La industria farmacéutica global es crucial para proporcionar medicamentos, pero enfrenta desafíos en la distribución segura de productos, especialmente en áreas tropicales y remotas. Los productos farmacéuticos requieren un control cuidadoso del transporte para mantener la calidad; por lo tanto, los fabricantes deben adoptar estrategias de distribución óptimas para garantizar la calidad del producto a lo largo de la cadena de suministro. La investigación actual se centró en crear un modelo para evaluar los niveles de riesgo y predecir la categorización del riesgo (bajo, moderado y alto) asociado con el mapeo térmico a lo largo de las rutas de transporte farmacéutico. Se utilizaron datos de una empresa de logística farmacéutica en Brasil. Los datos contenían 85,261 instancias y seis atributos (temporada, origen, destino, ruta, temperatura y excursión de temperatura). El conjunto de datos consistía en destinos críticos, incluyendo el tiempo de envío, la temperatura de la carga y la información de la ruta. Se utilizaron algoritmos de clasificación (CART-Árbol de Decisión, NB-Bayes Naivo y MP-Perceptrón Multicapa) para construir un modelo de reglas para predecir los niveles de riesgo en las rutas de mapeo térmico; el modelo MP presentó el mejor rendimiento, indicando una mejor probabilidad de aplicación. El modelo de aprendizaje automático es la base para una predicción automatizada de riesgos para las rutas de transporte farmacéutico; el modelo MP desarrollado podría predecir automáticamente el riesgo durante la distribución de productos farmacéuticos, lo que podría llevar a optimizar el tiempo y los costos.