본 프로젝트에서는 철강 제조공정 내 복잡하고 미세한 원인으로부터 발생하는 품질불량을 탐지하는 알고리즘을 개발하였다. 다양한 공정상황을 설명할 수 있는 다채널 센서데이터를 기반으로 Convolutional Neural Network를 이용하여 불량률을 예측하고 그 원인을 분석하는 데 Class Activation Mapping(CAM) 을 적용하였다. 제안하는 방법론으로부터 최적 공정설계를 위해 품질정상을 잘 설명하는 파라미터를 분석하여 공정수행 시 반영하고, 품질불량의 원인을 분석하여 사전에 그 요소를 줄이는 데 기여한다. 최종적으로 품질정상을 대표하는 최적공정 파라미터를 제안하여 안정된 공정수행을 유지하는 데 활용한다.