La tesis tiene como objetivo desarrollar modelos predictivos basados en redes neuronales recurrentes para anticipar con precisión la señal estacionaria de temperatura en bombas de agua industriales. Esto se llevó a cabo con el propósito de obtener una estimación fiable del tiempor estante para el fallo (RUL) del dispositivo y facilitar la implementación de estrategias de mantenimiento predictivo eficaces. La metodología que fue empleada incluyó la recolección de datos provenientes de un sensor de temperatura de bomba de agua, normalizados en una escala de [0-1] y procesados con una función de Lookback. Se implementaron tres arquitecturas diferentes: LSTM, SEQ2SEQ y Attention, variando hiperparámetros como el tamaño del lote, la tasa de aprendizaje, el optimizador (Adam, Adagrad, SGD) y el Lookback. Los resultados demostraron que la arquitectura SEQ2SEQ con un lookback de 7 y ...