En un entorno industrial, la producción constante y el mantenimiento de las máquinas pueden ayudar a cualquier empresa a tener éxito. La verificación de la salud de las máquinas es un método para observar el estado de una máquina para predecir el desgaste mecánico y anticipar las fallas de la máquina. Los enfoques tradicionales más utilizados son el mantenimiento reactivo y el mantenimiento preventivo. Estos enfoques son poco fiables y derrochadores en términos de tiempo y utilización de recursos. El uso de la gestión de la salud del sistema junto con una estrategia de mantenimiento predictivo permite programar los tiempos de mantenimiento de tal manera que se eviten las fallas del dispositivo y, por lo tanto, se eviten las repercusiones. El IoT puede ayudar a monitorear la salud del equipo y proporcionar los mejores resultados, especialmente en un entorno industrial. El Internet de las Cosas (IoT) y los modelos de aprendizaje automático son muy efectivos para proporcionar conocimientos continuos y un estudio integral sobre el rendimiento de la infraestructura. Nuestra técnica propuesta utiliza una aplicación móvil que busca anticipar el estado de salud de la máquina utilizando un método de clasificación que emplea tecnologías de IoT y aprendizaje automático, lo que podría beneficiar el entorno industrial al alertar al equipo de mantenimiento adecuado antes de causar daños significativos al sistema y perturbar las operaciones normales. Se ha llevado a cabo una comparación del rendimiento de los árboles de decisión, XGBoost, SVM y KNN. Según nuestros hallazgos, XGBoost logra una mayor precisión de clasificación en comparación con los otros algoritmos. Como resultado, este modelo se selecciona para crear una aplicación basada en el usuario que permite al usuario verificar fácilmente el estado de salud de la máquina.