El mantenimiento predictivo es un componente crucial de la fabricación inteligente en la Industria 4.0, utilizando datos de redes de sensores IoT y algoritmos de aprendizaje automático para predecir fallos en el equipo antes de que ocurran. Este enfoque proactivo permite un mantenimiento oportuno de equipos y maquinaria, reduciendo el tiempo de inactividad no planificado, extendiendo la vida útil del equipo y mejorando la fiabilidad general del sistema, lo que lleva a operaciones más eficientes y rentables. Los enfoques convencionales de mantenimiento de maquinaria y equipos a menudo dependen de inspecciones manuales periódicas, observaciones humanas y monitoreo, lo que puede ser lento, ineficiente y consumir muchos recursos. Por lo tanto, implementar la automatización a través de modelos predictivos basados en técnicas de IoT y aprendizaje automático es crucial para optimizar el mantenimiento de maquinaria y equipos. Este documento tiene como objetivo aprovechar las técnicas de aprendizaje automático para desarrollar modelos de mantenimiento predictivo, incluyendo la predicción de temperatura y vibración de motores eléctricos, utilizando datos de redes de sensores establecidas y datos de producción de sistemas ERP. Los modelos están diseñados para predecir problemas potenciales dentro de los próximos diez minutos, como si los niveles de temperatura o vibración superarán los umbrales predefinidos.