La selección del material más adecuado es una de las decisiones clave que se deben tomar durante la etapa de diseño de un proceso de fabricación. Los enfoques tradicionales, como los mapas de Ashby basados en propiedades de los materiales, son ampliamente utilizados en la industria. Sin embargo, en la producción de componentes de varios materiales, los criterios para la selección pueden incluir enfoques antagónicos. El objetivo de este trabajo es implementar una metodología basada en los resultados de simulaciones de procesos para varios materiales y clasificarlos aplicando un método avanzado de análisis de datos basado en aprendizaje automático (ML), en este caso, la regresión de vectores de soporte (SVR) o la metodología de toma de decisiones multicriterio (MCDM). Específicamente, la optimización multicriterio y la solución de compromiso (VIKOR) se combinaron con métodos de ponderación de entropía. Para lograr esto, se construyó un modelo de elementos finitos (FEM) para evaluar la fuerza de extrusión y el desgaste del troquel durante el proceso de coextrusión de varios materiales de lingotes bimetálicos Ti6Al4V-AZ31B. Después de aplicar SVR y VIKOR en combinación con la metodología de ponderación de entropía, se estableció una comparación basada en la selección de materiales y la complejidad de la metodología utilizada. Los resultados muestran que el material elegido en ambos métodos es muy similar, pero el método MCDM es más fácil de implementar porque no es necesario evaluar el error del modelo de predicción, y el tiempo requerido para el preprocesamiento de datos es menor que el tiempo necesario al aplicar SVR. Esta nueva metodología ha demostrado ser efectiva como una alternativa a los enfoques tradicionales y está alineada con las nuevas tendencias en la industria basadas en simulación y análisis de datos.