Este estudio analiza la aplicación de inteligencia artificial a las fresadoras, centrándose específicamente en identificar las entradas (características) necesarias para predecir la rugosidad superficial. Los estudios anteriores han revisado ampliamente y presentado características útiles para la predicción de la rugosidad superficial. Sin embargo, aplicar los hallazgos de investigación a fábricas operativas reales puede ser desafiante debido a los costos adicionales de instalaciones de sensores y los diversos entornos presentes en cada configuración de fábrica. Para abordar estos problemas, en este documento, presentamos características efectivas para predecir la rugosidad superficial en situaciones donde no se instalan sensores adicionales en el entorno existente. Estas características incluyen avance por diente, tasa de eliminación de material y la información de carga. Estas características son adecuadas para su uso en entornos altamente restringidos donde no se requiere la instalación de sensores separados, lo que hace posible aplicar los hallazgos de investigación en varios entornos de fábrica. Además, para seleccionar de manera eficiente el subconjunto óptimo para la predicción de la rugosidad superficial entre los subconjuntos formados por características disponibles, aplicamos causalidad al método de selección de características, proponiendo un enfoque llamado selección de características eficiente impulsada por causalidad. Los resultados experimentales demuestran que las características presentadas en este documento son bastante adecuadas para predecir la rugosidad superficial y que el enfoque de selección de características propuesto es más efectivo y eficiente en comparación con los métodos de selección existentes.