Los motores aéreos, que encuentran nubes de partículas en el aire, experimentan una reducción en su rendimiento debido a la deposición de partículas en las palas de guía de la tobera de alta presión. La tasa de esta degradación depende de las propiedades de las partículas, el estado operativo del motor y la duración de la exposición a la nube de partículas, variables que a menudo son desconocidas o están mal restringidas, lo que lleva a incertidumbres en las predicciones del modelo. Se desarrolla un método novedoso que acopla el análisis de rendimiento de turbinas de gas unidimensional con predicciones generalizadas de deposición de partículas y se aplica mediante el uso de simulaciones de Monte Carlo para predecir mejor la degradación de la turbina de alta presión. Esto permite un análisis estadístico de la deterioración a partir del cual se pueden definir las pérdidas de rendimiento promedio y los intervalos de confianza, lo que permite cuantificar las reducciones en la vida útil del motor y el aumento del riesgo operativo. El método se demuestra replicando dos eventos de encuentro con nubes de partículas para el motor Rolls-Royce RB211-524C y se utiliza para predecir propiedades empíricas de las partículas correlacionando los datos de rendimiento del motor medidos con las entradas del modelo de Monte Carlo. También se demuestran posibles mejoras en la confianza de estas predicciones debido a datos de entrada y validación más restringidos. Finalmente, se esboza la posible combinación del modelo de degradación acoplado de Monte Carlo con datos de rendimiento del motor en servicio y propiedades de partículas determinadas a través de sensores remotos o in situ, y se discute su papel en un gemelo digital para permitir un enfoque predictivo de la capacidad operativa.