Los rodamientos son componentes críticos en maquinaria rotativa, donde la detección temprana de fallos es esencial para prevenir fallos inesperados y reducir los costos de mantenimiento. Este estudio presenta un marco eficiente e interpretable para el monitoreo de la condición de los rodamientos al combinar la extracción de características basada en la Transformada de Paquetes de Ondas (WPT) con un clasificador de Árbol de Decisión (DT). La técnica WPT descompone las señales de vibración en múltiples bandas de frecuencia para extraer características basadas en la energía que capturan las principales características de los fallos. Aprovechando estas características, el clasificador DT proporciona reglas de diagnóstico transparentes, lo que permite una comprensión clara del proceso de toma de decisiones. El método propuesto ofrece un equilibrio superior entre precisión diagnóstica, eficiencia computacional y explicabilidad en comparación con los modelos convencionales de caja negra. Es muy adecuado para aplicaciones industriales en tiempo real y con recursos limitados. Además, el análisis de la importancia de las características revela los componentes de frecuencia más influyentes asociados con diferentes tipos de fallos, ofreciendo valiosos conocimientos para estrategias de mantenimiento predictivo. El marco WPT-DT propuesto representa una solución práctica y escalable para el diagnóstico inteligente de fallos en el contexto de la Industria 4.0 y los sistemas de mantenimiento inteligente.