Este documento analiza datos de vibración que muestran cambios repentinos en la amplitud debido a condiciones de carga no estacionarias. Los datos fueron registrados en una turbina eólica que operó bajo vientos racheados y mostró picos altos durante períodos cortos. Los datos se analizaron con el algoritmo de promedio móvil integrado autorregresivo (ARIMA), y los resultados se compararon con el método de pronóstico exponencial. Se han aplicado otros métodos para pronosticar datos de vibración, pero la simplicidad de este método lo hace adecuado para maquinaria rotativa con condiciones de carga altamente variables. El análisis de los parámetros del método se incluye en este documento, y los resultados mostraron que la configuración óptima depende de las variaciones de los datos y de la existencia de tendencias significativas. Pronosticar datos de vibración es un desafío; depende de la calidad de los datos de origen, los algoritmos de preprocesamiento y el deterioro de los elementos mecánicos. Las predicciones se vuelven menos precisas cuando la máquina opera bajo cambios repentinos, y evaluar los efectos dañinos causados por el evento repentino es difícil de estimar.