En la actualidad, se presta particular importancia al hecho de conocer con exactitud el tiempo de vida útil restante de un sistema industrial, sin embargo para un enfoque práctico la importancia recae sobre el hecho de conocer el estado actual de desgaste, o falla, presente en los equipos o herramientas que conforman estos sistemas industriales, ya que el buen funcionamiento en conjunto de estos garantiza el buen desempeño del sistema, y permite mantener los estándares de producción requeridos. En la industria, las máquinas giratorias son ampliamente utilizadas, desde labores de mantenimiento hasta tareas complejas como la automatización de sistemas. La experiencia muestra que la mayoría de las fallas en estas máquinas se presenta en los cojinetes de los rodamientos, los cuales al presentar fallas generan paros. Para inferir el RUL de los rodamientos se usan técnicas como el análisis por redes bayesianas dinámicas, las cuales proporcionan una buena estimación del RUL, sin embargo, éstas exigen un alto costo computacional, además de requerir bases de datos con la historia completa de la vida útil del rodamiento. También se estima el RUL mediante modelos de la integración de múltiples bases de datos usando filtros estocásticos que entregan una estimación del RUL, pero igual exigen un alto costo computacional, además de que se integra un gran error al unir múltiples bases de datos tomadas por diferentes sensores. Por tales limitaciones, se plantea una metodología basada en la estimación del RUL haciendo uso de los Modelos Ocultos de Markov, los cuales son usados en aplicaciones con señales cuasi-estacionarias como es el caso de clasificadores de señales sonoras como el habla humano, y en donde se puede asumir que las señales de las vibraciones generadas por un rodamiento se pueden aproximar a dicho tipo de señales.