Casi toda la maquinaria rotativa en la industria tiene rodamientos como su componente clave y la mayoría de estas máquinas funcionan las 24 horas del día, los 7 días de la semana. Esto hace que la predicción de la salud de los rodamientos sea un área de investigación activa para soluciones de mantenimiento predictivo. Muchos modelos de Redes Neuronales Profundas (DNN) de última generación han sido propuestos para resolver esto. Sin embargo, la mayoría de estos modelos de alto rendimiento son computacionalmente costosos y tienen altos requisitos de memoria. Esto limita su uso a aplicaciones industriales muy específicas con hardware potente desplegado cerca de la maquinaria. Para llevar las soluciones basadas en DNN a un uso potencial en la industria, necesitamos desplegar estos modelos en Unidades de Microcontroladores (MCUs) que sean rentables y eficientes energéticamente. Sin embargo, este paso suele ser pasado por alto en la literatura ya que plantea nuevos desafíos.