La creciente popularidad de las fábricas inteligentes y la Industria 4.0 ha hecho posible recopilar grandes cantidades de datos de las etapas de producción. Así, los métodos de aprendizaje automático supervisado, como la clasificación, pueden predecir de manera viable la calidad de cumplimiento del producto utilizando datos de fabricación recopilados durante la producción. La eliminación de la incertidumbre a través de predicciones precisas proporciona beneficios significativos en cualquier etapa de una cadena de suministro. Por lo tanto, el conocimiento temprano de la calidad del lote de productos puede ahorrar costos asociados con retiradas, embalaje y transporte. Si bien ha habido una investigación exhaustiva sobre la predicción de la calidad de procesos de fabricación específicos, la adopción de métodos de clasificación para predecir el cumplimiento general de los lotes de producción no ha sido investigada en profundidad. Este documento tiene como objetivo diseñar métodos de clasificación basados en aprendizaje automático para el cumplimiento de calidad y validar los modelos a través de un estudio de caso de una línea de producción de electrodomésticos multimodelo. El modelo de clasificación propuesto podría lograr una precisión de 0.99 y un Kappa de Cohen de 0.91 para la calidad de cumplimiento de los lotes de unidades. Por lo tanto, el método propuesto permitiría la implementación de un modelo predictivo para la calidad de cumplimiento. El estudio de caso también destaca la importancia de la construcción de características y el conocimiento del conjunto de datos en el entrenamiento de modelos de clasificación.