A corrosão externa é um dos principais causadores de falhas em equipamentos em instalações industriais, ocasionando em manutenções altamente custosas. Este estudo apresenta uma abordagem de aprendizado de máquina para prever taxas de corrosão com base em dados climáticos, de área e percentual corroído. O modelo utiliza o algoritmo de aprendizado supervisionado Random Forest, aproveitando um conjunto de dados de medições de corrosão coletados ao longo do tempo. Além disso, buscou-se incluir novos dados e variáveis ao modelo e avaliar o impacto gerado na performance da previsão. Dessa forma, o principal objetivo deste projeto é, a partir do algoritmo trabalhado, permitir o planejamento de manutenções prescritivas, que possam garantir a segurança operacional e reduzir os custos.