El proyecto propone un sistema de control inteligente de incidentes industriales en una empresa de Gas Licuado de Petróleo (GLP), con el objetivo de identificar y prevenir incidentes antes de que se conviertan en amenazas reales. Se justifica por la alta peligrosidad del GLP y la necesidad de mejorar la seguridad en su manejo y transporte. En el desarrollo del proyecto, se utilizaron técnicas estadísticas multivariantes y algoritmos de aprendizaje automático. Los datos se recopilaron mediante plataformas de geolocalización y se analizaron con herramientas como RStudio. Se realizó un análisis exploratorio y se construyeron modelos predictivos mediante árboles de decisión. Los resultados muestran que los incidentes más frecuentes en las unidades de transporte fueron exceso de velocidad y paradas en lugares no seguros, destacando diferencias entre los colectivos de distribución y abastecimiento. El modelo predictivo permitió anticipar situaciones de riesgo, mejorando la seguridad vial. Se concluye que el uso de modelos predictivos y técnicas de control inteligente ha mejorado significativamente la gestión de riesgos en la empresa. Se recomienda mantener el monitoreo constante de los indicadores y capacitar a los trabajadores para asegurar la efectividad de las medidas implementadas. Palabras clave: seguridad vial, Gas Licuado de Petróleo, control inteligente, aprendizaje automático