En los últimos años, ha habido un enorme aumento en la cantidad de investigaciones en el campo de los pronósticos y el mantenimiento predictivo para sistemas mecánicos y eléctricos. La mayoría de los enfoques existentes están diseñados para un sistema específico. No proporcionan un alto grado de flexibilidad y a menudo no pueden ser utilizados de manera adaptativa en diferentes sistemas. Esto puede llevar a que años de investigación, conocimiento y experiencia se inviertan en la implementación de modelos de pronósticos sin la capacidad de estimar la vida útil restante de los sistemas, ya sea por falta de datos o calidad de los datos, o simplemente porque el comportamiento de falla no puede ser capturado por modelos basados en datos. Para superar esto, en este artículo presentamos un marco de pronóstico adaptativo que puede aplicarse a diferentes sistemas mientras proporciona una forma de evaluar si tiene sentido dedicar más tiempo al desarrollo de modelos de pronóstico para un sistema. El marco incorpora los pasos necesarios para los pronósticos, incluyendo el preprocesamiento de datos, la extracción de características y algoritmos de aprendizaje automático para la estimación de la vida útil restante. El marco se aplica a dos sistemas: un conjunto de datos simulado de un motor turbofan y un conjunto de datos de una unidad de enfriamiento de aeronaves. Los resultados muestran que la precisión obtenida en las estimaciones de la vida útil restante es comparable a lo que se ha logrado en la literatura y destacan consideraciones para la evaluación de la idoneidad de los datos de los sistemas hacia los pronósticos.