La importancia de los programas de mantenimiento predictivo (PdM) ha sido reconocida en muchas industrias. La integración fluida del programa PdM en los sistemas de ejecución de manufactura de hoy en día requiere un diseño de sistema escalable y genérico, así como un conjunto de indicadores clave de rendimiento (KPI) para hacer que el monitoreo de condiciones y las actividades de PdM sean más efectivas. En este estudio, se presenta un nuevo sistema de PdM y su implementación. Se proponen e implementan KPI y métricas durante el diseño para mejorar el sistema y las necesidades de monitoreo del rendimiento de PdM. El sistema propuesto ha sido probado en dos casos de uso independientes (vehículo de transferencia autónomo y motor eléctrico) para aplicaciones de monitoreo de condiciones con el fin de detectar fallas incipientes en el equipo o anomalías operativas. Se introducen herramientas y modelos de aumento de datos basados en aprendizaje automático y se automatizan con tecnologías de AutoML y automatización de flujos de trabajo de última generación para aumentar la recolección de datos del sistema y el rendimiento de clasificación de fallas impulsado por datos.