Los grados de acero avanzados y los altos requisitos de productividad en la industria del acero moderna someten a las máquinas de producción a tensiones mecánicas aumentadas, lo que provoca pérdidas. Las nuevas soluciones orientadas a datos para el monitoreo de máquinas juegan un papel fundamental en la prevención de pérdidas, pero los datos industriales con altas tasas de muestreo, ruido y dimensiones presentan desafíos. Este estudio propone un nuevo enfoque de monitoreo para niveladoras de rodillos basado en mediciones de vibración y modelos de regresión para estimar las propiedades de las bandas de acero, incluyendo la resistencia al rendimiento, el ancho y el grosor. Los residuos de regresión se monitorean en función de gráficos de media móvil y rango, que revelan cambios respecto a la operación normal esperada. Se estudió un conjunto de características de alta dimensión de 144,000 características estadísticas con varios métodos de selección de características, incluidos filtros y envolturas. Se aplicaron regresión lineal múltiple y red neuronal de regresión generalizada en el modelado. El enfoque fue validado utilizando datos de una niveladora de rodillos industrial que procesa bandas de acero con diversas propiedades. Los resultados revelan que es posible la predicción precisa del grosor de la banda a partir de las propiedades de la banda y que la regresión lineal múltiple fue generalmente el modelo superior en este caso. Simulaciones adicionales indicaron que los gráficos de control pueden detectar operaciones desviadas. Información suplementaria sobre la operación momentánea de la máquina mejoraría el enfoque.