Esta tesis presenta el diseño e implementación de un sistema SCADA integrado con un modelo de Machine Learning, específicamente Random Forest, para el mantenimiento predictivo de una máquina inyectora TR utilizada en la producción de suelas de calzado. El objetivo principal es anticipar fallos en las resistencias eléctricas, un componente crítico en el proceso de inyección, mediante el análisis de variables como voltaje, corriente y temperatura. Se aplicó la metodología CRISP-DM para estructurar el desarrollo del modelo, desde la recopilación de datos hasta la validación. Se recolectaron más de 3500 registros durante 9 meses, y se calculó la resistencia eléctrica (ohmiaje) como variable objetivo. El modelo Random Forest fue seleccionado por su capacidad para manejar relaciones no lineales, su resistencia a valores atípicos y su alta precisión. Los resultados demostraron...