Este estudo foi realizado com a criação de um modelo de Rede Neural Artificial (RNA) do tipo Multilayer Perceptron (MLP), visando a análise de um problema de classificação, aliado à determinação estatística do Coeficiente de Variação dos resultados obtidos pela rede. Para este fim, o programa criado, nomeado como NeuroChem, utilizou um banco de dados contendo os resultados da análise físico-química de 178 amostras de vinho tinto, oriundos de três cultivares diferentes da Itália. Ao todo, 13 parâmetros físico-químicos foram normalizados e usados para a alimentação do algoritmo visando a determinação da origem (Classe) de cada uma das amostras através de técnicas de processamento em paralelo (Multithread) para análise estatística da saída de rede, como forma alternativa de minimização do erro de Treinamento/Validação. Ficou evidenciado pelos resultados que, para este banco de dados, a melhor arquitetura de rede MLP deve ser composta por 3 camadas ocultas e o processamento estatístico, feito com a programação em paralelo, representou uma redução de 73% do tempo de espera dos resultados, quando comparado à mesma análise comumente executada em série.