Las fallas de las bombas de engranajes en entornos industriales son comunes debido a su exposición a salidas de alta presión desiguales en cortos períodos de tiempo de funcionamiento de la máquina y la incertidumbre. Mejorar el campo y la abrazadera de línea se consideran como soluciones para estas fallas, sin embargo, son bastante insuficientes para una confiabilidad óptima. Esta investigación, por lo tanto, sugiere un método para la detección temprana del desgaste en bombas de engranajes siguiendo un análisis extenso de modos de falla, efectos y criticidad (FMECA) de una bomba de engranajes externos AP3.5/100 fabricada por BESCO. Para replicar esta condición, se mezclaron partículas finas de óxido de hierro (FeO) con el fluido experimental, y los datos de vibración resultantes se recopilaron, procesaron y utilizaron para la detección del desgaste. El proceso inteligente de detección del desgaste se exploró utilizando varios algoritmos de aprendizaje automático siguiendo un proceso de extracción de características discriminatorias basado en coeficientes cepstrales de mel-frecuencia (MFCC). Entre estos algoritmos, una evaluación de rendimiento extensa revela que el clasificador de bosques aleatorios obtuvo la mayor precisión de prueba del 95.17%, mientras que el vecino más cercano fue el más eficiente en costos siguiendo validaciones cruzadas. Se espera que este estudio contribuya a mejorar las evaluaciones del diagnóstico y pronóstico de fallas en bombas de engranajes.