RESUMEN: Este artículo propone una metodología para la predicción y detección de posibles fallos de componentes principales de un aerogenerador, a partir de los datos recogidos por un sistema SCADA (Supervisory Control And Data Acquisition) de monitorización incorporado en el mismo. Para ello se aplican técnicas de inteligencia artificial, como redes neuronales o boosted trees, para el modelado del comportamiento y la selección óptima de los parámetros de entrada. Finalmente, una vez definida la metodología, se aplica a un caso real de avería en una multiplicadora con datos procedentes de un parque eólico propiedad del Grupo Eólicas Riojanas (GER) ubicado en La Rioja (España). La combinación de un estudio detallado de los parámetros óptimos para modelizar el comportamiento específico de la temperatura de la multiplicadora, junto con el desarrollo de un modelo basado en redes neuronales, permite caracterizar de forma eficaz el comportamiento normal de la multiplicadora sin deterioro en su funcionamiento. Ello permite analizar de forma periódica el posible proceso de deterioro de la multiplicadora y actuar sobre ella antes de que se produzca una avería irreparable y que obligue a su sustitución.