Este estudio presenta un método integrado para gestionar riesgos de proceso en un proyecto de reingeniería de procesos empresariales (BPR) utilizando un análisis robusto de envoltura de datos (RDEA) y aprendizaje automático (ML). El objetivo es priorizar riesgos basados en tres factores estándar de PFMEA (gravedad, ocurrencia y detección (S-O-D)) e incorporar dos factores adicionales (costo de avería y duración de la avería) vistos como salidas no deseadas. El modelo también considera el efecto de la incertidumbre en los valores estimados por expertos aplicando porcentajes de perturbación en el modelo lineal PFMEA-RDEA. Se propone un modelo de aprendizaje automático para predecir nuevos valores si se han realizado modificaciones parciales o totales en los procesos. El enfoque se implementó en una empresa del sector automotriz y los resultados mostraron el impacto de la incertidumbre en los valores al comparar diferentes enfoques, como RPN, PFMEA-DEA y PFMEA-RDEA. Se logró una nueva categorización de riesgos reducida, lo que permitió a los tomadores de decisiones centrarse en las acciones necesarias para la reingeniería.