La predicción de costos puede proporcionar a la industria de la cadena de suministro farmacéutica completar sus proyectos a tiempo y dentro del presupuesto. Este documento proporciona un nuevo modelo matemático de costos de la Cadena de Suministro Farmacéutico habilitado con Tecnología Blockchain (BT-enabled PSC), que incluye costos de PSC, costos de BT y demanda incierta. El propósito de este estudio es encontrar el algoritmo(s) más apropiado con errores de predicción mínimos para predecir los costos del modelo BT-enabled PSC. Este documento también tiene como objetivo determinar la importancia y el costo de cada componente del modelo multifuncional. Para alcanzar estos objetivos, combinamos cuatro algoritmos de Aprendizaje Supervisado (KNN, DT, SVM y NB) con dos algoritmos de Computación Evolutiva (HS y PSO) después de la generación de datos. Cada componente del modelo multifuncional tiene su importancia, y aplicamos el enfoque de Ponderación de Características para analizar su importancia. A continuación, cuatro métricas de rendimiento evaluaron el modelo multifuncional, y el Puntaje de Clasificación Total determinó los algoritmos predictivos con alta confiabilidad. Los resultados indican que los algoritmos HS-NB y PSO-NB funcionan mejor que los otros seis algoritmos en predecir los costos del modelo multifuncional con errores pequeños. Los hallazgos también muestran que el costo de Materias Primas tiene una influencia más sustancial en el modelo que los otros componentes. Este estudio también presenta los componentes del modelo multifuncional BT-enabled PSC.