Se necesitan modelos de herramientas de máquina de alta fidelidad para el monitoreo de condiciones, el desarrollo de herramientas de máquina y la simulación de procesos. Para predecir con precisión el comportamiento dinámico de sus contrapartes reales, estos modelos deben ser identificados, lo que significa que los valores de los parámetros del modelo físico involucrados deben ser encontrados comparando el modelo con datos medidos de su contraparte real. Hasta ahora, esto solo se puede realizar automáticamente para modelos comparativamente simples, que solo son válidos bajo supuestos limitantes. En contraste, la identificación de parámetros para modelos predictivos de alta fidelidad requiere un esfuerzo manual engorroso en muchos pasos intermedios. El presente trabajo aborda este problema mostrando cómo identificar automáticamente los parámetros de un modelo de herramienta de máquina dinámica estructural compleja utilizando análisis de sensibilidad global. La capacidad del enfoque propuesto se demuestra en dos pasos para datos de referencia simulados: primero, con un modelo capaz de replicar perfectamente los datos de referencia, y segundo, con un modelo perturbado, que solo puede aproximar la referencia debido a la presencia de modelado. Se muestra que, en ambos casos, se pueden encontrar parámetros de modelo válidos globalmente, que conducen a una alta conformidad con los datos de referencia, allanando el camino para calibrar modelos basados en datos de referencia experimentales en trabajos futuros.