Los rodamientos son uno de los componentes más críticos de las máquinas rotativas. Aseguran el soporte del eje y la reducción de la fricción, por lo que su mal funcionamiento afecta directamente el rendimiento de la máquina. Como consecuencia, es necesario monitorear las condiciones de salud de dicho componente para evitar degradaciones importantes que podrían dañar permanentemente toda la máquina. En este contexto, las metodologías HMS (Sistemas de Monitoreo de Salud) y PHM (Prognosis and Health Monitoring) proponen una amplia gama de algoritmos para el diagnóstico y pronóstico de rodamientos. El presente artículo propone un enfoque PHM de extremo a extremo para la estimación de la RUL (Vida Útil Restante) de los rodamientos. La metodología propuesta se compone de tres pasos principales: construcción del HI (Indicador de Salud), diagnóstico del rodamiento y estimación de la RUL. El HI se obtiene procesando datos de vibración no estacionarios con el MODWPT (Transformada de Paquete de Wavelet Discreta de Máximo Solapamiento). Después de eso, se define un perfil de degradación y se acopla con modelos de fatiga de iniciación y propagación de grietas. Por último, se entrena un MB-HMM (Modelo Oculto de Markov) para capturar la dinámica de degradación del rodamiento. Este último modelo se utiliza para estimar el estado de degradación actual así como la RUL. Los resultados obtenidos muestran buenas capacidades de predicción de la RUL. En particular, los modelos de fatiga permitieron una reducción del tamaño del modelo de ML (Aprendizaje Automático), mejorando la fase de entrenamiento de los algoritmos.