Existen muchos algoritmos de vanguardia presentados en la literatura que funcionan muy bien en algunos datos de evaluación pero no son estudiados con las propiedades de los datos en los que se aplican; por lo tanto, podrían tener un bajo rendimiento en datos con otras características. En este documento, se presentan los resultados de una investigación exhaustiva sobre la predicción con el algoritmo AdaBoost frecuentemente aplicado en datos de sensores del mundo real. El conjunto de datos elegido tiene algunas características específicas, y contiene datos de error y fallos de varias máquinas y sus componentes. La investigación tiene como objetivo investigar si el algoritmo AdaBoost tiene la capacidad de predecir fallos, proporcionando así la información necesaria para el monitoreo y el mantenimiento basado en la condición (CBM). El conjunto de datos es analizado y se presentan las características principales. Las evaluaciones de rendimiento del algoritmo AdaBoost que presentamos muestran una capacidad de predicción por debajo de las expectativas para este algoritmo. La especificidad de este estudio es que indica la limitación del algoritmo AdaBoost, que podría funcionar muy bien en algunos datos, pero no tan bien en otros. Basándonos en esta investigación y en algunas otras que realizamos, y en investigaciones reales de estudios en todo el mundo, debemos destacar que el análisis matemático de los datos es especialmente importante para desarrollar o adaptar algoritmos que sean muy eficientes.