。

　図３に示す連続式溶融金属めっき設備１００は、亜鉛めっき槽の下流側（上述した連続式溶融金属めっき設備１００がガスワイピング設備７０を有する場合にはさらにガスワイピング設備７０の下流側）であって、欠陥検出装置８０よりも上流側に、さらに再加熱設備を備えていてもよい。再加熱設備は、合金化帯、保熱帯、および最終冷却帯を有し、合金化帯には誘導加熱装置が配置され得る。再加熱設備により、めっき処理後の溶融亜鉛めっき鋼板に対して合金化処理を施して、鋼帯Ｓの表面にＺｎ－Ｆｅ合金化反応による合金層を有する合金化亜鉛めっき層を形成して、合金化溶融亜鉛めっき鋼板とすることができる。合金化処理後の合金化溶融亜鉛めっき鋼板は、合金化処理を施さずに溶融亜鉛めっき鋼板を得る場合と同様、連続式溶融金属めっき設備１００の下流に位置する欠陥検出装置８０によりドロス欠陥情報を取得される。該ドロス欠陥情報を後述する機械学習部によってドロス欠陥予測モデルを学習する際に出力変数として用いて、本開示に係るドロス欠陥予測方法を実施し、該ドロス欠陥低減方法に基づいて前記操業条件が制御された連続式溶融亜鉛めっき設備を用いれば、ドロス欠陥が低減された合金化溶融亜鉛めっき鋼板を製造することができる。合金化処理の条件は常法に従うことができる。

　上述の通り、鋼帯に対して合金化処理を施す場合でも、鋼帯に対して合金化処理を施さない場合と同様に、欠陥検出装置８０がドロス欠陥情報を取得し得る。ただし、鋼帯に対して合金化処理を施した場合の鋼帯表面（合金化溶融亜鉛めっき鋼板の表面）は、合金化処理を施さない鋼帯表面（溶融亜鉛めっき鋼板の表面）と比較して、表面の微視な凹凸（表面粗さ）が大きい。そのため、撮影した画像の２値化処理を行なって白黒画像を取得する際に、鋼帯に対して合金化処理を施す場合と施さない場合とで、２値化のしきい値を異なる値にしてもよい。

＜亜鉛めっき槽に関する第１パラメータ＞
　本実施形態においては、ドロス欠陥予測モデルの入力データとして、亜鉛めっき槽１に関する第１パラメータを用いる。第１パラメータは、亜鉛めっき槽１の構成に基づいて選択すればよい。第１パラメータは、鋼帯Ｓの板幅、板厚、亜鉛めっき槽１を鋼帯Ｓが通過する通板速度（ライン速度）、および亜鉛めっき浴へ侵入する際の鋼帯Ｓの温度を含む鋼帯Ｓに関する操業パラメータ；亜鉛めっき浴の亜鉛めっき槽１内の浴温、亜鉛めっき槽１内の温度分布に関する情報、亜鉛めっき浴のＡｌ濃度、浴面レベル、および鋼帯Ｓが通板された累積時間から選択した１または２以上を用いることができる。また、加熱装置１１による浴温制御出力、サポートロール４の押し込み量、亜鉛めっき槽へのインゴット投入量、インゴット組成など制御系に関するパラメータ；から選択した１または２以上を用いることができる。ここで、鋼帯Ｓが通板された累積時間は、例えば亜鉛めっき槽１内の亜鉛めっき浴を建浴した時点を基準にすることができる。あるいは、鋼帯Ｓが通板された累積時間は、亜鉛めっき槽１内の一部の機器を交換した時点を基準としてもよいし、一旦操業を停止して再開した時点など操業サイクルの始まりを起点としてもよい。さらに、亜鉛めっき浴がＭｇ，Ｎｉ，Ｔｉ，およびＳｉなどの添加元素を含有する場合、これら添加元素の亜鉛めっき浴中の濃度を、第１パラメータとして含んでもよい。

　亜鉛めっき槽１中のドロスは鋼帯Ｓから亜鉛めっき槽１中に溶出したＦｅと、亜鉛めっき槽中のＡｌおよびＺｎとが化合して反応物を生成することによって生じる。そのため、Ｆｅ溶出量に影響を与える亜鉛めっき浴の温度、およびＡｌ濃度はドロス生成に影響する因子である。亜鉛めっき槽中のドロスが多くなれば、鋼板に溶融亜鉛と共に付着するドロスも多くなる。そのため、第１パラメータは、前記亜鉛めっき浴の温度、および前記亜鉛めっき浴中のＡｌ濃度から選択された１または２のパラメータを含むことが好ましい。その際、浴温計９から得られる浴内の温度情報、浴分析装置１０から得られる浴中Ａｌ濃度、のいずれか一方または両方を第１パラメータとして用いることが好ましい。浴中Ａｌ濃度は、亜鉛めっき浴からサンプルを採取し、サンプルをＩＣＰ分析して得ることもできる。

　また、サポートロール４の鋼帯Ｓ（あるいは溶融亜鉛めっき鋼板Ｇ）に対する押し込み量もドロス欠陥Ｘの発生に影響を与えるため、第１パラメータに含めることができる。これは、サポートロール４を鋼帯Ｓ側に押し込むことにより、サポートロール４への鋼帯Ｓの巻き付け角が大きくなるため、溶融亜鉛がサポートロール４と鋼帯Ｓとの間をすり抜けることが抑制され、結果としてドロスがサポートロール４と鋼帯Ｓとの間をすり抜けることが抑制されて鋼帯Ｓ表面に対するドロスの付着量が低減されるためである。

＜スナウトに関する第２パラメータ＞
　本実施形態においては、ドロス欠陥予測モデルの入力データとして、スナウト２に関する第２パラメータを用いる。スナウト２に関する第２パラメータは、図５に示すスナウト２の構成に基づいて選択することができる。第２パラメータとしては、スナウト２内の温度、雰囲気の露点、ガス流速、ガス組成などスナウト２内の操業状態を表す任意のパラメータから選択した１または２以上とすることができる。

　第２パラメータとしては、スナウト２内の露点、スナウト２内の水素濃度、スナウト２内の酸素濃度、スナウト２内における鋼帯Ｓの温度、およびスナウト２内の雰囲気温度から選択した１または２以上のパラメータを用いることが好ましい。これらのパラメータは、鋼帯Ｓの酸化挙動に関連するため、亜鉛めっき浴中へのＦｅの溶出量に影響を及ぼし、ドロスの発生挙動と関連付けられるからである。

　ここで、本実施形態においては、ドロス欠陥予測モデルの入力データとして、亜鉛めっき槽１に関する第１パラメータ、およびスナウト２に関する第２パラメータの両方を用いる。その理由について以下で説明する。

　図９は、ドロス欠陥Ｘとスナウト２内の露点との関係を示すグラフである。図９は、図５に示したスナウト２へのガス供給部５０を用いてスナウト２内の雰囲気の露点（めっき浴上の推定露点）を－４５℃～－２０℃の範囲内に調整し、スナウト内露点と鋼帯の単位長さ当たりのドロス欠陥Ｘの個数とについて、欠陥検出装置８０を用いて、上述の方法により測定した結果である。なお、浴温：４５２～４５８℃、スナウト２内の雰囲気の酸素濃度：１０～５０ｐｐｍ、スナウト２内の雰囲気の水素濃度：１～５％の条件とした。ここで、浴成分は、条件Ａ：Ａｌ濃度４．３～４．９％、Ｍｇ濃度０．５～０．７％、残部ＺｎおよびＦｅ、条件Ｂ：Ａｌ濃度０．１３５～０．１３９％、残部ＺｎおよびＦｅである。図９から分かるように、第２パラメータであるスナウト２内の露点とドロス欠陥Ｘの発生個数とには一定の相関がある。また、ドロス欠陥Ｘの発生個数が浴成分ＡとＢとで異なることから、第１パラメータである浴成分とドロス欠陥Ｘの発生個数との間にも一定の相関があると考えられる。

　スナウト２内の露点が高いとスナウト２内が酸素ポテンシャルの高い雰囲気となり、スナウト２を通過する際に鋼帯Ｓの酸化が促進され、鋼帯Ｓ表面に鉄酸化膜が形成される。ここで、鉄酸化膜は地鉄から亜鉛めっき浴中への鉄の拡散を阻害するため、鉄が亜鉛めっき浴中に溶出するのを抑制する効果が生じる。ドロスは鋼帯Ｓから溶出した鉄と、めっき浴中のＡｌ，Ｚｎとの化合物であるため、溶出する鉄の量が少ない高露点条件下においては、ドロス欠陥Ｘが低減する。一方、低露点条件下においては鋼帯Ｓ表面の酸化が抑制されるため、鋼帯Ｓ表面から亜鉛めっき浴への鉄の溶出量が増加して、ドロス欠陥Ｘの生成量を増加させる。以上が、スナウト２内の雰囲気の露点とドロス欠陥Ｘの発生挙動との間に相関がある理由だと考えられる。

　一方、浴成分によって、スナウト２内の雰囲気の露点に対するドロス欠陥Ｘの発生傾向が異なるのは、以下の理由によると考えられる。溶融亜鉛に対して溶出するＦｅおよびＡｌの量は、亜鉛めっき浴の温度に応じて、飽和する限界量がある。そのため、ＦｅおよびＡｌのうち、一方の溶出量が多くなれば、他方の溶出量が少なくなるという関係にある。すなわち、亜鉛めっき浴中のＡｌ濃度が高くなれば、Ｆｅ濃度が低下するため、上記条件Ａでは、亜鉛めっき浴中に溶出するＦｅの量が相対的に少なくなる。これにより、亜鉛めっき浴中のドロスが少なくなって、ドロス欠陥Ｘの発生が抑制される。

　また、図９において、製品合格の判定基準を単位長さ当たりのドロス発生個数５個として定めた時、スナウト２内の雰囲気の露点は、条件Ａにおいては－４０℃以上、条件Ｂにおいては－３５℃以上とすることが好ましく、浴成分によって好適なスナウト２内の雰囲気の露点の範囲が異なっている。すなわち、めっき浴中のＡｌ濃度が高い条件Ａにおいて、ドロス欠陥の発生を抑制するためには、スナウトの操業パラメータとして、スナウト内露点を条件Ｂよりも低くする。

　さらに、図９のスナウト２内の雰囲気の露点とドロス欠陥Ｘの発生挙動との関係は、めっき浴の温度によっても変化する。これは、溶融亜鉛に対して溶出するＦｅおよびＡｌ等の成分の量が、めっき浴の温度によって変化するためである。

　以上から、ドロス欠陥予測モデルの入力データとして、亜鉛めっき槽１に関する第１パラメータと、スナウト２に関する第２パラメータとの両方を用いることが重要である。このように、複数の操業パラメータを組み合わせることで、ドロス欠陥Ｘを十分に低減するための適正な操業条件をはじめて設定することができる。

　上述した連続式溶融亜鉛めっき設備１００の各種操業条件は、プロセスコンピュータを含む上位コンピュータによって設定されており、上位コンピュータはこれらの操業データを取得し得る。

　以上、連続式溶融亜鉛めっき設備１００について説明してきたが、以下では、ドロス欠陥予測システムを構成するドロス欠陥予測装置と、ドロス欠陥予測モデル生成装置と、操業実績データベース（ＤＢ）とについて説明する。

＜ドロス欠陥予測モデル生成装置＞
　本実施形態においては、ドロス欠陥予測モデル生成装置が、亜鉛めっき槽に関する操業データ、スナウト２に関する操業データ、およびドロス欠陥情報の実績データを参照し、機械学習によりドロス欠陥予測モデルを生成する。図１０は、ドロス欠陥予測装置の一例の構成を示す機能ブロック図である。図１０に示すように、ドロス欠陥予測モデル生成装置８３は、取得部８３１と、記憶部８３２と、出力部８３３と、機械学習部８３４と、を有する。

　取得部８３１は、亜鉛めっき槽１に関する第１パラメータ、およびスナウトに関する第２パラメータを取得し、機械学習部８３４に送る。取得部８３１は、操業実績ＤＢ８５から操業データを取得可能な任意のインタフェースを含み得る。例えば、取得部８３１は、操業データを操業実績ＤＢ８５から取得するための通信インタフェースを含んでもよい。この場合、取得部８３１は、操業実績ＤＢ８５から所定の通信プロトコルで操業データを受信してもよい。

　記憶部８３２には、少なくとも１つの半導体メモリ、少なくとも１つの磁気メモリ、少なくとも１つの光メモリ、又はこれらのうち少なくとも２種類の組み合わせが含まれる。半導体メモリは、例えば、ＲＡＭ（ｒａｎｄｏｍ　ａｃｃｅｓｓ　ｍｅｍｏｒｙ）又はＲＯＭ（ｒｅａｄ　ｏｎｌｙ　ｍｅｍｏｒｙ）である。ＲＡＭは、例えば、ＳＲＡＭ（ｓｔａｔｉｃ　ｒａｎｄｏｍ　ａｃｃｅｓｓ　ｍｅｍｏｒｙ）又はＤＲＡＭ（ｄｙｎａｍｉｃ　ｒａｎｄｏｍ　ａｃｃｅｓｓ　ｍｅｍｏｒｙ）である。ＲＯＭは、例えば、ＥＥＰＲＯＭ（ｅｌｅｃｔｒｉｃａｌｌｙ　ｅｒａｓａｂｌｅ　ｐｒｏｇｒａｍｍａｂｌｅ　ｒｅａｄ　ｏｎｌｙ　ｍｅｍｏｒｙ）である。記憶部８３２は、例えば、主記憶装置、補助記憶装置、又はキャッシュメモリとして機能する。記憶部８３２は、ドロス欠陥予測モデル生成装置の動作に用いられる任意の情報を記憶する。記憶部８３２は、例えば、取得部により操業実績ＤＢ８５から取得された操業データ、及び機械学習部により生成されたドロス欠陥予測モデルを記憶する。例えば、記憶部８３２は、システムプログラム及びアプリケーションプログラム等を記憶してもよい。

　機械学習部８３４は、取得部８３１から供給された操業データを入力変数とし、かつ亜鉛めっき槽１の下流側で観測される鋼帯Ｓのドロス欠陥情報を出力変数として機械学習を実行する。例えば、機械学習部８３４は、機械学習を実行する。機械学習部８３４は、機械学習を実行することでドロス欠陥予測モデルを生成する。ドロス欠陥予測モデルは、後述するドロス欠陥予測装置８４の取得部８４１により取得された操業条件から、鋼帯Ｓのドロス欠陥情報の予測値を算出するための機械学習モデルである。機械学習部８３４は、生成したドロス欠陥予測モデルを出力部８３３に供給する。

　機械学習部８３４は、１つ以上のプロセッサを含む。一実施形態において「プロセッサ」は、汎用のプロセッサ、又は特定の処理に特化した専用のプロセッサであるが、これらに限定されない。

　機械学習部８３４は、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）又はスマートフォン等の任意の汎用の電子機器であり得る。機械学習部８３４は、これらに限定されず、１つ又は互いに通信可能な複数のサーバ装置であってもよいし、ドロス欠陥予測システムに専用の他の電子機器であってもよい。

　機械学習の方法としては、公知の機械学習的手法を適用することができる。機械学習部８３４は、例えば、ニューラルネットワーク（ディープラーニング、畳み込みニューラルネットワーク、およびリカレントニューラルネットワークなどを含む）、決定木学習、ランダムフォレスト、サポートベクター回帰、ガウス過程、およびｋ近傍法から選択した機械学習を実行して、ドロス欠陥予測モデルを生成することができる。機械学習部８３４は、これらの機械学習的手法を単独で、または組み合わせたアンサンブルモデルを用いることができる。また、機械学習部８３４は、最新の学習データを用いて、適宜、ドロス欠陥予測モデルを更新し得る。

　出力部８３３は、機械学習部８３４から供給されたドロス欠陥予測モデルを、ドロス欠陥予測装置８４に供給する。出力部８３３は、ドロス欠陥予測装置８４に対してドロス欠陥予測モデルを供給可能な任意のインタフェースを含み得る。例えば、出力部８３３は、ドロス欠陥予測装置８４に対してドロス欠陥予測モデルを供給するための通信インタフェースを含んでもよい。この場合、出力部８３３は、所定の通信プロトコルでドロス欠陥予測装置８４に対してドロス欠陥予測モデルを送信してもよい。

　図１３は、ドロス欠陥予測モデル生成装置８３の動作の一例を示すフローチャートである。図１３を参照しながら、ドロス欠陥予測モデル生成装置８３によるドロス欠陥予測モデルの生成方法について説明する。

　ステップＳ１０１では、ドロス欠陥予測モデル生成装置８３の機械学習部８３４は、第１パラメータと第２パラメータとを含む操業データを、取得部８３１を介して操業実績ＤＢ８５から取得する。

　ステップＳ１０２では、ドロス欠陥予測モデル生成装置８３の機械学習部８３４は、ステップＳ１０１において取得された操業データを入力変数とし、かつドロス欠陥情報を出力変数として機械学習を実行する。これにより、機械学習部８３４は、ドロス欠陥予測モデルを生成する。

　操業データが第３パラメータをさらに含むとき、上記亜鉛めっき槽１の下流側で検出される鋼帯のドロス欠陥情報を出力変数として、ステップＳ１０２において、機械学習部８３４は、第３パラメータをさらに含む操業データを入力変数として機械学習を実行してもよい。

＜操業実績データベース＞
　操業実績ＤＢ８５は、亜鉛めっき槽１に関する第１パラメータ、スナウト２に関する第２パラメータ、および亜鉛めっき槽１の下流側で検出される鋼帯Ｓのドロス欠陥に関するドロス欠陥情報を含む。操業実績ＤＢ８５は、任意で、ガスワイピング設備７０に関する第３パラメータを含み得る。なお、操業実績ＤＢ８５は、ドロス欠陥予測モデル生成装置８３とは別体として設けられていてもよく、ドロス欠陥予測モデル生成装置８３とともに単一の装置を構成していてもよい。

　プロセスコンピュータを含む上位コンピュータは、亜鉛めっき槽１の操業パラメータを設定し制御するために用いられる各種情報から、第１パラメータを選択して、操業実績ＤＢ８５に供給することができる。上位コンピュータは、例えば、鋼帯Ｓの板幅、板厚、通板速度、亜鉛めっき浴へ侵入する際の鋼帯Ｓの温度など、連続式溶融亜鉛めっき設備１００を制御するための操業パラメータを設定しており、上位コンピュータはこれらの操業データを取得し得る。また、上位コンピュータは、浴温計９から得られる浴温度、浴分析装置１０から得られる浴中Ａｌ濃度の操業データなども収集し得る。ただし、上位コンピュータは、亜鉛めっき槽１に配置した各種計測器から得られる連続的な操業データを適宜加工した後に操業実績ＤＢ８５に送ることが好ましい。例えば上位コンピュータは、鋼帯Ｓの一定長さ（例えば鋼帯Ｓの長さ１０ｍ）ごと、あるいは一定時間（例えば２秒）ごとに、操業データに平均化処理を施してから、平均化処理後の操業データを操業実績ＤＢ８５に送ることができる。

　プロセスコンピュータを含む上位コンピュータは、スナウト２の操業パラメータを設定し制御するために用いられる各種情報から、第２パラメータを選択して、操業実績ＤＢ８５に供給することができる。第２パラメータとしては、例えば、スナウト２内の露点、スナウト２内の水素濃度、スナウト２内の酸素濃度、スナウト２内における鋼帯Ｓの温度、スナウト内の雰囲気温度、ガス流速、ガス組成などが挙げられる。上位コンピュータは、スナウト２に配置した各種計測器から得られる連続的な操業データを適宜加工した後に操業実績ＤＢ８５に送ることが好ましい。上記同様、例えば上位コンピュータは、鋼帯Ｓの一定長さ（例えば鋼帯Ｓの長さ１０ｍ）ごと、あるいは一定時間（例えば２秒）ごとに、操業データに平均化処理を施してから、平均化処理後の操業データを操業実績ＤＢ８５に送ることができる。

　また、プロセスコンピュータを含む上位コンピュータは、欠陥検出装置８０から取得した画像データに基づき、前述の方法によりドロス欠陥情報を取得して、操業実績ＤＢ８５に送ることができる。

　上位コンピュータは、ドロス欠陥情報を、溶融亜鉛めっき鋼板Ｇの長手方向における位置情報と紐づけて操業実績ＤＢ８５に送ることが好ましい。一例において、上位コンピュータは、鋼帯Ｓの先端部（先行材との溶接部）からの距離により鋼帯Ｓ内における位置を特定し、連続式溶融亜鉛めっき設備１００の入側から溶接部の位置をトラッキングしながら、鋼帯Ｓがスナウト２を通過する段階で、スナウト２に関する第２パラメータを、一本の鋼帯Ｓの長手方向における位置情報と紐づける。また、上位コンピュータは、鋼帯Ｓが亜鉛めっき槽１を通過する段階で、亜鉛めっき槽１に関する第２パラメータを、該一本の鋼帯Ｓの長手方向における位置情報と紐づける。さらに、上位コンピュータは、鋼帯Ｓが欠陥検出装置８０を通過する段階で、ドロス欠陥情報を一本の鋼帯Ｓの長手方向における位置情報と紐づける。このようにして、鋼帯Ｓ内における位置情報により紐づけられたスナウト２に関する第２パラメータ、亜鉛めっき槽１に関する第１パラメータ、およびドロス欠陥情報から、上位コンピュータは、鋼帯Ｓの一定長さごと（例えば１０ｍごと）に、鋼板Ｓの長手方向の該位置における操業データの代表値を、例えば平均化処理によって算出する。そして、算出した代表値を、鋼板Ｓの長手方向の位置毎にまとめて、一組の操業データとして、操業実績ＤＢ８５に蓄積する。その際、鋼帯Ｓの長さとしては、例えば１．０～１００ｍの範囲内で任意に決定した長さを用いることができる。なお、鋼帯Ｓの特定の部分がスナウト２を通過した後に、亜鉛めっき槽１を通過するまでの時間差は十分小さいと判断できるため、上位コンピュータは、鋼帯Ｓが亜鉛めっき槽１を通過する際に、スナウト２と亜鉛めっき槽１とで同時刻に取得した情報を一組の実績データとみなしてもよい。

　操業実績ＤＢ８５は、以上のようにして収集した入力変数と出力変数とを関連づけたデータセットを複数保存する。また、操業実績ＤＢ８５には、製造対象とする鋼種およびサイズ（鋼帯Ｓの板厚および板幅）に関する情報を含めることが好ましい。また、各データセットには鋼帯Ｓの長手方向における位置情報を含めてもよい。操業実績ＤＢ８５中のデータ数としては、一本の鋼帯Ｓ当たり７５０点以上であることが好ましい。また、操業実績ＤＢ８５には、少なくとも５コイル以上、好ましくは２０コイル以上、より好ましくは１００コイル以上の鋼帯Ｓについてのデータが蓄積されていることが好ましい。

　機械学習部８３４は、このようにして作成されたデータベースを用いて、少なくとも亜鉛めっき槽に関する第１パラメータと、スナウト２に関する第２パラメータとからそれぞれ選択した１又は２以上の操業データを入力変数とし、その入力変数に対応する亜鉛めっき槽の下流側で観測される鋼帯Ｓのドロス欠陥情報を出力変数として、機械学習によりドロス欠陥予測モデルを生成する。

　図１４は、ドロス欠陥予測モデルの構成を示す模式図である。図１４を参照しながら、機械学習部によって生成されるドロス欠陥予測モデルの構成について説明する。

　機械学習部８３４によって生成されたドロス欠陥予測モデルの入力項には、ドロス欠陥情報の予測対象となる、亜鉛めっき槽１に関する第１操業条件と、スナウト２に関する第２操業条件とを含む操業条件が、例えばドロス欠陥予測装置８４の取得部８４１を介して入力される。入力項に入力された操業条件に基づいて、ドロス欠陥情報が予測され、出力項には、ドロス欠陥情報が出力される。

＜ドロス欠陥予測装置＞
　図１２は、ドロス欠陥予測装置の構成を示す機能ブロック図である。図１２を参照しながら、ドロス欠陥予測システムに含まれるドロス欠陥予測装置の一例について説明する。

　図１２に示すように、ドロス欠陥予測装置８４は、取得部８４１と、出力部８４２と、記憶部８４３と、制御部８４４と、を有する。

　取得部８４１は、例えば、機械学習部８３４によって生成されたドロス欠陥予測モデルをドロス欠陥予測モデル生成装置８３から取得可能な任意のインタフェースを含む。例えば、取得部８４１は、ドロス欠陥予測モデルをドロス欠陥予測モデル生成装置８３から取得するための通信インタフェースを含んでもよい。この場合、取得部８４１は、機械学習部８３４から所定の通信プロトコルでドロス欠陥予測モデルを受信してもよい。

　また、取得部８４１は、例えば、連続式溶融亜鉛めっき設備１００を制御する上位コンピュータから、操業条件を取得する。例えば、取得部８４１は、上位コンピュータから操業条件を取得するための通信インタフェースを含んでもよい。この場合、取得部８４１は、上位コンピュータから所定の通信プロトコルで操業条件を受信してもよい。

　取得部８４１は、ユーザの操作に基づく入力情報を取得してもよい。この場合、ドロス欠陥予測装置８４は、ユーザ入力を検出して、ユーザの操作に基づく入力情報を取得する１つ以上の入力インタフェースを含む入力部をさらに有する。例えば、入力部は、物理キー、静電容量キー、出力部のディスプレイと一体的に設けられたタッチスクリーン、又は音声入力を受け付けるマイクロフォン等であるが、これらに限定されない。例えば、入力部は、取得部８４１によりドロス欠陥予測モデル生成装置８３から取得されたドロス欠陥予測モデルに対する操業条件の入力を受け付ける。

　記憶部８４３には、少なくとも１つの半導体メモリ、少なくとも１つの磁気メモリ、少なくとも１つの光メモリ、又はこれらのうち少なくとも２種類の組み合わせが含まれる。半導体メモリは、例えば、ＲＡＭ（ｒａｎｄｏｍ　ａｃｃｅｓｓ　ｍｅｍｏｒｙ）又はＲＯＭ（ｒｅａｄ　ｏｎｌｙ　ｍｅｍｏｒｙ）である。ＲＡＭは、例えば、ＳＲＡＭ（ｓｔａｔｉｃ　ｒａｎｄｏｍ　ａｃｃｅｓｓ　ｍｅｍｏｒｙ）又はＤＲＡＭ（ｄｙｎａｍｉｃ　ｒａｎｄｏｍ　ａｃｃｅｓｓ　ｍｅｍｏｒｙ）である。ＲＯＭは、例えば、ＥＥＰＲＯＭ（ｅｌｅｃｔｒｉｃａｌｌｙ　ｅｒａｓａｂｌｅ　ｐｒｏｇｒａｍｍａｂｌｅ　ｒｅａｄ　ｏｎｌｙ　ｍｅｍｏｒｙ）である。記憶部８４３は、例えば、主記憶装置、補助記憶装置、又はキャッシュメモリとして機能する。記憶部８４３は、ドロス欠陥予測装置の動作に用いられる任意の情報を記憶する。記憶部８４３は、例えば、取得部８４１によりドロス欠陥予測モデル生成装置８３から取得されたドロス欠陥予測モデル、取得部８４１により上位コンピュータから取得された操業条件、及び制御部８４４により予測されたドロス欠陥情報を記憶する。例えば、記憶部８４３は、システムプログラム及びアプリケーションプログラム等を記憶してもよい。

　制御部８４４は、１つ以上のプロセッサを含む。一実施形態において「プロセッサ」は、汎用のプロセッサ、又は特定の処理に特化した専用のプロセッサであるが、これらに限定されない。制御部８４４は、ドロス欠陥予測装置を構成する各構成部と通信可能に接続され、ドロス欠陥予測装置８４全体の動作を制御する。

　制御部８４４は、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）又はスマートフォン等の任意の汎用の電子機器であり得る。制御部８４４は、これらに限定されず、１つ又は互いに通信可能な複数のサーバ装置であってもよいし、ドロス欠陥予測システムに専用の他の電子機器であってもよい。

　制御部８４４は、取得部８４１を介して取得した操業条件に基づいて、ドロス欠陥予測モデル生成装置８３から取得したドロス欠陥予測モデルにより、ドロス欠陥情報の予測を算出する。

　出力部８４２は、制御部８４４により算出されたドロス欠陥情報の予測値を、後述する操業条件設定装置９０に供給する。出力部８４２は、操業条件設定装置９０に対してドロス欠陥情報の予測値を供給可能な任意のインタフェースを含み得る。例えば、出力部８４２は、操業条件設定装置９０に対してドロス欠陥情報の予測値を供給するための通信インタフェースを含んでもよい。この場合、出力部８４２は、所定の通信プロトコルで操業条件設定装置９０に対してドロス欠陥情報の予測値を送信してもよい。

　また、出力部８４２は、情報を出力してユーザに通知する１つ以上の出力インタフェースを含んでいてもよい。出力用インタフェースは、例えば、ディスプレイである。ディスプレイは、例えば、ＬＣＤ（ｌｉｑｕｉｄ　ｃｒｙｓｔａｌ　ｄｉｓｐｌａｙ）又は有機ＥＬ（ｅｌｅｃｔｒｏ　ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイである。出力部８４２は、ドロス欠陥予測装置の動作によって得られるデータを出力する。出力部８４２は、ドロス欠陥予測装置８４に備えられる代わりに、外部の出力機器としてドロス欠陥予測装置８４に接続されてもよい。接続方式としては、例えば、ＵＳＢ、ＨＤＭＩ（登録商標）、又はＢｌｕｅｔｏｏｔｈ（登録商標）などの任意の方式を用いることができる。例えば、出力部８４２は、情報を映像で出力するディスプレイ、又は情報を音声で出力するスピーカ等であるが、これらに限定されない。例えば、出力部８４２は、制御部８４４によって予測されたドロス欠陥情報の予測値をユーザに対して提示する。ユーザは、出力部８４２により提示されたドロス欠陥情報の予測値に基づいて、連続式溶融亜鉛めっき設備１００の操業条件を適切に設定可能である。

　図１５は、図１２のドロス欠陥予測装置８４による動作の一例を示すフローチャートである。図１５を参照しながら、ドロス欠陥情報の予測値を算出するドロス欠陥予測方法について主に説明する。

　ステップＳ２０１では、ドロス欠陥予測装置８４の制御部８４４は、亜鉛めっき槽１に関する第１パラメータと、スナウト２に関する第２パラメータと、を含む操業データを入力変数とし、かつ鋼帯Ｓのドロス欠陥情報を出力変数として実行させた機械学習に基づくドロス欠陥予測モデルを、取得部８４１を介してドロス欠陥予測モデル生成装置８３から取得する。

　ステップＳ２０２では、ドロス欠陥予測装置８４の制御部８４４は、ステップＳ２０１において取得されたドロス欠陥予測モデルに対する操業条件の入力を、取得部８４１を介して受け付ける。

ステップＳ２０３では、ドロス欠陥予測装置８４の制御部８４４は、ステップＳ２０２において入力された操業条件に基づいてドロス欠陥情報の予測値を、ステップＳ２０１において取得されたドロス欠陥予測モデルにより算出する。

　ステップＳ２０４では、ドロス欠陥予測装置８４の制御部８４４は、必要に応じて、ステップＳ２０３において算出されたドロス欠陥情報の予測値を出力部８４２により出力する。

　上記では、ドロス欠陥予測装置８４が操業条件を取得する取得部８４１、およびドロス欠陥情報の予測値を出力する出力部８４２を備える形態について説明したが、ドロス欠陥予測装置８４が備える取得部８４１および出力部８４２に加えて、ドロス欠陥予測装置８４とは別の装置上に、操業条件の取得、およびドロス欠陥情報の予測値の出力を行う入力部、出力部が別途設けられていてもよい。一実施形態に係るドロス欠陥予測端末システムは、上述したドロス欠陥予測装置８４と、前記操業条件の変更に関するユーザ入力を受け付け、該ユーザ入力に基づくユーザ入力情報を前記ドロス欠陥予測装置８４へと送信する端末装置とを備え、前記ドロス欠陥予測装置８４は、前記ユーザ入力情報に基づき前記操業条件の少なくとも一部を変更して変更操業条件とし、該変更操業条件に基づき、前記ドロス欠陥予測モデルにより前記鋼帯Ｓのドロス欠陥情報の予測値を算出する制御部８４４を含み得る。

　該ドロス欠陥予測端末システムによれば、端末装置によりユーザ入力を受け付け、ユーザ入力情報に基づき変更した操業条件に基づきドロス欠陥情報の予測値を算出することで、ユーザは、操業条件の変更に伴うドロス欠陥情報の変化を予測することができ、連続式溶融亜鉛めっき設備１００を適切な操業条件へと迅速に変更することができる。

　端末装置は、情報処理端末であり、一例においては、入出力部、通信部、記憶部、および制御部を有する。

　入出力部は、連続式溶融亜鉛めっき設備１００の操業条件の変更に関するユーザ入力を検出し、ユーザ入力情報を制御部に送る入力インタフェースを有する。かかる入力インタフェースは、たとえば、物理キー、静電容量キー、パネルディスプレイと一体的に設けられたタッチスクリーン、各種ポインティングデバイス、音声入力を受け付けるマイクロフォン、撮像画像または画像コードを取り込むカメラなどを含む任意の入力インタフェースであり得る。また、入出力部は、ドロス欠陥予測装置から取得したドロス欠陥予測情報を、ユーザに対して出力する出力インタフェースを有していてもよい。かかる出力インタフェースは、たとえば、情報を画像・映像として出力する外付けまたは内蔵のディスプレイ、情報を音声として出力するスピーカ、または、外部の出力機器との接続インタフェースを含む、任意の出力インタフェースであり得る。

　記憶部には、少なくとも１つの半導体メモリ、少なくとも１つの磁気メモリ、少なくとも１つの光メモリ、又はこれらのうち少なくとも２種類の組み合わせが含まれる。半導体メモリは、例えば、ＲＡＭ（ｒａｎｄｏｍ　ａｃｃｅｓｓ　ｍｅｍｏｒｙ）又はＲＯＭ（ｒｅａｄ　ｏｎｌｙ　ｍｅｍｏｒｙ）である。ＲＡＭは、例えば、ＳＲＡＭ（ｓｔａｔｉｃ　ｒａｎｄｏｍ　ａｃｃｅｓｓ　ｍｅｍｏｒｙ）又はＤＲＡＭ（ｄｙｎａｍｉｃ　ｒａｎｄｏｍ　ａｃｃｅｓｓ　ｍｅｍｏｒｙ）である。ＲＯＭは、例えば、ＥＥＰＲＯＭ（ｅｌｅｃｔｒｉｃａｌｌｙ　ｅｒａｓａｂｌｅ　ｐｒｏｇｒａｍｍａｂｌｅ　ｒｅａｄ　ｏｎｌｙ　ｍｅｍｏｒｙ）である。記憶部は、例えば、主記憶装置、補助記憶装置、又はキャッシュメモリとして機能する。記憶部は、端末装置の動作に用いられる任意の情報を記憶する。記憶部は、例えば、ユーザ入力情報、およびドロス欠陥予測装置８４から取得したドロス欠陥予測情報を記憶する。例えば、記憶部は、システムプログラム及びアプリケーションプログラム等を記憶してもよい。

　制御部は、１つ以上のプロセッサを含む。一実施形態において「プロセッサ」は、汎用のプロセッサ、又は特定の処理に特化した専用のプロセッサであるが、これらに限定されない。制御部は、端末装置を構成する各構成部と通信可能に接続され、端末装置全体の動作を制御する。

　通信部は、ユーザ入力に基づくユーザ入力情報を、上述したドロス欠陥予測装置８４に供給する。通信部は、ドロス欠陥予測装置８４に対してユーザ入力情報を供給可能な任意のインタフェースを含み得る。例えば、通信部は、ドロス欠陥予測装置８４に対してユーザ入力情報を供給するための通信インタフェースを含んでもよい。この場合、通信部は、所定の通信プロトコルでドロス欠陥予測装置８４に対してユーザ入力情報を送信してもよい。

　端末装置としては、タッチパネル式のタブレット端末、スマートフォン、およびパーソナルコンピューターなどを挙げることができる。端末装置によってユーザ入力を受け付けることで、ユーザは場所を問わずに連続式溶融亜鉛めっき設備１００の操業条件を仮想的に変更した場合のドロス欠陥情報の予測値を得ることができる。ユーザは、例えば、連続式溶融亜鉛めっき設備１００を備える工場の事務所内にて端末装置を操作してドロス欠陥情報の予測値を算出し、連続式溶融亜鉛めっき設備１００の操業条件の決定に役立てることができる。

　ドロス欠陥予測端末システムの動作の一例について説明する。まず、端末装置の入出力部は、操業条件の変更に関するユーザ入力を受け付け、送信部に供給する。操業条件の変更に関するユーザ入力は、操業条件の少なくとも一部を変更するための情報を含む。ユーザ入力としては、例えば、亜鉛めっき槽１に関する第１操業条件の変更値、スナウト２に関する第２操業条件の変更値、またはガスワイピング設備７０に関する第３操業条件の変更値が挙げられる。次いで、送信部は、該ユーザ入力に基づくユーザ入力情報をドロス欠陥予測装置８４へと送信する。

　次いで、ドロス欠陥予測装置８４の取得部８４１は、ユーザ入力情報を上述した端末装置から取得する。取得部８４１は、取得したユーザ入力情報を制御部８４４へと供給する。制御部８４４は、ユーザ入力情報に基づき、操業条件の少なくとも一部を変更して変更操業条件とする。例えば、ユーザ入力情報が亜鉛めっき槽１に関する第１操業条件の変更値を含む場合、制御部８４４は、ユーザ入力情報に基づき、第１操業条件を変更し得る。

　次いで、制御部８４４は、該変更操業条件を入力変数として、ドロス欠陥予測モデルにより鋼帯Ｓのドロス欠陥情報の予測値を算出する。ドロス欠陥予測装置８４の制御部８４４は、算出されたドロス欠陥情報の予測値を出力部８４２により端末装置の通信部に送信する。端末装置の通信部は、取得したドロス欠陥情報の予測値を、端末装置の入出力部に供給する。端末装置の入出力部は、ドロス欠陥情報の予測値をユーザに対して出力する。

＜ドロス欠陥低減方法＞
　本実施形態に係るドロス欠陥低減方法においては、上述したドロス欠陥予測方法を用いて亜鉛めっき槽１の下流側における鋼帯Ｓのドロス欠陥情報の予測値を算出するステップと、前記ドロス欠陥情報の予測値に基づき、前記操業条件を再設定するステップと、を含む。本実施形態に係るドロス欠陥低減方法は、例えば、上述したドロス欠陥予測装置８４を含むドロス欠陥予測システムにさらに操業条件設定装置を組み合わせたドロス欠陥低減システムを用いて実施することができる。

　図１１に、ドロス欠陥低減方法の概要を示す。図１１に示すように、ドロス欠陥予測装置８４は、プロセスコンピュータを含む上位コンピュータ９５から、操業条件を取得する。なお、ドロス欠陥予測装置８４は、連続式溶融亜鉛めっき設備１００に含まれる各種測定装置から直接的に操業条件を取得してもよい。

　ドロス欠陥予測装置８４は、鋼帯Ｓの長手方向における所定の位置が、亜鉛めっき槽１を通過した後、かつ当該部分が欠陥検出装置８０に到達する前に、ドロス欠陥情報の予測値を算出し得る。または、ドロス欠陥予測システムは、鋼帯Ｓの長手方向における所定の位置が、ガスワイピング設備を通過した後であり、かつ当該部分が欠陥検出装置８０に到達する前に、ドロス欠陥情報の予測を行なってもよい。好ましくは、ドロス欠陥予測装置８４は、鋼帯Ｓが亜鉛めっき槽１を通過した直後、または鋼帯Ｓがガスワイピング設備７０を通過した直後に予測値の算出を行う。ドロス欠陥予測装置８４が、鋼帯Ｓに発生するドロス欠陥情報の予測値を、欠陥検出装置８０がドロス欠陥情報を検出する前に予測することで、迅速に操業条件を変更して、ドロス欠陥Ｘが発生する長さを最小限に抑えることができる。

　ここで、ドロス欠陥予測装置８４は、ドロス欠陥情報の予測値の算出を、鋼帯Ｓの長手方向で連続的に行うことが好ましい。一例において、ドロス欠陥予測装置８４は、鋼帯Ｓの進行方向に、１．０～１００ｍの範囲で任意に設定したピッチでドロス欠陥情報を予測し、予測結果を出力部に供給する。このように、ドロス欠陥予測装置８４が、鋼帯Ｓの進行方向に、１．０～１００ｍの範囲で任意に設定した間隔をあけてドロス欠陥情報の予測値を算出すれば、１コイル分の鋼帯Ｓを連続式溶融亜鉛めっき設備１００に通板させて処理する間に、亜鉛めっき槽１に関する第１操業条件、およびスナウト２に関する第２操業条件が変化する場合であっても、ドロス欠陥Ｘを精度よく予測することができる。

　操業条件設定装置９０は、上記のようにドロス欠陥予測装置８４が算出したドロス欠陥情報の予測値に基づいて、連続式溶融亜鉛めっき設備１００の操業条件を再設定する。図１１に示すように、操業条件設定装置９０は、ドロス欠陥予測装置８４から、ドロス欠陥情報の予測値を取得する。また、操業条件設定装置９０の判定部９０１は、一例においては上位コンピュータから、予め設定されたドロス欠陥上限値を取得する。判定部９０１は、ドロス欠陥情報の予測値をドロス欠陥上限値と比較し、ドロス欠陥情報の予測値がドロス欠陥上限値を上回っている場合には、判定結果がＮＧであると判断する。ドロス欠陥情報の予測値がドロス欠陥上限値以下である場合には、判定部９０１は、判定結果がＯＫであると判断する。判定結果がＮＧである場合、判定部９０１は、操業条件再設定部９０２に操業条件の変更を通知し、操業条件再設定部９０２は連続式溶融亜鉛めっき設備１００の操業条件を修正する。判定結果がＯＫである場合、判定部９０１は、操業条件再設定部９０２に操業条件の変更を通知しない。判定結果がＯＫである場合、判定部９０１は、該時点における操業条件を維持する制御指令を、連続式溶融亜鉛めっき設備１００に含まれる各装置の操業条件制御部に送る。操業条件の変更を通知された操業条件再設定部９０２は、例えば、スナウト２、亜鉛めっき槽１、およびガスワイピング設備７０の操業条件を再設定し得る。

　操業条件の変更を通知された操業条件再設定部９０２は、具体的には、応答性の高い操業条件を優先的に変更すればよい。応答性の高い操業条件としては、通板速度、サポートロール４の鋼帯Ｓに対する押し込み量、およびガスワイピング設備７０のガス圧が挙げられる。また、これら操業条件の変更だけでは、ドロス欠陥Ｘを十分低減できない場合には、操業条件再設定部９０２は、追加で、例えば亜鉛めっき槽１の浴温制御出力の設定値、およびスナウト２に供給される混合ガスの流量比の少なくとも一方の再設定を行い得る。なお、このように再設定された操業条件をドロス欠陥予測モデルの入力パラメータとして、再度ドロス欠陥情報の予測を行い、ドロス欠陥情報の予測値がドロス欠陥上限値よりも小さくなるかを確認した後に、操業条件の設定値を決定してもよい。

　なお、操業条件再設定部９０２は、操業条件の再設定にあたって、各種操業条件に上限値と下限値とを設定し、その設定範囲内で操業条件を再設定することが好ましい。操業条件再設定部９０２が、各種操業条件に上限値と下限値とを設定し、その設定範囲内で操業条件を再設定することで、ドロス欠陥Ｘ以外の欠陥が発生することを好適に防止することができる。

　上位コンピュータ９５は、ドロス欠陥上限値をあらかじめ設定し得る。ドロス欠陥上限値としては、例えば、鋼帯Ｓの長手方向における単位長さ当たりのドロス欠陥Ｘの個数が挙げられる。上位コンピュータ９５は、例えば、鋼帯Ｓの長手方向における長さ１ｋｍに対して、ドロス欠陥Ｘが１個以下を、ドロス欠陥上限値として設定し得る。

　操業条件再設定部９０２が再設定する操業条件としては、亜鉛めっき槽１に関する第１操業条件と、スナウト２に関する第２操業条件とを含み得る。亜鉛めっき槽１に関する第１操業条件としては、例えば、鋼帯Ｓが亜鉛めっき槽１を通過する際の通板速度、亜鉛めっき槽１におけるサポートロール４の鋼帯Ｓに対する押し込み量、亜鉛めっき槽１の浴温制御出力の設定値、亜鉛めっき槽１へのインゴット８の投入量から選んだ１または２以上を含み得る。

　スナウト２に関する第２操業条件としては、例えば、スナウト２に供給される混合ガスの流量比、スナウト放散管５９のバルブ６０の開度、およびスナウト２内のヒーター５５の設定値から選んだ１または２以上を含み得る。

　操業条件再設定部９０２は、ドロス欠陥情報に基づき、ガスワイピング設備７０のガス圧の設定条件を変更してもよい。さらに、操業条件再設定部９０２は、連続焼鈍炉３０の操業条件を再設定してもよい。操業条件再設定部９０２が再設定し得る連続焼鈍炉３０の操業条件としては、加熱帯２０が直火炉の場合における加熱帯２０内の雰囲気の空気比、均熱帯２１のガス供給系統から供給するガス種、均熱帯２１のガス供給系統からのガス供給量、冷却帯２３の操業条件として冷却ガスの流量、ガス種、およびガス濃度等が挙げられる。

　これらの操業条件のなかでも特に、操業条件再設定部９０２は、鋼帯Ｓが亜鉛めっき槽１を通過する際の通板速度、亜鉛めっき槽１におけるサポートロール４の鋼帯Ｓに対する押し込み量を再設定することが好ましい。操業条件再設定部９０２が、鋼帯Ｓが亜鉛めっき槽１を通過する際の通板速度、亜鉛めっき槽１におけるサポートロール４の鋼帯Ｓに対する押し込み量を再設定することで、操業条件の再設定により即座にドロス欠陥Ｘを低減することができる。操業条件再設定部９０２は、各種制御機器の機械的な応答時間を参照して、鋼帯Ｓが亜鉛めっき槽１を通過する際の通板速度、亜鉛めっき槽１におけるサポートロール４の鋼帯Ｓに対する押し込み量を再設定することができる。また、操業条件再設定部９０２は、ドロス欠陥Ｘを低減するために、ガスワイピング設備７０のガス圧を再設定することもできる。

　一方、操業条件再設定部９０２は、スナウト２に供給される混合ガスの流量比を再設定することで、スナウト２内の露点、スナウト２内の水素濃度、およびスナウト２内の酸素濃度の少なくとも一つを変更し得る。操業条件再設定部９０２は、スナウト２に供給される混合ガスの流量比を再設定することにより、スナウト２内の雰囲気を３分程度の短時間で変更することができる。スナウト２内の雰囲気は、鋼帯Ｓ表面に形成される鉄酸化膜の状態変化を通じて、亜鉛めっき浴に対する鉄の溶出を抑制することによってドロス欠陥Ｘを抑制する。操業条件再設定部９０２は、スナウト２に供給される混合ガスの流量比を再設定することで、ドロス欠陥Ｘの発生を高い効果で低減することができる。操業条件再設定部９０２は、ドロス欠陥情報を参照して、鋼帯Ｓが亜鉛めっき槽１を通過する際の通板速度、および亜鉛めっき槽１におけるサポートロール４の鋼帯Ｓに対する押し込み量と併せて、スナウト２に供給される混合ガスの流量比を再設定することが好ましい。

　さらに、操業条件再設定部９０２は、亜鉛めっき槽１の浴温制御出力の設定値を再設定してもよい。操業条件再設定部９０２が、ドロス欠陥情報に基づいて亜鉛めっき槽１の浴温制御出力の設定値を再設定することで、ドロス欠陥Ｘを好適に低減することができる。浴温度は鋼帯Ｓから亜鉛めっき浴へのＦｅ溶出量に大きな影響があるからである。応答性を高める観点から、操業条件再設定部９０２が操業条件として亜鉛めっき槽１の浴温制御出力の設定値を再設定する場合は、その他の操業条件の再設定と併用することが好ましい。特に、ドロス欠陥Ｘを低減するためのスナウト２に供給される混合ガスの流量比およびスナウト２から炉外部へ放散されるガスの適正値は、亜鉛めっき槽１の浴温度によって変化することから、操業条件再設定部９０２は、スナウト２に関する第２操業条件と亜鉛めっき槽１に関する第１操業条件とを組み合わせて再設定することが好ましい。

　亜鉛めっき槽１に侵入する鋼板Ｓの温度は亜鉛めっき槽１に溶出するＦｅの量に影響する因子である。そのため、操業条件再設定部９０２は、スナウト２を加熱するために設置されるスナウト２内の電熱ヒーターの制御出力設定値、およびスナウト２の前工程である連続焼鈍炉３０内の冷却帯２３の操業条件を変更することによって、ドロス欠陥Ｘをより低減してもよい。

　亜鉛めっき浴の成分は亜鉛めっき浴に対する鋼帯ＳからのＦｅの溶出量を決定する一つの因子である。そのため、操業条件再設定部９０２は、亜鉛めっき浴に対してインゴット８を投入するタイミングを再設定し、管理範囲内で浴成分を変更することによって、ドロス欠陥Ｘをより低減してもよい。

　鋼帯Ｓの表面の性状は、亜鉛めっき浴への鋼帯ＳからのＦｅ溶出量を決定する因子である。Ｆｅ溶出量を決定する鋼帯Ｓの表面の性状としては、鋼帯Ｓの表面の酸化の程度、および鋼帯Ｓ表面におけるＳｉ，Ｍｎ等の強化元素の濃化量が含まれる。よって、操業条件再設定部９０２は、均熱帯２１に供給され、炉内の露点を調整するためのガスの流量、あるいは加熱帯２０が直火炉の場合には加熱帯２０の空気比を再設定することによって、ドロス欠陥Ｘをより低減してもよい。

　以上により、本ドロス欠陥低減方法によれば、連続式溶融亜鉛めっき設備１００においてドロス欠陥Ｘを低減するための適切な操業条件を鋼帯Ｓのコイル内およびコイル間で維持することができるため、品質が高く、かつ歩留まりが良好な溶融亜鉛めっき鋼板Ｇを製造することが可能となる。すなわち、本開示は、上述したドロス欠陥低減方法に基づいて前記操業条件が制御された前記連続式溶融亜鉛めっき設備を用いて、前記鋼帯の表面に亜鉛めっき層を形成して溶融亜鉛めっき鋼板とする、溶融亜鉛めっき鋼板の製造方法にも関する。

＜その他＞
　ドロス欠陥予測モデル生成装置８３は、連続焼鈍炉３０に関する第４パラメータをさらに入力変数に含めて、ドロス欠陥予測モデルを作成してもよい。この場合、操業条件再設定部９０２は、連続焼鈍炉３０に関する第４操業条件を再設定し得る。連続焼鈍炉３０に関する第４パラメータとしては、図３における加熱帯２０、均熱帯２１及び冷却帯２２，２３（第１冷却帯２２、第２冷却帯２３）において、連続焼鈍炉３０を制御するためのプロセスコンピュータをはじめとする上位コンピュータにおいて、焼鈍の操業パラメータとして取得される１または２以上の情報を用いることができる。

　第４パラメータのうち、加熱帯２０に関するパラメータとしては、鋼帯Ｓが加熱帯２０の鋼帯入口から鋼帯出口までを通過するために要する時間、加熱帯２０中における鋼帯Ｓの温度上昇量、および加熱帯２０中における鋼帯Ｓの平均昇温速度から選んだ少なくとも一つを用いることができる。均熱帯２１に関する操業パラメータとしては、均熱帯２１内における鋼帯Ｓの平均温度である均熱温度、および鋼帯Ｓが均熱帯２１内を通過するために要する時間である均熱時間の少なくとも一方を用いることができる。第１冷却帯２２の操業パラメータとしては、鋼帯Ｓが第１冷却帯２２を通過するのに要する時間、第１冷却帯２２内における鋼帯Ｓの温度低下量、および第１冷却帯２２内における鋼帯Ｓの平均冷却速度から選ばれる少なくとも一つを用いることができる。同様に、第２冷却帯に関する操業パラメータとしては、鋼帯Ｓが第２冷却帯２３を通過するために要する時間、第２冷却帯２３内における鋼帯Ｓの温度低下量、および第２冷却帯２３内における鋼帯Ｓの平均冷却速度を用いることができる。また、ドロス欠陥予測装置８４は、露点に関する情報を第４パラメータとして用いることもできる。例えば、ドロス欠陥予測装置８４は、均熱帯２１での露点を均熱時間と共に第４パラメータとして用いることが好ましい。

　第４パラメータは上記のパラメータに限定されるものではなく、ドロス欠陥予測モデル生成装置８３は、加熱帯２０における加熱帯加熱装置の制御出力値や、冷却帯２２，２３における冷却装置の制御出力値など、連続焼鈍炉３０の操業条件を制御するための制御系の出力値を第４パラメータとして用いてもよい。

　以上の連続焼鈍炉３０に関する第４パラメータは、鋼帯Ｓがスナウト２に装入される際の鋼帯Ｓ表面の酸化物の状態に影響を及ぼす。これにより、第４パラメータは、鋼帯Ｓが亜鉛めっき槽１に装入された際の鋼帯Ｓから亜鉛めっき浴へのＦｅの溶出量に影響を及ぼし、ひいてはドロス欠陥Ｘの発生挙動に関連する。

＜実施例１＞
　以下に本開示を実施例に基づいてより具体的に説明する。以下の実施例１においては、本実施形態に係るドロス欠陥低減方法を、連続式溶融亜鉛めっき設備にて薄鋼板の表面に亜鉛めっき層を形成し、溶融亜鉛めっき鋼板とした後、該溶融亜鉛めっき鋼板にさらに合金化処理を施して合金化溶融亜鉛めっき鋼板とする場合に適用した。本実施例においては、図３に示す連続式溶融金属めっき設備において、亜鉛めっき槽の出側に配置されたガスワイピング設備７０の下流側であって、欠陥検出装置８０よりも上流側に、再加熱設備を備える連続式溶融金属めっき設備を用いた。再加熱設備は、合金化帯、保熱帯、最終冷却帯を有し、合金化帯には誘導加熱装置が配置されている。合金化帯は、薄鋼板の表面に、Ｚｎ－Ｆｅ合金化反応による合金層を有する亜鉛めっき皮膜を形成し、合金化溶融亜鉛めっき鋼板を製造するための設備である。亜鉛めっき浴は、Ａｌを含有したＺｎ浴とした。鋼帯としては、板厚０．６～１．４ｍｍ、幅６９０～１５５０ｍｍ、重量１２～１６トンの冷間圧延後の素材コイルを用いた。２０個の素材コイルを用意し、そのうち１０個の素材コイルを連続式溶融亜鉛めっき設備にて合金化溶融亜鉛めっき鋼板としつつ、操業実績を取得した。該操業実績をドロス欠陥予測モデル生成装置に供給して、ドロス欠陥予測モデルを生成させた。残り１０個の素材コイルについて、連続式溶融亜鉛めっき設備にて焼鈍、めっき処理および合金化処理を施しつつ、ドロス欠陥の予測を行った。素材コイルの成分組成（規格）はＳＧＨ４４０であり、素材コイルに対する亜鉛めっき層の片面あたりの目付量の目標値は４０ｇ／ｍ²であった。

　出力変数としたドロス欠陥情報としては、図８に示す構成を有する欠陥検出装置により１００μｍ以上の大きさを有する欠陥をドロス欠陥として、鋼帯の長手方向における長さ５０ｍあたりのドロス欠陥数を用いた。また、許容し得るドロス欠陥上限値は鋼帯の長手方向における長さ５０ｍあたり０．５個に設定した。なお、ドロス欠陥予測モデルの出力は統計情報に基づくため、ドロス欠陥数として前記長さに換算した実数が出力され、ドロス欠陥数の上限値も実数で特定される。

　ドロス欠陥予測モデルの入力変数として、鋼帯の板厚、板幅、通板速度の他、スナウトに関する第２操業条件としてスナウト内の露点とスナウト内の酸素濃度とを用いた。また、亜鉛めっき槽に関する第１操業条件として亜鉛浴温度と亜鉛めっき浴のＡｌ濃度とを用いた。なお、第２パラメータであるスナウト内の露点、およびスナウト内の酸素濃度の初期設定値はそれぞれ－３０℃、および１０ｐｐｍであり、第１パラメータである亜鉛浴温度と亜鉛めっき浴のＡｌ濃度の初期設定値はそれぞれ４６０℃、および０．１３０％であった。

　スナウトに関する第２パラメータと亜鉛めっき槽に関する第１パラメータとは、経時的に変化するものである。ドロス欠陥予測モデルを生成する際は、スナウトに関する第２パラメータであるスナウト内の露点と酸素濃度、および亜鉛めっき槽に関する第１パラメータである亜鉛浴温度とＡｌ濃度とを意図的に変更するような操作を実施し、鋼帯の長手方向に対して５０ｍごとに操業データを収集して、１０コイル分のドロス欠陥情報と紐付けされた操業データを操業実績データベースに蓄積した。その後、機械学習手法としてはニューラルネットワークを用い、中間層を２層とした。活性化関数としてはシグモイド関数を用いて、ドロス欠陥予測モデルを生成した。

　このようにして生成したドロス欠陥予測モデルを、残り１０個のコイルに対して適用し、各コイルの長手方向５０ｍごとに、ドロス欠陥情報の予測値と欠陥検出装置によるドロス欠陥情報とを比較した。その結果、２００個のドロス欠陥情報に対して、ドロス欠陥の発生有無を正しく予測できた割合（正答率）は９４．９％と良好であった。

＜実施例２＞
　以下の実施例においては、本実施形態に係るドロス欠陥低減方法を、他の溶融亜鉛めっき鋼板を製造する場合に適用した。本実施例で用いた連続式溶融亜鉛めっき設備は、上記実施例１に示す連続式溶融金属めっき設備と同一である。しかしながら、実施例１とは異なり、本実施例においては再加熱設備を使用せず、めっき処理後に溶融亜鉛めっき鋼板に対して合金化処理を施さずに、溶融亜鉛めっき鋼板を製造した。めっき処理の素材となる鋼帯としては、板厚０．６～１．４ｍｍ、幅６９０～１５５０ｍｍ、重量１２～１６トンの冷間圧延後の素材コイルを用いた。２０個の素材コイルを用意し、そのうち１０個の素材コイルを連続式溶融亜鉛めっき設備にて溶融亜鉛めっき鋼板としつつ、操業実績を取得した。該操業実績をドロス欠陥予測モデル生成装置に供給して、ドロス欠陥予測モデルを生成させた。残り１０個の素材コイルについて、連続式溶融亜鉛めっき設備にて焼鈍およびめっき処理を施しつつ、ドロス欠陥の予測を行った。素材コイルの成分組成（規格）はＳＧＨ４４０であり、素材コイルに対する亜鉛めっき層の片面あたりの目付量の目標値は５０ｇ／ｍ²であった。

　出力変数としたドロス欠陥情報としては、実施例１と同様に、欠陥検出装置により１００μｍ以上の大きさを有する欠陥をドロス欠陥として、鋼帯の長手方向における長さ５０ｍあたりのドロス欠陥数を用いた。また、許容し得るドロス欠陥上限値は鋼帯の長手方向における長さ５０ｍあたり０．５個に設定した。

　ドロス欠陥予測モデルの入力変数として、鋼帯の板厚、板幅、通板速度の他、スナウトに関する第２操業条件としてスナウト内の露点とスナウト内の酸素濃度とを用いた。また、亜鉛めっき槽に関する第１操業条件として亜鉛浴温度と亜鉛めっき浴のＡｌ濃度とを用いた。なお、第２パラメータであるスナウト内の露点、およびスナウト内の酸素濃度の初期設定値はそれぞれ－２５℃、および１５ｐｐｍであり、第１パラメータである亜鉛浴温度と亜鉛めっき浴のＡｌ濃度の初期設定値はそれぞれ４５０℃、および０．２２０％であった。

　ドロス欠陥予測モデルを生成する際は、スナウトに関する第２パラメータであるスナウト内の露点と酸素濃度、および亜鉛めっき槽に関する第１パラメータである亜鉛浴温度とＡｌ濃度とを意図的に変更するような操作を実施し、鋼帯の長手方向に対して５０ｍごとに操業データを収集して、１０コイル分のドロス欠陥情報と紐付けされた操業データを操業実績データベースに蓄積した。その後、機械学習手法としてはニューラルネットワークを用い、中間層を２層とした。活性化関数としてはシグモイド関数を用いて、ドロス欠陥予測モデルを生成した。

　このようにして生成したドロス欠陥予測モデルを、残り１０個のコイルに対して適用し、各コイルの長手方向５０ｍごとに、ドロス欠陥情報の予測値と欠陥検出装置によるドロス欠陥情報とを比較した。その結果、２００個のドロス欠陥情報に対して、ドロス欠陥の発生有無を正しく予測できた割合（正答率）は９２．９％と良好であった。

　本開示を諸図面及び実施形態に基づき説明してきたが、当業者であれば本発明に基づき種々の変形及び修正を行うことが容易であることに注意されたい。したがって、これらの変形及び修正は本発明の範囲に含まれることに留意されたい。例えば、各構成又は各ステップ等に含まれる機能等は論理的に矛盾しないように再配置可能であり、複数の構成又はステップ等を１つに組み合わせたり、或いは分割したりすることが可能である。また、本明細書においては登場するデータを自然言語により説明しているが、より具体的には、コンピュータが認識可能な疑似言語、コマンド、パラメータ、マシン語等で指定される。

　例えば、本開示は、上述したドロス欠陥予測装置及びドロス欠陥予測モデル生成装置の各機能を実現する処理内容を記述したプログラム又はプログラムを記録した記憶媒体としても実現し得る。本開示の範囲には、これらも包含されると理解されたい。

　本開示においてプログラムは、コンピュータで読取り可能な記録媒体に記録しておくことができる。コンピュータで読取り可能な記録媒体は、非一時的なコンピュータ読取可能な媒体を含み、例えば、磁気記録装置、光ディスク、光磁気記録媒体、又は半導体メモリである。プログラムの流通は、例えば、プログラムを記録したＤＶＤ（ｄｉｇｉｔａｌ　ｖｅｒｓａｔｉｌｅ　ｄｉｓｃ）又はＣＤ－ＲＯＭ（ｃｏｍｐａｃｔ　ｄｉｓｃ　ｒｅａｄ　ｏｎｌｙ　ｍｅｍｏｒｙ）などの可搬型記録媒体を販売、譲渡、又は貸与することによって行う。またプログラムの流通は、プログラムをサーバのストレージに格納しておき、サーバから他のコンピュータにプログラムを送信することにより行ってもよい。またプログラムはプログラムプロダクトとして提供されてもよい。

　例えば、ドロス欠陥予測装置８４において実行される少なくとも一部の処理動作が機械学習装置において実行されてもよい。逆に、ドロス欠陥予測モデル生成装置８３において実行される少なくとも一部の処理動作がドロス欠陥予測装置８４において実行されてもよい。

　上記実施形態では、ドロス欠陥予測装置８４とドロス欠陥予測モデル生成装置８３とが別々の装置であるとして説明したが、これに限定されない。ドロス欠陥予測装置８４に基づくドロス欠陥予測方法及びドロス欠陥予測モデル生成装置８３に基づくドロス欠陥予測モデルの生成方法に関連する処理が、単一の装置において実行されてもよい。このとき、当該単一の装置は、連続式溶融亜鉛めっき設備１００の操業条件の設定も同様に実行してもよい。

Ｓ　鋼帯
Ｇ　溶融亜鉛めっき鋼板
Ｘ　ドロス欠陥
Ｌ　検査線
１００　連続式溶融亜鉛めっき設備
１　亜鉛めっき槽
２　スナウト
３　シンクロール
４　サポートロール
５　トップドロス
６　ボトムドロス
７　インゴット投入装置
８　インゴット
９　浴温計
１０　浴分析装置
１１　加熱装置
２０　加熱帯
２１　均熱帯
２２　第１冷却帯（急冷帯）
２３　第２冷却帯（徐冷帯）
３０　連続焼鈍炉
４０　ガス用配管
４１Ａ、４１Ｂ、４１Ｃ、４２Ａ、４２Ｂ、４２Ｃ　ガス供給口
５０　ガス供給部
５１Ａ、５１Ｂ、５１Ｃ、５１Ｄ、５１Ｅ　配管
５２　バルブ
５３Ａ、５３Ｂ　露点測定孔
５４　放射温度計
５５　ヒーター
５６　断熱材
５７　熱電対
５８　温度制御部
５９　放散管
６０　バルブ
７０　ガスワイピング設備
７１　ワイピングノズル
７２　ヘッダ
７３　圧力計
７４　温度計
７５　フレキホース
７６　ガス加熱装置
７７　エアーコンプレッサー
８０　欠陥検出装置
８１　投光器
８２　高性能カメラ
８３　ドロス欠陥予測モデル生成装置
８３１　取得部
８３２　記憶部
８３３　出力部
８３４　機械学習部
８４　ドロス欠陥予測装置
８４１　取得部
８４２　出力部
８４３　記憶部
８４４　制御部
８５　操業実績データベース
９０　操業条件設定装置
９５　上位コンピュータ
９０１　判定部
９０２　操業条件再設定部
２００　ドロス欠陥予測システム

Claims

　焼鈍炉と、亜鉛めっき浴を形成した亜鉛めっき槽と、該焼鈍炉の出側に設けられ、先端部が該亜鉛めっき浴に浸漬するよう位置するスナウトと、を含む連続式溶融亜鉛めっき設備における、前記亜鉛めっき槽の下流側で検出される鋼帯のドロス欠陥予測方法であって、
　前記亜鉛めっき槽に関する第１パラメータと、前記スナウトに関する第２パラメータとを含む操業データを入力変数とし、かつ前記鋼帯のドロス欠陥情報を出力変数として実行させた機械学習に基づくドロス欠陥予測モデルに対する、前記亜鉛めっき槽に関する第１操業条件と、前記スナウトに関する第２操業条件とを含む操業条件の入力を受け付けるステップと、
　入力された前記操業条件に基づいて前記ドロス欠陥予測モデルにより前記鋼帯のドロス欠陥情報の予測値を算出するステップと、
　を含む、ドロス欠陥予測方法。
　前記連続式溶融亜鉛めっき設備は、前記亜鉛めっき槽の出側にガスワイピング設備を有し、
　前記ドロス欠陥予測モデルは、さらに前記ガスワイピング設備に関する第３パラメータを前記入力変数として実行させた前記機械学習に基づき、前記操業条件は、前記ガスワイピング設備に関する第３操業条件をさらに含む、請求項１に記載のドロス欠陥予測方法。
　前記第１パラメータは、前記亜鉛めっき浴の温度、および前記亜鉛めっき浴中のＡｌ濃度から選択された１または２のパラメータを含む、請求項１または２に記載の鋼帯のドロス欠陥予測方法。
　前記第２パラメータは、前記スナウト内の露点、前記スナウト内の水素濃度、前記スナウト内の酸素濃度、前記スナウト内における前記鋼帯の温度、および前記スナウト内の雰囲気温度から選択した１または２以上のパラメータを含む、請求項１から３のいずれか１項に記載のドロス欠陥予測方法。
　前記第１操業条件は、前記亜鉛めっき槽の浴温制御出力、前記鋼帯の通板速度、および前記亜鉛めっき槽におけるサポートロールの前記鋼帯に対する押し込み量から選択した１または２以上を含む、請求項１から４のいずれか１項に記載のドロス欠陥予測方法。
　前記第２操業条件は、前記スナウトに供給される混合ガスの流量比を含む、請求項１から５のいずれか１項に記載のドロス欠陥予測方法。
　請求項１から６のいずれか１項に記載のドロス欠陥予測方法を用いて、前記亜鉛めっき槽の下流側における前記鋼帯の前記ドロス欠陥情報の予測値を算出するステップと、
　前記ドロス欠陥情報の予測値に基づき、前記操業条件を再設定するステップと、
　を含む、鋼帯のドロス欠陥低減方法。
　請求項７に記載のドロス欠陥低減方法に基づいて前記操業条件が制御された前記連続式溶融亜鉛めっき設備を用いて、前記鋼帯の表面に亜鉛めっき層を形成して溶融亜鉛めっき鋼板とする、溶融亜鉛めっき鋼板の製造方法。
　請求項７に記載のドロス欠陥低減方法に基づいて前記操業条件が制御された前記連続式溶融亜鉛めっき設備を用いた合金化溶融亜鉛めっき鋼板の製造方法であって、
　前記連続式溶融亜鉛めっき設備は、前記亜鉛めっき槽の下流側かつ前記欠陥検出装置よりも上流側に、さらに再加熱設備を備え、
　前記亜鉛めっき槽にて前記鋼帯の表面に亜鉛めっき層を形成して溶融亜鉛めっき鋼板とし、
　さらに前記再加熱設備にて前記溶融亜鉛めっき鋼板に合金化処理を施して合金化溶融亜鉛めっき鋼板とする、合金化溶融亜鉛めっき鋼板の製造方法。
　鋼帯を焼鈍する焼鈍炉と、亜鉛めっき浴を形成した亜鉛めっき槽と、該焼鈍炉の出側に設けられ、端部が亜鉛めっき浴に浸漬するよう位置するスナウトと、を含む連続式溶融亜鉛めっき設備における、前記亜鉛めっき槽の下流側で検出される鋼帯のドロス欠陥を予測するドロス欠陥予測モデルの生成方法であって、
　前記亜鉛めっき槽に関する第１パラメータと、前記スナウトに関する第２パラメータとを含む操業データを取得するステップと、
　取得された前記操業データを入力変数とし、かつ前記亜鉛めっき槽の下流側で検出される鋼帯のドロス欠陥情報を出力変数として機械学習を実行するステップと、
　を含む、ドロス欠陥予測モデルの生成方法。
　前記機械学習を実行するステップにおいて、ニューラルネットワーク、決定木学習、ランダムフォレスト、サポートベクター回帰、ガウス過程、およびｋ近傍法から選択した１または２以上の機械学習的手法を用いる、請求項１０に記載のドロス欠陥予測モデルの生成方法。
　焼鈍炉と、亜鉛めっき浴を形成した亜鉛めっき槽と、該焼鈍炉の出側に設けられ、先端部が亜鉛めっき浴に浸漬するよう位置するスナウトと、を含む連続式溶融亜鉛めっき設備における、前記亜鉛めっき槽の下流側で検出される鋼帯のドロス欠陥を予測するドロス欠陥予測装置であって、
　前記亜鉛めっき槽に関する第１操業条件と、前記スナウトに関する第２操業条件とを含む操業条件を取得する取得部と、
　前記亜鉛めっき槽に関する第１パラメータと、前記スナウトに関する第２パラメータとを含む操業データを入力変数とし、かつ前記鋼帯のドロス欠陥情報を出力変数として実行させた機械学習に基づくドロス欠陥予測モデルに対し、前記操業条件を入力して前記鋼帯のドロス欠陥情報の予測値を算出する制御部と、
を含む、ドロス欠陥予測装置。
　請求項１２に記載のドロス欠陥予測装置と、
　前記操業条件の変更に関するユーザ入力を受け付け、該ユーザ入力に基づくユーザ入力情報を前記ドロス欠陥予測装置へと送信する端末装置と
を備え、
　前記ドロス欠陥予測装置は、前記ユーザ入力情報に基づき前記操業条件の少なくとも一部を変更して変更操業条件とし、該変更操業条件に基づき、前記ドロス欠陥予測モデルにより前記鋼帯のドロス欠陥情報の予測値を算出する制御部を含む、ドロス欠陥予測端末システム。