En el presente trabajo de tesis, se desarrolla y propone un modelo innovador de estimación de la confiabilidad para equipos industriales aplicado a un caso de estudio dentro de un sistema de equipos de molienda de cemento. Este modelo incorpora de aprendizaje automático situándose en la vanguardia de los estudios contemporáneos en el ámbito de la ingeniería de confiabilidad. A través de este enfoque, se busca mejorar la precisión en la estimación de la confiabilidad empleando una metodología que realiza la comparación entre métodos estadísticos convencionales, como los modelos de distribución normal, exponencial, lognormal y Weibull, y la integración del modelo innovador híbrido Crow-AMSAA incluyendo métodos de machine learning al ofrecer herramientas analíticas más robustas para la gestión de mantenimiento y prolongación de vida útil de sistemas productivos en la i...