En los últimos años, hemos sido testigos de un aumento considerable en los artículos científicos relacionados con el monitoreo de condiciones de componentes mecánicos mediante el aprendizaje automático. Estas técnicas están orientadas hacia el diagnóstico de componentes mecánicos. En esos mismos años, el interés de la comunidad científica en el diagnóstico de máquinas se ha trasladado al monitoreo de condiciones de maquinaria en condiciones no estacionarias (es decir, máquinas que operan con perfiles de velocidad variable o cargas variables). La no estacionariedad implica técnicas de procesamiento de señales más complejas, y una consecuencia natural es el uso de técnicas de aprendizaje automático para el análisis de datos en aplicaciones no estacionarias. Varios artículos han estudiado el sistema de aprendizaje automático, pero se centran en sistemas de aprendizaje automático específicos y en la selección del mejor conjunto de entradas. Ningún artículo ha considerado la dinámica del sistema, es decir, la influencia de cuánto cambia el perfil de velocidad durante las etapas de entrenamiento y prueba de una técnica de aprendizaje automático. El objetivo de este artículo es mostrar la importancia de considerar las condiciones dinámicas, tomando el monitoreo de condiciones de rodamientos de bolas en aplicaciones de velocidad variable como ejemplo. Se utiliza una herramienta comercial de máquinas de soporte vectorial, ajustándola en aplicaciones de velocidad constante y probándola en condiciones de velocidad variable. Los resultados muestran problemas críticos de las técnicas de aprendizaje automático en condiciones no estacionarias.