Los desarrollos en el internet de las cosas (IoT), la inteligencia artificial (IA) y los sistemas ciberfísicos (CPS) están allanando el camino para la implementación de fábricas inteligentes en lo que comúnmente se reconoce como la cuarta revolución industrial. En el sector manufacturero, estos avances tecnológicos están convirtiendo la Industria 4.0 en una realidad, con metodologías basadas en datos impulsadas por el aprendizaje automático (ML) que son capaces de extraer conocimiento de los datos recopilados por sensores colocados en las máquinas de producción. Esto es particularmente relevante en el moldeo por inyección de plásticos, con el objetivo de monitorear la calidad de los productos moldeados a partir de los parámetros del proceso de producción. En este sentido, la principal contribución de este artículo es la comparación sistemática de técnicas de ML para predecir las clases de calidad de los productos moldeados de plástico, utilizando datos reales recopilados durante el proceso de producción. Específicamente, comparamos seis clasificadores diferentes en los datos provenientes de la producción de lentes de carretera de plástico. Para realizar la comparación, recopilamos un conjunto de datos compuesto por los parámetros del proceso de 1451 lentes de carretera. En tales muestras, probamos una clasificación multiclase, proporcionando un análisis estadístico de los resultados así como de la importancia de las características de entrada. Entre los clasificadores probados, los conjuntos de árboles de decisión, es decir, el bosque aleatorio y los árboles de refuerzo por gradiente (GBT), lograron una precisión del 95% en la predicción de las clases de calidad de los productos moldeados, mostrando la viabilidad del uso de técnicas basadas en ML para este propósito. El conjunto de datos recopilado y el código fuente de los experimentos están disponibles en un repositorio público de acceso abierto, lo que hace que la investigación presentada sea completamente reproducible.