Las condiciones globales actuales y los desafíos en la fabricación industrial, marcados por el dinamismo, la competencia y la necesidad de una gestión responsable de los recursos, han aumentado la demanda de prácticas de fabricación sostenibles. La integración de la Industria 4.0 y el reciente desarrollo de la Industria 5.0 han añadido dinamismo, lo que ha generado profundas implicaciones para el control de calidad y el monitoreo de procesos, centrándose principalmente en reconocer patrones de control dentro del entorno de fabricación. Este estudio presenta una metodología novedosa para evaluar el rendimiento de los modelos de clasificación de patrones utilizados en el control de calidad avanzado. Nuestro enfoque incorpora métricas de rendimiento robustas, detección temprana, tamaño de ventana, hiperparámetros de red y patrones concurrentes dentro de un entorno de monitoreo simulado. A diferencia de investigaciones anteriores, nuestra metodología de evaluación aborda la sensibilidad de los modelos de clasificación a varios factores, enfatizando el equilibrio crítico entre la detección temprana y la minimización de falsas alarmas. Los hallazgos revelan que el tamaño de la ventana impacta significativamente en la sensibilidad del modelo a cambios de patrones, resaltando que medir solo la detección temprana es impráctico en aplicaciones del mundo real. Además, la selección óptima de hiperparámetros mejora la aplicabilidad práctica del modelo.