Para muchas máquinas con sistemas de procesos de torneado, la aplicación de un monitoreo de condición de herramienta (TCM) indirecto y económico se mejora al utilizar señales de corriente del motor del husillo con codificador interno. En este estudio, propusimos un enfoque novedoso para extraer la característica de distorsión armónica total (THD) asociada con la frecuencia de corte de metal de una herramienta de trabajo específica en el dominio del tiempo. Nuestro método implicó la aplicación de descomposición de modo variacional (VMD) filtrada combinada con análisis de envolvente para desmodular la señal de corriente del motor y definir características de TCM basadas en el THD de armónicos impares, que están más relacionados con la estructura del motor. Estas características sirven como entradas para una técnica de pronóstico híbrido, empleando el Movimiento Browniano Geométrico (GBM) para modelar estocásticamente el proceso de degradación junto con un marco basado en transformadores de aprendizaje profundo llamado Transformer de series temporales (TST) para mejorar la predicción de vida útil. Finalmente, para validar nuestro enfoque, realizamos experimentos basados en 36 conjuntos de datos de desgaste de herramientas extraídos de una máquina CNC que opera bajo condiciones de proceso de torneado utilizando dos herramientas diferentes. Finalmente, comparamos los modelos de degradación basados en las características de THD impares y THD pares extraídas.