철강 산업에서 제조되는 후판(Steelplate)은 열간압연(Hot Rolling) 공정을 거쳐 생산되며 일반적으로 두께가 6mm 이상인 강철판을 일컫는다. 후판은 주로 선박이나 파이프(송유관), 압력 용기, 건축 교량 등 대형 용접 구조물에 활용되며, 이를 위해 높은 내열성과 용접성, 강도 등이 요구된다. 그 중 인장강도(Tensile Strength)와 항복강도(Yield Strength)는 후판의 주요 품질 척도로서 활용 용도에 따라 적합한 수준을 얻기 위해 가속냉각, 열처리와 같은 과정들을 거쳐 생산된다. 이러한 공정 절차는 강도뿐만 아니라 전반적인 품질에 직접적으로 영향을 주기 때문에 시제품(Prototype) 생산 전 조업 설계가 매우 중요시된다. 본 논문에서는 시제품 생산 전 조업 조건에 따른 슬래브(반제품)의 인장강도와 항복강도를 예측 가능한 빅데이터 및 기계학습 기반의 시스템을 제안한다. 제안된 시스템은 제품별 생산 프로세스 차이를 고려하여 일반용후판, TMCP 후판, 제어압연재, 열연재 등으로 구분되어 있으며, 크게 주요 영향인자 분석부와 강도 예측부로 구성된다. 주요 영향인자 분석부에서는 각 제품별로 강도에 영향을 주는 주요 조업 조건을 탐색한다. 이후 강도 예측부에서는 도출된 주요 영향 인자를 토대로 인공신경망 기반의 예측을 수행한다. 그 결과 오차범위 ±20㎏f/㎟ 기준으로 인장강도 예측정확도 94%와 항복강도 예측 정확도 89%를 보였다. 본 논문에서 제안된 시스템을 통해 후판 강도를 사전에 예측함으로써 강도시험 비용 및 조업 설계 시간을 줄일 수 있다. 또한 주문 미달된 슬래브의 용도 변경이 가능한 제품을 탐색하여 품질 개선뿐만 아니라 생산성에도 기여할 수 있을 것으로 기대된다.