Esta investigación se centra en el papel crucial del monitoreo de las condiciones de la herramienta en el fresado para mejorar la calidad de la pieza, aumentar la eficiencia de producción, y reducir costos e impacto ambiental. El objetivo era desarrollar modelos predictivos para detectar cambios en la condición de la herramienta. Los datos de un montaje de investigación equipado con sensores se utilizaron para el análisis de señales durante diferentes etapas de mecanizado. El estudio aplicó regresión logística y un clasificador de aumento de gradiente para la identificación de capas de material, logrando una impresionante precisión del 97.46%. Además, la efectividad de los clasificadores se confirmó aún más a través del análisis de curvas ROC (Característica Operativa del Receptor) y valores de AUC (Área Bajo la Curva), demostrando su alta calidad y capacidades de identificación precisas. Estos hallazgos respaldan la utilidad de los clasificadores en la predicción de la condición de las herramientas de corte, lo que potencialmente reduce el consumo de materia prima y el impacto ambiental, promoviendo así prácticas de producción sostenibles.