Los trabajos existentes han prestado escasa atención a la entropía multivariante de datos complejos. Así, los métodos existentes tienen un rendimiento deficiente al exponer completamente la naturaleza de los datos complejos. Para extraer una rica veta de características de datos, este artículo aplica un enfoque de barajado y sustituto a los datos complejos para desacoplar la información de densidad de probabilidad de la información de correlación y luego obtener datos barajados y datos sustitutos. Además, este artículo aplica la entropía aproximada (ApEn) para estimar individualmente las complejidades e irregularidades de los datos originales, los datos barajados y los datos sustitutos. Como resultado, este artículo desarrolla un enfoque ternario de ApEn integrando el ApEn de los datos originales, barajados y sustitutos en un vector tridimensional para describir la dinámica de los datos complejos. A continuación, se compara el enfoque ternario de ApEn propuesto con estadísticas temporales convencionales, ApEn convencional, entropía de energía bidimensional basada en descomposición de modo empírico o descomposición por wavelet, y ApEn binario utilizando tanto datos de vibración de engranajes como datos de vibración de rodamientos de rodillos que contienen diferentes tipos y severidades de fallos. Los resultados sugieren que el enfoque ternario de ApEn es superior a los otros métodos para identificar las condiciones de las máquinas rotativas.