Este documento investiga la utilización de redes neuronales artificiales (ANN) para la identificación proactiva de fallos en cajas de engranajes en turbinas eólicas, aumentando el uso de datos operativos de SCADA para análisis predictivo. Evitar fallos en las cajas de engranajes, que pueden impactar fuertemente el funcionamiento de las turbinas eólicas, es crucial para garantizar una alta fiabilidad y eficiencia en los parques eólicos. La detección temprana se puede lograr mediante el desarrollo de un modelo de comportamiento normal basado en ANN, que se entrena con datos de condiciones saludables derivados de variables SCADA seleccionadas que están estrechamente asociadas con las operaciones de la caja de engranajes. El objetivo de este modelo es prever desviaciones en la temperatura de los rodamientos de engranajes, que sirven como una alerta temprana para posibles fallos. La investigación emplea datos extensos de SCADA recopilados desde enero de 2018 hasta febrero de 2022 de un parque eólico con múltiples turbinas. El estudio garantiza la robustez del modelo a través de un exhaustivo proceso de limpieza de datos, normalización y división en conjuntos de entrenamiento, validación y prueba. Los hallazgos revelan que el modelo es capaz de identificar eficazmente anomalías en las temperaturas de los rodamientos de engranajes varios meses antes de un fallo, superando métodos simples de procesamiento de datos, ofreciendo así un tiempo de anticipación significativo para acciones de mantenimiento. Esta capacidad de detección temprana se destaca en un estudio de caso que involucra un fallo en la caja de engranajes en una de las turbinas, donde el modelo ANN propuesto detectó el problema meses antes del fallo real. El presente documento es una versión ampliada del trabajo presentado en la 5ª Conferencia Internacional de IFToMM ITALIA 2024.