Los fabricantes de aviones se enfrentan con frecuencia a desafíos formidables para mejorar tanto el rendimiento de las aeronaves como la seguridad del cliente. La acumulación de hielo en las alas de las aeronaves es uno de los desafíos, que podría resultar en accidentes graves y una reducción en el rendimiento aerodinámico. Los sistemas anti-hielo, que utilizan el flujo de aire caliente del compresor del motor, se consideran una de las soluciones más significativas utilizadas en aplicaciones aeronáuticas para prevenir la acumulación de hielo. En el estudio actual, se propone un enfoque novedoso basado en el aprendizaje automático (ML) y el Internet de las Cosas (IoT) para predecir las características de rendimiento térmico de un sistema anti-hielo de ala de span parcial construido utilizando la sección de perfil aerodinámico NACA 23014. Para verificar la estrategia propuesta, los resultados obtenidos se comparan con los obtenidos utilizando el software computacional ANSYS 2019. Se utiliza una red neuronal artificial (ANN) para construir un modelo de pronóstico de la temperatura del ala basado en datos experimentales y datos de dinámica de fluidos computacional (CFD). Además, se aplica la plataforma ThingSpeak en este artículo para realizar el concepto del IoT, recopilar los datos medidos y publicar los datos en un canal privado. Se utilizan diferentes métricas de rendimiento, a saber, el error cuadrático medio (MSE), el error relativo máximo (MAE) y la varianza absoluta, para evaluar el modelo de predicción. Basado en los índices de rendimiento, los resultados demuestran la eficiencia del enfoque propuesto basado en ANN y el IoT en el diseño de un modelo de pronóstico para predecir la temperatura del ala en comparación con el método numérico CFD, que consume mucho tiempo y requiere dispositivos de simulación de alta velocidad. Por lo tanto, se sugiere que se aplique el enfoque ANN-IoT en la aviación.