Este estudio presenta un sistema de monitoreo del desgaste de herramientas basado en sonido, diseñado para superar las limitaciones de los métodos convencionales que se centran únicamente en patrones de desgaste graduales y predecibles. El sistema propuesto emplea micrófonos de bajo costo y alta frecuencia y procesamiento de señales avanzado, que incluye filtrado analógico/digital, sobremuestreo, acondicionamiento de señales, sincronización basada en PLL y extracción de características (ZCR, RMS), para capturar emisiones acústicas durante el mecanizado. Las innovaciones clave incluyen la optimización de la colocación de micrófonos, un PCB personalizado y la transferencia de datos en tiempo real a través de WiFi a MATLAB para su análisis. Utilizando el algoritmo de aprendizaje automático TreeBagger, el sistema predice con precisión el desgaste de la herramienta, detectando tanto patrones de desgaste graduales como abruptos. Probado en acero inoxidable EN 1.4307 (AISI/ASTM 304L), el sistema demostró un rendimiento robusto en la evaluación del estado de la herramienta en tiempo real. Su diseño escalable y rentable permite la integración de sensores y características adicionales, proporcionando una solución no invasiva y adaptativa para mejorar la eficiencia del mecanizado y reducir los costos operativos.