Todas las empresas requieren tener un proceso productivo estable y confiable que les permita planear una estrategia para competir en el mercado, dentro esta necesidad es muy importante saber el estado de las maquinas que ejecutan los procesos, ya que de esta manera se planea la producción y el mantenimiento de las mismas. Con el objetivo de desarrollar una herramienta de hardware y software que permita la generación de un diagnóstico confiable sobre la salud de la maquinaria se realizaron múltiples pruebas para evaluar la condición de un equipo de pruebas de manera manual y posteriormente se implementa una herramienta que es capaz de realizar el diagnostico de manera automática utilizando análisis de señales y aprendizaje autónomo donde se logra identificar de manera adecuada la condición de un equipo en 3 categorías. Los resultados evidencian que pese a que la cantidad de datos puede ser poca y que las categorías pueden estar desbalanceadas es posible construir un modelo de aprendizaje automático a través del uso del aprendizaje profundo y el análisis continuo de armónicos de frecuencia.