La naturaleza estocástica de los procesos de rectificado plantea un desafío para predecir la calidad de las superficies resultantes. Las mediciones postproducción de la forma, la rugosidad de la superficie y la ondulación circunferencial se realizan comúnmente debido a la inviabilidad de medir todos los parámetros de calidad durante la operación de rectificado. Por lo tanto, es un desafío diagnosticar la causa raíz de las desviaciones de calidad en tiempo real, resultantes de variaciones en las condiciones de operación de la máquina. Este documento presenta un enfoque novedoso para predecir la calidad general de las piezas individuales. La rectificadora está equipada con sensores para implementar el mantenimiento basado en condiciones y se induce con cinco condiciones de falla que ocurren con frecuencia para las pruebas experimentales. Se miden los parámetros de calidad cruciales para las piezas producidas. Se han evaluado los métodos de c-means difusos y T-cuadrado de Hotelling para generar etiquetas de calidad a partir de los datos de calidad multivariantes. Se entrenan modelos de regresión de bosque aleatorio de referencia utilizando un conjunto de características de diagnóstico de fallas y etiquetas de calidad. Se prefieren las etiquetas de calidad de la estadística de los parámetros de calidad sobre el enfoque por su repetibilidad. El modelo, entrenado a partir de etiquetas, logra más de precisión en comparación con la disposición del anillo medida. La calidad general predicha utilizando el conjunto de características de los sensores se compara con el umbral para alcanzar una decisión de mantenimiento confiable.