Este documento presenta un análisis comparativo de la clasificación de fallos en rodamientos y componentes rotativos basado en diferentes representaciones tiempo-frecuencia utilizando transformador de visión (ViT). Se aplicaron cuatro técnicas diferentes de transformación tiempo-frecuencia: transformada de Fourier de corto tiempo (STFT), transformada wavelet continua (CWT), transformada de Hilbert-Huang (HHT) y distribución de Wigner-Ville (WVD) para convertir las señales en imágenes 2D. Se ajustó finamente una arquitectura ViT-Base preentrenada en las imágenes resultantes para tareas de clasificación. El modelo se evaluó en dos escenarios separados: (i) clasificación de fallos en componentes rotativos de ocho clases y (ii) clasificación de fallos en rodamientos de cuatro clases. Es importante destacar que, en cada tarea, las muestras se recolectaron bajo diferentes condiciones del otro componente (es decir, diferentes condiciones de rotación en la clasificación de rodamientos y viceversa). Este diseño permitió una evaluación independiente de la capacidad del modelo para generalizar a través de dominios de fallos. Los resultados experimentales demuestran que el enfoque basado en ViT logra un alto rendimiento de clasificación en diversas representaciones tiempo-frecuencia, destacando su potencial para el diagnóstico de fallos mecánicos en maquinaria rotativa. Notablemente, el modelo logró una mayor precisión en la clasificación de fallos en rodamientos en comparación con los fallos en componentes rotativos, lo que sugiere una mayor sensibilidad a las anomalías relacionadas con los rodamientos.