Todo tipo de buques constan de docenas de maquinarias complejas con partes giratorias y motores eléctricos que operan continuamente en entornos adversos con exceso de temperatura, humedad, vibración, fatiga y carga. Una avería o mal funcionamiento en una de estas maquinarias puede afectar significativamente la operación y seguridad de un buque y, en consecuencia, la seguridad de la tripulación y el medio ambiente. Para mantener la eficiencia operativa y la navegabilidad, la industria naviera invierte recursos sustanciales en mantenimiento preventivo y reparaciones. Este estudio presenta los beneficios económicos y técnicos del mantenimiento predictivo sobre los enfoques tradicionales de mantenimiento preventivo y reparación por reemplazo en el ámbito marítimo. Al aprovechar la tecnología moderna e inteligencia artificial, podemos analizar las condiciones de funcionamiento de las maquinarias obteniendo mediciones ya sea de sensores instalados permanentemente en las maquinarias o mediante el uso de instrumentos de medición portátiles. Esto facilita la identificación temprana de posibles daños, permitiendo una estrategia eficiente para futuros mantenimientos y reparaciones. En este documento, proponemos y desarrollamos una red neuronal convolucional que recibe mediciones de vibración en bruto adquiridas en un entorno de laboratorio de los rodamientos de una máquina. Luego, investigamos si la red propuesta puede detectar con precisión el estado funcional de los rodamientos y categorizar cualquier posible falla presente, contribuyendo a prácticas de mantenimiento mejoradas en la industria naviera.