Las nuevas tendencias en técnicas de mantenimiento están orientadas hacia la digitalización y el pronóstico. Los nuevos dispositivos electrónicos basados en tecnología IoT (Internet de las Cosas), entre otros, que apoyan el paradigma de la industria 4.0, permiten mejorar las técnicas tradicionales de monitoreo de condiciones para comprender y predecir mejor el estado de una máquina en servicio. Relacionado con las aplicaciones de mantenimiento, uno de los pasos importantes en las tareas de monitoreo de condiciones para el diagnóstico de fallas es la selección del patrón óptimo para proporcionar resultados precisos (evitando falsos positivos/negativos) con un tiempo de computación adecuado. Al implementar esto, la selección de parámetros y umbrales óptimos para establecer alarmas es importante para detectar problemas en la máquina antes de que ocurra la falla. Se ha demostrado que las señales vibratorias son una buena variable para determinar su comportamiento mecánico. Sin embargo, los parámetros obtenidos de mediciones en el dominio del tiempo no son computacionalmente eficientes ni buenos patrones para comparar diferentes condiciones de la máquina. En este sentido, las herramientas que representan el dominio de la frecuencia o el dominio tiempo-frecuencia han sido útiles para detectar defectos en elementos rotativos como los rodamientos. En este trabajo, se estudian defectos en rodamientos de bolas utilizando la transformada de paquetes de wavelet. Para ello, se desarrollará una metodología para la selección óptima de la wavelet madre, incorporando sistemas de clasificación inteligentes y utilizando un modelo de máquina de soporte vectorial gaussiana media. De esta manera, se verificará que la correcta selección de esta función influye tanto en los resultados como en la facilidad y fiabilidad de la detección. Los resultados utilizando la wavelet madre seleccionada se compararán con los obtenidos usando Daubechies 6, ya que es la wavelet madre que se ha utilizado en trabajos anteriores y que fue seleccionada en base a la experiencia. Para ello, se obtienen señales vibratorias de un banco de pruebas con diferentes condiciones de rodamientos: rodamientos sanos y rodamientos defectuosos (carrera interna y externa).