Las industrias buscan constantemente formas de evitar el mantenimiento correctivo para reducir costos. Realizar un mantenimiento programado regular puede ayudar a mitigar este problema, pero no necesariamente de la manera más eficiente. En muchas aplicaciones de la vida real, se desea predecir el tiempo de falla futuro de equipos o dispositivos costosos o con largas vidas útiles para ahorrar costos y/o tiempo. En este documento, se estudió la predicción estadística utilizando enfoques clásicos y bayesianos basados en un esquema de censura híbrida unificada. Se utilizaron dos esquemas de predicción: (1) un esquema de predicción de una muestra que predecía los tiempos de falla futuros no observados de dispositivos que no completaron los experimentos de vida útil; y (2) un esquema de predicción de dos muestras para predecir los valores ordenados de una muestra independiente futura basada en datos pasados de una cierta distribución. Elegimos aplicar los resultados del documento al modelo Burr-X, debido a la importancia de este modelo en muchos campos, como la ingeniería, la salud, la agricultura y la biología. Los predictores de punto e intervalo de los tiempos de falla no observados bajo los esquemas de predicción de una y dos muestras se calcularon en función de conjuntos de datos simulados y dos aplicaciones de ingeniería. Los resultados demuestran la capacidad de predecir la falla futura de equipos utilizando una rama de predicción estadística basada en datos recopilados de un sistema de ingeniería.