El monitoreo de condiciones ha llegado al primer plano de la fabricación inteligente y es particularmente importante en los procesos de mecanizado por Control Numérico por Computadora (CNC), donde la fiabilidad, la precisión y la productividad son cruciales. Los métodos tradicionales de monitoreo, que se basan principalmente en sensores individuales, la captura localizada de datos y la interpretación fuera de línea, están demostrando ser demasiado limitados para manejar los procesos de mecanizado actuales. Al estar limitados en su escala, tener un poder computacional limitado y no ser receptivos en tiempo real, no se adaptan bien a un entorno de producción dinámico y rico en datos. Los avances recientes en el Internet Industrial de las Cosas (IIoT), la computación en la nube y la inteligencia en el borde han llevado a un impulso hacia arquitecturas de monitoreo distribuidas capaces de obtener, procesar e interpretar grandes cantidades de datos de mecanizado heterogéneos. Tales innovaciones han facilitado enfoques de toma de decisiones más adaptativos, que han ayudado a apoyar el mantenimiento predictivo, mejorar la estabilidad del mecanizado, la vida útil de las herramientas y la optimización basada en datos en las empresas manufactureras. Se realizó una búsqueda estructurada de literatura en las principales bases de datos científicas, y se sintetizaron cualitativamente los estudios elegibles. Esta revisión sistemática sintetiza más de 180 estudios revisados por pares encontrados en las principales bases de datos científicas, utilizando criterios de inclusión específicos y un proceso de selección guiado por PRISMA. Proporciona una visión integral de las tecnologías de sensores, los sistemas de adquisición de datos, los marcos de nube-borde-IoT y las implementaciones de gemelos digitales desde una perspectiva arquitectónica. Al mismo tiempo, identifica los desafíos en curso relacionados con la escalabilidad industrial, la estandarización y la madurez de la implementación. La combinación de plataformas en la nube e inteligencia en el borde es de particular interés, con énfasis en cómo ambas aseguran un equilibrio en la carga computacional y la latencia, y mejoran la fiabilidad del sistema. La revisión es una síntesis de los principales avances asociados con tecnologías de sensores, enfoques de recolección de datos, operaciones de máquinas, aprendizaje automático, métodos de aprendizaje profundo y gemelos digitales. El documento concluye con lo que se puede y no se puede realizar hasta la fecha, proporcionando un análisis comparativo de lo que se sabe sobre este tema y las aplicaciones industriales reportadas. Los principales problemas, como la inconsistencia de los datos, la falta de estandarización, las amenazas cibernéticas y la integración de sistemas antiguos, se analizan críticamente. Por último, se abordan nuevas direcciones de investigación, incluyendo inteligencia híbrida en la nube y en el borde, modelos avanzados de IA y fusión multisensorial adaptativa, orientadas a sistemas de monitoreo CNC autónomos y autoevolutivos en línea con los paradigmas de la Industria 4.0 y la Industria 5.0. El proceso de revisión se realizó de manera transparente y repetible utilizando un enfoque guiado por PRISMA para la síntesis cualitativa y la selección de literatura.